选择 双样本 Poisson 率的功效和样本数量 的分析选项

统计 > 功效和样本数量 > 双样本 Poisson 率 > 选项

选择备择假设,指定检验的显著性水平,或者指定观测值长度。

备择假设

备择假设中,选择要检验的假设:
  • 小于 (R1 < R2)使用此单侧检验确定一个总体率是否小于另一个总体率。虽然此单侧检验比双侧检验的功效更高,但是它无法检测一个总体率是否大于另一个总体率。如果您选择此选项,则为比较率(R1)输入的值必须小于为双样本 Poisson 率的功效和样本数量对话框上的基线率(R2)输入的值。

    例如,一位分析师使用此单侧检验确定两台复印机每年维修次数的差值是否小于 0。虽然此单侧检验在检测维修次数差值是否小于 0 方面具有更高的功效,但是它无法检测差值是否大于 0。

  • 不等于(R1 ≠ R2)使用此双侧检验确定两个总体率是否相等。虽然此双侧检验可以检测一个总体率是小于还是大于另一个总体率,但是它比单侧检验的功效要低。

    例如,一位质量分析师要检验两家呼叫中心的每日呼叫数是否不同。因为呼叫数的任何差异都很重要,所以该分析师使用此双侧检验确定一家呼叫中心的呼叫率是大于还是小于另一家呼叫中心的呼叫率。

  • 大于(R1 > R2)使用此单侧检验确定一个总体率是否大于另一个总体率。虽然此单侧检验比双侧检验的功效更高,但是它无法检测一个总体率是否小于另一个总体率。如果您选择此选项,则为比较率(R1)输入的值必须大于为双样本 Poisson 率的功效和样本数量对话框上的基线率(R2)输入的值。

    例如,一位技术员使用此单侧检验确定两台灌装机的速度均值之差是否大于 0 秒/盒。虽然此单侧检验在检测速度差值是否大于 0 方面具有更高的功效,但是它无法检测差值是否小于 0。

有关选择单侧或双侧备择假设的更多信息,请转到关于原假设和备择假设

显著性水平

使用显著性水平可以在原假设 (H0) 为真时最小化检验的功效值。显著性水平越高,检验功效越大,犯 I 型错误(否定原本为真的原假设)的概率越大。

通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 指示在实际上不存在差异时得出存在差异的风险为 5%。它还指示在没有差异时,检验的功效为 0.05。
  • 选择较高的显著性水平(如 0.10),则更加确信能够检测到任何可能存在的差异。例如,质量工程师对新滚珠轴承的稳定性与当前轴承的稳定性进行比较。该工程师必须十分确信新滚珠轴承非常稳定,因为不稳定的滚珠轴承可能会带来灾难。因此,他选择显著性水平 0.10,以便更加确信能够检测到与滚珠轴承稳定性方面有关的任何可能的差异。
  • 选择较低的显著性水平(如 0.01),则更加确信将仅检测实际存在的差异。例如,制药公司的科学家必须十分确信有关公司的新药品能够显著减轻症状的声明是正确的。该科学家选择显著性水平 0.01,以便更加确信有关症状的任何显著差异的确存在。

观测值(时间、项目、面积、体积等)的“长度”

输入一个值以将样本的发生率分成更有用的形式(样本的发生率 ÷ 观测值长度)。
  • 当两个样本使用相同的单位时,输入 1 个值可转换这两个样本。
  • 当两个样本使用不同的单位时,输入 2 个值可将这些单位转换为相同的单位。
例如,第一个样本表示每季度的缺陷数,第二个样本表示每月的缺陷数。要将这两个样本转换为每月的缺陷数,请输入 3 1。Minitab 会将每季度的缺陷率除以 3 以将它转换为每月的缺陷率。Minitab 将每月的缺陷率除以 1,这不会更改缺陷率。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策