Taille de l'échantillon pour la détection d'échec avec 0 échecJ'ai une population que je connais la taille de, disons 50000. Je dois vérifier manuellement que les valeurs sont correctes. Jusqu'à présent, cela a été 100% juste après 14 échantillons, ce qui a pris environ 2 heures à faire. Existe-t-il un moyen de donner la confiance de 0 échecs sur N échantillons ou de combien d’échantillons ai-je besoin pour atteindre un alpha spécifique?
Re: Taille de l'échantillon pour la détection d'échec avec 0 échecVous pouvez utiliser la distribution binomiale négative pour dériver des tailles d'échantillon pour ces situations. Une méthode heuristique grossière mais assez précise consiste à utiliser la règle de 3. Cette règle indique que le taux d'échec n'est pas supérieur à (1 / n) avec une confiance d'environ 95% et qu'aucun échec n'est observé, vous devez disposer de 3 * n échantillons avec 0 échec. Par exemple, si je veux être sûr à 95% que le taux d'échec ne dépasse pas 5% (1/20, donc n = 20), il me faudrait observer 60 échantillons avec 0 échec.
Si vous choisissez la route la plus exacte, la réponse est 59 échantillons.
Re: Taille de l'échantillon pour la détection d'échec avec 0 échecVoici une fonction très simple qui le calcule de manière itérative:
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)
