Minitab游戲攻略1-2(中文版)課件

游戲規(guī)則第一部

Stat>basicstat

游戲規(guī)則第一部

Stat>basicstat游戲規(guī)則第一條____Stat>basicstat>descriptivestat

Stat>basicstat>storestat同descriptive

《參數(shù)意義全闡述》Mean:平均值SEofmean:(standarderrorofthemean)SEMEAN=Std/sqrt(N)N為樣本數(shù)Standarddeviation:標準偏差Variance:差異數(shù)Coefficientofvariance:差異系數(shù)＝(Std/Mean)*100%做為一名合格的DOE愛好者，對于各項參數(shù)含義必須了解??！現(xiàn)做必要的闡述如下：游戲規(guī)則第一條____Stat>basicstat>des續(xù)上一章Firstquartile:第一四分位數(shù)（box-plot圖中）Median:中間數(shù)字Thirdquartile:第三四分位數(shù)Interquartilerange:第一四分位數(shù)和第三四分位數(shù)的差值Trimmedmean:計算5%的平均值即去掉最低和最高的5％的數(shù)據(jù)后的平均數(shù)Sum:計算總和Minimum:最小值Maximum:最大值Range:數(shù)據(jù)內的最大減最小之值Sumofsquares:所有值平方之和即=x12+x22+x32…..Skewness:表征圖像對稱性的值，為0表示絕對對稱；為負數(shù)表示負/左傾斜；為正數(shù)表示正/右傾斜Kurtosis:峰值表示圖像寬窄程度，為0表示圖像平直；為負數(shù)表示“越尖”；為正數(shù)表示“越平滑”MSSD:逐次差平方的平均值的一半例：1，2，4，10逐次差為1，2，6那么MSSD＝{（1＋4＋36）/3}/2=13.666667/2=6.83333Nnonmissing:數(shù)據(jù)中數(shù)值非缺失數(shù)量Nmissing:數(shù)據(jù)中數(shù)值缺失數(shù)量續(xù)上一章Firstquartile:第一四分位數(shù)（box-再續(xù)上一章Ntotal:輸入的所有數(shù)值的數(shù)量包括nonmissing數(shù)量CumulativeN:累計輸入的數(shù)量即等同于Nnonmissing值Percent:（Nnonmissing/Ntotal）×100％Cumulativepercent:累計百分比數(shù)值等于percent值茲舉例如下：針對KLAPBL_AEI層次一周數(shù)據(jù)defectivedie%共24個但為了演示，故意缺省3個值，做圖及session如下:再續(xù)上一章Ntotal:輸入的所有數(shù)值的數(shù)量包括nonmi再再續(xù)上一章散點圖再再續(xù)上一章散點圖游戲規(guī)則第二條___Stat>Basicstat>GraphicalSummary結果解釋：1.平均脈搏為72.8702.平均值的95％置信區(qū)間70.590-75.1493.標準偏差為11.0094.安德森－達利正態(tài)檢驗中，(A-Squared=0.98;P-Value=0.013)表明并不符合正態(tài)分布！(因為P-Value<0.05)游戲規(guī)則第二條___Stat>Basicstat>Grap游戲規(guī)則第三條___Stat>Basicstat>1SampleZ若知道標準偏差，而想測試一組數(shù)據(jù)的平均值是否為A且獲得90％的置信區(qū)間，則可以采用Z-procedure例如：1.打開某個worksheet2.選擇Stat>Basicstat>1-SampleZ3.在”SamplesinColumns”中輸入“Values”4.在”Standarddeviation“中輸入0.2（已知量）5.在”testmean”中輸入”5”(預估值，計劃值）6.點擊“options”,在”confidencelevel”中輸入90（表示90％的置信度），再點OK7.點擊“Graphs”,點擊”individualvalueplot”,再點擊ok生成如下圖和session結果解釋如下：1.Z值等于-3.17（測試假如若平均值為5時的統(tǒng)計值）2.P值等于0.002(因為其值小于0.1-90％置信度），表明預估值5這個假設被拒絕！這里u是樣本平均值，u0是假設值，預測值游戲規(guī)則第三條___Stat>Basicstat>1Sa游戲規(guī)則第四條___Stat>Basicstat>1Samplet若不知道標準偏差，而想測試一組數(shù)據(jù)的平均值是否為A且獲得90％的置信區(qū)間，則可以采用t-procedure例如：1.打開某個worksheet2.選擇Stat>Basicstat>1-Samplet3.在”SamplesinColumns”中輸入“Values”4.在”testmean”中輸入”5”(預估值，計劃值）5.點擊“options”,在”confidencelevel”中輸入90（表示90％的置信度），再點OK6.點擊“Graphs”,點擊”individualvalueplot”,再點擊ok生成如下圖和session結果解釋如下：1.t值等于-2.56（測試假如若平均值為5時的統(tǒng)計值）2.P值等于0.034(因為其值小于0.1-90％置信度），表明預估值5這個假設被拒絕！這里u是樣本平均值，u0是假設值，預測值游戲規(guī)則第四條___Stat>Basicstat>1Sa游戲規(guī)則第五條___Stat>Basicstat>2-Samplet對2個相互獨立的樣本進行t檢驗，同時生成置信區(qū)間，前提標準偏差未知例如：1.打開某個worksheet2.選擇Stat>Basicstat>2-Samplet3.選擇”SamplesinoneColumn”4.在”samples”中輸入”BTU.In”(2個樣本的值放在一列中）5.在“subscripts”中輸入”Damper”(2個樣本的名字)6.點擊ok生成如下圖和session結果解釋如下：1.Pooled值等于2.8818（合并標準偏差）2.95％置信區(qū)間包含0，表明兩者間沒有差異3.P值等于0.701(因為其值大于0.05-95％置信度），表明兩者差異為0即無差異這個假設被接受！這里u1，u2為樣本平均值，＠0為假設檢驗值游戲規(guī)則第五條___Stat>Basicstat>2-S游戲規(guī)則第六條___Stat>Basicstat>pairedt對2個非獨立的樣本進行t檢驗，同時生成置信區(qū)間，例如：1.打開某個worksheet2.選擇Stat>Basicstat>pairedt3.選擇”SamplesinColumns”4.在”firstsample”中輸入”A”(1個樣本的值放在一列中）5.在“secondsample”中輸入”B”(另一個樣本)6.點擊ok生成如下圖和session結果解釋如下：1.95％置信區(qū)間不包含0，表明兩者間有差異！2.P值等于0.009(因為其值小于0.05-95％置信度），表明兩者差異為0即無差異這個假設被拒絕！這里ud為兩樣本之差的平均值，u0為假設檢驗值游戲規(guī)則第六條___Stat>Basicstat>pair游戲規(guī)則第七條___Stat>Basicstat>1proportion對單個樣本進行比例檢驗，同時生成置信區(qū)間，例如：某律師宣稱如果其支持率大于65%，他將競選州律師，我們可以隨機抽樣950份問卷，其中560份支持他，做1proportion檢驗1.選擇Stat>Basicstat>1proportion2.選擇”Summarizeddata”3.在”numberoftrials”中輸入”950”4.在“numberofevents”中輸入”560”5.點擊”option”,在”testproportion”中輸入0.65；在“alternative”中選擇”greaterthan”,最后點擊ok生成session結果解釋如下：1.95％置信區(qū)間為0.562515<0.65,所以其支持率小于65%！2.P值等于1.00(因為其值大于0.05-95％置信度），也表明支持率小于65%這里p為樣本值，p0為假設檢驗值游戲規(guī)則第七條___Stat>Basicstat>1pr游戲規(guī)則第八條___Stat>Basicstat>2proportions對兩個樣本進行比例檢驗，同時生成置信區(qū)間，例如：你決定買影印機，現(xiàn)從選X,Y兩個牌子中選擇，故考慮兩個牌子隨機各選50臺，發(fā)現(xiàn)X中有6臺，Y中有8臺需要維修，做2proportions檢驗，以決定買哪臺？1.選擇Stat>Basicstat>2proportions2.選擇”Summarizeddata”3.在”firstsample--trails”中輸入”50”,在”events”中輸入444.在“secondsample--trails”中輸入”50”,在”events”中輸入425.最后點擊ok生成session結果解釋如下：1.P值等于0.564(因為其值大于0.05-95％置信度），表明兩者沒有差異2.95%置信區(qū)間中包含0，也表明兩者之間沒有差異這里p1，p2分別為兩樣本值，p0為兩者之間差異的假設檢驗值游戲規(guī)則第八條___Stat>Basicstat>2pr游戲規(guī)則第九條___Stat>Basicstat>correlation相關性值范圍為-1到1之間，若一個增加，另一個減少其相關性值為負數(shù)，若兩者都增加，其相關性值為正數(shù)，可對多個（大于2個)進行相關性驗證。1.選擇Stat>Basicstat>correlation2.選擇”variables”中輸入變量明細，X,Y,Z…….3.最后點擊ok游戲規(guī)則第十條___Stat>Basicstat>correlation偏相關系數(shù)驗證，用于當你有多個變量，但你想要對各個變量分別檢驗相關性時使用，可以在保證一個變量微調時，驗證任意兩個變量之間的相關性系數(shù)。如：調查19個餐館后，有3個變量：sales,new投資，估計市價，現(xiàn)在我們想知道在排除”估計市價“影響因素后，sales和new投資的相關性。第一步：計算非調整過的相關系數(shù)1.打開RESTRNT.MTW2.選擇Stat>BasicStat>correlation3.在”variable”中輸入變量明細，sales,new投資，估計市價，點擊ok第二步：RegressSalesonValueandstoretheresiduals(Resi1)

1.選擇Stat>regression>Regression2.在”response”中輸入“sales”,在”predictors”輸入“估計市價”3.點擊“storage”,選上”residuals”,點擊ok游戲規(guī)則第九條___Stat>Basicstat>corr第三步：RegressNewCAPonValueandstoretheresiduals(Resi2)

1.選擇Stat>regression>Regression2.在”response”中輸入“Newcap”,在”predictors”輸入“估計市價”3.點擊“storage”,選上”residuals”,點擊ok第四步：Calculatecorrelationsoftheresidualcolumns

1.選擇Stat>BasicStat>correlation2.選擇”variables”中輸入變量明細Resi1,Resi2,點擊ok結果及解釋如下：兩者相關系數(shù)僅為0.078，遠小于未排除“估計時間”因素后的相關系數(shù)0.615第三步：RegressNewCAPonValuean游戲規(guī)則第十一條___Stat>Basicstat>NormalityTest可生成正態(tài)分布圖或檢驗數(shù)據(jù)是否為正態(tài)分布1.選擇Stat>Basicstat>NormalityTest2.選擇”variable”中輸入“變量”最后點擊ok生成session結果解釋如下：1.95％置信度0.05，而P值0.022小于0.05，因此不符合正態(tài)分布注意：你有三種正態(tài)檢驗的選擇Anderson-Darling–是基于“經(jīng)驗累積分布函數(shù)”檢驗Ryan-Joiner—類似于Shapiro-Wilk是基于“相關性”檢驗Kolmogorov-Smirnov—同a)一樣基于“經(jīng)驗累積分布函數(shù)”但是a)和b)對檢驗非正態(tài)能力相近；c)的能力次之！如果p值小于95%即0.05，表示數(shù)據(jù)為“非正態(tài)分布”游戲規(guī)則第十一條___Stat>Basicstat>Nor游戲規(guī)則第二部

Stat>Regression游戲規(guī)則第二部

Stat>Regression游戲規(guī)則第十二條___Stat>Regression>Regression對單個變量或多個變量分別進行simple或multipleregression，該regression(回歸分析）基于“最小二乘法”模型Response:因變量如Y等；Predictors:自變量如X等；點擊后出現(xiàn)左圖界面，現(xiàn)對”Graphs”“Options”,”Results”,”Storage”等一一詳解如下：

<Graphslist>Residualsforplots:定義顯示殘差圖表Regular:顯示”正常“或”原始“殘差Standardized:顯示”標準“殘差Deleted:顯示”studentizeddeleted殘差”三者在session各項參數(shù)和圖中無差異，僅是坐標單位有可能不同ResidualPlotsIndividualplots:散點殘差分布圖Histogramofresiduals:殘差柱狀圖Normalplotofresiduals：殘差正態(tài)分布圖Residualsversusfits:散點模擬殘差分布圖Residualsversusorder:類似上面定義，殘差對應序列1，2，3……Fourinone:上面四種圖合在一張圖上Residualsversusthevariabless:殘差與自變量之間的關系游戲規(guī)則第十二條___Stat>Regression>Reg續(xù)上一章<Option選項>1.Weights:weighted回歸，必須大于等于0?。?.Fitintercept:選上此項出現(xiàn)R值3.Varianceinflationfactors:選上此項進行多重線性效應分析4.Durbin–Watsonstatistic:檢查殘差的自相關性5.PRESSandpredictedR-square:顯示PRESSstatistic和predictedR-square6.Pureerror:顯示“pureerrorlack-of-fittest”7.Datasubsetting:顯示“datasubsettinglack-of-fittest’<Results選項>1.結果顯示的類型，具體見英文。此處略續(xù)上一章<Option選項>再續(xù)上一章<Storage>選項1.Deletedtresiduals(studentizedresiduals)2.Hi(leverages)3.Cook’sdistance4.DFITS5.Coefficients(在worksheet中顯示估算值）6.Fits7.X”Xinverse8.Rmatrix,Data>DisplayData再續(xù)上一章<Storage>選項再再續(xù)上一章現(xiàn)需要做單變量的回歸分析，擬模擬Score1是否可以替代Score21.打開某MTW文件2.選擇Stat>Regression>Regression3.在“response”中輸入”Score2”4.在“predictors”中輸入“Score1”,再點擊OK結果解釋如下：1.因為p值為0<0.05,故表明該回歸方程擬合很好2.因為R2

為0.957，該值越高，表明擬合越好再再續(xù)上一章現(xiàn)需要做單變量的回歸分析，擬模擬Score1是否再再再續(xù)上一章現(xiàn)做多變量的回歸分析，現(xiàn)測量了房間熱流出量，但想檢驗該流出量是否和東，南，北三個方向有關系？1.從四個P值看，East不符合擬合方程！因此該擬合方程只和另外3個因子有關2.R2

為0.874和0.859，都說明該方程擬合很好3.PredictedR2

為0.7896和上面2個很接近，也說明該方程有很好的預測性4.Observations4,22表明“不正常”，因為其大于2outlier?!5.再再再續(xù)上一章現(xiàn)做多變量的回歸分析，現(xiàn)測量了房間熱流出量，但游戲規(guī)則第十三條___Stat>Regression>StepwiseStepwiseregression：逐步回歸分析，可remove/adds變量，軟件提供3種方法：standardstepwise,forwardselection,（addsvariables)backwardelimination(removevariables),當采用逐步回歸分析時，將變量輸入“PredictorsinInitialmodel”,如果變量的P值大于輸入的”Alpha”值時，這些變量可以被remove掉，若不管P值，則變量輸入于”Predictorstoincludeineverymodel”Usealphavalue:所需選擇的模型之一UseFvalues:所需選擇的模型之二Stepwise(forwardandbackward)Predictorsininitialmodel:輸入變量如果P值大于“alphatoenter”,則變量被移除alphatoenter/remove：設定某值Ftoenter/remove:設定某值Forwardselection:選3種模式之一Backwardelimination:選3種模式之一游戲規(guī)則第十三條___Stat>Regression>Ste續(xù)上一章例：每個學生記錄自己的身高，體重，性別，吸煙偏好，平?；钴S度，休息時脈搏數(shù)，然后扔硬幣，硬幣頭像向上的同學跑1分鐘，然后再次記錄他的脈搏數(shù)，現(xiàn)在你需要找到最佳的變量來擬合第二次脈搏數(shù)。1.選擇Stat>Regression>Stepwise2.在Response中輸入pulse23.在Predictors中輸入pulse1Ran-Weight(“-”表示變量由Ran到Weight)4.點擊options,在InNumberofstepsbetweenpauses中輸入2，點擊OK結果解釋：沒看懂！續(xù)上一章例：每個學生記錄自己的身高，體重，性別，吸煙偏好，平游戲規(guī)則第十四條___Stat>Regression>Bestsubsets它能有效地以最少的變量形成模型來達到你的目的，比起全參數(shù)模型來，subsetmodels能用較少的參數(shù)來估計回歸系數(shù)和預計因變量！首先minitab由1個自變量開始，然后包含2個自變量等等，一般情況下，軟件對于每個自變量顯示2個最佳模型！例如，假定你要對3個自變量進行Bestsubsets回歸分析，軟件先提出最優(yōu)和次優(yōu)1自變量模型，然后是最優(yōu)和次優(yōu)2變量模型，最后是全自變量模型！Response:輸入因變量值Freepredictors:輸入自變量，最多可以31個Predictorsinallmodels:輸入自變量游戲規(guī)則第十四條___Stat>Regression>Bes續(xù)上一章FreePredictorsinEachModel：軟件默認是打印出最優(yōu)1因子模型，最優(yōu)2因子模型，直到m因子最優(yōu)模型。你可以給出范圍，如5到12，則僅僅是5-，6-…..12-因子模型顯示出來，注意：這并不包括你在Predictorsinallmodels中所定義的自變量，例如：如果你定義2因子，然后設置范圍是5到12，那么7到14的因子會被打印出Modelsofeachsizetoprint:定義范圍是1到5，例如，選擇3，那么軟件打印出“best”3，即進行3次運算得到3個模型供選擇Fitintercept:選中后顯示出R2

續(xù)上一章FreePredictorsinEachMo再續(xù)上一章你希望知道總熱量和insolation,east,south,north,time等自變量的關系，方法如下：1.打開worksheet2.在response中輸入Heatflux3.在freepredictors中輸入Insolation-time結果解釋如下：一目了然的，無需解釋了，此處略再續(xù)上一章你希望知道總熱量和insolation,ea游戲規(guī)則第十五條___Stat>Regression>FittedLinePlot該項是進行線性或線性多項式對單個變量進行回歸分析同時生成回歸線，其坐標可以是正常坐標也可以是對數(shù)坐標，可進行線性，二次，三次多項式回歸分析Transformations:LogtenofY:對Y進行對數(shù)坐標顯示LogtenofX:對X進行對數(shù)坐標顯示其余選項，一目了然，無需解釋了游戲規(guī)則第十五條___Stat>Regression>Fit續(xù)上一章結果解釋如下：1.P值為0.000<0.05表明擬合相當好2.R2

為93.1%也表面擬合很好3.紅線代表95%置信區(qū)間4.綠線代表95%預測區(qū)間續(xù)上一章結果解釋如下：游戲規(guī)則第十六條___Stat>Regression>PartialLeastSquaresOverviewPartialleastsquares(PLS)是一種有偏的，非最小平方的回歸方式，是種單一或多個因變量回歸。軟件使用非線性迭代的partialleastsquares(NIPALS)算法?，F(xiàn)將參數(shù)一一解釋如下：1.Responses:輸入單個或多個因變量2.Predictors:輸入單個或多個自變量3.Maximumnumberofcomponents:輸入需要計算或cross-validate的數(shù)量，默認是104.可以使用cross-validation來選擇自變量數(shù)目以期使模型預測能力達到最大化5.None:選上表示關閉cross-validation這個功能6.Leave–one-out:選上表示每次重新運算時省略1個“觀察值”7.Leave–group-outofsize:選上表示每次運算省略多個“觀察值”，輸入group大小，默認是28.Leaveoutasspecifiedincolumn:選上表示省略每次運算時定義好的組（正整數(shù)）游戲規(guī)則第十六條___Stat>Regression>Par續(xù)上一章假定你是名制酒商，你希望知道化學成分與酒感官評價的關系，你有37瓶酒，每瓶含有17種化學成分（如：Cd,Mo,Mn,Ni,Cu,Al,Ba,Cr,Sr,Pb,B,Mg,Si,Na,Ca,P,K)和香氣得分。你希望預計香氣得分和17種元素之間關系。1.打開WINEAROMA.MTW2.在responses中輸入”Aroma”3.在predictors中輸入Cd—K4.在maximumnumberofcomponents中輸入175.點擊validation，選擇leave-one-out，點擊OK6.點擊graphs,選擇需要的圖結果解釋如下：1.PredictedR2

比AdjustedR2

更有效，看出2元素模型的值為0.46，為最高2.P值為0，小于0.05，表明該模型吻合很好3.從.PredictedR2

值看，2元素模型最好，即17種元素中2種元素對香氣最為有影響！！續(xù)上一章假定你是名制酒商，你希望知道化學成分與酒感官評價的關再續(xù)上一章圖例解釋說明：1.中圖說明各個元素對于香味的影響，正或負影響2.右圖說明某些元素的”重要性“，線長短表征，長則”重要“再續(xù)上一章圖例解釋說明：游戲規(guī)則第十七條___Stat>Regression>BinaryLogisticRegression邏輯回歸和最小二乘方回歸分析都是觀察因變量和單個或多個自變量之間的關系的方法，之間的差異在于：邏輯回歸分析用于離散變量，而線性回歸分析用于連續(xù)性變量。軟件提供3種邏輯分析方法：Binary;Ordinal,Nominal,舉例如下：★該范圍超出筆者能力，這里不做討論，有興趣者可以參考minitab幫助文檔★游戲規(guī)則第十七條___Stat>Regression>Bin游戲規(guī)則第一部

Stat>basicstat

游戲規(guī)則第一部

Stat>basicstat游戲規(guī)則第一條____Stat>basicstat>descriptivestat

Stat>basicstat>storestat同descriptive

《參數(shù)意義全闡述》Mean:平均值SEofmean:(standarderrorofthemean)SEMEAN=Std/sqrt(N)N為樣本數(shù)Standarddeviation:標準偏差Variance:差異數(shù)Coefficientofvariance:差異系數(shù)＝(Std/Mean)*100%做為一名合格的DOE愛好者，對于各項參數(shù)含義必須了解！！現(xiàn)做必要的闡述如下：游戲規(guī)則第一條____Stat>basicstat>des續(xù)上一章Firstquartile:第一四分位數(shù)（box-plot圖中）Median:中間數(shù)字Thirdquartile:第三四分位數(shù)Interquartilerange:第一四分位數(shù)和第三四分位數(shù)的差值Trimmedmean:計算5%的平均值即去掉最低和最高的5％的數(shù)據(jù)后的平均數(shù)Sum:計算總和Minimum:最小值Maximum:最大值Range:數(shù)據(jù)內的最大減最小之值Sumofsquares:所有值平方之和即=x12+x22+x32…..Skewness:表征圖像對稱性的值，為0表示絕對對稱；為負數(shù)表示負/左傾斜；為正數(shù)表示正/右傾斜Kurtosis:峰值表示圖像寬窄程度，為0表示圖像平直；為負數(shù)表示“越尖”；為正數(shù)表示“越平滑”MSSD:逐次差平方的平均值的一半例：1，2，4，10逐次差為1，2，6那么MSSD＝{（1＋4＋36）/3}/2=13.666667/2=6.83333Nnonmissing:數(shù)據(jù)中數(shù)值非缺失數(shù)量Nmissing:數(shù)據(jù)中數(shù)值缺失數(shù)量續(xù)上一章Firstquartile:第一四分位數(shù)（box-再續(xù)上一章Ntotal:輸入的所有數(shù)值的數(shù)量包括nonmissing數(shù)量CumulativeN:累計輸入的數(shù)量即等同于Nnonmissing值Percent:（Nnonmissing/Ntotal）×100％Cumulativepercent:累計百分比數(shù)值等于percent值茲舉例如下：針對KLAPBL_AEI層次一周數(shù)據(jù)defectivedie%共24個但為了演示，故意缺省3個值，做圖及session如下:再續(xù)上一章Ntotal:輸入的所有數(shù)值的數(shù)量包括nonmi再再續(xù)上一章散點圖再再續(xù)上一章散點圖游戲規(guī)則第二條___Stat>Basicstat>GraphicalSummary結果解釋：1.平均脈搏為72.8702.平均值的95％置信區(qū)間70.590-75.1493.標準偏差為11.0094.安德森－達利正態(tài)檢驗中，(A-Squared=0.98;P-Value=0.013)表明并不符合正態(tài)分布！(因為P-Value<0.05)游戲規(guī)則第二條___Stat>Basicstat>Grap游戲規(guī)則第三條___Stat>Basicstat>1SampleZ若知道標準偏差，而想測試一組數(shù)據(jù)的平均值是否為A且獲得90％的置信區(qū)間，則可以采用Z-procedure例如：1.打開某個worksheet2.選擇Stat>Basicstat>1-SampleZ3.在”SamplesinColumns”中輸入“Values”4.在”Standarddeviation“中輸入0.2（已知量）5.在”testmean”中輸入”5”(預估值，計劃值）6.點擊“options”,在”confidencelevel”中輸入90（表示90％的置信度），再點OK7.點擊“Graphs”,點擊”individualvalueplot”,再點擊ok生成如下圖和session結果解釋如下：1.Z值等于-3.17（測試假如若平均值為5時的統(tǒng)計值）2.P值等于0.002(因為其值小于0.1-90％置信度），表明預估值5這個假設被拒絕！這里u是樣本平均值，u0是假設值，預測值游戲規(guī)則第三條___Stat>Basicstat>1Sa游戲規(guī)則第四條___Stat>Basicstat>1Samplet若不知道標準偏差，而想測試一組數(shù)據(jù)的平均值是否為A且獲得90％的置信區(qū)間，則可以采用t-procedure例如：1.打開某個worksheet2.選擇Stat>Basicstat>1-Samplet3.在”SamplesinColumns”中輸入“Values”4.在”testmean”中輸入”5”(預估值，計劃值）5.點擊“options”,在”confidencelevel”中輸入90（表示90％的置信度），再點OK6.點擊“Graphs”,點擊”individualvalueplot”,再點擊ok生成如下圖和session結果解釋如下：1.t值等于-2.56（測試假如若平均值為5時的統(tǒng)計值）2.P值等于0.034(因為其值小于0.1-90％置信度），表明預估值5這個假設被拒絕！這里u是樣本平均值，u0是假設值，預測值游戲規(guī)則第四條___Stat>Basicstat>1Sa游戲規(guī)則第五條___Stat>Basicstat>2-Samplet對2個相互獨立的樣本進行t檢驗，同時生成置信區(qū)間，前提標準偏差未知例如：1.打開某個worksheet2.選擇Stat>Basicstat>2-Samplet3.選擇”SamplesinoneColumn”4.在”samples”中輸入”BTU.In”(2個樣本的值放在一列中）5.在“subscripts”中輸入”Damper”(2個樣本的名字)6.點擊ok生成如下圖和session結果解釋如下：1.Pooled值等于2.8818（合并標準偏差）2.95％置信區(qū)間包含0，表明兩者間沒有差異3.P值等于0.701(因為其值大于0.05-95％置信度），表明兩者差異為0即無差異這個假設被接受！這里u1，u2為樣本平均值，＠0為假設檢驗值游戲規(guī)則第五條___Stat>Basicstat>2-S游戲規(guī)則第六條___Stat>Basicstat>pairedt對2個非獨立的樣本進行t檢驗，同時生成置信區(qū)間，例如：1.打開某個worksheet2.選擇Stat>Basicstat>pairedt3.選擇”SamplesinColumns”4.在”firstsample”中輸入”A”(1個樣本的值放在一列中）5.在“secondsample”中輸入”B”(另一個樣本)6.點擊ok生成如下圖和session結果解釋如下：1.95％置信區(qū)間不包含0，表明兩者間有差異！2.P值等于0.009(因為其值小于0.05-95％置信度），表明兩者差異為0即無差異這個假設被拒絕！這里ud為兩樣本之差的平均值，u0為假設檢驗值游戲規(guī)則第六條___Stat>Basicstat>pair游戲規(guī)則第七條___Stat>Basicstat>1proportion對單個樣本進行比例檢驗，同時生成置信區(qū)間，例如：某律師宣稱如果其支持率大于65%，他將競選州律師，我們可以隨機抽樣950份問卷，其中560份支持他，做1proportion檢驗1.選擇Stat>Basicstat>1proportion2.選擇”Summarizeddata”3.在”numberoftrials”中輸入”950”4.在“numberofevents”中輸入”560”5.點擊”option”,在”testproportion”中輸入0.65；在“alternative”中選擇”greaterthan”,最后點擊ok生成session結果解釋如下：1.95％置信區(qū)間為0.562515<0.65,所以其支持率小于65%！2.P值等于1.00(因為其值大于0.05-95％置信度），也表明支持率小于65%這里p為樣本值，p0為假設檢驗值游戲規(guī)則第七條___Stat>Basicstat>1pr游戲規(guī)則第八條___Stat>Basicstat>2proportions對兩個樣本進行比例檢驗，同時生成置信區(qū)間，例如：你決定買影印機，現(xiàn)從選X,Y兩個牌子中選擇，故考慮兩個牌子隨機各選50臺，發(fā)現(xiàn)X中有6臺，Y中有8臺需要維修，做2proportions檢驗，以決定買哪臺？1.選擇Stat>Basicstat>2proportions2.選擇”Summarizeddata”3.在”firstsample--trails”中輸入”50”,在”events”中輸入444.在“secondsample--trails”中輸入”50”,在”events”中輸入425.最后點擊ok生成session結果解釋如下：1.P值等于0.564(因為其值大于0.05-95％置信度），表明兩者沒有差異2.95%置信區(qū)間中包含0，也表明兩者之間沒有差異這里p1，p2分別為兩樣本值，p0為兩者之間差異的假設檢驗值游戲規(guī)則第八條___Stat>Basicstat>2pr游戲規(guī)則第九條___Stat>Basicstat>correlation相關性值范圍為-1到1之間，若一個增加，另一個減少其相關性值為負數(shù)，若兩者都增加，其相關性值為正數(shù)，可對多個（大于2個)進行相關性驗證。1.選擇Stat>Basicstat>correlation2.選擇”variables”中輸入變量明細，X,Y,Z…….3.最后點擊ok游戲規(guī)則第十條___Stat>Basicstat>correlation偏相關系數(shù)驗證，用于當你有多個變量，但你想要對各個變量分別檢驗相關性時使用，可以在保證一個變量微調時，驗證任意兩個變量之間的相關性系數(shù)。如：調查19個餐館后，有3個變量：sales,new投資，估計市價，現(xiàn)在我們想知道在排除”估計市價“影響因素后，sales和new投資的相關性。第一步：計算非調整過的相關系數(shù)1.打開RESTRNT.MTW2.選擇Stat>BasicStat>correlation3.在”variable”中輸入變量明細，sales,new投資，估計市價，點擊ok第二步：RegressSalesonValueandstoretheresiduals(Resi1)

1.選擇Stat>regression>Regression2.在”response”中輸入“sales”,在”predictors”輸入“估計市價”3.點擊“storage”,選上”residuals”,點擊ok游戲規(guī)則第九條___Stat>Basicstat>corr第三步：RegressNewCAPonValueandstoretheresiduals(Resi2)

1.選擇Stat>regression>Regression2.在”response”中輸入“Newcap”,在”predictors”輸入“估計市價”3.點擊“storage”,選上”residuals”,點擊ok第四步：Calculatecorrelationsoftheresidualcolumns

1.選擇Stat>BasicStat>correlation2.選擇”variables”中輸入變量明細Resi1,Resi2,點擊ok結果及解釋如下：兩者相關系數(shù)僅為0.078，遠小于未排除“估計時間”因素后的相關系數(shù)0.615第三步：RegressNewCAPonValuean游戲規(guī)則第十一條___Stat>Basicstat>NormalityTest可生成正態(tài)分布圖或檢驗數(shù)據(jù)是否為正態(tài)分布1.選擇Stat>Basicstat>NormalityTest2.選擇”variable”中輸入“變量”最后點擊ok生成session結果解釋如下：1.95％置信度0.05，而P值0.022小于0.05，因此不符合正態(tài)分布注意：你有三種正態(tài)檢驗的選擇Anderson-Darling–是基于“經(jīng)驗累積分布函數(shù)”檢驗Ryan-Joiner—類似于Shapiro-Wilk是基于“相關性”檢驗Kolmogorov-Smirnov—同a)一樣基于“經(jīng)驗累積分布函數(shù)”但是a)和b)對檢驗非正態(tài)能力相近；c)的能力次之！如果p值小于95%即0.05，表示數(shù)據(jù)為“非正態(tài)分布”游戲規(guī)則第十一條___Stat>Basicstat>Nor游戲規(guī)則第二部

Stat>Regression游戲規(guī)則第二部

Stat>Regression游戲規(guī)則第十二條___Stat>Regression>Regression對單個變量或多個變量分別進行simple或multipleregression，該regression(回歸分析）基于“最小二乘法”模型Response:因變量如Y等；Predictors:自變量如X等；點擊后出現(xiàn)左圖界面，現(xiàn)對”Graphs”“Options”,”Results”,”Storage”等一一詳解如下：

<Graphslist>Residualsforplots:定義顯示殘差圖表Regular:顯示”正?！盎颉痹肌皻埐頢tandardized:顯示”標準“殘差Deleted:顯示”studentizeddeleted殘差”三者在session各項參數(shù)和圖中無差異，僅是坐標單位有可能不同ResidualPlotsIndividualplots:散點殘差分布圖Histogramofresiduals:殘差柱狀圖Normalplotofresiduals：殘差正態(tài)分布圖Residualsversusfits:散點模擬殘差分布圖Residualsversusorder:類似上面定義，殘差對應序列1，2，3……Fourinone:上面四種圖合在一張圖上Residualsversusthevariabless:殘差與自變量之間的關系游戲規(guī)則第十二條___Stat>Regression>Reg續(xù)上一章<Option選項>1.Weights:weighted回歸，必須大于等于0！！2.Fitintercept:選上此項出現(xiàn)R值3.Varianceinflationfactors:選上此項進行多重線性效應分析4.Durbin–Watsonstatistic:檢查殘差的自相關性5.PRESSandpredictedR-square:顯示PRESSstatistic和predictedR-square6.Pureerror:顯示“pureerrorlack-of-fittest”7.Datasubsetting:顯示“datasubsettinglack-of-fittest’<Results選項>1.結果顯示的類型，具體見英文。此處略續(xù)上一章<Option選項>再續(xù)上一章<Storage>選項1.Deletedtresiduals(studentizedresiduals)2.Hi(leverages)3.Cook’sdistance4.DFITS5.Coefficients(在worksheet中顯示估算值）6.Fits7.X”Xinverse8.Rmatrix,Data>DisplayData再續(xù)上一章<Storage>選項再再續(xù)上一章現(xiàn)需要做單變量的回歸分析，擬模擬Score1是否可以替代Score21.打開某MTW文件2.選擇Stat>Regression>Regression3.在“response”中輸入”Score2”4.在“predictors”中輸入“Score1”,再點擊OK結果解釋如下：1.因為p值為0<0.05,故表明該回歸方程擬合很好2.因為R2

為0.957，該值越高，表明擬合越好再再續(xù)上一章現(xiàn)需要做單變量的回歸分析，擬模擬Score1是否再再再續(xù)上一章現(xiàn)做多變量的回歸分析，現(xiàn)測量了房間熱流出量，但想檢驗該流出量是否和東，南，北三個方向有關系？1.從四個P值看，East不符合擬合方程！因此該擬合方程只和另外3個因子有關2.R2

為0.874和0.859，都說明該方程擬合很好3.PredictedR2

為0.7896和上面2個很接近，也說明該方程有很好的預測性4.Observations4,22表明“不正常”，因為其大于2outlier?!5.再再再續(xù)上一章現(xiàn)做多變量的回歸分析，現(xiàn)測量了房間熱流出量，但游戲規(guī)則第十三條___Stat>Regression>StepwiseStepwiseregression：逐步回歸分析，可remove/adds變量，軟件提供3種方法：standardstepwise,forwardselection,（addsvariables)backwardelimination(removevariables),當采用逐步回歸分析時，將變量輸入“PredictorsinInitialmodel”,如果變量的P值大于輸入的”Alpha”值時，這些變量可以被remove掉，若不管P值，則變量輸入于”Predictorstoincludeineverymodel”Usealphavalue:所需選擇的模型之一UseFvalues:所需選擇的模型之二Stepwise(forwardandbackward)Predictorsininitialmodel:輸入變量如果P值大于“alphatoenter”,則變量被移除alphatoenter/remove：設定某值Ftoenter/remove:設定某值Forwardselection:選3種模式之一Backwardelimination:選3種模式之一游戲規(guī)則第十三條___Stat>Regression>Ste續(xù)上一章例：每個學生記錄自己的身高，體重，性別，吸煙偏好，平?；钴S度，休息時脈搏數(shù)，然后扔硬幣，硬幣頭像向上的同學跑1分鐘，然后再次記錄他的脈搏數(shù)，現(xiàn)在你需要找到最佳的變量來擬合第二次脈搏數(shù)。1.選擇Stat>Regression>Stepwise2.在Response中輸入pulse23.在Predictors中輸入pulse1Ran-Weight(“-”表示變量由Ran到Weight)4.點擊options,在InNumberofstepsbetweenpauses中輸入2，點擊OK結果解釋：沒看懂！續(xù)上一章例：每個學生記錄自己的身高，體重，性別，吸煙偏好，平游戲規(guī)則第十四條___Stat>Regression>Bestsubsets它能有效地以最少的變量形成模型來達到你的目的，比起全參數(shù)模型來，subsetmodels能用較少的參數(shù)來估計回歸系數(shù)和預計因變量！首先minitab由1個自變量開始，然后包含2個自變量等等，一般情況下，軟件對于每個自變量顯示2個最佳模型！例如，假定你要對3個自變量進行Bestsubsets回歸分析，軟件先提出最優(yōu)和次優(yōu)1自變量模型，然后是最優(yōu)和次優(yōu)2變量模型，最后是全自變量模型！Response:輸入因變量值Freepredictors:輸入自變量，最多可以31個Predictorsinallmodels:輸入自變量游戲規(guī)則第十四條___Stat>Regression>Bes續(xù)上一章FreePredicto