显着性双样本检验比例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，在这些测试中，观察到一些分组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方差造成的变化。 我通过使用 JMP 中的列联分析（Fit X by Y）框架来做到这一点。
问题是我对结果有点困惑，如下所示。 假设置信度为 95%，卡方检验显示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，如果我还对比例执行双样本测试以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，这意味着右侧通过侧面样品更高。
我知道这两个测试测试了不同类型的假设，但在我看来，这些结论相互矛盾。
最后，查看两个样本测试，我发现对于差异 P(pass|right)-P(pass|left)，置信区间从 -0.7% 到 9.4%，这让我感到惊讶，这似乎与得出的结论相矛盾上面的两个样本测试。 这个区间内的所有值不应该大于或等于零吗？
欢迎所有意见和建议，以帮助我理解所有这些伟大的工具。 
分析视窗回复：显着的比例双样本检验但不显着的卡方检验这是一个技术上正确的结论，但我更愿意避免二分法思维。不确定性往往会消失——我认为置信区间更有用，因为它显示了来自这个特定样本的结论的不确定性。此外，虽然我们通常对差异的方向更感兴趣（而不是测试差异是否实际上为零），但传统的做法是查看双侧假设检验（如果您必须进行检验）。在这种情况下，结果看起来相当微不足道，如果不更清楚地说明潜在错误（类型 1 和类型 2 错误）所涉及的成本，我不会根据这些结果做出任何真正的决定。
回复：显着的比例双样本检验但不显着的卡方检验谢谢戴尔。
但是你会说根据当时显示的结果得出左侧类型设备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
显着性：0.0455
给定 95% 的置信水平，我们可以拒绝原假设并接受替代假设，即更有可能正确的键入设备经过比左式设备。 反之亦然，它更有可能剩下键入设备失败比正确的类型设备
回复：显着的比例双样本检验但不显着的卡方检验两个样本检验显示包含零的置信区间 - 这与假设检验一致，因为它是您要与之比较的双边检验。在这两种情况下，根据 5% 的置信度，您不能拒绝相等假设。卡方结果和 Wald 检验之间的差异需要比我有更深统计知识的人。但我会注意到数字相差不大，而且我还会注意到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）。我不希望得到相同的数值结果，但我发现它们在质量上非常相似。
