T-Testen

Created with Sketch.

In de software SigmaXL en Minitab kan je een een Hypothese Test uitvoeren door middel van de onderstaande tools. Met hypothese testen probeer je te verifiëren of een aanname klopt of niet. T-Testen zijn hier geschikt voor, mits er niet teveel datapunten zijn. Verschillen tussen datasets ten opzichte van een gegeven waarde kunnen hiermee worden vastgesteld. Zie hieronder wat deze tools doen.

1-Sample t-test

Een 1-Sample t-test is geschikt om continue datasets te vergelijken met een vooraf gestelde norm of gemiddelde.

2-Sample t-test

Met een 2-Sample t-test kan je twee groepen onderling met elkaar vergelijken.

Paired t-test

Een Paired t-test is vooral geschikt om vergelijkingen te trekken tussen een proces voor en na een verandering. Vervolgens wordt er vastgesteld in hoeverre de verandering een effect heeft gehad op het proces.

1-Sample Z

1-Sample Z kan je het beste gebruiken wanneer je een groep ten opzichte van het verwachte gemiddelde wilt vergelijken en je weet wat de standaard deviatie is.

ANOVA

ANOVA staat voor Analysis of Variance. Een voordeel aan ANOVA is dat je meerdere groepen tegelijk kan vergelijken. We kijken bij een ANOVA niet alleen naar het gemiddelde maar vooral juist naar de variantie in het proces, ten opzichte van het gemiddelde.

Test for Equal Variances

Bij een Test for Equal Variances wordt er gekeken naar variantie binnen groepen door te letten op de standaard deviatie en de onderlinge afwijkingen daarin.

Verdelingsvrije Testen

Verdelingsvrije testen zijn handig om verbanden te vinden tussen verschillende factoren die op het eerste gezicht misschien niets te maken hebben met elkaar. Een manier om dit te doen is door middel van Kruskal-Wallis. Deze test laat de kanswaarde zien dat er een oorzaak-gevolg-verband is tussen de twee factoren. Ook kunnen we twee groepen met elkaar vergelijken door middel van een andere test die we Mann-Whitney noemen. Hier is ook waarschijnlijk in eerste instantie geen logisch verband, maar toch kan het nuttig zijn om de onderlinge factoren met elkaar te vergelijken.

Chi-Square Test

De Chi-Square Test (ook wel de χ-Square Test) wordt gebruikt om relaties te onderzoeken door middel van statistieken. Hier maken we vooral gebruik van wanneer we te maken hebben Attribute Data, maar eigenlijk meer willen weten dan alleen maar Ja / Nee. De Critical to Quality (CTQ) moet hiervoor echter wel te meten zijn door middel van Continue Data.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *