使用假设检验做出明智的决策
请参阅如何：
- 了解原假设和备择假设（我们要研究的两个条件）之间的区别
- 零假设 - 通常是现状，例如 这两个样本的总体平均值没有差异
- 另类假设 - 零的补充，例如 人口平均值存在差异
- 我们还可以插入大于（或小于）而不是无差异
- 接受备择假设就是拒绝（或反驳）原假设
- 运行测试时，我们寻找替代假设在我们置信水平内的证据，并且我们可以反驳（或反驳）原假设
- 注意：如果我们不拒绝 Alt，并不意味着 Null 为真，也许我们没有收集足够的数据来接受它。
- 置信水平是假设涉及的确定性水平
- 所需的置信度取决于
- 通常，可接受的决策置信度为 95%。
- 也许如果您正在考虑生死攸关的决定，您需要对结果有 99.9% 的信心
- 95% 置信度意味着如果您运行统计测试 100 次，您应该有 95 次是正确的
- Alpha 值为 1 - 置信度/100
- 比较和解释平均值的置信区间
- 将平均值与目标值进行比较
- 分析>分布，然后从红色三角形测试均值
- 解释分位数、汇总统计、经济情况调查
- 比较两个平均值
- 分析>分布，然后从红色三角形进行 t 检验
- 解释 t 检验
- 比较两种以上的平均值
- 分析>分布，然后使用红色三角形的均值/方差分析
- 运行单因素分析 (ANOVA)
- 解释一个方差分析的拟合、R 方、方差分析和平均值的摘要
- 等价假设检验 – 使用是因为当样本均值没有不同时，我们仍然无法得出总体均值相同的结论
- 替代假设是总体均值在某个指定范围内相同
- 零假设是总体均值在边际内可能不相同。
- 总体平均值的差异超出等价区间
- 采用双面 t 检验 (TOST)
注：问答时间大约从 20:05 开始。
如果您对 Jerry 有疑问，请输入@杰瑞鱼在你的评论中。
资源
Compare Mean to Target ValueCompare Mean to Target Value比较平均值与目标值
基础数据分析和建模回复：使用假设检验做出明智的决策你好@杰瑞鱼,
如何估计等价检验的等价裕度？
我有一家制造商想要将零件的制造扩展到新工厂，并且我想证明移动前和移动后的流程是等效的。
我最初的想法是使用移动前数据并导出标准偏差的 90% 置信区间，并使用此范围内的值作为我的裕度。 但是 0.00488-0.007577 之间的值似乎太小而无法进行这项研究？
有什么建议么？
谢谢
尼哈
回复：使用假设检验做出明智的决策你好@卡洛加西亚！是的，如果您可以假设样本之间的方差相等，则合并 t 检验将是更好的选择。
正如您所注意到的，默认情况下 JMP 假定方差不相等。这会导致比合并方差更宽的置信区间（除其他外），因此它是比合并 t 检验更保守的评估。
但是，当您激活红色三角形中的“均值/方差分析/合并 t”时，结果确实会合并。
当然，正如您所指出的，您需要确信两组方差没有不同，并且您可以通过红色三角形“不等方差”选项来获得这一点。
感谢您的评论！
回复：使用假设检验做出明智的决策@杰瑞鱼，欣赏您为假设检验提供的幻灯片和讲座。
我的一个问题是 JMP 上的 t 检验假设我们有不等方差：
如果我们的样本具有相同的方差，例如男性和女性样本，该怎么办？
合并 t 检验是否是更好的选择？
谢谢。
