熱門關鍵字:SiP | 自駕車 | 藍牙5 | NB-IoT | AI

訂閱電子報

立刻輸入Email,獲取最新的資訊:

收藏功能:
分享報新知:
其他功能:

樣本數提升信賴區間信度 T檢驗提升製程管制效益

文‧Douglas G. Sutherland/David W. Price 發布日期:2018/03/31 關鍵字:KLA-TencorT檢驗變化量檢測變化量偽陽性偽陽性

在1900年代初效力於愛爾蘭都柏林Guinness啤酒釀酒廠期間,William Sealy Gosset發現了被稱為T檢驗的統計算法。我們今天使用的T檢驗版本是經過Gosset在牛津大學的同事Ronald Fisher爵士發揚光大的,通常仍被稱為學生T檢驗。

T檢驗是一種統計算法,用於確定兩個樣本是否屬於同一個母群體。它並不明確解決問題,而只是計算兩個樣本同屬一個母群體的概率。例如,如果我們開發出一種清潔蝕刻室的新方法,則我們可能想要證明它能夠減少掉落的顆粒。利用晶圓檢測系統,我們可以測量採用舊的清潔製程後蝕刻室內晶圓上的顆粒數量,然後測量採用新的清潔製程後的顆粒數量。我們隨後可以用T檢驗來證明兩者之間的差異是否具有統計意義,抑或僅僅是隨機波動的結果。T檢驗可以回答以下這個問題:兩種樣本同屬一個母群體群的概率有多大?

但如圖1所示,T檢驗可能會產生兩種偽結果:偽陽性或偽陰性。若要證實實驗資料與基線確實不一樣,T檢驗的結果通常必須小於5%(即偽陽性的概率小於5%)。但如果T檢驗的結果大於5%(陰性結果),它並不能說明有多少概率這種結果是假的。偽陰性的概率是由測量次數決定的。因此始終存在兩種檢驗標準:

》想看更多內容?快來【免費加入會員】【登入會員】,享受更多閱讀文章的權限喔!
研討會專區
熱門文章