1.Minitab的操作MINITAB=Mini+Tabulator=小型+計算機(jī)介紹于1972年，美國賓夕法尼亞州立大學(xué)用來作統(tǒng)計分析、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)計知識便可使用。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?一般統(tǒng)計-基礎(chǔ)統(tǒng)計-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-測定系統(tǒng)分析-計量值數(shù)據(jù)分析-計數(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-受益分析實驗計劃-要因?qū)嶒炗媱?反應(yīng)表面實驗計劃-混合實驗計劃-Robust實驗計劃Minitab什么是Minitab?MinitabMinitab操作Minitab初始畫面方法2.利用Minitab圖標(biāo)運行的方法把

Minitab安裝到電腦時，開始菜單及Minitab公文包里生成Minitab的運行圖標(biāo)。運行Minitab的方法有利用開始菜單及選擇運行圖標(biāo)兩種。方法1.利用開始菜單運行Minitab的方法Sessionwindow:直接輸入Minitab的命令或顯示類似統(tǒng)計表的文本型結(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:簡要顯示已使用的變量信息的窗口History窗:儲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)計圖表，同時可以打開15個窗口MinitabMinitab畫面構(gòu)成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)計算及利用分布函數(shù)的數(shù)據(jù)生成Stat:是分析統(tǒng)計資料的副菜單，由基礎(chǔ)統(tǒng)計、回歸分析、分散分析、品質(zhì)管理、時針序列分析、離散資料分析、非母數(shù)統(tǒng)計分析等構(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)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編輯最后操作的對話框打開命令編輯器一般選項<Cell的修改/復(fù)制/刪除>用鼠標(biāo)拖動工作窗口按鼠標(biāo)的右鍵會出現(xiàn)popupmenu通過此項可編輯把Col/Row的全部作為工作的對象時，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。練習(xí))在AUTO.MTW上1)刪除4,5Row后把C4,C5的DATA

變更為2342)把C2Col

移動到C53)把C4ColumnSize

變更為12

<6>MinitabMinitab菜單(Edit)從活動Worksheet中復(fù)制數(shù)據(jù)，制作subsetWorksheet。把活動Worksheet分成兩個以上新的Worksheet把一列以上的數(shù)據(jù)移到多個列上把多個列上的數(shù)據(jù)合成一個列交換行和列的位置對齊排列數(shù)據(jù)數(shù)據(jù)上注明序位刪除特定列的行把多個列的文字?jǐn)?shù)據(jù)合并為一個列數(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Worksheet合并為一個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)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)題把多多數(shù)數(shù)的的col使使用用函函數(shù)數(shù)計計算算后后，，保保存存到到新新的的col上上把1個個col的的統(tǒng)統(tǒng)計計值值保保存存到到新新的的col上上用1個個以以上上的的col計計算算統(tǒng)統(tǒng)計計值值后后，，保保存存到到新新的的col上上變換換為為標(biāo)標(biāo)準(zhǔn)準(zhǔn)化化資資料料把數(shù)數(shù)據(jù)據(jù)屬屬性性變變更更為為數(shù)數(shù)值值屬屬性性把數(shù)數(shù)據(jù)據(jù)屬屬性性變變更更為為文文字字屬屬性性生成成Pattern數(shù)數(shù)據(jù)據(jù)把X、、Y、、Z的的值值用用3D圖圖象象方方式式組組合合后后生生成成Mesh數(shù)數(shù)據(jù)據(jù)生成成在在回回歸歸分分析析中中要要使使用用的的指指示示變變量量指定定Random數(shù)數(shù)據(jù)據(jù)的的基基準(zhǔn)準(zhǔn)點點生成成符符合合分分布布函函數(shù)數(shù)的的Random數(shù)數(shù)據(jù)據(jù)生成成符符合合分分布布函函數(shù)數(shù)的的概概率率，，并并用用數(shù)數(shù)據(jù)據(jù)保保存存行列列MinitabMinitab菜單單(Calc)練習(xí)習(xí))把把EXH_AOV.MTW的的Durability和和Carpet保保存存到到新新的的Worksheet后后(1)把把Durability和和Carpet相相加加的的值值保保存存到到Dura-Carpet上上。。(2)把把Durability-Carpet保保存存到到Dura-Carpet上上。。練習(xí)習(xí))把把EXH_AOV.MTW的的Durability和和Carpet保保存存到到新新的的Worksheet后后(1)求求Durability的的基基礎(chǔ)礎(chǔ)統(tǒng)統(tǒng)計計值值。。(2)Durability的的Range保保存存到到C5。。練習(xí))把把EXH_AOV.MTW的的Durability和和Carpet保保存到新新的Worksheet后后(1)把把Durability正態(tài)態(tài)化。(2)把把Durability標(biāo)準(zhǔn)準(zhǔn)化為3和4之之間的數(shù)數(shù)據(jù)。練習(xí))生生成1~15的奇奇數(shù)，每每個數(shù)二二回，全全體集合合反復(fù)三三回的數(shù)數(shù)據(jù)。練習(xí))把把RedBlueWhiteBlack生成各值值是二回回，全體體反復(fù)二二回的數(shù)數(shù)據(jù)。練習(xí))生生成從從1996.04.01~7.30之間間按一周周間隔形形成的數(shù)數(shù)據(jù)。練習(xí))生生成1996年4月1日、、97年年7月月30日、98年12月月25日為各各二回，，全體為為三回形形成的數(shù)數(shù)據(jù)。練習(xí))在在平均均300,標(biāo)標(biāo)準(zhǔn)偏偏差5的的正態(tài)分分布當(dāng)中中抽出40個個sample保保存到C5上上。Minitab習(xí)題MinitabMinitab菜單(Window)window:集合了把把Minitab的所有window調(diào)節(jié)的命命令和總總體管理理的Graph,Worksheet的命令等等,全全面性Window的運營命命令。指定把各各個window都都顯示示,或或者用小小圖標(biāo)來來顯示把Toolbar與Statusbar隱藏或顯顯示使總括Graphwindow的window活性化使管理Worksheet的window活性化活性window用Vmark表示，用用Vmark標(biāo)記打開window2.基礎(chǔ)統(tǒng)計計基礎(chǔ)統(tǒng)計計量輸出出基礎(chǔ)統(tǒng)計計量保存存對母平均均的推定定及檢定定對母比率率的推定定及檢定定相關(guān)分析析公分散分分析正態(tài)性檢檢定Minitab基礎(chǔ)統(tǒng)計計兩個母集集團(tuán)的分分散的同同一性檢檢定資料應(yīng)為為連續(xù)性性的列資資料,同同時應(yīng)應(yīng)為數(shù)值值資料。。能輸出圖圖表。Variables:選擇需要要分析的的Col(變變量)Byvariable:使用集團(tuán)團(tuán)(Gvoup)變量量計算基基礎(chǔ)統(tǒng)計計量-N:data數(shù)值-Mean:平均均-Median:中央央值-TrMean:調(diào)整整平均-StDev:標(biāo)標(biāo)準(zhǔn)偏偏差-SEMean:StandardErroofMean-Minimum:最小小值-Maximum:最最大值-Q1:1/4數(shù)-Q3:3/4數(shù)Minitab基礎(chǔ)統(tǒng)計計量(DisplayDescriptiveStatistics)<制作圖表表選項>Histogramofdata:制作HistgramHistogramofdatawithnormalcurve:制作Histogram和正態(tài)分分布曲線線Dotplotofdata:制作DotplotBoxplotofdata:制作BoxplotGraphicalsummary:把統(tǒng)計計值用用Graph輸輸出NormalityTest:正態(tài)性性檢定定A-Squared:越接近近零時時判斷斷為接接近正正態(tài)P-Value:比留意意水準(zhǔn)準(zhǔn)大時時為正正態(tài)性性Minitab基礎(chǔ)統(tǒng)統(tǒng)計量量(DisplayDescriptiveStatistics)計算統(tǒng)統(tǒng)計量量并保保存在在當(dāng)前前的Worksheet在選擇擇兩個個以上上的Col時時，，變量量名區(qū)區(qū)分為為1,2。當(dāng)指定定Byvariable時，，隨著著相關(guān)關(guān)Variable的的種類類按Row方向保保存。。-Firstquartile:1/4數(shù)-Thirdquartile:3/4數(shù)數(shù)-Interquartilerange:Q3-Q1-Skewness:歪歪度度分布布的對對稱性性,越接接近0越滿足足對稱稱性-Kurtosis:添添度度分布布的尖尖的程程度為為0時正正態(tài)分分布,負(fù)負(fù)數(shù)為為完滿滿,正正數(shù)數(shù)時比正態(tài)態(tài)分布布尖-MSSD:把把前后后數(shù)據(jù)據(jù)差的的乘方方除以以2-Nnonmissing:填填滿的的Col數(shù)數(shù)Nmissing:空空Col數(shù)數(shù)CumulativeN:Col的的DATA數(shù)-Percent:集集團(tuán)占占有率率-Cumpercent:累累積占占有率率Minitab保存基基礎(chǔ)統(tǒng)統(tǒng)計量量(StoreDescriptiveStatistics)-留意水水準(zhǔn):犯犯第第一種種錯誤誤的最最大概概率-P-Value:犯犯一種種錯誤誤的概概率的的推定定值-駁駁回領(lǐng)領(lǐng)域:駁駁回回假設(shè)設(shè)的部部分領(lǐng)領(lǐng)域-兩兩側(cè)檢檢定:駁駁回回領(lǐng)域域存在在于兩兩端的的檢定定-單單側(cè)檢檢定:駁駁回回領(lǐng)域域存在在于分分布一一端時時的檢檢定Minitab活用Minitab的假設(shè)設(shè)檢定定知道標(biāo)標(biāo)準(zhǔn)偏偏差時時的母母平均均推定定和檢檢定檢定母母平均均是否否已知知道的的特定定值Variables:選定要要分析析的ColConfidenceinterval:指定定計算算信賴賴區(qū)間間的信信賴度度Testmean:檢檢定對對象值值(檢檢定時時指定定)Alternative:設(shè)設(shè)定對對立假假設(shè)Sigma:輸輸入標(biāo)標(biāo)準(zhǔn)偏偏差p值值比留留意水水準(zhǔn)小小時駁駁回歸歸屬假假設(shè)mu:歸歸屬屬假設(shè)設(shè),munot:對對立假假設(shè)結(jié)果解解釋:p值比留留意水水準(zhǔn)小小故駁回回歸屬屬假設(shè)設(shè),即母平平均不不等于于5。。Testmean指定的的情況況<35>Minitab1-SampleZEXH_STAT.MTWOne-SampleZ:ValuesTestofmu=5vsmunot=5Theassumedsigma=0.2VariableNMeanStDevSEMeanValues94.78890.24720.0667Variable95.0%CIZPValues(4.6582,4.9196)-3.170.002<Confidenceinterval指定的的情況況>結(jié)果解解釋:信賴區(qū)區(qū)間為為最小小4.6582,最大4.9196(信賴賴度為為95%時)圖像對對Test與與Confidenceinterval的的輸輸出不同。。Test時時Ho值值追加加表示示。<Test指定><Confidence指定>Minitab1-SampleZ不知標(biāo)標(biāo)準(zhǔn)偏偏差時時母平平均的的推定定和檢檢定Variables:指定要要分析析的ColConfidenceinterval:指指定計計算信信賴區(qū)區(qū)間的的信賴賴度Testmean:指定定檢定定時對對象值值A(chǔ)lternative:設(shè)設(shè)定對對立假假設(shè)StDev:標(biāo)標(biāo)準(zhǔn)偏偏差SEMean:平平均誤誤差CI:信信賴賴區(qū)間間mu:歸歸屬屬假設(shè)設(shè),munot:對對立假假設(shè)P值比比留意意水準(zhǔn)準(zhǔn)小時時駁回回Ho，即p值值指脫脫離的的概率率。結(jié)果解解釋:p值小于于5%留意意水準(zhǔn)準(zhǔn)，故駁回回歸屬屬假設(shè)設(shè),即平均均不等等于5Testmean指定的的情況況Minitab1-SampletEXH_STAT.MTW不知標(biāo)標(biāo)準(zhǔn)偏偏差時時兩個個母平平均差差的推推定和和檢定定Samplesinonecolumn(stack形態(tài)):在在1Col中比比較兩兩個集團(tuán)Sampleindifferentcolumns(unstack形態(tài)態(tài))->First:選擇第第一個Col->Second:選選擇第二個個ColAlternative:設(shè)定對對立假設(shè)Confidencelevel:設(shè)定信信賴水準(zhǔn)Assumeequalvariance:假設(shè)設(shè)兩個集團(tuán)團(tuán)的母分散散一致結(jié)果解釋:p值大于5%有益益水準(zhǔn)，故選擇歸屬屬假設(shè)，即兩個母平平均在95%信賴區(qū)間無無差異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有關(guān)對應(yīng)的的兩個母集集團(tuán)的母平平均差的推推定和檢定定Firstsample:選擇第一個個dataColSecondsample:選擇第二個個dataCol->1Col與與2Col的的資料數(shù)數(shù)應(yīng)相同Confidencelevel:輸入信賴度度Testmean:輸入對應(yīng)差差的檢定平平均值A(chǔ)lternative:設(shè)定對立假假設(shè)結(jié)果解釋:p值小于留意意水準(zhǔn)5%，故故駁回歸屬屬假設(shè),即兩兩個母平均均間有差EXH_STAT.MTWMinitabPairedt母不良率的的推定及檢檢定Samplesincolumns:只限兩種文文字或者數(shù)數(shù)字Summarizeddata-Numberoftrials:全體試行次次數(shù)-Numberofsuccesses:成功(不良良)次數(shù)Confidencelevel:信賴度Testproportion:檢定不良率率Alternative:設(shè)定對立假假設(shè)Usetestandintervalbasedonnormaldistribution:決定是否按按正態(tài)分布近近似計算結(jié)果解釋:p值比留意水水準(zhǔn)5%小，故駁回歸屬屬假設(shè)Minitab1-Proportion(單一母集團(tuán)團(tuán)母比率的的檢.推定)兩個母不良良率差的推推定及檢定定Summarizeddata-Numberoftrials:全體試行次次數(shù)-Numberofsuccesses:成功(不良良)次數(shù)Confidencelevel:信賴度Testproportion:檢定不良率率Alternative:設(shè)定對立假假設(shè)Usetestandintervalbasedonnormaldistribution:是否按正態(tài)態(tài)分布近似計計算結(jié)果解釋:p值比留意水水準(zhǔn)5%大大，故選擇歸屬假設(shè)設(shè)，即兩個個母集團(tuán)不不良率無差差異Minitab2-Proportion(兩個母集團(tuán)團(tuán)母比率的的檢.推定)Minitab2Variances(兩個母集團(tuán)團(tuán)分散的同同一性檢定定)EXH_STAT.MTW兩個母集團(tuán)團(tuán)的分散的的同一性檢檢定在做分散的的同一性檢檢定之前，，有必要先做做正態(tài)性數(shù)數(shù)據(jù)檢定。。隨正態(tài)分布布時F-Test結(jié)結(jié)果,不隨正態(tài)分分布時看Levene’sTest結(jié)果再解釋釋結(jié)果解釋:p值比有益水水準(zhǔn)5%大,故故不能判斷兩個母母集團(tuán)的分分散不同。。（相同））命名兩個變變量間關(guān)系系的方法Variables:要分析的ColDisplayp-value:輸出p值Storematrix:保存為為matrix結(jié)果解釋:p值比留意水水準(zhǔn)5%小，故駁回歸屬屬假設(shè)，即各變量之之間有關(guān)系系GRADES.MTWMinitabCorrelation(相關(guān)分析)公分散為像像相關(guān)分析析似的表示示兩個變量量間關(guān)系的的統(tǒng)計量-Verbal與Math的標(biāo)標(biāo)本公分散散為1333.9704-Verbal與與GPA的標(biāo)本本公分散為為13.6995-GPA與Math的的標(biāo)本公分分散為7.4790MinitabCovariance(公分散)GRADES.MTW檢定資料的的分布形態(tài)態(tài)是否隨正正態(tài)分布的的分析法歸屬假設(shè):數(shù)據(jù)據(jù)是隨正態(tài)態(tài)分布對立假設(shè):數(shù)據(jù)據(jù)是不隨正正態(tài)分布Variable:設(shè)定需正態(tài)態(tài)性檢定的的Col(變量)Referenceprobabilities:輸入概概率值TestsforNormality:三個方方法中選擇擇一種結(jié)果分析:首先若資料料與圖象中中的直線一致，，可認(rèn)為按按正態(tài)分布布。因P-value為0.022比留留意水準(zhǔn)小小，故駁回歸屬屬假設(shè)，即即不隨正態(tài)態(tài)分布Cranksh.mtwMinitabNormalityTest(正態(tài)性檢定定)3.回歸分析為了模型化化及調(diào)查反反應(yīng)變量與與一個以上上的獨立變變量之間關(guān)關(guān)系的分析析Leastsquareregression:反應(yīng)變量為為連續(xù)性資資料時Regression:利用最小乘乘方法，實實施單一回回歸或多重重回歸StepwiseRegression:為了找出最最合適的說說明變量模模型進(jìn)行追加或或刪除變量量而分析BestSubsetsRegression:利用最大R-square基準(zhǔn)來來分析最大Subset回回歸FittedLinePlot:用一個預(yù)測測變量的線線型或多次次項進(jìn)行回歸分析ResidualPlot:為殘差分析析的Plot作成成Logisticsquareregression:反應(yīng)變量為為范籌型資資料時BinaryLogisticRegression:利用二項反反應(yīng)變量的的回歸分析(2個個范籌時)OrdinalLogisticRegression:利用順序型型反應(yīng)變量量的回歸分析(3個以上上范籌時)NominalLogisticRegression:利用名目型型反應(yīng)變量量的回歸分析(3個以上上范籌時)Minitab回歸分析基基礎(chǔ)MinitabRegression在兩個以上上變量的關(guān)關(guān)系上建立立數(shù)學(xué)函數(shù)數(shù)的方法Response:選擇種屬變變量(結(jié)果果值)->Score2Predictors:選選擇獨立立變量(輸輸入值)->Score1EXH_REGR.MTWOptions...Weight:為加重回歸歸指定有加加重值的ColFitintercept:決定在模型型中是否除除去絕對項項Display-Varianceinflationfactors:以多重空線型型判別(VIF)影響值，指指定VIF值輸出與否否-Durbin-Watsonstatistic:指定檢定殘殘差自己相相關(guān)Durbin-Watson統(tǒng)計量輸出出與否LackofFitTests-Pureerror:指定履行適適合性檢定定時純誤差差項的輸出與否-Datasubsetting:指定把說明明變量細(xì)分分而提供類類似反復(fù)效果的的算法適用用與否Predictionintervalsfornewobservation:推定回歸式后，按說說明變量的的值推定y值Storage-Fits:指定是否保保存推定的的y-Confidencelimits:指定是否保保存推定y的信賴水水準(zhǔn)的信賴區(qū)間-SDsoffits:指定是否保保存y的標(biāo)標(biāo)準(zhǔn)偏差-Predicctionlimits:指定是否保保存y的預(yù)預(yù)測界限MinitabRegressionResults...在Session窗不顯顯示任何結(jié)結(jié)果時顯示基本的的回歸分析析結(jié)果時顯示基礎(chǔ)統(tǒng)統(tǒng)計量時顯示追加統(tǒng)統(tǒng)計量時Graphs...ResidualsforPlots:殘差圖象中中顯示的殘殘差種類選選擇-Regular:在資料的原原來測度內(nèi)內(nèi)利用殘差差時-Standardized:利用標(biāo)準(zhǔn)殘殘差時-Deleted:利用Studentized殘差時時ResidualPlots-Histogramofresidual:畫殘差的Histogram時-Normalplotofresidual:畫殘差的正態(tài)態(tài)概率圖時時-Residualsversusfits:想看殘差的的適合性時時-Residualsversusorder:關(guān)于殘差對對比資料的的順序-Residualsversusthevariables:殘差與變量量之間的關(guān)關(guān)系MinitabRegressionMinitabRegression分析結(jié)果回歸方程式式為SCORE2=1.12+0.218SCORE1P值比留意意水準(zhǔn)小，，故駁回歸歸屬假設(shè)。即兩兩個變量的的回歸系數(shù)數(shù)不是0。。對資料的說說明程度(決定系數(shù)數(shù))為95.7%，因第9個數(shù)據(jù)據(jù)是非正常常數(shù)據(jù)，故需需要進(jìn)一步步觀察。新數(shù)據(jù)的信信賴區(qū)間為為(2.7614,3.0439),預(yù)測區(qū)區(qū)間為(2.5697,3.2356)。。MinitabStepwise說明變量數(shù)數(shù)量多時，，添加或減減少變量而而選別適當(dāng)當(dāng)?shù)淖兞考蠟槟康牡乃锌赡艿牡幕貧w:當(dāng)有k個變量時時，調(diào)查從從一個也不不包含的模模型至包含含k個的的所有模型前進(jìn)選擇法法:在在影響反應(yīng)應(yīng)變量的k個說明明變量中選選擇最大影影響的變量量，并判斷為再再無其它重重要變量時時,停止變變量的選擇擇后進(jìn)選擇法法:在在影響反應(yīng)應(yīng)變量的k個說明明變量中除除去影響小小的變量，，并判斷為再再無可除變變量時，停停止變量的的除去階段別回歸歸方法:在前進(jìn)選選擇法里加加后進(jìn)選擇擇法的方法法MinitabStepwiseResponse:輸入反應(yīng)變變量(Pulse2)Predictors:輸入入說明變量量(Pulse1Ran-Weight)Predictorstoincludeineverymodel:指定先包含含的變量選擇Forwardselection后后指定留意意水準(zhǔn)留意水準(zhǔn):把預(yù)測變變量追加到到回歸模型型的基準(zhǔn)(p值小于于留意水準(zhǔn)準(zhǔn)時追加)PULSE.MTWMinitabStepwise顯示進(jìn)入模模型的預(yù)測測變量的最最佳程度(若是2，，則顯示2個預(yù)測測變量)輸入要進(jìn)行行幾次操作作回歸模型里里要追加常常數(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-Value0.108MinitabBestSubsets在分析者者所希望望的說明明變量中中找出最最佳模型型的分析析Response:指定反應(yīng)應(yīng)變量Freepredictors:指定在模模型里包包含可能能性的變量Predictorsinallmodels:指定必須須包含在在模型中的變量量包含在模模型的至至少變量量數(shù)和最最大變量量數(shù)在說明變變量數(shù)為為相同的的組合中中，指定定最高說明明結(jié)果的的幾個輸輸出與否否EXH_REGR.MTW結(jié)果解釋釋在模型選選擇上有有根據(jù)的的統(tǒng)計量量(R-square,adj-R,Cp)Vars:包含在各各模型的的說明變變量數(shù)。。以下是如如前所定定的5個個說明變變量中包包含2個至4個的模模型中按按R-square高高順序所表示的的。另在包含含2個、、3個、、4個說說明變量量的模型型中，每各各變量個個數(shù)輸出出3個。。MinitabBestSubsets履行單一一回歸步步驟,繪繪出回回歸圖在線型回回歸及多多項回歸歸中有用用的方法法,即即一個變變量對應(yīng)應(yīng)一個反反應(yīng)值時時。Options...Response:指定反應(yīng)應(yīng)變量Predictor:指定說明明變量(僅一個個)TypeofRegressionModel:指定回歸歸Model(1,2,3次次方程式式)Transformations:反應(yīng)變量量與說明明變量取10為底底的LogDisplayOption:表示信賴賴區(qū)間及及預(yù)測區(qū)間間MinitabFittedLinePlotMinitabFittedLinePlot結(jié)果解釋釋顯示2次次項模型型比直線線模型更更為適合合殘差plot是為為回歸分分析診斷斷而使用用回歸分析析時,若若保存存了殘差差和推定定值(Fits),則則利用ResidualPlot步步驟繪出出殘差圖圖形。進(jìn)行殘差差分析之之前應(yīng)先先保存殘殘差和適適合值Stat>Regression>Storage:把把Fits與ResidualcheckResiduals:指定殘差差Fits:指指定反反應(yīng)變量量的推定定值MinitabResidualPlotsMinitabResidualPlots顯示為檢檢查殘差差是否近近似于正正態(tài)分布布的正態(tài)態(tài)概率圖圖，接近直線線時為良良好。用類似于于正態(tài)概概率圖的的用途顯顯示全面面的殘差差形態(tài)的圖圖象，正正態(tài)分布布形態(tài)時時為良好好殘差對適適合值的的圖象是是顯示越越小的預(yù)預(yù)測值更為適合合當(dāng)反應(yīng)變變量不是是連續(xù)性性的二分分型(0,1)資料時時的回歸歸分析Response:指定反應(yīng)應(yīng)變量Frequency:輸入頻率率數(shù)存在成功功與試行行次數(shù),成功功與失敗敗,失失敗與試行次次數(shù)形態(tài)態(tài)的反應(yīng)應(yīng)變量時時，各自自輸入。Model:指定說明明變量Factors:在說明變變量中指指定離散散型變量量Graph...指定為回回歸模型型診斷的的各種圖圖象EXH_REGR.MTWMinitabBinaryLogisticRegressionResults...通過圖象象診斷過過程中顯顯示不適適合模型型的值有有2個。。在圖象上上按鼠標(biāo)標(biāo)右鍵則則出現(xiàn)Play菜單，并并通過Brush確認(rèn)是第第31號號值與第第66號號值MinitabBinaryLogisticRegressionBinaryLogisticRegressionLinkFunction: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)果解解釋在Logistic回歸Table中Smoke與Weight在留意意水準(zhǔn)準(zhǔn)5%以內(nèi)有有意義義。并且p值值為0.023，，故判判斷為為至少少一個不不是0。實施適適合度度判定定，如如有p值小小于0.05則則適合合為不不恰當(dāng)當(dāng)?shù)模诖舜孙@示示適合合。在MeasuresofAssociation上Pairs部分是是一致致的結(jié)結(jié)果，，SummaryMeasures表示預(yù)預(yù)測力力的尺度。。(越接接近1為越越好的的預(yù)測測力)MinitabBinaryLogisticRegressionMinitabOrdinalLogisticRegression反應(yīng)變變量按按順序序型顯顯示的的logistic回歸歸模型型Response:指定反反應(yīng)變變量Frequency:輸入頻頻率數(shù)數(shù)存在成成功與與試行行次數(shù)數(shù),成成功功與失失敗,失失敗與與試行次次數(shù)形形態(tài)的的反應(yīng)應(yīng)變量量時，，各自自輸入入。Model:指定說說明變變量Factors:在說明明變量量中指指定離離散型型變量量EXH_REGR.MTWRegionr的p-value=0.685比留意意水準(zhǔn)準(zhǔn)0.05大大，故故沒有有影響響。在這模模型中中刪除除Region后,再再進(jìn)進(jìn)行分析為為好。。MinitabOrdinalLogisticRegression反應(yīng)變變量為為名目目型(性別別,郵郵編編,學(xué)學(xué)號號等)資資料構(gòu)構(gòu)成的的logistic回歸模模型。。Response:指定反反應(yīng)變變量Frequency:輸入頻頻率數(shù)數(shù)存在成成功與與試行行次數(shù)數(shù),成成功功與失失敗,失失敗與與試行次次數(shù)形形態(tài)的的反應(yīng)應(yīng)變量量時各各自輸輸入。。Model:指定說說明變變量Factors:在說明明變量量中指指定離離散型型變量量EXH_REGR.MTWMinitabNominalLogisticRegression4.分散分分析Minitab分散分分析基基礎(chǔ)尋找說說明變變量與與反應(yīng)應(yīng)變量量關(guān)系系式的的方法法論一元配配置分分散分分析(DATA形態(tài)態(tài)為Stack的的時時候)一元配配置分分散分分析(DATA形態(tài)態(tài)為Unstack的的時時候)二元配配置分分散分分析平均分分析均型分分散分分析(在各各水準(zhǔn)準(zhǔn)反復(fù)復(fù)相同同的時時候)一般線線型模模型支份分分散分分析檢定分分散的的同一一性區(qū)間Plot主效果果Plot交互效效果PlotMinitabOneWayANOVA(一元配配置法法)因子為為一個個,反反復(fù)復(fù)數(shù)為為對所所有水水準(zhǔn)不不相同同也可可,Radom實驗。。在數(shù)據(jù)據(jù)為一一個Col中中以Stack形形態(tài)態(tài)保存存時使使用。。Response:指定反反應(yīng)變變量Factor:指定定說明明變量量(要要因)Comparisons:檢檢定多多重比比較Storeresiduals:保保存殘殘差Storefits:保存存水準(zhǔn)準(zhǔn)平均均值DF:自由圖圖(DegreeofFreedom)SS:乘方的的和(SumofSquare)MS:不偏分分散(MeanofSquare)F:F-概率值值P:P-value(留留意概概率)留意水水準(zhǔn)比比p-value大則有有影響響。即即水水準(zhǔn)間間有差差。(級區(qū)區(qū)間有有變動動)->上上面面的p值值大于于0.05，，故沒沒有影影響。。EXH_AOV.MTW(先需要要檢定定RESPONSE值的正正態(tài)性性)Graphs...Dotplots/Boxplots圖象輸輸出optionResidualPlots:對殘差差提供供多樣樣的plot->殘差只只有隨隨正態(tài)態(tài)性時時，它的結(jié)結(jié)果值值才能能判斷斷為為正正確確。。存在在各各范范圍圍間間的的重重疊疊區(qū)區(qū)間間各點點呈呈現(xiàn)現(xiàn)直直線線狀狀態(tài)態(tài)時時，，意意味味著著正正態(tài)態(tài)性性MinitabOneWayANOVA(一元元配配置置法法)當(dāng)數(shù)數(shù)據(jù)據(jù)按按水水準(zhǔn)準(zhǔn)類類別別指指定定在在Col時時使使用用(Unstack形形態(tài)態(tài))剩余余事事項項與與Stack情情況況相相同同Responses:指定定按按各各水水準(zhǔn)準(zhǔn)別別有反反應(yīng)應(yīng)值值的的ColMinitabOneWayANOVA(Unstacked))因子子為為2個個，，把把因因子子各各水水準(zhǔn)準(zhǔn)的的組組合合全全部部Radom實施施的的實實驗驗。。數(shù)據(jù)據(jù)應(yīng)應(yīng)為為Stack形形態(tài)態(tài)。。Response:實驗驗結(jié)結(jié)果果數(shù)數(shù)據(jù)據(jù)Rowfactor:B因子子Columnfactor:A因子子Storeresiduals:保存存殘殘差差Fitadditivemodel:選擇擇交交互互作作用用的的有有無無Lake與Interaction的p值大大于于0.05，，故不不會會引起起效效果果。。Suppleme的p值小小于于0.05，，故Suppleme的水準(zhǔn)準(zhǔn)間間有有差差。。看左左圖圖可可知知道道Suppleme的平平均均間間有有差差。。看左左圖圖可可知知道道Lake的平平均均間間沒沒有有差差。。EXH_AOV.MTWMinitabTwo-wayANOVA用Graph來來顯顯示示因因子子的的平平均均值值，，檢檢討討因因子子的的哪哪個個水水準(zhǔn)準(zhǔn)有有影影響響<分散散分分析析與與平平均均分分析析的的差差距距>->分散散分分析析是是對對水水準(zhǔn)準(zhǔn)間間有有無無差差距距的的分分析析->平平均均分分析析是是對對全全體體平平均均與與各各水水準(zhǔn)準(zhǔn)平平均均間間有有無無差差距的的分分析析Response:反應(yīng)應(yīng)(結(jié)結(jié)果果)值值DistributionofData:資料料的的分分布布形形態(tài)態(tài)-Normal:正態(tài)態(tài)分分布布,Factor1:因子子水水準(zhǔn)準(zhǔn)Col(一一元元配配置置法法時時)Factor2:因子子水水準(zhǔn)準(zhǔn)第第二二Col(二二元元配配置置法法時時)-Binomial:二項項分分布布-Poisson:Poisson分布布Alphalevel:留意意水水準(zhǔn)準(zhǔn)脫離離管管理理線線則則有有影影響響用兩兩個個因因子子的的交交互互作作用用效效果果MainEffect:主要要因因Minutes的3水水準(zhǔn)準(zhǔn)(值值=18)時時有有影影響響Strength的3水水準(zhǔn)準(zhǔn)(值值=3)時時有有影影響響EXH_AOV.MTWMinitabAnalysisofMeansMinitabBalancedANOVA2水準(zhǔn)準(zhǔn)各各組組合合內(nèi)內(nèi)的的實實驗驗次次數(shù)數(shù)相相同同時時使使用用Response:實驗驗結(jié)結(jié)果果數(shù)數(shù)據(jù)據(jù)Model:指指定定需需分分析析的的因因子子Randomfactors:指指定定變變量量因因子子Probtype|Calculat的的標(biāo)標(biāo)記記為為考考慮慮交交互互作作用用效果果的的計計算算實實施施.EXH_AOV.MTWProbtype,Calculat,Probtype*Calculat等比比留留意意水水準(zhǔn)準(zhǔn)(0.05)小小，，故故判判斷斷為為各因因子子的的水水準(zhǔn)準(zhǔn)間間存存在在散散布布的的差差。。Engineer為變變量量因因子子故故無無統(tǒng)統(tǒng)計計意意義義。。MinitabTestforEqualVariances檢定定2集集團(tuán)團(tuán)以以上上的的分分散散是是否否一一致致-歸歸屬屬假假設(shè)設(shè):所所有有水水準(zhǔn)準(zhǔn)的的分分散散一一致致-對對立立假假設(shè)設(shè):至至少少一一個個以以上上的的分分散散不不一一樣樣正態(tài)態(tài)分分布布數(shù)數(shù)據(jù)據(jù)時時:Bartlett’’sTest包括括正正態(tài)態(tài)分分布布的的連連續(xù)續(xù)性性數(shù)數(shù)據(jù)據(jù)時時:Levene’’sTest因p-value比比留留意意水水準(zhǔn)準(zhǔn)(0.05)大大，，故故選選擇擇歸歸屬屬假假設(shè)設(shè)，，即即所所有有水水準(zhǔn)準(zhǔn)的的分分散散一一致致。。EXH_AOV.MTWMinitabIntervalPlot平均均信信賴賴區(qū)區(qū)間間得得出出后后作作成成plotYvariable:設(shè)定反應(yīng)應(yīng)值Groupvariable:subscript指指定Typeofintervalplot-StandardError:適用標(biāo)標(biāo)準(zhǔn)誤差差-Multiple:適用標(biāo)標(biāo)準(zhǔn)誤差差倍數(shù)-Confidenceinterval:指指定信賴賴度Displaymeanas:設(shè)定plot表示方方法Poolerroracrossgroups->適用用總合誤誤差◆平均值值以symbol標(biāo)標(biāo)記，，且有信信賴區(qū)間標(biāo)記記。MinitabMainEffectsPlot對主效果果的水準(zhǔn)準(zhǔn)間差異異比較Responses:指定反應(yīng)應(yīng)值Factors:指定定因子Baseplotson:指定定plot基準(zhǔn)準(zhǔn)Supplement在2水準(zhǔn)時時值特大大。Lake在各水水準(zhǔn)間無無太大的的變動。。EXH_AOV.MTWMinitabInteractionsPlot交互作用用的水準(zhǔn)準(zhǔn)間差異異比較Displayfullinteractionplotmatrix:作成為matrix可知道按按Field水準(zhǔn)準(zhǔn)變更的的Variety各各水準(zhǔn)準(zhǔn)的變動及平平均值。。-平均是是Variety4,6水準(zhǔn)比比別的水水準(zhǔn)小。。-變動是是Variety2水水準(zhǔn)比別別的水準(zhǔn)準(zhǔn)大。-水準(zhǔn)間間Cross角度度越大，，交互作作用效果果就越大。ALFALFA.MTW5.DOE(實驗計劃劃法)Minitab實驗計劃劃法基礎(chǔ)礎(chǔ)如何實施施實驗如如何選取取數(shù)據(jù),如何解釋釋才能以以最少的的實驗次次數(shù)迅速獲得得最大的的信息量量的計劃劃方法.實驗的成成敗，只只有把以以往的經(jīng)經(jīng)驗或者者理論性性、技術(shù)性知知識等的的原有技技術(shù)與依照實驗驗計劃法法的知識識結(jié)合起起來才有有可能.CreateFactorialDesign:要因配置置法實驗驗設(shè)計DefineCustomFactorialDesign:在變更當(dāng)當(dāng)前的實驗計劃劃而再指指定時使使用。AnalyzeFactorialDesign:得出實驗驗分析結(jié)結(jié)果FactorialPlot:主效果,交互效果果plot作成Contour/Surface(Wireframe)Plots:展現(xiàn)實驗驗的反應(yīng)表面面OverlaidContourPlot:以視覺性性展示多多個反應(yīng)應(yīng)變量的妥妥協(xié)領(lǐng)域域ResponseOptimizer:尋找滿足足目標(biāo)值值因子的的最佳組合合Factorial:要因配置置實驗RSDesign:反應(yīng)表面面實驗MixtureDesign:混合物實實驗ModifyDesign:對實驗的的修正DisplayDesign:實驗計劃劃后生成成的內(nèi)容容通過Worksheet可見Minitab實驗計劃劃法基礎(chǔ)礎(chǔ)DOE用語因子(Factor)實驗所用用的輸入入要素(例)溫度,濕度,…水準(zhǔn)(Level)各實驗因因子的設(shè)設(shè)定值(例)溫度100200(-)(+)反應(yīng)值(Response)實驗的數(shù)數(shù)值性結(jié)結(jié)果(一般用Y表示) (例)Y=267mm主效果(MainEffect)隨一個獨獨立因子子的水準(zhǔn)準(zhǔn)變化相相應(yīng)的(例)E1=2反應(yīng)值的的影響E2=-7交互效果果兩個以上上的因子子結(jié)合后后對反應(yīng)應(yīng)(例)E12=5(InteractionEffect)因子產(chǎn)生生的影響響解(Resolution)在部分實實施法中中表示實實驗設(shè)計計的攪亂亂(例)III,IV,V程度的記記號攪亂(Confounding)以兩個以以上因子子的效果果合并后后(例)1+2產(chǎn)生的現(xiàn)現(xiàn)象難以以分離1+3,2+2在多個因因子的各各水準(zhǔn)上上分析同同時實驗驗的結(jié)果果的技法法根據(jù)因子子的數(shù)量量-一元配置置法,二元配置置法,多元配置置法要因配置置法種類類-完全要因因配置法法(FullFactorialDesign):2水準(zhǔn)完全全要因配配置法,多水準(zhǔn)完完全要因因配置法法-部分實施施法(FractionalFactorialDesign)-Plackett-Burman計劃法(Plackett-BurmanDesign)在Minitab中要因配配置法的的實行階階段-利用“CreateFactorialDesign””為了完全全要因配配置法或或部分實實施法的的實驗設(shè)設(shè)計的選選擇-選擇實驗驗設(shè)計后后,指定各因因子的名名名稱及及水準(zhǔn)、、反復(fù)次次數(shù)、Random化與否-實行實驗驗后,輸入數(shù)據(jù)據(jù)實行“AnalyzeFactorialDesign”得出實驗驗分析結(jié)結(jié)果-最后利用用“FactorialPlot””繪出主效效果及交交互效果果的plotMinitabFactorialDesign(要因配置置法)MinitabFactorialDesign(要因配置置法）CreateFactorialDesign2-levelfactorial(defaultgenerators)->2水準(zhǔn)要因因配置(generator自動指定定)2-levelfactorial(specifygenerators)->2水準(zhǔn)要因因配置(generator使用者指指定)Plackett-Burmandesign:15因子以上上的情況況Generalfullfactorialdesign:在2水準(zhǔn)以上上，且要因類類別水準(zhǔn)準(zhǔn)不同時時的完全全要因?qū)崒嶒濶umberoffactors:因子數(shù)指指定DisplayAvailableDesigns:展示使用用可能的的配置顯示因子子別實驗驗數(shù)(Run)和分析度（Resolution)·實驗次數(shù)數(shù)越多，，分析度度越高分析度高高的順序序Full>VII>VI>V>IV>IIIPlackett-BurmanDesign是分析度度為IIILeveldlek.MinitabFactorialDesign(要因配置置法）Designs...指定Runs,centerpoints,replicates,blocksBlock:具有相同同性質(zhì)的的單位集集合Replicate:重新設(shè)置置實驗條條件后實實驗在多個試試料上按按同一條條件各自自實驗Centerpoint:在連續(xù)性性因子的的水準(zhǔn)為為中間值時實施施,評價反應(yīng)應(yīng)值的非非線型性性Factors...Factor:表示實驗驗的因子子Name:指定實驗驗的因子子名Low/High:以水準(zhǔn)表表示的低低水準(zhǔn)值值與高水水準(zhǔn)值->一般用–1與1表示,中心為0。MinitabFactorialDesign(要因故配配置法)Options...FoldDesign:設(shè)定FoldRandomizeRuns:實驗順序序RandomFraction:使用部分分配置法法時設(shè)定定Fraction使用位置置Baseforrandomdatagenerator:設(shè)定Random生成基準(zhǔn)點點Storedesigninworksheet:把實驗計劃劃保存在Worksheet能多樣化地地指定，愿愿意在Session窗口輸出的實驗計劃劃結(jié)果在Session窗口輸出與與別名(alias)關(guān)聯(lián)的內(nèi)容時，指定定交互作用用的次數(shù)。。Results...MinitabFactorialDesign(要因配置法法)DesignCustomFactorialDesign在變更當(dāng)前前的實驗計計劃重新指指定時使用用Factors:指定已輸入入的因子水水準(zhǔn)的列2-levelfactorial:2水準(zhǔn)要因?qū)崒嶒濭eneralfullfactorial:不是2水準(zhǔn)的完全全要因?qū)嶒烌炗媱澲付ㄒ蜃拥牡乃疁?zhǔn)Low/High...MinitabFactorialDesign(要因配置法法)Designs...指定實驗編編號、實驗驗的基本順順序、中心心點、實驗的Block.Orderofthedata:以設(shè)定的數(shù)數(shù)據(jù)配置指指定Specifybycolumn:指定特定columnMinitabFactorialDesign(要因配置法法)AnalyzeFactorialDesign實驗結(jié)果分分析FULLFACT.MTWResponses:指定有實驗驗結(jié)果值的的ColTerms...計算里欲包包括的項目目設(shè)定->未包括的項項目按誤差差項PoolingGraphs...EffectsPlots:設(shè)定效果PlotsAlpha:指定留意水水準(zhǔn)ResidualsforPlots:殘差處理方方法MinitabFactorialDesign(要因配置法法)Results...對于Session窗口輸出的的結(jié)果可以以選擇選擇把別名名Table在Session窗口輸出顯示在模型型中的因子子和其對交交互作用的的最低乘方平平均若設(shè)計為直直交型,無covariate，那么各個最小乘方平平均為在同同一窗口中中的所有觀測值的平平均。選擇欲輸出出最小乘方方平均的termMinitabFactorialDesign(要因配置法法)Storage...FitsandResiduals:把適合值與與殘差保存存在Worksheet.ModelInformation:在2水準(zhǔn)要因?qū)崒嶒灮蛘逷B實驗分析結(jié)結(jié)果中，保保存各個反反應(yīng)值的效果。但不不能保存常常數(shù)、Covariate、中心點、Block的效果。實驗計劃Matrix等對各個反反應(yīng)值進(jìn)行行保存。依系數(shù)相乘乘的實驗計計劃Matrix計算出適合合值。Other:為確認(rèn)異常常值的數(shù)據(jù)據(jù)被保存MinitabFactorialDesign(要因配置法法)Minitab實行結(jié)果在看各因子子的p-value時可以知道主因子子C,T和交互因子K*T為統(tǒng)計性的的有影響的的因子根據(jù)分散分分析表(ANOVATable)可知道主因因子占全體體散布的82.4%(=2225.0/2699.0)MinitabFactorialDesign(要因配置法法)Pareto圖可同時看看到效果的的大小與重要性。超過指針線線的C,AC,B因子為有影影響在正態(tài)概率率圖中離直直線遠(yuǎn)離的的因子可認(rèn)為信號因因子在上圖中