or
收件人email:
寄件人姓名:
寄件人email:

淺談統計假設與檢定

文章出處: 易騰企管電子報2011年12月號

眾所週知,進行統計假設檢定時必須設定虛無假設H0(Null Hypothesis)以及對立假設H1 (Alternative Hypothesis)。但是很多人會擔心設定錯誤誤導了結論。
為了避免設定錯誤,第一個注意事項是等號要設定在H0. 例如=,≦,≧。相對的H1就不會有等號。另一個原則是H0是現況或管理者想要推翻的狀況,若不能推翻H0則以接受H0做為結論,然而這個結論也不一定是不好的。


●以下用幾個簡單的例子說明假設檢定的功能:
1.想要瞭解製程是否被改變(雙向):如果要檢定製程特性經過調整後是否被改變,
此時虛無假設會設定沒有改變,對立假設為被改變了。例如 H0: μ=10mm,
H1: μ≠10mm。若推翻了H0,表示製程平均被改變了。
2.想要瞭解製程是否有改善或改變(單向):如果要檢定製程是否有改善(往好的方向),
此時H0會設定沒有改善,H1會設定為有改善,例如不良率p降低的改善方案,
檢定時設定H0: p=10%; H1: p<10%。若接受H0,則製程改善不顯著。
3.想要了解是否為顯著的因子:如果要檢定製程參數溫度是否為產品特性厚度的顯著
影響因子? 若設定溫度有兩個水準,得到厚度平均值μ1與μ2,此時設定方式
H0:μ1-μ2=0;H1: μ1-μ2≠0,若H0成立表示厚度受到該溫度水準的影響不顯著。
反之,則可認定溫度為顯著因子。

假設檢定常用的判斷有臨界值與P值法,以臨界值法來說,當|統計量|>|臨界值| 則拒絕
H0,接受H1;也就是當H0成立時,統計量應該不太會跑到臨界值以外,也就是機率(α)很小,如果真的跑出去了,則表示該拒絕H0。因此,α也是H0為真而拒絕H0的機率(冒險率)。
上述的α為顯著水準,通常設定為5%或1%, 均為很小的機率。

文章出處|易騰國際股份有限公司   原文作者|彭彥穎 總經理   發佈日期|2012-08-24
易騰企管顧問
<-- 按圖刷新
課程洽詢
(02)27363878*521 張小姐
(02)27363878*136 黃小姐