在我們的免費在線課程中了解更多信息：
工業問題解決的統計思維
在本視頻中，您將學習如何使用該文件進行單樣本 t 檢驗直徑測試.jmp . 該數據集包含 50 個隨機選擇的零件的直徑測量值。
首先，我們對 Diameter 進行分佈分析。 為此，我們使用分析菜單中的分佈平台。 我們選擇直徑作為 Y 列，然後單擊確定。
為了進行單樣本 t 檢驗，我們從紅色三角形中選擇檢驗均值進行分析。
對於此示例，假設我們正在測試平均直徑為 16.15 毫米的原假設與平均值不是 16.15 的替代假設。
我們輸入 16.15 作為假設值。
還有兩個其他選項可用。 如果您知道真正的標準偏差，您可以在提供的字段中輸入它。 如果您這樣做，JMP 將執行 az test 而不是 at test。 對於此示例，我們不知道真實的總體標準差，因此我們將此字段留空。
您還可以請求非參數檢驗，稱為 Wilcoxon 符號秩檢驗。 有關何時使用此檢驗和其他非參數檢驗的更多信息，請參閱 JMP 幫助文件。
我們將單擊“確定”運行 t 檢驗。
檢驗統計量，即 t 比率，為 -1.3973。 樣本均值 16.1406 比假設均值低大約 1.4 個標準誤。
雙尾檢驗的 p 值為 0.1686。
該 p 值和觀察到的樣本平均值顯示在分析底部的圖表中。 JMP 理念是“每個分析的圖表”。 因此，當您在 JMP 中進行統計測試時，您通常會看到諸如此曲線之類的圖表，以幫助您解釋測試結果。
根據圖表和統計結果，如果我們使用 0.05 的顯著性水平，我們不會拒絕真實平均值為 16.15 的原假設。 樣本均值與假設值一致。
如果我們有不同的零假設怎麼辦？ 例如，如果空假設值為 16.12 而不是 16.15，該怎麼辦？
該檢驗的 t 比為 3.06。 樣本均值比假設值高三個以上標準誤。 鑑於我們的樣本量，如果真實平均值為 16.12，我們不太可能觀察到 16.14 的樣本平均值。
雙尾檢驗的 p 值為 0.0036。 在 0.05 的顯著性水平上，我們拒絕原假設並得出真實均值不是 16.12 的結論。
如果您想要執行單尾測試而不是執行雙尾測試怎麼辦？
自動報告雙尾檢驗和兩個單尾檢驗的 p 值。
對於均值大於 16.12 的備擇假設，p 值為 0.0018，均值小於 16.12 的備擇假設的 p 值為 0.9982。
您使用的 p 值取決於您正在測試的備擇假設。
