统计的假设检验试卷.ppt

2 事例分析 我们现在生产某种单板的过程中，单板焊膏的厚度要求在0.13，如果厚度不等于0.13的话，会出现上锡不良、桥连等多种不良，工艺部为了确认工艺改进后单板焊膏厚度，调查了30块单板后得到如下数据。 打开 : A_05 焊膏厚度.mtw. 假设 : H0 : ? 0.13 H1 : ? 不等于0.13 正态性验证 Stat Basic statistics 1-Sample t.. Session windows P-Value 0.000 因P-Value 0.05，采纳 H1。 即，有95%自信认为焊膏厚度小于0.13 P-Value小于0.05可以采纳对立假设 2-Sample t -两个总体平均值的比较 2 sample t检验两个平均值是否有显著性差异时使用。如果通过2 sample t验证发现有显著性差异时，也可以认为找到X。 如果想表示两上连续型数据属于不同总体时通过 2-Sample t验证确认统计 上的显著性差异差异。 Stat Basic Statistics 2-Sample t… 事例分析 对于技术一部的材料工程师想检验国内供应商和国外供应商提供的电容质量是否有显著性差异，如果没有显著性差异，为了降低成本，我们就可以用国内供应商的产品进行替代。因此分别选择了两个供应商的10个产品，有设计部门进行测试。 以5%的有意水平，验证两个供应商的电容性能是否相同 打开 : A_06电容.mtw 假设: 观察比较两个总体的 2 Sample t 检验是否满足如下条件。 -是否连续型的数据？ → t 检验是不能用缺陷数或比率。 -两个总体的分散是否明显不同？ → 两个样本的分散不同时不选择 2 sample t检验的 “Assume Equal variance”. 正态性检验结果两个总体的 P-value为 0.508，0.637可以假定为正态分布 等分散检验结果 P-value为 0.753 两个 样本的分散是相同的。 如果取出的样本不是 正态分布时，样本的 数为30个以上时根据 中心极限定理，可以 做t验证。 正态性检验 分散检验 Stat Basic statistics 2-Sample t.. 两个样本为等分散时选择 Session windows P-Value 0.788 P-Value 0.05，不能放弃 H0 采纳对立假设 H1 是错误的表现，不能放弃归零假设 H0 是正确的表现 统计检验问题转化为实际问题：国内供应商和国外供应商电容的质量特性是一样的 Paired t – 成对数据检验 Paired t检验对成对数据比较平均的差异后确认是否有显著性差异时使用。对同一个体，测量两次后比较时使用的检验方法 Stat Basic Statistics Paired t… 对同一个体测量两次后得到的成对的数据时为比较两个总体的平均值时使用。 在统计上又称对应比较。 事例分析 工艺部工程师为了确认单板经过波峰焊时PCB板的尺寸是否受到波峰焊温度的影响，收集了20块单板，并对它们进行了标记。 在显著水平5%时检验经过波峰焊后单板尺寸有无变化。（尺寸 mm 打开: A_07 单板 t.mtw。 假设: ≠ 0 Stat Basic statistics Paired t.. P-Value 0.05，放弃H0，采纳 H1 。 Session windows P-Value 0.000 P-Value小于 0.05因此有95％的把握说单板在经过波峰焊后尺寸发生了变化。 比较多个总体时，首先要考虑是方差否存在统计的显著性差异。其理由 是方差影响平均检验。 且使用于单纯检验两个分布是否有方差的差异。 5. 方差检验 方差的同一性检验 Test for Equal Variance 对几个总体或两个总体检验方差是否相同时使用。 假设: σ1 σ2 方差的同一性检验是对两个或两个以上总体的方差是否存在显著性差异，相对平均值来说更注重变动的差异。 Stat ANOVA Test for Equal Variances.. Test for Equal Variances – 方差检验 对两个或以上数据证明至少一个变动不同时使用方差检验。 事例分析 技术一部为了确认不同的SE人员处理信息时间的方差是否相同，收集30个数据后分析不同的SE的分散是否相同。请用5%的显著水平检验 打开: A_08 SE信息.mtw 统计的假设检验 * （分析阶段） 统计的假设检验 主要内容 1.统计的假设检验 2.假设检验的定义 3.样本的设定 4.平均值检验 5.方差检验 6.比率检验 1. 统计的假设检验 我们可以经常看到如下说法