t检验与均值比较.pptVIP

Rev. 2000-01-27 t检验与均值比较 目标 DMAIC流程 统计检验 分析路线图：我们将讲授的是什么 数据 路线图中的分析步骤 路线图中的分析步骤 路线图中的分析步骤 样本量 但要先等等！！ 在我们比较事物之前，我们是否应该指出我们需要多少个用于确定是否真正存在差别的数据点？ 回忆一下我们对假设检验的讨论 我们需要根据一些因子来确定判别统计差所需的测量数。 样本均值 样本标准差 Delta （我们感兴趣的漂移或自由度） 风险水平 样本量计算 回到Bob 我们想要看看Bob的油漆厚度是目标值，因为我们怀疑它们超出了目标值。 记住目标均值? = 25 为了了解Bob的结果样本均值是否与目标值有明显的差别，我们需要一些额外的信息： ? 值 (历史日常记录厚度数据的标准差为0.25) 可接受的a风险 即当它不同时，得出Bob的样本均值真的与?不同这一结论的机率)。 该风险还称为显著水平，它相当于1置信水平。让我们使用a = 0.05 可接受的b 风险 (即当它真的相同时，得出不存在差别的机率). 检验的权重为1- b 。让我们使用b = 0.20 假设 所需的样本量 计算样本量 假设测量厚度值是正态分布的， ????, ?, ??和N这5个变量间的关系可用下式表示： 注意，若我们知道5个变量中任何4个，我们就能够计算出第5个变量。 利用Minitab，我们就要说明怎样计算样本量和统计权重： 样本量 = N 统计指数Power = 1-? Minitab样本量计算 利用Minitab Minitab输出 路线图中的分析步骤——1个样本 路线图中的分析步骤——1个样本 路线图中的分析步骤——1个样本 Minitab命令：I-MR图  I-MR 图 路线图中的分析步骤——1个样本 正态性 Minitab命令 Minitab输出 Minitab命令 Minitab输出 Minitab输出：p值 Minitab输出：p值 路线图中的分析步骤——1个样本 路线图中的分析步骤——1个样本 t检验 当我们将样本均值与感兴趣特定值（目标值）或其它样本均值时，我们可使用t检验。 这种检验通过利用两个样本均值或样本均值和目标值得出一个t值。 通过计算确定t值后再与参照分布（t分布）进行比较，以确定所计算的t值落在该分布的何处。 若计算的t值落在参照分布的尾部，这表示该样本结果不太可能是随机出现的，且零假设被拒绝。 t检验：t值的计算 t检验——t值的计算：（“为什么我们这么有幸拥有Minitab呀”） t值和p值 t分布实际上是一种分布族。该族中每种分布的形状由总体选出的样本量决定。对于大样本量，t分布和正态分布实际上是相同的。 t值是一个从适当的t分布中得出的值，每个t值对应于一个相关的概率（p值）。 该概率（p值）表示若零假设为真时获得t值的机会。 例： t值为-1.97的相关p值为.085表示若零假设为真，则你的数据可为你计算出-1.97的t值的概率为0.08(8.5%)。这是相当小的概率，因此肯定要怀疑零假设的真实性。 临界p值（用于判定零假设是否可以确定为假且被拒绝）的范围通常为0.05-0.10。 t检验 t检验 t检验的解释 对t检验进行解释要以t值和p值为基础，而且通常是以下几种形式的一种： 第一种情况： 根据数据，我认为我的样本均值与零假设中的值差别太大而不会单独随机出现，因此应拒绝零假设。 存在这样一个概率，即结论可能是错的。这种不正确结论的概率等于p值。 第二种情况： 根据数据，我认为我的样本均值会因单独随机出现而与零假设中的值有差别，因此不应拒绝零假设。 这种情况下的p值大于0.05 - 0.10 两种类型的t检验 双尾检验 当同时研究样本均值与零假设中的值间的正负差时使用。 例： 比较一部焊接机器的两种支架。我们不知道哪个更好，但我们希望找出差别，如果真的存在的话。 单尾检验 当只研究样本均值与零假设中的值间单方面差时使用。 例 新的支架应提供比老支架焊接起来更坚固。 单尾检验比双尾检验有效。 双尾t检验 单尾检验 路线图的分析步骤 Minitab——1个样本t检验 Minitab输出 Minitab：回答该问题的另一方法 1个样本情况：中位数检验 Minitab分析 路线图中的分析步骤——1个样本 路线图中的分析步骤——1个样本 Minitab输出 路线图中的分析步骤——2个样本 路线图中的分析步骤——2个样本 路线图中的分析步骤——2个样本 路线图中的分析步骤——2个样本 先确定样本量！ 让我们假设由于日程和变动的问题我们只能获得Jane操作的30个数据。 30个值够吗？