案例03｜SFO 機場調查：高頻旅客與一般旅客的滿意度差異檢定
| 核心主題 | 主要觀點／方法 | 實務用途 | 重要條件／限制／延伸 |
|---|---|---|---|
| 推論統計 | 利用樣本資訊對母體作機率式推論 | 在無法調查全部母體時支援決策 | 樣本必須具有足夠代表性 |
| 虛無假設 | 先假設沒有差異或沒有關聯，再以資料判斷是否拒絕 | 建立一致的假設檢定流程 | 未拒絕不等於證明完全相同 |
| p 值 | 在虛無假設成立時，觀察到目前或更極端結果的機率指標 | 與事先設定的顯著水準比較 | 不能解讀成虛無假設為真的機率 |
| 變異數分析 | 同時比較三組以上平均數 | 新創成本等多群組比較 | 顯著結果只表示至少有群組不同，仍需後續比較 |
| t 檢定 | 比較兩組平均數差異 | 產品試驗與旅客群組比較 | 需依研究設計選擇單尾／雙尾與變異數假設 |
| Excel／R／人工智慧分工 | Excel／R 計算檢定統計量與 p 值；人工智慧協助正確解讀 | 把檢定結果轉成管理語言 | 人工智慧不得自行產生或猜測 p 值 |
敘述統計只描述手上的資料；推論統計則利用抽樣分布與機率，判斷樣本中的差異是否足以支持母體層次的結論。
p 值應在虛無假設成立的前提下解讀。當 p 值小於事先設定的顯著水準時，代表目前資料與虛無假設較不相容，因此拒絕虛無假設。
很大的樣本可能使很小的差異達到統計顯著。決策時還要看效果大小、成本、風險與實務門檻。
群組如何定義、是否獨立、變異數條件、單尾或雙尾，都是計算前就應決定的分析設計，而不是看到結果後再選最有利的版本。