数据注意事项均值分析

为了确保结果有效，请在收集数据、执行分析和解释结果时考虑以下准则。

响应数据应当服从正态分布、二项分布或 Poisson 分布

• 正态分布的数据通常为测量数据，如重量。对于正态分布的数据，Minitab 会将每组的均值与总体均值进行比较。
• 二项数据将每个观测值分为两个类别之一，如通过/失败。Minitab 使用二项数据将每个样本的比率与总体比率进行比较。
• Poisson 数据包含计数，如每个部件或样本的缺陷数量。Minitab 使用 Poisson 数据将每个样本的发生率与总体发生率进行比较。

如果您的数据服从正态分布，则数据应当包括一个或两个类别因子

• 具有两个因子的均值分析设计必须具有平衡设计。衡设计是指因子水平的所有可能组合都具有相等数量的观测值。如果您的设计具有两个类别因子并且不平衡，则在具有所有固定因子时使用拟合一般线性模型，或在具有随机因子时使用拟合混合效应模型。
• 如果您的设计具有两个以上的类别因子或包含协变量，则在具有所有固定因子时使用拟合一般线性模型，或在具有随机因子时使用拟合混合效应模型。

有关因子和平衡设计的更多信息，请转到因子和因子水平和方差分析模型中的平衡与不平衡设计。

如果您有二项数据，则样本数量必须恒定且足够大

• 所有样本的数量必须相等，才能确保对每个样本的比率与总体比率进行有效的比较。
• 样本数量必须足够大，才能确保正态分布能够求二项分布的适当近似值，因为决策限基于正态分布。当 np > 5 且 n(1 − p) > 5（其中 n 是样本数量，p 是事件的比率）时，正态分布是足够的。

如果您的样本不满足这些标准，您的结果可能会无效。

如果您有 Poisson 数据，则样本数量必须恒定且足够大

• 所有样本的数量必须相等，这样每个样本的率才有效。
• 样本数量必须足够大，才能确保正态分布能够求 Poisson 分布的适当近似值，因为决策限基于正态分布。当均值至少为 5 时，正态分布是足够的。

如果您的样本不满足这些标准，您的结果可能会无效。

每个观测值都应当独立于所有其他观测值

如果您的观测值是相关的，则结果可能无效。请考虑以下几点来确定观测值是否为独立值：

• 如果一个观测值不提供有关另一个观测值的信息，则说明这两个观测值是独立的。
• 如果一个观测值提供有关另一个观测值的信息，则说明这两个观测值是相关的。

样本数据应当是随机选择的

随机样本用于对总体做出归纳，即推断。如果数据不是随机收集的，则结果可能无法代表总体。

使用最佳做法收集数据

要确保结果有效，请考虑以下准则：

• 确保数据代表您感兴趣的总体。
• 收集足够多的数据以提供必要的精确度。
• 尽可能准确和精确地测量变量。
• 以数据的收集顺序记录数据。