2.用图形表示数据
创建组块式直方图
- 打开样本数据出货数据.MTW
- 选择图形 > 直方图。
3.选择包含拟合，然后单击确定。
4.在图形变量中，输入天数。
5.单击多图形，然后单击按变量分组选项卡。
6.在按变量分组在同一图中分列中，输入中心。
- 单击每个对话框中的确定
解释结果
直方图看上去与钟形相似，关于均值对称，这表示，每个中心的交货时间大致呈正态分布。
检查两个变量之间的关系
图形可以帮助您确定变量之间是否存在关系，以及关系的强度。了解变量之间的关系可帮助您确定哪些变量对于分析重要，以及还需要选择哪些分析。
创建含组的散点图
使用散点图可以检验两个变量之间的关系。您可以从“图形”菜单选择散点图，也可以使用 Minitab 协助。此协助可指导您完成您的分析，并帮助您信心十足地解释分析结果。此协助可用于大多数基本的数据统计检验、图形、质量分析和 DOE（试验设计）。
1.选择协助 > 图形分析。
2.在绘制变量之间的关系图形下，单击散点图（组）。
3.在Y 列中，输入天数。
4.在X 列中，输入距离。
5.在X 列数中，选择 1。
6.在X1中，输入中心。
3.分析数据
对数据进行汇总摘要
显示描述性统计量
- 打开样本数据出货数据.MTW。
- 选择统计显示描述性统计量。
- 在变量中，输入天数。
- 在按变量分组（可选）中，输入中心状态。
5.单击统计量。
6.取消选中第一个四分位数、中位数、第三个四分位数、N 非缺失和N 缺失。
选中N 合计。
7.单击每个对话框中的确定。
注意您在统计量子对话框中进行的更改只会对当前会话产生影响。要更改将来会话的默认选项，请选择工具 > 选项。展开单个命令并选择显示描述性统计量。选择您要显示的统计量。当您再次打开统计量子对话框时，它将显示您的新选项。
比较两个或更多均值
执行方差分析
1.选择统计 > 方差分析 > 单因子。
2.选择所有因子水平的响应数据位于同一列中。
3.在响应中，输入天数。在因子中，输入中心。
4.单击比较。
5.在假设等方差的比较过程下，选中Tukey。
6.单击确定。
7.单击图形。 对于许多统计命令，Minitab 都提供了有助于解释结果和评估统计假设有效性的图形。这些图形称为内置图形。
8.在数据图下，选中区间图、单值图和数据箱线图。
9.在残差图下，选择四合一。
10.单击每个对话框中的确定。
保存项目
将所有工作保存在 Minitab 项目中。
1.选择文件 > 将项目另存为。
2.导航至要用于保存您的文件的文件夹。
3.在文件名中，输入我的统计。
4.单击保存。
4.建模统计量
4.1方差分析
单因子方差分析
概述
当您有一个类别因子和一个连续响应并且想要确定两个或多个组的总体均值是否存在差异时，可使用 单因子方差。如果经检验，发现至少有一组存在差异，请使用单因子方差分析中的比较对话框来标识存在显著差异的组对。
例如，地毯制造商想要确定几种类型的地毯的耐久性是否存在差异。
示例：
某化学工程师想要比较四种油漆混料的硬度。每种油漆混料取六份样品涂到一小块金属上，待金属块凝固后再测量每种样品的硬度。为了检验均值是否相等，并评估均值对之间的差分，分析师配合使用单因子方差分析和多重比较。
- 打开样本数据，喷漆硬度.MTW。
- 选择统计>方差分析>单因子。
- 选择所有因子水平的响应数据位于同一列中。
- 在响应中，输入硬度。
- 在因子中，输入油漆。
- 单击比较按钮，然后选择Tukey。
- 在每个对话框中单击确定。
均值分析
使用均值分析可以确定每个组的均值是否与总体均值存在差异,您的数据可以服从正态分布、二项分布或 Poisson 分布。均值分析是方差分析的图形备择。例如，一家制造厂的工程师想通过一项试验来评估三个过程时间水平和三个强度水平对产品密度的效应。工程师使用均值分析来检查主效应以及因子之间的交互作用。
正态数据的均值分析示例
一位安全分析师想比较有经验和无经验的驾驶员在三种路面：柏油路、石路和土路上的驾驶水平。为了测量驾驶水平，分析师记录了每位驾驶员在每种路面上进行控制校正所用的时间（秒）。分析师执行了均值分析，以确定经验水平和路面类型的平均值是否与总体平均值存在差异。
- 打开样本数据路面状况.MTW.
- 选择统计>方差分析>均值分析。
- 在响应中，输入“校正次数”。
- 在数据分布下，选择正态。
- 在因子 1中，输入经验。
- 在因子 2中，输入公路类型。
- 单击确定。
二项数据的均值分析示例
一位工程师想了解焊接过程产生的缺陷是否比之前多。工程师收集了 80 个部件，并记录了数天内每个班次不合格的焊接数。该数据有两个可能的结果，因此该数据是二项数据。
分析师执行了均值分析，以确定不合格比率是否与任何样本的不合格比率存在显著差异。
- 打开样本数据焊接不合格.MTW.
- 选择统计>方差分析>均值分析。
- 在响应中，输入焊接不合格数。
- 在数据分布下，选择二项并在样本数量中输入80。
- 单击确定。
平衡方差分析
例如，某家公司想要确定操作员、机器设置和班次是否会影响涂层物质的粘度。设计是平衡的，因为所有操作员、设置和班次的组合都具有相同的观测值数。
如果您收到数据不平衡的警告，则可以执行交叉分组表，以确定每个因子水平组合的观测值数。
一位生产工程师进行了一项试验，以确定多个条件对涂层物质厚度的影响。三个不同的操作员进行了两次试验。每个操作员每次对每种设置下的厚度测量两次。
因为设计是平衡的，所以分析师使用平衡方差分析来确定时间、操作员和机器设置是否会影响涂层厚度。
- 打开样本数据，涂层厚度.MTW。
- 选择统计>方差分析>平衡方差分析。
- 在响应中，输入厚度。
- 在模型中，输入 时间 操作员 设置 时间操作员 时间设置 操作员*设置。
- 在随机因子中，输入操作员。
- 单击结果。
- 选择显示期望均方和方差分量。
- 在显示与该项对应的均值中，输入 时间 设置 时间*设置。
- 单击每个对话框中的确定。
拟合一般线性模型
一位电子设计工程师研究工作温度和三种面板玻璃类型对示波器管的光输出的效应。为了研究温度、玻璃类型以及这两种因子之间的交互作用的效应，工程师使用了一般线性模型。
- 打开样本数据，光输出.MTW。
- 选择统计>方差分析>拟合一般线性模型。
- 在响应中，输入光输出。
- 在因子中，输入玻璃类型。
- 在协变量中，输入温度。
- 单击模型。
- 在因子和协变量中，选择玻璃类型和温度。
- 在按变量顺序添加交互项的右侧，选择 2，然后单击添加。
- 在因子和协变量中，选择温度。
- 在按阶数添加全部交互项的右侧，选择 2，然后单击添加。
- 在因子和协变量中，选择玻璃类型，并在模型中的项中，选择温度*温度。
- 在模型中的交叉因子、协变量和项的右侧，单击添加。
- 在每个对话框中，单击确定。
4.2回归
拟合线图
使用拟合线图可以显示一个连续预测变量和一个响应之间的关系。您可以为数据拟合线性模型、二次模型或立方模型。拟合线图显示数据的散点图，该图用回归线表示回归方程。
一家家具生产厂的材料工程师想要评估生产商所使用的刨花板的硬度。工程师测量了刨花板样本的硬度和密度。工程师使用简单回归确定颗粒的密度是否与板的硬度相关。
- 打开样本数据刨花板.MTW。
- 选择统计>回归>拟合线图。
- 在响应中，输入硬度。
- 在预测变量中，输入密度。
- 单击选项。在显示选项下，选择显示置信区间和显示预测区间。单击确定。
- 单击图形。在残差图下，选择四合一。
- 在每个对话框中单击确定。
相关资源：驾照考试-全安一点通交规驾考软件.docx-其它文档类资源-CSDN文库
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！