选择 单样本 Poisson 率的功效和样本数量 的分析选项

统计 > 功效和样本数量 > 单样本 Poisson 率 > 选项

选择备择假设或指定检验的显著性水平。

备择假设
备择假设中,选择要检验的假设:
  • 小于使用此单侧检验确定总体发生率是否小于假设率。虽然单侧检验的功效更高,但是它无法检测总体率何时更大。

    例如,一位分析师使用此单侧检验确定客户每月退还的电视率是否小于 3。虽然此单侧检验在确定该率是否小于 3 方面具有更高的功效,但是它无法检测该率是否大于 3。

  • 不等于使用此双侧检验确定总体率是否不同于假设率。虽然此双侧检验可以检测小于或大于假设值的差值,但是它比单侧检验的功效要低。

    例如,一位分析师要检验某种航空器的维护问题发生率是否不同于每天 0.2 的目标值。因为与目标值的任何差异都很重要,所以该分析师要检验差值是大于还是小于目标值。

  • 大于使用此单侧检验确定总体发生率是否大于假设率。虽然此单侧检验的功效更高,但是它无法检测总体发生率是否小于假设率。

    例如,一位呼叫中心经理使用此单侧检验确定每日呼叫率是否大于 1000。虽然此单侧检验在确定呼叫率是否大于 1000 方面具有更高的功效,但是它无法确定呼叫率是否小于 1000。

有关选择单侧或双侧备择假设的更多信息,请转到关于原假设和备择假设

显著性水平

使用显著性水平可以在原假设 (H0) 为真时最小化检验的功效值。显著性水平越高,检验功效越大,犯 I 型错误(否定原本为真的原假设)的概率越大。

通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 指示在实际上不存在差异时得出存在差异的风险为 5%。它还指示在没有差异时,检验的功效为 0.05。
  • 选择较高的显著性水平(如 0.10),则更加确信能够检测到任何可能存在的差异。例如,质量工程师对新滚珠轴承的稳定性与当前轴承的稳定性进行比较。该工程师必须十分确信新滚珠轴承非常稳定,因为不稳定的滚珠轴承可能会带来灾难。因此,他选择显著性水平 0.10,以便更加确信能够检测到与滚珠轴承稳定性方面有关的任何可能的差异。
  • 选择较低的显著性水平(如 0.01),则更加确信将仅检测实际存在的差异。例如,制药公司的科学家必须十分确信有关公司的新药品能够显著减轻症状的声明是正确的。该科学家选择显著性水平 0.01,以便更加确信有关症状的任何显著差异的确存在。
观测值(时间、项目、面积、体积等)的“长度”
输入一个值以将样本的发生率分成更有用的形式(样本的发生率 ÷ 观测值长度)。例如,制造商记录每季度的缺陷数,但需要将它们转换为每月缺陷率以进行汇报。分析人员输入 3,将每季度缺陷率除以 3 来确定每月的缺陷率。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策