失敗数が0の場合の失敗検出のサンプルサイズ私はその人口の大きさを知っているので、50000としましょう。 値が正しいことを手動で確認する必要があります。 これまでのところ、これは14サンプルの実行直後に100％行われていました。これには約2時間かかりました。 N個のサンプルで失敗数が0であるという確信を与える方法、または特定のアルファをヒットするために必要なサンプル数を決定する方法はありますか。
再：0失敗と失敗検出のためのサンプルサイズ負の二項分布を使用して、これらの状況の標本サイズを導き出すことができます。 それをするための大まかな、しかし実際にはかなり正確な発見的方法は3のルールを使うことです。 このルールは、故障率が約95％の信頼度で（1 / n）以下で故障が観察されないことを示すために、0個の故障で3 * n個のサンプルが必要です。 たとえば、故障率が5％（1/20、したがってn = 20）以下であると95％の確信を持ちたい場合、故障数が0のサンプルを60個観察する必要があります。
もっと正確なルートをたどると、答えは59サンプルです。
再：0失敗と失敗検出のためのサンプルサイズこれは反復的に理解する本当に簡単な関数です。
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)
