SAMSUNG的Minitab教程1ppt課件

1、1. Minitab 的操作MINITAB = Mini + Tabulator =小型 + 計算機引見 于1972年，美國賓夕法尼亞 州立大學(xué)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(xué)、社會學(xué)等一切領(lǐng)域被廣泛運用。特別是與Six-sigma關(guān)聯(lián)，在GE、AlliedSignal等公司已作為根本的程序而運用。 優(yōu)點 以菜單的方式構(gòu)成，所以無需學(xué)習(xí)高難的命令文，只需擁有根本的統(tǒng)計知識便可運用。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 ?普通統(tǒng)計- 根底統(tǒng)計 -回歸分析 - 分

2、散分析 - 多變量分析 - 非母數(shù)分析 - TABLE(行列) - 探求性 資料(數(shù)據(jù))分析 質(zhì)量管理- 質(zhì)量管理工具 - 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 - 工程才干分析信任性 及 數(shù)據(jù)分析- 分布分析 - 數(shù)據(jù)的回歸分析 - 受害分析 實驗方案- 要因 實驗方案 - 反響外表 實驗方案 - 混合 實驗方案 - Robust 實驗方案 Minitab什么是 Minitab ?MinitabMinitab 操作Minitab 初始畫面方法 2. 利用 Minitab 圖標(biāo) 運轉(zhuǎn)的方法 把 Minitab安裝到電腦時，開場菜單 及 Minitab 公文包里生

3、成Minitab的 運轉(zhuǎn)圖標(biāo)。運轉(zhuǎn)Minitab的方法有利用開場菜單及選擇運轉(zhuǎn)圖標(biāo)兩種。 方法 1. 利用開場菜單 運轉(zhuǎn) Minitab 的方法 Session window:直接輸入 Minitab 的命令或顯示類似統(tǒng)計表的文本型結(jié)果文 件的窗口 WorKsheets:用于直接輸入數(shù)據(jù)或可以修正的窗口，具有類似 Excel中的 spread sheet功能Info窗:簡要顯示已運用的變量信息的窗口History窗:儲存已運用過的一切命令，并協(xié)助已運用過的命令可反復(fù)運用Graph窗: 顯示各種統(tǒng)計圖表，同時可以翻開15個窗口MinitabMinitab 畫面 構(gòu)成File : 有關(guān)文件管理所需

4、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，由根底統(tǒng)計、回歸分析、分散分析、質(zhì)量管理、時針序列 分析、離散資料分析、非母數(shù)統(tǒng)計分析等構(gòu)成 Graph : 為編輯 Graph的Graph Layout, Chart副菜單及文字Graph構(gòu)成Editor : 不運用

5、菜單，運用命令直接作業(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 MinitabMinitab 菜單 構(gòu)成 翻開新建 : File - New(project, worksheet)翻開保管的 Project : File - Open project翻開保管的 Worksheet : File - Open Worksheet翻開保管的 Graph : File - Open Graph用ODBC翻開 : File - Quary Database翻開TXT : File - Others fil

6、e - Import special txt 保管保管為當(dāng)前文件名 : File - Save(project, worksheet)另存為 : File - Save as(project, worksheet)TXT保管: 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 改保管內(nèi)容。 打印打印當(dāng)前選擇 window : File - Print練習(xí)) 把 當(dāng)前的 Worksheet 保管為 Temp.mtw， 并封鎖后重新翻開 MinitabMinitab 菜單(File)恢復(fù)已刪除資料去

7、除 Cell(s) 的數(shù)據(jù)刪除 Cell(s) 的數(shù)據(jù) 下端的 cell 挪動復(fù)制 Cell(s)粘貼 Cell(s) LinK粘貼Link 管理選擇一切 cell 編輯最后操作的對話框翻開命令編輯器普通選項用鼠標(biāo)拖開任務(wù)窗口按鼠標(biāo)的右鍵會出現(xiàn) pop up menu 經(jīng)過此項可編輯把 Col/Row 的全部作為任務(wù)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)值把變量屬性變卦為數(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

8、Del 鍵 相關(guān) cell 的內(nèi)容被刪除掉，并且下端的 cell 向上挪動。練習(xí))在 AUTO.MTW上 1) 刪除 4,5 Row后把 C4, C5的 DATA 變卦為 234 2) 把 C2 Col 挪動到 C5 3) 把 C4 Column Size 變卦為 12 MinitabMinitab 菜單(Edit)從活動 Worksheet 中復(fù)制數(shù)據(jù)，制造 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陳列數(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

9、個列數(shù)據(jù)按變換條件交換變卦 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MinitabMinitab 菜單(Manip)練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet 保管在新的 Worksheet 后， (1) 把 Durability 為 Unstack (2) 用上面 Unstack 的內(nèi)容 把 C7的 data保管到 C8 Subscript。練習(xí)) 在 AUTO.MTW中， (1) Age 按 No.M 的順序陳列。 (2) 按 Yes.M 的順序陳列

10、的 No.F 保管到 C11。Minitab習(xí)題把多數(shù)的 col 運用函數(shù)計算后，保管到新的 col 上把1個 col 的統(tǒng)計值保管到新的 col 上用1個以上的 col 計算統(tǒng)計值后，保管到新的 col 上變換為規(guī)范化資料把數(shù)據(jù)屬性變卦為數(shù)值屬性把數(shù)據(jù)屬性變卦為文字屬性生成 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運用的指示變量指定 Random 數(shù)據(jù)的基準(zhǔn)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)保管行列MinitabMinitab 菜單(Calc)練習(xí)) 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。練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet保管到新的 Worksheet 后 (1) 求 Durability 的 根底統(tǒng)計值。 (2) Durability的Range保管到 C5。練習(xí)) 把 EXH_AOV.MTW 的 Durability 和 Carpet保管到新的 Worksheet 后 (1) 把 Durab

12、ility 正態(tài)化。 (2) 把 Durability 規(guī)范化為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之間按一周間隔構(gòu)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，全體為三回構(gòu)成的數(shù)據(jù)。練習(xí)) 在平均 300, 規(guī)范偏向5的正態(tài)分布當(dāng)中抽出 40個 sample 保管到 C5上。Minitab習(xí)題MinitabMinitab 菜單(Window) windo

13、w : 集合了把 Minitab的一切 window 調(diào)理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(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)志翻開 window 2. 根底統(tǒng)計根底統(tǒng)計量輸出根底統(tǒng)計量保管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根底統(tǒng)計 兩

14、個母集團的分散的同一性檢定資料應(yīng)為延續(xù)性的列資料, 同時應(yīng)為數(shù)值資料。能輸出圖表。Variables : 選擇需求分析的 Col(變量)By variable : 運用集團(Gvoup)變量計算根底統(tǒng)計量- N : data 數(shù)值 - Mean : 平均- Median : 中央值 - TrMean : 調(diào)整平均- StDev : 規(guī)范偏向 - 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根底統(tǒng)計量 (Display Descriptive Statisti

15、cs) Histogram of data : 制造 HistgramHistogram of data with normal curve : 制造 Histogram和正態(tài)分布曲線Dotplot of data : 制造 Dotplot Boxplot of data : 制造 BoxplotGraphical summary : 把統(tǒng)計值用Graph輸出Normality Test : 正態(tài)性檢定 A-Squared : 越接近零時判別為接近正態(tài)P-Value : 比留意水準(zhǔn)大時為正態(tài)性Minitab根底統(tǒng)計量 (Display Descriptive Statistics) 計算統(tǒng)計量

16、并保管在當(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 方向保管。- 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, 負數(shù)為完美, 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 :

17、空 Col 數(shù) Cumulative N : Col的DATA數(shù)- Percent : 集團占有率- Cum percent : 累積占有率Minitab保管根底統(tǒng)計量 (Store Descriptive Statistics) - 留意水準(zhǔn) : 犯第一種錯誤的最大約率 - 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)檢定知道規(guī)范偏向時的母平均推定和檢定 檢定母平均能否知道的特定值Variables : 選定要分析的 C

18、olConfidence interval :指定計算信任區(qū)間的信任度Test mean : 檢定對象值(檢定時指定)Alternative : 設(shè)定對立假設(shè)Sigma : 輸入規(guī)范偏向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結(jié)果解釋 : 信任區(qū)間為最小 4.6582, 最大4.9196(信任度為 95%時) 圖像對 Test 與 Confidence interval 的輸出 不同。Test 時 Ho值追加表示。Minitab1-Sample Z不知規(guī)范偏向時母平均的推定和檢定Variables : 指定要分析的 Col Confidence interval : 指定計算信任區(qū)間的信任度Test mean :指定檢定時對

20、象值 Alternative : 設(shè)定對立假設(shè)StDev : 規(guī)范偏向SE Mean : 平均誤差CI : 信任區(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5Test mean 指定的情況Minitab1-Sample tEXH_STAT.MTW不知規(guī)范偏向時兩個母平均差的推定和檢定Samples in one column(stack形狀) : 在1Col中比較兩個 集團 Sample in different columns(unstack形狀) - First :選

21、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)定信任水準(zhǔn)Assume equal variance :假設(shè)兩個集團的母分散一致結(jié)果解釋 : p值大于 5% 有益水準(zhǔn)， 應(yīng)選擇歸屬假設(shè)， 即兩個母平均在95% 信任區(qū)間無差別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有關(guān)對應(yīng)的兩個母集團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)一樣Confiden

23、ce level : 輸入信任度Test mean : 輸入對應(yīng)差的檢定平均值A(chǔ)lternative : 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.MTWMinitabPaired 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 : 勝利(不良)次數(shù)Confidence level : 信任度Test proportion : 檢定不良率Alternative :設(shè)定

24、對立假設(shè)Use test and interval based on normal distribution : 決議能否按 正態(tài)分布近似計算結(jié)果解釋:p值比留意水準(zhǔn) 5%小， 故駁回歸屬假設(shè)Minitab1-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Summarized data - Number of trials : 全體試行次數(shù) - Number of successes : 勝利(不良)次數(shù)Confidence level : 信任度Test proportion : 檢定不良率Alternative : 設(shè)定對立假設(shè)Use test and int

25、erval based on normal distribution : 能否按正態(tài) 分布近似計算結(jié)果解釋:p值比留意水準(zhǔn)5%大，應(yīng)選 擇歸屬假設(shè)，即兩個母集團不良率無差別Minitab2-Proportion(兩個母集團母比率的檢.推定)Minitab2Variances(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(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 判別兩個母集團的分散不同。 一樣 命名兩個變量間關(guān)系的方

26、法Variables : 要分析的 Col Display p-value : 輸出p值Store matrix :保管為 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.MTWMinitabCorrelation(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 MinitabCovariance(公分散)GRADES.MTW檢定資料的分布形狀能否隨正態(tài)分布的分

27、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:首先假設(shè)資料與圖象中的直線一致，可以為按正態(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.mtwMinitabNormality Test(正態(tài)性檢定)3. 回歸分析為了模型化及調(diào)查反響變量與一個以上的獨立變量之間關(guān)系的分析 Least square regression : 反響變量為

28、延續(xù)性資料時 Regression:利用最小乘方法，實施單一回歸或多重回歸Stepwise Regression:為了找出最適宜的闡明變量模型 進展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進展 回歸分析Residual Plot : 為殘差分析的 Plot作成 Logistic square regression:反響變量為范籌型資料時Binary Logistic Regression:利用二項反響變量的回歸 分析(2個范籌時)Ordi

29、nal Logistic Regression:利用順序型反響變量的 回歸分析(3個以上范籌時)Nominal Logistic Regression:利用名目型反響變量的 回歸分析(3個以上范籌時) Minitab回歸分析根底MinitabRegression 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 2Predictors : 選擇獨立變量(輸入值) - Score 1EXH_REGR.MTWOptions.Weight:為加重回歸指定有加重值的 ColFit intercept:決議在模型中能否除去絕對項Display - Va

30、riance 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 :指定檢定殘差本人相關(guān) Durbin-Watson統(tǒng)計量輸出與否Lack of Fit Tests -Pure error:指定履行適宜性檢定時純誤差項的 輸出與否 -Data subsetting:指定把闡明變量細分而提供類似 反復(fù)效果的算法適用與否Prediction intervals for new observation:推定回歸 式后，按闡明變量的值推定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的信任水準(zhǔn)的 信任區(qū)間 -SDs of fits:指定能否保管y的規(guī)范偏向 -Predicction limits:指定能否保管y的預(yù)測界限MinitabRegressionResults. 在 Session 窗不顯示任何結(jié)果時 顯示根本的回歸分析結(jié)果時顯示根底統(tǒng)計量時顯示追加統(tǒng)計量時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:利用規(guī)范殘差時 -Deleted:利用 Studentized殘差時Residual Plots -Histogr

32、am 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:想看殘差的適宜性時 -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MinitabRegressionMinitabRegression分析結(jié)果回歸方程式為SCORE2=1.12+0.218SCORE1P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。對資料的闡明程度(決議系數(shù))為95.7%

33、，因第 9個數(shù)據(jù)是非正常數(shù)據(jù)，故需求進一步察看。新數(shù)據(jù)的信任區(qū)間為(2.7614, 3.0439), 預(yù)測區(qū)間為(2.5697, 3.2356)。MinitabStepwise 闡明變量數(shù)量多時，添加或減少變量而選別適當(dāng)?shù)淖兞考蠟槟康囊磺心軌虻幕貧w : 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 一切模型 前進選擇法 : 在影響反響變量的 k個闡明變量中選擇最大影響的變量， 并判別為再無其它重要變量時,停頓變量的選擇 后進選擇法 : 在影響反響變量的 k個闡明變量中除去影響小的變量， 并判別為再無可除變量時，停頓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Mini

34、tabStepwiseResponse:輸入反響變量(Pulse2)Predictors:輸入闡明變量(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.MTWMinitabStepwise顯示進入模型的預(yù)測變量的最正確程度 (假設(shè)是2，那么顯示 2個預(yù)測變量)輸入要進展幾次操作回歸模型里要追加常數(shù)項時 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 在分析者所希望的闡明變量中找出最正確模型的分析Response:指定反響變量Free predictors:指定在模型里包含能夠性的 變量Predictors in al

37、l models:指定必需包含在模型 中的變量包含在模型的至少變量數(shù)和最大變量數(shù)在闡明變量數(shù)為一樣的組合中，指定最高闡明結(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)計量(R-square, adj-R, Cp)Vars:包含在各模型的闡明變量數(shù)。以下是如前所定的5個闡明變量中包含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個闡明變量的模型 中，每各變量個數(shù)輸出3個。MinitabBest Subsets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(yīng)一個反響值時。 Options.Response:指定反

38、響變量Predictor:指定闡明變量(僅一個)Type of Regression Model:指定回歸 Model (1,2,3次方程式)Transformations:反響變量與闡明 變量取10為底的 LogDisplay Option:表示信任區(qū)間及 預(yù)測區(qū)間MinitabFitted Line PlotMinitabFitted Line Plot結(jié)果解釋顯示2次項模型比直線模型更為適宜殘差 plot 是為回歸分析診斷而運用回歸分析時, 假設(shè)保管了殘差和推定值(Fits),那么利用 Residual Plot 步驟繪出殘差圖形。進展殘差分析之前應(yīng)先保管殘差和適宜值 Stat Regr

39、ession Storage : 把 Fits與 Residual checkResiduals : 指定殘差Fits : 指定反響變量的推定值MinitabResidual PlotsMinitabResidual Plots顯示為檢查殘差能否近似于正態(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狀的圖象，正態(tài)分布形狀時為良好殘差對適宜值的圖象是顯示越小的預(yù)測值 更為適宜當(dāng)反響變量不是延續(xù)性的二分型(0,1)資料時的回歸分析Response:指定反響變量Frequency:輸入頻率數(shù)存在勝利與試行次數(shù), 勝利與失敗, 失敗 與試行次數(shù)形狀的反響變量時，各自輸入

40、。 Model:指定闡明變量 Factors:在闡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.MTWMinitabBinary Logistic RegressionResults.經(jīng)過圖象診斷過程中顯示不適宜模型的值有2個。在圖象上按鼠標(biāo)右鍵那么出現(xiàn) Play菜單，并經(jīng)過 Brush確認是第31號值與第66號值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%結(jié)果解釋在Logistic回歸 Table中Smoke與 Weight 在留

45、意水準(zhǔn) 5%以內(nèi)有意義。并且 p值為 0.023，故判別為至少一個不是0。實施適宜度斷定，如有p值小于0.05那么適宜為不恰當(dāng)?shù)?，但在此顯示適宜。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)MinitabBinary Logistic RegressionMinitabOrdinal Logistic Regression 反響變量按順序型顯示的logistic回歸模型Response:指定反響變量Frequency:輸入頻率數(shù)存在勝利與試行次數(shù), 勝利與失敗, 失敗與 試行次數(shù)形

46、狀的反響變量時，各自輸入。 Model:指定闡明變量Factors:在闡明變量中指定離散型變量EXH_REGR.MTWRegionr 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, 再進展分析為好。MinitabOrdinal Logistic Regression 反響變量為名目型(性別, , 學(xué)號等) 資料構(gòu)成的 logistic 回歸模型。Response:指定反響變量Frequency:輸入頻率數(shù)存在勝利與試行次數(shù), 勝利與失敗, 失敗與 試行次數(shù)形狀的反響變量時各自輸入。 Model:指定闡明變量Factors:在闡明變量中指定離

47、散型變量EXH_REGR.MTWMinitabNominal Logistic Regression4. 分散分析Minitab分散分析根底 尋覓闡明變量與反響變量關(guān)系式的方法論一元配置分散分析(DATA形狀為 Stack 的時候)一元配置分散分析(DATA形狀為 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)一樣的時候)普通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 PlotMinitabOne Way ANOVA(一元配置法) 因子為一個, 反復(fù)數(shù)為對一切水準(zhǔn)不一樣也可, Radom實驗。在數(shù)據(jù)為一個 Col中以 Stack 形狀

48、保管時運用。Response:指定反響變量Factor:指定闡明變量(要因)Comparisons:檢定多重比較Store residuals:保管殘差Store fits:保管水準(zhǔn)平均值 DF:自在圖(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 大那么有影響。 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(先需求檢定 RESPONSE值的正態(tài)性)Graphs.Dotplots / Bo

49、xplots 圖象輸出 optionResidual Plots:對殘差提供多樣的 plot - 殘差只需隨正態(tài)性時，它的結(jié)果值才干 判別為正確。存在各范圍間的重疊區(qū)間各點呈現(xiàn)直線形狀時，意味著正態(tài)性MinitabOne Way ANOVA(一元配置法) 當(dāng)數(shù)據(jù)按水準(zhǔn)類別指定在 Col 時運用(Unstack 形狀)剩余事項與 Stack 情況一樣Responses:指定按各水準(zhǔn)別 有反響值的Col MinitabOne Way ANOVA(Unstacked) 因子為 2個，把因子各水準(zhǔn)的組合全部Radom實施的實驗。 數(shù)據(jù)應(yīng)為 Stack 形狀。Response:實驗結(jié)果數(shù)據(jù)Row fac

50、tor:B因子Column factor:A因子Store residuals:保管殘差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?？醋髨D可知道 Suppleme 的平均間有差?？醋髨D可知道 Lake 的平均間沒有差。EXH_AOV.MTWMinitabTwo-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R

51、esponse:反響(結(jié)果)值Distribution of Data:資料的分布形狀 -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:二項分布 -Poisson:Poisson分布Alpha level:留意水準(zhǔn)脫離管理線那么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.MTWMinitabAnalysis of MeansMinitabBalanced ANO

52、VA 2水準(zhǔn)各組合內(nèi)的實驗次數(shù)一樣時運用Response:實驗結(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)志為思索交互作用 效果的計算實施.EXH_AOV.MTWProbtype, Calculat, Probtype*Calculat等比留意水準(zhǔn)(0.05) 小，故判別為各因子的水準(zhǔn)間存在分布的差。Engineer 為變量因子故無統(tǒng)計意義。MinitabTest for Equal Variances 檢定2集團以上的分散能否一致 - 歸屬假設(shè) : 一切水準(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)

53、據(jù)時:Bartletts Test包括正態(tài)分布的延續(xù)性數(shù)據(jù)時:Levenes Test因 p-value 比留意水準(zhǔn)(0.05)大，應(yīng)選擇歸屬假設(shè)，即一切水準(zhǔn)的分散一致。 EXH_AOV.MTWMinitabInterval Plot平均信任區(qū)間得出后作成 plot Y variable:設(shè)定反響值 Group variable:subscript 指定Type of interval plot -Standard Error:適用規(guī)范誤差 -Multiple:適用規(guī)范誤差倍數(shù) -Confidence interval:指定信任度Display mean as:設(shè)定plot表示方法Pool e

54、rror across groups-適用總合誤差平均值以 symbol 標(biāo)志，且有信任 區(qū)間標(biāo)志。 MinitabMain Effects Plot對主效果的水準(zhǔn)間差別比較Responses:指定反響值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.MTWMinitabInteractions Plot交互作用的水準(zhǔn)間差別比較Display full interaction plot matrix: 作成為 matrix可知道按 Field 水準(zhǔn)變卦的 Variety 各水準(zhǔn)的 變動及

55、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.MTW5. DOE(實驗方案法)Minitab實驗方案法根底 如何實施實驗如何選取數(shù)據(jù), 如何解釋才干以最少的實驗次數(shù) 迅速獲得最大的信息量的方案方法. 實驗的成敗，只需把以往的閱歷或者實際性、 技術(shù)性知識等的原有技術(shù)與 按照實驗方案法的知識結(jié)合起來才有能夠. Create Factorial Design:要因配置法實驗設(shè)計Define Custom Factorial Design:在變卦當(dāng)前的 實驗方案而再指

56、定時運用。Analyze Factorial Design:得出實驗分析結(jié)果Factorial Plot:主效果, 交互效果 plot 作成Contour/Surface(Wireframe)Plots:展現(xiàn)實驗的 反響外表Overlaid Contour Plot:以視覺性展現(xiàn)多個反響 變量的妥協(xié)領(lǐng)域Response Optimizer:尋覓滿足目的值因子的 最正確組合Factorial:要因配置實驗RS Design:反響外表實驗Mixture Design:混合物實驗Modify Design:對實驗的修正Display Design:實驗方案后生成的內(nèi)容經(jīng)過 Worksheet 可見

57、Minitab實驗方案法根底 DOE 用語因子(Factor)實驗所用的輸入要素(例) 溫度, 濕度,水準(zhǔn)(Level)各實驗因子的設(shè)定值 (例) 溫度 100 200(-) (+)反響值(Response)實驗的數(shù)值性結(jié)果(普通用 Y表示)(例) Y = 267mm主效果(Main Effect)隨一個獨立因子的水準(zhǔn)變化相應(yīng)的(例) E1 = 2 反響值的影響 E2 = -7交互效果兩個以上的因子結(jié)合后對反響 (例) E12 = 5 (Interaction Effect)因子產(chǎn)生的影響解(Resolution)在部分實施法中表示實驗設(shè)計的攪亂(例) III, IV, V 程度的記號 攪亂(

58、Confounding)以兩個以上因子的效果合并后 (例) 1 + 2 產(chǎn)生的景象難以分別 1+3, 2+2 在多個因子的各水準(zhǔn)上分析同時實驗的結(jié)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(Full Factorial Design) : 2水準(zhǔn)完全要因配置法, 多水準(zhǔn)完全要因配置法 - 部分實施法(Fractional Factorial Design) - Plackett-Burman 方案法(Plackett-Burman Design) 在 Minitab 中要因配置法的實行階段 - 利用 “Create Factorial

59、 Design 為了完全要因配置法或部分實施法的實驗設(shè)計的選擇 - 選擇實驗設(shè)計后, 指定各因子的名稱號及水準(zhǔn)、反復(fù)次數(shù)、Random化與否 - 實行實驗后, 輸入數(shù)據(jù)實行 “Analyze Factorial Design 得出實驗分析結(jié)果 - 最后利用 “Factorial Plot 繪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水準(zhǔn)要因配置(genera

60、tor 自動指定)2-level factorial(specify generators) - 2水準(zhǔn)要因配置(generator 運用者指定)Plackett-Burman design:15因子以上的情況General full factorial design:在2水準(zhǔn)以上， 且要因類別水準(zhǔn)不同時的完全要因?qū)嶒濶umber of factors:因子數(shù) 指定Display Available Designs:展現(xiàn)運用能夠的 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-