第五天 - 假设检验和样本数计算.ppt

*样本数的计算(评估)Sample Size- Optional (选修内容) 样本数 本章节的目的 概念: 统计试验可靠检测样本间差异的能力(Power,1-β ) 学会对于给定风险水平如何计算所需的样本数(样本大小) 学会对于给定的样本数如何计算风险 背景知识 在分析阶段, 我们曾建议当统计检验的 p-值小于5％(0.05)时认为两个样本是不同的。 我们称错误地判段两个样本不同的概率(弃真的概率)为 ? 误差, 并允许5％的风险。 同样的,当样本很少时, 统计检验 不太灵敏, 也许会检测不出两个样本真实的差异。我们称试验不能检测出真实差异的概率为β 误差。 (假设原本有真实差异,而我们错误地认为没有差异) 骰子试验 给你2套各4个骰子 ( 共计8 个) 其中一套是标准的 (标有数字 1-6) 另一套标的数字改为 2-7 (数字 1 被改为 7) 我们知道两套骰子掷出的数字的均值是不同的: 对标准骰子m1 = (4x3.5) = 14 对另一套骰子m2 = (4x4.5) = 18 假设我不知道骰子的区别, 仅仅用双样本 t-检验可以检测出差异,需要掷多少次才能确定两套骰子的区别 ? 骰子试验 的例子每套掷8 次(6 次) 我们需要多少样本 ? 要检测出差异 (如的确存在)所需的样本数取决于几个参数。 D(delta) - 我们希望能检测出的差异的大小 (差异越小所需数据越多) a - 错误地判别两个样本统计不同的机会. (较小的 a = 较低风险 = 所需更多的数据) b - 不能检测出差异的机会 =1- b(检测出实际差异的机会): Power (较小的 b = 较大的检测 = 更多的数据) Power=1- b = 试验的效能 (检测出差异的能力) S(standard division) - 数据的偏差 (变化越大所需数据越多) 使用MINITAB 进行样本数计算的步骤 确认统计比较的方法(用1sample T, 2 sample T, 1 proportion 还是其他的?) 定义需要检查出的差异(Delta)….. 选择可以接受的 Power (1- b) 值…. 定义样本的标准偏差(往往是未知的,,需要估计) 选择可以接受的 Alpha 值 (一般为5%) 计算出样最小样本的数量. 使用MINITAB 进行风险性(POWER)研究的步骤 确认统计比较的方法(用1sample T, 2 sample T, 1 proportion 还是其他的?) 填写入样本的数量. 定义需要检查出的差异(Delta)….. 定义样本的标准偏差(往往是未知的,,需要估计) 选择可以接受的 Alpha 值 (一般为5%) 计算出相应的Power (1- b) 值…. 缺陷/不良型 数据 (计数型) 对于逻辑数据所运用的理论是相同的 给定单样本, 我们可能希望将过程的失效率 failure rate 比作历史 标准或目标. 给定两个样本, 我们或许会希望检测出failure rate (p)的变化, 计数型数据举例 给定一个过程其缺陷率为 ~5% , 要检测出 2% 的缺陷率改进对于 前后两个过程需要多少样本 ? Use a = 5%, b = 10% 改进后检测差异 要可靠地检测出一个过程不良率降低一半需要多少数据样本？ 下表是在 a = 5%, b = 10% 时运行结果 结论 较多的采样数能使假设检验可靠地检测出样本间较小的差异. 普遍的(以GE为例子)对错误率的标准是: a = 5% = 我们错误地判别两个样本不同的概率 b = 10% = 不能检测出两个样本间存在的实际差异的概率 许多时候, 在试验初期标准偏差是未知的, 需要正确的估计. 缺陷数据的检验需要大量数据以检测出小的差异. Excel 工具可以帮助计算样本数量 (数据类型: 连续,离散) Step 1 : Determine the response under study Step 2 : Select the appropriate statistical test Step 3 : Determine the acceptable risks ? and ? Step 4 : Determine the desired drift sensitivity delta Step 5 : Establish or estimate current process parameters Step 6 : Determine the appropriate sample size Sampling Risks ? is the risk of f