一句话了解假设检验：假设检验是用样本数据对"两个过程有没有真实差异"下统计结论的方法，核心判据是p值——p<0.05通常意味着差异显著、不是抽样误差。它是六西格玛DMAIC分析（A）阶段验证根因的主力工具：t检验比均值、ANOVA比多组、卡方比比例。张驰咨询25年2000+企业项目实战经验，绿带/黑带培训中含完整假设检验实操训练。咨询热线400-889-8319。
假设检验（Hypothesis Testing）是统计推断的核心方法，回答的是六西格玛项目里最常遇到的一类问题："调整前后真的有差异吗？还是只是抽样的运气？"
它的逻辑是"反证法"：先立下原假设H0（通常是"没有差异、没有效果"），再收集数据计算——如果H0成立，观察到当前数据的概率（即p值）有多小。当p值小于显著性水平α（通常取0.05），我们就有统计把握拒绝H0，宣布差异显著。
为什么必须用统计方法而不是"看一眼平均值"？因为任何两组样本的均值几乎都不可能完全相同——抽样本身就有波动。假设检验的作用就是区分：这个差异大到不像是运气。在DMAIC分析（A）阶段，它是把"嫌疑人根因"变成"实锤根因"的关键一步，也是绿带和黑带考核的核心考点。
第1步：立假设。写清H0（无差异）和H1（有差异），并确定单侧还是双侧。例：H0=新旧设备不良率相同；H1=新设备不良率更低（单侧）。
第2步：定α、选方法。显著性水平α通常取0.05；根据"比什么（均值/比例/方差）、几组数据、是否正态"选择检验方法（见选型地图）。
第3步：算样本量、收数据。先做功效与样本量分析，确保检验有足够"视力"检测到实际大小的差异；抽样要保证独立性和随机性。
第4步：计算得p值。用Minitab执行检验，得到统计量和p值，同时检查前提假设（正态性、等方差）是否成立。
第5步：下结论、跟行动。p<0.05→拒绝H0，差异显著，进入改进；p≥0.05→证据不足，扩大样本或重新审视因子。结论必须翻译成业务语言写进项目报告："拒绝H0"要说成"不良率下降2.1个百分点是真实改善，不是波动"。
| 比较目标 | 数据条件 | 检验方法 | 典型问题 |
|---|---|---|---|
| 单组均值 vs 目标值 | 连续数据 | 单样本t检验 | 这批轴径均值是否偏离25.00mm目标 |
| 两组均值互比 | 连续、独立 | 双样本t检验 | 新设备产能是否高于旧设备 |
| 同一对象前后比 | 连续、配对 | 配对t检验 | 培训前后操作时间是否下降 |
| 三组及以上均值 | 连续、正态 | ANOVA方差分析 | 三个供应商来料强度是否一致 |
| 比例/不良率 | 计数数据 | 卡方检验 | 夜班不良率是否高于白班 |
| 两组比例精确比 | 计数数据 | 双比例检验 | 改善前后直通率差异是否显著 |
| 中位数/严重偏态 | 非正态 | Mann-Whitney等非参数 | 维修时长改善是否显著（右偏数据） |
| 波动/方差 | 连续数据 | F检验/Levene检验 | 新工艺波动是否比老工艺小 |
选型三条铁律：①先看数据类型（连续还是计数）；②再看组数与配对关系；③最后查前提假设（正态、等方差）。方法选错，p值再小也是无效结论。
p值的准确定义：在H0成立的前提下，出现当前或更极端数据的概率。三个最常见的误读：
误读一：p=0.03说明"结论正确的概率是97%"。错。p值不回答结论对错，它只度量数据与H0的矛盾程度。
误读二：p<0.05说明差异很大、很重要。错。p值只说"显著"，不说"多大"。样本量大时，0.1%的微小差异也能p<0.01——统计显著不等于业务上有价值，必须同时看置信区间给出的差异量级。
误读三：p=0.08说明"没有差异"。错。正确说法是"证据不足，无法拒绝H0"——可能是真没差异，也可能是样本量不够没"看清"。这就是为什么样本量计算不可省略。
| H0实际为真（无差异） | H0实际为假（有差异） | |
|---|---|---|
| 拒绝H0 | 一类错误（概率α=5%） 把波动误判为差异 | 正确决策（概率1-β，检验功效） |
| 不拒绝H0 | 正确决策 | 二类错误（概率β） 真差异被漏判 |
质量改进中二类错误常被忽视：样本量不足的检验像视力0.3的安检员——查不出隐患不等于没有隐患。所以正式项目要求在收集数据前做功效与样本量分析：给定想检测的最小差异δ、数据波动σ和目标功效80%，Minitab直接给出最小样本量。这是黑带与绿带的分水岭之一。
在DMAIC五阶段里，假设检验的主战场是分析（A）阶段：鱼骨图和FMEA筛出的"嫌疑根因"，必须用数据验证才能进入改进阶段。典型验证套路：
① 类别型根因（班次、机台、供应商）→ t检验/ANOVA比均值，卡方比不良率。② 连续型根因（温度、压力）→ 相关分析、回归分析。③ 比例型结果（不良率、合格率）→ 卡方或双比例检验。
验证通过的标准写法："经双样本t检验，A/B两机台均值差0.43mm，p=0.003<0.05，差异显著——机台差异确认为根因之一。"只有写到这个颗粒度，改进阶段的对策才站得住。改进（I）阶段实施对策后，还要再做一次检验确认效果——首尾两次检验，构成完整的证据链。多因子需要同时优化时，进入DOE试验设计。
案例一：新能源电池（双样本t检验）。某电池企业调整涂布机速后，极片面密度均值从18.42降到18.31g/100cm²——看起来波动小了，是真改善吗？双样本t检验：调整前后各40片，p=0.008<0.05，且标准差从0.31降到0.18。结论：波动降低41%是真实改善，不是抽样运气，工艺参数予以固化。
案例二：医疗器械（ANOVA）。某器械企业同一原料三个供应商供货，灭菌不良率分别为2.4%、2.2%、2.1%，看起来差不多。单因素ANOVA对拉伸强度检验：F=6.82，p=0.002——三组均值差异显著，Tukey比较锁定C供方显著偏低。收敛采购后灭菌不良率降至0.6%。教训：不良率"差不多"不代表材料"差不多"，过程波动会掩盖问题。
案例三：注塑车间（卡方检验）。某注塑企业夜班不良率3.8%、白班2.9%，班组长认为是"运气"。卡方检验：χ²=7.35，p=0.007<0.05——差异显著。顺藤摸瓜发现夜班温控巡检频次减半，恢复巡检标准后夜班不良率回落至2.7%，年废品损失减少230万元。
三个案例的共同点：业务上"看起来像运气"的差异，假设检验一锤定音——这是数据决策和经验决策的分水岭。
意味着：如果原假设H0为真（真的没有差异），观察到当前这么极端数据的概率不足5%——小概率事件发生了，所以我们有统计把握拒绝H0，判定差异显著。注意p值不是"差异很大的概率"，也不是"结论正确的概率"。
取决于三个因素：想检测的最小差异（δ）、数据波动（σ）、以及能接受的检验功效（通常80%）。差异越小、波动越大，需要的样本越多。正式项目应先用功效与样本量计算（Minitab自带），而不是随手抓30个就检验。
轻中度偏态且样本量n≥30时，t检验对非正态有稳健性；严重偏态或小样本应改用非参数检验（如Mann-Whitney），或先做正态性检验（Anderson-Darling）再定方法。Minitab可一键完成正态性检验。
一体两面：检验"两组均值是否相等"等价于看"均值差的95%置信区间是否包含0"。置信区间额外给出差异的量级信息（差多少、范围多宽），报告中建议两者同时给出。
ANOVA显著只说明"至少有一组不一样"，具体哪几组有差异要做多重比较（如Tukey法）。随后应进入DOE试验设计，系统寻找最优参数组合，而不是停留在"有差异"。
一类错误α（误判有差异）通常设为5%；二类错误β（漏判真差异）靠样本量控制。质量改进中漏判的代价常被低估——样本量不足的检验就像视力0.3的人查隐患，查不出不代表没有。
计算本身不难：菜单选择Stat→Basic Statistics→对应检验，导入数据列即可出结果。真正的难点在统计思维——假设怎么设、方法怎么选、结论怎么写进项目报告，这需要系统训练和项目实战。
绿带要求：单样本/双样本t检验、配对t、单因素ANOVA、卡方检验、正态性检验的完整流程与Minitab操作；黑带在此基础上增加非参数检验、方差检验、功效与样本量计算、以及多变量分析的入门。