单样本泊松率的功效和样本量
在收集数据之前规划单样本泊松率检验。输入样本量、比较率和功效中的任意两项,以及假设率和每单位的观察长度,工具即求解第三项。它采用泊松分布的正态近似,并假定每单位的发生率恒定。输出带实际功效的结果表和功效曲线。
最后审阅
核心要点
单样本泊松率的功效和样本量用于规划针对目标值检验计数率(如每平方米缺陷数)的试验,可求解样本量、功效或可检测的比较率。
用途
单样本泊松率的功效和样本量用于规划针对目标率或历史率检验计数率(如每平方米缺陷数、每月故障次数或每批错误数)的试验。输入样本量、比较率和功效中的任意两项,工具即求解第三项:应观察多少个单位、计划样本检测到比率变化的概率有多大,或给定样本能检测到的最小变化。在进行单样本泊松率检验之前使用。
主要功能
- 求解样本量、功效或比较率:将您想求解的一项留空。
- 可一次输入多个值,例如比较率“1 1.2”和功效值“0.8 0.9”,每种组合给出一行。
- 每单位的观察长度,因此同一比率可以用更大或更小的单位来研究(例如 1 m² 或 2 m² 的板材)。
- 双侧(Rate ≠ hypothesized rate)或单侧(小于、大于)备择假设,置信水平由您选择。
- 针对每个比较率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
工具采用泊松分布的正态近似。假定计数服从每观察单位发生率恒定的泊松分布,因此计数的方差等于其均值。设有 n 个单位,每个观察长度为 t,则总暴露量为 n·t。显著性水平为 α = 1 − 置信水平 / 100,z 对于双侧备择假设为 z₁₋α/₂,对于单侧备择假设为 z₁₋α。
设假设率为 λ₀,比较率为 λ₁,对于“大于”备择假设,令 Δ = λ₁ − λ₀;对于“小于”,令 Δ = λ₀ − λ₁;对于双侧备择假设,令 Δ = |λ₁ − λ₀|。功效为 Φ((Δ·√(n·t) − z·√λ₀) / √λ₁)。达到目标功效所需的暴露量为 ((z·√λ₀ + z_β·√λ₁) / Δ)²,其中 z_β 为功效的正态分位数;除以 t 并向上取整,即得单位数,并将该整数处的功效报告为实际功效。求解比较率时,对于“小于”备择假设,工具在 λ₀ 以下搜索,否则在 λ₀ 以上搜索。
单侧检验仅当比较率位于备择假设所指的一侧时才有功效:在 Rate < hypothesized rate 时,高于 λ₀ 的比较率给出接近 0 的功效,据此求解样本量会返回错误信息。重要的是总暴露量:将每单位的观察长度加倍,所需单位数大致减半。比率应与观察长度使用相同的单位(例如每 m² 缺陷数,长度以 m² 计)。
输入字段和选项
字段 | 说明 |
Sample sizes | 观察的单位数。以空格或逗号分隔,例如“20 30 40”。留空则求解样本量。 |
Hypothesized rate | 必填。每单位观察长度的目标率或历史率 λ₀。 |
Comparison rate(s) | 以空格或逗号分隔,例如“1.5 2”。您希望检测与之存在差异的比率。留空则求解该项。 |
Power values | 以空格或逗号分隔,例如“0.8 0.9”。留空则求解功效。 |
Length of observation | 默认值 1。每个抽样单位的观察长度(时间、空间、面积或体积)。 |
Confidence level | 默认值 95(α = 0.05);75 至 100。 |
Alternative hypothesis | Rate ≠ hypothesized rate(默认)、Rate < hypothesized rate 或 Rate > hypothesized rate。 |
Power curve | 默认勾选:绘制功效随样本量变化的曲线。 |
Title | 输出和功效曲线上显示的标题。 |

图 1 — 求解样本量:Hypothesized rate = 1.5,Comparison rate(s) = 1,Power values = 0.8 0.9,Length of observation = 1,95% 置信水平下的单侧检验(Rate < hypothesized rate)。
输出说明
- Settings — 求解的对象、假设率、观察长度、置信水平和备择假设。
- Results — 每种组合一行:比较率、样本量;求解样本量时给出目标功效和实际功效,求解功效时给出功效,求解比较率时给出比较率。
- Power Curve — 针对每个比较率绘制功效随样本量变化的曲线,并标出计算得到的点。
- 可通过 Download 导出 PDF。

图 2 — 示例的结果:要检测缺陷数从每 m² 1.5 个降至 1.0 个,80% 功效需要 33 张板材,90% 功效需要 44 张。
计算示例
某涂层生产线平均每平方米板材有 1.5 个表面缺陷。预计一种新底漆可将其降至每 m² 1.0 个缺陷,质量工程师想知道需要检验多少张 1 m² 的试验板材才能证明缺陷减少。只有下降才重要,因此工程师选择 Rate < hypothesized rate。工程师将 Sample sizes 留空,输入 Hypothesized rate = 1.5、Comparison rate(s) = 1、Power values = 0.8 0.9 和 Length of observation = 1,置信水平为 95%。
工具得出:80% 功效需要 33 张板材(实际功效 0.804),90% 功效需要 44 张板材(实际功效 0.904)。若只检验 20 张板材,功效降至 0.588。检验更大的 2 m² 板材(Length of observation = 2)时,80% 功效所需数量减至 17 张,90% 功效减至 22 张,因为决定功效的是所检验的总面积。若采用双侧检验(也会标出增加的情形),80% 功效需要 43 张 1 m² 的板材。
常见问题
1 样本泊松率的功效和样本量计算有哪些前提假设?
假定计数服从每观察单位发生率恒定的泊松分布,因此计数的方差等于其均值。计算采用泊松分布的正态近似。比率必须与观察长度使用相同的单位,例如每平方米缺陷数,长度以平方米计。
观察长度如何影响样本量?
功效取决于总暴露量,即单位数乘以每单位的观察长度。将每单位的长度加倍,所需单位数大致减半。在计算示例中,要检测缺陷数从每平方米 1.5 个降至 1.0 个,80% 功效需要 33 张 1 平方米的板材,而 2 平方米的板材只需 17 张。
检测缺陷率的变化需要多少个单位?
在计算示例中,假设率为每平方米 1.5 个缺陷,比较率为 1.0,95% 置信水平下的单侧检验,80% 功效需要 33 张板材,90% 功效需要 44 张。若只检验 20 张板材,功效为 0.588;双侧检验的 80% 功效需要 43 张板材。
单侧检验中比较率位于错误一侧会怎样?
单侧检验仅当比较率位于备择假设所指的一侧时才有功效。在 Rate < hypothesized rate 时,高于假设率的比较率给出接近 0 的功效,据此求解样本量会返回错误信息。若任一方向的变化都重要,请使用双侧备择假设。
