比例顯著的兩個樣本檢驗但不顯著卡方大家好
我正在處理來自一些通過-失敗測試的數據，其中觀察到一些分為左右的樣本的性能差異。 我正在嘗試分析這是真正的差異還是由於統計差異而導致的變化。 我是通過使用 JMP 中的應急分析（Fit X by Y）框架來實現的。
問題是我對結果有些困惑，如下所示。 假設置信度為 95%，卡方檢驗表明通過和失敗設備的比率似乎不依賴於它們是左樣本還是右樣本。
現在，如果我還對比例進行了兩個樣本測試來測試右側樣本的通過概率是否低於或等於左側通過的次數，我發現我可以拒絕這個假設，這意味著通過右側樣本側面樣品更高。
我知道這兩個測試測試不同類型的假設，但在我看來，這些結論相互矛盾。
最後，查看兩個樣本測試，我發現差異 P(pass|right)-P(pass|left) 的置信區間從 -0.7% 到 9.4%，令我驚訝的是，這似乎與得出的結論相矛盾上面的兩個樣本測試。 這個區間中的所有值不應該大於或等於零嗎？
歡迎所有意見和建議，以幫助我了解所有這些很棒的工具。 
分析視窗回复：重要的兩個樣本比例檢驗但不重要的卡方兩個樣本檢驗顯示一個包含零的置信區間 - 這與假設檢驗一致，因為它是您要與之比較的兩側檢驗。在這兩種情況下，在 5% 的置信水平下，您都不能拒絕平等假設。卡方結果和 Wald 檢驗之間的差異將需要比我擁有更深入統計知識的人。但我會注意到，這些數字差別不大，而且我還要注意卡方檢驗有許多替代結果（同樣，這需要比我更深入的知識來解釋差異）。我不期望相同的數值結果，但我發現它們在質量上非常相似。
回复：重要的兩個樣本比例檢驗但不重要的卡方謝謝戴爾。
但是，您會說根據當時顯示的結果得出左側類型設備明顯更容易發生故障的結論是正確的嗎？
按照這個邏輯：
HA：P（通過|右） - P（通過|左）> 0
H0：P（通過|右） - P（通過|左）≤ 0
意義：0.0455
給定 95% 的置信水平，我們可以拒絕零並接受備擇假設，即更有可能對鍵入設備經過比左型設備。 反之亦然剩下鍵入設備失敗比正確類型的設備
