Download Benutzerhandbuch (DEU)

Alternativ-Hypothese: Zeilen- und Spaltenklassifikation sind nicht unabhängig.
Unabhängigkeit würde hier bedeuten, dass die Fehlerart an einem Gegenstand nichts mit der
Anlage zu tun hat, in der dieser Gegenstand hergestellt wurde.
Beim Chi-Quadrat-Test bedeutet ein kleiner p-Wert, dass die Zeilen- und Spaltenklassifikationen
nicht unabhängig sind. In unserem Fall ist der p-Wert kleiner als 0,05, also ist die Verteilung der
Fehlerarten in den Anlagen Texas und Virginia bei einer Irrtumswahrscheinlichkeit von 5 %
signifikant verschieden.
Eine Warnung wird angezeigt, weil einige Anzahlen in den Zellen der Kreuztabelle kleiner als 5
sind. (Technisch taucht diese Warnung auf, wenn die erwarteten Anzahlen in irgendeiner Zelle
kleiner als 5 sind, unter der Annahme, dass die Null-Hypothese zutrifft.) Bei kleinen ZellenAnzahlen kann der p-Wert unzuverlässig sein. Eine mögliche Lösung dieses Problems ist die
Zusammenfassung der seltenen Fehlerarten in eine einzige Klasse und die erneute Ausführung
des Tests. In STATGRAPHICS Centurion XVI ist das sehr einfach auf folgendem Wege
machbar:
1. Wechseln Sie in das Datenblatt und klicken Sie in den Spaltenkopf von Defects.
2. Drücken Sie die rechte Maustaste und wählen Sie im Kontextmenü Daten rekodieren.
3. Füllen Sie die Dialogbox Daten rekodieren aus, wie unten angezeigt, um alle weniger
häufigen Fehlertypen in eine einzige Klasse mit der Beschriftung “Other”
zusammenzufassen:
233/ Analyse attributiver Daten