在集成电路测试数据分析中，有两种使用GRR分析的方法。一种是同一个器件，验证不同的配置下，测试结果是一致的。这种就是单因素方差分析法。因为是同一个器件，所以H0假设是均值相等。因为是同一套系统，可以认为标准差相等。所以，这种情况要求不拒绝H0假设，也就是计算出来的F比值要小于Fα的值，即不拒绝均值相等的假设。
我觉得假设检验就是很渣的检验，因为他只有拒绝H0假设而选择备择假设，或者不拒绝H0假设，不能选择备择假设。而没有接受H0假设的说法。备择假设才是检验想要的。
另外一种常规GRR用法，要选择不同的器件，要求NDC足够大，也就是各个器件的均值明确不相等。这个时候H0还是假设测试不同组的数据均值相等。所以这时候的结论是拒绝H0假设，因为选取的就是不相等。所以F的比值要大于Fα，这样才能拒绝H0，选择备择假设：各个均值不想等。这样，才能证明设备有足够的能力区分不同的器件参数。
这同样是一种很渣的检验，NDC就是选择区分不出来的时候，F也只能不拒绝，检验失败。NDC选的差别离谱的时候，即使设备的分辨率略微差一点，F还是可以落到拒绝域中。所以，选择器件要求覆盖足够大制程波动幅度。但是，有几个选手会关注呢？！
上几个图，说明一下单因素方差分析的计算原理。
双因数方差分析，因为选择了不同的器件，所以多出一组因素，但是基本原理不变。
比如两组因素分别为A和B，那么对应得到比值FA，FB，以及交互作用FAB，而同样对应得到FαA，FαB，FαAB，比值判断是否拒绝H0假设，也就是大于Fα的就是显著影响因素，小于Fα的就是没有显著影响。所以对于设备测试不同器件，自然是希望显著影响来自于不同器件，而评价者和交互影响不显著。
原文：https://www.cnblogs.com/integrated-circuit-testing/p/15228786.html