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。

关于本主题

步骤 1：检查所计算的样本数量
步骤 2：检查计算的区间中最大可接受总体百分比

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*。

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

P*	正态方法	非参数方法	取得的置信度	获得的误差概率
92.000%	1395	2215	95.0%	0.049

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。

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

样本数量	正态方法	非参数方法	取得的置信度	获得的误差概率
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

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。

解释 公差区间的样本数量 的主要结果