DOE検出力計算機

要因実験計画の統計的検出力を計算. 2^(k-p)要因計画が、指定した有意水準で意味のある効果量を検出するのに十分な繰り返し数を持っているかを判断します。. 検出力とは、指定した大きさの効果が実際に存在するときに、実験がそれを検出できる確率です。検出力 = 1 - β であり、β は第二種の過誤…

2^(k-p)要因計画が、指定した有意水準で意味のある効果量を検出するのに十分な繰り返し数を持っているかを判断します。

DOE検出力分析とは？

検出力とは、指定した大きさの効果が実際に存在するときに、実験がそれを検出できる確率です。検出力 = 1 - β であり、β は第二種の過誤 (実在する効果を検出できないこと) の確率です。計画実験では 80% 以上の検出力が標準的な最低水準とされます。

2^(k-p) 要因計画では、検出力は因子数 (k)、生成子の数 (p、一部実施計画の場合)、繰り返し数 (n)、検出したい効果の大きさ (δ)、工程標準偏差 (σ)、有意水準 (α) に依存します。繰り返しを増やすことが検出力を高める主要な手段です。検出力は、当てはめたモデルが残す誤差自由度 N − 1 − (モデル項数) を用いた非心 t 分布で計算します。繰り返しのないフルモデルは誤差自由度が 0 なので、繰り返しを追加するか、より小さなモデル (主効果のみ、または主効果 + 2 因子交互作用) を当てはめる必要があります。

信号対雑音比 δ/σ が鍵となる要因です。雑音に対して効果が大きいほど検出は容易になります。検出力が不足する場合の選択肢としては、繰り返しの追加、α の引き上げ (偽陽性の増加を受け入れる)、因子数の削減、実施割合の高い (分割の少ない) 計画の採用などがあります。

Formula: Power = P(|T| > t(α/2, df_E)), T ~ noncentral t(df_E, λ) λ = δ·√N / (2σ) N = n × 2^(k−p) df_E = N − 1 − model terms

計算例

2³ 完全要因計画 (8 回) を 2 回繰り返し (合計 16 回)、効果の大きさ δ = 2.0、σ = 1.5、α = 0.05 で、フルモデル (7 項) を当てはめます。信号 = 2.0/1.5 = 1.33、誤差自由度は 16 − 1 − 7 = 8 です。検出力は約 65% で、一般的な目標の 80% に届きません。3 回繰り返し (24 回) にすると約 87% となり、大きさ 2.0 の効果を検出するのに十分です。

この計算機を使用する場面

高コストの実験実行前に実質的に重要な効果を高い信頼度で検出するのに十分な反復数を確保するため
完全要因と部分要因の選択時 — 検定力分析が少ない実験回数でどれだけ検出能力を失うかを示す
実験予算策定時に経営陣に目標検定力に必要な最小反復数を示し実験回数を正当化するため
初期実験で有意な効果が見つからない場合 — 効果がないと結論する前に検定力が十分だったか確認
有意水準αの調整時 — 第1種エラー（偽陽性）と統計的検定力（検出能力）間のトレードオフを理解

よくある間違い

検定力分析なしで実験を実行 — 事後に検定力が30%しかなかったと発見すれば実験は無駄だった可能性；常にデータ収集前に検定力を計算
非現実的な効果量δの使用 — 非常に大きな効果量を選択すると高い検定力が得られるが大きな効果しか検出できない；実質的に意味のある最小の効果を使用
σの過小推定 — 工程ノイズの推定が低すぎると計算された検定力が楽観的；現実的なσ推定には過去の工程データまたはパイロット研究を使用
部分設計の分率の無視 — 2^(6-3)設計は64通りの可能性から8回の実験のみ；多くの効果がエイリアス化され個別効果の検出検定力が低下

結果の解釈方法

検定力50%未満は実際の効果を見逃す可能性が検出する可能性より高い — 実験は検定力不足であり現設計のまま実行すべきでない
検定力50-80%は限界的 — 反復の追加またはブロッキングと実験制御によるノイズ低減を検討
検定力80%以上は標準最小要件を満たす — 指定された効果量が存在すれば検出する良い機会がある
検定力90%以上は強力な検出能力 — 効果を見逃すと深刻な結果がある重要実験に推奨
多くの実験回数にもかかわらず検定力が低い場合、信号対雑音比（δ/σ）が小さすぎる — 実験回数追加よりも実験ノイズの低減に集中

よくある質問

実験ではどの程度の検出力を目標にすべきですか?

80% の検出力が広く受け入れられている最低水準です。重要な意思決定 (製品ローンチ、安全に関わる因子) では 90% 以上を目標としてください。80% を下回ると、費用のかかる実験を実施したにもかかわらず、意味のある効果が実際には存在するのに「効果なし」と結論づけてしまうリスクが大きくなります。

実験回数を増やさずに検出力を高めるにはどうすればよいですか?

実験条件の管理を厳しくして雑音 (σ) を減らします。作業者・材料ロット・設備を同一に揃えてください。既知の妨害因子はブロック化します。偽陽性のコストが低いなら α を 0.05 から 0.10 に引き上げます。分割の少ない計画を用います (p を減らす)。完全な繰り返しを追加せずに曲率を確認するには中心点を利用します。