雙比率檢定力與樣本數

在收集資料之前規劃雙比率檢定。輸入 Proportion 1,以及每組樣本數、Proportion 2 和檢定力三者中的任意兩項,工具將求解第三項。它對兩個獨立比率採用常態近似,且各組樣本數相等,因此對於很小的比率,結果僅供參考。輸出包含實際檢定力的結果表和檢定力曲線。

最後審閱

核心要點

雙比率檢定力與樣本數用於規劃兩個比率(例如兩條生產線的不合格品率)的比較,可求解每組樣本數、檢定力或可檢測的 Proportion 2。

本頁內容
  1. 用途
  2. 主要功能
  3. 統計方法
  4. 輸入欄位和選項
  5. 輸出說明
  6. 計算範例

用途

雙比率檢定力與樣本數用於在收集資料之前規劃兩個比率的比較,例如兩條生產線、兩家供應商的不合格品率,或某一製程變更前後的不合格品率。輸入樣本數、Proportion 2 和檢定力三者中的任意兩項,工具將求解第三項:每組需要多少產品,計畫樣本檢測出差異的機率有多大,或者 Proportion 2 與 Proportion 1 相差多少才能被檢出。請在進行雙比率檢定之前使用。

主要功能

  • 可求解樣本數、檢定力或 Proportion 2:將要求解的一項留空。
  • 可一次輸入多個值,例如 Proportion 2 值「0.05 0.07」和檢定力值「0.8 0.9」,每種組合給出一列結果。
  • 雙側對立假設(Proportion 1 ≠ Proportion 2)或單側對立假設(Proportion 1 < Proportion 2、Proportion 1 > Proportion 2),信賴水準由您選擇。
  • 兩組樣本數相等;求解樣本數時,報告每組的整數樣本數和實際檢定力。
  • 針對每個 Proportion 2 繪製檢定力相對於樣本數的檢定力曲線,並標出求解得到的點。

統計方法

該工具對兩個獨立比率之差採用常態近似,各組樣本數 n 相同。顯著水準為 α = 1 − 信賴水準 / 100,雙側對立假設時 z 取 z₁₋α/₂,單側對立假設時取 z₁₋α。

令 p̄ = (p₁ + p₂)/2,則虛無假設下的標準差為 σ₀ = √(2·p̄(1 − p̄))(合併),對立假設下為 σ₁ = √(p₁(1 − p₁) + p₂(1 − p₂))。對於 Proportion 1 > Proportion 2,令 Δ = p₁ − p₂;對於 Proportion 1 < Proportion 2,令 Δ = p₂ − p₁;對於雙側對立假設,令 Δ = |p₁ − p₂|。每組 n 個樣本時的檢定力為 Φ((Δ·√n − z·σ₀) / σ₁)。達到目標檢定力所需的樣本數為 n = ((z·σ₀ + z_β·σ₁) / Δ)²,其中 z_β 為檢定力對應的常態分位數;n 向上取整,並將該整數對應的檢定力報告為實際檢定力。求解 Proportion 2 時,對於 Proportion 1 < Proportion 2 和雙側對立假設,工具在 Proportion 1 以上搜尋,對於 Proportion 1 > Proportion 2 則在其以下搜尋。

單尾檢定只有在 Proportion 2 位於對立假設所指的一側時才有檢定力:對於 Proportion 1 > Proportion 2,若 Proportion 2 高於 Proportion 1,則檢定力接近 0,據此求解樣本數會返回錯誤資訊。較低比率之間的微小差距需要非常大的樣本數。比率接近 0 或 1 時,常態近似的準確度會降低,因此對於很小的缺陷率,結果僅供參考。

輸入欄位和選項

欄位

說明

Sample sizes

每組的樣本數。以空格或逗號分隔,例如「50 100 150」。留空則求解樣本數。

Proportion 1

必填。第一組的比率,例如當前或基線比率,介於 0 和 1 之間。

Proportion 2 value(s)

以空格或逗號分隔,例如「0.5 0.6」。希望檢測的 Proportion 2 的值。留空則求解該值。

Power values

以空格或逗號分隔,例如「0.8 0.9」。留空則求解檢定力。

Confidence level

預設值為 95(α = 0.05);範圍 75 到 100。

Alternative hypothesis

Proportion 1 ≠ Proportion 2(預設)、Proportion 1 < Proportion 2 或 Proportion 1 > Proportion 2。

Power curve

預設勾選:繪製檢定力相對於樣本數的曲線。

Title

輸出和檢定力曲線上顯示的標題。

power-and-sample-size-2-proportions-inputs


圖 1 — 求解樣本數:Proportion 1 = 0.10,Proportion 2 value(s) = 0.05,Power values = 0.8 0.9,雙側,信賴水準 95%。

輸出說明

  • Settings — 求解的目標、Proportion 1、信賴水準和對立假設。
  • Results — 每種組合一列:求解樣本數時給出 Proportion 2、每組樣本數以及目標檢定力和實際檢定力;求解檢定力時給出檢定力;求解 Proportion 2 時給出 Proportion 2。
  • Power Curve — 針對每個 Proportion 2 繪製檢定力相對於樣本數的曲線,並標出計算得到的點。
  • 透過 Download 匯出 PDF。

power-and-sample-size-2-proportions-output


圖 2 — 範例結果:要區分 10% 與 5% 的缺陷率,每條生產線需 435 件裝配件才能達到 80% 的檢定力,需 582 件才能達到 90% 的檢定力。

計算範例

某裝配工廠的舊生產線重工率約為 10%,預計採用防呆夾具的新生產線可降至 5%。在進行對比試驗之前,工程師想知道每條生產線應檢驗多少件裝配件。工程師將 Sample sizes 留空,輸入 Proportion 1 = 0.10、Proportion 2 value(s) = 0.05 和 Power values = 0.8 0.9,保持雙側對立假設,信賴水準為 95%。

工具得出:達到 80% 檢定力,每條生產線需 435 件裝配件(實際檢定力 0.801);達到 90% 檢定力,每條生產線需 582 件(實際檢定力 0.900)。每條生產線 200 件的試驗,檢定力僅為 0.475。如果新生產線只改善到 7%,達到 80% 檢定力則每條生產線需 1356 件裝配件,因此要證明微小的改善代價高昂。如果唯一的問題是新生產線是否更好(Proportion 1 > Proportion 2),對於 10% 與 5% 的情形,每條生產線 343 件即可達到 80% 檢定力。

常見問題

比較兩個比率所需的樣本數如何計算?

該工具對兩個獨立比率之差採用常態近似,各組樣本數 n 相同。它在虛無假設下采用合併標準差,在對立假設下采用兩個各自的比率,求解 n = ((z 乘以 sigma0 加 z_beta 乘以 sigma1) / delta) 的平方,每組向上取整,並報告該樣本數下的實際檢定力。

比較兩個缺陷率需要多少樣本?

這取決於兩個比率之間的差距。在一個計算範例中,比較重工率為 10% 的生產線與預計降至 5% 的生產線,雙側、信賴水準 95%,每條生產線 435 件裝配件可達到 80% 的檢定力,582 件可達到 90%。如果新生產線只改善到 7%,達到 80% 檢定力則每條生產線需 1356 件,因此要證明微小的改善代價高昂。

何時應對雙比率使用單側對立假設?

僅當只關心一個方向時才使用單側對立假設,例如新生產線是否更好。它所需的產品更少:在 10% 與 5% 的範例中,每條生產線 343 件,而不是 435 件。單尾檢定只有在 Proportion 2 位於對立假設所指的一側時才有檢定力;否則檢定力接近 0,據此求解樣本數會返回錯誤。

如何在 Zometric Statistical Software 中執行雙比率檢定力與樣本數?

輸入必填的 Proportion 1,以及每組樣本數、Proportion 2 值和檢定力值三者中的任意兩項,將要求解的一項留空。選擇信賴水準和對立假設,然後點選 calculate。輸入多個值時,每種組合給出一列結果,並繪製檢定力相對於樣本數的檢定力曲線。