Sehen Sie, wie Sie Folgendes untersuchen:
Notiz: Das Video ist mit Fragen und Antworten durchsetzt.
Warum verwenden? Stichprobengrößen-Explorer für DOE, eingeführt in JMP 16? Um unsere Ressourcen (ich möchte nicht zu viele Tests durchführen) mit den gewünschten Ergebnissen in Einklang zu bringen.Diese Ergebnisse hängen vom gewünschten Vertrauen und der gewünschten Leistung sowie einigen testspezifischen Schätzungen ab.Beantworten Sie Fragen, einschließlich
- Wie viele Einheiten soll ich testen?
- Kann ich einen Unterschied in meinen Behandlungsmitteln feststellen?
- Wie viele Stichproben werden benötigt, um ein Intervall mit einer bestimmten Breite zu erstellen?
- Wie viele Einheiten muss ich testen, um die Ausfallzeit abzuschätzen?
Über statistisches Vertrauen
Wenn wir eine Stichprobe von Teilen sammeln und an jedem dieser Teile eine Messung durchführen, können wir einen Mittelwert und eine Standardabweichung für diese spezifische Stichprobe berechnen.Die Stichprobe wurde aus einer „Population“ von Teilen gezogen, die über einen eigenen wahren Mittelwert und eine eigene wahre Standardabweichung verfügt.Wir haben keine Möglichkeit, den wahren Mittelwert und die Standardabweichung der Grundgesamtheit zu kennen (es sei denn, wir messen ALLE TEILE der Grundgesamtheit, was im Allgemeinen unerschwinglich ist). Der Stichprobenmittelwert und die Standardabweichung werden wahrscheinlich nicht mit dem Mittelwert und der Grundgesamtheit übereinstimmen Standardabweichung.Wir möchten einen Wertebereich begrenzen, bei dem unserer Meinung nach der Gesamtdurchschnitt der Bevölkerung tatsächlich liegen könnte.
Um diesen Bereich zu bestimmen, müssen wir ein gewisses Maß an Vertrauen in unsere Ergebnisse haben.Dies kann ein beliebiger Prozentsatz zwischen 0 und 100 % sein.Oft wird ein Wert von 95 % gewählt, dies hängt jedoch von Ihrer Anwendung ab.Nach einigen Berechnungen kommen wir also zu einer Aussage wie „Unsere Stichprobe aus 15 Teilen hatte einen Mittelwert von 13,1.“Wir haben eine 95-prozentige Sicherheit, dass der wahre Mittelwert der Grundgesamtheit, aus dem diese 15 Teile gezogen wurden, zwischen 10,4 und 15,8 liegt.Das bedeutet, dass ich in 95 % der Fälle (oder 19 von 20 Fällen) Recht habe.Der wahre Bevölkerungsmittelwert würde tatsächlich zwischen 10,4 und 15,8 liegen.
In den restlichen 5 % der Fälle (1 von 20 Fällen) würden wir uns irren.Der wahre Bevölkerungsmittelwert würde entweder weniger als 10,4 oder mehr als 15,8 betragen.
Beachten Sie, dass wir eine andere Antwort erhalten, wenn wir eine weitere Stichprobe aus 15 Teilen ziehen.Möglicherweise erhalten wir einen Stichprobenmittelwert von 13,3 mit einer anderen Stichprobenstandardabweichung.Unser 95 %-Konfidenzintervall könnte nun zwischen 10,9 und 15,7 liegen. Wenn wir eine weitere Stichprobe ziehen, dieses Mal aus 30 Teilen, könnten wir ein engeres 95-Prozent-Konfidenzintervall erzielen, beispielsweise 12,1 bis 14,5.Es ist enger, weil wir aufgrund der größeren Stichprobengröße eine bessere Schätzung des wahren Bevölkerungsmittelwerts und der Standardabweichung haben.
Über statistische Aussagekraft
Dabei geht es im Allgemeinen darum, einen UNTERSCHIED erkennen zu können. Wir möchten beispielsweise wissen, ob der wahre Bevölkerungsmittelwert 15 beträgt, innerhalb von +/- 1 Einheit. Wir beabsichtigen, eine Stichprobe von 25 Teilen der Bevölkerung zu ziehen.Wir gehen davon aus, dass die Standardabweichung der Teile 1,0 Einheiten beträgt. Wenn wir den tatsächlichen Mittelwert der Grundgesamtheit schätzen, möchten wir ein Vertrauen von 95 % in die Schätzung haben.
Wie oft werden wir mit meiner Annahme, dass der wahre Bevölkerungsmittelwert 15 +/- 1 beträgt, Recht haben?Das ist STATISTISCHE KRAFT.In diesem Fall hätten wir in 40 % der Fälle Recht.Wenn wir also mehrere Stichproben mit jeweils 5 Teilen ziehen und jedes Mal eine Schlussfolgerung darüber ziehen, ob der Mittelwert der Grundgesamtheit wirklich 15 +/- 1 beträgt, liegen wir nur in 40 % der Fälle richtig. Wir können die Leistung erhöhen, indem wir unsere erhöhen Anzahl der Stichproben oder durch Vergrößerung der zu erkennenden Differenz oder durch Verringerung unseres Vertrauens in die Schätzung des Grundgesamtheitsmittelwerts.Potenz = Wahrscheinlichkeit, die Nullhypothese korrekt abzulehnen.Wir sind normalerweise nur an der Leistung interessiert, wenn die Null tatsächlich falsch ist.
Ressourcen
Danke für die Klarstellung @calking !
Als ich mein Tagebuch durchgesehen habe, habe ich außerdem einige Fehler in der Tabelle „Fehler vom Typ 1 und Typ 2“ gefunden, die im Video gezeigt wurde.Ich habe die Fehler im beigefügten Journal und im Bild unten korrigiert:
#JMP16, #Type_1_Type_2_Errors
Während der Sitzung gab es eine Frage zur Art der erwarteten Koeffizienten; ob sie sich auf die skalierten Faktoren oder auf die tatsächlichen Werte bezogen. Ich kann von einem anderen Entwickler bestätigen, dass sie sich auf die Skalierung beziehen, die Fit Model in seinen Modellen verwendet (speichern Sie beispielsweise die Vorhersageformel und notieren Sie sich den dort verwendeten Faktor Zentrierung und Skalierung).
