Auswählen der Analyseoptionen für Trennschärfe und Stichprobenumfang für Ereignisrate in Poisson-Modellen, 2 Stichproben

Statistik > Trennschärfe und Stichprobenumfang > Ereignisrate in Poisson-Modellen, 2 Stichproben > Optionen

Wählen Sie die Alternativhypothese aus, geben Sie das Signifikanzniveau für den Test an, oder geben Sie den Beobachtungsumfang an.

Alternativhypothese

Wählen Sie im Feld Alternativhypothese die zu testende Hypothese aus:
  • Kleiner als (R1 < R2): Verwenden Sie diesen einseitigen Test, um zu ermitteln, ob eine Rate der Grundgesamtheit kleiner als eine andere Rate der Grundgesamtheit ist. Dieser einseitige Test ist trennschärfer als ein beidseitiger Test, mit ihm kann aber nicht erkannt werden, ob ein Rate der Grundgesamtheit größer als eine andere Rate der Grundgesamtheit ist. Wenn Sie diese Option auswählen, muss der Wert, den Sie im Dialogfeld Trennschärfe und Stichprobenumfang für Ereignisrate in Poisson-Modellen, 2 Stichproben für Vergleichsraten (R1) eingeben, kleiner als der Wert sein, den Sie für Hypothesenrate (R2) eingeben.

    Ein Analytiker verwendet diesen einseitigen Test beispielsweise, um zu ermitteln, ob die Differenz bei den Reparaturen pro Jahr zwischen zwei verschiedenen Kopiergeräten kleiner als 0 ist. Dieser einseitige Test besitzt eine größere Trennschärfe, um zu ermitteln, ob die Differenz bei den Reparaturen kleiner als 0 ist, aber mit ihm kann nicht festgestellt werden, ob die Differenz größer als 0 ist.

  • Ungleich (R1 ≠ R2): Verwenden Sie diesen beidseitigen Test, um zu ermitteln, ob zwei Raten von Grundgesamtheiten ungleich sind. Mit diesem beidseitigen Test können Sie erkennen, ob eine Rate einer Grundgesamtheit kleiner oder größer als eine andere Rate einer Grundgesamtheit ist; er besitzt aber eine geringere Trennschärfe als ein einseitiger Test.

    Ein Qualitätsanalytiker testet beispielsweise, ob sich die Zahl der Anrufe pro Tag in zwei verschiedenen Callcentern unterscheidet. Da jede Abweichung bei den Anrufen wichtig ist, verwendet der Analytiker diesen beidseitigen Test, um zu ermitteln, ob die Rate in einem Callcenter größer oder kleiner als in einem anderen Callcenter ist.

  • Größer als (R1 > R2): Verwenden Sie diesen einseitigen Test, um zu ermitteln, ob eine Rate der Grundgesamtheit größer als eine andere Rate der Grundgesamtheit ist. Dieser einseitige Test ist trennschärfer als ein beidseitiger Test, mit ihm kann aber nicht erkannt werden, ob eine Rate der Grundgesamtheit kleiner als eine andere Rate der Grundgesamtheit ist. Wenn Sie diese Option auswählen, muss der Wert, den Sie im Dialogfeld Trennschärfe und Stichprobenumfang für Ereignisrate in Poisson-Modellen, 2 Stichproben für Vergleichsraten (R1) eingeben, kleiner als der sein, den Sie für Hypothesenrate (R2) eingeben.

    Ein Techniker verwendet diesen einseitigen Test beispielsweise, um zu ermitteln, ob die Differenz zwischen den mittleren Geschwindigkeiten zweier Füllmaschinen größer als 0 Sekunden pro Karton ist. Dieser einseitige Test besitzt eine größere Trennschärfe, um zu ermitteln, ob die Differenz zwischen den Geschwindigkeiten größer als 0 ist, mit ihm kann aber nicht erkannt werden, ob die Differenz kleiner als 0 ist.

Weitere Informationen zum Auswählen einer einseitigen oder beidseitigen Alternativhypothese finden Sie unter Informationen zur Nullhypothese und zur Alternativhypothese.

Signifikanzniveau

Verwenden Sie das Signifikanzniveau, um den Trennschärfewert des Tests zu minimieren, wenn die Nullhypothese (H0) wahr ist. Bei höheren Signifikanzniveaus ist der Test trennschärfer, gleichzeitig steigt jedoch die Wahrscheinlichkeit, dass ein Fehler 1. Art auftritt, beim dem die Nullhypothese zurückgewiesen wird, wenn diese tatsächlich wahr ist.

In der Regel ist ein Signifikanzniveau (als α oder Alpha bezeichnet) von 0,05 gut geeignet. Ein Signifikanzniveau von 0,05 gibt ein Risiko von 5 % an, dass auf eine vorhandene Differenz geschlossen wird, während tatsächlich keine vorhanden ist. Zudem wird damit angegeben, dass die Trennschärfe des Tests gleich 0,05 ist, wenn keine Differenz vorhanden ist.
  • Wählen Sie ein höheres Signifikanzniveau wie 0,10, um möglicherweise vorhandene Differenzen mit größerer Gewissheit zu erkennen. Ein Qualitätstechniker vergleicht beispielsweise die Stabilität von neuen Kugellagern mit der Stabilität der derzeit verwendeten Kugellager. Der Techniker muss mit großer Sicherheit schlussfolgern können, dass die neuen Kugellager stabil sind, denn instabile Kugellager können schwere Unfälle nach sich ziehen. Daher wählt er ein Signifikanzniveau von 0,10, um mit größerer Sicherheit mögliche Differenzen in der Stabilität der Kugellager zu erkennen.
  • Wählen Sie niedrigeres Signifikanzniveau wie 0,01, um mit größerer Sicherheit davon ausgehen zu können, dass nur tatsächlich vorhandene Differenzen erkannt werden. Ein Forscher in einem Pharmaunternehmen muss beispielsweise sehr sicher sein, dass die Behauptung, dass das neue Medikament des Unternehmens die Symptome signifikant reduziert, der Wahrheit entspricht. Er wählt ein Signifikanzniveau von 0,01, um mit größerer Sicherheit behaupten zu können, dass signifikante Differenzen hinsichtlich der Symptome tatsächlich vorhanden sind.

Beobachtungsumfänge (Zeit, Elemente, Bereich, Volumen usw.)

Geben Sie einen Wert ein, um die Ereignisrate der Stichprobe in eine hilfreichere Form umzuwandeln (Ereignisrate der Stichprobe ÷ Beobachtungsumfang).
  • Wenn für die Stichproben die gleichen Einheiten verwendet werden, geben Sie einen Wert ein, um beide Stichproben umzuwandeln.
  • Wenn die Stichproben in unterschiedlichen Einheiten erfasst wurden, geben Sie zwei Werte ein, um die Werte in dieselbe Einheit umzuwandeln.
Angenommen, die erste Stichprobe stellt Fehler pro Quartal, die zweite Stichprobe Fehler pro Monat dar. Geben Sie die Werte 3 1 ein, um beide Stichproben in Fehler pro Monat umzuwandeln. Minitab dividiert die Quartalsrate durch 3, um die monatliche Rate zu ermitteln. Minitab dividiert die monatliche Rate durch 1, wodurch ihr Wert nicht geändert wird.