Hypotesetest er en statistisk metode til at vurdere, om stikprøvedata giver tilstrækkeligt bevis til at forkaste en angivet antagelse om en population eller proces.
In DMAIC -projekter bruger teams hypotesetests til at undersøge formodede årsager og evaluere ændringer i ydeevne. Nulhypotesen repræsenterer normalt ingen forskel eller ingen sammenhæng. Før data analyseres, definerer teamet sammenligningen og vælger et signifikansniveau, typisk 0,05. En p-værdi under denne tærskel støtter at forkaste nulhypotesen under testens antagelser. Den måler ikke sandsynligheden for, at nulhypotesen er sand.
For eksempel kan et kreditor-team teste, om den gennemsnitlige fakturabehandlingstid ændrede sig efter indførelsen af et revideret godkendelsesworkflow. Analysen skal tage højde for forskelle i fakturakompleksitet, og om observationerne er uafhængige. Sammenligning af uforlignelige perioder med forskellig arbejdsbyrde kan føre til en misvisende konklusion. Et konfidensinterval hjælper evaluatoren med at vurdere, om den estimerede reduktion er stor nok til at retfærdiggøre implementering.
Hypotesetest hører hjemme i Analyze- og Improve-faserne i DMAIC. Validering af målesystemet fastslår, om de underliggende data er egnede, mens forsøgsplanlægning kan strukturere sammenligninger, der undersøger kausale effekter. Statistisk signifikans alene fastslår ikke en grundlæggende årsag eller en økonomisk gevinst. Et fakturabehandlingsprojekt har stadig brug for beviser, der forbinder ændringen i workflowet med den observerede reduktion, hvor frigjort medarbejderkapacitet opgøres separat fra reducerede udgifter.
