為讓實驗結果可以被信任,對於抽樣的數據必須進行「常態性檢定」。
1. 先抽樣的量測值填入Minitab欄位中,成一行,不可分行。(建議抽樣30個以上,大樣本)
2. 在Minitab上方工具列依序按下Stat > Basic Statistics > Normality Test
3. 在彈出的對話方塊中,快點兩下左上方的C1 (也就是剛剛填入值的欄位),右方的 Variable 會自動帶入C1。最後按下ok就會顯示結果。
4. 以本例來說,常態性檢定中,36個抽樣捲度資料分布近似一條45度線,同時P-Value的值 0.428>0.05,所以接受「虛無假設」 H0:近似常態。若P-Value的值 <0.05,則拒絕H0,接受H1 。通常這也表示實驗要重作,作完再重新抽樣一次。
補充說明
常態性的假說:
虛無假設 H0: 誤差項遵循常態分配
對立假設 H1: 誤差項未遵循常態分配
虛無假設 H0: 誤差項遵循常態分配。
對立假設 H1: 誤差項未遵循常態分配。
當H0成立時,常態機率圖 (Normal Probability Plot) 應呈現近似45度直線,而且P-Value的值必須 >0.05 。
P-Value 的意義:
一般在抽樣調查當中,通常的信心水準設定為95%,也就是限定犯錯的機率α=0.05(type I error,也稱之為:顯著水準)。而P-value是以目前所觀測的資料而言,檢定結果能拒絕虛無假說的最小顯著水準。
由於實驗是利用樣本推論母體,過程中難免有犯錯的風險,一般設定犯錯的風險為0.05,也就是人為設定的信心水準95%,故P-Value的值 >0.05時,接受虛無假設 H0 。
仙采哥~你也太強了吧!~
研究寫成網誌分享
真的太造福人群了…
老天,你更強!這麼硬梆梆的東西你還跑來看。
我不是造福人群,是做筆記,要不然等到寫論文時一定會忘記,而且Minitab這玩意兒 google 很久都找不到資料,怪的很。