SAMSUNG的Minitab教程1ppt课件

1、1. Minitab 的操作MINITAB = Mini + Tabulator =小型 + 计算机引见 于1972年，美国宾夕法尼亚 州立大学用来作统计分析、教育用而开发，目前已出版 Window 用版本 Vesion12.2，并且已在工学、社会学等一切领域被广泛运用。特别是与Six-sigma关联，在GE、AlliedSignal等公司已作为根本的程序而运用。 优点 以菜单的方式构成，所以无需学习高难的命令文，只需拥有根本的统计知识便可运用。图表支持良好，特别是与Six-sigma有关联的部分陆续地在完善之中。Minitab什么是 Minitab ?普通统计- 根底统计 -回归分析 - 分

2、散分析 - 多变量分析 - 非母数分析 - TABLE(行列) - 探求性 资料(数据)分析 质量管理- 质量管理工具 - 测定系统分析 - 计量值数据分析 - 计数值数据分析 - 管理图分析 - 工程才干分析信任性 及 数据分析- 分布分析 - 数据的回归分析 - 受害分析 实验方案- 要因 实验方案 - 反响外表 实验方案 - 混合 实验方案 - Robust 实验方案 Minitab什么是 Minitab ?MinitabMinitab 操作Minitab 初始画面方法 2. 利用 Minitab 图标 运转的方法 把 Minitab安装到电脑时，开场菜单 及 Minitab 公文包里生

3、成Minitab的 运转图标。运转Minitab的方法有利用开场菜单及选择运转图标两种。 方法 1. 利用开场菜单 运转 Minitab 的方法 Session window:直接输入 Minitab 的命令或显示类似统计表的文本型结果文 件的窗口 WorKsheets:用于直接输入数据或可以修正的窗口，具有类似 Excel中的 spread sheet功能Info窗:简要显示已运用的变量信息的窗口History窗:储存已运用过的一切命令，并协助已运用过的命令可反复运用Graph窗: 显示各种统计图表，同时可以翻开15个窗口MinitabMinitab 画面 构成File : 有关文件管理所需

4、的副菜单的构成Edit : 编辑 Worksheet data , 外部 data 的 link 及 command link editor 副菜单 Manip : Worksheet data 的 Split、Sort、Rank、Delete、Stack/Unstack 等副菜单 Calc : 利用内部函数的数据计算及利用分布函数的数据生成Stat : 是分析统计资料的副菜单，由根底统计、回归分析、分散分析、质量管理、时针序列 分析、离散资料分析、非母数统计分析等构成 Graph : 为编辑 Graph的Graph Layout, Chart副菜单及文字Graph构成Editor : 不运用

5、菜单，运用命令直接作业及Clipboard setting等副菜单Window : 由控制 Window 画面构成的副菜单及 管理 Graph 画面的副菜单构成 MinitabMinitab 菜单 构成 翻开新建 : File - New(project, worksheet)翻开保管的 Project : File - Open project翻开保管的 Worksheet : File - Open Worksheet翻开保管的 Graph : File - Open Graph用ODBC翻开 : File - Quary Database翻开TXT : File - Others fil

6、e - Import special txt 保管保管为当前文件名 : File - Save(project, worksheet)另存为 : File - Save as(project, worksheet)TXT保管: File - Other file - Export special txt注) Open Graph 下方的 Save as 为根据选择的窗口可更 改保管内容。 打印打印当前选择 window : File - Print练习) 把 当前的 Worksheet 保管为 Temp.mtw， 并封锁后重新翻开 MinitabMinitab 菜单(File)恢复已删除资料去

7、除 Cell(s) 的数据删除 Cell(s) 的数据 下端的 cell 挪动复制 Cell(s)粘贴 Cell(s) LinK粘贴Link 管理选择一切 cell 编辑最后操作的对话框翻开命令编辑器普通选项用鼠标拖开任务窗口按鼠标的右键会出现 pop up menu 经过此项可编辑把 Col/Row 的全部作为任务的对象 时，选择上端/左侧。 指定变量名 : 在 C1(Col名) 下端的 cell 上输入变量名。输入 Data : 把数据和文字输入到下端的 cell 上 但，要是先输入 数值把变量属性变卦为数值变量后不能输入文字。删除 Data : 把相关 cell 用鼠标 drag 后按

8、Del 键 相关 cell 的内容被删除掉，并且下端的 cell 向上挪动。练习)在 AUTO.MTW上 1) 删除 4,5 Row后把 C4, C5的 DATA 变卦为 234 2) 把 C2 Col 挪动到 C5 3) 把 C4 Column Size 变卦为 12 MinitabMinitab 菜单(Edit)从活动 Worksheet 中复制数据，制造 subset Worksheet。把活动 Worksheet 分成两个以上新的 Worksheet把一列以上的数据移到多个列上把多个列上的数据合成一个列 交换行和列的位置对齐陈列数据数据上注明序位删除特定列的行把多个列的文字数据合并为一

9、个列数据按变换条件交换变卦 Data的属性把数据在Session窗口里输出把多个 Worksheet 合并为一个 Worksheet删除行、常数、行列把列上内容复制到其它列上MinitabMinitab 菜单(Manip)练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet 保管在新的 Worksheet 后， (1) 把 Durability 为 Unstack (2) 用上面 Unstack 的内容 把 C7的 data保管到 C8 Subscript。练习) 在 AUTO.MTW中， (1) Age 按 No.M 的顺序陈列。 (2) 按 Yes.M 的顺序陈列

10、的 No.F 保管到 C11。Minitab习题把多数的 col 运用函数计算后，保管到新的 col 上把1个 col 的统计值保管到新的 col 上用1个以上的 col 计算统计值后，保管到新的 col 上变换为规范化资料把数据属性变卦为数值属性把数据属性变卦为文字属性生成 Pattern 数据把 X、Y、Z 的值用 3D 图象方式组合后生成 Mesh 数据生成在回归分析中要运用的指示变量指定 Random 数据的基准点生成符合分布函数的 Random 数据生成符合分布函数的概率，并用数据保管行列MinitabMinitab 菜单(Calc)练习) 把 EXH_AOV.MTW 的 Durab

11、ility 和 Carpet保管到新的 Worksheet 后 (1) 把 Durability 和 Carpet 相加的值保管到 Dura-Carpet 上。 (2) 把 Durability-Carpet保管到 Dura-Carpet 上。练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保管到新的 Worksheet 后 (1) 求 Durability 的 根底统计值。 (2) Durability的Range保管到 C5。练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保管到新的 Worksheet 后 (1) 把 Durab

12、ility 正态化。 (2) 把 Durability 规范化为3和4之间的数据。练习) 生成 1 15 的奇数，每个数二回，全体集合反复三回的数据。练习) 把 Red Blue White Black 生成各值是二回，全体反复二回的数据。 练习) 生成从 1996.04.017.30之间按一周间隔构成的数据。练习) 生成 1996年 4月 1日、97年 7月 30日、98年 12月 25日为各二回，全体为三回构成的数据。练习) 在平均 300, 规范偏向5的正态分布当中抽出 40个 sample 保管到 C5上。Minitab习题MinitabMinitab 菜单(Window) windo

13、w : 集合了把 Minitab的一切 window 调理的命令和总体管理的 Graph, Worksheet的命令等, 全面性 Window 的运营命令。 指定把各个 window 都显示, 或者用小图标来显示 把 Tool bar 与 Status bar 隐藏或显示 使总括 Graph window 的 window活性化 使管理 Worksheet 的 window活性化 活性 window 用 Vmark 表示，用 Vmark标志翻开 window 2. 根底统计根底统计量输出根底统计量保管对母平均的推定及检定对母比率的推定及检定相关分析公分散分析正态性检定Minitab根底统计 两

14、个母集团的分散的同一性检定资料应为延续性的列资料, 同时应为数值资料。能输出图表。Variables : 选择需求分析的 Col(变量)By variable : 运用集团(Gvoup)变量计算根底统计量- N : data 数值 - Mean : 平均- Median : 中央值 - TrMean : 调整平均- StDev : 规范偏向 - SE Mean : Standard Erro of Mean- Minimum :最小值 - Maximum : 最大值- Q1 : 1/4数 - Q3 : 3/4数Minitab根底统计量 (Display Descriptive Statisti

15、cs) Histogram of data : 制造 HistgramHistogram of data with normal curve : 制造 Histogram和正态分布曲线Dotplot of data : 制造 Dotplot Boxplot of data : 制造 BoxplotGraphical summary : 把统计值用Graph输出Normality Test : 正态性检定 A-Squared : 越接近零时判别为接近正态P-Value : 比留意水准大时为正态性Minitab根底统计量 (Display Descriptive Statistics) 计算统计量

16、并保管在当前的 Worksheet 在选择两个以上的 Col 时，变量名区分为 1,2。当指定 By variable时，随着相关 Variable的种类按 Row 方向保管。- First quartile:1/4数- Third quartile : 3/4数- Interquartile range : Q3-Q1- Skewness : 歪度分布的对称性 ,越接近0 越满足对称性- Kurtosis : 添度分布的尖的程度为 0时正态分布, 负数为完美, 正数时 比正态分布尖- MSSD :把前后数据差的乘方除以2- N nonmissing :填满的Col数 N missing :

17、空 Col 数 Cumulative N : Col的DATA数- Percent : 集团占有率- Cum percent : 累积占有率Minitab保管根底统计量 (Store Descriptive Statistics) - 留意水准 : 犯第一种错误的最大约率 - P-Value : 犯一种错误的概率的推定值 - 驳回领域 : 驳回假设的部分领域 - 两侧检定 : 驳回领域存在于两端的检定- 单侧检定 : 驳回领域存在于分布一端时的检定 Minitab活用 Minitab 的假设检定知道规范偏向时的母平均推定和检定 检定母平均能否知道的特定值Variables : 选定要分析的 C

18、olConfidence interval :指定计算信任区间的信任度Test mean : 检定对象值(检定时指定)Alternative : 设定对立假设Sigma : 输入规范偏向p 值比留意水准小时驳回归属假设mu : 归属假设, mu not : 对立假设结果解释 : p值比留意水准小 故驳回归属假设, 即母平均不等于5。Test mean 指定的情况Minitab1-Sample ZEXH_STAT.MTWOne-Sample Z: ValuesTest of mu = 5 vs mu not = 5The assumed sigma = 0.2Variable N Mean St

19、Dev SE MeanValues 9 4.7889 0.2472 0.0667Variable 95.0% CI Z PValues ( 4.6582, 4.9196) -3.17 0.002结果解释 : 信任区间为最小 4.6582, 最大4.9196(信任度为 95%时) 图像对 Test 与 Confidence interval 的输出 不同。Test 时 Ho值追加表示。Minitab1-Sample Z不知规范偏向时母平均的推定和检定Variables : 指定要分析的 Col Confidence interval : 指定计算信任区间的信任度Test mean :指定检定时对

20、象值 Alternative : 设定对立假设StDev : 规范偏向SE Mean : 平均误差CI : 信任区间mu : 归属假设, mu not : 对立假设P值比留意水准小时驳回Ho，即p值指脱离的概率。结果解释 : p值小于5%留意水准， 故驳回归属假设, 即平均不等于5Test mean 指定的情况Minitab1-Sample tEXH_STAT.MTW不知规范偏向时两个母平均差的推定和检定Samples in one column(stack形状) : 在1Col中比较两个 集团 Sample in different columns(unstack形状) - First :选

21、择第一个 Col - Second : 选择第二个 Col Alternative : 设定对立假设Confidence level :设定信任水准Assume equal variance :假设两个集团的母分散一致结果解释 : p值大于 5% 有益水准， 应选择归属假设， 即两个母平均在95% 信任区间无差别Minitab2-Sample tTwo-Sample T-Test and CI: BTU.In, DamperTwo-sample T for BTU.InDamper N Mean StDev SE Mean1 40 9.91 3.02 0.482 50 10.14 2.77 0

22、.39Difference = mu (1) - mu (2)Estimate for difference: -0.23595% CI for difference: (-1.464, 0.993)T-Test of difference = 0 (vs not =): T-Value = -0.38 P-Value = 0.704 DF = 80Furnace.mtw有关对应的两个母集团的母平均差的推定和检定First sample : 选择第一个 data Col Second sample : 选择第二个 data Col - 1 Col 与 2 Col 的资料数应一样Confiden

23、ce level : 输入信任度Test mean : 输入对应差的检定平均值Alternative : 设定对立假设结果解释 : p值小于留意水准 5%， 故驳回归属 假设,即两个母平均间有差EXH_STAT.MTWMinitabPaired t母不良率的推定及检定Samples in columns :只限两种文字或者数字Summarized data - Number of trials : 全体试行次数 - Number of successes : 胜利(不良)次数Confidence level : 信任度Test proportion : 检定不良率Alternative :设定

24、对立假设Use test and interval based on normal distribution : 决议能否按 正态分布近似计算结果解释:p值比留意水准 5%小， 故驳回归属假设Minitab1-Proportion(单一母集团母比率的检.推定)两个母不良率差的推定及检定Summarized data - Number of trials : 全体试行次数 - Number of successes : 胜利(不良)次数Confidence level : 信任度Test proportion : 检定不良率Alternative : 设定对立假设Use test and int

25、erval based on normal distribution : 能否按正态 分布近似计算结果解释:p值比留意水准5%大，应选 择归属假设，即两个母集团不良率无差别Minitab2-Proportion(两个母集团母比率的检.推定)Minitab2Variances(两个母集团分散的同一性检定)EXH_STAT.MTW两个母集团的分散的同一性检定在做分散的同一性检定之前 ， 有必要先做正态性数据检定。随正态分布时F-Test 结果, 不随正态分布时看Levenes Test 结果再解释 结果解释:p值比有益水准 5%大, 故不能 判别两个母集团的分散不同。 一样 命名两个变量间关系的方

26、法Variables : 要分析的 Col Display p-value : 输出p值Store matrix :保管为 matrix结果解释:p值比留意水准 5%小， 故驳回归属假设， 即各变量之间有关系GRADES.MTWMinitabCorrelation(相关分析)公分散为像相关分析似的表示两个变量间关系的统计量- Verbal与 Math 的标本公分散为 1333.9704- Verbal与 GPA 的标本公分散为 13.6995- GPA与 Math 的标本公分散为 7.4790 MinitabCovariance(公分散)GRADES.MTW检定资料的分布形状能否随正态分布的分

27、析法归属假设 : 数据是随正态分布对立假设 : 数据是不随正态分布Variable : 设定需正态性检定的 Col(变量) Reference probabilities : 输入概率值 Tests for Normality : 三个方法中选择一种 结果分析:首先假设资料与图象中的直线一致，可以为按正态分布。因 P-value为0.022比留意水准小，故驳回归属假设，即不随正态分布Cranksh.mtwMinitabNormality Test(正态性检定)3. 回归分析为了模型化及调查反响变量与一个以上的独立变量之间关系的分析 Least square regression : 反响变量为

28、延续性资料时 Regression:利用最小乘方法，实施单一回归或多重回归Stepwise Regression:为了找出最适宜的阐明变量模型 进展追加或删除变量而分析Best Subsets Regression : 利用最大 R-square 基准来 分析最大 Subset 回归Fitted Line Plot:用一个预测变量的线型或多次项进展 回归分析Residual Plot : 为残差分析的 Plot作成 Logistic square regression:反响变量为范筹型资料时Binary Logistic Regression:利用二项反响变量的回归 分析(2个范筹时)Ordi

29、nal Logistic Regression:利用顺序型反响变量的 回归分析(3个以上范筹时)Nominal Logistic Regression:利用名目型反响变量的 回归分析(3个以上范筹时) Minitab回归分析根底MinitabRegression 在两个以上变量的关系上建立数学函数的方法Response : 选择种属变量(结果值) - Score 2Predictors : 选择独立变量(输入值) - Score 1EXH_REGR.MTWOptions.Weight:为加重回归指定有加重值的 ColFit intercept:决议在模型中能否除去绝对项Display - Va

30、riance inflation factors:以多重空线型判别(VIF) 影响值，指定VIF值输出与否 -Durbin-Watson statistic :指定检定残差本人相关 Durbin-Watson统计量输出与否Lack of Fit Tests -Pure error:指定履行适宜性检定时纯误差项的 输出与否 -Data subsetting:指定把阐明变量细分而提供类似 反复效果的算法适用与否Prediction intervals for new observation:推定回归 式后，按阐明变量的值推定y值 Storage -Fits:指定能否保管推定的y -Confiden

31、ce limits:指定能否保管推定y的信任水准的 信任区间 -SDs of fits:指定能否保管y的规范偏向 -Predicction limits:指定能否保管y的预测界限MinitabRegressionResults. 在 Session 窗不显示任何结果时 显示根本的回归分析结果时显示根底统计量时显示追加统计量时Graphs.Residuals for Plots:残差图象中显示的残差种类选择 -Regular:在资料的原来测度内利用残差时 -Standardized:利用规范残差时 -Deleted:利用 Studentized残差时Residual Plots -Histogr

32、am of residual:画残差的 Histogram 时 -Normal plot of residual : 画残差的正态概率图时 -Residuals versus fits:想看残差的适宜性时 -Residuals versus order:关于残差对比资料的顺序 -Residuals versus the variables:残差与变量之间的关系MinitabRegressionMinitabRegression分析结果回归方程式为SCORE2=1.12+0.218SCORE1P值比留意水准小，故驳回归属假设。即两个变量的回归系数不是 0。对资料的阐明程度(决议系数)为95.7%

33、，因第 9个数据是非正常数据，故需求进一步察看。新数据的信任区间为(2.7614, 3.0439), 预测区间为(2.5697, 3.2356)。MinitabStepwise 阐明变量数量多时，添加或减少变量而选别适当的变量集合为目的一切能够的回归 : 当有k个变量时，调查从一个也不包含的模型至包含 k个的 一切模型 前进选择法 : 在影响反响变量的 k个阐明变量中选择最大影响的变量， 并判别为再无其它重要变量时,停顿变量的选择 后进选择法 : 在影响反响变量的 k个阐明变量中除去影响小的变量， 并判别为再无可除变量时，停顿变量的除去阶段别回归方法 :在前进选择法里加后进选择法的方法Mini

34、tabStepwiseResponse:输入反响变量(Pulse2)Predictors:输入阐明变量(Pulse1 Ran-Weight)Predictors to include in every model: 指定先包含的变量选择 Forward selection后指定留意水准留意水准:把预测变量追加到回归模型的基准 (p值小于留意水准时追加) PULSE.MTWMinitabStepwise显示进入模型的预测变量的最正确程度 (假设是2，那么显示 2个预测变量)输入要进展几次操作回归模型里要追加常数项时 Stepwise Regression: Pulse2 versus Pulse

35、1, Ran, WeightForward selection. Alpha-to-Enter: 0.1 Response is Pulse2 on 3 predictors, with N = 92 Step 1 2 3Constant 10.28 44.48 70.85Pulse1 0.957 0.912 0.851T-Value 7.42 9.74 9.27P-Value 0.000 0.000 0.000Ran -19.1 -20.6T-Value -9.05 -9.93P-Value 0.000 0.000Weight -0.134T-Value -3.08P-Value 0.003

36、S 13.5 9.82 9.39R-Sq 37.97 67.71 70.85R-Sq(adj) 37.28 66.98 69.85C-p 99.3 11.5 4.0 best alt.Variable Ran Weight T-Value -6.70 -0.54 P-Value 0.000 0.591 Variable Weight T-Value -1.62 P-Value 0.108MinitabBest Subsets 在分析者所希望的阐明变量中找出最正确模型的分析Response:指定反响变量Free predictors:指定在模型里包含能够性的 变量Predictors in al

37、l models:指定必需包含在模型 中的变量包含在模型的至少变量数和最大变量数在阐明变量数为一样的组合中，指定最高阐明结果的几个输出与否EXH_REGR.MTW结果解释在模型选择上有根据的统计量(R-square, adj-R, Cp)Vars:包含在各模型的阐明变量数。以下是如前所定的5个阐明变量中包含2个至4个的模型中按R-square高顺序所表示的。另在包含2个、3个、4个阐明变量的模型 中，每各变量个数输出3个。MinitabBest Subsets履行单一回归步骤, 绘出回归图在线型回归及多项回归中有用的方法, 即一个变量对应一个反响值时。 Options.Response:指定反

38、响变量Predictor:指定阐明变量(仅一个)Type of Regression Model:指定回归 Model (1,2,3次方程式)Transformations:反响变量与阐明 变量取10为底的 LogDisplay Option:表示信任区间及 预测区间MinitabFitted Line PlotMinitabFitted Line Plot结果解释显示2次项模型比直线模型更为适宜残差 plot 是为回归分析诊断而运用回归分析时, 假设保管了残差和推定值(Fits),那么利用 Residual Plot 步骤绘出残差图形。进展残差分析之前应先保管残差和适宜值 Stat Regr

39、ession Storage : 把 Fits与 Residual checkResiduals : 指定残差Fits : 指定反响变量的推定值MinitabResidual PlotsMinitabResidual Plots显示为检查残差能否近似于正态分布的正态概率图，接近直线时为良好。用类似于正态概率图的用途显示全面的残差形状的图象，正态分布形状时为良好残差对适宜值的图象是显示越小的预测值 更为适宜当反响变量不是延续性的二分型(0,1)资料时的回归分析Response:指定反响变量Frequency:输入频率数存在胜利与试行次数, 胜利与失败, 失败 与试行次数形状的反响变量时，各自输入

40、。 Model:指定阐明变量 Factors:在阐明变量中指定离散型变量Graph.指定为回归模型诊断的各种图象EXH_REGR.MTWMinitabBinary Logistic RegressionResults.经过图象诊断过程中显示不适宜模型的值有2个。在图象上按鼠标右键那么出现 Play菜单，并经过 Brush确认是第31号值与第66号值MinitabBinary Logistic RegressionBinary Logistic RegressionLink Function: LogitResponse InformationVariable Value CountRestin

41、gP Low 70 (Event) High 22 Total 92Factor InformationFactor Levels ValuesSmokes 2 No YesLogistic Regression Table Odds 95% CIPredictor Coef StDev Z P Ratio Lower UpperConstant -1.987 1.679 -1.18 0.237Smokes Yes -1.1930 0.5530 -2.16 0.031 0.30 0.10 0.90Weight 0.02502 0.01226 2.04 0.041 1.03 1.00 1.05L

42、og-Likelihood = -46.820Test that all slopes are zero: G = 7.574, DF = 2, P-Value = 0.023Goodness-of-Fit TestsMethod Chi-Square DF PPearson 40.848 47 0.724Deviance 51.201 47 0.312Hosmer-Lemeshow 4.745 8 0.784Brown:General Alternative 0.905 2 0.636Symmetric Alternative 0.463 1 0.496Table of Observed a

43、nd Expected Frequencies:(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic) GroupValue 1 2 3 4 5 6 7 8 9 10 TotalLow Obs 4 6 6 8 8 6 8 12 10 2 70 Exp 4.4 6.4 6.3 6.6 6.9 7.2 8.3 12.9 9.1 1.9 High Obs 5 4 3 1 1 3 2 3 0 0 22 Exp 4.6 3.6 2.7 2.4 2.1 1.8 1.7 2.1 0.9 0.1 Total 9 10 9 9 9 9 10

44、 15 10 2 92Measures of Association:(Between the Response Variable and Predicted Probabilities)Pairs Number Percent Summary MeasuresConcordant 1045 67.9% Somers D 0.38Discordant 461 29.9% Goodman-Kruskal Gamma 0.39Ties 34 2.2% Kendalls Tau-a 0.14Total 1540 100.0%结果解释在Logistic回归 Table中Smoke与 Weight 在留

45、意水准 5%以内有意义。并且 p值为 0.023，故判别为至少一个不是0。实施适宜度断定，如有p值小于0.05那么适宜为不恰当的，但在此显示适宜。在Measures of Association 上 Pairs部分是一致的结果，Summary Measures表示预测力的尺度。(越接近1为越好的预测力)MinitabBinary Logistic RegressionMinitabOrdinal Logistic Regression 反响变量按顺序型显示的logistic回归模型Response:指定反响变量Frequency:输入频率数存在胜利与试行次数, 胜利与失败, 失败与 试行次数形

46、状的反响变量时，各自输入。 Model:指定阐明变量Factors:在阐明变量中指定离散型变量EXH_REGR.MTWRegionr 的 p-value=0.685 比留意水准0.05大，故没有影响。在这模型中删除 Region 后, 再进展分析为好。MinitabOrdinal Logistic Regression 反响变量为名目型(性别, , 学号等) 资料构成的 logistic 回归模型。Response:指定反响变量Frequency:输入频率数存在胜利与试行次数, 胜利与失败, 失败与 试行次数形状的反响变量时各自输入。 Model:指定阐明变量Factors:在阐明变量中指定离

47、散型变量EXH_REGR.MTWMinitabNominal Logistic Regression4. 分散分析Minitab分散分析根底 寻觅阐明变量与反响变量关系式的方法论一元配置分散分析(DATA形状为 Stack 的时候)一元配置分散分析(DATA形状为 Unstack 的时候)二元配置分散分析平均分析均型分散分析(在各水准反复一样的时候)普通线型模型支份分散分析检定分散的同一性区间 Plot主效果 Plot交互效果 PlotMinitabOne Way ANOVA(一元配置法) 因子为一个, 反复数为对一切水准不一样也可, Radom实验。在数据为一个 Col中以 Stack 形状

48、保管时运用。Response:指定反响变量Factor:指定阐明变量(要因)Comparisons:检定多重比较Store residuals:保管残差Store fits:保管水准平均值 DF:自在图(Degree of Freedom)SS:乘方的和(Sum of Square)MS:不偏分散(Mean of Square)F:F-概率值P:P-value(留意概率)留意水准比 p-value 大那么有影响。 即水准间有差。 (级区间有变动) - 上面的 p值大于 0.05，故没有影响。EXH_AOV.MTW(先需求检定 RESPONSE值的正态性)Graphs.Dotplots / Bo

49、xplots 图象输出 optionResidual Plots:对残差提供多样的 plot - 残差只需随正态性时，它的结果值才干 判别为正确。存在各范围间的重叠区间各点呈现直线形状时，意味着正态性MinitabOne Way ANOVA(一元配置法) 当数据按水准类别指定在 Col 时运用(Unstack 形状)剩余事项与 Stack 情况一样Responses:指定按各水准别 有反响值的Col MinitabOne Way ANOVA(Unstacked) 因子为 2个，把因子各水准的组合全部Radom实施的实验。 数据应为 Stack 形状。Response:实验结果数据Row fac

50、tor:B因子Column factor:A因子Store residuals:保管残差Fit additive model:选择交互作用的有无Lake与 Interaction 的 p值 大于 0.05，故不会 引起效果。Suppleme的 p值 小于 0.05，故 Suppleme 的 水准间有差。看左图可知道 Suppleme 的平均间有差。看左图可知道 Lake 的平均间没有差。EXH_AOV.MTWMinitabTwo-way ANOVA用 Graph 来显示因子的平均值，检讨因子的哪个水准有影响-分散分析是对水准间有无差距的分析-平均分析是对全体平均与各水准平均间有无差 距的分析R

51、esponse:反响(结果)值Distribution of Data:资料的分布形状 -Normal:正态分布, Factor 1:因子水准 Col (一元配置法时) Factor 2:因子水准第二 Col (二元配置法时) -Binomial:二项分布 -Poisson:Poisson分布Alpha level:留意水准脱离管理线那么有影响用两个因子的交互作用效果Main Effect:主要因Minutes 的 3水准(值=18)时有影响Strength 的 3水准(值=3)时有影响EXH_AOV.MTWMinitabAnalysis of MeansMinitabBalanced ANO

52、VA 2水准各组合内的实验次数一样时运用Response:实验结果数据Model:指定需分析的因子Random factors:指定变量因子Probtype|Calculat的标志为思索交互作用 效果的计算实施.EXH_AOV.MTWProbtype, Calculat, Probtype*Calculat等比留意水准(0.05) 小，故判别为各因子的水准间存在分布的差。Engineer 为变量因子故无统计意义。MinitabTest for Equal Variances 检定2集团以上的分散能否一致 - 归属假设 : 一切水准的分散一致 - 对立假设 : 至少一个以上的分散不一样正态分布数

53、据时:Bartletts Test包括正态分布的延续性数据时:Levenes Test因 p-value 比留意水准(0.05)大，应选择归属假设，即一切水准的分散一致。 EXH_AOV.MTWMinitabInterval Plot平均信任区间得出后作成 plot Y variable:设定反响值 Group variable:subscript 指定Type of interval plot -Standard Error:适用规范误差 -Multiple:适用规范误差倍数 -Confidence interval:指定信任度Display mean as:设定plot表示方法Pool e

54、rror across groups-适用总合误差平均值以 symbol 标志，且有信任 区间标志。 MinitabMain Effects Plot对主效果的水准间差别比较Responses:指定反响值Factors:指定因子Base plots on:指定plot基准Supplement 在2水准时值特大。Lake在各水准间无太大的变动。EXH_AOV.MTWMinitabInteractions Plot交互作用的水准间差别比较Display full interaction plot matrix: 作成为 matrix可知道按 Field 水准变卦的 Variety 各水准的 变动及

55、平均值。 -平均是 Variety 4,6水准比别的水准小。 -变动是 Variety 2 水准比别的水准大。 -水准间 Cross 角度越大，交互作用效果就 越大。ALFALFA.MTW5. DOE(实验方案法)Minitab实验方案法根底 如何实施实验如何选取数据, 如何解释才干以最少的实验次数 迅速获得最大的信息量的方案方法. 实验的成败，只需把以往的阅历或者实际性、 技术性知识等的原有技术与 按照实验方案法的知识结合起来才有能够. Create Factorial Design:要因配置法实验设计Define Custom Factorial Design:在变卦当前的 实验方案而再指

56、定时运用。Analyze Factorial Design:得出实验分析结果Factorial Plot:主效果, 交互效果 plot 作成Contour/Surface(Wireframe)Plots:展现实验的 反响外表Overlaid Contour Plot:以视觉性展现多个反响 变量的妥协领域Response Optimizer:寻觅满足目的值因子的 最正确组合Factorial:要因配置实验RS Design:反响外表实验Mixture Design:混合物实验Modify Design:对实验的修正Display Design:实验方案后生成的内容经过 Worksheet 可见

57、Minitab实验方案法根底 DOE 用语因子(Factor)实验所用的输入要素(例) 温度, 湿度,水准(Level)各实验因子的设定值 (例) 温度 100 200(-) (+)反响值(Response)实验的数值性结果(普通用 Y表示)(例) Y = 267mm主效果(Main Effect)随一个独立因子的水准变化相应的(例) E1 = 2 反响值的影响 E2 = -7交互效果两个以上的因子结合后对反响 (例) E12 = 5 (Interaction Effect)因子产生的影响解(Resolution)在部分实施法中表示实验设计的搅乱(例) III, IV, V 程度的记号 搅乱(

58、Confounding)以两个以上因子的效果合并后 (例) 1 + 2 产生的景象难以分别 1+3, 2+2 在多个因子的各水准上分析同时实验的结果的技法 根据因子的数量- 一元配置法, 二元配置法, 多元配置法 要因配置法种类 - 完全要因配置法(Full Factorial Design) : 2水准完全要因配置法, 多水准完全要因配置法 - 部分实施法(Fractional Factorial Design) - Plackett-Burman 方案法(Plackett-Burman Design) 在 Minitab 中要因配置法的实行阶段 - 利用 “Create Factorial

59、 Design 为了完全要因配置法或部分实施法的实验设计的选择 - 选择实验设计后, 指定各因子的名称号及水准、反复次数、Random化与否 - 实行实验后, 输入数据实行 “Analyze Factorial Design 得出实验分析结果 - 最后利用 “Factorial Plot 绘出主效果及交互效果的 plot MinitabFactorial Design(要因配置法) MinitabFactorial Design(要因配置法 Create Factorial Design2-level factorial(default generators) - 2水准要因配置(genera

60、tor 自动指定)2-level factorial(specify generators) - 2水准要因配置(generator 运用者指定)Plackett-Burman design:15因子以上的情况General full factorial design:在2水准以上， 且要因类别水准不同时的完全要因实验Number of factors:因子数 指定Display Available Designs:展现运用能够的 配置 显示因子别实验数(Run)和 分析度 Resolution)实验次数越多，分析度越高分析度高的顺序 Full VII VI V IV IIIPlackett-