一、一句话搞懂假设检验在干什么
假设检验回答一个问题：我观察到的差异，是真实存在的，还是抽样运气？
比如新工艺下线后不良率好像降了——但只抽了几天数据，会不会只是恰好这几天运气好呢？假设检验用p值回答这个问题：p小于0.05，说明"差异纯属运气"的概率不到5%，可以认为新工艺真的有效；p大于0.05，证据不足，先别下结论。
二、选型对照表：先看数据类型，再看组数与目的
| 你的场景 | 该用的检验 | 前提与备注 |
|---|---|---|
| 比较两组均值（连续型数据） | t检验 | 数据近似正态、方差相近；前提不满足改用非参数 |
| 比较三组及以上均值 | 方差分析（ANOVA） | 显著后再做多重比较，定位具体哪组有差异 |
| 分析不良率、合格率等构成比 | 卡方检验 | 列联表数据；样本量小时用Fisher精确检验 |
| 前提条件不满足（非正态/小样本） | 非参数检验 | Mann-Whitney（两组）、Kruskal-Wallis（多组） |
记法就一句：连续型数据比均值，两组用t、多组用ANOVA；离散型数据看构成，用卡方；前提破了，全部换非参数。
三、p值到底怎么解读
p值的正确读法是"如果原假设成立（两组其实没差别），出现当前差异或更极端差异的概率"。它不是"原假设成立的概率"，也不是"差异有多大的概率"。
实战判断只需记住三条：①p<0.05，拒绝原假设，认为差异显著；②p在0.05附近（0.04-0.06），别硬下结论，补数据或复核测量系统——先看MSA是不是合格，测量系统噪声会吞掉真实差异；③p值小不代表差异有实际意义，还要看差多少——统计显著和业务显著是两回事。
四、Minitab操作要点
选型定了之后，Minitab里的操作链条很固定：录入数据→选检验（统计菜单里对应入口）→看输出三要素。三要素分别是：p值（显著性判断）、置信区间（差异范围）、功效/样本量（检验的灵敏度）。
以双样本t检验为例，输出里先看p值，再看均值差的95%置信区间——区间不包含0，和p<0.05说的是同一件事，两个互相印证。下面这张图用合成的教学示例数据演示了完整的输出形态：
注意这张图用的是合成数据，仅用于演示输出解读。真实项目里，数据从测量阶段来——这正好接上MSA测量系统分析：测量系统不合格，假设检验算出来的差异就是测量噪声，结论不可信。
五、三个最常见的错误
错误一：不看前提直接套t检验。数据明显偏态、或有两个数量级的离群值，t检验的结论不可靠。正确动作：先做正态性检验，不满足就换非参数——Minitab里Mann-Whitney就点几下的事。
错误二：用卡方检验比均值。卡方检验的对象是"构成比"，不是"均值"。把两组不良件数放列联表里用卡方，和把两组测量值求平均比大小，是两种完全不同的数据类型，用错检验结论必然错误。
错误三：p>0.05就说"没有差异"。p值大只说明"现有数据不足以证明有差异"，不证明"没有差异"。常见原因是样本量不足——10个样本测不出1%的差异很正常。这时该做的是功效分析，算清楚要检出这个差异需要多少样本。
六、学完怎么用在项目里
在DMAIC流程里，假设检验是分析阶段的主力：比较改进前后、比较不同班次、比较不同供应商来料——凡是要回答"这两个有没有差别"的地方，都在它的射程内。工具的定位和配合关系，我们在黑带培训的课程实录里按周拆解过，分析阶段整整一周都在练这套选型逻辑。
个人学习路径：先用本文的选型表把四种检验分清，再拿自己车间的真实数据在Minitab上各跑一遍——工具是跑会的，不是看会的。需要系统学的，六西格玛培训的绿带、黑带课程都包含完整实操；企业想给工程师团队补齐统计工具的，内训方案可以看六西格玛咨询服务。认证路径与费用口径见认证费用全解析。
常见问题
假设检验有哪几种？
按场景分四类：比较两组均值用t检验，比较三组及以上均值用方差分析（ANOVA），分析不良率等构成比用卡方检验，前提条件不满足（非正态、小样本）时改用非参数检验（Mann-Whitney、Kruskal-Wallis等）。
p值小于0.05说明什么？
说明在原假设成立的前提下，观察到当前差异或更极端差异的概率小于5%——通常据此拒绝原假设，认为差异显著。注意p值小不代表差异有实际业务意义，还要结合差异大小判断；同时应先确认测量系统合格，否则测量噪声可能制造虚假的显著。
假设检验样本量多少才够？
没有统一数字，取决于要检出的差异大小和数据波动：差异越小、波动越大，需要的样本越多。规范做法是做功效分析——给定期望检出的差异、数据标准差和功效（通常取0.8），反推所需样本量，Minitab里有对应功能。
非正态数据能做t检验吗？
不建议直接用。t检验假设数据近似正态，明显偏态或有强离群值时结论不可靠。正确做法：先做正态性检验，不满足时改用非参数检验（两组用Mann-Whitney、多组用Kruskal-Wallis），或先对数据做合理变换再检验。
