公差區間的 Faulkenberry-Weeks 樣本量計算Power and Sample Size Explorer 缺少公差區間選項。通常希望根據所需的誤差範圍及其機率獲得公差區間的最小樣本量。
Faulkenberry-Weeks 就是這樣一種方法。從 Minitab 的工作中尋找靈感： 公差區間樣本量的方法和公式 - Minitab
基礎資料分析與建模回复：Faulkenberry-Weeks 容差區間的樣本量計算 - 狀態更改為：已確認你好@Bashburz ，感謝您提交此請求。 在 JMP 17 中，容差區間的樣本量瀏覽器位於置信區間 > 一個樣本均值的誤差範圍下。
來自 JMP 文檔：“對於比例的公差區間q根據 Krishnamoorthy 和 Mathew ( 2009 )。”
這是否滿足您的要求？
回复：Faulkenberry-Weeks 公差區間的樣本量計算謝謝@Bashburz有關此附加信息。 我們已將此傳遞給開發團隊，以便在未來的版本中考慮。
回复：Faulkenberry-Weeks 公差區間的樣本量計算你好@mia_stephens ,
非常感謝您向我指出此功能。 我認為它對於數據收集的規劃已經非常有用。
但是，它並不能回答有關公差區間的所有問題。 使用的術語有一些歧義：JMP 中的“誤差範圍”是指公差區間的半寬度。 這當然是區間瀏覽器允許預測的有用參數。 但是還有一個進一步的考慮，在文獻中也稱為誤差範圍：
誤差幅度：誤差幅度 m% 衡量超出目標 p% 的總體百分比，可能包含在區間中。
邊際誤差概率：邊際誤差概率是區間比 p% 寬 m% 或更多的概率。 誤差概率的常見值包括 0.01、0.05 和 0.1。 較大的值會導致容差區間覆蓋比目標 p% 大得多的總體百分比。
因此，這是對預測的容忍區間比計算的更寬的風險的進一步量化。 因此，我認為實施Faulkenberry-Weeks 方法進入現有的計算將帶來額外的好處。
回复：容差區間的 Faulkenberry-Weeks 樣本量計算 - 狀態更改為：正在調查回覆：關於 Faulkenberry-Weeks 容差區間樣本量計算 - 狀態已更改為：已確認
