Ciao a tutti,
Cerco aiuto su come determinare il campione statisticamente corretto da utilizzare per il mio esperimento.
Di seguito lo scenario e i dati forniti:
Ipotesi: la nuova sostanza chimica Z utilizzata nel processo A non presenta differenze significative nel processo Sigma A.
Matrice: ho 3 celle da valutare
Cellula 1: POR, Chimica X
Cellula 2: Sostanza chimica Z1 (concentrazione specifica)
Cellula 3: Sostanza chimica Z2 (concentrazione certa)
Sigma di processo: 9,5
Come utilizzerò questi dati per calcolare la dimensione appropriata del campione?
Esistono diversi metodi ben noti per verificare le varianze uguali di Barlett, Levene, Cochran e un classico, il test F massimo di Hartley.
Il test F massimo di Hartley, per controllare l'alfa, esegue un test F sulla varianza maggiore dei 3 (k) gruppi rispetto alla varianza più piccola dei gruppi.Se questo test F non è significativo, si considera che i gruppi abbiano varianza equivalente (std dev).
Nota che si consiglia di utilizzare la stessa dimensione del campione, per rendere questi test più robusti.
È molto più semplice calcolare la potenza e la dimensione del campione per il F massimo di Hartley. Utilizzando una tabella cartacea di un vecchio corso statistico, per alpha = beta = 0,05, per rilevare un aumento del 50% nello std dev, lambda = sigma(max) / sigma(min) =1,5, ogni gruppo dovrebbe avere 81 campioni . Per rilevare lambda = 2.0 (lo std dev di un gruppo è il doppio di quello di un altro gruppo), ogni gruppo dovrebbe avere n=30.
Avevo uno script JSL per calcolarlo per Maximum F di Hartley, dovrò controllare i miei archivi.
Forse uno dei contributori del blog ha un link da condividere.JMP Oneway riporta i test Bartlett, Levene, O'Brien e Brown-Forsythe per la stessa varianza, tuttavia, DOE > Sample Size and Power Calculator non include un test a due campioni, a due lati, per il calcolo della varianza uguale.
Un altro approccio consiste nell'utilizzare la simulazione ripetuta del progetto, 3 gruppi, n= con std dev lambda di un gruppo per un altro. Per ogni simulazione ottieni i risultati dei test di varianza. Quindi calcola il numero di volte in cui ogni test segnala le varianze disuguali.Quindi potenza = farzione di bandiere e Beta = 1 - frazione di bandiere.
Naturalmente, tanto importante quanto n è il modo in cui i dati vengono raccolti in modo che i risultati dell'esperimento rappresentino la vera variabilità (sigma) per quel gruppo.
