大家好，
我正在寻求帮助，以了解如何确定用于我的实验的统计正确样本。
以下是场景和给定的数据：
假设：工艺 A 中使用的新化学品 Z 对工艺 Sigma A 没有显著影响。
矩阵：我有 3 个单元格需要评估
单元 1：POR，化学 X
单元格 2：化学物质 Z1（一定浓度）
单元格 3：化学物质 Z2（一定浓度）
过程西格玛： 9.5
我将如何使用这些给定数据来计算适当的样本量？
有几种众所周知的方法可以测试Barlett's，Levene's，Cochran和经典Hartley最大F检验的等变量。
Hartley的最大F检验，控制α，对3（k）组的最大方差进行F检验，与组中最小的方差进行比较。 如果此F检验不显着，则认为组具有等效方差（std dev）。
请注意，建议使用相同的样本大小，以使这些测试更加稳健。
计算Hartley最大F的功效和样本大小要容易得多。使用旧的统计过程的硬拷贝表，对于alpha = beta = 0.05，检测std dev增加50％，lambda = sigma（ max）/ sigma（min）= 1.5，每组应有81个样本。要检测lambda = 2.0（一组的std dev是另一组的两倍），每组应该有n = 30。
我曾经有一个JSL脚本为哈特利的最大F计算这个，我必须检查我的档案。
也许其中一个博客贡献者有一个他们可以分享的链接。 JMP Oneway报告了Bartlett，Levene，O'Brien和Brown-Forsy对等方差的检验，然而，DOE>样本大小和功效计算器不包括双样本，双侧检验等方差计算。
另一种方法是使用重复模拟你的设计，3组，n = <你的选择>与一组std dev lambda乘以另一组。对于每个模拟，获得方差测试的结果。然后计算每个测试标记该不等方差的次数。 然后power =标志的牵引力，Beta = 1 - 标志的一小部分。
当然，与n一样重要的是如何收集数据，以便实验结果代表该组的真实可变性（sigma）。
