《minitab學(xué)習(xí)中》PPT課件.ppt

1. Minitab 的操作,MINITAB = Mini + Tabulator =小型 + 計(jì)算機(jī),介紹 于1972年，美國賓夕法尼亞 州立大學(xué)用來作統(tǒng)計(jì)分析、教育用而開發(fā)，目前已出版 Window 用版本 Vesion12.2，并且已在工學(xué)、社會學(xué)等所有領(lǐng)域被廣泛使用。特別是與Six-sigma關(guān)聯(lián)，在GE、AlliedSignal等公司已作為基本的程序而使用。 優(yōu)點(diǎn) 以菜單的方式構(gòu)成，所以無需學(xué)習(xí)高難的命令文，只需擁有基本的統(tǒng)計(jì)知識便可使用。圖表支持良好，特別是與Six-sigma有關(guān)聯(lián)的部分陸續(xù)地在完善之中。,Minitab,什么是 Minitab ?,一般統(tǒng)計(jì),- 基礎(chǔ)統(tǒng)計(jì) -回歸分析 - 分散分析 - 多變量分析 - 非母數(shù)分析 - TABLE(行列) - 探索性 資料(數(shù)據(jù))分析,品質(zhì)管理,- 品質(zhì)管理工具 - 測定系統(tǒng)分析 - 計(jì)量值數(shù)據(jù)分析 - 計(jì)數(shù)值數(shù)據(jù)分析 - 管理圖分析 - 工程能力分析,信賴性 及 數(shù)據(jù)分析,- 分布分析 - 數(shù)據(jù)的回歸分析 - 受益分析,實(shí)驗(yàn)計(jì)劃,- 要因 實(shí)驗(yàn)計(jì)劃 - 反應(yīng)表面 實(shí)驗(yàn)計(jì)劃 - 混合 實(shí)驗(yàn)計(jì)劃 - Robust 實(shí)驗(yàn)計(jì)劃,Minitab,什么是 Minitab ?,Minitab,Minitab 操作,Minitab 初始畫面,方法 2. 利用 Minitab 圖標(biāo) 運(yùn)行的方法,把 Minitab安裝到電腦時，開始菜單 及 Minitab 公文包里生成Minitab的 運(yùn)行圖標(biāo)。運(yùn)行Minitab的方法有利用開始菜單及選擇運(yùn)行圖標(biāo)兩種。,方法 1. 利用開始菜單 運(yùn)行 Minitab 的方法,Session window:直接輸入 Minitab 的命令或顯示類似統(tǒng)計(jì)表的文本型結(jié)果文 件的窗口 WorKsheets:用于直接輸入數(shù)據(jù)或可以修改的窗口，具有類似 Excel中的 spread sheet功能 Info窗:簡要顯示已使用的變量信息的窗口 History窗:儲存已使用過的所有命令，并幫助已使用過的命令可重復(fù)使用 Graph窗: 顯示各種統(tǒng)計(jì)圖表，同時可以打開15個窗口,Minitab,Minitab 畫面 構(gòu)成,File : 有關(guān)文件管理所需的副菜單的構(gòu)成 Edit : 編輯 Worksheet data , 外部 data 的 link 及 command link editor 副菜單 Manip : Worksheet data 的 Split、Sort、Rank、Delete、Stack/Unstack 等副菜單 Calc : 利用內(nèi)部函數(shù)的數(shù)據(jù)計(jì)算及利用分布函數(shù)的數(shù)據(jù)生成 Stat : 是分析統(tǒng)計(jì)資料的副菜單，由基礎(chǔ)統(tǒng)計(jì)、回歸分析、分散分析、品質(zhì)管理、時針序列 分析、離散資料分析、非母數(shù)統(tǒng)計(jì)分析等構(gòu)成 Graph : 為編輯 Graph的Graph Layout, Chart副菜單及文字Graph構(gòu)成 Editor : 不使用菜單，使用命令直接作業(yè)及Clipboard setting等副菜單 Window : 由控制 Window 畫面構(gòu)成的副菜單及 管理 Graph 畫面的副菜單構(gòu)成,Minitab,Minitab 菜單 構(gòu)成,打開 新建 : File - New(project, worksheet) 打開保存的 Project : File - Open project 打開保存的 Worksheet : File - Open Worksheet 打開保存的 Graph : File - Open Graph 用ODBC打開 : File - Quary Database 打開TXT : File - Others file - Import special txt 保存 保存為當(dāng)前文件名 : File - Save(project, worksheet) 另存為 : File - Save as(project, worksheet) TXT保存: File - Other file - Export special txt 注) Open Graph 下方的 Save as 為根據(jù)選擇的窗口可更 改保存內(nèi)容。 打印 打印當(dāng)前選擇 window : File - Print,練習(xí)) 把 當(dāng)前的 Worksheet 保存為 Temp.mtw， 并關(guān)閉后重新打開,Minitab,Minitab 菜單(File),恢復(fù)已刪除資料,清除 Cell(s) 的數(shù)據(jù),刪除 Cell(s) 的數(shù)據(jù) 下端的 cell 移動,復(fù)制 Cell(s),粘貼 Cell(s),LinK粘貼,Link 管理,選擇所有 cell,編輯最后操作的對話框,打開命令編輯器,一般選項(xiàng),用鼠標(biāo)拖動工作窗口 按鼠標(biāo)的右鍵會出現(xiàn) pop up menu 通過此項(xiàng)可編輯 把 Col/Row 的全部作為工作的對象 時，選擇上端/左側(cè)。,指定變量名 : 在 C1(Col名) 下端的 cell 上輸入變量名。 輸入 Data : 把數(shù)據(jù)和文字輸入到下端的 cell 上 但，要是先輸入 數(shù)值把變量屬性變更為數(shù)值變量后不能輸入文字。 刪除 Data : 把相關(guān) cell 用鼠標(biāo) drag 后按 Del 鍵 相關(guān) cell 的內(nèi)容被刪除掉，并且下端的 cell 向上移動。,練習(xí))在 AUTO.MTW上 1) 刪除 4,5 Row后把 C4, C5的 DATA 變更為 234 2) 把 C2 Col 移動到 C5 3) 把 C4 Column Size 變更為 12,Minitab,Minitab 菜單(Edit),從活動 Worksheet 中復(fù)制數(shù)據(jù)，制作 subset Worksheet。,把活動 Worksheet 分成兩個以上新的 Worksheet,把一列以上的數(shù)據(jù)移到多個列上,把多個列上的數(shù)據(jù)合成一個列,交換行和列的位置,對齊排列數(shù)據(jù),數(shù)據(jù)上注明序位,刪除特定列的行,把多個列的文字?jǐn)?shù)據(jù)合并為一個列,數(shù)據(jù)按變換條件交換,變更 Data的屬性,把數(shù)據(jù)在Session窗口里輸出,把多個 Worksheet 合并為一個 Worksheet,刪除行、常數(shù)、行列,把列上內(nèi)容復(fù)制到其它列上,Minitab,Minitab 菜單(Manip),練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet 保存在新的 Worksheet 后， (1) 把 Durability 為 Unstack (2) 用上面 Unstack 的內(nèi)容 把 C7的 data保存到 C8 Subscript。 練習(xí)) 在 AUTO.MTW中， (1) Age 按 No.M 的順序排列。 (2) 按 Yes.M 的順序排列的 No.F 保存到 C11。,Minitab,習(xí)題,把多數(shù)的 col 使用函數(shù)計(jì)算后，保存到新的 col 上,把1個 col 的統(tǒng)計(jì)值保存到新的 col 上,用1個以上的 col 計(jì)算統(tǒng)計(jì)值后，保存到新的 col 上,變換為標(biāo)準(zhǔn)化資料,把數(shù)據(jù)屬性變更為數(shù)值屬性,把數(shù)據(jù)屬性變更為文字屬性,生成 Pattern 數(shù)據(jù),把 X、Y、Z 的值用 3D 圖象方式組合后生成 Mesh 數(shù)據(jù),生成在回歸分析中要使用的指示變量,指定 Random 數(shù)據(jù)的基準(zhǔn)點(diǎn),生成符合分布函數(shù)的 Random 數(shù)據(jù),生成符合分布函數(shù)的概率，并用數(shù)據(jù)保存,行列,Minitab,Minitab 菜單(Calc),練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 把 Durability 和 Carpet 相加的值保存到 Dura-Carpet 上。 (2) 把 Durability-Carpet保存到 Dura-Carpet 上。 練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 求 Durability 的 基礎(chǔ)統(tǒng)計(jì)值。 (2) Durability的Range保存到 C5。 練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 把 Durability 正態(tài)化。 (2) 把 Durability 標(biāo)準(zhǔn)化為3和4之間的數(shù)據(jù)。 練習(xí)) 生成 1 15 的奇數(shù)，每個數(shù)二回，全體集合反復(fù)三回的數(shù)據(jù)。 練習(xí)) 把 Red Blue White Black 生成各值是二回，全體反復(fù)二回的數(shù)據(jù)。 練習(xí)) 生成從 1996.04.017.30之間按一周間隔形成的數(shù)據(jù)。 練習(xí)) 生成 1996年 4月 1日、97年 7月 30日、98年 12月 25日為各二回，全體為三回形成的數(shù)據(jù)。 練習(xí)) 在平均 300, 標(biāo)準(zhǔn)偏差5的正態(tài)分布當(dāng)中抽出 40個 sample 保存到 C5上。,Minitab,習(xí)題,Minitab,Minitab 菜單(Window),window : 集合了把 Minitab的所有 window 調(diào)節(jié)的命令和總體管理的 Graph, Worksheet的命令等, 全面性 Window 的運(yùn)營命令。,指定把各個 window 都顯示, 或者用小圖標(biāo)來顯示 把 Tool bar 與 Status bar 隱藏或顯示 使總括 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標(biāo)記打開 window,2. 基礎(chǔ)統(tǒng)計(jì),基礎(chǔ)統(tǒng)計(jì)量輸出,基礎(chǔ)統(tǒng)計(jì)量保存,對母平均的推定及檢定,對母比率的推定及檢定,相關(guān)分析,公分散分析,正態(tài)性檢定,Minitab,基礎(chǔ)統(tǒng)計(jì),兩個母集團(tuán)的分散的同一性檢定,資料應(yīng)為連續(xù)性的列資料, 同時應(yīng)為數(shù)值資料。 能輸出圖表。,Variables : 選擇需要分析的 Col(變量) By variable : 使用集團(tuán)(Gvoup)變量計(jì)算基礎(chǔ)統(tǒng)計(jì)量,- N : data 數(shù)值 - Mean : 平均 - Median : 中央值 - TrMean : 調(diào)整平均 - StDev : 標(biāo)準(zhǔn)偏差 - SE Mean : Standard Erro of Mean - Minimum :最小值 - Maximum : 最大值 - Q1 : 1/4數(shù) - Q3 : 3/4數(shù),Minitab,基礎(chǔ)統(tǒng)計(jì)量 (Display Descriptive Statistics), Histogram of data : 制作 Histgram Histogram of data with normal curve : 制作 Histogram和正態(tài)分布曲線 Dotplot of data : 制作 Dotplot Boxplot of data : 制作 Boxplot Graphical summary : 把統(tǒng)計(jì)值用Graph輸出,Normality Test : 正態(tài)性檢定 A-Squared : 越接近零時判斷為接近正態(tài) P-Value : 比留意水準(zhǔn)大時為正態(tài)性,Minitab,基礎(chǔ)統(tǒng)計(jì)量 (Display Descriptive Statistics),計(jì)算統(tǒng)計(jì)量并保存在當(dāng)前的 Worksheet 在選擇兩個以上的 Col 時，變量名區(qū)分為 1,2。 當(dāng)指定 By variable時，隨著相關(guān) Variable的種類按 Row 方向保存。,- First quartile:1/4數(shù) - Third quartile : 3/4數(shù) - Interquartile range : Q3-Q1 - Skewness : 歪度分布的對稱性 ,越接近0 越滿足對稱性 - Kurtosis : 添度分布的尖的程度為 0時正態(tài)分布, 負(fù)數(shù)為完滿, 正數(shù)時 比正態(tài)分布尖 - MSSD :把前后數(shù)據(jù)差的乘方除以2 - N nonmissing :填滿的Col數(shù) N missing : 空 Col 數(shù) Cumulative N : Col的DATA數(shù) - Percent : 集團(tuán)占有率 - Cum percent : 累積占有率,Minitab,保存基礎(chǔ)統(tǒng)計(jì)量 (Store Descriptive Statistics),- 留意水準(zhǔn) : 犯第一種錯誤的最大概率 - P-Value : 犯一種錯誤的概率的推定值 - 駁回領(lǐng)域 : 駁回假設(shè)的部分領(lǐng)域 - 兩側(cè)檢定 : 駁回領(lǐng)域存在于兩端的檢定 - 單側(cè)檢定 : 駁回領(lǐng)域存在于分布一端時的檢定,Minitab,活用 Minitab 的假設(shè)檢定,知道標(biāo)準(zhǔn)偏差時的母平均推定和檢定 檢定母平均是否已知道的特定值,Variables : 選定要分析的 Col Confidence interval :指定計(jì)算信賴區(qū)間的信賴度 Test mean : 檢定對象值(檢定時指定) Alternative : 設(shè)定對立假設(shè) Sigma : 輸入標(biāo)準(zhǔn)偏差 p 值比留意水準(zhǔn)小時駁回歸屬假設(shè) mu : 歸屬假設(shè), mu not : 對立假設(shè),結(jié)果解釋 : p值比留意水準(zhǔn)小 故駁回歸屬假設(shè), 即母平均不等于5。,Test mean 指定的情況,Minitab,1-Sample Z,EXH_STAT.MTW,One-Sample Z: Values Test of mu = 5 vs mu not = 5 The assumed sigma = 0.2 Variable N Mean StDev SE Mean Values 9 4.7889 0.2472 0.0667 Variable 95.0% CI Z P Values ( 4.6582, 4.9196) -3.17 0.002,結(jié)果解釋 : 信賴區(qū)間為最小 4.6582, 最大4.9196(信賴度為 95%時),圖像對 Test 與 Confidence interval 的輸出 不同。Test 時 Ho值追加表示。,Minitab,1-Sample Z,不知標(biāo)準(zhǔn)偏差時母平均的推定和檢定,Variables : 指定要分析的 Col Confidence interval : 指定計(jì)算信賴區(qū)間的信賴度 Test mean :指定檢定時對象值 Alternative : 設(shè)定對立假設(shè) StDev : 標(biāo)準(zhǔn)偏差 SE Mean : 平均誤差 CI : 信賴區(qū)間 mu : 歸屬假設(shè), mu not : 對立假設(shè) P值比留意水準(zhǔn)小時駁回Ho，即p值指脫離的概率。,結(jié)果解釋 : p值小于5%留意水準(zhǔn)， 故駁回歸屬假設(shè), 即平均不等于5,Test mean 指定的情況,Minitab,1-Sample t,EXH_STAT.MTW,不知標(biāo)準(zhǔn)偏差時兩個母平均差的推定和檢定,Samples in one column(stack形態(tài)) : 在1Col中比較兩個 集團(tuán) Sample in different columns(unstack形態(tài)) - First :選擇第一個 Col - Second : 選擇第二個 Col Alternative : 設(shè)定對立假設(shè) Confidence level :設(shè)定信賴水準(zhǔn) Assume equal variance :假設(shè)兩個集團(tuán)的母分散一致,結(jié)果解釋 : p值大于 5% 有益水準(zhǔn)， 故選擇歸屬假設(shè)， 即兩個母平均在95% 信賴區(qū)間無差異,Minitab,2-Sample t,Two-Sample T-Test and CI: BTU.In, Damper Two-sample T for BTU.In Damper N Mean StDev SE Mean 1 40 9.91 3.02 0.48 2 50 10.14 2.77 0.39 Difference = mu (1) - mu (2) Estimate for difference: -0.235 95% CI for difference: (-1.464, 0.993) T-Test of difference = 0 (vs not =): T-Value = -0.38 P-Value = 0.704 DF = 80,Furnace.mtw,有關(guān)對應(yīng)的兩個母集團(tuán)的母平均差的推定和檢定,First sample : 選擇第一個 data Col Second sample : 選擇第二個 data Col - 1 Col 與 2 Col 的資料數(shù)應(yīng)相同 Confidence level : 輸入信賴度 Test mean : 輸入對應(yīng)差的檢定平均值 Alternative : 設(shè)定對立假設(shè),結(jié)果解釋 : p值小于留意水準(zhǔn) 5%， 故駁回歸屬 假設(shè),即兩個母平均間有差,EXH_STAT.MTW,Minitab,Paired t,母不良率的推定及檢定,Samples in columns :只限兩種文字或者數(shù)字 Summarized data - Number of trials : 全體試行次數(shù) - Number of successes : 成功(不良)次數(shù) Confidence level : 信賴度 Test proportion : 檢定不良率 Alternative :設(shè)定對立假設(shè) Use test and interval based on normal distribution : 決定是否按 正態(tài)分布近似計(jì)算,結(jié)果解釋:p值比留意水準(zhǔn) 5%小， 故駁回歸屬假設(shè),Minitab,1-Proportion(單一母集團(tuán)母比率的檢.推定),兩個母不良率差的推定及檢定,Summarized data - Number of trials : 全體試行次數(shù) - Number of successes : 成功(不良)次數(shù) Confidence level : 信賴度 Test proportion : 檢定不良率 Alternative : 設(shè)定對立假設(shè) Use test and interval based on normal distribution : 是否按正態(tài) 分布近似計(jì)算,結(jié)果解釋:p值比留意水準(zhǔn)5%大，故選 擇歸屬假設(shè)，即兩個母集團(tuán)不良率無差異,Minitab,2-Proportion(兩個母集團(tuán)母比率的檢.推定),Minitab,2Variances(兩個母集團(tuán)分散的同一性檢定),EXH_STAT.MTW,兩個母集團(tuán)的分散的同一性檢定,在做分散的同一性檢定之前 ， 有必要先做正態(tài)性數(shù)據(jù)檢定。 隨正態(tài)分布時F-Test 結(jié)果, 不隨正態(tài)分布時看Levenes Test 結(jié)果再解釋,結(jié)果解釋:p值比有益水準(zhǔn) 5%大, 故不能 判斷兩個母集團(tuán)的分散不同。 （ 相同 ）,命名兩個變量間關(guān)系的方法,Variables : 要分析的 Col Display p-value : 輸出p值 Store matrix :保存為 matrix,結(jié)果解釋:p值比留意水準(zhǔn) 5%小， 故駁回歸屬假設(shè)， 即各變量之間有關(guān)系,GRADES.MTW,Minitab,Correlation(相關(guān)分析),公分散為像相關(guān)分析似的表示兩個變量間關(guān)系的統(tǒng)計(jì)量,- Verbal與 Math 的標(biāo)本公分散為 1333.9704 - Verbal與 GPA 的標(biāo)本公分散為 13.6995 - GPA與 Math 的標(biāo)本公分散為 7.4790,Minitab,Covariance(公分散),GRADES.MTW,檢定資料的分布形態(tài)是否隨正態(tài)分布的分析法 歸屬假設(shè) : 數(shù)據(jù)是隨正態(tài)分布 對立假設(shè) : 數(shù)據(jù)是不隨正態(tài)分布,Variable : 設(shè)定需正態(tài)性檢定的 Col(變量) Reference probabilities : 輸入概率值 Tests for Normality : 三個方法中選擇一種,結(jié)果分析:首先若資料與圖象中的 直線一致，可認(rèn)為按正態(tài)分布。 因 P-value為0.022比留意水準(zhǔn)小， 故駁回歸屬假設(shè)，即不隨正態(tài)分布,Cranksh.mtw,Minitab,Normality Test(正態(tài)性檢定),3. 回歸分析,為了模型化及調(diào)查反應(yīng)變量與一個以上的獨(dú)立變量之間關(guān)系的分析,Least square regression : 反應(yīng)變量為連續(xù)性資料時 Regression:利用最小乘方法，實(shí)施單一回歸或多重回歸 Stepwise Regression:為了找出最合適的說明變量模型 進(jìn)行追加或刪除變量而分析 Best Subsets Regression : 利用最大 R-square 基準(zhǔn)來 分析最大 Subset 回歸 Fitted Line Plot:用一個預(yù)測變量的線型或多次項(xiàng)進(jìn)行 回歸分析 Residual Plot : 為殘差分析的 Plot作成 Logistic square regression:反應(yīng)變量為范籌型資料時 Binary Logistic Regression:利用二項(xiàng)反應(yīng)變量的回歸 分析(2個范籌時) Ordinal Logistic Regression:利用順序型反應(yīng)變量的 回歸分析(3個以上范籌時) Nominal Logistic Regression:利用名目型反應(yīng)變量的 回歸分析(3個以上范籌時),Minitab,回歸分析基礎(chǔ),Minitab,Regression,在兩個以上變量的關(guān)系上建立數(shù)學(xué)函數(shù)的方法,Response : 選擇種屬變量(結(jié)果值) - Score 2 Predictors : 選擇獨(dú)立變量(輸入值) - Score 1,EXH_REGR.MTW,Options.,Weight:為加重回歸指定有加重值的 Col Fit intercept:決定在模型中是否除去絕對項(xiàng) Display - Variance inflation factors:以多重空線型判別(VIF) 影響值，指定VIF值輸出與否 -Durbin-Watson statistic :指定檢定殘差自己相關(guān) Durbin-Watson統(tǒng)計(jì)量輸出與否 Lack of Fit Tests -Pure error:指定履行適合性檢定時純誤差項(xiàng)的 輸出與否 -Data subsetting:指定把說明變量細(xì)分而提供類似 反復(fù)效果的算法適用與否 Prediction intervals for new observation:推定回歸 式后，按說明變量的值推定y值 Storage -Fits:指定是否保存推定的y -Confidence limits:指定是否保存推定y的信賴水準(zhǔn)的 信賴區(qū)間 -SDs of fits:指定是否保存y的標(biāo)準(zhǔn)偏差 -Predicction limits:指定是否保存y的預(yù)測界限,Minitab,Regression,Results.,在 Session 窗不顯示任何結(jié)果時,顯示基本的回歸分析結(jié)果時,顯示基礎(chǔ)統(tǒng)計(jì)量時,顯示追加統(tǒng)計(jì)量時,Graphs.,Residuals for Plots:殘差圖象中顯示的殘差種類選擇 -Regular:在資料的原來測度內(nèi)利用殘差時 -Standardized:利用標(biāo)準(zhǔn)殘差時 -Deleted:利用 Studentized殘差時 Residual Plots -Histogram of residual:畫殘差的 Histogram 時 -Normal plot of residual : 畫殘差的正態(tài)概率圖時 -Residuals versus fits:想看殘差的適合性時 -Residuals versus order:關(guān)于殘差對比資料的順序 -Residuals versus the variables:殘差與變量之間的關(guān)系,Minitab,Regression,Minitab,Regression,分析結(jié)果,回歸方程式為 SCORE2=1.12+0.218SCORE1 P值比留意水準(zhǔn)小，故駁回歸屬 假設(shè)。即兩個變量的回歸系數(shù) 不是 0。 對資料的說明程度(決定系數(shù))為 95.7%，因第 9個數(shù)據(jù)是非正常 數(shù)據(jù)，故需要進(jìn)一步觀察。 新數(shù)據(jù)的信賴區(qū)間為 (2.7614, 3.0439), 預(yù)測區(qū)間為 (2.5697, 3.2356)。,Minitab,Stepwise,說明變量數(shù)量多時，添加或減少變量而選別適當(dāng)?shù)淖兞考蠟槟康?所有可能的回歸 : 當(dāng)有k個變量時，調(diào)查從一個也不包含的模型至包含 k個的 所有模型 前進(jìn)選擇法 : 在影響反應(yīng)變量的 k個說明變量中選擇最大影響的變量， 并判斷為再無其它重要變量時,停止變量的選擇 后進(jìn)選擇法 : 在影響反應(yīng)變量的 k個說明變量中除去影響小的變量， 并判斷為再無可除變量時，停止變量的除去 階段別回歸方法 :在前進(jìn)選擇法里加后進(jìn)選擇法的方法,Minitab,Stepwise,Response:輸入反應(yīng)變量(Pulse2) Predictors:輸入說明變量(Pulse1 Ran-Weight) Predictors to include in every model: 指定先包含的變量,選擇 Forward selection后指定留意水準(zhǔn) 留意水準(zhǔn):把預(yù)測變量追加到回歸模型的基準(zhǔn) (p值小于留意水準(zhǔn)時追加),PULSE.MTW,Minitab,Stepwise,顯示進(jìn)入模型的預(yù)測變量的最佳程度 (若是2，則顯示 2個預(yù)測變量) 輸入要進(jìn)行幾次操作 回歸模型里要追加常數(shù)項(xiàng)時,Stepwise Regression: Pulse2 versus Pulse1, Ran, Weight Forward selection. Alpha-to-Enter: 0.1 Response is Pulse2 on 3 predictors, with N = 92 Step 1 2 3 Constant 10.28 44.48 70.85 Pulse1 0.957 0.912 0.851 T-Value 7.42 9.74 9.27 P-Value 0.000 0.000 0.000 Ran -19.1 -20.6 T-Value -9.05 -9.93 P-Value 0.000 0.000 Weight -0.134 T-Value -3.08 P-Value 0.003 S 13.5 9.82 9.39 R-Sq 37.97 67.71 70.85 R-Sq(adj) 37.28 66.98 69.85 C-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 0.108,Minitab,Best Subsets,在分析者所希望的說明變量中找出最佳模型的分析,Response:指定反應(yīng)變量 Free predictors:指定在模型里包含可能性的 變量 Predictors in all models:指定必須包含在模型 中的變量,包含在模型的至少變量數(shù)和最大變量數(shù) 在說明變量數(shù)為相同的組合中，指定 最高說明結(jié)果的幾個輸出與否,EXH_REGR.MTW,結(jié)果解釋,在模型選擇上有根據(jù)的統(tǒng)計(jì)量 (R-square, adj-R, Cp) Vars:包含在各模型的說明變量數(shù)。 以下是如前所定的5個說明變量中包含 2個至4個的模型中按R-square高順序 所表示的。 另在包含2個、3個、4個說明變量的模型 中，每各變量個數(shù)輸出3個。,Minitab,Best Subsets,履行單一回歸步驟, 繪出回歸圖 在線型回歸及多項(xiàng)回歸中有用的方法, 即一個變量對應(yīng)一個反應(yīng)值時。,Options.,Response:指定反應(yīng)變量 Predictor:指定說明變量(僅一個) Type of Regression Model:指定回歸 Model (1,2,3次方程式),Transformations:反應(yīng)變量與說明 變量取10為底的 Log Display Option:表示信賴區(qū)間及 預(yù)測區(qū)間,Minitab,Fitted Line Plot,Minitab,Fitted Line Plot,結(jié)果解釋,顯示2次項(xiàng)模型比直線模型更為適合,殘差 plot 是為回歸分析診斷而使用 回歸分析時, 若保存了殘差和推定值(Fits),則利用 Residual Plot 步驟繪出殘差圖形。,進(jìn)行殘差分析之前應(yīng)先保存殘差和適合值 Stat Regression Storage : 把 Fits與 Residual check,Residuals : 指定殘差 Fits : 指定反應(yīng)變量的推定值,Minitab,Residual Plots,Minitab,Residual Plots,顯示為檢查殘差是否近似于正態(tài)分布的正態(tài)概率圖， 接近直線時為良好。,用類似于正態(tài)概率圖的用途顯示全面的殘差 形態(tài)的圖象，正態(tài)分布形態(tài)時為良好,殘差對適合值的圖象是顯示越小的預(yù)測值 更為適合,當(dāng)反應(yīng)變量不是連續(xù)性的二分型(0,1)資料時的回歸分析,Response:指定反應(yīng)變量 Frequency:輸入頻率數(shù) 存在成功與試行次數(shù), 成功與失敗, 失敗 與試行次數(shù)形態(tài)的反應(yīng)變量時，各自輸入。 Model:指定說明變量 Factors:在說明變量中指定離散型變量,Graph.,指定為回歸模型診斷的各種圖象,EXH_REGR.MTW,Minitab,Binary Logistic Regression,Results.,通過圖象診斷過程中顯示不適合模型的值有2個。 在圖象上按鼠標(biāo)右鍵則出現(xiàn) Play菜單，并通過 Brush確認(rèn)是第31號值與第66號值,Minitab,Binary Logistic Regression,Binary Logistic Regression Link Function: Logit Response Information Variable Value Count RestingP Low 70 (Event) High 22 Total 92 Factor Information Factor Levels Values Smokes 2 No Yes Logistic Regression Table Odds 95% CI Predictor Coef StDev Z P Ratio Lower Upper Constant -1.987 1.679 -1.18 0.237 Smokes Yes -1.1930 0.5530 -2.16 0.031 0.30 0.10 0.90 Weight 0.02502 0.01226 2.04 0.041 1.03 1.00 1.05 Log-Likelihood = -46.820 Test that all slopes are zero: G = 7.574, DF = 2, P-Value = 0.023 Goodness-of-Fit Tests Method Chi-Square DF P Pearson 40.848 47 0.724 Deviance 51.201 47 0.312 Hosmer-Lemeshow 4.745 8 0.784 Brown: General Alternative 0.905 2 0.636 Symmetric Alternative 0.463 1 0.496 Table of Observed and Expected Frequencies: (See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic) Group Value 1 2 3 4 5 6 7 8 9 10 Total Low 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 15 10 2 92 Measures of Association: (Between the Response Variable and Predicted Probabilities) Pairs Number Percent Summary Measures Concordant 1045 67.9% Somers D 0.38 Discordant 461 29.9% Goodman-Kruskal Gamma 0.39 Ties 34 2.2% Kendalls Tau-a 0.14 Total 1540 100.0%,結(jié)果解釋 在Logistic回歸 Table中 Smoke與 Weight 在留意水準(zhǔn) 5% 以內(nèi)有意義。 并且 p值為 0.023，故判斷為至少 一個不是0。 實(shí)施適合度判定，如有p值小于 0.05則適合為不恰當(dāng)?shù)模?但在此顯示適合。 在Measures of Association 上 Pairs 部分是一致的結(jié)果， Summary Measures表示預(yù)測力的 尺度。 (越接近1為越好的預(yù)測力),Minitab,Binary Logistic Regression,Minitab,Ordinal Logistic Regression,反應(yīng)變量按順序型顯示的logistic回歸模型,Response:指定反應(yīng)變量 Frequency:輸入頻率數(shù) 存在成功與試行次數(shù), 成功與失敗, 失敗與 試行次數(shù)形態(tài)的反應(yīng)變量時，各自輸入。 Model:指定說明變量 Factors:在說明變量中指定離散型變量,EXH_REGR.MTW,Regionr 的 p-value=0.685 比留意水準(zhǔn) 0.05大，故沒有影響。 在這模型中刪除 Region 后, 再進(jìn)行 分析為好。,Minitab,Ordinal Logistic Regression,反應(yīng)變量為名目型(性別, 郵編, 學(xué)號等) 資料構(gòu)成的 logistic 回歸模型。,Response:指定反應(yīng)變量 Frequency:輸入頻率數(shù) 存在成功與試行次數(shù), 成功與失敗, 失敗與 試行次數(shù)形態(tài)的反應(yīng)變量時各自輸入。 Model:指定說明變量 Factors:在說明變量中指定離散型變量,EXH_REGR.MTW,Minitab,Nominal Logistic Regression,4. 分散分析,Minitab,分散分析基礎(chǔ),尋找說明變量與反應(yīng)變量關(guān)系式的方法論,一元配置分散分析(DATA形態(tài)為 Stack 的時候) 一元配置分散分析(DATA形態(tài)為 Unstack 的時候) 二元配置分散分析 平均分析 均型分散分析(在各水準(zhǔn)反復(fù)相同的時候) 一般線型模型 支份分散分析 檢定分散的同一性 區(qū)間 Plot 主效果 Plot 交互效果 Plot,Minitab,One Way ANOVA(一元配置法),因子為一個, 反復(fù)數(shù)為對所有水準(zhǔn)不相同也可, Radom實(shí)驗(yàn)。 在數(shù)據(jù)為一個 Col中以 Stack 形態(tài)保存時使用。,Response:指定反應(yīng)變量 Factor:指定說明變量(要因) Comparisons:檢定多重比較 Store residuals:保存殘差 Store fits:保存水準(zhǔn)平均值,DF:自由圖(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) 留意水準(zhǔn)比 p-value 大則有影響。 即水準(zhǔn)間有差。 (級區(qū)間有變動) - 上面的 p值大于 0.05，故沒有影響。,EXH_AOV.MTW,(先需要檢定 RESPONSE值的正態(tài)性),Graphs.,Dotplots / Boxplots 圖象輸出 option Residual Plots:對殘差提供多樣的 plot - 殘差只有隨正態(tài)性時，它的結(jié)果值才能 判斷為正確。,存在各范圍間的重疊區(qū)間,各點(diǎn)呈現(xiàn)直線狀態(tài)時，意味著正態(tài)性,Minitab,One Way ANOVA(一元配置法),當(dāng)數(shù)據(jù)按水準(zhǔn)類別指定在 Col 時使用(Unstack 形態(tài)) 剩余事項(xiàng)與 Stack 情況相同,Responses:指定按各水準(zhǔn)別 有反應(yīng)值的Col,Minitab,One Way ANOVA(Unstacked),因子為 2個，把因子各水準(zhǔn)的組合全部Radom實(shí)施的實(shí)驗(yàn)。 數(shù)據(jù)應(yīng)為 Stack 形態(tài)。,Response:實(shí)驗(yàn)結(jié)果數(shù)據(jù) Row factor:B因子 Column factor:A因子 Store residuals:保存殘差 Fit additive model:選擇交互作用的有無,Lake與 Interaction 的 p值 大于 0.05，故不會 引起效果。 Suppleme的 p值 小于 0.05，故 Suppleme 的 水準(zhǔn)間有差。 看左圖可知道 Suppleme 的平均間有差。 看左圖可知道 Lake 的平均間沒有差。,EXH_AOV.MTW,Minitab,Two-way ANOVA,用 Graph 來顯示因子的平均值，檢討因子的哪個水準(zhǔn)有影響, -分散分析是對水準(zhǔn)間有無差距的分析 -平均分析是對全體平均與各水準(zhǔn)平均間有無差 距的分析,Response:反應(yīng)(結(jié)果)值 Distribution of Data:資料的分布形態(tài) -Normal:正態(tài)分布, Factor 1:因子水準(zhǔn) Col (一元配置法時) Factor 2:因子水準(zhǔn)第二 Col (二元配置法時) -Binomial:二項(xiàng)分布 -Poisson:Poisson分布 Alpha level:留意水準(zhǔn) 脫離管理線則有影響 用兩個因子的交互作用效果 Main Effect:主要因 Minutes 的 3水準(zhǔn)(值=18)時有影響 Strength 的 3水準(zhǔn)(值=3)時有影響,EXH_AOV.MTW,Minitab,Analysis of Means,Minitab,Balanced ANOVA,2水準(zhǔn)各組合內(nèi)的實(shí)驗(yàn)次數(shù)相同時使用,Response:實(shí)驗(yàn)結(jié)果數(shù)據(jù) Model:指定需分析的因子 Random factors:指定變量因子 Probtype|Calculat的標(biāo)記為考慮交互作用 效果的計(jì)算實(shí)施.,EXH_AOV.MTW,Probtype, Calculat, Probtype*Calculat 等比留意水準(zhǔn)(0.05) 小，故判斷為 各因子的水準(zhǔn)間存在散布的差。 Engineer 為變量因子故無統(tǒng)計(jì)意義。,Minitab,Test for Equal Variances,檢定2集團(tuán)以上的分散是否一致 - 歸屬假設(shè) : 所有水準(zhǔn)的分散一致 - 對立假設(shè) : 至少一個以上的分散不一樣,正態(tài)分布數(shù)據(jù)時:Bartletts Test 包括正態(tài)分布的連續(xù)性數(shù)據(jù)時:Levenes Test 因 p-value 比留意水準(zhǔn)(0.05)大，故選擇歸屬假設(shè)，即所有水準(zhǔn)的分散一致。,EXH_AOV.MTW,Minitab,Interval Plot,平均信賴區(qū)間得出后作成 plot,Y variable:設(shè)定反應(yīng)值 Group variable:subscript 指定 Type of interval plot -Standard Error:適用標(biāo)準(zhǔn)誤差 -Multiple:適用標(biāo)準(zhǔn)誤差倍數(shù) -Confidence interval:指定信賴度 Display mean as:設(shè)定plot表示方法 Pool error across groups-適用總合誤差 平均值以 symbol 標(biāo)記，且有信賴 區(qū)間標(biāo)記。,Minitab,Main Effects Plot,對主效果的水準(zhǔn)間差異比較,Responses:指定反應(yīng)值 Factors:指定因子 Base plots on:指定plot基準(zhǔn) Supplement 在2水準(zhǔn)時值特大。 Lake在各水準(zhǔn)間無太大的變動。,EXH_AOV.MTW,Minitab,Interactions Plot,交互作用的水準(zhǔn)間差異比較,Display full interaction plot matrix: 作成為 matrix,可知道按 Field 水準(zhǔn)變更的 Variety 各水準(zhǔn)的 變動及平均值。 -平均是 Variety 4,6水準(zhǔn)比別的水準(zhǔn)小。 -變動是 Variety 2 水準(zhǔn)比別的水準(zhǔn)大。 -水準(zhǔn)間 Cross 角度越大，交互作用效果就 越大。,ALFALFA.MTW,5. DOE(實(shí)驗(yàn)計(jì)劃法),Minitab,實(shí)驗(yàn)計(jì)劃法基礎(chǔ),如何實(shí)施實(shí)驗(yàn)如何選取數(shù)據(jù), 如何解釋才能以最少的實(shí)驗(yàn)次數(shù) 迅速獲得最大的信息量的計(jì)劃方法. 實(shí)驗(yàn)的成敗，只有把以往的經(jīng)驗(yàn)或者理論性、 技術(shù)性知識等的原有技術(shù)與 依照實(shí)驗(yàn)計(jì)劃法的知識結(jié)合起來才有可能.,Create Factorial Design:要因配置法實(shí)驗(yàn)設(shè)計(jì) Define Custom Factorial Design:在變更當(dāng)前的 實(shí)驗(yàn)計(jì)劃而再指定時使用。 Analyze Factorial Design:得出實(shí)驗(yàn)分析結(jié)果 Factorial Plot:主效果, 交互效果 plot 作成 Contour/Surface(Wireframe)Plot