Come stimare la dimensione del campione ideale per convalidare il tasso di fallimento in un processo?Ciao!
Ho un processo di fabbrica con un tasso di fallimento ipotizzato di p = 0,02, sulla base di prove precedenti.
Vorrei ottenere la dimensione del campione ideale da convalidare se il mio processo ha un tasso di fallimento non superiore a 0,02. Come affronteresti la cosa?
Grazie in anticipo 
Analisi e modellazione dei dati di baseRicerche sui consumatori e sul mercatoProgettazione di esperimentiIngegneria della qualità e dei processiRi: Come stimare la dimensione del campione ideale per convalidare il tasso di fallimento in un processo?Ciao @PValueEnemy ,
Per questa domanda specifica, utilizzerei una delle calcolatrici disponibili in "Aiuto", "Indice dei campioni".
Se vai in Risorse didattiche, c'è un pannello per i calcolatori e c'è un calcolatore chiamato "Dimensione del campione per l'intervallo di confidenza".
Quando lo apri, specifichi che sei interessato a "Proporzione" :
E poi dovrai inserire alcune informazioni in modo che il calcolo possa essere fatto. Per il tuo problema specifico, devi specificare il livello di confidenza richiesto, il valore pianificato e il margine di errore desiderato. Qui ad esempio, non appena tutte le finestre sono state riempite, ottengo la dimensione del campione calcolata necessaria:
Maggiori informazioni qui: Abbonamento per studenti JMP
Spero che questo ti aiuterà,
Ri: Come stimare la dimensione del campione ideale per convalidare il tasso di fallimento in un processo?CIAO @PValueEnemy : In aggiunta all'opzione fornita da @Victor_G , puoi provare quanto segue in DOE/Sample Size Explorers:
Allora vedrai questo.
Noterai che la dimensione del campione richiesta dipende dal numero di errori nel campione.Questi due metodi sono equivalenti (sebbene l'input/output abbia un aspetto diverso); tranne il fatto che la calcolatrice @Victor_G suggerito si basa sull'approssimazione normale, mentre questa si basa sull'intervallo di Clopper-Pearson esatto (basato direttamente sulla distribuzione binomiale piuttosto che su qualsiasi approssimazione alla distribuzione binomiale).
