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(cè)量系統(tǒng)分析數(shù)據(jù)正態(tài)檢驗(yàn)

工序能力分析功效和樣本數(shù)量均值假設(shè)檢驗(yàn)方差假設(shè)檢驗(yàn)相關(guān)性分析實(shí)驗(yàn)設(shè)計(jì)控制圖回歸分析1-1M--測(cè)量系統(tǒng)分析（連續(xù)型案例）

gageaiag.Mtw

背景：3名測(cè)定者對(duì)10部品反復(fù)2次TEST1測(cè)量系統(tǒng)分析－>測(cè)量值隨OP的變動(dòng)－>測(cè)量值隨部品的變動(dòng)－>對(duì)于部品10，OP有較大分歧；所有點(diǎn)落在管理界限內(nèi)－>良好大部分點(diǎn)落在管理界限外－>主變動(dòng)原因：部品變動(dòng)－>良好1-2M--測(cè)量系統(tǒng)分析（離散型案例）gage名目.Mtw背景：3名測(cè)定者對(duì)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(shuō)明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異個(gè)人與標(biāo)準(zhǔn)的一致性（再現(xiàn)性？）M--測(cè)量系統(tǒng)分析：離散型案例（順序型）：散文.Mtw背景：3名測(cè)定者對(duì)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(shuō)明檢查者一致的判定與標(biāo)準(zhǔn)有一定差異M--正態(tài)性測(cè)定:(測(cè)定工序能力的前提)案例：背景：3名測(cè)定者對(duì)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(dòng)大；2數(shù)據(jù)正態(tài)性檢驗(yàn)3-1M--工序能力分析（連續(xù)型）：案例：Camshaft.MTW①工程能力統(tǒng)計(jì)：3工序能力分析短期工序能力長(zhǎng)期工序能力X平均＝目標(biāo)值－>Cp＝CpmX平均≠目標(biāo)值－>Cp>Cpm②求解Zst（輸入入歷史史均值值）：歷史均均值：：表示示強(qiáng)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(wú)歷歷史均均值））：無(wú)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(xiàng)項(xiàng)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(cè)測(cè)定－－決定定標(biāo)本本大小?。罕尘埃海篐a～N（30，100/25）H0～N（25，100/n）－為為測(cè)定定分布布差異異的標(biāo)標(biāo)本大大小有意水水平α=0.05查出力力1－β=0.8<統(tǒng)計(jì)－－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(biāo)準(zhǔn)差差：sigma＝104功效和和樣本本數(shù)量量A—假設(shè)測(cè)測(cè)定－－決定定標(biāo)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(cè)定定分布布差異異的標(biāo)標(biāo)本大大小有意水水平α=0.05查出力力1－β=0.8<統(tǒng)計(jì)－－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(biāo)準(zhǔn)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(biāo)準(zhǔn)準(zhǔn)偏差差未制制定分分析；；A—假設(shè)測(cè)測(cè)定－－決定定標(biāo)本本大小小：4-3：1Proportion（單樣樣本））背景：：H0：P＝0.9Ha：P<0.9測(cè)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(jì)－－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(shí)際上上是否否0.9以下下，，需需要要樣樣本本102個(gè)A——假設(shè)設(shè)測(cè)測(cè)定定－－決決定定標(biāo)標(biāo)本本大大小?。海?-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(jì)計(jì)－－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(shí)實(shí)際際要要測(cè)測(cè)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(shí)際際上上是是否否小小于于0.9，需需要要樣樣本本217個(gè)A——假設(shè)設(shè)測(cè)測(cè)定定：：案例例：：Camshaft.MTW5-1：1-sampleT（單單樣樣本本））未知知總總體體標(biāo)標(biāo)準(zhǔn)準(zhǔn)差差背景景：：對(duì)對(duì)零零件件尺尺寸寸測(cè)測(cè)定定100次，，數(shù)數(shù)據(jù)據(jù)能能否否說(shuō)說(shuō)明明與與目目標(biāo)標(biāo)值值（（600）一一致致（（α=0.05）P-Value>0.05→→Ho（信信賴(lài)賴(lài)區(qū)區(qū)間間內(nèi)內(nèi)目目標(biāo)標(biāo)值值存存在在））→可可以以說(shuō)說(shuō)平平均均值值為為6005均值值假假設(shè)設(shè)檢檢驗(yàn)驗(yàn)A——假設(shè)設(shè)測(cè)測(cè)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(gè)個(gè)母母集集團(tuán)團(tuán)Data的平平均均，，統(tǒng)計(jì)計(jì)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(cè)測(cè)定定2組data是否否正正規(guī)規(guī)分分布布；；②：：測(cè)測(cè)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(yàn)驗(yàn)證證：：<統(tǒng)計(jì)計(jì)－－基基本本統(tǒng)統(tǒng)計(jì)計(jì)－－正態(tài)態(tài)性性檢檢驗(yàn)驗(yàn)：：>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(cè)測(cè)定定：：<統(tǒng)計(jì)計(jì)－－基基本本統(tǒng)統(tǒng)計(jì)計(jì)量量－－雙雙方方差差：>P-Value>0.05→等分分散散對(duì)Data的Box-plot標(biāo)準(zhǔn)準(zhǔn)偏偏差差的的信信賴(lài)賴(lài)區(qū)區(qū)間間測(cè)定定方方法法選選擇擇：：F－test：正正態(tài)態(tài)分分布布時(shí)時(shí)；；Levense’’stest：非非正正態(tài)態(tài)分分布布時(shí)時(shí)；；③測(cè)定定平平均均值值：：<統(tǒng)計(jì)計(jì)－－基基本本統(tǒng)統(tǒng)計(jì)計(jì)量量－－2-samplet：>P-Value<0.05→Ha→u1≠≠u(mài)2A——假設(shè)設(shè)測(cè)測(cè)定定：：案例例：：Pairedt.MTW5-3：Pairedt（兩兩集集團(tuán)團(tuán)從從屬屬/對(duì)應(yīng)應(yīng)））<統(tǒng)計(jì)計(jì)－－基基本本統(tǒng)統(tǒng)計(jì)計(jì)量量－－配對(duì)對(duì)t：>背景：老老化實(shí)驗(yàn)驗(yàn)前后樣樣本復(fù)原原時(shí)間；；10樣本前后后實(shí)驗(yàn)數(shù)數(shù)據(jù)，判判斷老化化實(shí)驗(yàn)前前后復(fù)原原時(shí)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≠≠u(mài)2（有差異異）A—假設(shè)測(cè)定定：5-4：1proportiont（離散－－單樣本本）<統(tǒng)計(jì)－基基本統(tǒng)計(jì)計(jì)量－1proportiont：>背景：為為確認(rèn)某某不良P是否為1％，檢查查1000樣本，檢檢出13不良，能否說(shuō)P=1%?（α=0.05）P-Value>0.05→H0→P=0.01A—假設(shè)測(cè)定定：5-4：2proportiont（離散－－單樣本本）<統(tǒng)計(jì)－基基本統(tǒng)計(jì)計(jì)量－2proportiont：>背景：為為確認(rèn)兩兩臺(tái)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(shuō)P1=P2?（α=0.05）P-Value>0.05→Ho→P1=P2A—假設(shè)測(cè)定定：Chi-Square-1.MTW5-5：Chi-Squaret（離散－－單樣本本）背景：確確認(rèn)4個(gè)不同條條件下，，某不良良是否有有差異？？P-Value>0.05→Ho→P1=P2＝…（無(wú)差異異）應(yīng)用一：：測(cè)定定頻度數(shù)數(shù)的同質(zhì)質(zhì)性：H0:P1=P2=…=PnHa:至少一個(gè)個(gè)不等；；A—假設(shè)測(cè)定定：Chi-Square-2.MTW(5)：Chi-Squaret（離散－－單樣本本）背景：確確認(rèn)班次別和不同類(lèi)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(cè)定定邊數(shù)的的獨(dú)立性性：H0:獨(dú)立的（（無(wú)相關(guān)關(guān)）Ha:從屬的（（有相關(guān)關(guān)）；班次不良類(lèi)型A—ANOVA（分散分分析）：：兩個(gè)以上上母集團(tuán)團(tuán)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(rèn)三根彈簧簧彈力比比較？H0:u1=u2=…=unHa:至少一個(gè)個(gè)不等；；P-Value<0.05→Ha→u不等，有差異；信賴(lài)區(qū)間都重疊－>u無(wú)有意差；1和2可以說(shuō)無(wú)有意差，1和3有有意差；6方差假設(shè)設(shè)檢驗(yàn)A—ANOVA（分散分分析）：：兩個(gè)以上上母集團(tuán)團(tuán)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(rèn)生產(chǎn)線（（因子1）、改善善（因子子2）影響下下，測(cè)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(wú)差異；生產(chǎn)線：信賴(lài)區(qū)間沒(méi)有都重疊－>u有差別－>對(duì)結(jié)果有影響改善：信賴(lài)區(qū)間重疊－>u無(wú)差別－>對(duì)結(jié)果沒(méi)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(zhǔn)①因子配置置設(shè)計(jì)：輸出結(jié)果果：輸入實(shí)驗(yàn)結(jié)果8實(shí)驗(yàn)設(shè)計(jì)計(jì)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(jì)性分分析：實(shí)施對(duì)因因子效果果的t-test，判斷與與data有意的因因子。A、B對(duì)結(jié)果有有意；AB交互對(duì)結(jié)結(jié)果無(wú)有有意；通過(guò)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(wú)有意意。顯示因子子的水準(zhǔn)準(zhǔn)不能線線性變換換(Coded)時(shí)的回歸歸系數(shù).-Coded是指實(shí)際際因子水水準(zhǔn)(-1,+1)變換為線線性變換換。I—DOE：8-2：多因子子不同水水準(zhǔn)①因子配置置設(shè)計(jì)：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(wú)法確認(rèn)認(rèn)交互效效果③統(tǒng)計(jì)性分分析：通過(guò)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(wú)有意意。④確認(rèn)此后后試驗(yàn)方方向：最佳方向向I—DOE：8-3：2水準(zhǔn)部分分配置①因子配置置設(shè)計(jì)：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(rèn)哪哪個(gè)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(shí)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(shí)，Y＝95最佳；；③統(tǒng)計(jì)性性分析析：實(shí)施t-test，判斷斷有意意因子子B、D、E、BD、DE有意通過(guò)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(yàn)－－－(1)因子配配置設(shè)設(shè)計(jì)：背景：：反應(yīng)值值:收率(Yield)時(shí)間＝＝35min，溫度度＝155時(shí)，Y＝80％－>因子子:時(shí)間(30,40)溫度(150,160)確認(rèn)哪哪個(gè)因因子影影響收收率，，利用用中心心點(diǎn)包包括的的22配置法法在中心心點(diǎn)實(shí)實(shí)驗(yàn)的的次數(shù)數(shù)！一次試試驗(yàn)－－－(2)統(tǒng)計(jì)性性分析析：實(shí)施對(duì)對(duì)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(guò)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(méi)沒(méi)有曲曲率效效果。。一次試試驗(yàn)－－－(3)確認(rèn)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(zhǔn)還還原為為實(shí)際際水準(zhǔn)準(zhǔn)值。。-實(shí)際水平

:A(30,40),B(150,160)→

為還原實(shí)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(shí)，B增加0.42的方向。StepCodedLevelUncodedLevel試驗(yàn)結(jié)果(收率)ABAB中心點(diǎn)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(shí)驗(yàn)驗(yàn)者配配置，，Step10時(shí)Y取最大大值，，適用用因子子配置置；二次試試驗(yàn)－－－(1)因子配配置設(shè)設(shè)計(jì)：背景：：通過(guò)過(guò)最大大傾斜斜法求求Y最大化化的因因子水水平，，通過(guò)過(guò)追加加實(shí)驗(yàn)驗(yàn)，確確認(rèn)是是否最最佳水水準(zhǔn)的的領(lǐng)域域；收率(Yield)時(shí)間(80,90)溫度(171,181)確認(rèn)哪哪個(gè)因因子影影響收收率，，利用用中心心點(diǎn)包包括的的22配置法法二次試試驗(yàn)－－－(2)統(tǒng)計(jì)性性分析析：<圖形－－等值值線圖圖：>對(duì)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(guò)等值線線圖及統(tǒng)計(jì)計(jì)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(shí)施反反應(yīng)表表面計(jì)計(jì)劃8-5——反映表表面實(shí)實(shí)驗(yàn)：(1)因子配配置設(shè)設(shè)計(jì)：試驗(yàn)配配置:中心合合成計(jì)計(jì)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(guò)過(guò)最大傾斜斜法，在A=295,B=13狀態(tài)下，判判斷最佳條條件會(huì)出現(xiàn)現(xiàn)。求將變量透透過(guò)率最大大化的最佳佳條件。Run13:Block沒(méi)有的情況況Run14:Block有的情況輸入試驗(yàn)結(jié)結(jié)果：(2)統(tǒng)計(jì)性分析析：※實(shí)施對(duì)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(wú)有意。

※R-Sq&R-Sq(adj)>64%，→可以信賴(lài)回歸模型；※通過(guò)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(guò)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(duì)殘差的正正態(tài)分布假假說(shuō)的研討討－直方圖、正正態(tài)分布圖圖對(duì)分散同質(zhì)質(zhì)假說(shuō)的研研討－與擬擬合值※殘差已確定定為隨機(jī)分分布，可以以進(jìn)行分散散同質(zhì)假說(shuō)說(shuō)研討(3)坐標(biāo)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(biāo)值Y=79.5，滿足度=1。即意味著滿滿足目標(biāo)值要求求；調(diào)整因數(shù)水水平而使透透過(guò)率更好好。A=299.50、B=14.90時(shí)，Y(Max)＝79.6163I—反映表面實(shí)實(shí)驗(yàn)2：－－多個(gè)反反映值(1)因子配置設(shè)設(shè)計(jì)：試驗(yàn)配置:中心合成計(jì)計(jì)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(guò)過(guò)最最大大傾傾斜斜法法，，知知道道反反應(yīng)應(yīng)時(shí)時(shí)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(gè)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(zhǔn)準(zhǔn)。。輸入試驗(yàn)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(jì)計(jì)性性分分析析：※誤差差項(xiàng)項(xiàng)要要不不要要Pooling?誤差差項(xiàng)項(xiàng)Pooling的話話→Lackoffit（失失擬擬））的的P-value要大大起起來(lái)來(lái),→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(gè)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(shí)實(shí)施施Pooling.交互互作作用用，，Pooling到誤誤差差項(xiàng)項(xiàng)時(shí)時(shí)，，R-sq(adj)和lackoffit的P值會(huì)會(huì)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(xiàng)項(xiàng).交互互作作用用(A*B)，Pooling到誤誤差差項(xiàng)項(xiàng)時(shí)時(shí)，，R-sq(adj)和lackoffit的P值會(huì)會(huì)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(xiàng)項(xiàng)中中去去掉掉A*A項(xiàng)后后再再次次運(yùn)運(yùn)行行Pooling后分分析析結(jié)結(jié)果果在項(xiàng)項(xiàng)中中去去掉掉A*A、A*B項(xiàng)后后再再次次運(yùn)運(yùn)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(xiàng)項(xiàng).AB交互互作作用用，，Pooling到誤誤差差項(xiàng)項(xiàng)時(shí)時(shí)，，R-sq(adj)和lackoffit的P值會(huì)減減少因因此不不Pooling.(3)坐標(biāo)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(zhǔn)準(zhǔn)，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(zhǔn)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(jì)算算（不不考慮慮異常常點(diǎn)））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(gè)個(gè)坐標(biāo)標(biāo)圖上上區(qū)分分標(biāo)注注。如圖可可見(jiàn)，，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(gè)個(gè)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(dú)獨(dú)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(duì)項(xiàng)項(xiàng)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(jì)量量輸出出與否否LackofFitTests-Pureerror:指定履履行適適合性性檢定定時(shí)純純誤差差項(xiàng)的的輸出與與否-Datasubsetting:指定把把說(shuō)明明變量量細(xì)分分而提提供類(lèi)類(lèi)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(shuō)說(shuō)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(lài)水準(zhǔn)準(zhǔn)的信賴(lài)區(qū)間-SDsoffits:指定是否保保存y的標(biāo)準(zhǔn)偏偏差-Predicctionlimits:指定是否否保存y的預(yù)測(cè)界界限MinitabRegressionResults...在Session窗不顯示示任何結(jié)結(jié)果時(shí)顯示基本本的回歸歸分析結(jié)結(jié)果時(shí)顯示基礎(chǔ)礎(chǔ)統(tǒng)計(jì)量量時(shí)顯示追加加統(tǒng)計(jì)量量時(shí)Graphs...ResidualsforPlots:殘差圖象象中顯示示的殘差差種類(lèi)選選擇-Regular:在資料的的原來(lái)測(cè)測(cè)度內(nèi)利利用殘差差時(shí)-Standardized:利用標(biāo)準(zhǔn)準(zhǔn)殘差時(shí)時(shí)-Deleted:利用Studentized殘差時(shí)ResidualPlots-Histogramofresidual:畫(huà)殘差的的Histogram時(shí)-Normalplotofresidual:畫(huà)殘差的正正態(tài)概率率圖時(shí)-Residualsversusfits:想看殘差差的適合合性時(shí)-Residualsversusorder:關(guān)于殘差差對(duì)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(zhǔn)小小，故駁駁回歸屬屬假設(shè)。即即兩個(gè)變變量的回回歸系數(shù)數(shù)不是0。對(duì)資料的的說(shuō)明程程度(決定系數(shù)數(shù))為95.7%，因第9個(gè)數(shù)據(jù)是是非正常常數(shù)據(jù)，故故需要進(jìn)進(jìn)一步觀觀察。新數(shù)據(jù)的的信賴(lài)區(qū)區(qū)間為(2.7614,3.0439),預(yù)測(cè)區(qū)間間為(2.5697,3.2356)。Minitab10-2Stepwise逐步線性性回歸說(shuō)明變量量數(shù)量多多時(shí)，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(gè)變量時(shí)時(shí)，調(diào)查查從一個(gè)個(gè)也不包包含的模模型至包包含k個(gè)的所有模型型前進(jìn)選擇擇法:在影響反反應(yīng)變量量的k個(gè)說(shuō)明變變量中選選擇最大大影響的的變量，，并判斷為為再無(wú)其其它重要要變量時(shí)時(shí),停止止變量的的選擇后進(jìn)選擇擇法:在影響反反應(yīng)變量量的k個(gè)說(shuō)明變變量中除除去影響響小的變變量，并判斷為為再無(wú)可可除變量量時(shí)，停停止變量量的除去去階段別回回歸方法法:在前進(jìn)選選擇法里里加后進(jìn)進(jìn)選擇法法的方法法MinitabStepwiseResponse:輸入反應(yīng)應(yīng)變量(Pulse2)Predictors:輸入說(shuō)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(zhǔn)準(zhǔn)留意水準(zhǔn)準(zhǔn):把預(yù)測(cè)變變量追加加到回歸歸模型的的基準(zhǔn)(p值小于留留意水準(zhǔn)準(zhǔn)時(shí)追加加)PULSE.MTWMinitabStepwise顯示進(jìn)入入模型的的預(yù)測(cè)變變量的最最佳程度度(若是2，則顯示2個(gè)預(yù)測(cè)變變量)輸入要進(jìn)進(jìn)行幾次次操作回歸模型型里要追追加常數(shù)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-Value0.108Minitab10-3BestSubsets最佳回歸法在分析者所希希望的說(shuō)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(shuō)明變量數(shù)數(shù)為相同的組組合中，指定定最高說(shuō)明結(jié)果果的幾個(gè)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(jì)量(R-square,adj-R,Cp)Vars:包含在各模型型的說(shuō)明變量量數(shù)。以下是如前所所定的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(shuō)明變量的模型中，每各變量個(gè)數(shù)輸出3個(gè)。MinitabBestSubsets履行單一回歸歸步驟,繪出回歸圖在線型回歸及及多項(xiàng)回歸中中有用的方法法,即一個(gè)變量對(duì)對(duì)應(yīng)一個(gè)反應(yīng)應(yīng)值時(shí)。Options...Response:指定反應(yīng)變量量Predictor:指定說(shuō)明變量量(僅一個(gè))TypeofRegressionModel:指定回歸Transformations:反應(yīng)變量與說(shuō)說(shuō)明DisplayOption:表示信賴(lài)區(qū)間及

預(yù)測(cè)區(qū)間Minitab10-4FittedLinePlot擬合曲線回歸歸法MinitabFittedLinePlot結(jié)果解釋顯示2次項(xiàng)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(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(shí)為為良好。用類(lèi)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(shí)為良好好殘差對(duì)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(shí)時(shí)，，各各自自輸輸入入。Model:指定Factors:在說(shuō)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(guò)過(guò)圖圖象象診診斷斷過(guò)過(guò)程在圖象上按鼠標(biāo)右鍵則出現(xiàn)Play菜單，并通過(guò)

Brush確認(rèn)是第31號(hào)值與第66號(hào)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)