我最近的博客主题都与 波峰焊机元器件，但 统计学也是 我感兴趣的领域。你是否曾需要比较两组或多组数据，以判断它们之间是否无关联，或者是否具有统计学意义？最近，我通过比较两台不同的表面贴装技术 组装机的变量，亲自解决了这个问题。
这是我自大学修完这门课以来第一次用到统计学，因此不得不重新温习一些知识。在分析开始时，我并不清楚具体需要进行哪种检验。需要说明的是，这些机器测量的是完全相同的变量，唯一的区别在于机器本身。我想弄清楚哪台机器更准确。或者更确切地说，是这两组结果之间是否存在统计学上的显著差异。 让我们先从“统计学上显著”的定义说起。根据 谷歌的解释，“统计学上显著”的定义是：“结果或关系由单纯随机性以外的因素所导致的概率。传统上，统计假设检验被用于确定一个结果是否具有统计学上的显著性。”
经过一番研究，我发现可以使用t检验或方差分析（ANOVA）检验。t检验使用单一变量来研究两组之间的差异，而自变量必须只有两组。方差分析测试两组或更多组数据之间差异的显著性。自变量必须有两个或更多类别。方差分析只能确定组与组之间存在差异，但不能说明哪组不同。奇怪的是，如果对两个自变量进行方差分析，得出的结果与使用t检验得出的结果是一样的。下面是我的数据快照：
使用 JMP 软件并启用“均值/方差分析/合并 t 检验”后，我的数据现在如下所示：
根据 JMP 支持页面、 "概率 > F 值衡量的是，在除截距外所有参数都为零的情况下，获得与观测值一样大的 F 比值的概率。概率 > F 值越小，表明观察到的 F 比值越小。这样的值被认为是模型中至少存在一个显著效应的证据"。这个数据符合描述，因此我使用了辅助检验，即 Tukey-Kramer 检验来验证我的结果。选择该测试后，数据图像会略微变为这样：
当我第一次使用这个测试时，我并不完全明白这些圆圈代表什么。以下是我找到的最全面的图表。
由于圆圈完全没有重叠，因此结果大相径庭。
当您选择 Tukey-Kramer 分析时，还会弹出一个最小显著性差异或 LSD 阈值矩阵。显示如下：
阅读矩阵的方法是，当您比较 A 和 B 时，有一个正数表示这对平均数有显著差异。
我将不时穿插一些与我常规的 fluxers、 预热器等常规内容，分享我在[email protected]实验室进行的其他主题或实验。如有任何疑问、顾虑或想交流有趣的话题，欢迎随时与我等常规内容，转而探讨我在铟泰公司 进行的其他主题或实验。如有任何疑问、顾虑或有趣的小知识，欢迎随时联系我。（我超爱有趣的小知识！！！）我始终乐于接受新的想法和概念。
