假设检验 - 新手阻滞剂

问：

简介：我来自制造业，我们生产线上的一台加工机器曾经在一条生产线上进行压制、抛光和质量保证。现在我们有了一台新机器，可以同时单独执行这些操作。理想情况下，新机器会比旧机器更好。我想证明新机器的平均时间明显少于旧机器。

原假设 - 没有显著性差异

备选假设 - 新机器所用时间少于旧机器。

我最初计划执行引导来识别总体分布，假设数据呈正态分布，我计划使用两个样本 t 检验，否则使用 Mann Whitney U 检验。由于机器故障，每小时 50K 或更高的数据中也存在一些极端异常值，例如 2%。我想完全删除这些异常值，因为它们小于 5%。

我的问题是，在研究过程中，我遇到了正态性检验（Shapiro-Wilk），尽管我可能有助于在统计学上确认正态性。然后我遇到了样本量的比例测试，这也是推荐的。然后遇到了（winsorized mean），用于用非异常值替换异常值。

只是定期（相信我，我没有过度研究）研究，我就被过多的信息淹没了，这非常令人困惑。对于我的用例来说，理想的框架应该是什么。你们都建议我做什么，纠正或参考???

我执行了我最初计划执行的所有步骤，但是，现在重新考虑这是否正确。