Praktycznego znaczenia w porównaniu istotności statystycznejWrzesień 25
Wyciągając wnioski z TestsAnytime Hipoteza wyciągniemy wnioski z wnioskowania statystycznego, inne dowody proces musi poparcie wniosku. Za wszystkie wnioskowania statystycznego jest założenie, że dane są wystarczające, wiarygodne, przedstawiciel, i kontekstowe. Niedotrzymanie tych parametrów jakości osłabić wnioski z testowania hipotez. Dodatkowo, wszystkie wnioski z testowania hipotez są poszlakowe. Zależą one od okoliczności testu. Testowania hipotezy zaczyna się przy założeniu, że te dane nie są zaangażowane różne dotyczące badanych parametrów. To jest hipoteza zerowa. Badanie jest wykonywane w celu potwierdzenia hipotezy zerowej o identyczności. Jeśli nie uda nam się potwierdzić hipotezy, a następnie zastępca hipoteza jest akceptowane. Alternatywnych hipotez mówi, że te dane są różne w odniesieniu do badanych parametrów. Testowania hipotezy można także porównać jednego zestawu danych do standardu, a nie inny zestaw danych. Wszystkie założenia związane są takie same jak powyżej. Dla uproszczenia, rozważmy dwa możliwe wnioski. Po pierwsze, kiedy hipoteza zerowa jest odrzucana. W tym przypadku statystycznego rozwiązaniem jest że te dane są różne w odniesieniu do badanego parametru (czyli środków, zmiany, lub część). Co tak naprawdę o to, że na wybrany poziom akceptacji (ryzyka), zestawy danych nie są takie same. Na innym poziomie akceptacji, wyniki mogą być różne. Inne możliwości zawarcia umowy jest, gdy test nie do odrzucenia hipotezy zerowej. W tym przypadku hipotezy zerowej o identyczności został przyjęty. W szczególności, możemy stwierdzić, że alternatywne hipotezy nie udowodniono na wybranym poziomie akceptacji. To nie dowodzi, że hipoteza zerowa jest prawdziwa we wszystkich okolicznościach. Na przykład, jeśli zwiększymy liczbę użytych próbek w teście, hipoteza zerowa może zostać odrzucona na rzecz alternatywnej hipotezy. Powodem tego jest fakt, że wzrasta liczba próbek, dwóch dystrybucji staną się bardziej wyraźne. Hipotezę, że posiada na dwadzieścia próbek nie może posiadać na pięćdziesiąt próbek. Innymi słowy, można powiedzieć, że dwa zbiory danych są takie same w odniesieniu do mierzonego parametru w danej wielkości próby, ale nie możemy powiedzieć, że są one absolutnie to samo. Podsumowując, w testowaniu hipotez, możemy obalić hipotezę (konkretnie hipotezy zerowej), ale nie możemy udowodnić jeden. Ponadto testowania hipotezy, sama w sobie nie sprawia, że wnioski. Inne dowody proces musi poparcie wniosku, aby to ważne. Ograniczenia statystyczne SignificanceAs już wspomniano, dane statystyczne sam nie czyni wniosku ważne. Dane statystyczne na to tylko połowa głos procesu. Duży obraz zawiera dokładny spojrzeć na praktyczne znaczenie statystyczne wyników. Jednym z obszarów, który daje wiele zespołów proces poprawy trudnej sytuacji jest wybór poziomu akceptacji, która jest zgodna z rzeczywistością wokół procesu. Nie ma sztywnych zasad, które pomogą zapewnić wybór najlepszych kryteria przyjęcia. Wymaga to obserwacji procesu, ocenę działalności „celów, zrozumienie biznesu” realiów ekonomicznych, a co najważniejsze, CTQs działalności „klientów. Na przykład, kryteria akceptacji dla bezpieczeństwa samolotu może być ustawiony na 0. 2 zamiast 0. 5. Innym obszarem, problem jest w interpretacji wynik statystyczny. Ponieważ dane tworzy obraz procesu zachowania, jest to obraz zgodny z rzeczywistością? Niektóre ważne pytania to:
Czy statystyczny wynik sensu w procesie „obecnej rzeczywistości?
Czy statystycznego punktu wyniku drodze do redukcji wady?
Czy statystycznego punktu wynik w kierunku obniżonej COPQ?
Czy są jakieś negatywne skutki związane z przyjęciem statystycznych wynik?
Czy dbałość o klienta?
Dobrego detektywa danych będzie zawsze pytanie wniosków statystycznych. Przeprowadzania kontroli rzeczywistością w proces statystyczny analiza pomoże uniknąć kosztownych błędów, poprawy buy-in i pomóc sprzedać zalecenia zespołu. Praktyczne znaczenie w porównaniu statystyczne SignificanceWhen hipoteza badania narzędzia są używane, pracujemy z istotności statystycznej. Istotność statystyczna opiera się na jakość i ilość danych. Znaczenie procesu wymaga, czy obserwowane statystycznie istotnej różnicy ma znaczenie w tym procesie. To może działać na dwa sposoby. Po pierwsze, istotną statystycznie różnicę może wskazywać, że istnieje problem, podczas gdy w tym samym czasie, rzeczywista zmierzona różnica może mieć niewielki lub nie ma praktycznego znaczenia. Na przykład, jeśli porównujemy dwie metody wykonania zadania, statystycznie istotną różnicę stwierdzono w czasie wymaganym do wykonania zadania. Z praktycznego punktu widzenia, choć różnica czasu cyklu nie miał wpływu na klienta. Albo zespół mierzy coś ważne dla klienta, lub większej różnicy jest potrzebne do wpływu na klienta. Przeciwieństwem jest prawdziwe. Zespół może stwierdzić, czy zaobserwowana różnica czasu z góry nie jest istotny statystycznie, ale to jest praktyczna różnica w klienta lub skutki finansowe. Zespół może zmienić kryteria akceptacji, zebrać więcej danych (np. zwiększenie wielkości próby), albo iść do przodu ze zmianami procesu. Kiedy statystycznych i praktyczne znaczenie nie zgadzają, oznacza to, że zagadnienia analizy istnieje. Może to oznaczać wielkość próby, głos klienta, problemy układu pomiarowego, lub inne czynniki.
Tagi: Bankowy, Emerytury, Spółka
25 wrz 2011 | 1:02 am | biznes
