在我们的免费在线课程中了解更多信息：
工业问题解决的统计思维
在本视频中，我们使用 Power 动画来探索使用文件的单样本 t 检验的样本大小和功效之间的关系直径测试.jmp .
首先，我们对 Diameter 进行单样本 t 检验。 为此，我们使用分析菜单中的分布平台。 我们选择直径作为 Y 列，然后单击确定。
然后我们从红色三角形中选择检验均值进行分析。
我们将检验平均直径为 16.12 毫米的零假设与平均值不是 16.12 的替代假设。
双尾检验的 p 值为 0.0036。 我们可以拒绝真实平均值为 16.12 的原假设。
为了探索这个测试的力量，我们使用了力量动画。 为此，我们从测试均值的红色三角形中选择 Power Animation。
估计均值和真实均值设置为样本均值 16.1406。
红色曲线代表零假设下样本均值的分布。 蓝色曲线是在估计均值代表真实均值的假设下的抽样分布。
每个尾部的红色阴影表示 alpha，即显着性水平，蓝色阴影表示 beta，即假阴性率。
估计值和假设值之间的差异为 0.0206 毫米。 此检验的功效（1 减去 beta）为 0.85。 这个检验可以很容易地检测出估计的平均值和假设值之间的差异。
如果我们只有 20 个观察而不是 50 个呢？ 检测这种差异的测试能力大幅下降。
我们将样本大小设置回 50。
如果手段更接近怎么办？ 我们可以拖动假设均值的曲线来增加或减小均值之间的差异。 当我们减小差异时，请注意，当我们将均值移近彼此时，检验的功效会降低。
均值之间的差异越小，检验检测差异的能力就越小。
