實驗一 MINITAB的基本操作命令

1、 PAGE PAGE 17 PAGE PAGE 16應用數(shù)學基本實驗實驗班級： 04動科（4）姓名： 白斯偉指導老師：戴婉儀華南農業(yè)大學理學院數(shù)學系統(tǒng)計實驗一 MINITAB 的基本操作、描述統(tǒng)計與區(qū)間估計一、實驗目的了解MINITAB的基本命令與操作、熟悉MINITAB數(shù)據輸入、輸出與編輯方法；熟悉MINITAB用于描述性統(tǒng)計的基本菜單操作及命令；會用MINITAB求密度函數(shù)值、分布函數(shù)值、隨機變量分布的上下側分位數(shù)；會用MINITAB 二、實驗準備參考書本相應內容參考命令：Stat Basic Statistics Display Descriptive Statistics；Stat S

2、tatisticsmean/sum;GraphHistogram;Calcmakepatterneddatasimplesetofnumber;Calc Probability Distributions Binomial / Normal / F / t；Stat Basic Statistics 1-Sample Z / 1-Sample T等.三、實驗內容1001002.7 3.23.8 4.13.3 2.0 2.9 3.14.0 1.62.8 3.7 3.53.8 3.52.7 3.8 2.9 4.81.6 2.5 2.02.45.0 2.3 3.2

3、 1.83.03.34.03.83.0 3.5 4.0 2.3 3.44.0 求出以下統(tǒng)計量：樣本數(shù)，平均值，中位數(shù)，截尾平均數(shù)，樣本標準差， 樣本平均數(shù)的標準差，最大值，最小值，第 1、3 個四分位數(shù)； 求出頻率與頻數(shù)分布； 作出以上數(shù)據的頻率直方圖.要求：給出實驗步驟、結果顯示與分析解：操作步驟及結果：c1Editor Enable CommandsDOSMTB describe c1Descriptive Statistics: C1VariableNMeanMedianTrMeanStDevSE MeanVariableMinimumMaximumQ1Q3MTB code (1.5:2

4、.0)1.75 (2.0:2.5)2.25 (2.5:3.0)2.75 (3.0:3.5)3.25 (3.5:4.0)3.75 (4.0:4.5)4.25(4.5:5.0)4.25 c1 c2MTB tally c2;SUBC all.Tally for Discrete Variables: C2C2Count CumCntPercent 2.25162616.00N=10020neuqF10020neuqF1004.5C2產生一個 F(20,10要求：給出步驟與圖形顯示MTB set c1DATA endMTB pdf c1 c2;SUBC f 20 10.MTB plot c2*c1Pl

5、ot C2 * C1圖形顯示如下：C0.10.005C110MINITAB2(9)0.05分位數(shù).要求：寫出步驟和結果顯示MTB set c3 DATADATA endMTB invcdf c3 c3;SUBC chis 9.Invalid sequence of subcommands; all except last subcommandignored MTB print c3Data DisplayC3XN , 2)6 織的含汞量(ppm)為：2.06，1.93，2.12，2.16，1.98，1.95，求這一批魚的組織中平均含汞量的點估計值； =0.10的置信水平，求這一批魚的組織中平均

6、含汞量的范圍；設 .要求：寫出步驟、結果顯示及分析解：步驟、結果顯示及分析如下：MTB set c1DATA endMTB mean c1 k1Mean of C11)MTB OneZ c1;SUBCSigma0.10.One-Sample Z: C1VariableNMeanStDevSEMean95.0%CIC162.03330.09460.0408 ( 1.9533, 2.1133) MTB OneT C1.知道在95%的置信水平下，這一批魚的組織中平均含汞量的范圍(2.1133)One-Sample T: C1VariableNMeanStDevSEMean95.0%CIC162.03

7、330.09460.0386 ( 1.9341, 2.1326)未知 在95%的置信度下這一批魚的組織中平均含汞量的范圍由上表知為(2.1326).1310據如下（482, 493, 457, 471,510, 446, 435, 418, 394, 496,試對該木材橫紋抗壓力的方差進行區(qū)間估計( 0.05 ). 要求：寫出實驗步驟、結果顯示及分析解：實驗步驟和結果顯示如下：MTB set c2DATA 482 493 457 471 510 446 435 418 394 496DATA endMTB stdev c2 k1Standard Deviation of C2MTB let k

8、2=k1*2*9 MTB set c3DATA endMTB invcdf c3 c3;SUBC chis 9.MTB let MTB print c3Data DisplayC3結果分析：該木材橫紋抗壓力的方差的區(qū)間估計( 0.05)范圍為（653.934606.59）統(tǒng)計實驗二 假設檢驗一、實驗目的熟悉MINITAB進行假設檢驗的基本命令與操作；會用MINITAB進行單個、兩個正態(tài)總體均值的假設檢驗；會用MINITAB.二、實驗準備：參考書本相應內容參考命令：Stat Basic Statistics 1-Sample Z;Stat Basic Statistics 1-Sample T;

9、 Calc column Statisticsstandard deviation; Calccalculator Stat Basic Statistics 2-Sample T等.三、實驗內容1.(習題七.2)化肥廠用自動包裝機包裝化肥，每包的重量服從正態(tài)分布，其額定重量為100 千克，標準差為千克.某日開工后，為了確定包裝機這天的工作是否正常，隨機抽取 9 袋化肥，稱得重量如下：設方差穩(wěn)定不變，問這一天包裝機的工作是否正常( )? 要求：寫出步驟、結果顯示及分析解：1、在c1列輸入原始數(shù)據2、選擇StatBasic Statistics1-sample Z;3、在Variables欄中，

10、鍵入c1；在Sigma欄中鍵入1.2；在Test Mean欄中鍵入100； 4、再選擇Options，在 Confidence levels欄中鍵入90.0；再分別點擊OK。結果顯示如下：One-Sample Z: C1Test of mu = 100 vs mu not = 100VariableNMeanStDevSEMeanVariable90.0%CIZP結果分析：P0.9560.10,故在 下接受原假設，即認為這一天包裝機的工作是正常的。150156145160170174 環(huán)( =0.05)？要求：寫出步驟、結果顯示及分析解：1. 在c1列輸入原始數(shù)據選擇StatBasic Sta

11、tistics1-sample T;在Variables欄中，鍵入c1；在Test Mean欄中鍵入174；點擊結果顯示如下：One-Sample T: C2Test of mu = 174 vs mu not = 174VariableNMeanStDevSEMeanVariable95.0%CITP結果分析：P0.014 set c1DATA 540 632 674 680 694 695 708 736 780 845DATA endMTB mean c1 k1Mean of C1MTB let c2=(c1-k1)*2 MTB sum c2 k2Sum of C2Sum of C2 =

12、 60120 MTB let k2=k2/5625 MTB set c3DATA endMTB invcdf c3 c3;SUBC chis 9.MTB print c3 k2Data DisplayK2C3結果分析：結果分析：因為 20.025（9）2.7004 2 10.6881 let k1=stdev(c1) MTB let k2=stdev(c2) MTB let k3=k1*2/k2*2 MTB set c3DATA endMTB invcdf c3 c3;SUBC f 7 8.MTB print k3 c3Data DisplayC3結果分析：因為，所以在0.05的水平下，可認為

13、這兩組玉米的株高的方差是相同的。均值檢驗選擇StatBasicStatistics2-sample T;選擇Samplein different columns;在First欄中，鍵入c1;在Second欄中，鍵入c2;選擇CheckAssume equal variances;點擊ok.得到以下的結果：Two-Sample T-Test and CI: C1, C2Two-sample T forC1vs C2NMeanC2 9233.3StDev48.0SEMean16Difference = mu C1 - mu C295% CI for difference: (-96.9, -17.

14、3)T-Test of difference = 0 (vs not =): T-Value = -3.05 P-Value = 0.008 DF = 15結果分析：由于P=0.008 ANOVAOne-way / One-way (unstacked);Stat / Balanced 三、實驗內容ABC（）增重效果.飼料增重A51404348B232526C2328要求：寫出實驗步驟、結果顯示及分析解：1. 在 c1,c2 ,c3 列中分別輸入原始數(shù)據，并分別命名為 A，B，C。StatANVOAOneWay(Unstacked);Responses(in separate columnsA

15、，B， C；OK結果顯示如下：One-way ANOVA: A, B, CAnalysis of VarianceSourceDFSSMSFPIndividual 95% CIs For MeanBased on Pooled StDevLevelNMeanStDev-+A445.5004.933(*)B324.6671.528(*)C225.5003.536(*)-+PooledStDev=3.87720304050結果分析：因為 P0.001 set c1DATA 31 34 35 39 33 36 37 38 35 37 39 42DATA end MTB set c2 DATA(1:3

16、)4DATA end MTB set c3 DATA3(1:4)DATA end然后選擇StatANOVATow-Way; 在在Response欄中，選擇c1，在Row factor欄中選擇c2，在Column factor欄中選擇c3，點擊OK。結果顯示如下：Two-way ANOVA: C1 versus C2, C3Analysis of Variance for C1SourceDFSSMSFPDATAset c171 73 727375 73 77 757375767478777474DATA76 73 797774 75 74 737573737270716969DATAendMT

17、B set c2DATA(1:4)8DATAendMTB set c3DATA4(1:4)2DATAMTBendANOVA C1=C2|C3;SUBCMeans C2|C3.ANOVA: C1 versus C2, C3FactorTypeLevelsValuesC2fixed41234C3fixed41234Analysis of Variance for C1SourceDFSSMSFPTotal31180.219MeansC2NC1C3NC1C2 C3NC1結果分析：結果分析： 說明兩者的交互作用在 0.01的檢驗水平對彈性影響有統(tǒng)計意義。收縮率 交互作用 拉伸倍數(shù)means38，252

18、0。統(tǒng)計實驗四 回歸與相關一、實驗目的熟悉MINITAB中進行回歸分析與相關性分析的基本命令與操作；會用MINITAB進行一元和多重線性回歸分析、相關性分析；會用MINITAB 二、實驗準備：參考書本相應內容參考命令： Stat Regression Regression;Stat Basic Statistics Correlation等.三、實驗內容1.測量不同濃度（x %）的葡萄糖液在光電比色計上的消光度，得結果數(shù)據如表xxy051015202530試根據結果求出經驗回歸方程，并據之預測葡萄糖液濃度 x =12 的消光度及 95%的預測區(qū)間.要求：寫出實驗步驟、結果顯示及分析輸入原始數(shù)據

19、，如下：StatResponseResponse; 3.ResponseyPredictorsxOptions，Prediction intervals of observations12；OK結果顯示如下：Regression Analysis: y versus xy = - 0.00571+y = - 0.00571+0.0234xPredictorCoefSE CoefTPS=0.008281R-Sq=99.9%R-Sq(adj) =99.9%Analysis of VarianceSourceDFSSMSFPUnusual ObservationsObsxyFitSEFitResid

20、ualSt Resid 730.00.710000.697140.005640.01286R denotes an observation with a large standardized residualPredicted Values for New ObservationsNewObsFitSEFit95.0%CI95.0%PI10.275430.00327( 0.26703, 0.28383) ( 0.25254,0.29831)Values of Predictors for New ObservationsNewObsx結果分析：（1）由計算得出的回歸方程為：y = - 0.00

21、571 + 0.0234 x。 DATAsetendc1MTB setc2DATA MTB end setc3DATAend2Stat Basic Statistics CorrelationVariablesC1、OK。得下面結果：MTB Correlation C1 C2.Correlations: C1, C2X1X2P=0.012 RegressionsRegressions;2、在Response欄中，鍵入C3，在Predictors欄中，鍵入C1C2;3、再點擊Options，然后在出現(xiàn)的界面中的Predictionintervalsofobservations17.8 137;4

22、OK結果顯示如下：MTB Regress C3 2 C1 C2; SUBCConstant;SUBCPredict 17.8137;SUBCBrief2.Regression Analysis: C3 versus C1, C2The regression equation isC3 = 175 - 2.46 C1 - 0.363 C2PredictorCoefSECoefTPS=1.350R-Sq=93.1%R-Sq(adj) =91.4%Analysis of VarianceSourceDFSSMSFPSourceDFSeqSSUnusualObservationsObsC1C3FitSE FitResidualStResid523.566.20066.6591.297-0.459-1.22 X1119.983.30080.8740.6322.4262.03RR denotes an observation with a large standardized residualX denotes an observation whose X value gives it large influence.Predicted Values for New O