一、統計顯著性檢驗應用

統計顯著性檢驗是統計學家用來發現數據模式或測試與數據相關的猜測的一些最重要的技術。這些工具在六西格瑪中有許多可能的應用，包括:

①確認業績存在問題或實質性變化；

②檢查數據的**性；

③確定一組連續數據的模式或“分布”類型；

④建立基于模式和差異的根本原因假說；

⑤確認或推翻根本原因假設。

統計顯著性檢驗如何使用

二、統計顯著性檢驗的使用

與控制圖一樣，有幾種方法可以對假設進行統計檢驗:

1.卡方(X2)檢驗

這是離散數據顯著性檢驗的一種方法，有時也用于連續數據的顯著性檢驗。例如，您可以使用卡方檢驗:

①比較兩個位置的缺陷率，以確定它們之間是否有顯著差異；

②檢查客戶產品選擇的周變化是否存在顯著的變化水平；

③檢查各種人員配置水平對客戶滿意度的影響是否顯著。

2.t檢驗

當連續數據有兩組或兩個樣本時，用這種方法檢驗顯著性(連續數據測量比離散數據測量更有力，但需要注意的是，只有當這些數據滿足一定條件時，這種檢驗才是可行的)。如果您的數據符合要求，您可以使用T測試來達到以下目的:

①比較該季度兩周內流程中關鍵步驟的周期時間，看是否發生了有意義的變化；

②查看兩個區域的客戶收入水平，看區域業務部門是否有服務收入較高或較低的客戶群體；

③檢查兩批磁盤驅動器的尋道速度是否有差異。

3.方差分析

ANOVA是連續數據顯著性檢驗的另一種方法，但與T檢驗不同，它可以用來比較兩組或更多樣本的數據(如果三組或更多組的數據存在顯著差異，則必須做更多的分析，以找出哪些組是不同的):

①比較多流程中關鍵步驟的周期時間與季度內每周的差異，看是否發生了有意義的變化；

②查看四個區域的客戶收入水平，看一個或幾個區域是否有業務部門明顯處于服務收入較高或較低的消費群體；

③檢查五批磁盤驅動器的尋道速度是否有差異。

4.多元分析

多元分析(MANOVA)用于確定多個因素的顯著性(在進行多變量分析之前，通常**先進行方差分析)。

資訊來源：https://www.lxgmgl.com/liuxigemagongju/241.html