MINITAB使用教程PPT学习课件

第1章MINITAB的概要1MINITAB是一种统计分析的软件上海中圣是其在中国的代理2任务栏(TaskBar)工具栏(ToolBar)工作表(worksheet)MINITAB的基本画面3阶段窗口

(分析输出屏幕)数据窗口

(工作单屏幕)(几乎和在Excel中相同)信息窗口

(工作单清单屏幕)历史记录窗口

(命令保存屏幕)操作计算统计图表MINITAB屏幕4任务栏(TaskBar)计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作5任务栏(TaskBar)计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作6任务栏(TaskBar)计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作可进行数据的排列处理MINITAB只能做列之间的分析,通常需要对已有数据进行处理7如何完成这样的操作呢?Manip>>Stack>>StackColumns如果选择Newworksheet的话,就会出现一个新的工作表。如果不选择的话，就会将XI，X2变成1，28任务栏(TaskBar)计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作Ｃａｌｃ：ＣａｌｃｕｒａｔｏｒCalc>>Calculator具有强大的计算功能9Calc>>RowStatistics可以计算列之间的和，平均值，等有关Calc的其它功能在后面详细介绍10任务栏(TaskBar)计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作11任务栏(TaskBar)计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作12任务栏(TaskBar)计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作13任务栏(TaskBar)计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作14计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作任务栏(TaskBar)注:MINITAB的Graph菜单虽然可以制作一些图，但是，除此以外在Stat的各个分析菜单中，均会有可以选择是否需要作图的命令。15计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作任务栏(TaskBar)16计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作任务栏(TaskBar)SixSigma是一个单独的摸块，它独立于MINITAB。它可对连续数据，属性数据进行分析并得出报告。17工具栏(ToolBar)打开文件保存文件插入单元格插入行插入列移动列删除单元格最后对话框(返回到最后的指示屏幕)返回到阶段窗口返回到数据窗口图表管理(图表再排列)关闭图表(删除图表)前一命令下一命令寻找关于数据结构的补充信息：

Minitab定义以下两种类型的数据结构：1. 堆积数据：

排列于一列的多于一个子群的数据2. 非堆积数据：

每一子群的数据，排列于分开的列（或行）使用“Manip>Stack/Unstack”命 令转换这些数据格式。什么是子群？处理数据常分成组。例如，运送数据用发货分组，化学处理数据用批而半导体处理数据用

lot。这些数据组被称为子群。这些子群还用在短期和长期处理能力中。18返回到最后一个对话框（EditLastDialog）工具栏(ToolBar)返回到阶段窗口（SessionWindow）返回到数据窗口（CurrentDataWindow）工作表的管理：可变更工作表，变更名称等。可根据对话框选择必要的操作。（ManageWorkSheets）图表的管理：表示全画面，任意的图形表示等。可根据对话框选择必要的操作。（ManageGraphs）1920第2章MINITAB的任务栏计算功能统计分析图表制作文件管理表示窗口帮助六西格玛数据修改数据管理数据操作目录第1节数据操作(Manip)第2节计算功能(Calc)第3节统计分析(Stat)第4节图表制作(Graph)第5节六西格玛(SixSigma)21第1节数据操作(Manip)1.数据排列的调整2.如何将数据从‘代码化数据’转变成‘自然码数据’呢?3.改变数据的排列,将数据由‘行’转变成‘列’呢?4.利用Calc菜单，制作C9的Months‘列’的‘排列’22第1节数据操作(Manip)-1/61.数据排列的调整:Manip可以将MINITAB工作表中的数据列进行再排列整理。从而达到对数据构成以及格式的重整。（经常采用Excel的数据时，更有用）例1：MINITAB-Data-Files>Manip-1.MPJ有一组如下的数据。它是从Excel中拷贝过来的。如何处理？Manip>Stack>StackBlockofColumns23第1节数据操作(Manip)-2/61.先在工作表中的C7,C8,C9分别填如名称地点收益月份24第1节数据操作(Manip)-3/62.如何将数据从‘代码化数据’转变成‘自然码数据’呢?Manip>Code>NumerictoText25第1节数据操作(Manip)-4/63.改变数据的排列,将数据由‘行’转变成‘列’呢?Manip>Stack>StackRowsC2—C6C8C1C7那末如何制作C9的Months‘列’呢?请看下页。26第1节数据操作(Manip)-5/64.利用Calc菜单，制作C9的Months‘列’的‘排列’Calc>MakePatternedData>SimpleSetofNumbers从1开始到5结束间隔1每个数重复1次整体数重复5次27第1节数据操作(Manip)-6/6练习1:将下面的‘横向’排列的数据，改成‘纵向’的‘排列’MINITAB-Data-Files>Manip-3.MPJManip>Stack>StackRows28第2节计算功能(Calc)1.计算器功能:Calc>Calculator2.‘行’的统计计算:Calc>RowStatistics‘列’的统计计算:Calc>ColumnStatistics3.如何制造数据:Calc>MakePatternedData>SimpleSetofNumbers4.如何取‘随机顺序’?如何‘取样’?Calc>RandomData>SampleFromColumns5.如何制做‘正态分布的数据’:Calc>RandomData>NormalDistribution29第2节计算功能(Calc)-1/51.计算器功能Calc>Calculator这是一个功能强大的计算器，请随时使用。它可以将计算结果自动转入MINITAB中。它还有许多的函数运算功能。30第2节计算功能(Calc)-2/52.‘行’的统计计算，Calc>RowStatistics‘列’的统计计算，Calc>ColumnStatisticsMINITAB-Data-Files>Calc-1.MPJMeanofC1MeanofC1=5.5000SumofC1SumofC1=55.000StandardDeviationofC1StandarddeviationofC1=3.0277MinimumofC1MinimumofC1=1.0000MaximumofC1MaximumofC1=10.00031第2节计算功能(Calc)-3/53.如何制造数据Calc>MakePatternedData>SimpleSetofNumbers从1开始到20结束间隔1每个数重复1次整体数重复1次MINITAB-Data-Files>Calc-2.MPJ32第2节计算功能(Calc)-4/54.如何取‘随机顺序’？。如何‘取样’？。Calc>RandomData>SampleFromColumnsMINITAB-Data-Files>Calc-3.MPJ随机顺序取样33第2节计算功能(Calc)-5/55.如何制做‘正态分布的数据’。Calc>RandomData>NormalDistributionMINITAB-Data-Files>Calc-4.MPJ练习2:求上面的数据的标准偏差（答案参考第2节的2）34第3节统计分析(Stat)1.描述统计(Stat>BasicStatistics>Display

DescriptiveStatistics)2.正态性检验(Stat>BasicStatistics>NormalityTest)3.T-检验(1-Samplet,2-Samplet,)4.相关(Stat>BasicStatistics>Correlation)5.回归(Stat>Regression>Regression)6.方差分析(One-wayANOVA,Two-wayANOVA,BalancedANOVA,TestforEqualVariances,2Variances,MainEffectsPlot,InteractionsPlot,)7.实验计划法(DOE)8.管理图(ControlCharts)9.质量工具(QualityTools)10.表格功能(Tables)35第3节统计分析(Stat)-1/741.描述统计1-1.描述统计菜单:Stat>BasicStatistics>DisplayDescriptiveStatistics描述统计，可以对一组数据（子集团的样本）进行统计分析。从数据中计算出：自由度（N），算数平均（Mean），标准偏差（StDev），（描述离散程度）最小值（Minimum），最大值（Maximum），第一四分位（25%）值（Q1），第三四分位（75%）值（Q3）从而，对母集团进行推测的一种统计分析方法。除此之外，还可以画出数据的分布图，判定数据的正态性等。（此种分析只适用连续性数据）36第3节统计分析(Stat)-2/741-2.描述统计的例子：打开文件：MINITAB-Data-Files>Stat_1.MPJStat>BasicStatistics>DisplayDescriptiveStatistics37第3节统计分析(Stat)-3/741-3.描述统计的例子的阶段窗口(SessionWindow)分析：DescriptiveStatistics:ResponseVariableNMeanMedianTrMeanStDevSEMeanResponse600.80750.80000.81570.19520.0252VariableMinimumMaximumQ1Q3Response0.40001.05000.66251.0000自由度应答变量平均值标准偏差最小值最大值第一四分位值第三四分位值中央值去掉最大和最小的5%之后的平均值标准偏差的平均值用标准偏差除以自由度N的开根号（SQRT（N））0.0252=0.1952/6038第3节统计分析(Stat)-4/741-4.描述统计的例子的图表分析：柱状图正态性(如果P值>0.05)平均值标准偏差方差偏度(左右不对称性)峰度自由度最小值第一四分位值中央值第三四分位值最大值箱线图样本的平均值的95%置信区间样本的中央值的95%置信区间样本的标准偏差的95%置信区间39第3节统计分析(Stat)-5/742.正态性检验2-1.正态性检验菜单:Stat>BasicStatistics>NormalityTest制作一组,平均值为30,标准偏差是0.1的50个数据,放在C1栏中。打开文件：MINITAB-Data-Files>Stat_2.MPJ40第3节统计分析(Stat)-6/742.正态性检验2-2.正态性判定正态性判定：1）此判定只适用于连续性数据。2）如果图中的数据排列在一条直线上，可以初步认为有正态性。当然，最终确认还要看P_值。3）如果显示的P-值大于0.05,正态存在,如果低于0.05则缺乏正态。4）如果数据具有正态，则可用统计工具进行处理。5）如果缺乏正态，检查数据是否测量正确或将数据修正为正确。如果数据是正确的，则进行对数变换。注：如果数据个数较小（小于30）则不能完全相信P-值。在数据个数较小的情况下，即使数据被判断为缺乏正态也无关紧要。正态存在如果

P-值>0.05缺乏正态如果

P-值<0.0541第3节统计分析(Stat)-7/743.T-检验3-1.一个样本的T-检验：Stat>BasicStatistics>1-Samplet

打开文件：MINITAB-Data-Files>Stat_3（1-Samplet

）.MPJ牛奶样本的的冻结温度牛奶标准的的冻结温度小于(标准)不等于(标准)大于(标准)检验平均值这是选择了对立假说,希望证明牛奶公司在牛奶中掺水,牛奶样本的平均冻结温度明显高于标准42第3节统计分析(Stat)-8/743.T-检验3-2.一个样本的T-检验：如何判定检验结果One-SampleT:FrzTempTestofmu=-0.545vsmu>-0.545VariableNMeanStDevSEMeanFrzTemp10-0.539370.007800.00247Variable95.0%LowerBoundTPFrzTemp-0.543892.280.024单侧检验由于P-值小于0.05,所以对立假说成立,(放弃归零假说)结论:从牛奶公司拿到的牛奶的冻结温度,明显高于标准温度,这可以作为牛奶中掺水的证据样本数量样本平均样本标准偏差样本平均的标准误差=标准偏差(0.0078)除以自由度N(10)的开根号（SQRT（N））=0.0078/3.16228=0.002466T-值是这样计算的:T=mean-target/SEmean=-0.53937-(-0.545)/0.00247=2.27935又,由于是单侧检验,其自由度(DF)=9,此时的归零假说的放弃值是1.83,而T-值是2.28大于此值,T-值越大,P-值越小43第3节统计分析(Stat)-9/743.T-检验3-3.两个样本的T-检验：Stat>BasicStatistics>2-Samplet

打开文件：MINITAB-Data-Files>Stat_4（2-Samplet

）.MPJ小于(标准)不等于(标准)大于(标准)这是选择了对立假说,希望证明新厂家A(C1)的提供的材料的破坏强度明显高于原有厂家B(C2)的指标,其结果呢?本例题的补充说明:分析对象是一种计算机外壳用的材料的破坏强度.现有厂家-B,关系良好,而新厂家-A说:能提供比厂家-B更好的材料.那末,B的材料明显好于A吗?(在计算机行业,对材料来说,其区别应大于10psi)那末,我们有没有更换现有厂家B的必要呢?44第3节统计分析(Stat)-10/743.T-检验3-4.两个样本的T-检验：如何确认判定结果?Two-SampleT-TestandCI:Manu_a,Manu_bTwo-sampleTforManu_avsManu_bNMeanStDevSEMeanManu_a10162.6140.5990.19Manu_b12155.131.130.33Difference=muManu_a-muManu_bEstimatefordifference:7.48495%lowerboundfordifference:6.827T-Testofdifference=0(vs>):T-Value=19.82P-Value=0.000DF=17结果判定1:通过P-值看出,厂家A的指标明显好于现有厂家-B,但是,从95%可信的两者真正的差别(7.484)来看,并未达到我们要求的10psi,那末,我们要不要由新厂家A替换原有厂家B呢?还要看它们的‘波动’=标准偏差这是表示:A与B的差是7.484(95%信赖区间的平均值)而它们之差的最小值是6.827(95%可信)将在ANOVA的等方差检验中再论述结论:虽然厂家A比厂家B只高7.5psi,但它的波动小,质量稳定,采用.45第3节统计分析(Stat)-11/743.T-检验3-5.两个样本的T-检验：练习题打开文件：MINITAB-Data-Files>Stat_5（2-Samplet

）.MPJ两个样本的T-检验,可以进行改善前,后的比较,证明改善的效果.此题就是一个这样的问题,请证明发电机改善前,后有没有真正的差别.提示:可用ANOVA的等方差检验,来确认A,B的波动.46第3节统计分析(Stat)-12/744.相关(Correlation)4-1.相关：Stat>BasicStatistics>Correlation

打开文件：MINITAB-Data-Files>Stat_6.MPJCorrelations:Lab,OnlinePearsoncorrelationofLabandOnline=0.959P-Value=0.000相关性判定:看相关系数(0.959),如果是“0”就不相关,如果是“1”就是完全(正)相关,如果是“-1”就是完全负相关其他就表示是相关性强弱.47第3节统计分析(Stat)-13/74操作菜但顺序：Graph>PlotX-Y图:可观察变量X与Y的关系,X=Online(在线),Y=Lab(实验室)数据是它们两个不同测量系统,测量的某试剂的Ph-值,那末,它们相关性如何?.48第3节统计分析(Stat)-14/744.相关(Correlation)的补充说明4-2.用Graph>MatrixPlot来初步判断要因之间的相关程度打开文件：MINITAB-Data-Files>Stat_9.MPJ从这些图形中,可以初步判断有关的变量之间是否存在着相关.(当然,这不是定量分析)49第3节统计分析(Stat)-15/745.回归(Regression)5-1.回归(单回归)：Stat>Regression>Regression打开文件：MINITAB-Data-Files>Stat_7.MPJ搅拌速度(X)油漆中杂质(Y)我们希望观察,最大要因(搅拌速度)是如何影响输出(油漆中杂质)的呢?它们的定量关系是什么?50第3节统计分析(Stat)-16/74RegressionAnalysis:ImpurityversusStirrateTheregressionequationisImpurity=-0.29+0.457StirratePredictorCoefSECoefTPConstant-0.2891.221-0.240.817Stirrate0.456640.0384411.880.000S=0.9193R-Sq=93.4%R-Sq(adj)=92.7%AnalysisofVarianceSourceDFSSMSFPRegression1119.28119.28141.130.000ResidualError108.450.85Total11127.73回归方程式常数搅拌速度系数自由度=N-1残差平方和平均平方和(方差)标准偏差相关系数R的平方调整后的相关系数R的平方F分布P-值51第3节统计分析(Stat)-17/745.回归(Regression)5-2.回归线图：Stat>Regression>FittedLinePlot打开文件：MINITAB-Data-Files>Stat_8.MPJ残差Resi=各组的数据Y-各组的平均值Fits各组内的平均值线性(一次)相关曲线(二次)相关曲线(三次)相关选择置信区间显示52第3节统计分析(Stat)-18/74这是线性(一次)相关曲线回归方程式相关系数R的平方搅拌速度油漆中杂质(Y)线95%置信区间每一点95%置信区间如果相关系数R平方很小的话,怎么办?53第3节统计分析(Stat)-19/74残差检验:目的是确认前面所建立的数学模型是否可靠,如果残差具有正态分布的特性,就可以说前面的结论是可信的,反之,就不能说可信.判断方法如下:这些点是否呈直线这些点是否上下左右平均分布这些点是否有何倾向这个直方图的左右对称性本页的残差检验只是“定性的”,如果想进一步定量地判定的话,可用正态性检验菜单:Stat>BasicStatistics>NormalityTest操作菜单:Stat>Regression>ResidualPlots54第3节统计分析(Stat)-20/74残差正态性检验:用正态性检验菜单:Stat>BasicStatistics>NormalityTest正态存在如果

P-值>0.05缺乏正态如果

P-值<0.05残差55第3节统计分析(Stat)-21/746.方差分析(ANOVA)6-1.一元方差分析：ANOVA>One-wayANOVA打开文件：MINITAB-Data-Files>Stat_10(One-wayANOVA).MPJ例题说明:显象管的技术指标之一是“预热时间(暖机时间)”这个时间就是本题的输出Y,而它的一个要因X是不同的“批次”.这里,实验3个批次,(3个批次称为:3个水准)目的是判断它们的预热时间是否相同标准是:能稳定维持在一个较低的水平预热时间实验批次56第3节统计分析(Stat)-22/746-1.一元方差分析：ANOVA>One-wayANOVA(选择分析模式)这也是一种做残差检验的方法57第3节统计分析(Stat)-23/746-1.一元方差分析：ANOVA>One-wayANOVA(观察阶段窗口)One-wayANOVA:Time_secversusTubetypeAnalysisofVarianceforTime_secSourceDFSSMSFPTubetype2114.757.31.950.197Error9264.029.3Total11378.7Individual95%CIsForMeanBasedonPooledStDevLevelNMeanStDev---------+---------+---------+-------1420.0002.449(---------*----------)2426.0008.485(---------*----------)3419.0003.162(----------*---------)---------+---------+---------+-------PooledStDev=5.41618.024.030.0自由度平方和方差=SS/DFF统计量P-值P-值<0.05,至少有一个平均值与其他不一样.P-值>0.05,说明3批时间的平均值没有有意差95%信赖区间水准样本数平均值标准偏差阶段性结论:虽然P-值>0.05,说明3批之间的平均值不存在有意差,但是,第2批的标准

偏差(8.485)较大(波动大,不稳定),需要进一步确认原因,如有可能,要重复实验.58第3节统计分析(Stat)-24/746-1.一元方差分析：ANOVA>One-wayANOVA(观察图)箱线图点图从箱线图中可以看出,第2批次的数据分布波动大,平均值也高.从下面的点图也可看出,并且能知道第2批次有一个较大的异常值.通常,数据较小时,采用点图比采用箱线图更能充分反映问题所在.结论:要调查第2批次的异常值原因,如有必要,应再次实验59第3节统计分析(Stat)-25/746-1.一元方差分析：ANOVA>One-wayANOVA(残差检验)残差数据列柱状图残差数据列的正态概率图

(如为直线则为正态分布)残差数据对于组平均值的数学表达式模型做图(检查独立性和随机性)残差数据对数据顺序做图(检查独立性和随机性)60第3节统计分析(Stat)-26/746.方差分析(ANOVA)6-2.二元方差分析：ANOVA>Two-wayANOVA打开文件：MINITAB-Data-Files>Stat_11(Two-wayANOVA).MPJ例题说明:油漆的磨损量(Y)与地点(X1)和油漆种类(X2)的影响地点(X1)漆种(X2)磨损量(Y)这里省略残差检验吧这是残差图(也省略)地点(X1)61第3节统计分析(Stat)-27/746.方差分析(ANOVA)6-2.二元方差分析：ANOVA>Two-wayANOVA(观察阶段窗口)Two-wayANOVA:PntWearversusLocation,PaintAnalysisofVarianceforPntWearSourceDFSSMSFPLocation338.6912.9010.040.003Paint330.6910.237.960.007Error911.561.28Total1580.94结论:地点的要因以及油漆种类的要因的P-值均大于0.05,说明它们都是影响Y的主要要因.62第3节统计分析(Stat)-28/746.方差分析(ANOVA)6-3.平衡的方差分析：ANOVA>BalancedANOVA例题与前面相同:打开文件：MINITAB-Data-Files>Stat_11(Two-wayANOVA).MPJ残差计算和残差图分析均省略吧63第3节统计分析(Stat)-29/746.方差分析(ANOVA)6-3.平衡的方差分析：ANOVA>BalancedANOVA(观察阶段窗口)ANOVA:PntWearversusLocation,PaintFactorTypeLevelsValuesLocationfixed4HarrisburgPhiladelphiaPittsburghScrantonPaintfixed4Y-0242Y-0314Y-1424Y-1723AnalysisofVarianceforPntWearSourceDFSSMSFPLocation338.68812.89610.040.003Paint330.68810.2297.960.007Error911.5631.285Total1580.938结论与前面一样.(省略分析)64第3节统计分析(Stat)-30/746.方差分析(ANOVA)菜单6-4.等方差检验：ANOVA>TestforEqualVariances打开文件：MINITAB-Data-Files>Stat_12.MPJ这里的等方差分析只是针对于一个要因的不同水准之间的方差65第3节统计分析(Stat)-31/746.方差分析(ANOVA)菜单6-4.等方差检验：ANOVA>TestforEqualVariances(等方差分析)这是基于假设正态分布的检验的P-值这是基于非假设正态分布的检验的P-值P-值大于0.05说明具有等方差性.即,这3个水准的波动没有不同.66第3节统计分析(Stat)-32/746-5.等方差检验的补充:(如何分析两个要因的等方差呢?)Stat>BasicStatistics>2Variances打开文件：MINITAB-Data-Files>Stat_4（2-Samplet）.MPJ67第3节统计分析(Stat)-33/746.方差分析(ANOVA)菜单6-6.主效果图：ANOVA>MainEffectsPlot打开文件：MINITAB-Data-Files>Stat_13.MPJ例题说明:某车在湿滑的路面上,测试不同情况下的刹车距离.条件是:固定一台车采用固定的行驶车速那末,其刹车距离受左于哪个因素呢?轮胎的类型(X1)有GT,MX,LS3种踩刹车板距离(X2)有10.0,1.5,2种防滑刹车系统ABS(X3)有“采用”‘不采用’,2种车的刹车距离(m)(Y)当然,此题可用三元ANOVA来进行定良的分析.这里我们只用主效果图,来进行初步的判断68第3节统计分析(Stat)-34/746.方差分析(ANOVA)菜单6-6.主效果图：ANOVA>MainEffectsPlot结论很简单69第3节统计分析(Stat)-35/746.方差分析(ANOVA)菜单6-6.交互作用图：ANOVA>InteractionsPlot打开文件：MINITAB-Data-Files>Stat_13.MPJ选择单边或全图结论很简单70第3节统计分析(Stat)-36/747.实验计划法(DOE)7-1.实验计划设计基本：DOE>Factorial>CreateFactorialDesign建立一个实验计划表：Stat>DOE>Factorial>CreateFactorialDesign选择要因个数71第3节统计分析(Stat)-37/747.实验计划法(DOE)7-1.实验计划设计基本：DOE>Factorial>CreateFactorialDesign选择要因个数看一看可采用的设计模式要因数实验次数解像度首先了解在一定的要因数的前提下,根据解像度要求的不同,其实验次数不一样.比如3个要因,全解像度时(Full),实验次数为8次,解像度为三时(III),实验次数为4次72第3节统计分析(Stat)-38/747.实验计划法(DOE)7-1.实验计划设计基本：DOE>Factorial>CreateFactorialDesign选择要因个数看一看可采用的设计模式设计选择中心点个数重复次数模拟要因个数实验设计模式实验次数解像度水准,要因73第3节统计分析(Stat)-39/747.实验计划法(DOE)7-1.实验计划设计基本：DOE>Factorial>CreateFactorialDesign选择要因个数看一看可采用的设计模式设计选项要因要因名称低水准高水准要因将实验顺序随机化处理将实验设计存入工作表74第3节统计分析(Stat)-40/747.实验计划法(DOE)7-1.实验计划设计基本：DOE>Factorial>CreateFactorialDesign实验设计的结果随机顺序实验序号中心点模拟要因温度浓度催化剂接下来的事情,是按此实验的顺序和组合进行实验,并将实验的数据记录在C8(Yield)Yield请参照文件：MINITAB-Data-Files>Stat_14(DOE-1).MPJ75第3节统计分析(Stat)-41/747.实验计划法(DOE)7-2.实验后的分析：DOE>Factorial>AnalyzeFactorialDesign打开文件：MINITAB-Data-Files>Stat_15(DOE-2).MPJ这是代码化的水准这是8次实验结果的数据76第3节统计分析(Stat)-42/747.实验计划法(DOE)7-2.实验后的分析：DOE>Factorial>AnalyzeFactorialDesign选项选项时,一般最初是全选>>,在分析后,如发现不重要的要因可选<到左侧不选项目选择项目77制图残差分析暂不进行第3节统计分析(Stat)-43/747.实验计划法(DOE)7-2.实验后的分析：DOE>Factorial>AnalyzeFactorialDesign一般选0.05,但最初为保险可取0.1残差分析暂不进行78第3节统计分析(Stat)-44/747.实验计划法(DOE)7-2.实验后的分析：DOE>Factorial>AnalyzeFactorialDesign远离直线且明确用字母表示出来的要因(A),以及交互作用(AC),是重要的,另外,由于AC是重要的说明要因C也是重要的在红色点划线右侧的要因(A),以及交互作用(AC),是重要的,另外,由于AC是重要的说明要因C也是重要的79第3节统计分析(Stat)-45/747.实验计划法(DOE)7-2.实验后的分析：DOE>Factorial>AnalyzeFactorialDesign选项只选择重要的A,C,A*C,缩小模式80第3节统计分析(Stat)-46/747.实验计划法(DOE)7-2.实验后的分析：DOE>Factorial>AnalyzeFactorialDesign制图选择0.05进行残差诊断81第3节统计分析(Stat)-46/747.实验计划法(DOE)7-2.实验后的分析：DOE>Factorial>AnalyzeFactorialDesign结果同前82第3节统计分析(Stat)-47/747.实验计划法(DOE)7-2.实验后的分析：DOE>Factorial>AnalyzeFactorialDesignFractionalFactorialFit:YieldversusTemp,CatalystEstimatedEffectsandCoefficientsforYield(codedunits)TermEffectCoefSECoefTPConstant64.25001.31149.010.000Temp23.000011.50001.3118.770.001Catalyst1.50000.75001.3110.570.598Temp*Catalyst10.00005.00001.3113.810.019AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects21062.501062.50531.2538.640.0022-WayInteractions1200.00200.00200.0014.550.019ResidualError455.0055.0013.75PureError455.0055.0013.75Total71317.50温度催化剂温度*催化剂主效果二元交互作用残差误差纯的误差P-值>0.05是有意义的接下来的步骤,应该是进行残差诊断,来判断分析结果的正确性,这里我们省略.83第3节统计分析(Stat)-48/747.实验计划法(DOE)7-2.实验后的分析(要因图)：DOE>Factorial>FactorialPlots主效果图交互作用图立体图84第3节统计分析(Stat)-49/747.实验计划法(DOE)7-2.实验后的分析(要因图)：DOE>Factorial>FactorialPlots85第3节统计分析(Stat)-50/747.实验计划法(DOE)7-2.实验后的分析(建立数学模型)(求ε2代表某要素能说明Y的程度)：Y=64.25+11.5(A)+0.75(C)+5.0(A*C)求ε2：Stat>ANOVA>BalanceANOVAAnalysisofVarianceforYieldSourceDFSSε2Temp11058.001058/1317=0.80380.3%Catalyst14.504.50/1317=0.0030.3%Temp*Catalyst1200.00200.00/1317.5=0.15215.2%Error455.0055.00/1317.5=0.0424.2%Total71317.50回到实际问题:为提高产量,考虑温度180,催化剂用B,浓度只考虑经济性868.管理图(ControlCharts)8-1.管理图的实验定义：ControlCharts>DefineTests第3节统计分析(Stat)-51/74实验序号设定值-K定义有一个点超过了K(3)西格玛界限有K(9)个或以上的数据点,连续分布在中心线一侧有K(6)个数据,连续增加或连续减小有K(14)个数据,连续性的,交替上下变动有K(2)+1的个连续数据中的2个,超过了2西格玛界限有K+1(5)个数据中,有K(4)个数据超过了1西格玛界限有K(15)个点在1西格玛界限内,在中心线的上侧或下侧有K(8)个点,超过1西格玛界限,在中心线的上侧或下侧87第3节统计分析(Stat)-52/748.管理图(ControlCharts)8-2.管理图分类：Ｎ＜１０Ｘbar－Ｒ管理図Stat＞ControlCharts＞Xbar-RＮ≧１０Ｘbar－Ｓ管理図Stat＞ControlCharts＞Xbar-SＩ－ＭＲ管理図Stat＞ControlCharts＞I-MR個々のポイントよりもトレンドを重視サンプルサイズ≧１ＥＷＭＡStat＞ControlCharts＞EWMA

ｎｐ管理図

Stat＞ControlCharts＞NPｐ管理図Stat＞ControlCharts＞Pｃ管理図Stat＞ControlCharts＞Cｕ管理図Stat＞ControlCharts＞U连续数据离散数据子集团的样本数据的量=N无法分组,子集团样本数据量=1不良品(不良率)欠点数子集团样本数量一定子集团样本数量可变子集团样本数量一定子集团样本数量可变88第3节统计分析(Stat)-53/748.管理图(ControlCharts)8-3.连续数据管理图-Xbar-R管理图：ControlCharts>Xbar-R打开文件：MINITAB-Data-Files>Stat_16(Xbar-R).MPJ子集团的样本数据量=5<10例题说明:某零件直径=140±5mm,每天取5个数据进行监测,共监测了30天Tests要全选89第3节统计分析(Stat)-54/748.管理图(ControlCharts)8-3.连续数据管理图-Xbar-R管理图：ControlCharts>Xbar-R上方管理界限+3σ

下方管理界限-3σ

检测出第1种错误(看阶段窗口可知是第24点)样本数据的管理图样本数据移动的管理图90第3节统计分析(Stat)-55/748.管理图(ControlCharts)8-4.连续数据管理图-I-MR管理图：ControlCharts>I-MR打开文件：MINITAB-Data-Files>Stat_17(I-MR).MPJ收集了1个月的每天在库量N=191第3节统计分析(Stat)-56/748.管理图(ControlCharts)8-4.连续数据管理图-I-MR管理图：ControlCharts>I-MR移动的平均

92第3节统计分析(Stat)-57/748.管理图(ControlCharts)8-4.离散数据(不良品,不良率)-NP,P管理图：ControlCharts>NP,P打开文件：MINITAB-Data-Files>Stat_18(NP,P).MPJ样本数量薪金支票错误可变换点,线的各种形状和颜色93第3节统计分析(Stat)-58/748.管理图(ControlCharts)8-4.离散数据(不良品,不良率)-NP,P管理图：ControlCharts>NP,PNP管理图

P管理图

薪金支票错误个数薪金支票错误率94第3节统计分析(Stat)-59/748.管理图(ControlCharts)8-5.离散数据(欠点数)-U管理图：ControlCharts>U打开文件：MINITAB-Data-Files>Stat_19(U).MPJ每天接收保险单的数量保险单的数量的10%取样欠点数95第3节统计分析(Stat)-60/748.管理图(ControlCharts)8-5.离散数据(欠点数)-U管理图：ControlCharts>U由于子集团的样本数量不一样,所以,其管理界限也不一样96第3节统计分析(Stat)-61/748.管理图(ControlCharts)8-6.连续数据-个别管理图：ControlCharts>Individuals(I-Chart)打开文件：MINITAB-Data-Files>Stat_20(I-Chart).MPJ例题:冰淇淋的厂家,观察每一个冰淇淋的填充量是否等到了控制97第3节统计分析(Stat)-62/749.质量工具(QualityTools)9-1.运行图：Stat>QualityTools>Run-Chart打开文件：MINITAB-Data-Files>Stat_21(Run-Chart).MPJ用Calc>RandomData>Normal的菜单,制作一组,平均值是40,标准偏差0.1,50个数据,放在C1中98第3节统计分析(Stat)-63/749.质量工具(QualityTools)9-1.运行图：Stat>QualityTools>Run-Chart运行图在折线图中用时间-序列数据做图，有助于评估数据及过程的稳定性。运行图类似于控制图，可用于测量和控制阶段。

目的：

例如，目视检查时间-序列趋势。

作用：

根据时间-序列数据及状态数据可推断出变化要素。99第3节统计分析(Stat)-64/749.质量工具(QualityTools)9-2.帊累托图：Stat>QualityTools>Pareto-Chart打开文件：MINITAB-Data-Files>Stat_22(Pareto-Chart).MPJ缺陷项目缺陷数缺陷单价成本丢失螺丝丢失夹子机架缺陷漏油衬垫残料断丝坏丝零件不全项目发生次数要表示发生次数中的多大的比率(95%)的项目100第3节统计分析(Stat)-65/749.质量工具(QualityTools)9-2.帊累托图：Stat>QualityTools>Pareto-Chart横轴:缺陷项目(95%)纵轴:缺陷发生次数累计百分率曲线累计百分率百分率101第3节统计分析(Stat)-66/749.质量工具(QualityTools)9-3.特性要因图(鱼骨图)：Stat>QualityTools>Cause-and-Effect打开文件：MINITAB-Data-Files>Stat_22(Pareto-Chart).MPJ人机器材料方法测量环境班次孔槽合金角度千分尺湿度检查钻头润滑剂啮合显微镜浓度培训车床供应商刹车检查员

操作员速度

可输入鱼头名称102第3节统计分析(Stat)-67/749.质量工具(QualityTools)9-3.特性要因图(鱼骨图)：Stat>QualityTools>Cause-and-Effect103第3节统计分析(Stat)-68/749.质量工具(QualityTools)9-4.工程能力分析：Stat>QualityTools>CapabilityAnalysis(Normal)打开文件：MINITAB-Data-Files>Stat_23.MPJ例题:汽车刹车鼓材料硬度,管理界限是39—43之间,工程能力目标是Ppk=>1.3改善前的初期数据测量系统修正后的数据改善回火工序后的数据最终实施DOE改善后的数据下限上限最初数据子集团设定目标104第3节统计分析(Stat)-69/749.质量工具(QualityTools)9-4.工程能力分析：Stat>QualityTools>CapabilityAnalysis(Normal)上限目标下限平均值样本数组内标准偏差(短期)全标准偏差(长期)(USL-LSL)/6σ(USL-Mean)/3σ(Mean-LSL)/3σ公式复杂,省略短期工程能力长期工程能力上限下限目标值短期长期数据中低于下限高于上限的PPM105第3节统计分析(Stat)-70/749.质量工具(QualityTools)9-4.工程能力分析：Stat>QualityTools>CapabilityAnalysis(Normal)改善后的工程能力106第3节统计分析(Stat)-71/749.质量工具(QualityTools)9-5.测量系统验证：Stat>QualityTools>GageR&RStudy打开文件：MINITAB-Data-Files>Stat_24(GageR&R).MPJ10个零件3人测量零件长度107第3节统计分析(Stat)-72/749.质量工具(QualityTools)9-5.测量系统验证：Stat>QualityTools>GageR&RStudyGageR&R%ContributionSourceVarComp(ofVarComp)TotalGageR&R0.00443710.67Repeatability0.0012923.10Reproducibility0.0031467.56Operator0.0009122.19Operator*Parts0.0022345.37Part-To-Part0.03716489.33TotalVariation0.041602100.00StdDevStudyVar%StudyVarSource(SD)(5.15*SD)(%SV)TotalGageR&R0.0666150.3430632.66Repeatability0.0359400.1850917.62Reproducibility0.0560880.2888527.50Operator0.0302000.1555314.81Operator*Parts0.0472630.2434023.17Part-To-Part0.1927810.9928294.52TotalVariation0.2039651.05042100.00NumberofDistinctCategories=4R&R的%的理想值:<10%,容许值<30%

108第3节统计分析(Stat)-73/749.质量工具(QualityTools)9-6.多元变量分析：Stat>QualityTools>Multi-VariChart打开文件：MINITAB-Data-Files>Stat_25(Multi-Vari).MPJ只能输入3个要因可参考主效果图109第3节统计分析(Stat)-74/7410.表格功能(Tables)10-1.卡方检验：Stat>Tables>Chi-SquareTest打开文件：MINITAB-Data-Files>Stat_26.MPJ用于离散数据的假说检验例题:美国取40辆车,欧洲取60辆车,分别记录高马力和低马力,验证其有无区别Chi-SquareTest:LoPower,HiPowerExpectedcountsareprintedbelowobservedcountsLoPowerHiPowerTotal128124019.2020.80220406028.8031.20Total4852100Chi-Sq=4.0