Suchen Sie nach einem Stichprobengrößenrechner für Fehleranteile, mit dessen Hilfe ich die Stichprobengröße mit einem zu erkennenden Mindestanteil und die CIs für berechnete Anteile optimieren kann.Anwendungsfall:
35.000 von einer Maschine auf einem Wafer erkannte Fehler. Ein Bediener tastet 1500 Bilder ab und sortiert sie in 10 Kategorien. Die Prozentsätze der Fehlerkategorien sollen die Fehler in der Bevölkerung von 35.000 widerspiegeln. In diesem Fall wurden 1500 Bilder verwendet, aber was passiert, wenn die 5000 Bilder verwendet werden?
Was macht das mit den Konfidenzintervallen für die Proportionen? Wenn die Probenahme niedrig wird, sind einige der geringen Anteile nicht erkennbar. Wie bestimmt man den niedrigsten nachweisbaren Anteil für eine bestimmte Stichprobengröße?
Irgendwelche Ideen, ob es Taschenrechner oder Tools gibt, die dabei helfen können?
AnalytikAndereBetreff: Suche nach einem Stichprobengrößenrechner für Fehleranteile, mit dessen Hilfe ich die Stichprobengröße mit einem zu erkennenden Mindestanteil und die CIs für berechnete Anteile optimieren kann.Möglicherweise können Sie dieses Experiment in JMP replizieren.Wenn ja, und wenn Sie über JMP Pro verfügen, können Sie eine Monte-Carlo-Simulation durchführen, um verschiedene Probengrößen und die Erkennungsrate für jede zu bewerten.Dies wäre eine Alternative zu rein statistischen Methoden, von denen ich sicher bin, dass sie existieren.
Betrachten Sie eine Tabelle mit 35.000 Zeilen (eine Zeile pro Fehler) mit:
- Eine Spalte mit zufälligen Daten, die die tatsächliche Kategorie für jeden Fehler darstellen, gewichtet mit einigen Kategorien, die für die Darstellung Ihrer tatsächlichen Daten wichtiger sind als andere.Dieser Teil erfordert viel Aufmerksamkeit und Nachdenken. Sie benötigen dies, um die Verteilung (en) darzustellen, die Ihre Kategorien annehmen könnten. Möglicherweise muss eine zufällige Auswahl aus einer Vielzahl von Distributionen getroffen werden.
- Eine Spalte mit Stichprobengröße, in der die erste Zeile angibt, wie viele Zeilen abgetastet werden sollen
- Eine Spalte, die die vorgeschriebene Anzahl von Zeilen auswählt
- Eine Spalte mit den "erkannten" Kategorien für jede der abgetasteten Zeilen
- Eine Spalte, um zu überprüfen, ob die häufigste tatsächliche Kategorie mit der am häufigsten erkannten Kategorie übereinstimmt (verwenden Sie nur die erste Zeile der Spalte).
Verwenden Sie die Verteilungsplattform und geben Sie sowohl die erste Spalte (tatsächliche Fehlerkategorie) als auch die letzte Spalte (ob die richtige Fehlerkategorie identifiziert wurde) an.Unter den Häufigkeiten für die richtige Kategoriespalte sollte ein einzelner Wert angezeigt werden.Nun zur JMP-Magie: Klicken Sie mit der rechten Maustaste auf einen Wert in der Tabelle und wählen Sie Simulieren. Tauschen Sie die Spalte Defect Actual Category gegen sich selbst aus. Wenn es ausgeführt wird, wird eine neue Tabelle angezeigt, in der jede Zeile eine Zeit darstellt, zu der Ihre ursprüngliche Tabelle neu berechnet wurde, und jedes Mal, wenn Sie einen neuen Satz von zu analysierenden Fehlern erhalten.Notieren Sie den Bruchteil der Ja-Werte und wiederholen Sie den Vorgang mit verschiedenen Stichprobengrößen.Anschließend können Sie den Anteil der korrekten Diagnosen an der Stichprobengröße abbilden.
Denken Sie daran, dass dies alles von der ersten Kugel abhängt, die Ihre tatsächlichen Ergebnisse mithilfe einer Simulation darstellt.
Hier ist ein Beispiel dafür, wie Ihre Simulationstabelle mit einer Stichprobengröße von 20 aussehen könnte, vorausgesetzt, eine Fehlerkategorie ist doppelt so groß wie alle anderen:
Hier ist die Tabelle mit den Simulationsergebnissen, hier werden nur 100 Zeilen verwendet (ich empfehle die Verwendung von 1000):
Sie können dies in einer Tabelle aufzeichnen und dann mit anderen Werten wiederholen, um Ihr akzeptables Risiko zu ermitteln:
Hier ist ein Skript zum Erstellen der oberen Tabelle:
Mehr sehen...
New Table( "Monte Carlo Sample Size Example",
Add Rows( 35000 ),
New Script(
"Distribution to Simulate",
Distribution(
Nominal Distribution( Column( :Defect Actual Category ) ),
Nominal Distribution( Column( :Correct Category Identified ) )
)
),
New Column( "Defect Actual Category",
Numeric,
"Ordinal",
Format( "Best", 12 ),
Formula( Max( Floor( Random Uniform( 0, 10 ) ), 1 ) )
),
New Column( "Sample Size",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula( 20 )
),
New Column( "Sampled Rows Sorted",
Numeric,
"Nominal",
Format( "Best", 12 ),
Formula( If( Row() <= :Sample Size[1], 1, 0 ) )
),
New Column( "Sampled Rows Shuffled",
Numeric,
"Nominal",
Format( "Best", 12 ),
Formula( :Sampled Rows Sorted[Col Shuffle()] )
),
New Column( "Sampled Defect Category",
Numeric,
"Ordinal",
Format( "Best", 12 ),
Formula( If( :Sampled Rows Shuffled == 1, :Defect Actual Category ) ),
Set Display Width( 135 )
),
New Column( "Actual Defect Category",
Numeric,
"Nominal",
Format( "Best", 12 ),
Formula( If( Row() == 1, Mode( :Defect Actual Category << Get VAlues ) ) ),
Set Display Width( 130 )
),
New Column( "Predicted Default Category",
Numeric,
"Nominal",
Format( "Best", 12 ),
Formula( If( Row() == 1, Mode( :Sampled Defect Category << Get Values ) ) )
),
New Column( "Correct Category Identified",
Numeric,
"Nominal",
Format( "Best", 12 ),
Formula(
If( Row() == 1,
:Actual Defect Category == :Predicted Default Category
)
),
Value Labels( {0 = "No", 1 = "Yes"} ),
Use Value Labels( 1 )
)
);
Wenn Sie über die Computerleistung verfügen, können Sie einen Schritt überspringen und die ersten 35.000 Zeilen Ihrer Tabelle mit einer Abtastfrequenz, die nächsten 35.000 Zeilen mit einer anderen Frequenz usw. verwenden.Dann können Sie alle Werte gleichzeitig simulieren, um die Tabelle im letzten Screenshot auf einmal zu füllen.
Betreff: Suche nach einem Stichprobengrößenrechner für Fehleranteile, mit dessen Hilfe ich die Stichprobengröße mit einem zu erkennenden Mindestanteil und die CIs für berechnete Anteile optimieren kann.Um es ein wenig zu reduzieren, können Sie über die Fehlerkategorie mit dem geringsten Anteil nachdenken, für alle anderen ist es besser. Wenn alle zehn gleich sind, wäre dies 0,1 (1 Zehntel). Wenn wir davon ausgehen, dass der Anteil der kleinsten Kategorie z. B. 0,01 beträgt, können Sie den Taschengrößen- und Leistungsrechner verwenden (unter DOE -> Konstruktionsdiagnose).
Wenn Sie 1500 Proben haben und eine Potenz von 0,9 benötigen (dies ist ein vernünftiger Wert), können Sie einen Anteil von mehr als 2% im Vergleich zu 1% feststellen. Wenn Sie mit 5000 Stichproben rechnen, reduziert sich dies auf 1,5%. Bei kleineren Anteilen sind größere Stichproben erforderlich.
Bitte beachten Sie das Handbuch:
Proportionsrechner für eine Probe (jmp.com)
Betreff: Suche nach einem Stichprobengrößenrechner für Fehleranteile, mit dessen Hilfe ich die Stichprobengröße mit einem zu erkennenden Mindestanteil und die CIs für berechnete Anteile optimieren kann.Hallo, Studenten_t!
Toller Name übrigens!
Wie Sie vielleicht wissen, gibt es mehr als nur eine Möglichkeit, Konfidenzintervalle für Proportionen zu berechnen.
Ich glaube, dass die JMP-Taschenrechner für Stichprobengröße und Leistung eine normale Annäherung an das Binomial verwenden.Es gibt genaue Methoden und einige andere ungefähre Methoden.Ich denke, JMP verwendet Wilson-Score-Methoden auf seinen anderen Plattformen.
Im Anhang finden Sie eine Referenz von Agresti und Coull mit dem Titel "Ungefähr ist besser als 'genau' für die Intervallschätzung von Binomialanteilen" von The American Statistician aus dem Jahr 1998.Grundsätzlich ist der Fall, dass die garantierte Abdeckung der Intervalle aus der Exact-Methode zu konservativ ist, insbesondere wenn Sie sich 0 oder 1 nähern, und dass einige ungefähre Methoden besser sind als die Exact-Methode und sogar andere ungefähre Methoden.
Persönlich verwende ich die Wilson-Score-Methode.Der Probengrößen- und Leistungsrechner verwendet jedoch eine andere Methode, sodass er nahe beieinander liegt, aber keine Zigarre.
Um Ihre Frage zu beantworten, müssen Sie definieren, welche Form von Konfidenzintervallen Sie wünschen.Die Simulationsidee von @ich h ist großartig.
