比例显着的两个样本检验但不显着卡方大家好
我正在处理来自一些通过-失败测试的数据，其中观察到一些分为左右的样本的性能差异。 我正在尝试分析这是真正的差异还是由于统计差异而导致的变化。 我是通过使用 JMP 中的应急分析（Fit X by Y）框架来实现的。
问题是我对结果有些困惑，如下所示。 假设置信度为 95%，卡方检验表明通过和失败设备的比率似乎不依赖于它们是左样本还是右样本。
现在，如果我还对比例进行了两个样本测试来测试右侧样本的通过概率是否低于或等于左侧通过的次数，我发现我可以拒绝这个假设，这意味着通过右侧样本侧面样品更高。
我知道这两个测试测试不同类型的假设，但在我看来，这些结论相互矛盾。
最后，查看两个样本测试，我发现差异 P(pass|right)-P(pass|left) 的置信区间从 -0.7% 到 9.4%，令我惊讶的是，这似乎与得出的结论相矛盾上面的两个样本测试。 这个区间中的所有值不应该大于或等于零吗？
欢迎所有意见和建议，以帮助我了解所有这些很棒的工具。 
分析视窗回复：重要的两个样本比例检验但不重要的卡方两个样本检验显示一个包含零的置信区间 - 这与假设检验一致，因为它是您要与之比较的两侧检验。在这两种情况下，在 5% 的置信水平下，您都不能拒绝平等假设。卡方结果和 Wald 检验之间的差异将需要比我拥有更深入统计知识的人。但我会注意到，这些数字差别不大，我还要注意卡方检验有许多替代结果（同样，这需要比我更深入的知识来解释差异）。我不期望相同的数值结果，但我发现它们在质量上非常相似。
回复：重要的两个样本比例检验但不重要的卡方谢谢戴尔。
但是，您会说根据当时显示的结果得出左侧类型设备明显更容易发生故障的结论是正确的吗？
按照这个逻辑：
HA：P（通过|右） - P（通过|左）> 0
H0：P（通过|右） - P（通过|左）≤ 0
意义：0.0455
给定 95% 的置信水平，我们可以拒绝零并接受备择假设，即更有可能对键入设备经过比左型设备。 反之亦然剩下键入设备失败比正确类型的设备
