《精编》Minitab操作介绍

《《精编》Minitab操作介绍》由会员分享，可在线阅读，更多相关《《精编》Minitab操作介绍（233页珍藏版）》请在金锄头文库上搜索。

1、Minitab操作介绍 軟件簡介 MINITAB Mini Tabulator 小型 计算机介绍于1972年 美国宾夕法尼亚州立大学用来作统计分析 教育用而开发 目前已出版Window用版本Vesion15 并且已在工学 社会学等所有领域被广泛使用 特别是与Six sigma关联 在GE AlliedSignal等公司已作为基本的程序而使用 优点以菜单的方式构成 所以无需学习高难的命令文 只需拥有基本的统计知识便可使用 图表支持良好 特别是与Six sigma有关联的部分陆续地在完善之中 快捷菜單 一 數據操作 1 數據的堆疊 原始數據 輸出結果 2 數據列的拆分 點擊這裡 隨即出現對話框 輸

2、出結果 原始數據 計算對話框 3 數據的轉置 輸出結果 原始數據 輸出結果 4 數據的排序 輸出結果 原始數據 輸出結果 二 數據運算 1 minitab內置計算器 遵守計算機規則 函數欄 內置計算機原則 1 不能使用連字符 例 C1 C5不代表範圍 而是二者相減2 字符需雙引號括住 例 C1 green 3 計算時從左到右 若無法計算則返回空或者是 計算實例 計算結果 此處為公式 2 列 行運算 這裡選擇統計範圍 輸出結果 這裡選擇要統計的列 此處選擇統計手法 此處為原始數據 3 標準化操作 定義 标准化可以使数据列居中和调整数据列的尺度 默认情况下 通过减去平均值和除以标准差来对数据进行标

3、准化 方法 减去均值并除以标准差 默认方法 减去均值 从列中的每个值中减去该列的均值 除以标准差 将列中的每个值除以该列的标准差 减去值然后除以值 减去然后除以您指定的各个值 从值到值生成极差 按线性转换数据 以使结果用您指定的第一个值作为最小值 默认为 1 用您指定的第二个值作为最大值 默认为 1 注 使用会话命令CENTER 您可以使每列居中并单独调整每一列的尺度 使用对话框 您选择的标准化方法适用于所有输入列 可以將正態分佈數據轉化成標準正態分佈 這裡選擇標準化方式 實例 可以將均值為 正態分佈 轉換為標準正態分佈 使用X 此應用最常用 如何使用會話命令行 1选择编辑器 启用命令 2在会

4、话窗口最后一行的MTB 提示符处键入命令 3如果命令有子命令 则可用分号结束命令行 4在SUBC 提示符处键入子命令 在每个子命令后面加上分号 在最后一个子命令后面加上一个句点 5按 Enter 执行命令 可使用 Ctrl Enter 插入空白行 4 生成模版數據 做數據的利器 輸出結果 三 統計運算 1 基本描述性統計 這裡選擇需要的統計量 這裡選擇需要生成的圖形 實例 輸出結果 輸出圖形 若選擇這裡則會在數據列後面每一行都輸出結果 實例 此為輸出結果 存儲與顯示的差異在於存儲的結果顯示在數據表中 而顯示的結果則直接顯示在對話框上 並且存儲生成的數據更加的直觀 但是缺點為無圖表生成 用于为每

5、个列或 按变量 的每个水平生成圖形化汇总 图形化汇总包括四个图形 包含正态曲线的数据直方图 箱线图 m的95 置信区间和中位数的95 置信区间 圖形化匯總 實例 假設檢驗 定義 评估有关总体的两个互斥语句的过程 假设检验使用样本数据来确定数据对哪个语句提供最佳支持 这两个语句被称为原假设和备择假设 它们始终是有关总体属性的语句 如参数值 多个总体的对应参数之间的差异 或能够最好地描述总体的分布类型 分類 u Z檢驗 t檢驗 2檢驗 一個正態總體 兩個正態總體 雙T檢驗 F檢驗 u Z檢驗 使用单样本Z可计算置信区间或在 已知时执行平均值的假设检验 对于双尾单样本Z检验 假设为 H0 0与H1

6、0其中 是总体平均值 0是假设总体平均值 國內書籍上一般稱為 U檢驗 實例 对九个小配件进行了测量 您知道 根据历史经验 测量值的分布接近于正态 且s 0 2 由于已知s 并且要检验总体平均值是否为5并获得平均值的90 置信区间 因此使用Z过程 1打开工作表 统计示例 MTW 2选择统计 基本统计量 单样本Z 3在样本所在列中 输入值 4在标准差中 输入0 2 5选中进行假设检验 在假设均值中 输入5 6单击选项 在置信水平中 输入90 单击确定 7单击图形 选中单值图 在每个对话框中单击确定 Minitab計算結果 P值 常用水平為0 05 H0被拒絕 t檢驗 执行单样本t检验或计算平均值的

7、t置信区间 使用单样本t可计算置信区间并在总体标准差 未知时执行均值假设检验 对于双尾单样本t H0 0与H1 0其中 是总体平均值 0是假设总体平均值 實例 对九个小配件进行了测量 根据历史经验 小配件的测量数据的分布接近于正态 但假设不知道s 为了检验总体平均值是否为5并获得平均值的90 置信区间 需要使用t过程 1打开工作表 统计示例 MTW 2选择统计 基本统计量 单样本t 3在样本所在列中 输入值 4选中进行假设检验 在假设均值中 输入5 5单击选项 在置信水平中 输入90 在每个对话框中单击确定 P值 常用水平為0 05 H0被拒絕 Minitab計算結果 雙T檢驗 当具有相关样本

8、时 使用双样本t可进行假设检验并在总体标准差 未知时计算两个总体均值之差的置信区间 对于双尾双样本tH0 1 2 0与H1 1 2 0其中 1和 2是总体均值 0是两个总体均值之间的假设差值 为了提高家庭暖气系统的效率 进行了一项旨在评估两种设备功效的研究 安装其中一种设备后 对房舍的能耗进行了测量 这两种设备分别是电动气闸 Damper 1 和热活化气闸 Damper 2 能耗数据 BTU In 堆叠在一列中 另外还有一个分组 Damper 包含用于表示总体的标识符或下标 假设进行了方差检验 并且没有发现方差不等的证据 现在 您要确定是否有证据证明这两种设备之间的差值不为零 以比较出这两种设

9、备的功效 1打开工作表 炉子 MTW 2选择统计 基本统计量 双样本T 3选择样本在一列中 4在样本中 输入气闸内置能量消耗 5在下标中 输入气闸 6选中假定等方差 单击确定 實例 P值 常用水平為0 05 H1被拒絕 假設H0 1 2 0 H1 1 2 0 t配對檢驗 当配对差异服从正态分布时 此检验适合于检验配对观测值之间的均值差 使用 配对t 命令可为总体中配对观测值之间的均值差计算置信区间并执行假设检验 配对t检验与相关或以配对方式相关的响应匹配 此匹配允许您考虑通常导致较小误差项的配对之间的变异性 从而提高假设检验或置信区间的敏感度 配对数据的典型示例包括对成对测量值或前后测量值的测

10、量 对于配对t检验 H0 d 0与H1 d 0其中 d是差异的总体平均值 0是差异的假设平均值 一家制鞋公司要对用于男童鞋鞋底的两种材料A和B进行比较 在此示例中 研究中的十个男孩都穿了一双特殊的鞋 一支鞋的鞋底由材料A制成 另一支鞋的鞋底由材料B制成 鞋底类型是随机分配的 以考虑到左右脚在磨损方面的系统差异 三个月后 对鞋的磨损情况进行测量 使用配对设计 而不是非配对设计 配对t过程的误差项可能比对应非配对过程的误差项小 因为它消除了由于对之间的差异而产生的变异性 例如 一个男孩可能生活在城市里 大部分时间在铺筑过的地面上行走 而另一个男孩可能生活在乡村 大部分时间在未铺筑过的地面上行走 1

11、打开工作表 统计示例 MTW 2选择统计 基本统计量 配对t 3选择样本所在列 4在第一样本中 输入材料A 在第二样本中 输入材料B 单击确定 實例 Minitab計算結果 置信區間不包括0 標明兩種材料有差異 P值 常用水平為0 05 H0被拒絕 假設 H0 A B材料差異 0与H1 A B材料差異 0 正態性檢驗 生成正态概率图并进行假设检验 以检查观测值是否服从正态分布 对于正态性检验 假设为H0 数据服从正态分布与H1 数据不服从正态分布图形中的垂直尺度类似于正态概率图中的垂直尺度 水平轴为线性尺度 此线形成数据所来自总体的累积分布函数的估计值 图中会显示总体参数的数字估计 和 正态性

12、检验值以及关联的p值 引擎运行时 机轴的某些部件会上下运动 AB间距是从机轴上一点的实际A位置到基准 B 位置的距离 单位 mm 为确保生产质量 在一家汽车A装配厂 从9月28日到10月15日 经理每个工作日进行五次测量 然后从18日到25日 每天测量十次 由于要确定这些数据是否服从正态分布 因此使用正态性检验 1打开工作表 机轴 MTW 2选择统计 基本统计量 正态性检验 3在变量下 输入AB间距 单击确定 實例 Minitab計算結果 图形输出为正态概率与数据图 在极端情况下或分布尾部 数据偏离拟合线最明显 Anderson Darling检验的p值表明 在大于0 022的a水平下 有证据

13、显示数据不服从正态分布 数据分布轻微呈现出尾部比正态分布稀少的趋势 因为最小的点在该线下方 最大的点在该线的上方 具有重尾的分布在极值处呈现出的模式正好与此相反 回歸 迴歸分析 RegressionAnalysis 藉由計算自變數 和應變數 之線性關係程度 以求出 及 的方程式 並據此推估未進行實驗之其他 的 值 迴歸係數之公式 迴歸分析的應用 藉由上述的公式可知 當 已知可預測 為多少 而當已知 亦可求得需要多大的 才可達成 一般常利用其當成預測的工具 進行迴歸分析常會先進行相關分析以確定此二者有否關係 本方法由於可以進行預測 因此是被應用最為浮濫的一種統計方法 回归 通过最小二乘法来执行简

14、单和多元回归 使用此过程可拟合一般最小二乘模型 存储回归统计量 检查残差诊断 生成点估计值 生成预测和置信区间以及执行失拟检验 使用此命令来拟合多项式回归模型 但是 如果要拟合具有单一预测变量的多项式回归模型 使用拟合线图更简单 回歸 最小二乘法 實例 某种产品的制造商 希望对产品的质量进行度量 但度量过程花费太高 可以采用一种间接方式 即采用另一产品分值 分值1 来替代实际质量度量 分值2 这种方法费用相对较低 但精确度也较低 您可以使用回归来分析 分值1 是否能够解释 分值2 中的大部分方差 以确定 分值1 是否能作为 分值2 的替代 1打开工作表 回归示例 MTW 2选择统计 回归 回归

15、 3在响应中 输入分值2 4在预测变量中 输入分值1 5单击确定 方差分析表中的p值 0 000 表明在a水平为0 05时 分值1 与 分值2 之间的关系具有统计上的显著性 分值1 的估计系数的p值0 000也证明了这一点 R2值显示 分值1 解释了 分值2 中95 7 的方差 表明模型与数据拟合得非常好 观测值9被标识为异常观测值 因为它的标准化残差小于 2 这就证明这个观测值是一个异常值 由于该模型是显著的 它解释了 分值2 中的大部分方差 因此制造商决定使用 分值1 替代 分值2 作为产品质量的度量标准 逐步回歸 出于识别预测变量的有用子集的目的 逐步回归删除变量和向回归模型中添加变量

16、Minitab提供三个常用过程 标准逐步回归 添加和删除变量 向前选择 添加变量 和向后消元 删除变量 当您选择逐步法时 可以在初始模型中的预测变量中输入一组初始预测变量 如果这些变量的p值大于入选用Alpha值 则删除这些变量 如果无论变量的p值大小是多少都要在模型中保留变量 请在主对话框的每个模型中都必须包括的预测变量中输入这些变量 学习初级统计学课程的学生参加了一个简单的试验 每个学生都记录了其身高 体重 性别 是否吸烟 平时活动水平以及静息脉搏 他们全都投掷了硬币 其硬币头像朝上的学生原地跑步一分钟 然后 整个班级的学生再次记录了其脉搏 您要找出第二次脉搏的最佳预测变量 1打开工作表 脉搏 MTW 2按 CTRL M 使会话窗口处于活动状态 3选择编辑器 启用命令 以使Minitab显示会话命令 4选择统计 回归 逐步 5在响应中 输入脉搏2 6在预测变量中 输入脉搏1跑步 体重 7单击选项 8在暂停之间的步骤数中 输入2 在每个对话框中单击确定 9在会话窗口中 在第一个更多 提示后 输入是 10在会话窗口中 在第一个更多 提示后 输入否 實例 Minitab計算結果 解释结果