单样本等价检验的功效与样本量
规划单样本等价检验,该检验必须证明均值与目标值足够接近,而不是与之不同。输入等价下限和上限、标准差,以及样本量、差值和功效三者中的任意两项;工具求解第三项。功效使用 t 分布对 TOST 程序精确计算。输出结果表和功效曲线。
最后审阅
核心要点
单样本等价检验的功效与样本量用于计算需要多少测量值,才能通过两个单侧 t 检验(TOST)证明过程均值位于目标值周围的等价区间内。
用途
单样本等价检验的功效与样本量用于规划一项研究,该研究必须证明过程均值与目标值足够接近,而不是与之不同。您设定等价区间(均值 − 目标值的下限和上限),工具会告诉您需要多少测量值才能证明均值位于其中、给定样本的功效是多少,或在给定样本和功效下真实均值最多可偏离目标值多远。输入样本量、差值和功效三者中的任意两项,工具求解第三项。可在进行单样本等价检验之前使用,例如针对标称值验证新的灌装头、量具或配方。
主要功能
- 求解样本量、功效或差值:将想求解的那一项留空。
- 可一次输入多个值,例如差值“0 0.5 1”和功效值“0.8 0.9”,每种组合给出一行。
- 任意等价区间:对称(−2 至 2)或不对称(−1 至 3)。
- 对两个单侧检验(TOST)程序给出精确功效,使用 t 分布而非正态近似。
- 针对每个差值绘制功效随样本量变化的功效曲线,并标出求解得到的点。
统计方法
等价检验使用两个单侧 t 检验(TOST)。在有 n 个测量值、标准差 σ、标准误 SE = σ/√n 和 n − 1 个自由度时,当均值减去目标值被证明高于下限 L 且低于上限 U 时,即判定等价,两者均在显著性水平 α 下进行(Significance level (alpha) 字段,默认 0.05;不会将其拆分为两半)。
功效是当真实差值(均值 − 目标值)为 δ 时两个单侧检验都成功的概率。工具对其精确计算:对于给定的样本标准差,成功的概率是两个正态概率之差,Φ(−t·s/σ − (δ − U)/SE) − Φ(t·s/σ − (δ − L)/SE),其中 t = t₁₋α,n−1,并通过数值积分对样本方差的卡方分布取平均。对于样本量,找到达到目标功效的 n 并向上取整,在该 n 处的功效作为实际功效报告。求解差值时,工具在区间中点与上限之间搜索,因为真实差值位于中点时功效最高,并随着向任一限靠近而下降。
要检测的差值必须严格位于两个限之间:位于限上或超出限的真实均值永远无法被证明等价。功效随样本量和区间宽度增加而上升,随 σ 增大或真实差值向某一限靠近而下降。
输入字段和选项
字段 | 说明 |
Sample sizes | 以空格或逗号分隔,例如“20 30 40”。留空则求解样本量。 |
Difference(s) to detect | 以空格或逗号分隔,例如“0.5 0.7”。您预期的真实差值(均值 − 目标值);必须严格位于下限和上限之间。留空则求解该值(在区间中点与上限之间搜索)。 |
Power values | 以空格或逗号分隔,例如“0.8 0.9”。留空则求解功效。 |
Lower equivalence limit / Upper equivalence limit | 必填。与目标值相比可接受的最小和最大差值,以测量单位表示;下限必须小于上限。 |
Standard deviation | 必填。测量值的假定或历史标准差。 |
Significance level (alpha) | 默认 0.05。应用于两个单侧检验中的每一个。 |
Power curve | 默认勾选:绘制功效随样本量变化的曲线。 |
Title | 显示在输出和功效曲线上的标题。 |

图 1 — 求解样本量:Difference(s) to detect = 0.5,Power values = 0.8 0.9,限为 −2 和 2,Standard deviation = 3,alpha = 0.05。
输出说明
- Settings — 求解的内容、等价下限和上限、标准差以及显著性水平。
- Results — 每种组合一行:差值、样本量,以及求解样本量时的目标功效和实际功效,或求解功效时的功效,或求解差值时的差值。
- Power Curve — 针对每个差值的功效随样本量变化的曲线,并标出计算得到的点。
- 通过 Download 导出 PDF。

图 2 — 示例的结果:当真实偏离量在 ±2 g 区间内为 0.5 g 时,80% 功效需要 27 次灌装,90% 功效需要 36 次。
计算示例
一条包装线安装了新的灌装头,在放行之前必须证明其平均灌装量与 500 g 目标值相差在 ±2 g 以内。历史数据表明灌装标准差为 3 g,工程师预期新灌装头偏离目标最多可达 0.5 g。他们将 Sample sizes 留空,输入 Difference(s) to detect = 0.5、Power values = 0.8 0.9、Lower equivalence limit = −2、Upper equivalence limit = 2 和 Standard deviation = 3,alpha = 0.05。
工具显示,80% 功效需要 27 次灌装(实际功效 0.807),90% 功效需要 36 次灌装(实际功效 0.902)。若仅有 20 次灌装,功效为 0.669,即一个实际上合格的灌装头有三分之一的概率通不过等价检验。偏离量很重要:恰好对准目标的灌装头达到 80% 功效需要 21 次灌装,而偏离目标 1 g 的则需要 58 次。如果团队不确定偏离量,按较大的值规划可保护研究。
常见问题
等价检验与标准单样本 t 检验有何不同?
标准检验试图证明均值与目标值不同,而等价检验证明它足够接近。它使用两个单侧 t 检验(TOST):当均值减去目标值被证明高于下限且低于上限时即判定等价,两者均在所选显著性水平下进行,该水平不会被拆分为两半。
为什么要检测的差值必须位于等价限之间?
位于等价限上或超出等价限的真实均值永远无法被证明等价,因此预期差值必须严格位于下限和上限之间。真实差值位于两个限的中点时功效最高,并随着向任一限靠近而下降。功效还随样本量和区间宽度增加而上升,随标准差增大而下降。
单样本等价检验需要多少样本?
这取决于区间、标准差和预期偏离量。在一个区间为正负 2 g、标准差为 3 g、预期偏离量为 0.5 g 的计算示例中,27 次灌装给出 80% 功效,36 次给出 90%。恰好对准目标的灌装头需要 21 次灌装,而偏离目标 1 g 的则需要 58 次。
如何在 Zometric Statistical Software 中进行这项功效分析?
输入必填的等价下限和上限以及标准差,然后输入样本量、要检测的差值和功效值中的任意两项,将要求解的那一项留空。设置显著性水平(默认 0.05)并计算。输出显示设置、每种组合一行并带有目标功效和实际功效的结果,以及功效曲线。
