一般完全実施要因計画の検出力とサンプルサイズの例

ある金属部品供給業者の開発チームが、モーターの新しい部品を調べるために計画実験を行おうとしています。そこで、実験を実行する前に、十分な検出力で実験を行うために十分なリソースがあることを確認します。予定では、3つの外部コーティングと3つの合金が新しい部品の耐腐食性に及ぼす効果を調べます。チームは、90%の検出力で、最良と最悪の因子水準の間に0.4の差を検出したいと考えています。推定標準偏差は0.15です。計画に2回以上の反復が必要な場合は、各反復に別個のブロックの実験実行を使用したいと考えています。

  1. 統計 > 検出力とサンプルサイズ > 一般完全実施要因計画を選択します。
  2. モデル内各因子に対する水準数に「3 3」と入力します。
  3. 主効果平均の最大差の値に「0.4」と入力します。
  4. 検出力に「0.9」と入力します。
  5. 標準偏差に「0.15」と入力します。
  6. 計画をクリックします。
  7. ブロックをモデルに含める(計画を反復時にブロック)を選択します。
  8. 各ダイアログボックスでOKをクリックします。

結果を解釈する

チームは、検出力に1つの値と最大差に1つの値を考慮したため、解には、反復数として1つの値が含まれます。反復数が2で実験実行数が18の計画の検出力は90%より大きく、チームの要件を満たしています。検出力曲線は、検出力と最大差のサイズの関係を示しています。検出力曲線上の記号は、チームが指定した効果サイズの0.4を表します。チームは、実験実行数18に対して十分なリソースがあると判断します。

検出力とサンプルサイズ

一般完全実施要因計画 α= 0.05 仮定された標準偏差= 0.15 因子: 2 水準の数: 3, 3 モデルに含める項の次数: 2 モデルにブロックを含めます。
結果 全実 目標検 最大差 反復 行数 出力 実際の検出力 0.4 2 18 0.9 0.930521
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください