MINIAB質(zhì)量工具應(yīng)用大全

MINITAB質(zhì)量分析工具應(yīng)用大全測量系統(tǒng)分析數(shù)據(jù)正態(tài)檢驗

工序能力分析功效和樣本數(shù)量均值假設(shè)檢驗方差假設(shè)檢驗相關(guān)性分析實驗設(shè)計控制圖回歸分析1-1M--測量系統(tǒng)分析（連續(xù)型案例）

gageaiag.Mtw

背景：3名測定者對10部品反復(fù)2次TEST1測量系統(tǒng)分析－>測量值隨OP的變動－>測量值隨部品的變動－>對于部品10，OP有較大分歧；所有點落在管理界限內(nèi)－>良好大部分點落在管理界限外－>主變動原因：部品變動－>良好1-2M--測量系統(tǒng)分析（離散型案例）gage名目.Mtw背景：3名測定者對30部品反復(fù)2次TEST檢查者1需要再教育；檢查者3需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標準有一定差異個人與標準的一致性（再現(xiàn)性？）M--測量系統(tǒng)分析：離散型案例（順序型）：散文.Mtw背景：3名測定者對30部品反復(fù)2次TEST張四需要再教育；張一、張五需要追加訓(xùn)練；(反復(fù)性)兩數(shù)據(jù)不能相差較大，否則說明檢查者一致的判定與標準有一定差異M--正態(tài)性測定:(測定工序能力的前提)案例：背景：3名測定者對10部品反復(fù)2次TESTP-value>0.05－>正態(tài)分布（P越大越好）本例：P＝0.022，數(shù)據(jù)不服從正態(tài)分布。原因：1、Data分層混雜；

2、群間變動大；2數(shù)據(jù)正態(tài)性檢驗3-1M--工序能力分析（連續(xù)型）：案例：Camshaft.MTW①工程能力統(tǒng)計：3工序能力分析短期工序能力長期工序能力X平均＝目標值－>Cp＝CpmX平均≠目標值－>Cp>Cpm②求解Zst（輸入入歷史史均值值）：歷史均均值：：表示示強行行將它它拉到到中心心位置置－>不考慮慮偏移移－>Zst(Bench)③求解Zlt（無歷歷史均均值））：無歷史史均值值：－>考慮偏偏移－－>Zlt(Bench)*Zshift＝Zlt(Bench)－Zlt(Bench)＝12.13－1.82＝0.313-2工序能能力分分析capabilitysixpack工具案例：：Camshaft.MTW3-3M--工序能能力分分析（（離散散型））：案例：：bpcapa.MTW(1)：二項項分布布的Zst缺陷率率：不良率率是否否受樣本本大小小影響？？－平均均（預(yù)預(yù)想））PPM＝226427－Zlt＝0.75＝>Zst＝Zlt＋1.5＝2.253-4M--工序能能力分分析（（離散散型））：案例：：bpcapa.MTW(2)：Poisson分布的的Zst4-11-sampleZ（已知知u）A—假設(shè)測測定－－決定定標本本大小?。罕尘埃海篐a～N（30，100/25）H0～N（25，100/n）－為為測定定分布布差異異的標標本大大小有意水水平α=0.05查出力力1－β=0.8<統(tǒng)計－－功效效和樣樣本數(shù)數(shù)量－－1-sampleZ：>差值：：u0－ua＝25－30＝-5功效值值（查查出力力）：：1－β＝0.8標準差差：sigma＝104功效和和樣本本數(shù)量量A—假設(shè)測測定－－決定定標本本大小?。?-2：1-sampleT（未知知u）背景：：Ha～N（30，100/25）H0～N（25，100/n）－為為測定定分布布差異異的標標本大大小有意水水平α=0.05查出力力1－β=0.8<統(tǒng)計－－功效效和樣樣本數(shù)數(shù)量－－1-samplet：>差值：：u0－ua＝25－30＝-5功效值值（查查出力力）：：1－β＝0.8標準差差（推推定值值）：sigma＝10樣本數(shù)數(shù)量27>已知u的1-sampleZ的樣本本數(shù)量量－>t分布假假定母母標準準偏差差未制制定分分析；；A—假設(shè)測測定－－決定定標本本大小?。?-3：1Proportion（單樣樣本））背景：：H0：P＝0.9Ha：P<0.9測定數(shù)數(shù)據(jù)P1＝0.8、P2＝0.9有意水水平α=0.05查出力力1－β=0.9<統(tǒng)計－－功效效和樣樣本數(shù)數(shù)量－－1Proportion：>P1=0.8功效值值（查查出力力）：：1－β＝0.9P2=0.9母比率率0.8實際上上是否否0.9以下下，，需需要要樣樣本本102個A——假設(shè)設(shè)測測定定－－決決定定標標本本大大小小：：4-4：2Proportion（單單樣樣本本））背景景：：H0：P1＝P2Ha：P1<P2有意意水水平平α=0.05查出出力力1－β=0.9<統(tǒng)計計－－功功效效和和樣樣本本數(shù)數(shù)量量－－1Proportion：>P的備備擇擇值值：：實實際際要要測測定定的的比比例例？？－－－母母比比率率；；功效效值值（（查查出出力力））：：1－β＝0.9假設(shè)設(shè)P：H0的P值（（0.9）母比比率率0.8實際際上上是是否否小小于于0.9，需需要要樣樣本本217個A——假設(shè)設(shè)測測定定：：案例例：：Camshaft.MTW5-1：1-sampleT（單單樣樣本本））未知知總總體體標標準準差差背景景：：對對零零件件尺尺寸寸測測定定100次，，數(shù)數(shù)據(jù)據(jù)能能否否說說明明與與目目標標值值（（600）一一致致（（α=0.05）P-Value>0.05→→Ho（信信賴賴區(qū)區(qū)間間內(nèi)內(nèi)目目標標值值存存在在））→可可以以說說平平均均值值為為6005均值值假假設(shè)設(shè)檢檢驗驗A——假設(shè)設(shè)測測定定：：案例例：：2sample-t.MTW5-22-samplet（單單樣樣本本））背景景：：判判斷斷兩兩個個母母集集團團Data的平平均均，，統(tǒng)計計上上是是否否相相等等（（有有差差異異））步驟驟①①：：分分別別測測定定2組data是否否正正規(guī)規(guī)分分布布；；②：：測測定定分分散散的的同同質(zhì)質(zhì)性性；；③：：t－test；①正態(tài)態(tài)性性驗驗證證：：<統(tǒng)計計－－基基本本統(tǒng)統(tǒng)計計－－正態(tài)態(tài)性性檢檢驗驗：：>P-Value>0.05→正態(tài)態(tài)分分布布P-Value>0.05→正態(tài)態(tài)分分布布②等分分散散測測定定：：<統(tǒng)計計－－基基本本統(tǒng)統(tǒng)計計量量－－雙雙方方差差：>P-Value>0.05→等分分散散對Data的Box-plot標準準偏偏差差的的信信賴賴區(qū)區(qū)間間測定定方方法法選選擇擇：：F－test：正正態(tài)態(tài)分分布布時時；；Levense’’stest：非非正正態(tài)態(tài)分分布布時時；；③測定定平平均均值值：：<統(tǒng)計計－－基基本本統(tǒng)統(tǒng)計計量量－－2-samplet：>P-Value<0.05→Ha→u1≠≠u2A——假設(shè)設(shè)測測定定：：案例例：：Pairedt.MTW5-3：Pairedt（兩兩集集團團從從屬屬/對應(yīng)應(yīng)））<統(tǒng)計計－－基基本本統(tǒng)統(tǒng)計計量量－－配對對t：>背景：老老化實驗驗前后樣樣本復(fù)原原時間；；10樣本前后后實驗數(shù)數(shù)據(jù)，判判斷老化化實驗前前后復(fù)原原時間是是否有差差異；（正態(tài)分分布；等等分散；；α=0.05）P-Value<0.05→Ha→u1≠≠u2（有差異異）A—假設(shè)測定定：5-4：1proportiont（離散－－單樣本本）<統(tǒng)計－基基本統(tǒng)計計量－1proportiont：>背景：為為確認某某不良P是否為1％，檢查查1000樣本，檢檢出13不良，能否說P=1%?（α=0.05）P-Value>0.05→H0→P=0.01A—假設(shè)測定定：5-4：2proportiont（離散－－單樣本本）<統(tǒng)計－基基本統(tǒng)計計量－2proportiont：>背景：為為確認兩兩臺設(shè)備備不良率率是否相相等，A:檢查1000樣本，檢檢出14不良，B:檢查1200樣本，檢檢出13不良，能否說P1=P2?（α=0.05）P-Value>0.05→Ho→P1=P2A—假設(shè)測定定：Chi-Square-1.MTW5-5：Chi-Squaret（離散－－單樣本本）背景：確確認4個不同條條件下，，某不良良是否有有差異？？P-Value>0.05→Ho→P1=P2＝…（無差異異）應(yīng)用一：：測定定頻度數(shù)數(shù)的同質(zhì)質(zhì)性：H0:P1=P2=…=PnHa:至少一個個不等；；A—假設(shè)測定定：Chi-Square-2.MTW(5)：Chi-Squaret（離散－－單樣本本）背景：確確認班次別和不同類型型不良率率是否相關(guān)關(guān)？P-Value<0.05→Ha→兩因素從從屬（相相關(guān)）應(yīng)用二：：測定定邊數(shù)的的獨立性性：H0:獨立的（（無相關(guān)關(guān)）Ha:從屬的（（有相關(guān)關(guān)）；班次不良類型A—ANOVA（分散分分析）：：兩個以上上母集團團的平均均是否相相等；6-1：One-wayA（一因子子多水平平數(shù)）背景：確確認三根彈簧簧彈力比比較？H0:u1=u2=…=unHa:至少一個個不等；；P-Value<0.05→Ha→u不等，有差異；信賴區(qū)間都重疊－>u無有意差；1和2可以說無有意差，1和3有有意差；6方差假設(shè)設(shè)檢驗A—ANOVA（分散分分析）：：兩個以上上母集團團的平均均是否相相等；6-2：Two-wayA（2因子多水水平數(shù)））背景：確確認生產(chǎn)線（（因子1）、改善善（因子子2）影響下下，測定定值母平平均是否否相等，，主效果果和交互互效果是是否有意意？生產(chǎn)線：P-Value<0.05→Ha→u不等，有差異；改善、交互：P-Value>0.05→H0→u相等，無差異；生產(chǎn)線：信賴區(qū)間沒有都重疊－>u有差別－>對結(jié)果有影響改善：信賴區(qū)間重疊－>u無差別－>對結(jié)果沒有影響A—（相關(guān)分分析）：：Scores.MTWP-Value<0.05→Ha→（有相關(guān)關(guān)相關(guān)））7相關(guān)性分分析I—DOE：8-1：2因子2水準①因子配置置設(shè)計：輸出結(jié)果果：輸入實驗結(jié)果8實驗設(shè)計計②曲線分析析：傾斜越大大，主效果越越大交叉越大大，交互效果果越大最大的data③統(tǒng)計性分分析：實施對因因子效果果的t-test，判斷與與data有意的因因子。A、B對結(jié)果有有意；AB交互對結(jié)結(jié)果無有有意；通過分散散分析，，判斷1次效果、、2次效果的的有意性性；-主效果有有有意，，-交互效果果無有意意。顯示因子子的水準準不能線線性變換換(Coded)時的回歸歸系數(shù).-Coded是指實際際因子水水準(-1,+1)變換為線線性變換換。I—DOE：8-2：多因子子不同水水準①因子配置置設(shè)計：輸入data：反復(fù)次數(shù)②曲線分析析：傾斜越大大，主效果越越大無法確認認交互效效果③統(tǒng)計性分分析：通過分散散分析，，判斷1次效果、、2次效果的的有意性性；-主效果有有有意，，-交互效果果無有意意。④確認此后后試驗方方向：最佳方向向I—DOE：8-3：2水準部分分配置①因子配置置設(shè)計：背景：-反應(yīng)值:收率(Yield)-因子子:流入量(10,15),觸媒(1,2),旋轉(zhuǎn)數(shù)(100，120),溫度(140,180),濃度(3,6)－>確認哪哪個因因子影影響收收率，，利用用2（5-1）配置法法輸入data：表示25-1部分配配置的的清晰晰度和和部分分實施施程度度.②曲線分分析：-B、D、E有意；；-BD、DE有交互互作用用；-在A=10,B=2,C=120,D=180,E=3時，Y＝95最佳；；③統(tǒng)計性性分析析：實施t-test，判斷斷有意意因子子B、D、E、BD、DE有意通過分分散分分析，，判斷斷1次效果果、2次效果果的有有意性性-主效果果和交交互作作用效效果都都有意意。8-4最大傾傾斜法法：一次試試驗－－－(1)因子配配置設(shè)設(shè)計：背景：：反應(yīng)值值:收率(Yield)時間＝＝35min，溫度度＝155時，Y＝80％－>因子子:時間(30,40)溫度(150,160)確認哪哪個因因子影影響收收率，，利用用中心心點包包括的的22配置法法在中心心點實實驗的的次數(shù)數(shù)！一次試試驗－－－(2)統(tǒng)計性性分析析：實施對對因子子效果果的t-test，判斷有有意的的因子子。－A,B有意；通過分分散分分析判判斷1次效果果、交交互作作用及及曲率率效果果的有有意性性。-1次效果果(MainEffect)有意；；-彎曲不有意意，故故而沒沒有曲曲率效效果。。一次試試驗－－－(3)確認最最大傾傾斜方方向：<圖形－－等值值線圖圖：>線性變變換的的因子子的水水準還還原為為實際際水準準值。。-實際水平

:A(30,40),B(150,160)→

為還原實際水平值，

線性變換的△值各各乘5.

利用追定的回歸系數(shù)，決定最大傾斜方向(Δ)最大傾斜方向：A每增加1時，B增加0.42的方向。StepCodedLevelUncodedLevel試驗結(jié)果(收率)ABAB中心點003515580.44Δ10.4252.181.08Δ110.4240157.182.90Δ220.8445159.283.14Δ331.2650161.383.70Δ441.6855163.484.33Δ552.1060165.587.80Δ662.5265167.688.65Δ772.9470169.792.40Δ883.3675171.893.54Δ993.7880173.994.78Δ10104.2085176.095.30Δ11114.6290178.194.21Δ12125.0495180.292.51Step由實驗驗者配配置，，Step10時Y取最大大值，，適用用因子子配置置；二次試試驗－－－(1)因子配配置設(shè)設(shè)計：背景：：通過過最大大傾斜斜法求求Y最大化化的因因子水水平，，通過過追加加實驗驗，確確認是是否最最佳水水準的的領(lǐng)域域；收率(Yield)時間(80,90)溫度(171,181)確認哪哪個因因子影影響收收率，，利用用中心心點包包括的的22配置法法二次試試驗－－－(2)統(tǒng)計性性分析析：<圖形－－等值值線圖圖：>對因子子效果果t-test，判斷與與Y有意因因子-A,B有意-CtPtP<0.05，→存在曲曲率效效果.分散分分析-1次效果果有意-曲率效效果有有意結(jié)果解解釋通過等值線線圖及統(tǒng)計計性分分析，，1次模形形不有有意，，具有有曲線線的情情形，，因此此判斷斷2次模形形更適適當(dāng)→實施反反應(yīng)表表面計計劃8-5——反映表表面實實驗：(1)因子配配置設(shè)設(shè)計：試驗配配置:中心合合成計計劃(2因子)-反應(yīng)值值(Y):DATA-因數(shù)/水平:A(Low=260,High=330),B(Low=6,High=20)背景：通過過最大傾斜斜法，在A=295,B=13狀態(tài)下，判判斷最佳條條件會出現(xiàn)現(xiàn)。求將變量透透過率最大大化的最佳佳條件。Run13:Block沒有的情況況Run14:Block有的情況輸入試驗結(jié)結(jié)果：(2)統(tǒng)計性分析析：※實施對因子效果的

t-test，

判斷有意反應(yīng)值的因子.-因子的1次效果及2次效果有意。

-因子間的交互作用無有意。

※R-Sq&R-Sq(adj)>64%，→可以信賴回歸模型；※通過分散分析，判斷1、2次效果的有意性-1次效果、2次效果有意

※通過Lack-of-FitTest，判斷模型的適合性

-失擬>0.05(不有意)，因此判斷模型適合(3)殘差分析：對殘差的正正態(tài)分布假假說的研討討－直方圖、正正態(tài)分布圖圖對分散同質(zhì)質(zhì)假說的研研討－與擬擬合值※殘差已確定定為隨機分分布，可以以進行分散散同質(zhì)假說說研討(3)坐標圖分析析：因子的最佳條件-A:289~310-B:11~18→預(yù)想Y=79.5.(4)數(shù)值性分析析：最佳化因子子水平初期設(shè)定（（大概值））望大：求最大值；下限：設(shè)定最小值望目：設(shè)定目標值Y=79.5，滿足度=1。即意味著滿滿足目標值要求求；調(diào)整因數(shù)水水平而使透透過率更好好。A=299.50、B=14.90時，Y(Max)＝79.6163I—反映表面實實驗2：－－多個反反映值(1)因子配置設(shè)設(shè)計：試驗配置:中心合成計計劃(2因子)-反應(yīng)值(Y):Y1、Y2、Y3-因數(shù)數(shù)/水平平:A(Low=80,High=90),B(Low=170,High=180)背景景：：通通過過最最大大傾傾斜斜法法，，知知道道反反應(yīng)應(yīng)時時間間A=85分鐘鐘、、反反應(yīng)應(yīng)溫溫度度B=175F是最最佳佳條條件件。。求可可以以滿滿足足3個反反應(yīng)應(yīng)變變量量(Y1、Y2、Y3)結(jié)果果條條件件的的因因子子的的最最佳佳水水準準。。輸入試驗結(jié)果：A、B：選中后右鍵選擇數(shù)據(jù)格式轉(zhuǎn)換成整數(shù)(2)統(tǒng)計計性性分分析析：※誤差差項項要要不不要要Pooling?誤差差項項Pooling的話話→Lackoffit（失失擬擬））的的P-value要大大起起來來,→R-sq(adj)要升升高高，或或者者Regression（回回歸歸））的的F值要要升升高高→不然然的的話話，，證證明明現(xiàn)現(xiàn)在在的的模模型型更更適適當(dāng)當(dāng)2個因因子子的的主主效效果果、、2次效效果果都都有有意意，，不不實實施施Pooling.交互互作作用用，，Pooling到誤誤差差項項時時，，R-sq(adj)和lackoffit的P值會會減減少少，，因因此此不不Pooling.A的2次效效果果(A*A)不有有意意，，故故而而Pooling到誤誤差差項項.交互互作作用用(A*B)，Pooling到誤誤差差項項時時，，R-sq(adj)和lackoffit的P值會會減減少少因因此此不不Pooling.Pooling后分分析析結(jié)結(jié)果果在項項中中去去掉掉A*A項后后再再次次運運行行Pooling后分分析析結(jié)結(jié)果果在項項中中去去掉掉A*A、A*B項后后再再次次運運行行A、B的2次效效果果（（AA,BB）不不有有意意，，Pooling到誤誤差差項項.AB交互互作作用用，，Pooling到誤誤差差項項時時，，R-sq(adj)和lackoffit的P值會減減少因因此不不Pooling.(3)坐標圖圖分析析：位于Plot的中央央部的的白色色部分分是A和B因子滿滿足所所有反反應(yīng)變變量的的水平平值的的范圍圍。Y1、Y2、Y3的取值范圍；(4)數(shù)值性性分析析：調(diào)整因因子的的水準準，接接近收收率(Yield)=78.5以上、、粘性性Viscosity)=65.已修訂訂的因因子水水準值值9-1XBAR-R管理圖圖：(1)Xbar-R（n<10）①正常的的xbar-R圖②管理界界限再再計算算（不不考慮慮異常常點））Xbar-R圖9控制圖圖9-2Xbar-S管理圖圖（n>=10）9-3P管理圖圖（離離散，，樣本本大小小不一一定））（3）P管理圖圖（離離散，，樣本本大小小不一一定））按月、、按值值班組組、改改善前前(6月)、按改改善前前后等等按層區(qū)區(qū)別在在一個個坐標標圖上上區(qū)分分標注注。如圖可可見，，6月散步步大，，7、8月明顯顯減少少；9-3nP管理圖圖（離離散，，樣本本大小小一定定）9-4C管理圖圖（離離散，，不良良數(shù)））9-5U管理圖圖（離離散，，不良良數(shù)，，組大大小不不定））10回歸分分析10-1一元線線性回回歸Minitab在兩個個以上上變量量的關(guān)關(guān)系上上建立立數(shù)學(xué)學(xué)函數(shù)數(shù)的方方法Response:選擇種種屬變變量(結(jié)果值值)->Score2Predictors:選擇獨獨立變變量(輸入值值)->Score1EXH_REGR.MTW10-1一元線線性回回歸Options...Weight:為加重重回歸歸指定定有加加重值值的ColFitintercept:決定在在模型型中是是否除除去絕絕對項項Display-Varianceinflationfactors:以多重空空線型型判別別(VIF)影響值值，指指定VIF值輸出出與否否-Durbin-Watsonstatistic:指定檢檢定殘殘差自自己相相關(guān)Durbin-Watson統(tǒng)計量量輸出出與否否LackofFitTests-Pureerror:指定履履行適適合性性檢定定時純純誤差差項的的輸出與與否-Datasubsetting:指定把把說明明變量量細分分而提提供類類似反復(fù)效效果的的算法法適用用與否否Predictionintervalsfornewobservation:推定回回歸式后，，按說說明變變量的的值推推定y值Storage-Fits:指定是是否保保存推推定的的y-Confidencelimits:指定是否保保存推定y的信賴水準準的信賴區(qū)間-SDsoffits:指定是否保保存y的標準偏偏差-Predicctionlimits:指定是否否保存y的預(yù)測界界限MinitabRegressionResults...在Session窗不顯示示任何結(jié)結(jié)果時顯示基本本的回歸歸分析結(jié)結(jié)果時顯示基礎(chǔ)礎(chǔ)統(tǒng)計量量時顯示追加加統(tǒng)計量量時Graphs...ResidualsforPlots:殘差圖象象中顯示示的殘差差種類選選擇-Regular:在資料的的原來測測度內(nèi)利利用殘差差時-Standardized:利用標準準殘差時時-Deleted:利用Studentized殘差時ResidualPlots-Histogramofresidual:畫殘差的的Histogram時-Normalplotofresidual:畫殘差的正正態(tài)概率率圖時-Residualsversusfits:想看殘差差的適合合性時-Residualsversusorder:關(guān)于殘差差對比資資料的順順序-Residualsversusthevariables:殘差與變變量之間間的關(guān)系系MinitabRegressionMinitabRegression分析結(jié)果果回歸方程程式為SCORE2=1.12+0.218SCORE1P值比留意意水準小小，故駁駁回歸屬屬假設(shè)。即即兩個變變量的回回歸系數(shù)數(shù)不是0。對資料的的說明程程度(決定系數(shù)數(shù))為95.7%，因第9個數(shù)據(jù)是是非正常常數(shù)據(jù)，故故需要進進一步觀觀察。新數(shù)據(jù)的的信賴區(qū)區(qū)間為(2.7614,3.0439),預(yù)測區(qū)間間為(2.5697,3.2356)。Minitab10-2Stepwise逐步線性性回歸說明變量量數(shù)量多多時，添添加或減減少變量量而選別別適當(dāng)?shù)牡淖兞考蠟槟磕康乃锌赡苣艿幕貧w歸:當(dāng)有k個變量時時，調(diào)查查從一個個也不包包含的模模型至包包含k個的所有模型型前進選擇擇法:在影響反反應(yīng)變量量的k個說明變變量中選選擇最大大影響的的變量，，并判斷為為再無其其它重要要變量時時,停止止變量的的選擇后進選擇擇法:在影響反反應(yīng)變量量的k個說明變變量中除除去影響響小的變變量，并判斷為為再無可可除變量量時，停停止變量量的除去去階段別回回歸方法法:在前進選選擇法里里加后進進選擇法法的方法法MinitabStepwiseResponse:輸入反應(yīng)應(yīng)變量(Pulse2)Predictors:輸入說明明變量(Pulse1Ran-Weight)Predictorstoincludeineverymodel:指定先包包含的變變量選擇Forwardselection后指定留留意水準準留意水準準:把預(yù)測變變量追加加到回歸歸模型的的基準(p值小于留留意水準準時追加加)PULSE.MTWMinitabStepwise顯示進入入模型的的預(yù)測變變量的最最佳程度度(若是2，則顯示2個預(yù)測變變量)輸入要進進行幾次次操作回歸模型型里要追追加常數(shù)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-Value0.108Minitab10-3BestSubsets最佳回歸法在分析者所希希望的說明變變量中找出最最佳模型的分分析Response:指定反應(yīng)變量量Freepredictors:指定在模型里里包含可能性性的變量Predictorsinallmodels:指定必須包含含在模型中的變量包含在模型的的至少變量數(shù)數(shù)和最大變量量數(shù)在說明變量數(shù)數(shù)為相同的組組合中，指定定最高說明結(jié)果果的幾個輸出出與否EXH_REGR.MTW結(jié)果解釋在模型選擇上上有根據(jù)的統(tǒng)統(tǒng)計量(R-square,adj-R,Cp)Vars:包含在各模型型的說明變量量數(shù)。以下是如前所所定的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。MinitabBestSubsets履行單一回歸歸步驟,繪出回歸圖在線型回歸及及多項回歸中中有用的方法法,即一個變量對對應(yīng)一個反應(yīng)應(yīng)值時。Options...Response:指定反應(yīng)變量量Predictor:指定說明變量量(僅一個)TypeofRegressionModel:指定回歸Transformations:反應(yīng)變量與說說明DisplayOption:表示信賴區(qū)間及

預(yù)測區(qū)間Minitab10-4FittedLinePlot擬合曲線回歸歸法MinitabFittedLinePlot結(jié)果解釋顯示2次項模模型比直線模模型更為適合合殘差plot是為回歸分析回歸分析時,若保存了殘差和推定值(Fits),則利用

ResidualPlot步驟繪出殘差圖形。進行殘差分析析之前應(yīng)先保保存殘差和適適合值Stat>Regression>Storage:把Fits與ResidualcheckResiduals:指定殘差Fits:指定反應(yīng)變量量的推定值MinitabResidualPlotsMinitabResidualPlots顯示為檢查殘殘差是否近似似于正態(tài)分布布的正態(tài)概率率圖，接近直線時為為良好。用類似于正態(tài)態(tài)概率圖的用用途顯示全面面的殘差形態(tài)的圖象，，正態(tài)分布形形態(tài)時為良好好殘差對適合值值的圖象是顯更為適合當(dāng)反反應(yīng)應(yīng)變變量量不不是是連連續(xù)續(xù)性性的的二二分分型型(0,1Response:指定定反反應(yīng)應(yīng)變變量量Frequency:輸入入頻頻率率數(shù)數(shù)存在在成成功功與與試試行行次次數(shù)數(shù),成功功與與失失敗敗,失敗敗與試試行行次次數(shù)數(shù)形形態(tài)態(tài)的的反反應(yīng)應(yīng)變變量量時時，，各各自自輸輸入入。Model:指定Factors:在說明變量中指定離散型變量Graph...指定定為為回回歸歸模模型型診診斷斷的的各各種種圖圖象象EXH_REGR.MTWMinitab10-5BinaryLogisticRegression二元元擬擬合合線線回回歸歸法法Results...通過過圖圖象象診診斷斷過過程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MinitabBinaryLogisticRegressionBinaryLogisticRegressionLinkFunction:LogitResponseInformationVariableValueCountRestingPLow70(Event)High22Total92FactorInformationFactorLevelsValuesSmokes2NoYesLogisticRegressionTableOdds95%CIPredictorCoefStDevZPRatioLowerUpperConstant-1.9871.679-1.180.237SYes-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)