統計的有意性やあ、
私が持っている情報は次のとおりです。
2 つのデータセットから故障率 (FR) を取得しました。 実験セットでは 2500 サンプル中 4 件の不合格 (FR: 0.16%) があり、対照セットでは 35000 サンプル中 34 件の不合格 (FR: 0.097%) があります。 サンプルサイズに大きな違いがあるため、JMP がこれら 2 つの FR が統計的に類似しているか異なるかを判断するのに役立つ方法はありますか?
ありがとう。
ラヴィ
Re: 統計的有意性確かに、これらの計算ツールは、要約された統計を基に作業する場合に役立ちます。 とはいえ、これらは主に教室での使用を目的としており、通常はネイティブ JMP プラットフォームを使用することでより多くの価値が得られます。Re: 統計的有意性ありがとうイアン。
ラヴィ
Re: 統計的有意性ありがとうジュリアン。 実に役に立ちました。
「2 つの比率の仮説検定」も使用できますか?
ラヴィ
Re: 統計的有意性うまくいきましたRe: 統計的有意性理解に役立つかどうかはわかりませんが、シミュレーションを通じて pValue を直接取得する JSL をいくつか示します。
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)));Re: 統計的有意性やあ@RaviK 、
これにアプローチする方法はいくつかありますが、おそらく最も簡単なのは、偶発性分析の一種である独立性のカイ二乗検定です。 このテストが適切なのは、2 つのカテゴリ変数、グループ化変数、およびカテゴリカル結果 (成功または失敗) があり、2 つのグループのカテゴリカル結果の観察された割合が、プロセスが生成している証拠を提供するかどうかに興味があるためです。結果はグループ間で異なります。このテストは、[分析] > [Y by X に適合] を使用して取得できます。 ただし、その前に、特定の方法でデータを入力する必要があります (添付も必要です)。
私がやったことは、あなたが提供した数字を取得して列を作成したことですグループ、結果、 とN 、それぞれの観測値の数。 成功の数については、あなたが指定した合計から失敗を差し引いたものを単純に計算しました。 次に、「分析」>「Y を X でフィット」を実行します。
ここでキャストしました結果Yの役割では、グループXに、そしてN Freq、つまり発生頻度として。 [OK] をクリックすると、以下の出力が表示されます (観察された失敗の頻度が非常に低く、プロットが役に立たないため、モザイク プロットは非表示にしました)。 
対象となる p 値は尤度比、またはピアソン (独立性の古典的なカイ 2 乗検定) です。どちらも約 p = ~0.30 であり、実験グループと対照グループのプロセスに真の差異がないことを示しています。の場合、これらのサンプル データで観察された障害の割合の差 (またはより極端な差) は、同じサイズのサンプルを採取した場合に約 30% の確率で発生します。 言い換えれば、これらのセットに真の違いがあるという説得力のある証拠はありません。失敗の割合に大きな違いがあるように見えることを考えると、これは驚くべきことかもしれません。しかし、全体的に失敗数が少ないことを考えると、この規模以上の割合の差を単に偶然に観察することは比較的簡単です (これが、この統計的有意性検定が直接的に示していることです)。
これがお役に立てば幸いです!
@ジュリアン
