1サンプルポアソン率の検出力とサンプルサイズの分析オプションの選択

対立仮説を選択するか、検定の有意水準を指定します。

対立仮説

対立仮説から、検定する仮説を選択します。

• 仮説値より小さい: この片側検定を使用して、母集団の出現率が仮説率より小さいかどうかを判定します。この片側検定の検出力は大きいです。ただし、母集団率が大きくなる場合を検出することはできません。

  たとえば分析者は、この片側検定を使用して、購入者から返品されるテレビの毎月の返品率が3未満かどうかを判定できます。この片側検定の検出力は高く、返品率が3未満かどかを判定できますが、返品率が3より大きいかどうかは検出できません。

• 仮説値と等しくない: この両側検定を使用して、母集団率が仮説率と異なるかどうかを判定しします。この両側検定により、仮説値より小さい/大きい差を検出できますが、検出力は片側検定の場合より低くなります。

  たとえば分析者は、ある型の航空機のメンテナンス問題の割合が1日あたりの目標値0.2と異なるかどうかを検定できます。目標値との差は重要なため、分析者は差が目標値より大きいか小さいかを判定します。

• 仮説値より大きい: この片側検定を使用して、母集団の出現率が仮説率より大きいかどうかを判定します。この片側検定の検出力は高いです。ただし、母集団の出現率が仮説率より小さいかどうかは検出できません。

  たとえばコールセンターのマネージャは、この片側検定を使用して1日あたりの電話の数が1000件より大きいかどうかを判定します。この片側検定の検出力は高く、電話の数が1000件より多いかどうかを判定できますが、電話の数が1000件より少ないかどうかは判定できません。

片側または両側の対立仮説の選択についての詳細は、帰無仮説と対立仮説についてを参照してください。

有意水準

有意水準を使用して、帰無仮説（H₀）が真の場合の検定の検出力値を最小化します。有意水準の値が高いほど、検定の検出力が高くなりますが、真である帰無仮説を棄却してしまうタイプIの誤りを犯す可能性も高くなります。

通常、0.05の有意水準（αまたはアルファと表されます）が有効に機能します。0.05の有意水準は、実際には差が存在しない場合に、差が存在すると結論付けてしまうリスクが5%であるということを示します。また、差がない場合の検定の検出力が0.05であるということも示します。

• 0.10などのより高い有意水準を選択すると、存在する可能性のある差をより確実に検出できるようになります。たとえば、ある品質エンジニアが新しいボールベアリングの安定性を現在のベアリングの安定性と比較します。安定性の低いベアリングは大惨事につながるため、新しいベアリングが安定していることをしっかりと確信する必要があります。そのため、エンジニアは、ボールベアリングの安定性における可能性のある差をより確実に検出するために有意水準に0.10を選択します。
• 0.01などのより低い有意水準を選択すると、実際に存在する差のみをより確実に検出するようになります。たとえば、ある製薬会社の科学者が、自社の新しい薬が大幅に症状を軽減するという主張が正しいことを確信する必要があります。科学者は、症状に有意な差があることをよりしっかりと確信するために、有意水準に0.01を選択します。

観測の「長さ」(時間、項目、領域、体積等)

より有用な形式にするためにサンプル出現率を割る値を入力します（サンプル出現率÷観測の長さ）。たとえば、ある製造会社は四半期ごとの欠陥数を記録していますが、それを報告書用に月ごとの欠陥数に変換する必要があります。分析者は、四半期ごとの率を3で割って月ごとの欠陥率を求めるために「3」と入力します。