缺陷计数的样本大小和功效JMP 版本 17.2.0
我们生产小型单元，并在每个组件上安装 300 个单元。每个组件都经过测试，我们确定每个组件的缺陷单元数。我们有 20 个组件的记录，并且我们知道在 20 个组件中发现的缺陷单元数。考虑进行流程变更，我们希望确定变更是否显著减少了每个组件的缺陷。确定样本量、功效和缺陷减少的最佳实践是什么：单侧检验，目标是每个组件 0 个缺陷。
实验设计回复：缺陷计数的样本大小和功效你好@MichaelR1 ：我有几个问题/意见......没有特别的顺序。
1. 无论组装成什么样，每个单元是否都采用相同的工艺（具有相同的缺陷率）制造？
2. 装配线 1 是否会获得前 300 个单元的下线，装配线 2 是否会获得接下来的 300 个单元，等等？
3. 是否有理由认为平均缺陷率在各个组装件之间是不同的（可能基于每个组装件如何选择单元...参见上面的第 2 点）。
我们可以从这 3 个开始...
回复：缺陷计数的样本大小和功效感谢您的提问。这些单元采用相同的工艺生产。它们以 300 个为一组安装在组件上：大约是先进先出。组件不应影响缺陷率，因为根本原因是在单元生产过程中发现的。
据我了解，这使我们能够进行简单的计算：单样本比例的功率探索器
假定比例 = 当前故障率
替代比例 = 工艺变更后的预期故障率
这是正确的方法吗？
回复：缺陷计数的样本大小和功效你好@MichaelR1 ：我认为是这样。你的零假设和备择假设如下。
假设0：p=p0
哈：p <>
其中 p0 是当前故障率。Ha 是您要证明的内容（新故障率 p 小于当前故障率 p0）。
为了“证明” Ha，p 必须确实位于 Ha 中的某个位置（
因此，如果随机抽取 199 个单位，则有 80% 的机会“证明” Ha（通过拒绝 H0 而支持 Ha）。
类型 1 错误率 (Alpha) = 5% 表示当 H0 为真（p 不小于 p0）时，有 5% 的概率会错误地拒绝 H0 而支持 Ha。类型 2 错误 = 1-Power= 0.2（20%）。那么类型 2 错误就是即使 Ha 为真，您也不会拒绝 H0 的概率。您可以随意选择 Alpha 和 Power，尽管 5% 和 80% 很常见。而且，我也不太喜欢正态近似；由于通过/失败数据的性质，精确检验功效图看起来很奇怪。但正态近似可能会有问题，尤其是当 p 接近 0 或接近 1 时。
我的两分钱......
