假设试验分析课件.ppt

假设试验 你在这里 目录 检测正态分布 复习：正态曲线 定义： 正态曲线是一种概率分布，最经常发生的值位于中间，其他概率向两侧对称下降。 此图形有时称为钟形曲线。 正态曲线概率 Z 值：与标准正态值相同 Z 值 兴趣值远离平均值有多少个标准偏差 Z 值的概率 P 值是兴趣值的概率 P 值 = 尾部面积 兴趣值以外的曲线下的面积 处于或超过兴趣值的概率 小的 P 值（0 到 .05）意味着： 从该分布产生兴趣值的概率较小。可能从其他分布产生。 并非所有数据都呈正态 将正态方法用于非正态数据的后果 示例：使用正态曲线计算过程 均方差 要确定过程均方差，找到超出规格界限外的缺陷面积 如果数据不是正态， 使用方法 2（在测量阶段已讨论）估计的缺陷面积就不正确，且不能如实表示过程均方差 受非正态数据影响的方法 使用正态概率图检查正态 以下是在 Minitab (n= 25) 中生成的样本正态概率图。 Graph Probability Plot 如果数据是正态，那些点可连成一条直线。 直线表示在 95% 的置信范围之内。 如果大约 95% 的数据点落在置信范围内，可以说数据是正态的。 什么是正态概率图？ 数据值在 X 轴上 正态分布的百分点在 Y 轴上（线条的不等间隔是故意设置的） 从两个正态概率图得出的结论 使用 Minitab： 检测正态分布 使用 Minitab： 检测正态分布（续） 使用 Minitab： 检测正态分布（续） 假设试验概述 什么是假设试验？ 假设试验汇总了数据，这样您可检测到不同组之间的差别。 假设试验用于在两个组或更多组之间进行比较。 为什么使用假设试验？ 发现对于经营业务具有重要意义的差别。 何时使用假设试验 当您需要比较两个组或更多组的以下因素时 平均值 可变性 比例 当您无法确定是否存在真正的差别时 如何使用假设试验 确定适合于您的数据和问题的检验类型 在 Minitab 中合适安排数据 从 Statistics 选项菜单选择适当的检验 从 Minitab 输出获得 p 值；如果 p .05，则宣称统计上有重大的差异 比较两组平均值： t 试验 t 试验：比较两组平均值的统计检验 使用称为 t 试验（使用 Minitab）的统计检验来判断两组平均值之间的差异。  t 分布： 比 Z 分布有更大的变化（因此尾部有不同的面积，这表示不同的 P 值）。 其变化范围取决于自由度 (df)。 我们不详细解释 df；可把它看作是估计这两组的平均值和标准偏差之后样本中残留的信息量。 是适当的，因为我们估计了平均值和变化（并经过统计理论证实）。 使用 Minitab：比较两组的 t 试验 数据： C:\ProcEx\Hypo_Mod\Research.MTW 1. 打开 Minitab 作业表。它包含使用标准方法的 100 个生长周期和使用新方法的 50 个生长周期的时间。 2. 按方法绘制研究时间的分层点图： Graph Dotplot （选择 ‘Std’ 和 ‘New’ 作为变量） （选择 “each column constitutes a group”） 使用 Minitab：比较两组的 t 试验（续） 使用 Minitab：比较两组的 t 试验（续） 使用 Minitab：比较两组的 t 试验（续） 结论 因为 P 值很小 ( .05)，因此可得出结论：这两种方法的平均研究时间有统计上重大的差异。（或者这两种方法的平均研究时间不同。） 注意：P 值不是先前报告的 .0007，因为使用 t 分布比正态分布更适当。 解释置信区间 95% 置信区间是应包含这两组平均值之间的真实差异的值的范围。 它基于平均值的差异分布，而不是个别观测数据之间的差异。 它不表示我们希望的个别生长周期之间的差异值的范围；该范围应该更宽。 如果组平均值之间没有显著差异，置信区间将包含 0 （即范围从负数 [–] 到正数 [+]）。 解释置信区间（续） 示例 哪一组较快？因为 (AveSTD – AveNEW) 是正数，标准方法时间较长，而新方法时间较短（较快）。 快多少？我们有 95% 把握认为新方法平均要比标准方法快大约 .35 小时到 1.49 小时。 t 试验总结：比较两个平均值 t 试验 是比较两个平均值的假设试验。 假设两组平均值相同。 它们的差 = 0 如果 P 值很小，则拒绝该假设。 按照惯例，如果 P 值 .05 则被视为小值 常用符号 虚（无效）假设 H0: meanA = meanB t 试验总结：比较两个平均值（续） 步骤 1. 使用 Minitab 计算数据的 t 统计值并提供 P 值。 2. 如果 P .05，拒绝虚