調べる方法を参照してください。
- 1 つのサンプル平均の誤差の範囲
- 1 サンプルの割合の誤差の範囲
- 1 つのサンプルの分散に対する誤差の範囲
- 2 つの独立したサンプル平均値の誤差範囲
- 2 つの独立したサンプル比率
- 2 つの独立したサンプル分散の誤差範囲
1 サンプル平均の検出力
- 計画された実験に対する N 回の試行の影響と結果の比較
注記：ビデオ全体に Q&A が散りばめられています。
なぜ使うのかDOE のサンプル サイズ エクスプローラー、 JMP 16 で導入されましたか? 望ましい結果を得るためにリソースのバランスを取るため (あまりにも多くのテストを実行したくない)。これらの結果は、テスト固有の推定値に加えて、必要な信頼性と検出力によって決まります。などの質問に答えます。
- 何ユニットテストすればよいですか?
- 治療手段の違いを検出できるでしょうか?
- 指定された幅の間隔を構築するには、いくつのサンプルが必要ですか?
- 故障時間を推定するには何台のユニットをテストする必要がありますか?
統計的信頼性について
部品のサンプルを収集し、それらの各部品を測定すると、その特定のサンプルの平均と標準偏差を計算できます。サンプルは部品の「母集団」から抽出され、独自の真の平均と真の標準偏差があります。母集団の真の平均値と標準偏差を知る方法はありません (母集団のすべての部分を測定しない限り、一般にコストがかかります)。サンプルの平均値と標準偏差は、母集団の平均値と同じにはならない可能性が高く、標準偏差。母集団の平均値が実際にどの程度であると思われる値の範囲に境界を設定したいと思います。
この範囲を決定するには、結果にある程度の信頼が必要です。これは、0 ～ 100% の間の任意の割合にすることができます。多くの場合、95% が選択されますが、これはアプリケーションによって異なります。したがって、いくつかの計算の後、「15 個の部品からなるサンプルの平均は 13.1 でした」というようなステートメントが得られます。これら 15 の部分が抽出された母集団の真の平均値が 10.4 から 15.8 の間にあるという確信度は 95% あります。これは、95% (または 20 回中 19 回) の確率で私が正しいことを意味します。母集団の真の平均値は 10.4 から 15.8 の間になります。
残りの 5% の確率 (20 回に 1 回) は間違っています。母集団の真の平均値は、10.4 未満か 15.8 より大きくなります。
15 個のパーツからなる別のサンプルを描画すると、別の答えが得られることに注意してください。おそらく、標本平均値は 13.3 ですが、標本標準偏差は異なります。ここで、95% 信頼区間は 10.9 ～ 15.7 になる可能性があります。 さらに別のサンプル (今回は 30 個のパーツからなる) を抽出すると、95% 信頼区間はより厳密になり、たとえば 12.1 ～ 14.5 になる可能性があります。サンプルサイズが大きいため、母集団の真の平均値と標準偏差の推定値がより正確になるため、より厳密になります。
統計的検出力について
これには通常、差異を検出できることが含まれます。 たとえば、母集団の真の平均値が 15 であるかどうかを +/- 1 単位以内で知りたいとします。 私たちは母集団から 25 の部位のサンプルを抽出する予定です。部品の標準偏差は 1.0 単位になると予想されます。 母集団の実際の平均を推定するときは、推定値の信頼度が 95% になるようにします。
母集団の真の平均値が 15 +/- 1 であるという私の仮定は、どのくらいの確率で当たるのでしょうか?これが統計力です。この場合、40% の確率で正しいことになります。したがって、それぞれ 5 つの部分からなる複数のサンプルを抽出し、母集団の平均が本当に 15 +/- 1 であるかどうかについて毎回結論を出したとしても、正しい確率は 40% にすぎません。サンプル数を増やすか、検出する差を広げるか、母平均の推定値の信頼性を下げることによって可能です。検出力 = 帰無仮説を正しく棄却する確率。通常、null が実際に false である場合の検出力のみに関心があります。
リソース
説明してくれてありがとう@コーキング！
また、日記を見直したところ、ビデオに表示されていた「タイプ 1 およびタイプ 2 のエラー」の表にいくつかの誤りを発見しました。添付のジャーナルと以下の画像の誤りを修正しました。
#JMP16、#Type_1_Type_2_Errors
セッション中に、予想される係数の性質について質問がありました。スケールされた係数に基づくものか、実際のレベルに基づくものか。 他の開発者からは、Fit Model がそのモデルで使用するスケーリングを参照していることが確認できました (たとえば、予測式を保存し、そこで使用されている係数のセンタリングとスケーリングに注目します)。
