전력 분석 - 개인당 여러 측정모두들 안녕,
나는 각 샘플의 개인당 여러 측정으로 실험을 했습니다. 샘플 크기에 대한 영향과 두 샘플 사이에서 감지할 수 있는 검정력 및 차이에 대한 개인당 측정 수를 연구하고 싶습니다. 저는 Sample Size and Power - Two Sample Means 플랫폼을 사용하고 싶었지만 제가 틀리지 않았다면 개인당 측정 횟수를 고려할 수 없습니다. 이 질문을 조사하는 데 사용할 수 있는 다른 도구나 스크립트가 있습니까?
당신의 도움을 주셔서 감사합니다!
Re: 전력 분석 - 개인당 여러 측정당신 말이 맞아요 @statman , 서로 다른 측정 간에 상당한 변동성이 있기 때문에 평균만 취하는 것이 모든 정보를 포착하는 최선의 선택이 아닐 수 있습니다. 제안한 대로 원시 데이터를 유지하거나 표준 편차를 추가하는 것이 적절할 수 있습니다.
Re: 전력 분석 - 개인당 여러 측정반복해서 말하지만, 평균을 취하기 전에 과일 내 데이터를 실제로 살펴봐야 합니다. 일관성이 있습니까? 특이한 점은 없나요? 일관성이 있고 특이한 점이 없다면 평균이 적절한 통계가 될 것입니다. 과일 변동 내에서 나타내는 표준 편차를 원할 수도 있습니다. 변동성에 영향을 미치는 요인을 찾을 수 있습니다(단순한 평균 대비).
Re: 전력 분석 - 개인당 여러 측정알겠습니다. 설명해주셔서 다시 한 번 감사드립니다!Re: 전력 분석 - 개인당 여러 측정과일의 수만. 과일 조각이 샘플입니다. 과일 조각의 변동은 실험 오류를 나타냅니다.
각 과일(각 실행)의 반복 측정에 대한 데이터 열을 수동으로 추가해야 합니다. 나중에 반응 열에 수식을 추가하여 반응 분석을 위한 측정 평균을 계산할 수 있습니다.
Re: 전력 분석 - 개인당 여러 측정감사 @Mark_Bailey 이러한 추가 세부 정보는 .
전력 분석에 관한 마지막 질문: 표준 편차의 경우 설명된 대로 분산을 결합하고 샘플 크기의 경우 측정 횟수에 과일 수를 곱해야 합니까 아니면 과일 수만 사용해야 합니까?
Re: 전력 분석 - 개인당 여러 측정설명해 주셔서 감사합니다. 귀하의 상황은 '3방향 관리도'를 요구하는 상황과 유사합니다. 그것은 당신이 과일 품종의 고정된 효과에 추가로 과일 조각 내 변화(측정)와 과일 조각 사이 변화를 가지고 있기 때문입니다.
데이터를 요약하고 각 과일 조각의 평균 반응을 사용하거나 모델에 자체 변동 소스로 입력하고 이 변동을 추정할 수 있습니다. 모델은 과일 조각 내 분산이 모든 조각에 대해 동일하다고 가정하고 모든 조각의 추정치를 합산합니다.
이것이 분석을 위한 아이디어이지만 전력 분석을 위한 표준 편차를 얻으려면 위에 표시된 대로 분산을 결합해야 합니다.
Re: 전력 분석 - 개인당 여러 측정여보세요,
답변해 주셔서 감사합니다. @Mark_Bailey 그리고 @statman .
약간 명확히 하기 위해: 저는 5개의 과일 샘플로 실험을 했습니다. 각 과일은 3번 측정됩니다(측정은 과일의 3개 부분에서 무작위로 선택됨). 목표는 샘플이 크게 다른지 여부를 결정하는 것입니다. 다음 실험을 준비하기 위해 과일당 측정 수를 늘리는 것과 샘플당 과일 수를 늘리는 것 중 어떤 것이 더 나은지(검출할 수 있는 검정력 및 차이 측면에서) 알고 싶습니다.
나는 그것이 더 명확하기를 바랍니다 
Re: 전력 분석 - 개인당 여러 측정설명을 하자면..." 각 샘플의 개별당 여러 측정값"이 정확히 무엇을 의미하는지. 나는 개인이 무엇인지 모른다? 인간을 말하는 건가요? 아니면 Mark가 회피하는 "부품"을 말하는 것입니까? 부품에 대해 이야기하는 경우 측정 반복 정밀도만 너무 분리하면 해당 부품에서 정확히 동일한 위치를 3번 측정한다고 가정합니다. 그렇지 않은 경우 부품 내에서 측정 반복 정밀도가 혼동될 수 있습니다. 또한 범위 차트를 사용하여 치료당 3개의 측정값을 살펴볼 것을 제안합니다. 이것은 치료 내에서 비정상적인 측정을 나타낼 수 있으므로 요약 통계 사용에 주의해야 합니다.
Re: 전력 분석 - 개인당 여러 측정예, 그것이 MSA의 아이디어입니다. 정상 부품 샘플을 반복적으로 측정하는 것이 아니라 정상 응답을 반복적으로 측정하기 때문에 귀하의 경우에는 약간 다릅니다. 따라서 처음부터 명목 조건을 반복해서 설정하고 여러 번 측정할 때마다 응답 변동과 측정 변동을 별도로 추정할 수 있습니다. MSA 플랫폼, Fit Least Squares 플랫폼 또는 가변성 차트 플랫폼을 사용하여 JMP에서 이 작업을 쉽게 수행할 수 있습니다.
예, 응답 분산이 2이고 측정 분산이 5라고 추정한 경우 응답에 대한 3회 반복 측정의 평균을 사용하면 표준 편차 = 제곱근(2 + 5/3)이 됩니다.
Re: 전력 분석 - 개인당 여러 측정안녕 @Mark_Bailey
대답 해 주셔서 감사합니다.
내가 올바르게 이해하면 측정 시스템 분석 플랫폼을 사용하면 실험을 연구하고 측정 간 변동성 및 샘플 간 변동성으로 인한 변동성의 일부를 추정할 수 있습니다.
이러한 값에 대한 대략적인 아이디어가 있고 전향적 분석을 수행하려는 경우 표시한 공식을 사용하여 샘플 크기 및 Power Platform을 사용할 수 있습니다.
더미 예제를 제공하기 위해. 10개의 개체가 있는 샘플이 있고 각 개체가 3번 측정된다고 가정해 보겠습니다. 개체 간의 분산은 약 2이고 측정 간의 분산은 약 1입니다.
이 경우 전체 표준 편차는 Y = sqrt (2 + 1/3) =1.53입니다.
샘플 크기 및 검정력 플랫폼에서 이 값을 Std Dev 필드에 사용하고 60을 샘플 크기에 사용하겠습니다. 내가 맞습니까?
Re: 전력 분석 - 개인당 여러 측정맞습니다. 이 계산기는 응답의 표준 편차를 사용합니다. 양은 처리가 적용되지 않고 조건이 항상 명목일 때 응답의 자연 무작위 변동을 나타내야 합니다. 측정된 응답에 대한 이 분산은 항상 부품 분산에 측정 분산을 더한 값입니다. 따라서 표준 편차 Y = Sqrt( Var(부품) + Var(측정값)/n ) 여기서 n은 각 시행에 대한 반복 측정 횟수입니다.
측정 시스템 분석(MSA)은 이러한 두 분산의 추정치를 제공합니다. 보다 도움말 > JMP 문서 라이브러리 > 품질 및 프로세스 > 4장: 측정 시스템 분석 자세한 내용은.
