解释 公差区间的样本数量 的主要结果

通过完成以下步骤来解释 公差区间的样本数量。主要输出包括样本数量、边际误差、置信水平和取得的置信水平。

步骤 1:检查所计算的样本数量

如果为区间中最大可接受总体百分比指定一个或多个值,则 Minitab 将计算达到这些百分比所需的样本数量。

越精确的公差区间越有用,提供的信息也越多,但是边际误差(计算为区间中最大总体百分比 − 区间中最小总体百分比)越小,需要的样本数量越大。如果公差区间不够精确,则说明它可能太宽,其中包括的总体百分比远大于指定的百分比。

假定 p 是公差区间中的目标最小总体百分比。下面的统计量定义公差区间的精确度:
区间中最大可接受总体百分比 (P*)
大于可能包括在区间内的所需 p 的总体百分比。
总体覆盖率超过 p* 的概率
区间包含超过 p* 的总体的概率。
边际误差概率的常见值包括 0.01、0.05 和 0.1。边际误差概率的值越大,生成的公差区间所涵盖的总体百分比会远大于目标值 p*。

公差区间的样本数量

方法 置信水平 95% 区间中的最小总体百分比 90% 总体覆盖范围超过 p* 的概率 0.05
95% 公差区间的样本数量 非参数 取得的 获得的误 P* 正态方法 方法 置信度 差概率 92.000% 1395 2215 95.0% 0.049 P* = 区间中可接受的最大总体百分比 获得的置信度和误差概率仅适用于非参数方法。
主要结果:样本数量、取得的置信度、取得的误差概率

在这些结果中,Minitab 计算创建覆盖总体 90% 的公差区间所需的样本数量。在总体覆盖率超过 p* 的概率为 0.05 (5%) 且 p* 值为 92% 的情况下,正态方法的样本数量为 1395。非参数方法的样本数量为 2215。对于非参数方法,Minitab 还显示在该样本数量下所取得的置信水平和误差概率。

这些统计量在一起表明区间包括 92% 或更大百分比的总体的概率为 5%。

步骤 2:检查计算的区间中最大可接受总体百分比

如果指定了一个或多个样本数量,则 Minitab 将计算使用这些样本数量达到的区间中最大可接受总体百分比。Minitab 将执行正态和非参数方法计算。对于其他分布的计算,请使用公差区间(非正态分布)

提高样本数量可降低区间中最大可接受总体百分比。如果公差区间不够精确,则说明它可能太宽,其中包括的总体百分比远大于指定的百分比。

公差区间的样本数量

方法 置信水平 95% 区间中的最小总体百分比 95% 总体覆盖范围超过 p* 的概率 0.05
95% 公差区间的最大可接受总体百分比 取得的 获得的误 样本数量 正态方法 非参数方法 置信度 差概率 1000 96.5124% 97.0544% 95.7% 0.050 1500 96.2603% 96.7379% 96.1% 0.050 2000 96.1047% 96.5124% 95.8% 0.050 获得的置信度和误差概率仅适用于非参数方法。
主要结果:公差区间的最大可接受总体百分比、取得的置信度、取得的误差概率

在这些结果中,Minitab 将计算区间中最大可接受总体百分比,该百分比与覆盖总体 95% 的公差区间的特定样本数量相关联。在总体覆盖率超过 p* 的概率为 0.05 (5%) 的情况下,当样本数量为 1000 时,正态方法的区间中最大可接受总体百分比大约为 96.5%。当样本数量为 1500 时,区间中最大可接受总体百分比大约为 96.26%,而当样本数量为 2000 时,区间中最大可接受总体百分比大约为 96.1%。

当样本数量为 1000 时,非参数方法的区间中最大可接受总体百分比大约为 97.05%。当样本数量为 1500 时,区间中最大可接受总体百分比大约为 96.74%,而当样本数量为 2000 时,区间中最大可接受总体百分比大约为 96.5%。对于非参数情形,Minitab 还显示在该样本数量下所取得的置信水平和误差概率。所取得的误差概率与指定样本数量的目标误差概率相等,所取得的置信水平稍大于指定样本数量的目标置信水平。

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