我最近的部落格主題是關於波峰焊機元件但 統計學也是我感興趣的東西。 您是否曾經需要比較兩組或多組的資料，嘗試了解它們是否毫無關係或在統計學上是否顯著？最近，我必須比較兩台不同 SMT 組裝機器的變數，以解決這個問題。
這是我在大學修習統計學之後第一次要使用統計學，所以我必須補習一些東西。在分析開始時，我並不清楚我需要執行的特定測試。比方說，兩台機器測量的變數完全相同，唯一的差別在於機器。我想了解哪一台機器更準確。或者，更好的是，這兩組結果在統計學上是否有顯著的差異。我們先來看看「統計學上顯著」的定義。根據 Google統計顯著的定義是"傳統上，統計假設測試被用來判斷結果是否具有統計顯著性。
經過一番研究後，我發現我可以使用t-test 測試或方差分析 (ANOVA) 測試。t-test 使用單一變數來檢視兩個群組之間的差異，而自變數必須只有兩個群組。ANOVA 分析則測試兩組或更多組數據之間差異的顯著性。自變量必須有兩個或兩個以上的類別。方差分析只能判定組別之間有差異，但無法判定哪一組有差異。奇怪的是，如果您對兩個自變數執行方差分析，您會得到與使用t-test 相同的結果。以下是我的資料快照：
使用 JMP 軟體並開啟「Means/ANOVA/Pooled t」之後，我的資料現在看起來像這樣：
根據 JMP 支援頁面、 "概率 > F 值衡量的是在除截距外所有參數都為零的情況下，獲得與觀察到的一樣大的 F Ratio 的概率。概率 > F 的小值表示觀察到的FRatio不大可能出現。這樣的值被認為是模型中至少有一個顯著效應的證據。"這個資料符合描述，因此我使用了次要測試，Tukey-Kramer 測試來驗證我的結果。當您選擇這個測試時，資料的影像會稍微變成這樣：
當我第一次使用這個測試時，我並不完全了解圓圈所代表的意義。以下是我找到的最全面的圖表。
因為圓圈完全沒有重疊，所以結果有明顯的不同。
當您選擇 Tukey-Kramer 分析時，也會彈出最小顯著差異或 LSD Threshold 矩陣。顯示如下：
閱讀矩陣的方法是，當您比較 A 和 B 時，有一個正數表示這對均值有顯著差異。
我將不時在文章中加入不同於我標準程式的 通量, 預熱器等，討論其他主題或我在 Indium Corporation 進行的實驗。如有任何問題、疑慮或趣事，請隨時與我聯絡。(我喜歡有趣的事實！！）我總是對新的想法和概念持開放態度。
