通知
您现在将离开 support.minitab.com。"
单击继续以继续：
差值是您要估计的总体比率之间的未知差值。Minitab 指出从哪个总体比率中减去另一个总体比率。
样本数量 (N) 是样本中的观测值总数。
事件是样本中用于表示成功的值。Minitab 使用事件数来计算样本比例（总体比例的估计值）。您可以通过更改值顺序，更改由 Minitab 用作事件的值。有关更多信息，请转到更改 Minitab 输出中文本值的显示顺序。
The sample proportion equals the number of events divided by the sample size (N).
每个样本的比率是对每个样本的总体比率的估计值。
差值是两个样本的比率之间的差值。
由于差值基于样本数据而不是整个总体，因此样本差值通常不等于总体差值。使用差值的置信区间可以更好地估计总体差值。
置信区间提供总体差值的可能值范围。由于样本的随机性，来自总体的两个样本不可能生成相同的置信区间。但是如果将样本重复许多次，则所获得的特定百分比的置信区间或限值会包含未知的总体差值。这些包含差值的置信区间或限值的百分比是区间的置信水平。例如，95% 置信水平表明，如果从总体中随机抽取 100 个样本，则大约 95 个样本将产生包含总体差值的区间。
上限定义可能大于总体差值的值。下限定义可能小于总体差值的值。
置信区间有助于评估结果的实际意义。使用您的专业知识可以确定置信区间是否包括对您的情形有实际意义的值。如果区间因太宽而毫无用处，请考虑增加样本数量。有关更多信息，请转到获得更加精确的置信区间的方法。
| 差值 | 差值的 95% 置信区间 |
|---|---|
| 0.0992147 | (0.063671, 0.134759) |
在这些结果中，找到暑期工作的男生和女生的总体比率的差值估计值大约为 0.099。总体标准差的比值介于大约 0.06 和 0.13 之间的可信度为 95%。
在输出中，原假设和备择假设可帮助您验证是否为检验差值输入了正确的值。
Z 值是 Z 检验的检验统计量，它度量观测到的统计量与假设总体参数之间的差值，以标准误为单位。
可以通过将 Z 值与标准正态分布的临界值进行比较来确定是否要否定原假设。但是，使用检验的 p 值做出相同的决定通常更实际且更方便。
为了确定是否要否定原假设，请将 Z 值与临界值进行比较。对于双侧检验，临界值是 Z1-α/2；而对于单侧检验，临界值是 Z1-α。对于双侧检验，如果 Z 值的绝对值大于临界值，则可以否定原假设。如果 Z 值的绝对值小于临界值，则无法否定原假设。您可以在 Minitab 中计算临界值，也可以从大多数统计书籍的标准正态分布表中查找临界值。有关更多信息，请转到使用逆累积分布函数 (ICDF)，然后单击“使用 ICDF 计算临界值”。
P 值是一个概率，用来度量否定原假设的证据。P 值越小，否定原假设的证据越充分。
使用 p 值可确定总体比率的差值在统计意义上是否显著。
Minitab 使用正态近似法和 Fisher 精确方法计算双比率检验的 p 值。如果两个样本中的事件数和非事件数至少为 5，则使用两个 p 值中较小的值。如果其中一个样本的事件数或非事件数少于 5，则正态近似法可能不准确。Fisher 精确方法对于所有样本都有效，但是可能较为保守。保守的 p 值将低估否定原假设的证据。
您现在将离开 support.minitab.com。"
单击继续以继续：