こんにちは、みんな、
実験に使用する統計的に正しいサンプルを決定する方法について助けを求めています。
以下にシナリオと与えられたデータを示します。
仮説:プロセス A で使用される新しい化学物質 Z は、プロセス シグマ A では大きな違いはありません。
マトリックス:評価するセルが3つあります
セル1: POR、化学物質X
セル2: 化学物質Z1（特定の濃度）
セル3: 化学物質Z2（特定の濃度）
プロセスシグマ： 9.5
これらをどのように使用して適切なサンプル サイズを計算すればよいでしょうか?
等分散性をテストするためのよく知られた方法がいくつかあります。Barlett、Levene、Cochran、および古典的なHartleyの最大F検定です。
アルファを制御するためのハートレーの最大F検定は、グループの最小分散と比較した3（k）グループの最大分散に対してF検定を実行します。このF検定が有意でない場合、グループは同等の分散（std dev）を持っていると見なされます。
これらのテストをより堅牢にするために、同じサンプルサイズを使用することをお勧めします。
ハートレーの最大Fの検出力とサンプルサイズを計算する方がはるかに簡単です。 アルファ=ベータ=0.05の場合、標準偏差の50％の増加を検出するために、古い統計コースのハードコピーテーブルを使用して、ラムダ= sigma（max）/ sigma（min）= 1.5、各グループには81のサンプルが必要です。 。 lambda = 2.0（1つのグループの標準偏差は別のグループの2倍）を検出するには、各グループのn=30が必要です。
以前は、HartleyのMaximum Fに対してこれを計算するためのJSLスクリプトがありましたが、アーカイブを確認する必要があります。
たぶん、ブログの寄稿者の1人が共有できるリンクを持っています。JMP Onewayは、等分散性のバートレット、ルビーン、オブライエン、ブラウンフォーサイス検定を報告していますが、DOE>サンプルサイズと検出力の計算機には、等分散性計算の2標本両側検定は含まれていません。
もう1つのアプローチは、設計のシミュレーションを繰り返し使用することです。3つのグループ、n = <選択>、1つのグループの標準偏差ラムダを別のグループに掛けます。 シミュレーションごとに、分散テストの結果を取得します。 次に、各テストがその不均等な分散に対してフラグを立てる回数を計算します。次に、パワー=フラグの分数、ベータ=1-フラグの割合。
もちろん、nと同じくらい重要なのは、実験結果がそのグループの真の変動性（シグマ）を表すようにデータを収集する方法です。
