Probengröße für die Fehlererkennung mit 0 FehlernIch habe eine Bevölkerung, deren Größe ich kenne, sagen wir 50000. Ich muss manuell überprüfen, ob die Werte korrekt sind. Nach 14 Proben waren dies jetzt 100%, was ungefähr 2 Stunden dauerte. Gibt es eine Möglichkeit, entweder das Vertrauen von 0 Fehlern bei N Samples zu geben oder wie viele Samples ich für ein bestimmtes Alpha benötigen würde?
Re: Stichprobengröße für Fehlererkennung mit 0 FehlernSie können die negative Binomialverteilung verwenden, um für diese Situationen Stichprobengrößen abzuleiten. Eine grobe, aber eigentlich ziemlich genaue heuristische Methode ist die Verwendung der Regel von 3. Diese Regel besagt, dass die Ausfallrate nicht größer als (1 / n) ist, mit einer Zuverlässigkeit von ungefähr 95% und ohne beobachtete Fehler. Sie müssten 3 * n Samples mit 0 Fehlern haben. Wenn ich zum Beispiel zu 95% sicher sein möchte, dass die Ausfallrate nicht mehr als 5% (1/20, also n = 20) beträgt, müsste ich 60 Proben mit 0 Fehlern beobachten.
Wenn Sie die genauere Route wählen, gibt es 59 Proben.
Re: Stichprobengröße für Fehlererkennung mit 0 FehlernHier ist eine wirklich einfache Funktion, die iterativ herausfindet:
zeroFailBinom = function({fail_rate,alpha},
p = 1; //initial value
i=1;
while( p > alpha,
p = binomial probability(fail_rate, i, 0);
i++;
);
print("Required Samples: "||char(i-1))
);
zeroFailBinom(0.01,0.05)
