검사 방법을 확인하세요.
- 일표본 평균에 대한 오차 한계
- 일표본 비율에 대한 오차 한계
- 단일 표본 분산에 대한 오차 한계
- 두 개의 독립적인 표본 평균에 대한 오차 한계
- 두 개의 독립적인 표본 비율
- 두 개의 독립 표본 분산에 대한 오차 한계
단일 표본 평균에 대한 검정력
- 설계된 실험에 대한 N번 시행의 효과 및 결과 비교
메모: 영상 전체에 Q&A가 삽입되어 있습니다.
왜 사용합니까? DOE를 위한 표본 크기 탐색기, JMP 16에 도입되었나요? 원하는 결과와 리소스의 균형을 맞추기 위해(너무 많은 테스트를 실행하고 싶지 않음)이러한 결과는 일부 테스트별 추정치와 함께 원하는 신뢰도 및 검정력에 따라 달라집니다.다음을 포함한 질문에 답변하세요.
- 몇 단위를 테스트해야 합니까?
- 치료수단의 차이를 감지할 수 있나요?
- 지정된 너비의 간격을 구성하려면 몇 개의 샘플이 필요합니까?
- 고장 시간을 추정하려면 몇 개의 장치를 테스트해야 합니까?
통계적 신뢰도 정보
부품 샘플을 수집하고 해당 부품 각각에 대해 측정을 수행하면 해당 특정 샘플에 대한 평균과 표준 편차를 계산할 수 있습니다.표본은 고유한 실제 평균과 실제 표준 편차를 갖는 부품의 "모집단"에서 추출되었습니다.(일반적으로 비용이 많이 드는 모집단의 모든 부분을 측정하지 않는 한) 실제 모집단 평균과 표준 편차를 알 수 있는 방법이 없습니다. 표본 평균과 표준 편차는 모집단 평균과 동일하지 않을 가능성이 높습니다. 표준 편차.우리는 전체 모집단 평균이 실제로 있을 수 있다고 생각하는 값 범위에 경계를 설정하고 싶습니다.
이 범위를 결정하려면 결과에 대해 어느 정도 확신이 있어야 합니다.이는 0에서 100% 사이의 백분율일 수 있습니다.종종 95%로 선택되지만 이는 애플리케이션에 따라 다릅니다.따라서 몇 가지 계산을 거친 후 "15개 부품으로 구성된 표본의 평균은 13.1이었습니다.우리는 이 15개 부분이 추출된 실제 모집단 평균이 10.4와 15.8 사이에 있다는 것을 95% 신뢰합니다.이는 95%(또는 20번 중 19번) 내가 옳을 것이라는 의미입니다.실제 인구 평균은 실제로 10.4에서 15.8 사이입니다.
나머지 5%(20번 중 1번)는 우리가 틀릴 것입니다.실제 모집단 평균은 10.4보다 작거나 15.8보다 큽니다.
15개 부품의 또 다른 샘플을 그리면 또 다른 답을 얻게 됩니다.아마도 우리는 다른 표본 표준 편차로 13.3의 표본 평균을 얻을 수 있습니다.이제 95% 신뢰 구간은 10.9~15.7이 될 수 있습니다. 이번에는 30개의 부품으로 구성된 또 다른 표본을 추출하면 12.1~14.5와 같이 더 엄격한 95% 신뢰 구간을 생성할 수 있습니다.더 큰 표본 크기로 인해 실제 모집단 평균과 표준 편차를 더 잘 추정할 수 있기 때문에 더 엄격합니다.
통계력 정보
여기에는 일반적으로 차이를 감지할 수 있는 능력이 포함됩니다. 예를 들어, 실제 모집단 평균이 +/- 1 단위 내에서 15인지 알고 싶습니다. 우리는 모집단에서 25개 부분의 표본을 추출할 계획입니다.부품의 표준 편차는 1.0 단위가 될 것으로 예상됩니다. 모집단의 실제 평균을 추정할 때 추정치에 대한 95% 신뢰도를 갖기를 원합니다.
실제 모집단 평균이 15 +/- 1이라는 내 가정이 얼마나 자주 맞을까요?이것이 바로 통계적 힘입니다.이 경우 우리는 40%의 확률로 맞을 것입니다.따라서 각각 5개의 부품으로 구성된 여러 표본을 추출하고 모집단 평균이 실제로 15 +/- 1인지 여부에 대해 매번 결론을 내리면 시간의 40%만 옳을 것입니다. 표본 수를 늘리거나, 탐지할 차이를 넓히거나, 모집단 평균 추정치에 대한 신뢰도를 낮추면 됩니다.검정력 = 귀무가설을 정확하게 기각할 확률.우리는 일반적으로 null이 실제로 거짓인 경우에만 전력에 관심이 있습니다.
자원
- 통계에 대한 질문이 있으신가요?무료 온라인 JMP 사용을 고려해 보세요. 통계지식포털 .
- 샘플 크기 탐색기 선적 서류 비치 , 통계적 설명 및 운동.
설명해 주셔서 감사합니다 @캘킹 !
그리고 제 일기장을 검토하던 중 영상에 나온 '1종 오류와 2종 오류' 차트에서 몇 가지 오류를 발견했습니다.첨부된 저널과 아래 이미지의 오류를 수정했습니다.
#JMP16, #Type_1_Type_2_Errors
세션 중에 예상되는 계수의 특성에 대한 질문이 있었습니다. 척도화된 요인에 있든 실제 수준에 있든 상관없습니다. 동료 개발자로부터 모델에서 Fit Model의 스케일링 사용을 참조하고 있음을 확인할 수 있습니다(예: 예측 공식을 저장하고 거기에 사용된 요인 중심화 및 스케일링 기록).
