双样本泊松率的功效与样本量

在收集数据之前规划双样本泊松率检验。输入 Rate 1(基线)、各样本的观测长度,以及每组样本量、Rate 2 和功效这三者中的任意两项,工具求解第三项。它使用正态近似,并假定计数服从泊松分布且每单元的比率恒定。输出带实际功效的结果表和功效曲线。

最后审阅

核心要点

双样本泊松率的功效与样本量用于规划两个计数率的比较,如两条生产线每卷的缺陷数,可求解每组单元数、检验功效或可检测的 Rate 2。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

双样本泊松率的功效与样本量用于规划两个计数率的比较,例如两条生产线每卷的缺陷数、维护变更前后每月的故障次数,或两个仓库每千次配送的投诉数。输入样本量、Rate 2 和功效这三者中的任意两项,工具求解第三项:每组需要观测多少单元、计划样本检测出差异的概率有多大,或给定样本能检测的 Rate 2。在进行双样本泊松率检验之前使用。

主要功能

  • 求解样本量、功效或 Rate 2:将需要求解的一项留空。
  • 可同时输入多个值,例如 Rate 2 值“2 3”和功效值“0.8 0.9”,每种组合各得到一行。
  • 两个样本可设置不同的观测长度,例如样本 1 每单元 1 小时,样本 2 每单元 2 小时。
  • 双侧(Rate 1 ≠ Rate 2)或单侧(Rate 1 < Rate 2、Rate 1 > Rate 2)备择假设,置信水平可自行选择。
  • 针对每个 Rate 2 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

工具对两个泊松率之差使用正态近似,每组的单元数 n 相同。样本 1 的每个单元观测长度为 t₁,样本 2 的每个单元观测长度为 t₂,因此暴露量为 e₁ = n·t₁ 和 e₂ = n·t₂。显著性水平为 α = 1 − 置信水平 / 100,z 对双侧备择假设取 z₁₋α/₂,对单侧备择假设取 z₁₋α。

在原假设下,比率差的方差使用按暴露量加权的合并比率 λ̄ = (λ₁e₁ + λ₂e₂)/(e₁ + e₂):V₀ = λ̄·(1/e₁ + 1/e₂)。在备择假设下,则直接使用两个比率:V₁ = λ₁/e₁ + λ₂/e₂。令 Δ 在 Rate 1 > Rate 2 时为 λ₁ − λ₂,在 Rate 1 < Rate 2 时为 λ₂ − λ₁,在双侧备择假设时为 |λ₁ − λ₂|。功效为 Φ((Δ − z·√V₀) / √V₁)。目标功效对应的样本量通过数值方法求得并向上取整,该整数处的功效作为实际功效报告。求解 Rate 2 时,对于 Rate 1 < Rate 2 和双侧备择假设,工具在 Rate 1 以上搜索;对于 Rate 1 > Rate 2,则在其以下搜索。

假定计数服从泊松分布,每单位观测量的比率恒定。单侧检验只有在 Rate 2 位于备择假设所指的一侧时才有功效:当 Rate 1 > Rate 2 时,高于 Rate 1 的 Rate 2 得到的功效接近 0,据此求解样本量会返回错误信息。决定功效的是总暴露量,因此每单元观测时间越长,所需单元数越少。

输入字段和选项

字段

说明

Sample sizes

每组的样本量。以空格或逗号分隔,例如“20 30 40”。留空则求解样本量。

Rate 1 (baseline)

必填。第一组每单位观测长度的比率,例如当前比率。

Rate 2 value(s)

以空格或逗号分隔,例如“1.5 2”。希望检测的 Rate 2 值。留空则求解该值。

Power values

以空格或逗号分隔,例如“0.8 0.9”。留空则求解功效。

Observation length (Sample 1)

默认 1。样本 1 中每个单元的观测长度(时间、面积、体积)。

Observation length (Sample 2)

可选。留空则使用与样本 1 相同的观测长度。

Confidence level

默认 95(α = 0.05);范围 75 至 100。

Alternative hypothesis

Rate 1 ≠ Rate 2(默认)、Rate 1 < Rate 2 或 Rate 1 > Rate 2。

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。

power-and-sample-size-2-sample-poisson-rate-inputs


图 1 — 求解样本量:Rate 1 (baseline) = 4,Rate 2 value(s) = 3,Power values = 0.8 0.9,两个样本的观测长度均为 1,置信水平 95%,双侧。

输出说明

  • Settings — 求解的内容、Rate 1 (baseline)、两个样本的观测长度、置信水平和备择假设。
  • Results — 每种组合一行:求解样本量时给出 Rate 2、每组样本量以及目标功效和实际功效;求解功效时给出功效;求解 Rate 2 时给出 Rate 2。
  • Power Curve — 针对每个 Rate 2 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。

power-and-sample-size-2-sample-poisson-rate-output


图 2 — 示例的结果:要区分每卷 4 个缺陷与 3 个缺陷,每条生产线需 55 卷才能达到 80% 的功效,需 74 卷才能达到 90% 的功效。

计算示例

一家薄膜挤出工厂的 1 号线平均每卷有 4 个凝胶缺陷。2 号线使用了新的过滤器,预计每卷约 3 个缺陷。质量工程师想知道每条线需要检验多少卷才能确认这一差异。工程师将 Sample sizes 留空,输入 Rate 1 (baseline) = 4、Rate 2 value(s) = 3 和 Power values = 0.8 0.9,两个样本的观测长度均为 1 卷,备择假设为置信水平 95% 的双侧检验。

工具显示,80% 的功效每条线需要 55 卷(实际功效 0.800),90% 的功效每条线需要 74 卷(实际功效 0.902)。每条线检验 30 卷的功效为 0.544。如果每个检验单元是双倍长度的卷(两个样本的 Observation length 均为 2),则所需数量减半:80% 功效每条线 28 个单元,90% 功效为 37 个。改善幅度更大时,即降至每卷 2 个缺陷,每条线 12 卷即可以 80% 的功效检测出来。

常见问题

双样本泊松率功效计算有哪些假设?

假定两组的计数均服从泊松分布,每单位观测量的比率恒定,且两组的单元数相同。计算对两个泊松率之差使用正态近似,在原假设下使用按暴露量加权的合并比率,在备择假设下使用两个独立的比率。

比较两个缺陷率需要多少单元?

在一个将每卷 4 个凝胶缺陷与预期的每卷 3 个缺陷进行比较的计算示例中,置信水平 95%、双侧,每条线 55 卷可达到 80% 的功效,每条线 74 卷可达到 90%。每条线检验 30 卷的功效为 0.544。改善幅度更大时,即降至每卷 2 个缺陷,每条线仅需 12 卷即可达到 80% 的功效。

观测长度如何影响双样本泊松率的样本量?

功效由总暴露量决定,因此每单元的观测长度越长,所需单元数越少。在计算示例中,使用双倍长度的卷(两个样本的观测长度均为 2)可使所需数量减半:80% 功效每条线 28 个单元,90% 功效为 37 个。两个样本也可以有不同的观测长度。

单侧双样本泊松检验何时没有功效?

单侧检验只有在 Rate 2 位于备择假设所指的一侧时才有功效。当 Rate 1 > Rate 2 时,高于 Rate 1 的 Rate 2 得到的功效接近 0,据此求解样本量会返回错误信息。当任一方向的差异都重要时,请使用双侧备择假设,即 Rate 1 不等于 Rate 2。