课程: 六西格玛绿带
今天就开通帐号，24,700 门业界名师课程任您挑！
假设检验基础知识
分析阶段开始时， 项目团队要推测可能影响 Y 的原因或 x。 开展头脑风暴， 使用因果图或鱼骨图整理和显示这些推测。 如果不熟悉因果图， 建议你回顾一下“六西格玛基础知识”。 综合运用项目团队、主题专家 及各种利益相关者的知识和经验， 从因果图中选出最可能的推测， 然后检验所选推测， 确定影响 Y 的 原因或关键 x。 我们使用一种叫作 假设检验的数据驱动式方法。 假设检验常被称为科学方法， 指先提出一种推测或假设，再利用数据 进行统计检验来证明或反驳这种推测。 假设检验由一对命题组成， 分别是零假设和对立假设。 零假设代表各组之间没有差异， 对立假设代表各组之间存在差异。 例如，各组的处理时间是否不同？ 或者各组的缺陷率是否不同？ 要进行假设检验， 需要收集样本数据并进行统计检验。 通过假设检验可以确定，观察到的差异 是源自随机变异还是真实差异。 比如，我们是不是在 A 店表现差时 观察了好的流程， 而在 B 店表现好时观察了差的流程？ 除非使用整个总体数据集， 否则你无法完全确定。 只要使用样本数据，就有可能得出 错误的结论，比如没有差异却认为有差异。 也就是说，可能拒绝实际上为真的零假设。 这称为第一类错误。 当然，你需要将第一类错误的概率控制在 较小的比例范围内，比如不超过 5%。 这个阈值或最大概率用阿尔法表示。 阿尔法是第一类错误的最大风险阈值。 预先设定阿尔法时，要以你的风险容忍度、 具体应用和行业需求为依据。 最常用的阿尔法值是 0.05，也就是 5%。 阿尔法也称为显著性水平。 在继续之前， 我想介绍假设检验中使用的另 一个术语， 叫作 P 值。P 值是在零假设为真的前提下， 检验统计值等于或大于实际观测值的概率。 如果统计数据的实际值与期望值相差太大， P 值就会很低，表明零假设不太可能成立。 所以要对比 P 值与阿尔法， 因为阿尔法代表你愿意承担的、 错误拒绝零假设的最大风险。 如果统计检验返回的 P 值小于 或等于阿尔法，则拒绝零假设。 如果 P 值大于阿尔法，则不拒绝零假设。 为了简单起见，就记住当 P 值较低时， 必须拒绝零假设。 如果应该拒绝零假设， 却没有拒绝，会怎样呢？ 如果零假设实际上为假， 但你没有拒绝零假设，这叫作第二类错误。 第二类错误的概率称为贝塔。 这是一个总结表， 展示了假设检验中可能出现的四种情况。…
随堂练习，边学边练
下载课堂讲义。学练结合，紧跟进度，轻松巩固知识。
下载课程离线学习
下载课程到移动设备，轻松离线学习。在领英学习 iOS 或安卓版 APP 下载课程