Hallo zusammen
Ich arbeite mit Daten aus einigen Pass-Fail-Tests, bei denen ein Leistungsunterschied für einige nach links und rechts gruppierte Proben beobachtet wurde. Ich versuche zu analysieren, ob dies ein echter Unterschied oder eher eine Variation aufgrund statistischer Varianz ist. Ich tue dies, indem ich das Kontingenzanalyse-Framework (Fit X by Y) in JMP verwende.
Das Problem ist, dass ich von den Ergebnissen, die unten gezeigt werden, etwas verwirrt bin. Unter Annahme einer Konfidenz von 95 % zeigt der Chi-Quadrat-Test, dass das Verhältnis von bestandenen und nicht bestandenen Geräten nicht davon abhängig zu sein scheint, ob es sich um linke oder rechte Proben handelt.
Wenn ich nun auch einen Zweistichprobentest für Proportionen durchführe, um zu testen, ob die Wahrscheinlichkeit, dass die Stichproben auf der rechten Seite nicht erfolgreich sind, kleiner oder gleich der Anzahl der Prüfungen auf der linken Seite ist, finde ich, dass ich diese Hypothese ablehnen kann, was bedeutet, dass sie für rechts gilt Seitenproben sind höher.
Ich weiß, dass diese beiden Tests verschiedene Arten von Hypothesen testen, aber mir scheint, dass diese Schlussfolgerungen sich widersprechen.
Wenn ich mir den Zweistichprobentest anschaue, finde ich schließlich, dass das Konfidenzintervall für die Differenz P(pass|right)-P(pass|left) von -0,7% bis 9,4% reicht, was für mich überraschenderweise der Schlussfolgerung zu widersprechen scheint, die für gezogen wurde den zwei Beispieltest gerade oben. Sollten nicht alle Werte in diesem Intervall größer oder gleich Null sein?
Alle Kommentare und Vorschläge sind willkommen, um mir zu helfen, all diese großartigen Tools zu verstehen. 
Der Test mit zwei Stichproben zeigt ein Konfidenzintervall, das Null enthält. Dies stimmt mit dem Hypothesentest überein, da es sich um den zweiseitigen Test handelt, mit dem Sie ihn vergleichen möchten.In beiden Fällen können Sie die Gleichheitshypothese bei einem Vertrauensniveau von 5 % nicht ablehnen.Der Unterschied zwischen den Chi-Quadrat-Ergebnissen und dem Wald-Test erfordert jemanden mit tieferen statistischen Kenntnissen als ich.Aber ich werde anmerken, dass die Zahlen sich nicht so stark unterscheiden, und ich möchte auch darauf hinweisen, dass der Chi-Quadrat-Test eine Reihe alternativer Ergebnisse liefert (wiederum, die tiefere Kenntnisse erfordern als meine, um die Unterschiede zu erklären).Ich würde keine identischen numerischen Ergebnisse erwarten, aber ich sehe, dass sie qualitativ ziemlich ähnlich sind.
Danke Dale.
Aber würden Sie sagen, dass es richtig ist, aufgrund der dann gezeigten Ergebnisse zu schlussfolgern, dass die Geräte des Typs auf der linken Seite wesentlich fehleranfälliger sind?
Nach dieser Logik:
HA: P(Pass|Rechts) - P(Pass|Links) > 0
H0: P(Pass|Rechts) - P(Pass|Links) ≤ 0
Bedeutung: 0,0455
Bei einem Konfidenzniveau von 95% können wir die Null verwerfen und die Alternativhypothese akzeptieren, dass es wahrscheinlicher ist, dass a rechts geben Sie das Gerät ein passieren als ein Gerät vom linken Typ. Umgekehrt ist es wahrscheinlicher für a links geben Sie das Gerät ein Scheitern als ein Gerät des richtigen Typs
