統計學意義你好，
我僅有以下信息：
我有兩組數據的故障率 (FR)。 實驗集在 2500 個樣本中有 4 個失敗（FR：0.16％），而控制集在 35000 個樣本中有 34 個失敗（FR：0.097％）。 由於樣本量差異如此之大，JMP 是否可以通過某種方式幫助確定這兩個 FR 在統計上是否相似或不同？
謝謝。
拉維
回复：統計意義當然，這些計算器在處理匯總統計數據時非常有用。 也就是說，我們主要將它們用於課堂使用，並且您通常會通過使用本機 JMP 平台獲得更多價值。回复：統計意義謝謝伊恩。
拉維
回复：統計意義謝謝朱利安。 這確實很有用。
我還可以使用“兩個比例的假設檢驗”嗎？
拉維
回复：統計意義做得很好回复：統計意義不知道是否有助於理解，但是這裡有一些直接通過模擬獲取pValue的JSL：
NamesDefaultToHere(1);
n1 = 2500; // Size of sample one
nf1 = 4; // Number of failures in sample one
n2 = 35000; // Size of sample two
nf2 = 34; // Number of failures in sample two
n = n1 + n2;
nf = nf1 + nf2;
nSim = 10000; // Number of simulations
np1 = J(nSim, 1, .); // Vector to hold the number of passes counted in sample one
// Randomly allocate nf failures to n units
for(s=1, s<=nSim, s++,
result$ = J(n, 1, 1); // All n units pass initially
result$[randomIndex(n, nf)] = 0; // Simulate nf failures at random
np1$ = VSum(result$[1::n1]); // Count the nummber of passes in sample one
np1[s] = np1$; // Store this result
);
// Now evaluate how extreme the observed number of passes, (n1 - nf1), is in relation to the
// reference distribution constructed under the null hypothesis of random allocation of
// failures to samples
np1Observed = n1 - nf1;
pValue = NRow(Loc(np1 <= np1Observed)) / nSim;
Print("Estimated pValue is "||Char(Round(pValue, 3)));回复：統計意義你好@拉維克,
有幾種方法可以解決這個問題，但最直接的也許是卡方獨立性檢驗，這是一種應急分析。 此測試是合適的，因為您擁有兩個分類變量、一個分組變量和一個分類結果（成功或失敗），並且您感興趣的是觀察到的兩個組的分類結果的比例是否提供證據表明該過程生成各組的結果不同。您可以使用“分析”>“用 X 擬合 Y”來獲得此檢驗。 但首先，您首先需要以特定方式輸入數據（另附）：
我所做的就是獲取您提供給我的數字並為其製作列團體,結果， 和氮，每個觀測值的數量。 對於成功的數量，我只是將您給出的總數減去失敗的數量。 接下來，我們運行“分析”>“用 X 擬合 Y”：
這裡我已經投了結果在Y角色中，團體到 X，並且氮作為Freq，或發生頻率。 當我們點擊“確定”時，我們得到下面的輸出（我隱藏了馬賽克圖，因為您觀察到的失敗頻率非常低，以至於該圖沒有幫助）。 
我們感興趣的 p 值是似然比或皮爾遜（經典卡方獨立性檢驗），兩者都在 p = ~0.30 左右，表明實驗組和對照組過程中是否沒有任何真正的差異，您在這些樣本數據中觀察到的故障比例差異（或更極端的差異）在對您所擁有的大小進行抽樣時，大約有 30% 的時間會發生。 換句話說，沒有非常令人信服的證據表明這些集合之間存在真正的差異。考慮到失敗比例的巨大差異，這可能會令人驚訝；但是，考慮到總體故障數較低，很容易偶然觀察到這種程度或更大的比例差異（這就是統計顯著性檢驗直接告訴我們的）。
我希望這有幫助！
@朱利安
