Dimensione del campione per il rilevamento di guasti con 0 erroriHo una popolazione di cui conosco le dimensioni, diciamo 50000. Devo controllare manualmente che i valori siano corretti. Ora, finora, questo è stato corretto al 100% dopo 14 campioni, il che ha richiesto circa 2 ore. C'è un modo per dare la fiducia di 0 fallimenti a N campioni, o quanti campioni avrei bisogno di colpire un alfa specifico?
Ri: Dimensione del campione per il rilevamento di guasti con 0 guastiÈ possibile utilizzare la distribuzione binomiale negativa per ricavare le dimensioni del campione per queste situazioni. Un modo euristico approssimativo, ma in realtà piuttosto accurato per farlo è usare la regola del 3. Questa regola dice che il tasso di errore non è maggiore di (1 / n) con circa il 95% di confidenza e nessun errore osservato, avresti bisogno di avere 3 * n campioni con 0 errori. Ad esempio, se voglio essere sicuro al 95% che il tasso di errore non sia superiore al 5% (1/20, quindi n = 20), avrei bisogno di osservare 60 campioni con 0 errori.
Se si va il percorso più esatto, la risposta è di 59 campioni.
Ri: Dimensione del campione per il rilevamento di guasti con 0 guastiEcco una funzione davvero semplice che la individua in modo iterativo:
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)
