SAMSUNG的Minitab教程1.ppt

1 Minitab的操作 MINITAB Mini Tabulator 小型 計算機 介紹于1972年 美國賓夕法尼亞州立大學用來作統(tǒng)計分析 教育用而開發(fā) 目前已出版Window用版本Vesion12 2 并且已在工學 社會學等所有領域被廣泛使用 特別是與Six sigma關聯(lián) 在GE AlliedSignal等公司已作為基本的程序而使用 優(yōu)點以菜單的方式構成 所以無需學習高難的命令文 只需擁有基本的統(tǒng)計知識便可使用 圖表支持良好 特別是與Six sigma有關聯(lián)的部分陸續(xù)地在完善之中 Minitab 什么是Minitab 一般統(tǒng)計 基礎統(tǒng)計 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 品質管理 品質管理工具 測定系統(tǒng)分析 計量值數(shù)據(jù)分析 計數(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 實驗計劃 要因實驗計劃 反應表面實驗計劃 混合實驗計劃 Robust實驗計劃 Minitab 什么是Minitab Minitab Minitab操作 Minitab初始畫面 方法2 利用Minitab圖標運行的方法 把Minitab安裝到電腦時 開始菜單及Minitab公文包里生成Minitab的運行圖標 運行Minitab的方法有利用開始菜單及選擇運行圖標兩種 方法1 利用開始菜單運行Minitab的方法 Sessionwindow 直接輸入Minitab的命令或顯示類似統(tǒng)計表的文本型結果文件的窗口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spreadsheet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使用Graph窗 顯示各種統(tǒng)計圖表 同時可以打開15個窗口 Minitab Minitab畫面構成 File 有關文件管理所需的副菜單的構成Edit 編輯Worksheetdata 外部data的link及commandlinkeditor副菜單Manip Worksheetdata的Split Sort Rank Delete Stack Unstack等副菜單Calc 利用內部函數(shù)的數(shù)據(jù)計算及利用分布函數(shù)的數(shù)據(jù)生成Stat 是分析統(tǒng)計資料的副菜單 由基礎統(tǒng)計 回歸分析 分散分析 品質管理 時針序列分析 離散資料分析 非母數(shù)統(tǒng)計分析等構成Graph 為編輯Graph的GraphLayout Chart副菜單及文字Graph構成Editor 不使用菜單 使用命令直接作業(yè)及Clipboardsetting等副菜單Window 由控制Window畫面構成的副菜單及管理Graph畫面的副菜單構成 Minitab Minitab菜單構成 打開新建 File New project worksheet 打開保存的Project File Openproject打開保存的Worksheet File OpenWorksheet打開保存的Graph File OpenGraph用ODBC打開 File QuaryDatabase打開TXT File Othersfile Importspecialtxt保存保存為當前文件名 File Save project worksheet 另存為 File Saveas project worksheet TXT保存 File Otherfile Exportspecialtxt注 OpenGraph下方的Saveas為根據(jù)選擇的窗口可更改保存內容 打印打印當前選擇window File Print 練習 把當前的Worksheet保存為Temp mtw 并關閉后重新打開 Minitab Minitab菜單 File 恢復已刪除資料 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 用鼠標拖動工作窗口按鼠標的右鍵會出現(xiàn)popupmenu通過此項可編輯把Col Row的全部作為工作的對象時 選擇上端 左側 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cell用鼠標drag后按Del鍵相關cell的內容被刪除掉 并且下端的cell向上移動 練習 在AUTO MTW上1 刪除4 5Row后把C4 C5的DATA變更為2342 把C2Col移動到C53 把C4ColumnSize變更為12 Minitab Minitab菜單 Edit 從活動Worksheet中復制數(shù)據(jù) 制作subsetWorksheet 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 把多個列的文字數(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 把列上內容復制到其它列上 Minitab Minitab菜單 Manip 練習 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的內容把C7的data保存到C8Subscript 練習 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 習題 把多數(shù)的col使用函數(shù)計算后 保存到新的col上 把1個col的統(tǒng)計值保存到新的col上 用1個以上的col計算統(tǒng)計值后 保存到新的col上 變換為標準化資料 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)的基準點 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 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 把EXH AOV MTW的Durability和Carpet保存到新的Worksheet后 1 求Durability的基礎統(tǒng)計值 2 Durability的Range保存到C5 練習 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標準化為3和4之間的數(shù)據(jù) 練習 生成1 15的奇數(shù) 每個數(shù)二回 全體集合反復三回的數(shù)據(jù) 練習 把RedBlueWhiteBlack生成各值是二回 全體反復二回的數(shù)據(jù) 練習 生成從1996 04 01 7 30之間按一周間隔形成的數(shù)據(jù) 練習 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 在平均300 標準偏差5的正態(tài)分布當中抽出40個sample保存到C5上 Minitab 習題 Minitab Minitab菜單 Window window 集合了把Minitab的所有window調節(jié)的命令和總體管理的Graph Worksheet的命令等 全面性Window的運營命令 指定把各個window都顯示 或者用小圖標來顯示把Toolbar與Statusbar隱藏或顯示使總括Graphwindow的window活性化使管理Worksheet的window活性化活性window用Vmark表示 用Vmark標記打開window 2 基礎統(tǒng)計 基礎統(tǒng)計量輸出 基礎統(tǒng)計量保存 對母平均的推定及檢定 對母比率的推定及檢定 相關分析 公分散分析 正態(tài)性檢定 Minitab 基礎統(tǒng)計 兩個母集團的分散的同一性檢定 資料應為連續(xù)性的列資料 同時應為數(shù)值資料 能輸出圖表 Variables 選擇需要分析的Col 變量 Byvariable 使用集團 Gvoup 變量計算基礎統(tǒng)計量 N data數(shù)值 Mean 平均 Median 中央值 TrMean 調整平均 StDev 標準偏差 SEMean StandardErroofMean Minimum 最小值 Maximum 最大值 Q1 1 4數(shù) Q3 3 4數(shù) Minitab 基礎統(tǒng)計量 DisplayDescriptiveStatistics Histogramofdata 制作HistgramHistogramofdatawithnormalcurve 制作Histogram和正態(tài)分布曲線Dotplotofdata 制作DotplotBoxplotofdata 制作BoxplotGraphicalsummary 把統(tǒng)計值用Graph輸出 NormalityTest 正態(tài)性檢定A Squared 越接近零時判斷為接近正態(tài)P Value 比留意水準大時為正態(tài)性 Minitab 基礎統(tǒng)計量 DisplayDescriptiveStatistics 計算統(tǒng)計量并保存在當前的Worksheet在選擇兩個以上的Col時 變量名區(qū)分為1 2 當指定Byvariable時 隨著相關Variable的種類按Row方向保存 Firstquartile 1 4數(shù) Thirdquartile 3 4數(shù) Interquartilerange 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 Nnonmissing 填滿的Col數(shù)Nmissing 空Col數(shù)CumulativeN Col的DATA數(shù) Percent 集團占有率 Cumpercent 累積占有率 Minitab 保存基礎統(tǒng)計量 StoreDescriptiveStatistics 留意水準 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 駁回領域 駁回假設的部分領域 兩側檢定 駁回領域存在于兩端的檢定 單側檢定 駁回領域存在于分布一端時的檢定 Minitab 活用Minitab的假設檢定 知道標準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ColConfidenceinterval 指定計算信賴區(qū)間的信賴度Testmean 檢定對象值 檢定時指定 Alternative 設定對立假設Sigma 輸入標準偏差p值比留意水準小時駁回歸屬假設mu 歸屬假設 munot 對立假設 結果解釋 p值比留意水準小故駁回歸屬假設 即母平均不等于5 Testmean指定的情況 Minitab 1 SampleZ EXH STAT MTW One SampleZ ValuesTestofmu 5vsmunot 5Theassumedsigma 0 2VariableNMeanStDevSEMeanValues94 78890 24720 0667Variable95 0 CIZPValues 4 6582 4 9196 3 170 002 結果解釋 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Confidenceinterval的輸出不同 Test時Ho值追加表示 Minitab 1 SampleZ 不知標準偏差時母平均的推定和檢定 Variables 指定要分析的ColConfidenceinterval 指定計算信賴區(qū)間的信賴度Testmean 指定檢定時對象值Alternative 設定對立假設StDev 標準偏差SEMean 平均誤差CI 信賴區(qū)間mu 歸屬假設 munot 對立假設P值比留意水準小時駁回Ho 即p值指脫離的概率 結果解釋 p值小于5 留意水準 故駁回歸屬假設 即平均不等于5 Testmean指定的情況 Minitab 1 Samplet EXH STAT MTW 不知標準偏差時兩個母平均差的推定和檢定 Samplesinonecolumn stack形態(tài) 在1Col中比較兩個集團Sampleindifferentcolumns unstack形態(tài) First 選擇第一個Col Second 選擇第二個ColAlternative 設定對立假設Confidencelevel 設定信賴水準Assumeequalvariance 假設兩個集團的母分散一致 結果解釋 p值大于5 有益水準 故選擇歸屬假設 即兩個母平均在95 信賴區(qū)間無差異 Minitab 2 Samplet Two SampleT TestandCI BTU In DamperTwo sampleTforBTU InDamperNMeanStDevSEMean1409 913 020 4825010 142 770 39Difference mu 1 mu 2 Estimatefordifference 0 23595 CIfordifference 1 464 0 993 T Testofdifference 0 vsnot T Value 0 38P Value 0 704DF 80 Furnace mtw 有關對應的兩個母集團的母平均差的推定和檢定 Firstsample 選擇第一個dataColSecondsample 選擇第二個dataCol 1Col與2Col的資料數(shù)應相同Confidencelevel 輸入信賴度Testmean 輸入對應差的檢定平均值Alternative 設定對立假設 結果解釋 p值小于留意水準5 故駁回歸屬假設 即兩個母平均間有差 EXH STAT MTW Minitab Pairedt 母不良率的推定及檢定 Samplesincolumns 只限兩種文字或者數(shù)字Summarizeddata Numberoftrials 全體試行次數(shù) Numberofsuccesses 成功 不良 次數(shù)Confidencelevel 信賴度Testproportion 檢定不良率Alternative 設定對立假設Usetestandintervalbasedonnormaldistribution 決定是否按正態(tài)分布近似計算 結果解釋 p值比留意水準5 小 故駁回歸屬假設 Minitab 1 Proportion 單一母集團母比率的檢 推定 兩個母不良率差的推定及檢定 Summarizeddata Numberoftrials 全體試行次數(shù) Numberofsuccesses 成功 不良 次數(shù)Confidencelevel 信賴度Testproportion 檢定不良率Alternative 設定對立假設Usetestandintervalbasedonnormaldistribution 是否按正態(tài)分布近似計算 結果解釋 p值比留意水準5 大 故選擇歸屬假設 即兩個母集團不良率無差異 Minitab 2 Proportion 兩個母集團母比率的檢 推定 Minitab 2Variances 兩個母集團分散的同一性檢定 EXH STAT MTW 兩個母集團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結果 不隨正態(tài)分布時看Levene sTest結果再解釋 結果解釋 p值比有益水準5 大 故不能判斷兩個母集團的分散不同 相同 命名兩個變量間關系的方法 Variables 要分析的ColDisplayp value 輸出p值Storematrix 保存為matrix 結果解釋 p值比留意水準5 小 故駁回歸屬假設 即各變量之間有關系 GRADES MTW Minitab Correlation 相關分析 公分散為像相關分析似的表示兩個變量間關系的統(tǒng)計量 Verbal與Math的標本公分散為1333 9704 Verbal與GPA的標本公分散為13 6995 GPA與Math的標本公分散為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 數(shù)據(jù)是隨正態(tài)分布對立假設 數(shù)據(jù)是不隨正態(tài)分布 Variable 設定需正態(tài)性檢定的Col 變量 Referenceprobabilities 輸入概率值TestsforNormality 三個方法中選擇一種 結果分析 首先若資料與圖象中的直線一致 可認為按正態(tài)分布 因P value為0 022比留意水準小 故駁回歸屬假設 即不隨正態(tài)分布 Cranksh mtw Minitab NormalityTest 正態(tài)性檢定 3 回歸分析 為了模型化及調查反應變量與一個以上的獨立變量之間關系的分析 Leastsquareregression 反應變量為連續(xù)性資料時Regression 利用最小乘方法 實施單一回歸或多重回歸StepwiseRegression 為了找出最合適的說明變量模型進行追加或刪除變量而分析BestSubsetsRegression 利用最大R square基準來分析最大Subset回歸FittedLinePlot 用一個預測變量的線型或多次項進行回歸分析ResidualPlot 為殘差分析的Plot作成Logisticsquareregression 反應變量為范籌型資料時BinaryLogisticRegression 利用二項反應變量的回歸分析 2個范籌時 OrdinalLogisticRegression 利用順序型反應變量的回歸分析 3個以上范籌時 NominalLogisticRegression 利用名目型反應變量的回歸分析 3個以上范籌時 Minitab 回歸分析基礎 Minitab Regression 在兩個以上變量的關系上建立數(shù)學函數(shù)的方法 Response 選擇種屬變量 結果值 Score2Predictors 選擇獨立變量 輸入值 Score1 EXH REGR MTW Options Weight 為加重回歸指定有加重值的ColFitintercept 決定在模型中是否除去絕對項Display Varianceinflationfactors 以多重空線型判別 VIF 影響值 指定VIF值輸出與否 Durbin Watsonstatistic 指定檢定殘差自己相關Durbin Watson統(tǒng)計量輸出與否LackofFitTests Pureerror 指定履行適合性檢定時純誤差項的輸出與否 Datasubsetting 指定把說明變量細分而提供類似反復效果的算法適用與否Predictionintervalsfornewobservation 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 Confidencelimits 指定是否保存推定y的信賴水準的信賴區(qū)間 SDsoffits 指定是否保存y的標準偏差 Predicctionlimits 指定是否保存y的預測界限 Minitab Regression Results 在Session窗不顯示任何結果時 顯示基本的回歸分析結果時 顯示基礎統(tǒng)計量時 顯示追加統(tǒng)計量時 Graphs ResidualsforPlots 殘差圖象中顯示的殘差種類選擇 Regular 在資料的原來測度內利用殘差時 Standardized 利用標準殘差時 Deleted 利用Studentized殘差時ResidualPlots Histogramofresidual 畫殘差的Histogram時 Normalplotofresidual 畫殘差的正態(tài)概率圖時 Residualsversusfits 想看殘差的適合性時 Residualsversusorder 關于殘差對比資料的順序 Residualsversusthevariables 殘差與變量之間的關系 Minitab Regression Minitab Regression 分析結果 回歸方程式為SCORE2 1 12 0 218SCORE1P值比留意水準小 故駁回歸屬假設 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) 故需要進一步觀察 新數(shù)據(jù)的信賴區(qū)間為 2 7614 3 0439 預測區(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?shù)淖兞考蠟槟康乃锌赡艿幕貧w 當有k個變量時 調查從一個也不包含的模型至包含k個的所有模型前進選擇法 在影響反應變量的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選擇法 在影響反應變量的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 在前進選擇法里加后進選擇法的方法 Minitab Stepwise Response 輸入反應變量 Pulse2 Predictors 輸入說明變量 Pulse1Ran Weight Predictorstoincludeineverymodel 指定先包含的變量 選擇Forwardselection后指定留意水準留意水準 把預測變量追加到回歸模型的基準 p值小于留意水準時追加 PULSE MTW Minitab Stepwise 顯示進入模型的預測變量的最佳程度 若是2 則顯示2個預測變量 輸入要進行幾次操作回歸模型里要追加常數(shù)項時 StepwiseRegression Pulse2versusPulse1 Ran WeightForwardselection Alpha to Enter 0 1ResponseisPulse2on3predictors withN 92Step123Constant10 2844 4870 85Pulse10 9570 9120 851T Value7 429 749 27P Value0 0000 0000 000Ran 19 1 20 6T Value 9 05 9 93P Value0 0000 000Weight 0 134T Value 3 08P Value0 003S13 59 829 39R Sq37 9767 7170 85R Sq adj 37 2866 9869 85C p99 311 54 0bestalt VariableRanWeightT Value 6 70 0 54P Value0 0000 591VariableWeightT Value 1 62P Value0 108 Minitab BestSubsets 在分析者所希望的說明變量中找出最佳模型的分析 Response 指定反應變量Freepredictors 指定在模型里包含可能性的變量Predictorsinallmodels 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 指定最高說明結果的幾個輸出與否 EXH REGR MTW 結果解釋 在模型選擇上有根據(jù)的統(tǒng)計量 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 BestSubsets 履行單一回歸步驟 繪出回歸圖在線型回歸及多項回歸中有用的方法 即一個變量對應一個反應值時 Options Response 指定反應變量Predictor 指定說明變量 僅一個 TypeofRegressionModel 指定回歸Model 1 2 3次方程式 Transformations 反應變量與說明變量取10為底的LogDisplayOption 表示信賴區(qū)間及預測區(qū)間 Minitab FittedLinePlot Minitab FittedLinePlot 結果解釋 顯示2次項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ResidualPlot步驟繪出殘差圖形 進行殘差分析之前應先保存殘差和適合值Stat Regression Storage 把Fits與Residualcheck Residuals 指定殘差Fits 指定反應變量的推定值 Minitab ResidualPlots Minitab ResidualPlots 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測值更為適合 當反應變量不是連續(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 BinaryLogisticRegression Results 通過圖象診斷過程中顯示不適合模型的值有2個 在圖象上按鼠標右鍵則出現(xiàn)Play菜單 并通過Brush確認是第31號值與第66號值 Minitab BinaryLogisticRegression BinaryLogisticRegressionLinkFunction LogitResponseInformationVariableValueCountRestingPLow70 Event High22Total92FactorInformationFactorLevelsValuesSmokes2NoYesLogisticRegressionTableOdds95 CIPredictorCoefStDevZPRatioLowerUpperConstant 1 9871 679 1 180 237SmokesYes 1 19300 5530 2 160 0310 300 100 90Weight0 025020 012262 040 0411 031 001 05Log Likelihood 46 820Testthatallslopesarezero G 7 574 DF 2 P Value 0 023Goodness of FitTestsMethodChi SquareDFPPearson40 848470 724Deviance51 201470 312Hosmer Lemeshow4 74580 784Brown GeneralAlternative0 90520 636SymmetricAlternative0 46310 496TableofObservedandExpectedFrequencies SeeHosmer LemeshowTestforthePearsonChi SquareStatistic GroupValue12345678910TotalLowObs46688681210270Exp4 46 46 36 66 97 28 312 99 11 9HighObs543113230022Exp4 63 62 72 42 11 81 72 10 90 1Total9109999101510292MeasuresofAssociation BetweentheResponseVariableandPredictedProbabilities PairsNumberPercentSummaryMeasuresConcordant104567 9 Somers D0 38Discordant46129 9 Goodman KruskalGamma0 39Ties342 2 Kendall sTau a0 14Total1540100 0 結果解釋在Logistic回歸Table中Smoke與Weight在留意水準5 以內有意義 并且p值為0 023 故判斷為至少一個不是0 實施適合度判定 如有p值小于0 05則適合為不恰當?shù)?但在此顯示適合 在MeasuresofAssociation上Pairs部分是一致的結果 SummaryMeasures表示預測力的尺度 越接近1為越好的預測力 Minitab BinaryLogisticRegression Minitab OrdinalLogisticRegression 反應變量按順序型顯示的logistic回歸模型 Response 指定反應變量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0 05大 故沒有影響 在這模型中刪除Region后 再進行分析為好 Minitab OrdinalLogisticRegression 反應變量為名目型 性別 郵編 學號等 資料構成的logistic回歸模型 Response 指定反應變量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 NominalLogisticRegression 4 分散分析 Minitab 分散分析基礎 尋找說明變量與反應變量關系式的方法論 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 在各水準反復相同的時候 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 OneWayANOVA 一元配置法 因子為一個 反復數(shù)為對所有水準不相同也可 Radom實驗 在數(shù)據(jù)為一個Col中以Stack形態(tài)保存時使用 Response 指定反應變量Factor 指定說明變量 要因 Comparisons 檢定多重比較Storeresiduals 保存殘差Storefits 保存水準平均值 DF 自由圖 DegreeofFreedom SS 乘方的和 SumofSquare MS 不偏分散 MeanofSquare F F 概率值P P value 留意概率 留意水準比p value大則有影響 即水準間有差 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optionResidualPlots 對殘差提供多樣的plot 殘差只有隨正態(tài)性時 它的結果值才能判斷為正確 存在各范圍間的重疊區(qū)間 各點呈現(xiàn)直線狀態(tài)時 意味著正態(tài)性 Minitab OneWayANOVA 一元配置法 當數(shù)據(jù)按水準類別指定在Col時使用 Unstack形態(tài) 剩余事項與Stack情況相同 Responses 指定按各水準別有反應值的Col Minitab OneWayANOVA Unstacked 因子為2個 把因子各水準的組合全部Radom實施的實驗 數(shù)據(jù)應為Stack形態(tài) Response 實驗結果數(shù)據(jù)Rowfactor B因子Columnfactor A因子Storeresiduals 保存殘差Fitadditivemodel 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 wayANOVA 用Graph來顯示因子的平均值 檢討因子的哪個水準有影響 分散分析是對水準間有無差距的分析 平均分析是對全體平均與各水準平均間有無差距的分析 Response 反應 結果 值DistributionofData 資料的分布形態(tài) Normal 正態(tài)分布 Factor1 因子水準Col 一元配置法時 Factor2 因子水準第二Col 二元配置法時 Binomial 二項分布 Poisson Poisson分布Alphalevel 留意水準脫離管理線則有影響用兩個因子的交互作用效果MainEffect 主要因Minutes的3水準 值 18 時有影響Strength的3水準 值 3 時有影響 EXH AOV MTW Minitab AnalysisofMeans Minitab BalancedANOVA 2水準各組合內的實驗次數(shù)相同時使用 Response 實驗結果數(shù)據(jù)Model 指定需分析的因子Randomfactors 指定變量因子Probtype Calculat的標記為考慮交互作用效果的計算實施 EXH AOV MTW Probtype Calculat Probtype Calculat等比留意水準 0 05 小 故判斷為各因子的水準間存在散布的差 Engineer為變量因子故無統(tǒng)計意義 Minitab TestforEqualVariances 檢定2集團以上的分散是否一致 歸屬假設 所有水準的分散一致 對立假設 至少一個以上的分散不一樣 正態(tài)分布數(shù)據(jù)時 Bartlett sTest包括正態(tài)分布的連續(xù)性數(shù)據(jù)時 Levene sTest因p value比留意水準 0 05 大 故選擇歸屬假設 即所有水準的分散一致 EXH AOV MTW Minitab IntervalPlot 平均信賴區(qū)間得出后作成plot Yvariable 設定反應值Groupvariable subscript指定Typeofintervalplot StandardError 適用標準誤差 Multiple 適用標準誤差倍數(shù) Confidenceinterval 指定信賴度Displaymeanas 設定plot表示方法Poolerroracrossgroups 適用總合誤差 平均值以symbol標記 且有信賴區(qū)間標記 Minitab MainEffectsPlot 對主效果的水準間差異比較 Responses 指定反應值Factors 指定因子Baseplotson 指定plot基準Supplement在2水準時值特大 Lake在各水準間無太大的變動 EXH AOV MTW Minitab InteractionsPlot 交互作用的水準間差異比較 Displayfullinteractionplotmatrix 作成為matrix 可知道按Field水準變更的Variety各水準的變動及平均值 平均是Variety4 6水準比別的水準小 變動是Variety2水準比別的水準大 水準間Cross角度越大 交互作用效果就越大 ALFALFA MTW 5 DOE 實驗計劃法 Minitab 實驗計劃法基礎 如何實施實驗如何選取數(shù)據(jù) 如何解釋才能以最少的實驗次數(shù)迅速獲得最大的信息量的計劃方法 實驗的成敗 只有把以往的經(jīng)驗或者理論性 技術性知識等的原有技術與依照實驗計劃法的知識結合起來才有可能 CreateFactorialDesign 要因配置法實驗設計DefineCustomFactorialDesign 在變更當前的實驗計劃而再指定時使用 AnalyzeFactorialDesign 得出實驗分析結果FactorialPlot 主效果 交互效果plot作成Contour Surface Wireframe Plots 展現(xiàn)實驗的反應表面OverlaidContourPlot 以視覺性展示多個反應變量的妥協(xié)領域ResponseOptimizer 尋找滿足目標值因子的最佳組合 Factorial 要因配置實驗RSDesign 反應表面實驗MixtureDesign 混合物實驗ModifyDesign 對實驗的修正DisplayDesign 實驗計劃后生成的內容通過Worksheet可見 Minitab 實驗計劃法基礎 DOE用語 因子 Factor 實驗所用的輸入要素 例 溫度 濕度 水準 Level 各實驗因子的設定值 例 溫度100200 反應值 Response 實驗的數(shù)值性結果 一般用Y表示 例 Y 267mm主效果 MainEffect 隨一個獨立因子的水準變化相應的 例 E1 2反應值的影響E2 7交互效果兩個以上的因子結合后對反應 例 E12 5 InteractionEffect 因子產(chǎn)生的影響解 Resolution 在部分實施法中表示實驗設計的攪亂 例 III IV V程度的記號攪亂 Confounding 以兩個以上因子的效果合并后 例 1 2產(chǎn)生的現(xiàn)象難以分離1 3 2 2 在多個因子的各水準上分析同時實驗的結果的技法根據(jù)因子的數(shù)量 一元配置法 二元配置法 多元配置法要因配置法種類 完全要因配置法 FullFactorialDesign 2水準完全要因配置法 多水準完全要因配置法 部分實施法 FractionalFactorialDesign Plackett Burman計劃法 Plackett BurmanDesign 在Minitab中要因配置法的實行階段 利用 CreateFactorialDesign 為了完全要因配置法或部分實施法的實驗設計的選擇 選擇實驗設計后 指定各因子的名名稱及水準 反復次數(shù) Random化與否 實行實驗后 輸入數(shù)據(jù)實行 AnalyzeFactorialDesign 得出實驗分析結果 最后利用 FactorialPlot 繪出主效果及交互效果的plot Minitab FactorialDesign 要因配置法 Minitab FactorialDesign 要因配置法 CreateFactorialDesign 2 levelfactorial defaultgenerators 2水準要因配置 generator自動指定 2 levelfactorial specifygenerators 2水準要因配置 generator使用者指定 Plackett Burmandesign 15因子以上的情況Generalfullfactorialdesign 在2水準以上 且要因類別水準不同時的完全要因實驗Numberoffactors 因子數(shù)指定DisplayAvailableDesigns 展示使用可能的配置顯示因子別實驗數(shù) Run 和分析度 Resolution 實驗次數(shù)越多 分析度越高分析度高的順序Full VII VI V IV IIIPlackett BurmanDesign是分析度為IIILeveldlek Minitab FactorialDesign 要因配置法 Designs 指定Runs centerpoints replicates blocksBlock 具有相同性質的單位集合Replicate 重新設置實驗條件后實驗在多個試料上按同一條件各自實驗Centerpoint 在連續(xù)性因子的水準為中間值時實施 評價反應值的非線型性 Factors Factor 表示實驗的因子Name 指定實驗的因子名Low High 以水準表示的低水準值與高水準值 一般用 1與1表示 中心為0 Minitab FactorialDesign 要因故配置法 Options FoldDesign 設定FoldRandomizeRuns 實驗順序RandomFraction 使用部分配置法時設定Fraction使用位置Baseforrandomdatagenerator 設定Random生成基準點Storedesigninworksheet 把實驗計劃保存在Worksheet能多樣化地指定 愿意在Session窗口輸出的實驗計劃結果在Session窗口輸出與別名 alias 關聯(lián)的內容時 指定交互作用的次數(shù) Results Minitab FactorialDesign 要因配置法 DesignCustomFactorialDesign 在變更當前的實驗計劃重新指定時使用 Factors 指定已輸入的因子水準的列2 levelfactorial 2水準要因實驗Generalfullfactorial 不是2水準的完全要因實驗計劃 指定因子的水準 Low High Minitab FactorialDesign 要因配置法 Designs 指定實驗編號 實驗的基本順序 中心點 實驗的Block Orderofthedata 以設定的數(shù)據(jù)配置指定Specifybycolumn 指定特定column Minitab FactorialDesign 要因配置法 AnalyzeFactorialDesign 實驗結果分析 FULLFACT MTW Responses 指定有實驗結果值的Col Terms 計算里欲包括的項目設定 未包括的項目按誤差項Pooling Graphs EffectsPlots 設定效果PlotsAlpha 指定留意水準ResidualsforPlots 殘差處理方法 Minitab FactorialDesign 要因配置法 Results 對于Session窗口輸出的結果可以選擇選擇把別名Table在Session窗口輸出顯示在模型中的因子和其對交互作用的最低乘方平均若設計為直交型 無covariate 那么各個最小乘方平均為在同一窗口中的所有觀測值的平均 選擇欲輸出最小乘方平均的term Minitab FactorialDesign 要因配置法 Storage FitsandResiduals 把適合值與殘差保存在Worksheet ModelInformation 在2水準要因實驗或者PB實驗分析結果中 保存各個反應值的效果 但不能保存常數(shù) Covariate 中心點 Block的效果 實驗計劃Matrix等對各個反應值進行保存 依系數(shù)相乘的實驗計劃Matrix計算出適合值 Other 為確認異常值的數(shù)據(jù)被保存 Minitab FactorialDesign 要因配置法 Minitab實行結果 在看各因子的p value時可以知道主因子C T和交互因子K T為統(tǒng)計性的有影響的因子根據(jù)分散分析表 ANOVATable 可知道主因子占全體散布的82 4 2225 0 2699 0 Minitab FactorialDesign 要因配置法 Pareto圖可同時看到效果的大小與重要性 超過指針線的C AC B因子為有影響 在正態(tài)概率圖中離直線遠離的