对NPS应用统计测试可能会造成混淆。在这篇文章中，研究院商标设计和研究院vi设计公司将定义问题，分解解决问题的方法，并避免使用数学方程式来保持事物的概念性。通过这种方式，将更容易理解NPS分数的统计测试所发生的情况。

NPS的问题

要了解的第一个问题是，我们不能直接对NPS分数进行统计检验，因为NPS分数没有明显的分布。这是因为De废者和促进者的许多很多组合都可以产生相同的准确NPS分数。

由于我们不能仅从观察到的NPS来计算误差幅度，因此，我们没有将测试应用于NPS分数本身，而是在测试促进者和批评者发生率的分布模式。这是第一个可以理解的概念：尽管Reichheld徒弟提出了要求，但我们并未测试“一个数字”。我们正在统计测试响应的潜在子组的组成指标。

因此，我们正在尝试在促进者和批评者水平附近衡量误差（或精度）。无源元件也位于其中，但由于研究院商标设计和研究院vi设计公司不是计算的一部分，因此我们暂时将它们放置在一边。

可以把它想象成从袋子里掏出口香糖。促销员有一定数量的绿色口香糖，De毁者有红色口香糖，被动式有黄色口香糖。口香糖上几乎没有微小的数字可以告诉颜色内的其他信息，但这对目的并不重要。主要重点是跟踪从包中提取的三种颜色。此，我们需要做的是理解抽签的误差和置信度，以便进行统计检验。由于我们不知道人口的真实比例，因此估算必须基于抽签。这与我们对正常的Top2 Box得分或“是/否”类型问题中“是”的百分比所做的操作相同。在这种情况下，正在估计比例。这是一种变化，我们正在研究两个相关比例之间的差异。如果提升者的百分比上升，则假设被动者成立，贬低者的百分比必须保持不变或下降。

因此，我们需要计算绿色口香糖和红色口香糖的比例差异的标准误差。有一个基本的等式，但只要根据样本量的比例进行比较即可。从袋子中抽出的口香糖越多，口香糖比例的估计值就越好。

一旦计算出标准误差（即3.3％），再加上我们希望自己有多自信的信息（90％，95％或99％），则对于标准差的结果误差估计为+/- 6.57。第一组抽奖。

这很有趣，因为它给我们的NPS（33）附近提供了一个误差带，但是我们真正需要的是标准误差，以便进行逐周期差异测试。请记住，每个调查都有其自己的误差范围，并且每个误差都必须考虑在内。乙OTH次圣诞老人到来的时候，它是一个单独的平局。

运行相同的方程式，新的测量标准误差为3.5％。非常接近去年。如果研究院商标设计和研究院vi设计公司说今年总共只能抽出200次抽奖，那么这个错误会更高。但是现在，它几乎是相同的，因为又要进行500次抽奖。

他从未说过口香糖的混合物是否相同，因此，根据每个基本大小，需要确认两个比例差异的标准误差之间的差异。

当再次计算绿色口香糖和红色口香糖的比例差异的标准误差时，将测量值＃1和测量值＃2的标准误差合并在一起，得出比较差异的整体标准误差。从技术上讲，这是通过取各个平方标准误差的平方根来进行的，并且实质上将误差汇总。最坏的情况是，在两个时期内，研究院商标设计和研究院vi设计公司将看到单个度量的误差（如“顶盒”百分比）大约翻倍。但请放心，它通常低于此值，尤其是在样本大小相似的情况下。