公差区间的 Faulkenberry-Weeks 样本大小计算功效和样本量探索器缺少容差区间选项。通常需要根据期望的误差幅度及其概率来获取容差区间的最小样本量。
Faulkenberry-Weeks 就是这样一种方法。从 Minitab 的工作中寻找灵感： 公差区间的样本大小的方法和公式 - Minitab
基础数据分析与建模回复：Faulkenberry-Weeks 容差区间的样本量计算 - 状态更改为：已确认你好@Bashburz ，感谢您提交此请求。 在 JMP 17 中，容差区间的样本量浏览器位于置信区间 > 一个样本均值的误差范围下。
来自 JMP 文档：“对于比例的公差区间q根据 Krishnamoorthy 和 Mathew 中描述的近似程序计算总体误差或界限（ 2009 )。”
这是否满足您的要求？
回复：Faulkenberry-Weeks 公差区间的样本量计算谢谢@Bashburz有关此附加信息。 我们已将此传递给开发团队，以便在未来的版本中考虑。
回复：Faulkenberry-Weeks 公差区间的样本量计算你好@mia_stephens ,
非常感谢您向我指出此功能。 我认为它对于数据收集的规划已经非常有用。
但是，它并没有回答有关公差区间的所有问题。 使用的术语有一些歧义：JMP 中的“误差范围”是指公差区间的半宽度。 这当然是区间浏览器允许预测的有用参数。 但是还有一个进一步的考虑，在文献中也称为误差范围：
误差幅度：误差幅度 m% 衡量超出目标 p% 的总体百分比，可能包含在区间中。
边际误差概率：边际误差概率是区间比 p% 宽 m% 或更多的概率。 误差概率的常见值包括 0.01、0.05 和 0.1。 较大的值会导致容差区间覆盖比目标 p% 大得多的总体百分比。
因此，这是对预测的容忍区间比计算的更宽的风险的进一步量化。 因此，我认为实施Faulkenberry-Weeks 方法进入现有的计算将带来额外的好处。
回复：容差区间的 Faulkenberry-Weeks 样本量计算 - 状态更改为：正在调查回复：关于 Faulkenberry-Weeks 容差区间样本量计算 - 状态已更改为：已确认
