以收集到的数据为根据，对要确认的事实进行判断的方法以及找出作为判断基准的p-Value的方法。000营业部的IQC小组每天都要检查合作公司的产品质量。IQC小组根据产品有没有达到规定的质量要求，判断它是合格品还是不合格品。即IQC小组必须对以下两个事实中的一个做出判断。-产品的质量符合要求（是合格品）-产品质量不符合要求（是不合格品）还没有确认的两个事实称为假设，分别用0假设和对立假设表示。（肯定的假设是0假设，否定0假设的是对立假设）这种情况下，如果按照常理，应在合作公司交上来的部件中抽样本，并将其与预定的规格进行比较。规格和样本的差异大，则为对立假设；差异小，则为0假设。对这些数据进行整理……换句话说，以样本为根据对0假设的概率进行计算，如果概率大则设定为0假设，概率小则设定为对立假设，这样的一系列判断方法称为假设检验。0假设的概率称为p-Value。求出p-Value之后需要一个基准来判断它的大小。这个基准称为显著性水平，一般会选择1%、5%、10%中的一个。（通常使用5%）。显著性水平的选择跟分析者对0假设的确信程度有关。如果对0假设很确信，为了尽量使0假设正确，应选择较低的显著性水平。对0假设不是很确信的时候，为提高对立假设的正确率，应该选择较高的显著性水平。1/15对一个平均值的假设检验（已知某样本集合的标准误差率的时候）确认一下身高的平均值是否为70。（已知：某样本集合的标准偏差是12）-0假设：平均身高是70-对立假设：平均身高不是70Stat->BasicStatistics->1-SampleZ...亲自操作一下，比较结果2/15对一个平均值的假设检验（未知某样本集合的标准偏差的时候）确认一下身高的平均值是不是70-0假设：平均身高是70;-对立假设：平均身高不是70.Stat->BasicStatistics->1-Samplet...亲自操作一下，比较结果对一个平均值的假设检验（已知某样本集合的标准偏差的时候）关于OptionMenu……（想更改可信度的时候）亲自操作一下，比较结果4/15对一个平均值的假设检验（已知某样本集合的标准偏差的时候）关于GraphsMenu……（要在分析同时画图像的时候）亲自操作一下，比较结果对两个平均值的假设检验（已知某样本集合的标准偏差的时候）确认一下男、女的平均身高有没有差异。-0假设：男平均身高=女平均身高-对立假设：男平均身高≠女平均身高Stat->BasicStatistics->2-Samplet...图像和可信度的调整参考前一页。亲自操作一下，比较结果.6/15关于散布差异的假设检验...确认一下男女的平均身高有没有差异-0假设：男身高的分散程度=女身高的分散程度-对立假设：男身高的分散程度≠女身高的分散程度ANOVA->TestforEqualVariances...关于男女身高的Boxplot，只能在比较对象是两个的时候得出，有三个以上对象的时候则不能得出结论。亲自操作一下，比较结果.7/15确认是不是正态分布确认数据的正态分布确认一下收集的Pulse是否属于正态分布。.Stat->BasicStatistics->NormalityTest...亲自操作一下，比较结果8/15非正态分布的正态化通过确认可以知道练习3的数据不服从正态分布。这时，适当改变变量可以转换成正态分布。Stat->ControlCharts->Box-CoxTransformation...亲自操作一下，比较结果9/15对一个比率差异的假设检验000营业部为了确认A合作企业的6西格马计划的成果，检查了300个样品。结果发现了15个不合格品。以前A合作公司生产的部件不合格率是15%。-0假设：不合格率=15%-对立假设：不合格率≠15%Stat->BasicStatistics->1-Proportion...亲自操作一下，比较结果10/15对两个比率差异的假设检验000营业部为了比较A、B两个生产线的不合格率，收集了相关数据。结果，A生产线是1000个当中有75个不合格品，B生产线是1500个当中有120个不合格品。-0假设：A的不合格率=B的不合格率-对立假设：A的不合格率≠B的不合格率Stat->BasicStatistics->2-Proportion...亲自操作一下，比较结果11/15对表（Table）的假设检验这次说明一下以表的形式整理数据的时使用的分析方法。检验三个以上比率之间的差异.000营业部对A、B、C、D四种材料进行了作业性评价，结果如下：-0假设：不同材料的不合格率一样-对立假设：不同材料的不合格率不一样ABCD样本不合格品454348445726数据的输入:把表里的数据如实输入到Worksheet.Stat->Tables->Chi-Square