【正文】 First quartile:1/4數(shù) Third quartile : 3/4數(shù) Interquartile range : Q3Q1 Skewness : 歪度分布的對稱性 ,越接近 0 越滿足對稱性 Kurtosis : 添度分布的尖的程度為 0時正態(tài)分布 , 負數(shù)為完滿 , 正數(shù)時 比正態(tài)分布尖 MSSD :把前后數(shù)據(jù)差的乘方除以 2 N nonmissing :填滿的 Col數(shù) N missing : 空 Col 數(shù) Cumulative N : Col的 DATA數(shù) Percent : 集團占有率 Cum percent : 累積占有率Minitab保存基礎統(tǒng)計量 (Store Descriptive Statistics) 留意水準 : 犯第一種錯誤的最大概率 PValue : 犯一種錯誤的概率的推定值 駁回領域 : 駁回假設的部分領域 兩側檢定 : 駁回領域存在于兩端的檢定 單側檢定 : 駁回領域存在于分布一端時的檢定 Minitab活用 Minitab 的假設檢定216。p 值比留意水準小時駁回歸屬假設167。Test mean :指定檢定時對象值 167。不知標準偏差時兩個母平均差的推定和檢定167。Second sample : 選擇第二個 data Col 1 Col 與 2 Col 的資料數(shù)應相同167。Test proportion : 檢定不良率167。Use test and interval based on normal distribution : 是否按正態(tài) 分布近似計算結果解釋 :p值比留意水準 5%大，故選 擇歸屬假設，即兩個母集團不良率無差異Minitab2Proportion(兩個母集團母比率的檢 .推定 )Minitab2Variances(兩個母集團分散的同一性檢定 )216。檢定資料的分布形態(tài)是否隨正態(tài)分布的分析法216。Regression:利用最小乘方法，實施單一回歸或多重回歸167。Response : 選擇種屬變量 (結果值 ) Score 2167。Residuals for Plots:殘差圖象中顯示的殘差種類選擇 Regular:在資料的原來測度內利用殘差時 Standardized:利用標準殘差時 Deleted:利用 Studentized殘差時167。前進選擇法 : 在影響反應變量的 k個說明變量中選擇最大影響的變量， 并判斷為再無其它重要變量時 ,停止變量的選擇 167。顯示進入模型的預測變量的最佳程度 (若是 2，則顯示 2個預測變量 )167。另在包含 2個、 3個、 4個說明變量的模型 中，每各變量個數(shù)輸出 3個。Transformations:反應變量與說明 變量取 10為底的 Log167。當反應變量不是連續(xù)性的二分型 (0,1)資料時的回歸分析167。在圖象上按鼠標右鍵則出現(xiàn) Play菜單，并通過 Brush確認是第 31號值與第 66號值MinitabBinary Logistic RegressionBinary Logistic RegressionLink Function: LogitResponse InformationVariable Value CountRestingP Low 70 (Event) High 22 Total 92Factor InformationFactor Levels ValuesSmokes 2 No YesLogistic Regression Table Odds 95% CIPredictor Coef StDev Z P Ratio Lower UpperConstant Smokes Yes Weight = Test that all slopes are zero: G = , DF = 2, PValue = TestsMethod ChiSquare DF PPearson 47 Deviance 47 8 Brown:General Alternative 2 Symmetric Alternative 1 Table of Observed and Expected Frequencies:(See HosmerLemeshow Test for the Pearson ChiSquare Statistic) GroupValue 1 2 3 4 5 6 7 8 9 10 TotalLow Obs 4 6 6 8 8 6 8 12 10 2 70 Exp High Obs 5 4 3 1 1 3 2 3 0 0 22 Exp Total 9 10 9 9 9 9 10 15 10 2 92Measures of Association:(Between the Response Variable and Predicted Probabilities)Pairs Number Percent Summary MeasuresConcordant 1045 % Somers39。Response:指定反應變量167。 反應變量為名目型 (性別 , 郵編 , 學號等 ) 資料構成的 logistic 回歸模型。尋找說明變量與反應變量關系式的方法論?一元配置分散分析 (DATA形態(tài)為 Stack 的時候 )?一元配置分散分析 (DATA形態(tài)為 Unstack 的時候 )?二元配置分散分析?平均分析?均型分散分析 (在各水準反復相同的時候 )?一般線型模型?支份分散分析?檢定分散的同一性?區(qū)間 Plot?主效果 Plot?交互效果 PlotMinitabOne Way ANOVA(一元配置法 ) 216。Store residuals:保存殘差167。 即水準間有差。 數(shù)據(jù)應為 Stack 形態(tài)。?看左圖可知道 Suppleme 的平均間有差。用兩個因子的交互作用效果167。Probtype|Calculat的標記為考慮交互作用 效果的計算實施 .167。Group variable:subscript 指定167。Base plots on:指定 plot基準167。 平均是 Variety 4,6水準比別的水準小。167。Mixture Design:混合物實驗167。解 (Resolution) 在部分實施法中表示實驗設計的攪亂 (例 ) III, IV, V 程度的記號 167。Results...MinitabFactorial Design(要因配置法 ) Design Custom Factorial Design216。?超過指針線的 C, AC, B因子為有影響?在正態(tài)概率圖中離直線遠離的因子可 認為信號因子?在上圖中 C, AC, B因子為有影響MinitabFactorial Design(要因配置法 ) Factorial PlotsSetup...?Main effect:主效果?Interaction:交互效果?Cube : 三個因子的效果?Setup : 選定要作業(yè)的因子?Type of Means to use in Plots : 指定生成 主效果圖平均的數(shù)據(jù)類型?Responses : y, 即選擇已輸入結果值的列?指定要繪出主效果圖的因子 MinitabFactorial Design(要因配置法 ) 主效果圖 交互效果圖3因子效果圖?主效果圖 : 傾斜度越大符合水準的效果 越大?交互效果圖 : 交叉的傾斜度越大符合水準 的效果越大?3因子效果圖 : 計算水準的平均值?T因子從低水準變?yōu)楦咚疁蕰r，他的反應值 就大幅度增加MinitabResponse Optimizer(反應值的最佳條件 ) Stat 》 DOE 》 Factorial 》 Response Optimizer選反應變量MinitabResponse Optimizer(反應值的最佳條件 ) 輸入反應變量目標值輸出結果MinitabResponse Surface Designs(反應表面計劃 ) 216。 在 Ink、 Paint、 Cake等由幾種成份構成時存在各成份的混合比率的問題點， 此時求哪些成份對反應變量帶來有意影響及滿足最佳混合比率的實驗 216。 Minitab 運行步驟 利用 “Create RS Design” 選擇實驗設計 指定因子數(shù)及因子名、水準、反復次數(shù)、 Random化與否 執(zhí)行實驗后輸入數(shù)據(jù)，并實行 “Analyze RS Design”導出實驗分析結果 利用 “RS Plot” 繪出 Contour Plot 及 Surface Plot ， 得出最佳條件的資料?Type of Design : 選擇實驗設計?Number of factors : 選擇實驗因子數(shù)Designs... (中心合成計劃法） (BoxBehnken法 )?選擇需要的實驗計劃?Number of Center Points:指定中心點?Value of Alpha:指定 Alpha Faced Centered:alpha=1軸點在 cube位置， 在因子水準的變動幅度限制時選擇 Custom:輸入數(shù)量。但不能保存常數(shù)、 Covariate、 中心點、 Block的效果。 要因配置法種類 完全要因配置法 (Full Factorial Design) : 2水準完全要因配置法 , 多水準完全要因配置法 部分實施法 (Fractional Factorial Design) PlackettBurman 計劃法 (PlackettBurman Design)216。水準 (Level) 各實驗因子的設定值 (例 ) 溫度 100 200 () (+)167。Overlaid Contour Plot:以視覺性展示多個反應 變量的妥協(xié)領域167。 如何實施實驗如何選取數(shù)據(jù) , 如何解釋才能以最少的實驗次數(shù) 迅速獲得最大的信息量的計劃方法 .216。MinitabInteractions Plot216。 MinitabMain Effects Plot216。 檢定 2集團以上的分散是否一致 歸屬假設 : 所有水準的分散一致 對立假設 : 至少一個以上的分散不一樣?正態(tài)分布數(shù)據(jù)時 :Bartlett’s Test?包括正態(tài)分布的連續(xù)性數(shù)據(jù)時 :Levene’s Test?因 pvalue 比留意水準 ()大，故選擇歸屬假設，即所有水準的分散一致。 2水準各組合內的實驗次數(shù)相同時使用167。Response:反應 (結果 )值167。Column factor:A因子167。當數(shù)據(jù)按水準類別指定在 Col 時使用 (Unstack 形態(tài) )216。MS:不偏分散 (Mean of Square)167。167。存在成功與試行次數(shù) , 成功與失敗 , 失敗與 試行次數(shù)形態(tài)的反應變量時各自輸入。Model:指定說明變量167。實施適合度判定，如有 p值小于，但在此顯示適合。 167。?進行殘差分析之前應先保存殘差和適合值 Stat Regression Storage : 把 Fi