한 나무 손잡이 회사의 품질 엔지니어가 빗자루 손잡이의 랜덤 표본에 대한 강도를 검사합니다. 엔지니어는 각 손잡이를 부러뜨리는 데 필요한 힘을 기록합니다. 엔지니어는 데이터 그래프를 생성하며 표본의 값 중 하나가 비정상적으로 작다는 것을 알았습니다.

엔지니어는 최소값이 특이치인지 여부를 확인하기 위해 특이치 검정을 수행합니다.

  1. 표본 데이터 핸들강도.MTW를 엽니다.
  2. 통계분석 > 기초 통계 > 특이치 검정을 선택합니다.
  3. 변수파괴강도을 입력합니다.
  4. 옵션을 클릭합니다.
  5. 무엇을 결정하시겠습니까?(대립 가설)에서 가장 작은 데이터 값이 특이치을 선택합니다.
  6. 각 대화 상자에서 확인을 클릭합니다.

결과 해석

표본의 평균은 123.4입니다. G 통계량은 가장 작은 값 12.38이 평균보다 2.4 표준 편차가 작다는 것을 나타냅니다. p-값은 모든 값이 실제로 동일한 정규 분포 모집단에서 추출된 경우 이렇게 작은 최소값을 얻을 확률이 0.044에 지나지 않는다는 것을 나타냅니다. p-값이 0.044로, 유의 수준(α 또는 알파로 표시됨) 0.05보다 작기 때문에 엔지니어는 귀무 가설을 기각하고 가장 작은 값이 특이치라는 결론을 내립니다.

엔지니어는 조사 결과 데이터를 입력한 사람이 123.8 대신 12.38로 잘못 입력했다는 것을 발견했습니다.

특이치 검정: 파괴강도

방법 귀무 가설 모든 데이터 값이 동일한 정규 모집단에서 추출됩니다. 대립 가설 가장 작은 데이터 값이 특이치 유의 수준 α = 0.05
Grubbs의 검정 표준 변수 N 평균 편차 최소값 최대값 G P 파괴강도 14 123.4 46.3 12.4 193.1 2.40 0.044
특이치 변수 행 특이치 파괴강도 10 12.38
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오