Minitab介紹Minitab是眾多統(tǒng)計軟件當中比較簡單易懂的軟件之一；相對來講，Minitab在質量管理方面的應用是比較適合的；Minitab的功能齊全，一般的數(shù)據(jù)分析和圖形處理都可以應付自如。7/23/20231Minitab全面培訓教程Minitab與6Sigma的關系在上個世紀80年代Motolora開始在公司內推行6Sigma，并開始借助Minitab使6Sigma得以最大限度的發(fā)揮；6Sigma的MAIC階段中，很多分析和計算都可以都通過Minitab簡單的完成；即使是對統(tǒng)計的知識不怎么熟悉，也同樣可以運用Minitab很好的完成各項分析。7/23/20232Minitab全面培訓教程Minitab的功能計算功能計算器功能生成數(shù)據(jù)功能概率分布功能矩陣運算7/23/20233Minitab全面培訓教程Minitab的功能數(shù)據(jù)分析功能基本統(tǒng)計回歸分析方差分析實驗設計分析控制圖質量工具可靠度分析多變量分析時間序列列聯(lián)表非參數(shù)估計EDA概率與樣本容量7/23/20234Minitab全面培訓教程Minitab的功能圖形分析直方圖散布圖時間序列圖條形圖箱圖矩陣圖輪廓圖三維圖點圖餅圖邊際圖概率圖莖葉圖特征圖7/23/20235Minitab全面培訓教程課程內容安排由于時間有限，很多內容只是做簡單的介紹；在兩天的時間里，主要的課程內容安排如下：R&D研發(fā)支援生產

6σTransactionManufacturing7/23/20236Minitab全面培訓教程區(qū)分第一天第二天上午基本界面和操作介紹常用圖形的Minitab操作特性要因圖柏拉圖散布圖直方圖時間序列圖4）組間/組內能力分析5）Weibull能力分析基礎統(tǒng)計和假設檢驗1)描述統(tǒng)計2)單樣本Z測試3)單樣本T測試4)雙樣本T測試5)成對T測試6)1比率測試7)2比率測試8)正態(tài)分布下午SPC的Minitab操作

1)Xbar-RChart2)Xbar-SChart

3)I-MRChart4)Z-MRChart5)I-MR-R/SChart6)PChart7)NPChart

8)CChart9)UChart能力分析1）正態(tài)分布圖能力分析2）泊松分布圖能力分析3）二項分布圖能力分析方差分析1)單因數(shù)和雙因數(shù)方差分析回歸分析1)簡單回歸2)逐步回歸MSA測量系統(tǒng)分析1)測量重復和再現(xiàn)性

(交叉Crossed、嵌套Nested)2)測量走勢圖3)測量線性研究4)屬性測量R&R研究（計數(shù)）7/23/20237Minitab全面培訓教程Minitab界面和

基本操作介紹7/23/20238Minitab全面培訓教程Minitab界面SessionWindow:分析結果輸出窗口DataWindow:輸入數(shù)據(jù)的窗口每一列的名字可以寫在最前面的列每一列的數(shù)據(jù)性質是一致的主菜單7/23/20239Minitab全面培訓教程Minitab界面同一時間只能激活一個窗口.每一個窗口可以單獨儲存.不同的要求選擇不同的保存命令7/23/202310Minitab全面培訓教程打開文件保存文件打印窗口之前之后命令查找數(shù)據(jù)查找下一個數(shù)據(jù)取消幫助顯示因子設計當前數(shù)據(jù)窗口session窗口剪切復制粘貼恢復顯示worksheets折疊顯示GRAPH折疊狀態(tài)向導顯示session窗口折疊項目窗口關閉所有圖形窗口重做編輯最近對話框歷史記錄報告便棧打開相關文件項目管理窗口插入單元格插入行插入列移除列工具欄的介紹7/23/202311Minitab全面培訓教程數(shù)據(jù)的生成

(MakeRandomData)例：生成一組男生身高的數(shù)據(jù)，要求：平均身高175cm，標準偏差5cm，數(shù)據(jù)個數(shù)100.Select:計算>隨機數(shù)據(jù)>正態(tài)7/23/202312Minitab全面培訓教程數(shù)據(jù)的生成結果7/23/202313Minitab全面培訓教程生成有規(guī)律的數(shù)據(jù)Select:計算>產生模板化數(shù)據(jù)>簡單數(shù)集7/23/202314Minitab全面培訓教程結果輸出7/23/202315Minitab全面培訓教程數(shù)據(jù)類型的轉換

(ChangeDataType)Select:數(shù)據(jù)>更改數(shù)據(jù)類型>數(shù)字到文本需要轉換的列轉換后數(shù)據(jù)存放列，可以是原來的數(shù)據(jù)列7/23/202316Minitab全面培訓教程數(shù)據(jù)類型的轉換結果7/23/202317Minitab全面培訓教程數(shù)據(jù)的堆棧（Stack&Unstack）Select:數(shù)據(jù)>堆疊>列原始數(shù)據(jù)輸入需要堆棧的列，如果由前后順序，按前后順序進行輸入輸入堆棧后存放列的位置注解可以用來區(qū)分數(shù)據(jù)的來源7/23/202318Minitab全面培訓教程數(shù)據(jù)的堆棧結果7/23/202319Minitab全面培訓教程數(shù)據(jù)塊的堆棧(StackBlocks)Select:數(shù)據(jù)>堆疊>列的區(qū)組原始數(shù)據(jù)在對話框中輸入2~5列數(shù)據(jù)，注解列在前面輸入新工作表和注解的位置7/23/202320Minitab全面培訓教程數(shù)據(jù)塊的堆棧結果7/23/202321Minitab全面培訓教程轉置欄（TransposeColumns）Select:數(shù)據(jù)>轉置列輸入需要轉置的列輸入新工作表的位置可以輸入注解列7/23/202322Minitab全面培訓教程轉置結果7/23/202323Minitab全面培訓教程連接（Concatenate）Select:數(shù)據(jù)>合并原始數(shù)據(jù)輸入需要連接的數(shù)據(jù)列輸入新數(shù)據(jù)列的位置7/23/202324Minitab全面培訓教程連接結果7/23/202325Minitab全面培訓教程編碼（Code）Select:數(shù)據(jù)>編碼>數(shù)字到文本原始數(shù)據(jù)被編碼的變量存儲編碼值的欄規(guī)則編碼7/23/202326Minitab全面培訓教程編碼結果7/23/202327Minitab全面培訓教程Minitab之常用圖形7/23/202328Minitab全面培訓教程QC手法常用的圖形如下:特性要因圖控制圖(參見SPC部分)柏拉圖散布圖直方圖時間序列圖σσσσσσ7/23/202329Minitab全面培訓教程特性要因圖決定特性Y頭腦風暴找出可能的要因X將X依5M+1E方式列表將表輸出MINITAB中輸出結果圖形7/23/202330Minitab全面培訓教程練習人機料法環(huán)測不夠熟練設備沒有保養(yǎng)原料沒有檢查沒有設定標準化方法溫度太高儀器偏差太大培訓不夠設備不常清掃原料含s,p太高抽樣方式不合理濕度太低儀器R&R太高監(jiān)督不夠沒有進行點檢7/23/202331Minitab全面培訓教程輸入表中Select:統(tǒng)計>質量工具>因果注意輸入格式7/23/202332Minitab全面培訓教程填好各項需要的參數(shù)7/23/202333Minitab全面培訓教程結果輸出:7/23/202334Minitab全面培訓教程柏拉圖收集各項質量特性缺陷列成表輸入到MINITAB中MINITAB繪出圖形找出關鍵的Y特性7/23/202335Minitab全面培訓教程練習項次缺陷項數(shù)量1虛焊5002漏焊3003強度不夠2004外觀受損1505其它1607/23/202336Minitab全面培訓教程輸入數(shù)據(jù)Select:統(tǒng)計>質量工具>Pareto圖7/23/202337Minitab全面培訓教程填好各項參數(shù)輸入缺陷列輸入頻數(shù)列在此指定“95%”將使余下的圖示為“Others”。設置X軸,Y軸標簽可以對柏拉圖進行命名7/23/202338Minitab全面培訓教程結果輸出7/23/202339Minitab全面培訓教程不良項目不良數(shù)不良率累計不良率摩擦痕7.780.370.37輥印2.440.120.48污染2.270.110.59劃傷2.220.110.70線形裂紋1.970.090.79異物壓入1.330.060.85斑痕1.110.050.91微細裂紋0.770.040.94墊紙壓入0.680.030.98軋機墊紙印痕0.510.021.00合計21.08

下表為STS冷軋工廠ZRM不良現(xiàn)狀,試做分析練習:7/23/202340Minitab全面培訓教程散布圖決定你所關心的Y決定和Y有可能的X收集Y和X的數(shù)據(jù)輸入MINITAB繪出圖形判定Y和X之間的關系7/23/202341Minitab全面培訓教程練習YX658006681065820668306784067850688606887067890689007/23/202342Minitab全面培訓教程輸入數(shù)據(jù)Select:圖形>散點圖7/23/202343Minitab全面培訓教程輸入參數(shù)可以選擇不同的輸出表現(xiàn)形式7/23/202344Minitab全面培訓教程輸出圖形可以用直接方式判定，有正相關的傾向。更詳細的說明可以參見回歸分析7/23/202345Minitab全面培訓教程直方圖決定你所關心的Y或X收集Y或X的數(shù)據(jù)輸入MINITAB表MINITAB繪出直方圖進行判定7/23/202346Minitab全面培訓教程練習序號零件重量161.161.361.460.660.662.061.060.6260.660.860.961.361.060.860.760.2361.360.660.360.761.260.661.162.1461.060.861.860.960.961.761.460.4560.960.260.661.561.759.862.162.3661.060.860.960.661.161.061.160.9760.360.761.061.760.561.661.660.7860.561.361.561.161.060.761.260.8961.061.461.060.361.161.161.061.11061.260.960.461.660.660.460.360.61160.460.561.361.261.960.961.060.71260.860.859.760.861.061.260.660.71362.361.261.260.061.060.161.461.11462.260.960.561.662.561.161.061.41560.160.861.061.160.861.561.760.57/23/202347Minitab全面培訓教程Select:圖形>直方圖輸入數(shù)據(jù)例:右表為某零件重量的數(shù)據(jù).試作(1)直方圖(2)計算均值x和標準差s(3)該特性值的下限是60.2克,上限是62.6克,在直方圖中加入規(guī)格線并加以討論.7/23/202348Minitab全面培訓教程填入參數(shù)可以選擇不同的輸出表現(xiàn)形式可以同時為幾個變量作直方圖點擊此選項輸入上下規(guī)格界限7/23/202349Minitab全面培訓教程結果輸出請依照直方圖分析方法來進行圖形分析和判定更深入的分析可以參見制程能力分析部份。7/23/202350Minitab全面培訓教程時間序列圖決定你所關心的Y或X收集Y或X的數(shù)據(jù)輸入MINITAB表MINITAB繪出時間序列圖進行判定7/23/202351Minitab全面培訓教程練習時間銷售量2006/11502006/21262006/31352006/41652006/51902006/61702006/71752006/81802006/91767/23/202352Minitab全面培訓教程輸入數(shù)據(jù)Select:圖形>時間序列圖7/23/202353Minitab全面培訓教程填入參數(shù)可以選擇不同的輸出表現(xiàn)形式時間刻度設置7/23/202354Minitab全面培訓教程結果輸出依此狀況來判定未定的銷售趨勢。7/23/202355Minitab全面培訓教程Minitab的SPC使用7/23/202356Minitab全面培訓教程控制圖一.控制圖原理1.現(xiàn)代質量管理的一個觀點--產品質量的統(tǒng)計觀點a.產品的質量具有變異性.b.產品質量的變異具有統(tǒng)計規(guī)律性.至工業(yè)革命以后,人們一開始誤認為:產品是由機器造出來的,因此,生產出來的產品是一樣的.隨著測量理論與測量工具的進步,人們終于認識到:產品質量具有變異性,公差制度的建立是一個標志.產品質量的變異也是有規(guī)律性的,但它不是通常的確定性現(xiàn)象的確定性規(guī)律,而是隨機現(xiàn)象的統(tǒng)計規(guī)律.7/23/202357Minitab全面培訓教程控制圖一.控制圖原理2.控制圖的原理a.計量值產品特性的正態(tài)分布如果我們對某一計量值產品的特性值(如:鋼卷厚度等）進行連續(xù)測試,只要樣本量足夠大,就可看到它們服從正態(tài)分布的規(guī)律.0μn(x;μ,σ)7/23/202358Minitab全面培訓教程控制圖一.控制圖原理b.3σ控制方式下的產品特性值區(qū)間3σ控制方式下產品特性值落在[μ-3σ,μ+3σ]范圍內的概率為99.73%,其產品特性值落在此區(qū)間外的概率為1-99.73%=0.27%.0.135%0.135%μ-3σμ+3σμ7/23/202359Minitab全面培訓教程控制圖一.控制圖原理c.常規(guī)控制圖的形成μμ-3σμ+3σμμ+3σμ-3σμ-3σμ+3σμ7/23/202360Minitab全面培訓教程控制圖一.控制圖原理d.控制圖原理的解釋第一種解釋:1.若過程正常,即分布不變,則點子超過UCL的概率只有1‰左右.2.若過程異常,μ值發(fā)生偏移,于是分布曲線上、下偏移,則點子超過UCL或LCL的概率大為增加.結論:點出界就判異以后要把它當成一條規(guī)定來記住.891011UCLCLLCL時間(h)7/23/202361Minitab全面培訓教程控制圖一.控制圖原理第二種解釋:1.偶然因素引起偶然波動。偶然波動不可避免,但對質量的影響微小,通常服從正態(tài)分布,且其分布不隨時間的變化而改變。時間目標線可預測過程受控7/23/202362Minitab全面培訓教程控制圖一.控制圖原理2.異因引起異波。異波產生后,其分布會隨時間的變化而發(fā)生變化。異波對質量影響大,但采取措施后不難消除。第二種解釋:結論:控制圖上的控制界限就是區(qū)分偶波與異波的科學界限,休哈特控制圖的實質是區(qū)分偶然因素與異常因素兩類因素.時間目標線不可預測過程失控7/23/202363Minitab全面培訓教程二.常規(guī)控制圖及其用途控制圖~取樣費時、昂貴的場合.UCLx=X+2.66RsUCLRs=3.267Rs單值-移動極差控制圖X-Rs現(xiàn)場需把測定數(shù)據(jù)直接記入控制圖進行控制.UCLX=X+m3A2RUCLR=D4RLCLR=D3R中位數(shù)-極差控制圖X-R當樣本大小n>10,需要應用s圖來代替R圖.UCLX=X+A3sUCLs=B4sLCLs=B3s均值-標準差控制圖X-s最常用最基本的控制圖.控制對象:長度、重量等.UCLX=X+A2RUCLR=D4RLCLR=D3R均值-極差控制圖X-R正態(tài)分布(計量值)備注控制圖界限控制圖名稱控制圖代號分布~7/23/202364Minitab全面培訓教程二.常規(guī)控制圖及其用途控制圖一定單位,樣品大小不變時UCLc=c+3c不合格數(shù)控制圖c一定單位中所出現(xiàn)缺陷數(shù)目控制UCLu=u+3u/n單位不合格數(shù)控制圖u泊松分布(計點值)不合格品數(shù)控制UCLnp=np+3np(1-p)不合格品數(shù)控制圖np用于不合格品率或合格品率控制UCLp=p+3p(1-p)/n不合格品率控制圖p二項分布(計件值)備注控制圖界限控制圖名稱控制圖代號分布√√√√7/23/202365Minitab全面培訓教程Minitab可提供的圖形計量型Xbar-RXbar-sI-MRI-MR-sZ-MR計數(shù)型PNpCU7/23/202366Minitab全面培訓教程Xbar-R做法Xbar-R是用于計量型判穩(wěn)準則：連續(xù)二十五點沒有超出控制界限。判異準則：一點超出控制界限連續(xù)六點上升或下降或在同一側不呈正態(tài)分布，大部份點子沒有集中在中心線。7/23/202367Minitab全面培訓教程Xbar-R做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/202368Minitab全面培訓教程Xbar-R練習Select:統(tǒng)計>控制圖>子組的變量控制圖>Xbar-R打開Data目錄下的

凸輪軸.mtw路徑：ProgramFiles\Minitab\Minitab16\中文(簡體)\樣本數(shù)據(jù)\凸輪軸7/23/202369Minitab全面培訓教程輸入參數(shù)根據(jù)不同的輸入方式選擇不同的分析方法7/23/202370Minitab全面培訓教程決定測試要求可以在這里選擇判異準則7/23/202371Minitab全面培訓教程判異準則準則1:一點超出控制界限AABCCBUCLCLLCL××區(qū)域A(+3σ)區(qū)域A(-3σ)區(qū)域B(+2σ)區(qū)域C(+1σ)區(qū)域C(-1σ)區(qū)域B(-2σ)UCLCLLCL7/23/202372Minitab全面培訓教程準則2:連續(xù)9點在中心線的同側判異準則AABCCBUCLCLLCL7/23/202373Minitab全面培訓教程準則3:連續(xù)6點呈上升或下降趨勢AABCCBUCLCLLCL判異準則7/23/202374Minitab全面培訓教程準則4:連續(xù)14點上下交替AABCCBUCLCLLCL判異準則7/23/202375Minitab全面培訓教程準則5:連續(xù)3點中有2點落在中心線同一側的B區(qū)以外判異準則AABCCBUCLCLLCL7/23/202376Minitab全面培訓教程準則6:連續(xù)5點中有4點在C區(qū)之外(同側)判異準則AABCCBUCLCLLCL7/23/202377Minitab全面培訓教程準則7:連續(xù)15點在中心線附近的C區(qū)內判異準則AABCCBUCLCLLCL7/23/202378Minitab全面培訓教程準則8:連續(xù)8點在中心線兩側而無一點在C區(qū)判異準則AABCCBUCLCLLCL7/23/202379Minitab全面培訓教程決定標準差的估計方法一般選擇Rbar的標準差估計方式7/23/202380Minitab全面培訓教程決定選項進行正態(tài)性轉換λ值將標準轉換變量的標準偏差最小化,當λ≠0，轉換結果為Yλ,如λ＝0,轉換結果為LOGeYλ值轉換值λ＝2Y′=Y2λ＝0.5Y′=√Yλ＝0Y′=logeYλ＝-0.5Y′=1/√Yλ＝-1Y′=1/Y7/23/202381Minitab全面培訓教程決定選項(續(xù))輸入1,2,3StDEV控制限7/23/202382Minitab全面培訓教程圖形輸出:7/23/202383Minitab全面培訓教程判圖請判定前圖是否有異常請問本圖為解析用圖或是控制用圖7/23/202384Minitab全面培訓教程Xbar-s做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/202385Minitab全面培訓教程Xbar-s練習Select:統(tǒng)計>控制圖

>

子組的變量控制

>Xbar-s打開數(shù)據(jù)樣本目錄下的凸輪軸.mtw7/23/202386Minitab全面培訓教程輸入參數(shù)其他參數(shù)設置與Xbar-R圖相同7/23/202387Minitab全面培訓教程圖形輸出:7/23/202388Minitab全面培訓教程判圖請判定前圖是否有異常請問本圖為分析用圖或是控制用圖7/23/202389Minitab全面培訓教程I-MR圖做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/202390Minitab全面培訓教程I-MR練習打開下列檔案:Data目錄下的涂層.MTWSelect:統(tǒng)計>控制圖>

單值的變量控制圖>I-MR7/23/202391Minitab全面培訓教程輸入參數(shù)輸入變量7/23/202392Minitab全面培訓教程圖形輸出7/23/202393Minitab全面培訓教程判圖請判定前圖是否有異常請問本圖為解析用圖或是控制用圖7/23/202394Minitab全面培訓教程I-MR-R圖做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/202395Minitab全面培訓教程I-MR-R練習打開Data目錄下的凸輪軸.mtwSelect:統(tǒng)計>控制圖>

子組的變量控制圖>I-MR-R7/23/202396Minitab全面培訓教程輸入參數(shù)輸入變量和樣本數(shù)7/23/202397Minitab全面培訓教程圖形輸出7/23/202398Minitab全面培訓教程判圖請判定前圖是否有異常請問本圖為分析用圖或是控制用圖7/23/202399Minitab全面培訓教程Z-MR(標準化的單值移動極差)圖做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/2023100Minitab全面培訓教程Z-MR練習Select:統(tǒng)計>控制圖>

單值的變量控制圖>Z-MR打開

數(shù)據(jù)樣本目錄下的質量控制示例.MTW

當過程數(shù)據(jù)少而無法很好評估過程參數(shù)時使用7/23/2023101Minitab全面培訓教程輸入參數(shù)輸入變量輸入自變量7/23/2023102Minitab全面培訓教程決定估計選擇標準差的估計方法7/23/2023103Minitab全面培訓教程圖形輸出7/23/2023104Minitab全面培訓教程P圖做法判定及采取措施決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析7/23/2023105Minitab全面培訓教程P圖練習P圖只能適用在二項分布的質量特性性。在做p圖時，要注意其樣本數(shù)必須達到1/p~5/p，如此之下的圖才比較具有意義。7/23/2023106Minitab全面培訓教程輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:統(tǒng)計>控制圖>屬性控制圖>P將數(shù)據(jù)輸入到Minitab表中7/23/2023107Minitab全面培訓教程輸入參數(shù)輸入變量輸入樣本數(shù)7/23/2023108Minitab全面培訓教程決定判異準則選擇判異準則計數(shù)型的判異準則與計量型的不太一樣7/23/2023109Minitab全面培訓教程圖形輸出7/23/2023110Minitab全面培訓教程NP圖做法決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/2023111Minitab全面培訓教程NP圖練習np圖只能適用在二項分布的質量特性性。在做np圖時，要注意其樣本數(shù)必須達到1/p~5/p，如此之下的圖才比較具有意義。7/23/2023112Minitab全面培訓教程輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:統(tǒng)計>控制圖>屬性控制圖>NP將數(shù)據(jù)輸入到Minitab表中7/23/2023113Minitab全面培訓教程圖形輸出7/23/2023114Minitab全面培訓教程C圖做法決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/2023115Minitab全面培訓教程C圖練習c圖只能適用在泊松分布的質量特性上。在做c圖時，要注意其樣本數(shù)必須達到取樣時至少包含一個缺陷以上，如此之下的圖才比較具有意義。另外就是基本上c圖的樣本要一定才可以。如果樣本數(shù)不一樣，則應當使用u圖。7/23/2023116Minitab全面培訓教程輸入數(shù)據(jù)打開數(shù)據(jù)文檔將數(shù)據(jù)輸入到

Minitab表中Select:統(tǒng)計>控制圖>屬性控制圖>C7/23/2023117Minitab全面培訓教程輸入參數(shù)輸入變量7/23/2023118Minitab全面培訓教程決定判異準則判異準則同P圖一樣7/23/2023119Minitab全面培訓教程圖形輸出7/23/2023120Minitab全面培訓教程U圖做法決定要研究或控制的Y特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/2023121Minitab全面培訓教程U圖練習u圖只能適用在泊松分布的質量特性上。在做u圖時，要注意其樣本數(shù)必須達到取樣時至少包含一個缺陷以上，如此之下的圖才比較具有意義。7/23/2023122Minitab全面培訓教程輸入數(shù)據(jù)打開數(shù)據(jù)文檔Select:統(tǒng)計>控制圖>屬性控制圖>U將數(shù)據(jù)輸入到

Minitab表中7/23/2023123Minitab全面培訓教程輸入參數(shù)輸入變量輸入樣本量7/23/2023124Minitab全面培訓教程圖形輸出7/23/2023125Minitab全面培訓教程EWMA做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/2023126Minitab全面培訓教程EWMA的全稱為ExponentiallyWeightedMovingAverage,即指數(shù)加權移動平均控制圖.EWMA圖的特點:1、對過程位置的稍小變動十分敏感;2、圖上每一點都綜合考慮了前面子組的信息;3、對過程位置的大幅度移動沒有Xbar圖敏感;4、可應用于單值,也可應用于子組容量大于1的場合.EWMA圖的適用場合:可用于檢測任意大小的過程位置變化,因此常用于監(jiān)控已受控過程,以發(fā)現(xiàn)過程均值相對于目標值的漂移7/23/2023127Minitab全面培訓教程EWMA練習Select:統(tǒng)計>控制圖>

時間加權控制圖>EWMA7/23/2023128Minitab全面培訓教程輸入參數(shù)確定權重系數(shù)λ的值,λ由所需的EWMA圖對位置偏移檢測靈敏度所決定,要求檢測靈敏度越高,λ值越小.如需檢測1σ的過程偏移,λ=0.2,如需檢測2σ的過程偏移,λ=0.4.常取λ=0.2,1<λ<2.7/23/2023129Minitab全面培訓教程圖形輸出7/23/2023130Minitab全面培訓教程CUSUM做法決定要研究或控制的Y或X特性收集數(shù)據(jù)輸入minitab中用minitab繪圖及分析判定及采取措施7/23/2023131Minitab全面培訓教程CUSUM的全稱為CumulativeSum,即累積和控制圖.CUSUM圖的特點:1、可以檢測每個樣本值偏離目標值的偏差的累積和;2、可應用于單值,也可應用于子組容量大于1的場合;3、要求每個子組的樣本容量相等.CUSUM圖的適用場合:CUSUM圖適用于在過程受控時,檢測過程實際值偏離目標的異常點,作用與EWMA圖類似.7/23/2023132Minitab全面培訓教程CUSUM練習Select:統(tǒng)計>控制圖>

時間加權控制圖>CUSUM例:某機場每天離港、進港航班多達千架次,航班延誤情況很是嚴重.航空公司在6σ管理中把航班延誤作為重點解決的質量項目,規(guī)定航班起飛時間比時刻表晚5分鐘為延誤,其中不包括因惡劣天氣等無法抗拒因數(shù)造成的延誤.通過一段時間的治理,航班延誤率從過去的10%降到現(xiàn)在的2%左右,公司決定采取過程控制,把航班延誤率控制在2%的較好水平.7/23/2023133Minitab全面培訓教程輸入參數(shù)點擊此選項決策區(qū)間過程允許偏移量7/23/2023134Minitab全面培訓教程圖形輸出7/23/2023135Minitab全面培訓教程MINITAB之制程能力分析7/23/2023136Minitab全面培訓教程制程能力之分類計量型(基于正態(tài)分布)計數(shù)型(基于二項分布)計數(shù)型(基于泊松分布)7/23/2023137Minitab全面培訓教程MINITAB能力分析的選項(計量型)能力分析(正態(tài))能力分析(組間/組內)能力分析(非正態(tài))能力分析(多變量正態(tài))能力分析(多變量非正態(tài))能力分析(二項)能力分析(Poission)CapabilitySixpack

(正態(tài))CapabilitySixpack

(組間/組內)CapabilitySixpack

(非正態(tài))7/23/2023138Minitab全面培訓教程能力分析

(正態(tài))該命令會劃出帶理論正態(tài)曲線的直方圖，這可直觀評估數(shù)據(jù)的正態(tài)性。輸出報告中還包含過程能力統(tǒng)計表，包括子組內和總體能力統(tǒng)計。7/23/2023139Minitab全面培訓教程能力分析

(組間/組內)該命令會劃出帶理論正態(tài)曲線的直方圖，可以直觀評估數(shù)據(jù)的正態(tài)性。該命令適用于子組間存在較大變差的場合。輸出報告中還包含過程能力統(tǒng)計表，包括子組間／子組內和總體能力統(tǒng)計。7/23/2023140Minitab全面培訓教程能力分析

(非正態(tài))

該命會會劃出帶非正態(tài)曲線的直方圖，這可直觀評估數(shù)據(jù)是否服從其他分布。輸出報告中還包含總體過程總能力統(tǒng)計7/23/2023141Minitab全面培訓教程能力分析

(多變量正態(tài))能力分析

(多變量非正態(tài))---上述兩個命令用于對多個變量進行分析7/23/2023142Minitab全面培訓教程制程能力分析做法決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進行分析結果說明7/23/2023143Minitab全面培訓教程STEP1決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進行分析結果說明Y特性一般是指客戶所關心所重視的特性。Y要先能量化，盡量以定量數(shù)據(jù)為主。Y要事先了解其規(guī)格界限，是單邊規(guī)格，還是雙邊規(guī)格。目標值是在中心，或則不在中心測量系統(tǒng)的分析要先做好。7/23/2023144Minitab全面培訓教程STEP2決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進行分析結果說明在收集Y特性時要注意層別和分組。各項的數(shù)據(jù)要按時間順序做好相應的整理7/23/2023145Minitab全面培訓教程STEP3決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進行分析結果說明將數(shù)據(jù)輸入MINTAB中，或則在EXCEL中都可以。7/23/2023146Minitab全面培訓教程STEP4決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進行分析結果說明利用MINITAB>統(tǒng)計>質量工具

>能力分析(正態(tài))7/23/2023147Minitab全面培訓教程STEP5決定Y特性決定Y特性收集Y特性數(shù)據(jù)輸入MINITAB數(shù)據(jù)表進行分析結果說明利用MINITAB的各項圖形來進行結果說明7/23/2023148Minitab全面培訓教程練習樣本X1X2X3X4X5199.7098.72100.24101.28101.20299.32100.97100.8799.2498.21399.8999.83101.4899.56100.90499.1599.7199.1799.3098.80599.66100.80101.06101.16100.45697.7498.8299.2498.6498.737101.18100.2499.6299.3399.918101.54100.96100.62100.67100.499101.49100.6799.36100.38102.101097.1698.2697.59100.0999.787/23/2023149Minitab全面培訓教程輸入數(shù)據(jù)Select:統(tǒng)計>質量工具>能力分析(正態(tài))注意輸入方式7/23/2023150Minitab全面培訓教程輸入選項根據(jù)不同的數(shù)據(jù)輸入方式選擇分析方法輸入上下規(guī)格界限7/23/2023151Minitab全面培訓教程選擇標準差的估計方法一般選擇復合的標準差估計方式7/23/2023152Minitab全面培訓教程選項的輸入如果需要計算Cpm則需要輸入目標值選擇是否作正態(tài)型轉換過程能力表現(xiàn)形式的選擇7/23/2023153Minitab全面培訓教程以Cpk,Ppk結果的輸出Cpm是指樣本數(shù)值相對于對于目標值的一個能力值，也就是樣本是否靠近目標值的概率樣本數(shù)值超過分析規(guī)格界限的分布率模擬曲線落在控制線以外的分布率7/23/2023154Minitab全面培訓教程Cp:過程能力指數(shù),又稱為潛在過程能力指數(shù),

為容差的寬度與過程波動范圍之比.Cp=(USL-LSL)/6σCpk:過程能力指數(shù),又稱為實際過程能力指數(shù),

為過程中心μ與兩個規(guī)范限最近的距離

min{USL-μ,μ-LSL}與3σ之比.Cpk=min{USL-μ,μ-LSL}/3σCpm:過程能力指數(shù)，有時也稱第二代過程力指數(shù)，質量特性偏離目標值造成的質量損失．其中:σ=R/d2其中:σ=R/d2Cpm=(USL-LSL)/6σ′其中:σ?2=σ2+(μ-m)2Cpmk=Cpk/√1+[(μ-m)/σ]2Cpmk稱為混合能力指數(shù)7/23/2023155Minitab全面培訓教程7/23/2023156Minitab全面培訓教程7/23/2023157Minitab全面培訓教程Pp與Ppk:過程績效指數(shù)，計算方法與計算Cp和Cpk類似，所不同的是，它們是規(guī)范限與過程總波動的比值．過程總波動通常由標準差s來估計．S=√過程能力與缺陷率的關系：1、假如過程中心μ位于規(guī)范中心M與上規(guī)范限USL之間，即M≤μ≤USL時，p(d)=Φ[-3(2Cp-Cpk)]+Φ(-3Cpk)2、假如過程中心μ位于規(guī)范中心M與下規(guī)范限LSL之間，即LSL≤μ≤M時，p(d)=Φ[-3(1+K)Cp]+Φ[-3(1-K)Cp]K=(2M-μ)/T7/23/2023158Minitab全面培訓教程以Zbench方式輸出7/23/2023159Minitab全面培訓教程ZUSL=(USL-μ)/σZLSL=(μ-LSL)/σZ=(USL-LSL)/2σ或Z=3Cp

雙側規(guī)范下綜合SigmaLevelZbench需通過總缺陷率進行折算使用SigmaLevelZ來評價過程能力的優(yōu)點是:Z與過程的不合格率p(d)或DPMO是一一對應的.結果說明7/23/2023160Minitab全面培訓教程請打開Data目錄下的Camshaft.mtw，以

Zbench方式輸出練習7/23/2023161Minitab全面培訓教程填入參數(shù)7/23/2023162Minitab全面培訓教程結果輸出7/23/2023163Minitab全面培訓教程通過DPMO求SigmaLevelSelect:Calc–ProbabilityDistribution-NormalSelect:Calc–Calculator7/23/2023164Minitab全面培訓教程結果輸出合格率Z值,SigmaLevel7/23/2023165Minitab全面培訓教程CapabilityAnalysis(Between/Within)組間的σ組內的σ此處的Ppk>Cpk總的σ=√組間的σ2+組內的σ2√∑(Xi－X)2/(n－1)7/23/2023166Minitab全面培訓教程過程穩(wěn)定系數(shù)dσ=StDev(overall)-StDev(B/W)過程相對穩(wěn)定系數(shù)drσ=[StDev(overall)-StDev(B/W)]/StDev(overall)StDev(overall):長期標準差的估計值StDev(B/W):短期標準差的估計值過程相對穩(wěn)定系數(shù)的評價參考過程相對穩(wěn)定系數(shù)drσ的范圍評價drσ<10%接近穩(wěn)定10%<=drσ<20%不太穩(wěn)定20%<=drσ<50%不穩(wěn)定drσ>=50%很不穩(wěn)定7/23/2023167Minitab全面培訓教程CapabilityAnalysis(Nonnormal)此項的分析是用在當制程不是呈現(xiàn)正態(tài)分布時所使用。因為如果制程不是正態(tài)分布硬用正態(tài)分布來分析時，容易產生誤差，所以此時可以使用其他分布來進行分析，會更貼近真實現(xiàn)像。7/23/2023168Minitab全面培訓教程練習請使用同前之數(shù)據(jù)來進行分析。上規(guī)格：103下規(guī)格：97規(guī)格中心：1007/23/2023169Minitab全面培訓教程輸入相關參數(shù)Select:Stat>QualityTools>CapabiltyAnalysis(Nonnormal)7/23/2023170Minitab全面培訓教程填入選項要求威布爾分布的參數(shù)估計7/23/2023171Minitab全面培訓教程結果圖形形狀參數(shù)7/23/2023172Minitab全面培訓教程正態(tài)分布適用性的判定可以使用Stat>basicstatistic>normalitytest但數(shù)據(jù)要放到同一個column中，所以必須針對前面的數(shù)據(jù)進行一下處理7/23/2023173Minitab全面培訓教程數(shù)據(jù)調整進行數(shù)據(jù)的堆積7/23/2023174Minitab全面培訓教程填寫選項輸入變量輸入作為參考的概率記號7/23/2023175Minitab全面培訓教程結果輸出P-value＞0.05，接收為正態(tài)分布7/23/2023176Minitab全面培訓教程結果輸出(加標0.5概率)7/23/2023177Minitab全面培訓教程計量型制程能力分析總結一般的正態(tài)分布使用CapabilityAnalysis(Normal)如果是正態(tài)分布且其組內和組間差異較大時可用CapabilityAnalysis(Between/Within)當非正態(tài)分布時則可以使用CapabilityAnalysis(Nonnormal)7/23/2023178Minitab全面培訓教程CapabilitySixpack(Normal)復合了以下的六個圖形XbarR原始數(shù)據(jù)分布（plot）直方圖正態(tài)分布檢定CPK,PPK7/23/2023179Minitab全面培訓教程練習請以前面的數(shù)據(jù)來進行相應的CapabilitySixpack(Normal)練習Select:Stat>QualityTools>CapabiltySixpack(Normal)7/23/2023180Minitab全面培訓教程輸入各項參數(shù)輸入規(guī)格7/23/2023181Minitab全面培訓教程選定判異準則選擇判異準則7/23/2023182Minitab全面培訓教程選擇標準差估計方法默認值是復合標準差計算公式7/23/2023183Minitab全面培訓教程考慮可選擇項如果希望計算Cpm,則輸入目標值7/23/2023184Minitab全面培訓教程結果輸出7/23/2023185Minitab全面培訓教程CapabilitySixpack(Between/Within)復合了以下的六個圖形IndividualMovingRangeRange直方圖正態(tài)分布檢定CPK,PPK7/23/2023186Minitab全面培訓教程同前練習及結果7/23/2023187Minitab全面培訓教程CapabilitySixpack(Nonnormal)復合了以下的六個圖形XbarR原始數(shù)據(jù)分布直方圖正態(tài)分布檢定CPK,PPK7/23/2023188Minitab全面培訓教程結果輸出形狀參數(shù)7/23/2023189Minitab全面培訓教程二項分布制程能力分析二項分布只適合用在好，不好過，不過好，壞不可以用在0,1,2,3等二項以上的選擇，此種狀況必須使用泊松分布。7/23/2023190Minitab全面培訓教程示例數(shù)據(jù)在Data目錄下的Bpcapa.mtw中Select:Stat>QualityTools>Capabilty>Analysis>Binomial7/23/2023191Minitab全面培訓教程填好各項的參數(shù)輸入樣本數(shù)輸入歷史的不良率7/23/2023192Minitab全面培訓教程選好控制圖的判異準則7/23/2023193Minitab全面培訓教程結果及輸出該線與PChart中的Pbar是相同的不良的比例（希望它是隨機分布）累計不良率7/23/2023194Minitab全面培訓教程泊松分布制程能力分析泊松分布只適合用在計數(shù)型，有二個以上的選擇時例如可以用在外觀檢驗，但非關鍵項部份0,1,2,3等二項以上的選擇，此種狀況必須使用泊松分布。7/23/2023195Minitab全面培訓教程示例數(shù)據(jù)在Data目錄下的Bpcapa.mtw中Select:Stat>QualityTools>CapabiltyAnalysis(Poisson)7/23/2023196Minitab全面培訓教程填好各項的參數(shù)7/23/2023197Minitab全面培訓教程結果及輸出7/23/2023198Minitab全面培訓教程基礎統(tǒng)計7/23/2023199Minitab全面培訓教程描述性統(tǒng)計Select:Stat>BasicStatistics>Displaydescriptivestatistics假設想對兩組學生的身高進行描述性統(tǒng)計以便比較,數(shù)據(jù)如右:7/23/2023200Minitab全面培訓教程填入參數(shù)7/23/2023201Minitab全面培訓教程輸出結果變異系數(shù)3/4數(shù)據(jù)點與1/4數(shù)據(jù)點的差值InterQuartileRange數(shù)據(jù)連續(xù)差異平方的均值選定欄數(shù)據(jù)修正均值

TrimmedMean7/23/2023202Minitab全面培訓教程輸出結果(續(xù)1)7/23/2023203Minitab全面培訓教程輸出結果(續(xù)2)Select:Stat>BasicStatistics>GraphicalSummary7/23/2023204Minitab全面培訓教程輸出結果(續(xù)3)7/23/2023205Minitab全面培訓教程假設檢驗7/23/2023206Minitab全面培訓教程廣告宣傳的虛假性手機電池的使用壽命不是按年來計算的，而是按電池的充放電次數(shù)來計算的。鎳氫電池一般可充放電200-300次，鋰電池一般可充放電350-700次。某手機電池廠商宣稱其一種改良產品能夠充放電900次，為了驗證廠商的說法，消費者協(xié)會對10件該產品進行了充放電試驗。得到的次數(shù)分別為891，863，903，912，861，885，874，923，841，836。7/23/2023207Minitab全面培訓教程廣告宣傳是虛假的嗎上述數(shù)據(jù)的均值為878.9，明顯少于900。但是，到底均值落在什么范圍內我們就認為廣告宣傳是虛假的呢？900接受廣告宣傳現(xiàn)在的問題是如何確定這兩條線的位置7/23/2023208Minitab全面培訓教程假設檢驗的原理

假設檢驗的原理是邏輯上的反證法和

統(tǒng)計上的小概率原理反證法：當一件事情的發(fā)生只有兩種可能A和B，如果能否定B，則等同于間接的肯定了A。小概率原理：發(fā)生概率很小的隨機事件在一次實驗中是幾乎不可能發(fā)生的。7/23/2023209Minitab全面培訓教程假設檢驗的原理(續(xù))由于個體差異的存在，即使從同一總體中嚴格的隨機抽樣，X1、X2、X3、X4、、、，也不盡不同。它們的不同有兩種（只有兩種）可能：（1）分別所代表的總體均值相同，由于抽樣誤差造成了樣本均值的差別。差別無顯著性。（2）分別所代表的總體均值不同。差別有顯著性。7/23/2023210Minitab全面培訓教程

假設檢驗的幾個步驟假設檢驗的一般步驟，即提出假設、確定檢驗統(tǒng)計量、計算檢驗統(tǒng)計量值、做出決策。

提出假設

構造統(tǒng)計量

做出統(tǒng)計決策

計算統(tǒng)計量值做出推斷7/23/2023211Minitab全面培訓教程提出假設在決策分析過程中，人們常常需要證實自己通過樣本數(shù)據(jù)對總體分布形式做出的某種推斷的正確性（比如，總體的參數(shù)θ大于某個值θ0），這時就需要提出假設，假設包括零假設H0與備擇假設H1。7/23/2023212Minitab全面培訓教程零假設的選取假設檢驗所使用的邏輯上的間接證明法決定了我們選取的零假設應當是與我們希望證實的推斷相對立的一種邏輯判斷，也就是我們希望否定的那種推斷。7/23/2023213Minitab全面培訓教程零假設的選取(續(xù)一)同時，作為零假設的這個推斷是不會輕易被推翻的，只有當樣本數(shù)據(jù)提供的不利于零假設的證據(jù)足夠充分，使得我們做出拒絕零假設的決策時錯誤的可能性非常小的時候，才能推翻零假設。7/23/2023214Minitab全面培訓教程零假設的選取(續(xù)二)所以，一旦零假設被拒絕，它的對立面——我們希望證實的推斷就應被視為是可以接受的。7/23/2023215Minitab全面培訓教程構造檢驗統(tǒng)計量收集樣本信息利用樣本信息構造檢驗統(tǒng)計量7/23/2023216Minitab全面培訓教程計算檢驗統(tǒng)計量值把樣本信息代入到檢驗統(tǒng)計量中，得到檢驗統(tǒng)計量的值。7/23/2023217Minitab全面培訓教程做出決策1、規(guī)定顯著性水平α，也就是決策中所面臨的風險2、決定拒絕域(criticalregion)和判別值(criticalvalue)3、判定檢驗統(tǒng)計量是否落在拒絕域內4、得出關于H0和關于H1的結論7/23/2023218Minitab全面培訓教程顯著性水平顯著性水平α是當原假設正確卻被拒絕的概率通常人們取0.05或0.01這表明，當做出接受原假設的決定時，其正確的可能性(概率)為95%或99%7/23/2023219Minitab全面培訓教程判定法則1、如果檢驗統(tǒng)計量落入拒絕域中，則拒絕原假設2、如果檢驗統(tǒng)計量落入接受域中，則我們說不能拒絕原假設注意：判定法則2的含義是指我們在這個置信水平下沒有足夠的證據(jù)推翻原假設；實際上，如果我們改變置信水平或樣本數(shù)量就有可能得到與先前相反的結果。7/23/2023220Minitab全面培訓教程零假設和備擇假設零假設

備擇假設1.大于等于(≥) 小于(＜)2.小于等于(≤) 大于(＞)3.等于(＝) 不等于(≠)可能的零假設和備擇假設的情況7/23/2023221Minitab全面培訓教程

單側檢驗(one-tailedhypothesis)某種果汁的包裝上標明其原汁含量至少為90%。假定我們想通過假設檢驗對這項說明進行檢驗。7/23/2023222Minitab全面培訓教程檢驗的方向性如果要檢驗的問題帶有方向性，如燈泡壽命、電池時效、頭盔防沖擊性等數(shù)值是越大越好；零件廢品率、生產成本等數(shù)值則是越小越好，這類問題的檢驗就屬于單側檢驗。7/23/2023223Minitab全面培訓教程單側檢驗拒絕域和臨界值臨界值接受域拒絕域接受域拒絕域臨界值左單側檢驗右單側檢驗7/23/2023224Minitab全面培訓教程單側檢驗的例子例1:一家食品公司廣告說他的一種谷物一袋有24千克。消費者協(xié)會想要檢驗一下這個說法。他們當然不可能打開每袋谷物來檢查，所以只能抽取一定數(shù)量的樣品。取得這個樣本的均值并將其與廣告標稱值作比較就能做出結論。請給出該消費者協(xié)會的零假設和備擇假設。7/23/2023225Minitab全面培訓教程單側檢驗的例子(續(xù)一)解：（一）、首先找出總體參數(shù)，這里應該是總體的均值m，即谷物的平均重量，給出原假設和備擇假設，即用公式表達兩個相反的意義。

H0:m≥24(均值至少為24)

Ha:m<24(均值少于24)（二）、確定概率分布和用來做檢驗的檢驗統(tǒng)計量。我們要檢驗抽取的樣本均值是否達到廣告宣稱的數(shù)額，就可以用樣本均值離標稱值的標準離差個數(shù)的多少來判斷。因此構造檢驗統(tǒng)計量7/23/2023226Minitab全面培訓教程單側檢驗的例子(續(xù)二)（三）、設定置信水平為95%。收集樣本信息，假設選取了一個數(shù)目為40的樣本，計算得

計算檢驗統(tǒng)計量的值為（σ=0.2）（四）、查表可以得出臨界值和拒絕域，也可用計算機輸出p值。計算出的Z值落入拒絕域，所以拒絕H0，即意味著我們認為谷物的重量達不到廠商宣稱的數(shù)值。7/23/2023227Minitab全面培訓教程雙側檢驗一些產品某一項指標必須滿足在某一個范圍內，如精密零件的尺寸和重量、保險絲適用的電流強度等等，這類問題的檢驗屬于雙側檢驗。7/23/2023228Minitab全面培訓教程雙側檢驗圖例:拒絕域和臨界值拒絕域臨界值接受域拒絕域7/23/2023229Minitab全面培訓教程兩類錯誤假設檢驗是基于樣本信息做出的結論，而我們知道樣本只是代表了總體的一部份信息，因此必須考慮發(fā)生誤差的概率。H0為真時我們拒絕H0的錯誤稱為第I類錯誤，犯這種錯誤的概率用α來表示，簡稱為α錯誤或棄真錯誤；當H0為偽時我們接受H0的錯誤稱為第II類錯誤，犯這種錯誤的概率用β來表示，簡稱為β錯誤或取偽錯誤。7/23/2023230Minitab全面培訓教程兩類錯誤出現(xiàn)的場合接受零假設拒絕零假設零假設為真零假設為假正確-無偏差I類錯誤II類錯誤正確-無偏差7/23/2023231Minitab全面培訓教程

接受H0

拒絕H0，接受H1

H0為真 1－α（正確決策）

α（棄真錯誤）

H0為偽

β

（取偽錯誤）

1－β（正確決策）兩類錯誤發(fā)生的概率兩類錯誤發(fā)生的概率如下表所示：7/23/2023232Minitab全面培訓教程兩類錯誤的關系接受H0拒絕H0II類錯誤I類錯誤7/23/2023233Minitab全面培訓教程單樣本Z檢驗(1-SampleZ)例:右表為測量9個工件所得到的數(shù)據(jù).假設工件數(shù)據(jù)服從正態(tài)分布并且總體的σ=0.2,需計算總體均值是否等于5及其在95%置信度下的置信區(qū)間.Select:Stat>BasicStatistics>1-SampleZ假設檢驗的Minitab實現(xiàn):7/23/2023234Minitab全面培訓教程填入參數(shù)7/23/2023235Minitab全面培訓教程輸出結果7/23/2023236Minitab全面培訓教程單樣本t檢驗(1-Samplet)Select:Stat>BasicStatistics>1-Samplet例:右表為測量9個工件所得到的數(shù)據(jù).假設工件數(shù)據(jù)服從正態(tài)分布并且未知總體的σ,需計算總體均值是否等于5及其在95%置信度下的置信區(qū)間.7/23/2023237Minitab全面培訓教程填入參數(shù)7/23/2023238Minitab全面培訓教程輸出結果7/23/2023239Minitab全面培訓教程雙樣本t檢驗(2-Samplet)Select:Stat>BasicStatistics>2-Samplet采用Data目錄下的Furnace.mtw7/23/2023240Minitab全面培訓教程填入參數(shù)7/23/2023241Minitab全面培訓教程輸出結果P-Value>0.05接受原假設7/23/2023242Minitab全面培訓教程成對樣本t檢驗(Pairedt)Select:Stat>BasicStatistics>Pairedt采用Data目錄下的Exh_stat.mtw7/23/2023243Minitab全面培訓教程填入參數(shù)7/23/2023244Minitab全面培訓教程輸出結果P-Value<0.05拒絕原假設7/23/2023245Minitab全面培訓教程單樣本比例檢驗(1Proportion)本案例采用總結數(shù)據(jù)形式,

直接填入參數(shù):Select:Stat>BasicStatistics>1Proportion實驗次數(shù)成功次數(shù)7/23/2023246Minitab全面培訓教程輸出結果:7/23/2023247Minitab全面培訓教程雙樣本比例檢驗(2Proportion)本案例采用總結數(shù)據(jù)形式,直接填入參數(shù):Select:Stat>BasicStatistics>2Proportion7/23/2023248Minitab全面培訓教程輸出結果7/23/2023249Minitab全面培訓教程其它注意事項選擇假設檢驗方法要注意符合其應用條件；當不能拒絕H0時，即差異無顯著性時，應考慮的因素：可能是樣品數(shù)目不夠；單側檢驗與雙側檢驗的問題。7/23/2023250Minitab全面培訓教程正態(tài)性檢驗(Normalitytest)本例采用Data目錄下的Scores.MTWSelect:Stat>BasicStatistics>Normalitytest7/23/2023251Minitab全面培訓教程填入參數(shù)基于ECDF的檢驗基于相關分析的檢驗基于卡方分析的檢驗注：ECDF:(ExperimentalCumulativeDistributionFunction)

實驗室累計分布函數(shù)7/23/2023252Minitab全面培訓教程基于ECDF檢驗的輸出結果7/23/2023253Minitab全面培訓教程基于相關分析檢驗的輸出結果7/23/2023254Minitab全面培訓教程基于相關卡方檢驗的輸出結果7/23/2023255Minitab全面培訓教程報紙報導某地汽油的價格是每加侖115美分，為了驗證這種說法，一位學者開車隨機選擇了一些加油站，得到某年一月和二月的數(shù)據(jù)如下：一月：119117115116112121115122116118109112119112117113114109109118二月：118119115122118121120122128116