Hola,
Me preguntaba si hay una manera de determinar el tamaño de la muestra en función del% CV (coeficiente de variación) utilizando JMP 17.
Hola @DFereidouni : Como seguimiento de mis comentarios anteriores:
Dices "H0: el conjunto de datos tiene un valor de cv <17". De eso, puedo inferir que su pregunta realmente se refiere al CV calculado a partir de la muestra. Entonces, en realidad no estás preguntando sobre probar ningún tipo de hipótesis sobre el CV de la población. Si está interesado en el valor que realmente calcula a partir de la muestra y cuál es un tamaño de muestra "adecuado" para ese cálculo, entonces la segunda opción que describí anteriormente puede ser su mejor opción.
Hola @DFereidouni : OK, quieres mostrar (con cierto nivel de confianza, digamos 95%) que CV <= 17%. entonces H0 es en realidad CV > 17%, y su hipótesis alternativa, Ha, es CV <= 17%; Ja es siempre lo que intentamos mostrar.
En el contexto de sus respuestas aclaratorias, la respuesta a su consulta es "no, no existe una plataforma JMP diseñada para eso". Eso no quiere decir que se pueda deshacer en JMP. Pero probablemente haría falta simulación. Como parte de esto, puede que le resulte útil el siguiente script.
https://community.jmp.com/t5/JMP-Scripts/Confidence-Interval-for-the-Coficiente-of-Variation-CV/ta-p/22574
es decir, si el límite superior del intervalo de confianza del 90% es < 17, entonces se rechazaría H0: CV>17 en favor de Ha: CV<=17 con un 95% de confianza. Pero ese intervalo de confianza se utiliza una vez que se tienen los datos. Por lo tanto, podría simular datos (basándose en algún tamaño de muestra, para una media supuesta y una DE donde 100*DE/media < 17), luego usar ese intervalo para ver si el límite superior es menor que 17. Si es así, esa ejecución se cuenta como un "éxito". Luego ejecute miles de simulaciones de este tipo mientras realiza un seguimiento del número de ejecuciones de simulación que resultan en "éxito". La potencia es entonces = (número de éxitos/número de simulaciones) para esa media, DE y tamaño de muestra. Luego repita esa simulación para diferentes tamaños de muestra. Entonces, tendría poder en función del tamaño de la muestra (para esa media y DE asumidas). Luego se podría elegir un tamaño de muestra tal que la potencia sea lo suficientemente alta (a menudo > 80%, pero se puede elegir algo más alto). Hay mucho en qué pensar aquí. El script anterior utiliza el método recomendado por Vangel.
Vangel, Mark G. (1996)Intervalos de confianza para un coeficiente de variación normal, El estadístico americano 15(1) 21-26.
Consulte (3) aquí si no puede encontrar el artículo de Vangel.
https://www.itl.nist.gov/div898/software/dataplot/refman1/auxillar/coefvacl.htm
O bien, puede hacer sus propios cálculos de intervalos de confianza (a través de Vangel) y ver cómo el ancho del intervalo cambia en función de n (tamaño de la muestra). Luego elija n lo suficientemente grande como para que el ancho del intervalo no sea mayor que un valor predeterminado, o hasta que obtenga un rendimiento disminuido en precisión (ancho del intervalo) para aumentar aún más el tamaño de la muestra. Estas son consideraciones subjetivas para las que no existen reglas estrictas.
Como dije... hay mucho en qué pensar aquí.
Tengo un método de prueba analítico con 17% CV como precisión intermedia. El objetivo es calificar un nuevo lote de material de control para este método de prueba y quiero saber cuántas pruebas/ejecuciones se deben realizar considerando la variabilidad. el lote actual tiene un rango de 2,1-6,2 ng/ml
1- Prueba de una muestra
2- Distribución normal
3- H0: el conjunto de datos tiene un valor cv <17
Hola @DFereidouni : Para que podamos responder adecuadamente, ¿puedes proporcionar más contexto y ampliar exactamente lo que estás tratando de hacer? Además:
1. ¿Es este un cálculo de potencia? ¿Una muestra, dos muestras, k muestras?
2. ¿Es la distribución lognormal supuesta? ¿Normal?
3. ¿Cuál es la hipótesis (nula y alternativa) que quieres probar?
