Criterios de aceptación TOST y tamaño de la muestra

[#1]

Hola,

Estoy analizando datos históricos y necesito encontrar criterios de aceptación de equivalencia significativos entre grupos y calcular el tamaño de la muestra para nuevos experimentos. ¿Cómo puedo establecer criterios de aceptación de equivalencia práctica y estoy usando la calculadora K de tamaño de muestra y potencia del DOE? Qué medios prospectivos debo ingresar.

Gracias

[#2]

Los criterios de aceptación prácticamente equivalentes no son límites o límites de confianza estadística. Al igual que las especificaciones, se basan en un rendimiento inaceptable o criterios de falla. Puede, por ejemplo, determinar que un atributo particular del material, la pieza o el dispositivo debe estar dentro de 0,1 de 10 o, de lo contrario, no funcionará como se afirma. Los criterios de aceptación prácticamente equivalentes son y > 9.9 ey < 10.1 en este caso. Entonces, la respuesta a su pregunta es que provienen de especificaciones.

La prueba de equivalencia que mencionas (TOST) es un par de pruebas de hipótesis donde los criterios de aceptación definen la nula. hipótesis:

H0: media < 9,9 o media > 10,1

[#3]

Gracias,

Tengo valores históricos y todos están dentro de las especificaciones, pero me gustaría establecer criterios de aceptación de equivalencia más estrictos que las especificaciones, para demostrar con ejemplos que dos lotes son prácticamente equivalentes. ¿Puedo establecer criterios estrictos de aceptación de equivalencias estableciendo una regla a partir de la distribución de datos históricos?

También necesito configurar el tamaño de muestra para la prueba desde la calculadora de tamaño de muestra (¿Podría usar la calculadora de tamaño de muestra para una prueba t y qué medios prospectivos debo ingresar en la calculadora)

[#4 · Accepted solution]

Por supuesto, puede establecer criterios más estrictos para esta prueba. Sin embargo, este aspecto del TOST no es una cuestión estadística, a menos que quiera decir con "más estricto" que requiere una mayor importancia (nivel alfa más bajo) en la prueba.

La distribución de los datos históricos se refiere a resultados individuales. El TOST es una prueba de la media de la población. Los datos históricos podrían usarse para estimar la media y la desviación estándar.

Usar GAMA > Diagnóstico de diseño > Tamaño de muestra y potencia > Media de una muestra . Resulta que el tamaño de la muestra es el mismo que para TOST. La diferencia a detectar es la diferencia entre la media y el límite de criterio.

Tiene especificaciones para que pueda usarlas para sus nuevos criterios. Podrías determinar un margen razonable de seguridad. Por ejemplo, en mi ejemplo anterior, si quiero un margen del 50 %, establecería mis criterios como y > 9,95 y y < 10,05. No necesita la distribución de datos históricos para establecer los criterios.

[#5]

Ok muchas gracias,

GAMA > Diagnóstico de diseño > Tamaño de muestra y potencia > Media de una muestra también me pregunta por Std dev, ¿es esto de datos históricos?

[#6]

¡Exactamente!

[#7]

Quiero determinar el tamaño de la muestra para una prueba de equivalencia de dos muestras.

Me gustaría que alfa y beta sean 0.05.Una diferencia práctica es <-10 o >10. Mi desviación estándar es 9.43.

¿Cómo configuraría esto usando el tamaño de muestra de prueba de una muestra en jmp?¿Podría ser específico en cuanto a lo que debo ingresar en cada campo?

[#8]

*** NOTA 1: actualicé mi respuesta original porque no abordaba el dos prueba de muestra para la equivalencia. ***

*** NOTA 2: Este método es para una diferencia hipotética. Debería NO utilizarse para calcular el tamaño de la muestra para la equivalencia.

Creo que determina el tamaño de la muestra para un TOST de equivalencia exactamente igual que una prueba de la media de dos muestras. El papel no lo tengo a mano (es viejo) pero aquí tenemos suerte y son iguales. Seleccionar GAMA > Diagnóstico de diseño > Tamaño de muestra y potencia . Hacer clic Media de dos muestras e ingrese sus valores como se ve a continuación, luego haga clic en Continuar para obtener el tamaño de la muestra (49, o 25 para cada grupo, en este caso).

Investigaré más a fondo cuando tenga la oportunidad de determinar si hay otra manera o si me equivoqué para que puedas usar este método.

[#9]

Estoy tratando de hacer una prueba de equivalencia de dos caras.Cuando lo ejecuté en Minitab, obtuve 24.También utilicé la siguiente fórmula = (2*((-1.96 -1.6449)^2)*9.43^2 )/10^2 en Excel y obtuve 23.11.

Indique cómo puedo obtener esto de JMP.

[#10]

No creo que nadie deba usar el método que mostré más recientemente para una prueba de dos muestras. Ese resultado es para la diferencia hipotética, no para la equivalencia. MINITAB y su cálculo manual proporcionan el tamaño de la muestra para una población suponiendo un diseño equilibrado. Implementé el cálculo como un script JMP:

alpha = 0.05;
beta = 1 - 0.95;
delta = 10;
sigma = 9.43;
ratio = 1;

z alpha = normal quantile( 1 - alpha );
z beta  = normal quantile( 1 - beta  );

n = Ceiling( ((1 + 1/ratio) * sigma^2 * (z alpha + z beta)^2) / (delta^2) );

Para este caso de 95 % de confianza, 95 % de potencia, una desviación estándar de 9,43 y una diferencia significativa de 10, obtengo N1 = N2 = 20.

El resultado es para una muestra. El tamaño de la muestra para la otra población es la razón por el tamaño de la primera muestra. La relación es 1 para un diseño equilibrado.