Minitab游戏攻略1-2(中文版)课件

游戏规则第一部

Stat>basicstat

游戏规则第一部

Stat>basicstat游戏规则第一条____Stat>basicstat>descriptivestat

Stat>basicstat>storestat同descriptive

《参数意义全阐述》Mean:平均值SEofmean:(standarderrorofthemean)SEMEAN=Std/sqrt(N)N为样本数Standarddeviation:标准偏差Variance:差异数Coefficientofvariance:差异系数＝(Std/Mean)*100%做为一名合格的DOE爱好者，对于各项参数含义必须了解！！现做必要的阐述如下：游戏规则第一条____Stat>basicstat>des续上一章Firstquartile:第一四分位数（box-plot图中）Median:中间数字Thirdquartile:第三四分位数Interquartilerange:第一四分位数和第三四分位数的差值Trimmedmean:计算5%的平均值即去掉最低和最高的5％的数据后的平均数Sum:计算总和Minimum:最小值Maximum:最大值Range:数据内的最大减最小之值Sumofsquares:所有值平方之和即=x12+x22+x32…..Skewness:表征图像对称性的值，为0表示绝对对称；为负数表示负/左倾斜；为正数表示正/右倾斜Kurtosis:峰值表示图像宽窄程度，为0表示图像平直；为负数表示“越尖”；为正数表示“越平滑”MSSD:逐次差平方的平均值的一半例：1，2，4，10逐次差为1，2，6那么MSSD＝{（1＋4＋36）/3}/2=13.666667/2=6.83333Nnonmissing:数据中数值非缺失数量Nmissing:数据中数值缺失数量续上一章Firstquartile:第一四分位数（box-再续上一章Ntotal:输入的所有数值的数量包括nonmissing数量CumulativeN:累计输入的数量即等同于Nnonmissing值Percent:（Nnonmissing/Ntotal）×100％Cumulativepercent:累计百分比数值等于percent值兹举例如下：针对KLAPBL_AEI层次一周数据defectivedie%共24个但为了演示，故意缺省3个值，做图及session如下:再续上一章Ntotal:输入的所有数值的数量包括nonmi再再续上一章散点图再再续上一章散点图游戏规则第二条___Stat>Basicstat>GraphicalSummary结果解释：1.平均脉搏为72.8702.平均值的95％置信区间70.590-75.1493.标准偏差为11.0094.安德森－达利正态检验中，(A-Squared=0.98;P-Value=0.013)表明并不符合正态分布！(因为P-Value<0.05)游戏规则第二条___Stat>Basicstat>Grap游戏规则第三条___Stat>Basicstat>1SampleZ若知道标准偏差，而想测试一组数据的平均值是否为A且获得90％的置信区间，则可以采用Z-procedure例如：1.打开某个worksheet2.选择Stat>Basicstat>1-SampleZ3.在”SamplesinColumns”中输入“Values”4.在”Standarddeviation“中输入0.2（已知量）5.在”testmean”中输入”5”(预估值，计划值）6.点击“options”,在”confidencelevel”中输入90（表示90％的置信度），再点OK7.点击“Graphs”,点击”individualvalueplot”,再点击ok生成如下图和session结果解释如下：1.Z值等于-3.17（测试假如若平均值为5时的统计值）2.P值等于0.002(因为其值小于0.1-90％置信度），表明预估值5这个假设被拒绝！这里u是样本平均值，u0是假设值，预测值游戏规则第三条___Stat>Basicstat>1Sa游戏规则第四条___Stat>Basicstat>1Samplet若不知道标准偏差，而想测试一组数据的平均值是否为A且获得90％的置信区间，则可以采用t-procedure例如：1.打开某个worksheet2.选择Stat>Basicstat>1-Samplet3.在”SamplesinColumns”中输入“Values”4.在”testmean”中输入”5”(预估值，计划值）5.点击“options”,在”confidencelevel”中输入90（表示90％的置信度），再点OK6.点击“Graphs”,点击”individualvalueplot”,再点击ok生成如下图和session结果解释如下：1.t值等于-2.56（测试假如若平均值为5时的统计值）2.P值等于0.034(因为其值小于0.1-90％置信度），表明预估值5这个假设被拒绝！这里u是样本平均值，u0是假设值，预测值游戏规则第四条___Stat>Basicstat>1Sa游戏规则第五条___Stat>Basicstat>2-Samplet对2个相互独立的样本进行t检验，同时生成置信区间，前提标准偏差未知例如：1.打开某个worksheet2.选择Stat>Basicstat>2-Samplet3.选择”SamplesinoneColumn”4.在”samples”中输入”BTU.In”(2个样本的值放在一列中）5.在“subscripts”中输入”Damper”(2个样本的名字)6.点击ok生成如下图和session结果解释如下：1.Pooled值等于2.8818（合并标准偏差）2.95％置信区间包含0，表明两者间没有差异3.P值等于0.701(因为其值大于0.05-95％置信度），表明两者差异为0即无差异这个假设被接受！这里u1，u2为样本平均值，＠0为假设检验值游戏规则第五条___Stat>Basicstat>2-S游戏规则第六条___Stat>Basicstat>pairedt对2个非独立的样本进行t检验，同时生成置信区间，例如：1.打开某个worksheet2.选择Stat>Basicstat>pairedt3.选择”SamplesinColumns”4.在”firstsample”中输入”A”(1个样本的值放在一列中）5.在“secondsample”中输入”B”(另一个样本)6.点击ok生成如下图和session结果解释如下：1.95％置信区间不包含0，表明两者间有差异！2.P值等于0.009(因为其值小于0.05-95％置信度），表明两者差异为0即无差异这个假设被拒绝！这里ud为两样本之差的平均值，u0为假设检验值游戏规则第六条___Stat>Basicstat>pair游戏规则第七条___Stat>Basicstat>1proportion对单个样本进行比例检验，同时生成置信区间，例如：某律师宣称如果其支持率大于65%，他将竞选州律师，我们可以随机抽样950份问卷，其中560份支持他，做1proportion检验1.选择Stat>Basicstat>1proportion2.选择”Summarizeddata”3.在”numberoftrials”中输入”950”4.在“numberofevents”中输入”560”5.点击”option”,在”testproportion”中输入0.65；在“alternative”中选择”greaterthan”,最后点击ok生成session结果解释如下：1.95％置信区间为0.562515<0.65,所以其支持率小于65%！2.P值等于1.00(因为其值大于0.05-95％置信度），也表明支持率小于65%这里p为样本值，p0为假设检验值游戏规则第七条___Stat>Basicstat>1pr游戏规则第八条___Stat>Basicstat>2proportions对两个样本进行比例检验，同时生成置信区间，例如：你决定买影印机，现从选X,Y两个牌子中选择，故考虑两个牌子随机各选50台，发现X中有6台，Y中有8台需要维修，做2proportions检验，以决定买哪台？1.选择Stat>Basicstat>2proportions2.选择”Summarizeddata”3.在”firstsample--trails”中输入”50”,在”events”中输入444.在“secondsample--trails”中输入”50”,在”events”中输入425.最后点击ok生成session结果解释如下：1.P值等于0.564(因为其值大于0.05-95％置信度），表明两者没有差异2.95%置信区间中包含0，也表明两者之间没有差异这里p1，p2分别为两样本值，p0为两者之间差异的假设检验值游戏规则第八条___Stat>Basicstat>2pr游戏规则第九条___Stat>Basicstat>correlation相关性值范围为-1到1之间，若一个增加，另一个减少其相关性值为负数，若两者都增加，其相关性值为正数，可对多个（大于2个)进行相关性验证。1.选择Stat>Basicstat>correlation2.选择”variables”中输入变量明细，X,Y,Z…….3.最后点击ok游戏规则第十条___Stat>Basicstat>correlation偏相关系数验证，用于当你有多个变量，但你想要对各个变量分别检验相关性时使用，可以在保证一个变量微调时，验证任意两个变量之间的相关性系数。如：调查19个餐馆后，有3个变量：sales,new投资，估计市价，现在我们想知道在排除”估计市价“影响因素后，sales和new投资的相关性。第一步：计算非调整过的相关系数1.打开RESTRNT.MTW2.选择Stat>BasicStat>correlation3.在”variable”中输入变量明细，sales,new投资，估计市价，点击ok第二步：RegressSalesonValueandstoretheresiduals(Resi1)

1.选择Stat>regression>Regression2.在”response”中输入“sales”,在”predictors”输入“估计市价”3.点击“storage”,选上”residuals”,点击ok游戏规则第九条___Stat>Basicstat>corr第三步：RegressNewCAPonValueandstoretheresiduals(Resi2)

1.选择Stat>regression>Regression2.在”response”中输入“Newcap”,在”predictors”输入“估计市价”3.点击“storage”,选上”residuals”,点击ok第四步：Calculatecorrelationsoftheresidualcolumns

1.选择Stat>BasicStat>correlation2.选择”variables”中输入变量明细Resi1,Resi2,点击ok结果及解释如下：两者相关系数仅为0.078，远小于未排除“估计时间”因素后的相关系数0.615第三步：RegressNewCAPonValuean游戏规则第十一条___Stat>Basicstat>NormalityTest可生成正态分布图或检验数据是否为正态分布1.选择Stat>Basicstat>NormalityTest2.选择”variable”中输入“变量”最后点击ok生成session结果解释如下：1.95％置信度0.05，而P值0.022小于0.05，因此不符合正态分布注意：你有三种正态检验的选择Anderson-Darling–是基于“经验累积分布函数”检验Ryan-Joiner—类似于Shapiro-Wilk是基于“相关性”检验Kolmogorov-Smirnov—同a)一样基于“经验累积分布函数”但是a)和b)对检验非正态能力相近；c)的能力次之！如果p值小于95%即0.05，表示数据为“非正态分布”游戏规则第十一条___Stat>Basicstat>Nor游戏规则第二部

Stat>Regression游戏规则第二部

Stat>Regression游戏规则第十二条___Stat>Regression>Regression对单个变量或多个变量分别进行simple或multipleregression，该regression(回归分析）基于“最小二乘法”模型Response:因变量如Y等；Predictors:自变量如X等；点击后出现左图界面，现对”Graphs”“Options”,”Results”,”Storage”等一一详解如下：

<Graphslist>Residualsforplots:定义显示残差图表Regular:显示”正常“或”原始“残差Standardized:显示”标准“残差Deleted:显示”studentizeddeleted残差”三者在session各项参数和图中无差异，仅是坐标单位有可能不同ResidualPlotsIndividualplots:散点残差分布图Histogramofresiduals:残差柱状图Normalplotofresiduals：残差正态分布图Residualsversusfits:散点模拟残差分布图Residualsversusorder:类似上面定义，残差对应序列1，2，3……Fourinone:上面四种图合在一张图上Residualsversusthevariabless:残差与自变量之间的关系游戏规则第十二条___Stat>Regression>Reg续上一章<Option选项>1.Weights:weighted回归，必须大于等于0！！2.Fitintercept:选上此项出现R值3.Varianceinflationfactors:选上此项进行多重线性效应分析4.Durbin–Watsonstatistic:检查残差的自相关性5.PRESSandpredictedR-square:显示PRESSstatistic和predictedR-square6.Pureerror:显示“pureerrorlack-of-fittest”7.Datasubsetting:显示“datasubsettinglack-of-fittest’<Results选项>1.结果显示的类型，具体见英文。此处略续上一章<Option选项>再续上一章<Storage>选项1.Deletedtresiduals(studentizedresiduals)2.Hi(leverages)3.Cook’sdistance4.DFITS5.Coefficients(在worksheet中显示估算值）6.Fits7.X”Xinverse8.Rmatrix,Data>DisplayData再续上一章<Storage>选项再再续上一章现需要做单变量的回归分析，拟模拟Score1是否可以替代Score21.打开某MTW文件2.选择Stat>Regression>Regression3.在“response”中输入”Score2”4.在“predictors”中输入“Score1”,再点击OK结果解释如下：1.因为p值为0<0.05,故表明该回归方程拟合很好2.因为R2

为0.957，该值越高，表明拟合越好再再续上一章现需要做单变量的回归分析，拟模拟Score1是否再再再续上一章现做多变量的回归分析，现测量了房间热流出量，但想检验该流出量是否和东，南，北三个方向有关系？1.从四个P值看，East不符合拟合方程！因此该拟合方程只和另外3个因子有关2.R2

为0.874和0.859，都说明该方程拟合很好3.PredictedR2

为0.7896和上面2个很接近，也说明该方程有很好的预测性4.Observations4,22表明“不正常”，因为其大于2outlier?!5.再再再续上一章现做多变量的回归分析，现测量了房间热流出量，但游戏规则第十三条___Stat>Regression>StepwiseStepwiseregression：逐步回归分析，可remove/adds变量，软件提供3种方法：standardstepwise,forwardselection,（addsvariables)backwardelimination(removevariables),当采用逐步回归分析时，将变量输入“PredictorsinInitialmodel”,如果变量的P值大于输入的”Alpha”值时，这些变量可以被remove掉，若不管P值，则变量输入于”Predictorstoincludeineverymodel”Usealphavalue:所需选择的模型之一UseFvalues:所需选择的模型之二Stepwise(forwardandbackward)Predictorsininitialmodel:输入变量如果P值大于“alphatoenter”,则变量被移除alphatoenter/remove：设定某值Ftoenter/remove:设定某值Forwardselection:选3种模式之一Backwardelimination:选3种模式之一游戏规则第十三条___Stat>Regression>Ste续上一章例：每个学生记录自己的身高，体重，性别，吸烟偏好，平常活跃度，休息时脉搏数，然后扔硬币，硬币头像向上的同学跑1分钟，然后再次记录他的脉搏数，现在你需要找到最佳的变量来拟合第二次脉搏数。1.选择Stat>Regression>Stepwise2.在Response中输入pulse23.在Predictors中输入pulse1Ran-Weight(“-”表示变量由Ran到Weight)4.点击options,在InNumberofstepsbetweenpauses中输入2，点击OK结果解释：没看懂！续上一章例：每个学生记录自己的身高，体重，性别，吸烟偏好，平游戏规则第十四条___Stat>Regression>Bestsubsets它能有效地以最少的变量形成模型来达到你的目的，比起全参数模型来，subsetmodels能用较少的参数来估计回归系数和预计因变量！首先minitab由1个自变量开始，然后包含2个自变量等等，一般情况下，软件对于每个自变量显示2个最佳模型！例如，假定你要对3个自变量进行Bestsubsets回归分析，软件先提出最优和次优1自变量模型，然后是最优和次优2变量模型，最后是全自变量模型！Response:输入因变量值Freepredictors:输入自变量，最多可以31个Predictorsinallmodels:输入自变量游戏规则第十四条___Stat>Regression>Bes续上一章FreePredictorsinEachModel：软件默认是打印出最优1因子模型，最优2因子模型，直到m因子最优模型。你可以给出范围，如5到12，则仅仅是5-，6-…..12-因子模型显示出来，注意：这并不包括你在Predictorsinallmodels中所定义的自变量，例如：如果你定义2因子，然后设置范围是5到12，那么7到14的因子会被打印出Modelsofeachsizetoprint:定义范围是1到5，例如，选择3，那么软件打印出“best”3，即进行3次运算得到3个模型供选择Fitintercept:选中后显示出R2

续上一章FreePredictorsinEachMo再续上一章你希望知道总热量和insolation,east,south,north,time等自变量的关系，方法如下：1.打开worksheet2.在response中输入Heatflux3.在freepredictors中输入Insolation-time结果解释如下：一目了然的，无需解释了，此处略再续上一章你希望知道总热量和insolation,ea游戏规则第十五条___Stat>Regression>FittedLinePlot该项是进行线性或线性多项式对单个变量进行回归分析同时生成回归线，其坐标可以是正常坐标也可以是对数坐标，可进行线性，二次，三次多项式回归分析Transformations:LogtenofY:对Y进行对数坐标显示LogtenofX:对X进行对数坐标显示其余选项，一目了然，无需解释了游戏规则第十五条___Stat>Regression>Fit续上一章结果解释如下：1.P值为0.000<0.05表明拟合相当好2.R2

为93.1%也表面拟合很好3.红线代表95%置信区间4.绿线代表95%预测区间续上一章结果解释如下：游戏规则第十六条___Stat>Regression>PartialLeastSquaresOverviewPartialleastsquares(PLS)是一种有偏的，非最小平方的回归方式，是种单一或多个因变量回归。软件使用非线性迭代的partialleastsquares(NIPALS)算法。现将参数一一解释如下：1.Responses:输入单个或多个因变量2.Predictors:输入单个或多个自变量3.Maximumnumberofcomponents:输入需要计算或cross-validate的数量，默认是104.可以使用cross-validation来选择自变量数目以期使模型预测能力达到最大化5.None:选上表示关闭cross-validation这个功能6.Leave–one-out:选上表示每次重新运算时省略1个“观察值”7.Leave–group-outofsize:选上表示每次运算省略多个“观察值”，输入group大小，默认是28.Leaveoutasspecifiedincolumn:选上表示省略每次运算时定义好的组（正整数）游戏规则第十六条___Stat>Regression>Par续上一章假定你是名制酒商，你希望知道化学成分与酒感官评价的关系，你有37瓶酒，每瓶含有17种化学成分（如：Cd,Mo,Mn,Ni,Cu,Al,Ba,Cr,Sr,Pb,B,Mg,Si,Na,Ca,P,K)和香气得分。你希望预计香气得分和17种元素之间关系。1.打开WINEAROMA.MTW2.在responses中输入”Aroma”3.在predictors中输入Cd—K4.在maximumnumberofcomponents中输入175.点击validation，选择leave-one-out，点击OK6.点击graphs,选择需要的图结果解释如下：1.PredictedR2

比AdjustedR2

更有效，看出2元素模型的值为0.46，为最高2.P值为0，小于0.05，表明该模型吻合很好3.从.PredictedR2

值看，2元素模型最好，即17种元素中2种元素对香气最为有影响！！续上一章假定你是名制酒商，你希望知道化学成分与酒感官评价的关再续上一章图例解释说明：1.中图说明各个元素对于香味的影响，正或负影响2.右图说明某些元素的”重要性“，线长短表征，长则”重要“再续上一章图例解释说明：游戏规则第十七条___Stat>Regression>BinaryLogisticRegression逻辑回归和最小二乘方回归分析都是观察因变量和单个或多个自变量之间的关系的方法，之间的差异在于：逻辑回归分析用于离散变量，而线性回归分析用于连续性变量。软件提供3种逻辑分析方法：Binary;Ordinal,Nominal,举例如下：★该范围超出笔者能力，这里不做讨论，有兴趣者可以参考minitab帮助文档★游戏规则第十七条___Stat>Regression>Bin游戏规则第一部

Stat>basicstat

游戏规则第一部

Stat>basicstat游戏规则第一条____Stat>basicstat>descriptivestat

Stat>basicstat>storestat同descriptive

《参数意义全阐述》Mean:平均值SEofmean:(standarderrorofthemean)SEMEAN=Std/sqrt(N)N为样本数Standarddeviation:标准偏差Variance:差异数Coefficientofvariance:差异系数＝(Std/Mean)*100%做为一名合格的DOE爱好者，对于各项参数含义必须了解！！现做必要的阐述如下：游戏规则第一条____Stat>basicstat>des续上一章Firstquartile:第一四分位数（box-plot图中）Median:中间数字Thirdquartile:第三四分位数Interquartilerange:第一四分位数和第三四分位数的差值Trimmedmean:计算5%的平均值即去掉最低和最高的5％的数据后的平均数Sum:计算总和Minimum:最小值Maximum:最大值Range:数据内的最大减最小之值Sumofsquares:所有值平方之和即=x12+x22+x32…..Skewness:表征图像对称性的值，为0表示绝对对称；为负数表示负/左倾斜；为正数表示正/右倾斜Kurtosis:峰值表示图像宽窄程度，为0表示图像平直；为负数表示“越尖”；为正数表示“越平滑”MSSD:逐次差平方的平均值的一半例：1，2，4，10逐次差为1，2，6那么MSSD＝{（1＋4＋36）/3}/2=13.666667/2=6.83333Nnonmissing:数据中数值非缺失数量Nmissing:数据中数值缺失数量续上一章Firstquartile:第一四分位数（box-再续上一章Ntotal:输入的所有数值的数量包括nonmissing数量CumulativeN:累计输入的数量即等同于Nnonmissing值Percent:（Nnonmissing/Ntotal）×100％Cumulativepercent:累计百分比数值等于percent值兹举例如下：针对KLAPBL_AEI层次一周数据defectivedie%共24个但为了演示，故意缺省3个值，做图及session如下:再续上一章Ntotal:输入的所有数值的数量包括nonmi再再续上一章散点图再再续上一章散点图游戏规则第二条___Stat>Basicstat>GraphicalSummary结果解释：1.平均脉搏为72.8702.平均值的95％置信区间70.590-75.1493.标准偏差为11.0094.安德森－达利正态检验中，(A-Squared=0.98;P-Value=0.013)表明并不符合正态分布！(因为P-Value<0.05)游戏规则第二条___Stat>Basicstat>Grap游戏规则第三条___Stat>Basicstat>1SampleZ若知道标准偏差，而想测试一组数据的平均值是否为A且获得90％的置信区间，则可以采用Z-procedure例如：1.打开某个worksheet2.选择Stat>Basicstat>1-SampleZ3.在”SamplesinColumns”中输入“Values”4.在”Standarddeviation“中输入0.2（已知量）5.在”testmean”中输入”5”(预估值，计划值）6.点击“options”,在”confidencelevel”中输入90（表示90％的置信度），再点OK7.点击“Graphs”,点击”individualvalueplot”,再点击ok生成如下图和session结果解释如下：1.Z值等于-3.17（测试假如若平均值为5时的统计值）2.P值等于0.002(因为其值小于0.1-90％置信度），表明预估值5这个假设被拒绝！这里u是样本平均值，u0是假设值，预测值游戏规则第三条___Stat>Basicstat>1Sa游戏规则第四条___Stat>Basicstat>1Samplet若不知道标准偏差，而想测试一组数据的平均值是否为A且获得90％的置信区间，则可以采用t-procedure例如：1.打开某个worksheet2.选择Stat>Basicstat>1-Samplet3.在”SamplesinColumns”中输入“Values”4.在”testmean”中输入”5”(预估值，计划值）5.点击“options”,在”confidencelevel”中输入90（表示90％的置信度），再点OK6.点击“Graphs”,点击”individualvalueplot”,再点击ok生成如下图和session结果解释如下：1.t值等于-2.56（测试假如若平均值为5时的统计值）2.P值等于0.034(因为其值小于0.1-90％置信度），表明预估值5这个假设被拒绝！这里u是样本平均值，u0是假设值，预测值游戏规则第四条___Stat>Basicstat>1Sa游戏规则第五条___Stat>Basicstat>2-Samplet对2个相互独立的样本进行t检验，同时生成置信区间，前提标准偏差未知例如：1.打开某个worksheet2.选择Stat>Basicstat>2-Samplet3.选择”SamplesinoneColumn”4.在”samples”中输入”BTU.In”(2个样本的值放在一列中）5.在“subscripts”中输入”Damper”(2个样本的名字)6.点击ok生成如下图和session结果解释如下：1.Pooled值等于2.8818（合并标准偏差）2.95％置信区间包含0，表明两者间没有差异3.P值等于0.701(因为其值大于0.05-95％置信度），表明两者差异为0即无差异这个假设被接受！这里u1，u2为样本平均值，＠0为假设检验值游戏规则第五条___Stat>Basicstat>2-S游戏规则第六条___Stat>Basicstat>pairedt对2个非独立的样本进行t检验，同时生成置信区间，例如：1.打开某个worksheet2.选择Stat>Basicstat>pairedt3.选择”SamplesinColumns”4.在”firstsample”中输入”A”(1个样本的值放在一列中）5.在“secondsample”中输入”B”(另一个样本)6.点击ok生成如下图和session结果解释如下：1.95％置信区间不包含0，表明两者间有差异！2.P值等于0.009(因为其值小于0.05-95％置信度），表明两者差异为0即无差异这个假设被拒绝！这里ud为两样本之差的平均值，u0为假设检验值游戏规则第六条___Stat>Basicstat>pair游戏规则第七条___Stat>Basicstat>1proportion对单个样本进行比例检验，同时生成置信区间，例如：某律师宣称如果其支持率大于65%，他将竞选州律师，我们可以随机抽样950份问卷，其中560份支持他，做1proportion检验1.选择Stat>Basicstat>1proportion2.选择”Summarizeddata”3.在”numberoftrials”中输入”950”4.在“numberofevents”中输入”560”5.点击”option”,在”testproportion”中输入0.65；在“alternative”中选择”greaterthan”,最后点击ok生成session结果解释如下：1.95％置信区间为0.562515<0.65,所以其支持率小于65%！2.P值等于1.00(因为其值大于0.05-95％置信度），也表明支持率小于65%这里p为样本值，p0为假设检验值游戏规则第七条___Stat>Basicstat>1pr游戏规则第八条___Stat>Basicstat>2proportions对两个样本进行比例检验，同时生成置信区间，例如：你决定买影印机，现从选X,Y两个牌子中选择，故考虑两个牌子随机各选50台，发现X中有6台，Y中有8台需要维修，做2proportions检验，以决定买哪台？1.选择Stat>Basicstat>2proportions2.选择”Summarizeddata”3.在”firstsample--trails”中输入”50”,在”events”中输入444.在“secondsample--trails”中输入”50”,在”events”中输入425.最后点击ok生成session结果解释如下：1.P值等于0.564(因为其值大于0.05-95％置信度），表明两者没有差异2.95%置信区间中包含0，也表明两者之间没有差异这里p1，p2分别为两样本值，p0为两者之间差异的假设检验值游戏规则第八条___Stat>Basicstat>2pr游戏规则第九条___Stat>Basicstat>correlation相关性值范围为-1到1之间，若一个增加，另一个减少其相关性值为负数，若两者都增加，其相关性值为正数，可对多个（大于2个)进行相关性验证。1.选择Stat>Basicstat>correlation2.选择”variables”中输入变量明细，X,Y,Z…….3.最后点击ok游戏规则第十条___Stat>Basicstat>correlation偏相关系数验证，用于当你有多个变量，但你想要对各个变量分别检验相关性时使用，可以在保证一个变量微调时，验证任意两个变量之间的相关性系数。如：调查19个餐馆后，有3个变量：sales,new投资，估计市价，现在我们想知道在排除”估计市价“影响因素后，sales和new投资的相关性。第一步：计算非调整过的相关系数1.打开RESTRNT.MTW2.选择Stat>BasicStat>correlation3.在”variable”中输入变量明细，sales,new投资，估计市价，点击ok第二步：RegressSalesonValueandstoretheresiduals(Resi1)

1.选择Stat>regression>Regression2.在”response”中输入“sales”,在”predictors”输入“估计市价”3.点击“storage”,选上”residuals”,点击ok游戏规则第九条___Stat>Basicstat>corr第三步：RegressNewCAPonValueandstoretheresiduals(Resi2)

1.选择Stat>regression>Regression2.在”response”中输入“Newcap”,在”predictors”输入“估计市价”3.点击“storage”,选上”residuals”,点击ok第四步：Calculatecorrelationsoftheresidualcolumns

1.选择Stat>BasicStat>correlation2.选择”variables”中输入变量明细Resi1,Resi2,点击ok结果及解释如下：两者相关系数仅为0.078，远小于未排除“估计时间”因素后的相关系数0.615第三步：RegressNewCAPonValuean游戏规则第十一条___Stat>Basicstat>NormalityTest可生成正态分布图或检验数据是否为正态分布1.选择Stat>Basicstat>NormalityTest2.选择”variable”中输入“变量”最后点击ok生成session结果解释如下：1.95％置信度0.05，而P值0.022小于0.05，因此不符合正态分布注意：你有三种正态检验的选择Anderson-Darling–是基于“经验累积分布函数”检验Ryan-Joiner—类似于Shapiro-Wilk是基于“相关性”检验Kolmogorov-Smirnov—同a)一样基于“经验累积分布函数”但是a)和b)对检验非正态能力相近；c)的能力次之！如果p值小于95%即0.05，表示数据为“非正态分布”游戏规则第十一条___Stat>Basicstat>Nor游戏规则第二部

Stat>Regression游戏规则第二部

Stat>Regression游戏规则第十二条___Stat>Regression>Regression对单个变量或多个变量分别进行simple或multipleregression，该regression(回归分析）基于“最小二乘法”模型Response:因变量如Y等；Predictors:自变量如X等；点击后出现左图界面，现对”Graphs”“Options”,”Results”,”Storage”等一一详解如下：

<Graphslist>Residualsforplots:定义显示残差图表Regular:显示”正常“或”原始“残差Standardized:显示”标准“残差Deleted:显示”studentizeddeleted残差”三者在session各项参数和图中无差异，仅是坐标单位有可能不同ResidualPlotsIndividualplots:散点残差分布图Histogramofresiduals:残差柱状图Normalplotofresiduals：残差正态分布图Residualsversusfits:散点模拟残差分布图Residualsversusorder:类似上面定义，残差对应序列1，2，3……Fourinone:上面四种图合在一张图上Residualsversusthevariabless:残差与自变量之间的关系游戏规则第十二条___Stat>Regression>Reg续上一章<Option选项>1.Weights:weighted回归，必须大于等于0！！2.Fitintercept:选上此项出现R值3.Varianceinflationfactors:选上此项进行多重线性效应分析4.Durbin–Watsonstatistic:检查残差的自相关性5.PRESSandpredictedR-square:显示PRESSstatistic和predictedR-square6.Pureerror:显示“pureerrorlack-of-fittest”7.Datasubsetting:显示“datasubsettinglack-of-fittest’<Results选项>1.结果显示的类型，具体见英文。此处略续上一章<Option选项>再续上一章<Storage>选项1.Deletedtresiduals(studentizedresiduals)2.Hi(leverages)3.Cook’sdistance4.DFITS5.Coefficients(在worksheet中显示估算值）6.Fits7.X”Xinverse8.Rmatrix,Data>DisplayData再续上一章<Storage>选项再再续上一章现需要做单变量的回归分析，拟模拟Score1是否可以替代Score21.打开某MTW文件2.选择Stat>Regression>Regression3.在“response”中输入”Score2”4.在“predictors”中输入“Score1”,再点击OK结果解释如下：1.因为p值为0<0.05,故表明该回归方程拟合很好2.因为R2

为0.957，该值越高，表明拟合越好再再续上一章现需要做单变量的回归分析，拟模拟Score1是否再再再续上一章现做多变量的回归分析，现测量了房间热流出量，但想检验该流出量是否和东，南，北三个方向有关系？1.从四个P值看，East不符合拟合方程！因此该拟合方程只和另外3个因子有关2.R2

为0.874和0.859，都说明该方程拟合很好3.PredictedR2

为0.7896和上面2个很接近，也说明该方程有很好的预测性4.Observations4,22表明“不正常”，因为其大于2outlier?!5.再再再续上一章现做多变量的回归分析，现测量了房间热流出量，但游戏规则第十三条___Stat>Regression>StepwiseStepwiseregression：逐步回归分析，可remove/adds变量，软件提供3种方法：standardstepwise,forwardselection,（addsvariables)backwardelimination(removevariables),当采用逐步回归分析时，将变量输入“PredictorsinInitialmodel”,如果变量的P值大于输入的”Alpha”值时，这些变量可以被remove掉，若不管P值，则变量输入于”Predictorstoincludeineverymodel”Usealphavalue:所需选择的模型之一UseFvalues:所需选择的模型之二Stepwise(forwardandbackward)Predictorsininitialmodel:输入变量如果P值大于“alphatoenter”,则变量被移除alphatoenter/remove：设定某值Ftoenter/remove:设定某值Forwardselection:选3种模式之一Backwardelimination:选3种模式之一游戏规则第十三条___Stat>Regression>Ste续上一章例：每个学生记录自己的身高，体重，性别，吸烟偏好，平常活跃度，休息时脉搏数，然后扔硬币，硬币头像向上的同学跑1分钟，然后再次记录他的脉搏数，现在你需要找到最佳的变量来拟合第二次脉搏数。1.选择Stat>Regression>Stepwise2.在Response中输入pulse23.在Predictors中输入pulse1Ran-Weight(“-”表示变量由Ran到Weight)4.点击options,在InNumberofstepsbetweenpauses中输入2，点击OK结果解释：没看懂！续上一章例：每个学生记录自己的身高，体重，性别，吸烟偏好，平游戏规则第十四条___Stat>Regression>Bestsubsets它能有效地以最少的变量形成模型来达到你的目的，比起全参数模型来，subsetmodels能用较少的参数来估计回归系数和预计因变量！首先minitab由1个自变量开始，然后包含2个自变量等等，一般情况下，软件对于每个自变量显示2个最佳模型！例如，假定你要对3个自变量进行Bestsubsets回归分析，软件先提出最优和次优1自变量模型，然后是最优和次优2变量模型，最后是全自变量模型！Response:输入因变量值Freepredictors:输入自变量，最多可以31个Predictorsinallmodels:输入自变量游戏规则第十四条___Stat>Regression>Bes续上一章FreePredicto