大家好，
我正在尋求幫助，以了解如何確定用於我的實驗的統計正確樣本。
以下是場景和給定的數據：
假設：製程 A 中使用的新化學品 Z 對製程 Sigma A 沒有顯著影響。
矩陣：我有 3 個單元格需要評估
單元 1：POR，化學 X
單元 2：化學物質 Z1（一定濃度）
單元 3：化學物質 Z2（一定濃度）
過程西格瑪： 9.5
我將如何使用這些給定資料來計算適當的樣本量？
有幾種眾所周知的方法可以測試Barlett's，Levene's，Cochran和經典Hartley最大F檢驗的等變量。
Hartley的最大F檢驗，控制α，對3（k）組的最大方差進行F檢驗，與組中最小的方差進行比較。 如果此F檢驗不顯著，則認為組具有等效方差（std dev）。
請注意，建議使用相同的樣本大小，以使這些測試更加穩健。
計算Hartley最大F的功效和样本大小要容易得多。使用舊的統計過程的硬拷貝表，對於alpha = beta = 0.05，檢測std dev增加50％，lambda = sigma（ max）/ sigma（min）= 1.5，每組應有81個樣本。要檢測lambda = 2.0（一組的std dev是另一組的兩倍），每組應該有n = 30。
我曾經有一個JSL腳本為哈特利的最大F計算這個，我必須檢查我的檔案。
也許其中一個博客貢獻者有一個他們可以分享的鏈接。 JMP Oneway報告了Bartlett，Levene，O'Brien和Brown-Forsy對等方差的檢驗，然而，DOE>樣本大小和功效計算器不包括雙樣本，雙側檢驗等方差計算。
另一種方法是使用重複模擬你的設計，3組，n = <你的選擇>與一組std dev lambda乘以另一組。對於每個模擬，獲得方差測試的結果。然後計算每個測試標記該不等方差的次數。 然後power =標誌的牽引力，Beta = 1 - 標誌的一小部分。
當然，與n一樣重要的是如何收集數據，以便實驗結果代表該組的真實可變性（sigma）。
