使用假設檢驗做出明智的決策
請參閱如何：
- 了解原假設和備擇假設（我們要研究的兩個條件）之間的差異
- 虛無假設 - 通常是現狀，例如 這兩個樣本的總體平均值沒有差異
- 另類假設 - 零的補充，例如 人口平均值存在差異
- 我們也可以插入大於（或小於）而不是無差異
- 接受備擇假設就是拒絕（或反駁）原假設
- 在執行測試時，我們尋找替代假設在我們置信水準內的證據，我們可以反駁（或反駁）原假設
- 注意：如果我們不拒絕 Alt，並不意味著 Null 為真，也許我們沒有收集足夠的數據來接受它。
- 置信水平是假設涉及的確定性水平
- 所需的置信度取決於
- 通常，可接受的決策信賴度為 95%。
- 也許如果您正在考慮生死攸關的決定，您需要對結果有 99.9% 的信心
- 95% 置信度意味著如果您執行統計測試 100 次，您應該有 95 次是正確的
- Alpha 值為 1 - 信賴度/100
- 比較和解釋平均值的置信區間
- 將平均值與目標值進行比較
- 分析>分佈，然後從紅色三角形測試均值
- 解釋分位數、總統計、經濟狀況調查
- 比較兩個平均值
- 分析>分佈，然後從紅色三角形進行 t 檢驗
- 解釋 t 檢驗
- 比較兩種以上的平均值
- 分析>分佈，然後使用紅色三角形的平均值/變異數分析
- 執行單因子分析 (ANOVA)
- 解釋一個變異數分析的擬合、R 方、變異數分析和平均值的摘要
- 等價假設檢定 – 使用是因為當樣本平均數沒有不同時，我們仍然無法得出總體平均數相同的結論
- 替代假設是總體平均值在某個指定範圍內相同
- 零假設是總體平均數在邊際內可能不相同。
- 總體平均值的差異超出等價區間
- 採用雙面 t 檢定 (TOST)
註：問答時間大約從 20:05 開始。
如果您對 Jerry 有疑問，請輸入@傑瑞魚在你的評論中。
資源
Compare Mean to Target ValueCompare Mean to Target Value比較平均值與目標值
基礎資料分析與建模回覆：使用假設檢定做出明智的決策你好@傑瑞魚,
如何估計等價檢定的等價裕度？
我有一家製造商想要將零件的製造擴展到新工廠，我想證明移動前和移動後的流程是等效的。
我最初的想法是使用移動前數據並導出標準偏差的 90% 置信區間，並使用此範圍內的值作為我的裕度。 但是 0.00488-0.007577 之間的值似乎太小而無法進行這項研究？
有什麼建議麼？
謝謝
尼哈
回覆：使用假設檢定做出明智的決策你好@卡洛加西亞！是的，如果您可以假設樣本之間的變異數相等，則合併 t 檢定將是更好的選擇。
如您所注意到的，預設情況下 JMP 假定變異數不相等。這會導致比合併變異數更寬的置信區間（除其他外），因此它是比合併 t 檢定更保守的評估。
但是，當您啟動紅色三角形中的「平均值/變異數分析/合併 t」時，結果確實會合併。
當然，正如您所指出的，您需要確信兩組變異數沒有不同，並且您可以透過紅色三角形「不等方差」選項來獲得這一點。
感謝您的評論！
回覆：使用假設檢定做出明智的決策@傑瑞魚，欣賞您為假設檢定提供的幻燈片和講座。
我的一個問題是 JMP 上的 t 檢定假設我們有不等方差：
如果我們的樣本具有相同的變異數，例如男性和女性樣本，該怎麼辦？
合併 t 檢定是否是更好的選擇？
謝謝。
