有关列联表的独立性检验
昨天我在做月总结时,发现白班和夜班的合格率有很大的差异,于是想用列联表检验来分析一下合格率和班次是否有关联,数据如下:
B1:合格 B2:不合格
A1:白班 232 19
A2:夜班 54 18
从表面看两者是有一定的关联,但minitab给出的结果如下:
Chi-Square Test: B1:合格, B2:不合格
Expected counts are printed below observed counts
Chi-Square contributions are printed below expected counts
B1:合格 B2:不合格 Total
1 232 19 251
222.25 28.75
0.428 3.308
2 54 18 72
63.75 8.25
1.492 11.531
Total 286 37 323
Chi-Sq = 16.759, DF = 1, P-Value = 0.000
从P-value的值来看,两因子应该是无关的,对吗?但分析结果却和估计的正好相反?还有列联表中的P-value值通过什么可以判断因子间是否独立呢?请指教.
新手,请勿见笑!
B1:合格 B2:不合格
A1:白班 232 19
A2:夜班 54 18
从表面看两者是有一定的关联,但minitab给出的结果如下:
Chi-Square Test: B1:合格, B2:不合格
Expected counts are printed below observed counts
Chi-Square contributions are printed below expected counts
B1:合格 B2:不合格 Total
1 232 19 251
222.25 28.75
0.428 3.308
2 54 18 72
63.75 8.25
1.492 11.531
Total 286 37 323
Chi-Sq = 16.759, DF = 1, P-Value = 0.000
从P-value的值来看,两因子应该是无关的,对吗?但分析结果却和估计的正好相反?还有列联表中的P-value值通过什么可以判断因子间是否独立呢?请指教.
新手,请勿见笑!
没有找到相关结果
已邀请:



17 个回复
wh831106 (威望:5) (天津 天津) 电子制造 质量主管 - 啊呀拉呀!
赞同来自:
其实6sigma里用拒绝域判定更为合理!也更容易理解.一般T检验的时候我都用拒绝域判定,尤其是单侧检验的时候!