chp9假设检定

假设检验在水分仪准确度评价中的应用作者：姜丽来源：《科技传播》2013年第13期摘要为对在线水分仪准确度进行评价，利用假设检验方法，对叶片加料、烘丝、加香工序的在线水分仪与烘箱法检测结果是否存在差异进行检验。

结果表明：不同工序的在线水分仪与烘箱法检测结果差值的标准差存在明显差异，如果仅从差值的平均值来判断水分仪的准确度，将得到错误的结论，利用假设检验方法能够有效评价在线水分仪的准确度。

关键词水分仪；准确度；假设检验中图分类号TS4 文献标识码A 文章编号 1674-6708（2013）94-0147-02烟丝含水率是卷烟制丝生产过程中需要严格控制的一项物理指标，对于改善和提高烟丝的感官质量、填充能力和耐加工性、保证卷接质量等十分重要。

含水率的控制离不开各工序在线水分仪，其优点是能够实现在线物料的实时、快速和连续测量，并通过数据采集与控制系统实现对物料的在线调节控制，其缺点是检测结果受外在因素影响较大。

在线水分仪的准确度直接影响含水率控制质量，因此，就需定期对其准确度进行评价。

本文探讨利用假设检验的方法评价在线水分仪准确度。

1评价方法和步骤由于本例是检验成对数据的一致性，先计算成对数据之差，并假定该差服从正态分布N （，），问题变成检验H0：µ=0，H1：µ≠0。

由于σ未知，用双侧t检验，确定在α=0.05水平下的临界值和拒绝域，根据检验统计量是否落在拒绝域中，判定在线水分仪与烘箱法检测结果是否一致，即水分仪的准确度。

1.1数据来源选择某牌号卷烟叶片加料、烘丝和加香三个工序的在线红外水分仪，待生产稳定后，在水分仪的探头下抽取20个样本，立即放入取样袋中密封，同时读取水分仪的显示值，从每个样本中抽取两个子样，用烘箱法[3]检测子样的含水率，其平均值即为样本的含水率。

数据见表1。

1.2 成对数据之差以烘箱法检测结果为约定真值，计算各成对数据之差、该差平均值及标准差，计算结果见表2。

微生物限度检查法应用指导原则为更好应用微生物限度检查法（附录ⅪJ），特制定本指导原则。

微生物限度检查法可用于判断非规定灭菌制剂及原料、辅料是否符合药典的规定，也可用于指导制剂、原料、辅料的微生物质量标准的制定，及指导生产过程中间产品微生物质量的监控。

本指导原则将对标准和方法中的特定内容及标准的应用做进一步的说明。

1.微生物限度检查过程中，如需要使用表面活性剂、灭活剂及中和剂，在确定其能否适用于所检样品及其用量时，除应证明该试剂对所检样品的处理有效外，还须确认该试剂不影响样品中可能污染的微生物的检出（即无毒性），因此无毒性确认试验的菌株不能仅局限于验证试验菌株，而应当包括产品中可能污染的微生物。

2.供试液制备方法、抑菌成分的消除方法及细菌、霉菌及酵母菌计数方法应尽量选择微生物限度检查法中操作简便、快速的方法，且应避免损伤供试品中污染的微生物。

对于抑菌作用较强的供试品，在供试品溶液性状允许的情况下，应尽量选用薄膜过滤法进行试验。

3. 微生物限度检查法（附录ⅪJ）收载的离心沉淀法仅适用于制备细菌计数或控制菌（细菌）检查用的供试液，规定的500转/分钟、不超过3分钟只用于去除供试液中的沉淀物。

采用该方法时，供试液中的样品颗粒大小、粘稠度及污染的微生物大小，转速等直接影响着样品中微生物的回收， 易造成检验结果不能真实反映供试品的污染情况。

因此，供试液制备时尽量避免使用该方法，更不宜采用高速离心沉降集菌。

4.对照培养基系指按培养基处方特别制备、质量优良的培养基，用于培养基适用性检查。

由中国药品生物制品检定所研制及分发。

5. 进行验证试验时，若因没有适宜的方法消除供试品中的抑菌作用而导致微生物回收的失败，应采用能使微生物生长的更高稀释级供试液进行方法验证试验。

此时更高稀释级供试液的确认要从低往高的稀释级进行，但最高稀释级供试液选择应根据供试品应符合的微生物限度标准和菌数报告规则，如供试品应符合的微生物限度标准是1克细菌数不得过1000cfu，那么最高稀释级是1：10-3。

假设检验基本方法假设检验就像是一个小侦探在破案呢！那什么是假设检验呢？简单来说呀，就是我们先提出一个假设。

比如说，我们假设某个工厂生产的灯泡平均使用寿命是1000小时。

这就像是我们先猜了一个答案。

这个假设呢，有原假设和备择假设之分哦。

原假设就像是我们默认的那个情况，就像刚刚说的灯泡平均寿命是1000小时这个假设就是原假设啦。

备择假设呢，就是和原假设对着干的，比如说灯泡平均寿命不是1000小时。

接下来呀，我们要找证据啦。

这个证据呢，就是从总体里抽取的样本数据。

就像从这个工厂生产的好多灯泡里，随机挑出一些灯泡来测试它们的使用寿命。

然后根据这些样本的数据来计算一些统计量。

比如说计算样本均值呀，样本标准差之类的。

这就好比小侦探在案发现场找线索一样，这些统计量就是我们的线索。

有了这些线索之后呢，我们就要看看这个证据是不是足够有力啦。

这就涉及到一个很重要的概念叫显著性水平。

这个显著性水平就像是我们定的一个标准，比如说我们定0.05这个显著性水平。

如果根据样本算出来的结果在这个标准之下，就像是小侦探找到的证据非常确凿，那我们就可以拒绝原假设啦。

如果没有达到这个标准呢，就说明证据还不够有力，我们就不能拒绝原假设，还得继续相信原来的那个假设。

举个例子吧，假如我们要检验一种新的减肥方法有没有效果。

原假设就是这个减肥方法没有效果，备择假设就是有效果。

然后我们找了一群人来试用这个减肥方法，记录他们减肥前后的体重变化，这就是我们的样本数据。

根据这些数据计算出相关的统计量后，再和我们定的显著性水平比较。

如果结果显示这个减肥方法很可能有效果，那我们就可以拒绝原假设，说这个减肥方法可能真的有用哦。

假设检验就是这么个有趣的过程，就像我们在探索一个未知的小秘密一样，通过提出假设、找证据、比较标准，来判断我们最开始的猜测对不对呢。

时间序列的单位跟检验方法我折腾了好久时间序列的单位跟检验方法这事儿，总算找到点门道。

咱先说说时间序列的单位吧。

这就像是每个时间点上的数据都有着自己的度量衡一样。

比如说，你在统计每天的销售额，那单位可能就是人民币元，要是统计的是每个月的气温，那单位可能就是摄氏度。

我一开始的时候特别容易搞混单位，有次我分析电力消耗数据，本来是以千瓦时为单位的，结果我稀里糊涂地当成千瓦来处理了，这算出的结果啊简直是一塌糊涂。

后来我就知道了，一定要搞清楚原始数据的单位到底是什么。

在时间序列里，如果单位乱了，后面做什么都不对劲儿。

再来说说检验方法。

我试过好多种呢。

咱先说个简单的，白噪声检验。

就好比你有一组数据，你想看看这组数据是不是毫无规律的随机波动，就像掷骰子每次得到的点数一样随机。

那白噪声检验就是干这个的。

我记得我刚开始用的时候，老是不明白结果到底说明啥。

有时候结果显示是白噪声，但是从数据图看起来又好像有隐隐约约的规律。

后来我才明白啊，这个检验不是绝对的，它只是给你个参考，还得结合实际数据的意义来看。

还有单位根检验。

这个就有点像检查一个链条最开头的那个环是不是结实的。

如果这个单位根存在呢，那就意味着这个时间序列可能不平稳。

我经常会把平稳性这个概念给搞混，以为数据波动小就是平稳。

实际上不是这么回事。

比如说股票价格，看起来有时候波动很剧烈，但是可能其实是平稳的时间序列。

我做单位根检验的时候也出过岔子。

我没有选对合适的模型，直接就用默认的模型就往上套，结果检验出来的结果乱七八糟的。

这才知道啊，在做单位根检验之前，你得琢磨琢磨你的数据大概是个啥样的情况，根据情况来选择合适的模型。

比如说对于有季节性波动的数据，就不能用那种简单的模型去做单位根检验了。

另外呢，还有协整检验。

这个我理解起来就花了很长时间。

我就想象我的数据是一群小伙伴，他们之间可能有着某种默契，不是各自为政的。

协整检验就是看看这些小伙伴之间有没有这么一种长期稳定的关系。

cqi-9 气体流量计计量校准要求
CQI-9标准是一个汽车零部件生产的质量管理认证标准，其中包括车身和引擎部件的生产和质量控制。

在CQI-9标准中，气体流量计是一个非常重要的部件，需要满足一定的计量校准要求，以保证其精度和稳定性。

具体的计量校准要求包括以下几点：
1. 安装和校准：气体流量计应该正确安装并进行精确校准，以确保准确读取气体流量。

2. 测试方法：应使用合适的测试方法，如重量试验法、引导试验法、流量计试验法等，在标准气体条件下进行测试，以确保测试结果的准确性。

3. 测量仪器要求：应使用先进的测量仪器，如精密天平、数字流量计等，在测试中使用标准气体浓度，以保证测试结果的准确性和可靠性。

4. 校准周期：气体流量计的校准周期应根据使用情况和能力限制而确定，以确保其稳定性和准确性。

5. 校准记录：应该建立气体流量计的校准记录，包括校准日期、校准人员、校准方法、测试结果等。

这些记录可以用来监测气体流量计的性能和提高质量控制。

总之，气体流量计计量校准是确保汽车零部件生产质量的一个重要环节，需要严格遵循相关的校准要求和标准，以保证其准确性和一致性。

六西格玛管理工具“假设检验”中的常见术语假设检验是六西格玛管理中的常用工具。

1.零假设（Ho）——不存在变化或差异的假设，如无充分证据拒绝它，就假设这一命题是真的。

2.备选假设（Hα）—存在变化或差异的假设，如果拒绝Ho,则认为这一命题是真的。

3.I类错误——当Ho实际为真时而被拒绝所产生的错误。

4.a风险——出现I类错误的最大风险或概率。

通常为5%,研究人员决定拒绝Ho所可以接受的最大风险。

5.Ⅱ类错误——当Ho实际为假而没有被拒绝所产生的错误。

6.β风险——Ⅱ类错误出现的风险或概率。

7.显著性差异——用于描述统计假设检验结果，即差异大到不能合理地归因于偶然因素。

8.检验统计值：标准化数值（Z、t、F等），代表Ho的可行性，它以已知的方式分布，因此可以确定这种观察值出现的概率，通常Ho的可行性越高，则检验统计值的绝对值就越小，在这种分布范围内观察到此值的机会也越大。