數(shù)據(jù)分析教程

數(shù)據(jù)分析教程第1頁(yè)，共98頁(yè)，2023年，2月20日，星期六MINITAB=Mini+Tabulator=小型+計(jì)算機(jī)介紹于1972年，美國(guó)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(huì)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(shí)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?第2頁(yè)，共98頁(yè)，2023年，2月20日，星期六一般統(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(cè)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?qū)嶒?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?第3頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabMinitab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(shí)，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的方法第4頁(yè)，共98頁(yè)，2023年，2月20日，星期六Sessionwindow: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spreadsheet功能Info窗:簡(jiǎn)要顯示已使用的變量信息的窗口History窗:儲(chǔ)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(shí)可以打開15個(gè)窗口MinitabMinitab畫面構(gòu)成第5頁(yè)，共98頁(yè)，2023年，2月20日，星期六File:有關(guān)文件管理所需的副菜單的構(gòu)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(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(shí)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GraphLayout,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Clipboardsetting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)成第6頁(yè)，共98頁(yè)，2023年，2月20日，星期六打開新建: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(dāng)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(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

<5>MinitabMinitab菜單(File)第7頁(yè)，共98頁(yè)，2023年，2月20日，星期六恢復(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(dòng)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(duì)話框打開命令編輯器一般選項(xiàng)<Cell的修改/復(fù)制/刪除>用鼠標(biāo)拖動(dòng)工作窗口按鼠標(biāo)的右鍵會(huì)出現(xiàn)popupmenu通過此項(xiàng)可編輯把Col/Row的全部作為工作的對(duì)象時(shí)，選擇上端/左側(cè)。<資料輸入及刪除>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(dòng)。練習(xí))在AUTO.MTW上1)刪除4,5Row后把C4,C5的DATA變更為2342)把C2Col移動(dòng)到C53)把C4ColumnSize變更為12

<6>MinitabMinitab菜單(Edit)第8頁(yè)，共98頁(yè)，2023年，2月20日，星期六從活動(dòng)Worksheet中復(fù)制數(shù)據(jù)，制作subsetWorksheet。把活動(dòng)Worksheet分成兩個(gè)以上新的Worksheet把一列以上的數(shù)據(jù)移到多個(gè)列上把多個(gè)列上的數(shù)據(jù)合成一個(gè)列交換行和列的位置對(duì)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(gè)列的文字?jǐn)?shù)據(jù)合并為一個(gè)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(gè)Worksheet合并為一個(gè)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)第9頁(yè)，共98頁(yè)，2023年，2月20日，星期六練習(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C8Subscript。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)題第10頁(yè)，共98頁(yè)，2023年，2月20日，星期六把多數(shù)的col使用函數(shù)計(jì)算后，保存到新的col上把1個(gè)col的統(tǒng)計(jì)值保存到新的col上用1個(gè)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MinitabMinitab菜單(Calc)第11頁(yè)，共98頁(yè)，2023年，2月20日，星期六練習(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(gè)數(shù)二回，全體集合反復(fù)三回的數(shù)據(jù)。練習(xí))把RedBlueWhiteBlack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1996.04.01~7.30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(gè)sample保存到C5上。Minitab習(xí)題第12頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabMinitab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(yíng)命令。指定把各個(gè)window都顯示,或者用小圖標(biāo)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(biāo)記打開

window第13頁(yè)，共98頁(yè)，2023年，2月20日，星期六第14頁(yè)，共98頁(yè)，2023年，2月20日，星期六2.基礎(chǔ)統(tǒng)計(jì)第15頁(yè)，共98頁(yè)，2023年，2月20日，星期六基礎(chǔ)統(tǒng)計(jì)量輸出基礎(chǔ)統(tǒng)計(jì)量保存對(duì)母平均的推定及檢定對(duì)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(gè)母集團(tuán)的分散的同一性檢定第16頁(yè)，共98頁(yè)，2023年，2月20日，星期六資料應(yīng)為連續(xù)性的列資料,同時(shí)應(yīng)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(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-SEMean:StandardErroofMean-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

(DisplayDescriptiveStatistics)

第17頁(yè)，共98頁(yè)，2023年，2月20日，星期六<制作圖表選項(xiàng)>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(jì)值用Graph輸出NormalityTest:正態(tài)性檢定A-Squared:越接近零時(shí)判斷為接近正態(tài)P-Value:比留意水準(zhǔn)大時(shí)為正態(tài)性Minitab基礎(chǔ)統(tǒng)計(jì)量

(DisplayDescriptiveStatistics)

第18頁(yè)，共98頁(yè)，2023年，2月20日，星期六計(jì)算統(tǒng)計(jì)量并保存在當(dāng)前的Worksheet在選擇兩個(gè)以上的Col時(shí)，變量名區(qū)分為1,2。當(dāng)指定Byvariable時(shí)，隨著相關(guān)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(duì)稱性,越接近0越滿足對(duì)稱性-Kurtosis:添度分布的尖的程度為0時(shí)正態(tài)分布,負(fù)數(shù)為完滿,正數(shù)時(shí)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(tuán)占有率-Cumpercent:累積占有率Minitab保存基礎(chǔ)統(tǒng)計(jì)量

(StoreDescriptiveStatistics)

第19頁(yè)，共98頁(yè)，2023年，2月20日，星期六-留意水準(zhǔn):犯第一種錯(cuò)誤的最大概率-P-Value:犯一種錯(cuò)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(shí)的檢定Minitab活用Minitab的假設(shè)檢定第20頁(yè)，共98頁(yè)，2023年，2月20日，星期六知道標(biāo)準(zhǔn)偏差時(shí)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(jì)算信賴區(qū)間的信賴度Testmean:檢定對(duì)象值(檢定時(shí)指定)Alternative:設(shè)定對(duì)立假設(shè)Sigma:輸入標(biāo)準(zhǔn)偏差p值比留意水準(zhǔn)小時(shí)駁回歸屬假設(shè)mu:歸屬假設(shè),munot:對(duì)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。Testmean指定的情況<35>Minitab1-SampleZEXH_STAT.MTWOne-SampleZ:ValuesTestofmu=5vsmunot=5Theassumedsigma=0.2VariableNMeanStDevSEMeanValues94.78890.24720.0667Variable95.0%CIZPValues(4.6582,4.9196)-3.170.002第21頁(yè)，共98頁(yè)，2023年，2月20日，星期六<Confidenceinterval指定的情況>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(shí))圖像對(duì)Test與Confidenceinterval的輸出不同。Test時(shí)Ho值追加表示。<Test指定><Confidence

指定>Minitab1-SampleZ第22頁(yè)，共98頁(yè)，2023年，2月20日，星期六不知標(biāo)準(zhǔn)偏差時(shí)母平均的推定和檢定Variables:指定要分析的ColConfidenceinterval:指定計(jì)算信賴區(qū)間的信賴度Testmean:指定檢定時(shí)對(duì)象值A(chǔ)lternative:設(shè)定對(duì)立假設(shè)StDev:標(biāo)準(zhǔn)偏差SEMean:平均誤差CI:信賴區(qū)間mu:歸屬假設(shè),munot:對(duì)立假設(shè)P值比留意水準(zhǔn)小時(shí)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5Testmean指定的情況Minitab1-SampletEXH_STAT.MTW第23頁(yè)，共98頁(yè)，2023年，2月20日，星期六不知標(biāo)準(zhǔn)偏差時(shí)兩個(gè)母平均差的推定和檢定Samplesinonecolumn(stack形態(tài)):在1Col中比較兩個(gè)集團(tuán)Sampleindifferentcolumns(unstack形態(tài))->First:選擇第一個(gè)Col->Second:選擇第二個(gè)ColAlternative:設(shè)定對(duì)立假設(shè)Confidencelevel:設(shè)定信賴水準(zhǔn)Assumeequalvariance:假設(shè)兩個(gè)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(gè)母平均在95%信賴區(qū)間無差異Minitab2-SampletTwo-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=80Furnace.mtw第24頁(yè)，共98頁(yè)，2023年，2月20日，星期六有關(guān)對(duì)應(yīng)的兩個(gè)母集團(tuán)的母平均差的推定和檢定Firstsample:選擇第一個(gè)dataColSecondsample:選擇第二個(gè)dataCol->1Col與2Col的資料數(shù)應(yīng)相同Confidencelevel:輸入信賴度Testmean:輸入對(duì)應(yīng)差的檢定平均值A(chǔ)lternative:設(shè)定對(duì)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(gè)母平均間有差EXH_STAT.MTWMinitabPairedt第25頁(yè)，共98頁(yè)，2023年，2月20日，星期六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(shè)定對(duì)立假設(shè)Usetestandintervalbasedonnormaldistribution: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)Minitab1-Proportion(單一母集團(tuán)母比率的檢.推定)第26頁(yè)，共98頁(yè)，2023年，2月20日，星期六兩個(gè)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(shè)定對(duì)立假設(shè)Usetestandintervalbasedonnormaldistribution: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(gè)母集團(tuán)不良率無差異Minitab2-Proportion(兩個(gè)母集團(tuán)母比率的檢.推定)第27頁(yè)，共98頁(yè)，2023年，2月20日，星期六Minitab2Variances(兩個(gè)母集團(tuán)分散的同一性檢定)EXH_STAT.MTW兩個(gè)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(shí)F-Test結(jié)果,不隨正態(tài)分布時(shí)看Levene’sTest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(gè)母集團(tuán)的分散不同。（相同）第28頁(yè)，共98頁(yè)，2023年，2月20日，星期六命名兩個(gè)變量間關(guān)系的方法Variables:要分析的ColDisplayp-value:輸出p值Storematrix: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.MTWMinitabCorrelation(相關(guān)分析)第29頁(yè)，共98頁(yè)，2023年，2月20日，星期六公分散為像相關(guān)分析似的表示兩個(gè)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7.4790MinitabCovariance(公分散)GRADES.MTW第30頁(yè)，共98頁(yè)，2023年，2月20日，星期六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(duì)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)Referenceprobabilities:輸入概率值TestsforNormality:三個(gè)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.mtwMinitabNormalityTest(正態(tài)性檢定)第31頁(yè)，共98頁(yè)，2023年，2月20日，星期六第32頁(yè)，共98頁(yè)，2023年，2月20日，星期六3.回歸分析第33頁(yè)，共98頁(yè)，2023年，2月20日，星期六為了模型化及調(diào)查反應(yīng)變量與一個(gè)以上的獨(dú)立變量之間關(guān)系的分析

Leastsquareregression:反應(yīng)變量為連續(xù)性資料時(shí)Regression:利用最小乘方法，實(shí)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(jìn)行追加或刪除變量而分析BestSubsetsRegression:利用最大R-square基準(zhǔn)來分析最大Subset回歸FittedLinePlot:用一個(gè)預(yù)測(cè)變量的線型或多次項(xiàng)進(jìn)行回歸分析ResidualPlot:為殘差分析的Plot作成

Logisticsquareregression:反應(yīng)變量為范籌型資料時(shí)BinaryLogisticRegression:利用二項(xiàng)反應(yīng)變量的回歸分析(2個(gè)范籌時(shí))OrdinalLogisticRegression:利用順序型反應(yīng)變量的回歸分析(3個(gè)以上范籌時(shí))NominalLogisticRegression:利用名目型反應(yīng)變量的回歸分析(3個(gè)以上范籌時(shí))Minitab回歸分析基礎(chǔ)第34頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabRegression在兩個(gè)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)->Score2Predictors:選擇獨(dú)立變量(輸入值)->Score1EXH_REGR.MTW第35頁(yè)，共98頁(yè)，2023年，2月20日，星期六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(duì)項(xiàng)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(guān)Durbin-Watson統(tǒng)計(jì)量輸出與否LackofFitTests-Pureerror:指定履行適合性檢定時(shí)純誤差項(xiàng)的輸出與否-Datasubsetting: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(zhǔn)的信賴區(qū)間-SDsoffits:指定是否保存y的標(biāo)準(zhǔn)偏差-Predicctionlimits:指定是否保存y的預(yù)測(cè)界限MinitabRegression第36頁(yè)，共98頁(yè)，2023年，2月20日，星期六Results...在Session窗不顯示任何結(jié)果時(shí)顯示基本的回歸分析結(jié)果時(shí)顯示基礎(chǔ)統(tǒng)計(jì)量時(shí)顯示追加統(tǒng)計(jì)量時(shí)Graphs...ResidualsforPlots:殘差圖象中顯示的殘差種類選擇-Regular:在資料的原來測(cè)度內(nèi)利用殘差時(shí)-Standardized:利用標(biāo)準(zhǔn)殘差時(shí)-Deleted:利用Studentized殘差時(shí)ResidualPlots-Histogramofresidual:畫殘差的Histogram時(shí)-Normalplotofresidual:畫殘差的正態(tài)概率圖時(shí)-Residualsversusfits:想看殘差的適合性時(shí)-Residualsversusorder:關(guān)于殘差對(duì)比資料的順序-Residualsversusthevariables:殘差與變量之間的關(guān)系MinitabRegression第37頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabRegression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(gè)變量的回歸系數(shù)不是0。對(duì)資料的說明程度(決定系數(shù))為95.7%，因第9個(gè)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(cè)區(qū)間為(2.5697,3.2356)。第38頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabStepwise說明變量數(shù)量多時(shí)，添加或減少變量而選別適當(dāng)?shù)淖兞考蠟槟康乃锌赡艿幕貧w:當(dāng)有k個(gè)變量時(shí)，調(diào)查從一個(gè)也不包含的模型至包含k個(gè)的所有模型

前進(jìn)選擇法:在影響反應(yīng)變量的k個(gè)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(shí),停止變量的選擇

后進(jìn)選擇法:在影響反應(yīng)變量的k個(gè)說明變量中除去影響小的變量，并判斷為再無可除變量時(shí)，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)選擇法的方法第39頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabStepwiseResponse:輸入反應(yīng)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(zhǔn)留意水準(zhǔn):把預(yù)測(cè)變量追加到回歸模型的基準(zhǔn)(p值小于留意水準(zhǔn)時(shí)追加)PULSE.MTW第40頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabStepwise顯示進(jìn)入模型的預(yù)測(cè)變量的最佳程度(若是2，則顯示2個(gè)預(yù)測(cè)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(shí)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第41頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabBestSubsets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(jié)果的幾個(gè)輸出與否EXH_REGR.MTW第42頁(yè)，共98頁(yè)，2023年，2月20日，星期六結(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(gè)說明變量中包含2個(gè)至4個(gè)的模型中按R-square高順序所表示的。另在包含2個(gè)、3個(gè)、4個(gè)說明變量的模型中，每各變量個(gè)數(shù)輸出3個(gè)。MinitabBestSubsets第43頁(yè)，共98頁(yè)，2023年，2月20日，星期六履行單一回歸步驟,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(gè)變量對(duì)應(yīng)一個(gè)反應(yīng)值時(shí)。Options...Response:指定反應(yīng)變量Predictor:指定說明變量(僅一個(gè))TypeofRegressionModel: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LogDisplayOption:表示信賴區(qū)間及預(yù)測(cè)區(qū)間MinitabFittedLinePlot第44頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFittedLinePlot結(jié)果解釋顯示2次項(xiàng)模型比直線模型更為適合第45頁(yè)，共98頁(yè)，2023年，2月20日，星期六殘差plot是為回歸分析診斷而使用回歸分析時(shí),若保存了殘差和推定值(Fits),則利用ResidualPlot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ResidualcheckResiduals:指定殘差Fits:指定反應(yīng)變量的推定值MinitabResidualPlots第46頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabResidualPlots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(shí)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(shí)為良好殘差對(duì)適合值的圖象是顯示越小的預(yù)測(cè)值更為適合第47頁(yè)，共98頁(yè)，2023年，2月20日，星期六當(dāng)反應(yīng)變量不是連續(xù)性的二分型(0,1)資料時(shí)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(shí)，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.MTWMinitabBinaryLogisticRegression第48頁(yè)，共98頁(yè)，2023年，2月20日，星期六Results...通過圖象診斷過程中顯示不適合模型的值有2個(gè)。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(hào)值與第66號(hào)值MinitabBinaryLogisticRegression第49頁(yè)，共98頁(yè)，2023年，2月20日，星期六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(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(gè)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)?，但在此顯示適合。在MeasuresofAssociation上Pairs部分是一致的結(jié)果，SummaryMeasures表示預(yù)測(cè)力的尺度。(越接近1為越好的預(yù)測(cè)力)MinitabBinaryLogisticRegression第50頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabOrdinalLogisticRegression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(shí)，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第51頁(yè)，共98頁(yè)，2023年，2月20日，星期六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。MinitabOrdinalLogisticRegression第52頁(yè)，共98頁(yè)，2023年，2月20日，星期六反應(yīng)變量為名目型(性別,郵編,學(xué)號(hào)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(shí)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.MTWMinitabNominalLogisticRegression第53頁(yè)，共98頁(yè)，2023年，2月20日，星期六第54頁(yè)，共98頁(yè)，2023年，2月20日，星期六4.分散分析第55頁(yè)，共98頁(yè)，2023年，2月20日，星期六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(shí)候)一元配置分散分析(DATA形態(tài)為Unstack的時(shí)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(shí)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第56頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabOneWayANOVA(一元配置法)因子為一個(gè),反復(fù)數(shù)為對(duì)所有水準(zhǔn)不相同也可,Radom實(shí)驗(yàn)。在數(shù)據(jù)為一個(gè)Col中以Stack形態(tài)保存時(shí)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Storeresiduals:保存殘差Storefits:保存水準(zhǔn)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(zhǔn)比p-value大則有影響。即水準(zhǔn)間有差。(級(jí)區(qū)間有變動(dòng))->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)第57頁(yè)，共98頁(yè)，2023年，2月20日，星期六Graphs...Dotplots/Boxplots圖象輸出optionResidualPlots:對(duì)殘差提供多樣的plot->殘差只有隨正態(tài)性時(shí)，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(shí)，意味著正態(tài)性MinitabOneWayANOVA(一元配置法)第58頁(yè)，共98頁(yè)，2023年，2月20日，星期六當(dāng)數(shù)據(jù)按水準(zhǔn)類別指定在Col時(shí)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ColMinitabOneWayANOVA(Unstacked))第59頁(yè)，共98頁(yè)，2023年，2月20日，星期六因子為2個(gè)，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)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(huì)

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-wayANOVA第60頁(yè)，共98頁(yè)，2023年，2月20日，星期六用Graph來顯示因子的平均值，檢討因子的哪個(gè)水準(zhǔn)有影響<分散分析與平均分析的差距>->分散分析是對(duì)水準(zhǔn)間有無差距的分析->平均分析是對(duì)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DistributionofData:資料的分布形態(tài)-Normal:正態(tài)分布,Factor1:因子水準(zhǔn)Col(一元配置法時(shí))Factor2:因子水準(zhǔn)第二Col(二元配置法時(shí))-Binomial:二項(xiàng)分布-Poisson:Poisson分布Alphalevel:留意水準(zhǔn)脫離管理線則有影響用兩個(gè)因子的交互作用效果MainEffect:主要因Minutes的3水準(zhǔn)(值=18)時(shí)有影響Strength的3水準(zhǔn)(值=3)時(shí)有影響EXH_AOV.MTWMinitabAnalysisofMeans第61頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabBalancedANOVA2水準(zhǔn)各組合內(nèi)的實(shí)驗(yàn)次數(shù)相同時(shí)使用Response:實(shí)驗(yàn)結(jié)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(biāo)記為考慮交互作用效果的計(jì)算實(shí)施.EXH_AOV.MTWProbtype,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。第62頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabTestforEqualVariances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(duì)立假設(shè):至少一個(gè)以上的分散不一樣正態(tài)分布數(shù)據(jù)時(shí):Bartlett’sTest包括正態(tài)分布的連續(xù)性數(shù)據(jù)時(shí):Levene’sTest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第63頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabIntervalPlot平均信賴區(qū)間得出后作成plotYvariable:設(shè)定反應(yīng)值Groupvariable:subscript指定Typeofintervalplot-StandardError:適用標(biāo)準(zhǔn)誤差-Multiple:適用標(biāo)準(zhǔn)誤差倍數(shù)-Confidenceinterval:指定信賴度Displaymeanas:設(shè)定plot表示方法Poolerroracrossgroups->適用總合誤差◆平均值以symbol標(biāo)記，且有信賴區(qū)間標(biāo)記。

第64頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabMainEffectsPlot對(duì)主效果的水準(zhǔn)間差異比較Responses:指定反應(yīng)值Factors:指定因子Baseplotson:指定plot基準(zhǔn)Supplement在2水準(zhǔn)時(shí)值特大。Lake在各水準(zhǔn)間無太大的變動(dòng)。EXH_AOV.MTW第65頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabInteractionsPlot交互作用的水準(zhǔn)間差異比較Displayfullinteractionplotmatrix:

作成為matrix可知道按Field水準(zhǔn)變更的Variety各水準(zhǔn)的變動(dòng)及平均值。-平均是Variety4,6水準(zhǔn)比別的水準(zhǔn)小。-變動(dòng)是Variety2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第66頁(yè)，共98頁(yè)，2023年，2月20日，星期六5.DOE(實(shí)驗(yàn)計(jì)劃法)第67頁(yè)，共98頁(yè)，2023年，2月20日，星期六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(shí)等的原有技術(shù)與

依照實(shí)驗(yàn)計(jì)劃法的知識(shí)結(jié)合起來才有可能.

CreateFactorialDesign:要因配置法實(shí)驗(yàn)設(shè)計(jì)DefineCustomFactorialDesign:在變更當(dāng)前的實(shí)驗(yàn)計(jì)劃而再指定時(shí)使用。AnalyzeFactorialDesign:得出實(shí)驗(yàn)分析結(jié)果FactorialPlot:主效果,交互效果plot作成Contour/Surface(Wireframe)Plots:展現(xiàn)實(shí)驗(yàn)的

反應(yīng)表面OverlaidContourPlot:以視覺性展示多個(gè)反應(yīng)

變量的妥協(xié)領(lǐng)域ResponseOptimizer:尋找滿足目標(biāo)值因子的

最佳組合Factorial:要因配置實(shí)驗(yàn)RSDesign:反應(yīng)表面實(shí)驗(yàn)MixtureDesign:混合物實(shí)驗(yàn)ModifyDesign:對(duì)實(shí)驗(yàn)的修正DisplayDesign:實(shí)驗(yàn)計(jì)劃后生成的內(nèi)容通過Worksheet可見

第68頁(yè)，共98頁(yè)，2023年，2月20日，星期六Minitab實(shí)驗(yàn)計(jì)劃法基礎(chǔ)

DOE用語因子(Factor) 實(shí)驗(yàn)所用的輸入要素 (例)溫度,濕度,…水準(zhǔn)(Level) 各實(shí)驗(yàn)因子的設(shè)定值 (例)溫度100200 (-)(+)反應(yīng)值(Response) 實(shí)驗(yàn)的數(shù)值性結(jié)果(一般用Y表示) (例)Y=267mm主效果(MainEffect) 隨一個(gè)獨(dú)立因子的水準(zhǔn)變化相應(yīng)的 (例)E1=2 反應(yīng)值的影響E2=-7 交互效果

兩個(gè)以上的因子結(jié)合后對(duì)反應(yīng) (例)E12=5 (InteractionEffect) 因子產(chǎn)生的影響解(Resolution) 在部分實(shí)施法中表示實(shí)驗(yàn)設(shè)計(jì)的攪亂 (例)III,IV,V 程度的記號(hào)

攪亂(Confounding) 以兩個(gè)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 第69頁(yè)，共98頁(yè)，2023年，2月20日，星期六

在多個(gè)因子的各水準(zhǔn)上分析同時(shí)實(shí)驗(yàn)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(FullFactorialDesign):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(shí)施法(FractionalFactorialDesign)-Plackett-Burman計(jì)劃法(Plackett-BurmanDesign)

在Minitab中要因配置法的實(shí)行階段-利用“CreateFactorialDesign”為了完全要因配置法或部分實(shí)施法的實(shí)驗(yàn)設(shè)計(jì)的選擇-選擇實(shí)驗(yàn)設(shè)計(jì)后,指定各因子的名名稱及水準(zhǔn)、反復(fù)次數(shù)、Random化與否-實(shí)行實(shí)驗(yàn)后,輸入數(shù)據(jù)實(shí)行“AnalyzeFactorialDesign”得出實(shí)驗(yàn)分析結(jié)果-最后利用“FactorialPlot”繪出主效果及交互效果的plotMinitabFactorialDesign(要因配置法)第70頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法）

CreateFactorialDesign2-levelfactorial(defaultgenerators)->2水準(zhǔn)要因配置(generator自動(dòng)指定)2-levelfactorial(specifygenerators)->2水準(zhǔn)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(zhǔn)以上，

且要因類別水準(zhǔn)不同時(shí)的完全要因?qū)嶒?yàn)Numberoffactors:因子數(shù)指定DisplayAvailableDesigns:展示使用可能的

配置

顯示因子別實(shí)驗(yàn)數(shù)(Run)和

分析度（Resolution)·實(shí)驗(yàn)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.第71頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法）

Designs...指定Runs,centerpoints,replicates,blocksBlock:具有相同性質(zhì)的單位集合Replicate:重新設(shè)置實(shí)驗(yàn)條件后實(shí)驗(yàn)

在多個(gè)試料上按同一條件各自實(shí)驗(yàn)Centerpoint:在連續(xù)性因子的水準(zhǔn)為中間

值時(shí)實(shí)施,評(píng)價(jià)反應(yīng)值的非線型性Factors...Factor:表示實(shí)驗(yàn)的因子Name:指定實(shí)驗(yàn)的因子名Low/High:以水準(zhǔn)表示的低水準(zhǔn)值與高水準(zhǔn)

值->一般用

–1與1表示,中心為0。第72頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因故配置法)Options...FoldDesign:設(shè)定FoldRandomizeRuns:實(shí)驗(yàn)順序RandomFraction:使用部分配置法時(shí)設(shè)定Fraction

使用位置Baseforrandomdatagenerator:設(shè)定Random

生成基準(zhǔn)點(diǎn)Storedesigninworksheet:把實(shí)驗(yàn)計(jì)劃保存在Worksheet能多樣化地指定，愿意在Session窗口輸出的實(shí)驗(yàn)計(jì)劃結(jié)果在Session窗口輸出與別名(alias)關(guān)聯(lián)的內(nèi)

容時(shí)，指定交互作用的次數(shù)。Results...第73頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)DesignCustomFactorialDesign

在變更當(dāng)前的實(shí)驗(yàn)計(jì)劃重新指定時(shí)使用Factors:指定已輸入的因子水準(zhǔn)的列2-levelfactorial:2水準(zhǔn)要因?qū)嶒?yàn)Generalfullfactorial:不是2水準(zhǔn)的完全要因?qū)嶒?yàn)計(jì)劃指定因子的水準(zhǔn)Low/High...第74頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)Designs...指定實(shí)驗(yàn)編號(hào)、實(shí)驗(yàn)的基本順序、中心點(diǎn)、實(shí)驗(yàn)的Block.Orderofthedata:以設(shè)定的數(shù)據(jù)配置指定Specifybycolumn:指定特定column第75頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)AnalyzeFactorialDesign實(shí)驗(yàn)結(jié)果分析FULLFACT.MTWResponses:指定有實(shí)驗(yàn)結(jié)果值的ColTerms...計(jì)算里欲包括的項(xiàng)目設(shè)定->未包括的項(xiàng)目按誤差項(xiàng)PoolingGraphs...EffectsPlots:設(shè)定效果PlotsAlpha:指定留意水準(zhǔn)ResidualsforPlots:殘差處理方法第76頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)Results...對(duì)于Session窗口輸出的結(jié)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(duì)交互作用的

最低乘方平均

若設(shè)計(jì)為直交型,無covariate，那么各個(gè)

最小乘方平均為在同一窗口中的所有

觀測(cè)值的平均。選擇欲輸出最小乘方平均的term第77頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)Storage...FitsandResiduals:把適合值與殘差保存在Worksheet.ModelInformation:在2水準(zhǔn)要因?qū)嶒?yàn)或者PB實(shí)驗(yàn)分析結(jié)果中，保存各個(gè)反應(yīng)值的

效果。但不能保存常數(shù)、Covariate、中心點(diǎn)、Block的效果。

實(shí)驗(yàn)計(jì)劃Matrix等對(duì)各個(gè)反應(yīng)值進(jìn)行保存。

依系數(shù)相乘的實(shí)驗(yàn)計(jì)劃Matrix計(jì)算出適合值。Other:為確認(rèn)異常值的數(shù)據(jù)被保存第78頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)Minitab實(shí)行結(jié)果在看各因子的p-value時(shí)可以

知道主因子C,T和

交互因子

K*T為統(tǒng)計(jì)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)第79頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)Pareto圖可同時(shí)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(yuǎn)離的因子可

認(rèn)為信號(hào)因子在上圖中C,AC,B因子為有影響第80頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)FactorialPlotsSetup...Maineffect:主效果Interaction:交互效果Cube:三個(gè)因子的效果Setup:選定要作業(yè)的因子TypeofMeanstouseinPlots:指定生成

主效果圖平均的數(shù)據(jù)類型Responses:y,即選擇已輸入結(jié)果值的列指定要繪出主效果圖的因子

第81頁(yè)，共98頁(yè)，2023年，2月20日，星期六MinitabFactorialDesign(要因配置法)主效果圖交互效果圖3因子效果圖主效果圖:傾斜度越大符合水準(zhǔn)的效果

越大交互效果圖:交叉的傾斜度越大符合水準(zhǔn)

的效果越大3因子效果圖:計(jì)算水準(zhǔn)的平均值T因子從低水準(zhǔn)變?yōu)楦咚疁?zhǔn)時(shí)，他的反應(yīng)值