六西格玛管理学习---假设检验
作者: 来源: 文字大小:[大][中][小]
假设检验用于确定所观测的差异是确实存在，还是偶然产生的。我们可以量化确实存在差异的置信程度。如果确实存在显著差异,则说明X是关键少数的变量.
重点就是原假设H0和备择假设H1,两者是完全对立的两种假设。另外两个概念就是显著性差异，一般是根据p值来确定。
显著性差异(Significant Difference)：用于描述统计假设检验结果的术语，即：差异大得不能合理地归因于偶然因素。
P-value是原假设H0真实的结论时，我们观察到样本的值有多大的概率，简称P值。如果此值小，就下原假设为不真实的结论。统计学上称为小概率事件，即样本不是从原假设的分布中抽出的。一般P值大于α，则无法拒绝原假设，相反，P值小于α，则拒绝原假设。
p<0.05 - 可以拒绝相等的原假设，说明两者是不等的，即有显著性差异
p>0.05 - 不能拒绝相等的原假设，即需要接受相等的原假设，说明两者没有显著性差异
1.均值的检验
对于单个正态总体均值的检验主要有Z检验和1 Sample T检验。
Z检验 - 对于样本数较大，而且方差已知的情况下采用
1 Sample T - 对于样本数较少，而且方差未知的情况下采用
对于两个独立正态总体均值的校验主要有2 Sample T检验和Z检验
Z检验 - 对于两总体方差都已知的情况下使用,对于方差不等但大样本情况也可使用
2 Sample T - 对于两总体方差相等，但未知的情况。
Pair T检验 - 对成对数据比较平均的差异后确认是否有显著性差异时使用。对同一个体，测量两次后比较时使用
方差分析 - 适合对超过两个的总体正态分布的均值是否相等进行检验。可以分析因子间的相互作用
2.方差的检验
方差的检验主要有卡方检验和F检验
卡方(X2)检验-是判断单个正态总体的方差是否有显著差异
F检验-是判断两个正态分布的总体方差是否存在显著差异，也叫方差齐次检验
3.比率的检验
主要用于离散变量,分析一个或多个总体的比率是否是一致的.
1 Proportion - 单个总体的比率检验
2 Proportion - 比较两个比率的差，决定统计上是否显著性差异时使用。
Chi-Square Test 多个总体的比率检验
1P的例子
某公司的来料缺陷率为5%,现在想确认下某个供应商的来料缺陷是否高于这个水平,对供应商来料进行抽样,抽取300个样本发现了15个缺陷.
H0:p<=0.05 H1:P>0.05
MiniTab值:Number of Trail=300;Number of Event=15;Alternative:Greater than;proportion:0.05
2P的例子:比较Java语言的项目的缺陷率和.Net语言的项目的缺陷率是否有显著差异.