Strefa wiedzy

SPC – testy statystyczne niezbędne do prawidłowej oceny danych

Przygotowaliśmy krótką „ściągę” dotyczącą testów statystycznych używanych podczas analizy danych. Jeżeli prowadzisz analizę danych w swojej firmie i często zastanawiasz się jaki test wybrać to koniecznie zapoznaj się z opracowaną przez nas tabelą.

Poniższa tabela została stworzona w celu ułatwienia pracy osobom prowadzącym analizę danych. W tej krótkiej „ściądze” na podstawie pytania: „Co jest do sprawdzenia?” znajdują się propozycje testów statystycznych, których warto w tym przypadku użyć wraz z treścią hipotezy zerowej oraz interpretacjami otrzymanego wyniku.

Co jest do sprawdzenia?	Jaki test?	Jaka hipoteza zerowa H0?	Co, gdy wynik testu p ≤ 0,05*?	Co, gdy wynik testu p > 0,05*?
Czy zebrane wyniki mają rozkład normalny?	Duży wybór testów, np.: Shapiro-Wilka Kołmogorowa-Smirnova Andersona-Darlinga	H0: zmienna losowa ma rozkład normalny	H0 odrzucamy, czyli rozkład jest inny niż normalny	Nie możemy odrzucić H0, czyli uznajemy rozkład za normalny
Czy jest istotna różnica pomiędzy dwoma średnimi?	Test t (test U Manna-Whitneya – przy rozkładzie innym niż normalny)		H0 odrzucamy, czyli średnie różnią się w sposób istotny	Nie możemy odrzucić H0, czyli uznajemy, że średnie z dwóch próbek są takie same
Czy jest istotna różnica pomiędzy wieloma średnimi?	Analiza ANOVA (test Kruskala-Wallisa – przy rozkładzie innym niż normalny)		H0 odrzucamy, czyli co najmniej jedna średnia różni się od pozostałych	Nie możemy odrzucić H0, czyli uznajemy, że średnie są takie same
Czy jest istotna różnica pomiędzy rozrzutem wyników w dwóch próbkach?	Test F-Snedecora		H0 odrzucamy, czyli rozrzut wyników w dwóch próbach nie jest taki sam	Nie możemy odrzucić H0, czyli uznajemy, że rozrzut wyników w dwóch próbkach jest taki sam
Czy w zebranych wynikach są „grube” błędy?	Duży wybór testów, np.: Grubbs’a Dixon’a Hampel’a quartile method	H0: w zebranych wynikach nie ma „grubych” błędów	H0 odrzucamy, czyli w wynikach jest co najmniej jeden wynik odstający („gruby” błąd)	Nie możemy odrzucić H0, czyli uznajemy, że nie ma „grubych” błędów w zabranych danych
Czy jest istotna różnica w wadliwości pomiędzy dwoma próbkami?	Two-proportions test	H0: wadliwość w próbkach jest taka sama	H0 odrzucamy, czyli wadliwości różnią się w sposób istotny	Nie możemy odrzucić H0, czyli uznajemy, że wadliwości z dwóch próbek są takie same w dwóch próbkach

* W niektórych przypadkach stosuje się inne poziomy ufności, dla których graniczna wartość p wynosi np. 0,01

UWAGA: tabela zawiera uproszczenia (nie jest to precyzyjny język naukowy)

Tabela dostępna również w wersji do pobrania

Z nami analiza danych to przyjemność! Sami sprawdźcie!