Hypothesetoetsing is een statistische methode om te beoordelen of steekproefgegevens voldoende bewijs leveren om een gestelde veronderstelling over een populatie of proces te verwerpen.
In DMAIC projecten gebruiken teams hypothesetoetsen om vermoedelijke oorzaken te onderzoeken en prestatieveranderingen te evalueren. De nulhypothese staat meestal voor geen verschil of geen verband. Voordat de gegevens worden geanalyseerd, definieert het team de vergelijking en kiest het een significantieniveau, doorgaans 0,05. Een p-waarde onder die drempelwaarde ondersteunt het verwerpen van de nulhypothese onder de aannames van de toets. Het meet niet de kans dat de nulhypothese waar is.
Een crediteurenadministratieteam kan bijvoorbeeld toetsen of de gemiddelde verwerkingstijd van facturen is veranderd na de invoering van een herziene goedkeuringsworkflow. De analyse moet rekening houden met verschillen in factuurcomplexiteit en of waarnemingen onafhankelijk zijn. Het vergelijken van niet-gematchte perioden met verschillende werkbelastingen kan tot een misleidende conclusie leiden. Een betrouwbaarheidsinterval helpt de beoordelaar vast te stellen of de geschatte reductie groot genoeg is om de implementatie te rechtvaardigen.
Hypothesetoetsing past binnen de Analyze- en Improve-fasen van DMAIC. Validatie van het meetsysteem stelt vast of de onderliggende gegevens geschikt zijn, terwijl proefopzetten (Design of Experiments) vergelijkingen kunnen structureren die causale effecten onderzoeken. Statistische significantie alleen staat niet gelijk aan een grondoorzaak of een financieel voordeel. Een factuurverwerkingsproject heeft nog steeds bewijs nodig dat de workflowverandering koppelt aan de waargenomen reductie, waarbij vrijgekomen personeelscapaciteit afzonderlijk van de kostenbesparing wordt verantwoord.
