查看如何檢查：
- 一個樣本平均值的誤差幅度
- 一個樣本比例的誤差幅度
- 一個樣本變異數的誤差幅度
- 兩個獨立樣本平均值的誤差幅度
- 兩個獨立的樣本比例
- 兩個獨立樣本變異數的誤差幅度
一個樣本平均數的功效
- N 次試驗對設計實驗的影響並比較結果
筆記：問答貫穿整個影片。
為什麼要使用DOE 的樣本量探索器， JMP 16 中引入了？ 平衡我們的資源（不想執行太多測試）和期望的結果。這些結果取決於所需的信心和力量，以及一些測試的特定估計值。回答問題，包括
- 我應該測試多少個單元？
- 我能發現我的治療方法有什麼不同嗎？
- 需要多少個樣本才能建構一個指定寬度的區間？
- 我必須測試多少個單元才能估計故障時間？
關於統計置信度
如果我們收集零件樣本並對每個零件進行測量，我們就可以計算該特定樣本的平均值和標準差。樣本是從零件「總體」中抽取的，它有自己的真實平均值和真實標準差。我們無法知道真實的總體平均值和標準差（除非我們測量總體中的所有部分，這通常成本高昂。）樣本平均值和標準差可能與總體平均值和標準差不同。標準差。我們希望對我們認為總人口平均值可能真實存在的一系列值進行限制。
為了確定這個範圍，我們需要對我們的結果有一定的信心。該百分比可以是 0 到 100% 之間的任意百分比。通常選擇 95%，但這取決於您的應用程式。因此，經過一些計算後，我們最終得到這樣的陳述：「我們的 15 個零件樣本的平均值為 13.1。我們有 95% 的置信度認為，這 15 個部分的真實總體平均值在 10.4 到 15.8 之間。這意味著 95% 的時間（或 20 次中有 19 次）我是對的。真實人口平均值確實在 10.4 到 15.8 之間。
剩下的 5% 的情況下（20 次中有 1 次）我們會錯。真實總體平均值要麼小於 10.4，要麼大於 15.8。
請注意，如果我們再抽取 15 個零件的樣本，我們將得到另一個答案。也許我們得到的樣本平均值為 13.3，但樣本標準差不同。現在我們的 95% 信賴區間可能是 10.9 到 15.7。 如果我們再抽取一個樣本，這次包含 30 個零件，我們可能會產生更嚴格的 95% 信賴區間，例如 12.1 到 14.5。它更嚴格，因為憑藉更大的樣本量，我們可以更好地估計真實總體平均值和標準差。
關於統計功效
這通常涉及能夠檢測差異。 例如，我們想知道真實總體平均值是否為 15，是否在 +/- 1 個單位之內。 我們打算從總體中抽取 25 個部分作為樣本。我們預計零件的標準差將為 1.0 個單位。 當我們估計總體的實際平均值時，我們希望估計值有 95% 的置信度。
我們假設真實總體平均值為 15 +/- 1 的情況有多少是正確的？這就是統計功效。在這種情況下，我們的正確率是 40%。因此，如果我們抽取多個樣本，每個樣本包含5 個部分，並且每次都得出關於總體平均值是否真正為15 +/- 1 的結論，那麼我們只有40% 的時間是正確的。我們可以透過增加樣本數量，或透過擴大檢測差異，或透過降低我們對總體平均值估計的置信度。功效 = 正確拒絕原假設的機率。當零實際上為假時，我們通常只對功率感興趣。
資源
- 關於統計的問題？考慮使用免費的線上 JMP統計知識門戶。
- 樣本量瀏覽器文件、統計解釋和練習。
感謝您的澄清@calking ！
另外，當我審查日記時，我發現影片中顯示的「1 類和 2 類錯誤」圖表中存在一些錯誤。我已經更正了所附日誌和下圖中的錯誤：
#JMP16、#Type_1_Type_2_Errors
會議期間有一個關於預期係數性質的問題；它們是按比例因子還是實際水平。 我可以從一位開發人員那裡確認，他們參考了其模型中使用的縮放擬合模型（例如，保存預測公式並注意此處使用的因子居中和縮放）。
