【正文】 到的觀察結果，如果一個個體有k 個變量被觀察，那么就應該用k 列表示。 在“Graph”中有許多作圖功能，譬如散點圖(Plot)，時間序列圖(Time series Plot)，直方圖(Histogram)，箱線圖(Boxplot)，點圖(Dotplot)，餅圖(Pie Chart)，概率圖(Probability Plot)，莖葉圖(StemandLeaaf)等。為了看出兩個變量是否有關，可以計算其相關系數，只要使用Stat—Basic Statistics—Correration，在Variables對話框中選擇兩個變量（本例為C1 C2），點擊OK，即顯示如下：Correlations (Pearson)Correlation of x and y = 若要直觀起見，還可以利用Graph—Plot，在Graph Variables對話框中Y下輸入縱軸對應的變量所在列（本例為C2），在X下輸入橫軸對應的變量所在列（本例為C1），點擊OK，即顯示如下： 例8 正態(tài)性檢驗 對例2的數據作正態(tài)性檢驗，使用Stat—Basic Statistics—Normality Test，在Variable框中輸入變量所在列，本例為C1，點擊OK，即顯示如下： 這也可以利用Graph Probability Plot，在Variables框中選變量所在列，本例為C1，在Distribution框中中選Normal，同樣可以畫出。R） Repeatability（重復性） Reproducibility （再現性） C1 （操作者） C1*C2 （交互作用） PartToPart（零件） Total Variation（總和） Source %Contribution %Study Var （在總方差中所占比例 在總變差中所占比例） Total Gage Ramp。例20 兩因子方差分析 為提高化工產品的產量，需要尋找最好的反應溫度與反應壓力的配合，現對反應溫度（因子A）取三個水平（60，70，80），對反應壓力（因子B）取三個水平（2，3），在每一條件下進行兩次試驗，數據如下輸入：（C1為因子A的水平號，C2為因子B的水平號，C3為試驗結果）C1C2C3ABy111112121313212122222323313132323333利用StatANOVABalanced ANOVA，在Responses框中給出數據所在列，本例為C3，在Model框中給出兩個因子水平號所在列及所要考察的交互作用的列，本例為C1 C2 C1*C2，再點擊選項Result，在其中Display means corresponding to the terms框中同樣輸入C1 C2 C1*C2，點擊OK后顯示：Analysis of Variance (Balanced Designs)Factor Type Levels ValuesA fixed 3 1 2 3B fixed 3 1 2 3Analysis of Variance for y Source DF SS MS F PA 2 B 2 A*B 4 Error 9 Total 17 Means（均值）A N y1 6 2 6 3 6 B N y1 6 2 6 3 6 A B N y1 1 2 1 2 2 1 3 2 2 1 2 2 2 2 2 3 2 3 1 2 3 2 2 3 3 2 利用StatANOVAMain Effects Plot，在Responses框中給出數據所在列，本例為C3，在Factor框中給出兩個因子水平號所在列，本例為C1 C2，點擊OK后給出主效應圖： 利用StatANOVA Interaction Plot，在Responses框中給出數據所在列，本例為C3，在Factor框中給出兩個因子水平號所在列，本例為C1 C2，點擊OK后給出交互作用圖：例21 正交設計的數據分析為提高某化工產品的回收率，考察三個三水平因子，用正交表L 9(34)安排試驗。數據如下：序號xy121722311325214272452966632115735325首先可以畫散布圖看看它的曲線形狀：用Graph—Plot，在Y與X中分別給出列號，可以得到下面的圖象： 由于當令后，可以化為一元線性回歸，采用最小二乘法對a與b作出估計。為了冶煉出符合要求強度的鋼，常常通過控制鋼水中的碳含量來達到目的，為此需要建立y關于x的回歸方程。 利用Stat—Control charts—U，在Variable中給出缺陷數所在列的列號，本例為C2，在Subgroups in 中給出樣本容量所在列的列號，本例為C1。R Study ANOVA MethodGage Ramp。例5 散點圖為了了解合金鋼的強度y與鋼材中碳含量x兩者間的關系，收集了如下10組數據：xy將數據分別輸入在兩列中，譬如x在C1中，y在C2中，利用Graph—Plot，在Graph Variables的框中的Y下給出縱坐標的變量所在列，本例為C2，X下給出橫坐標的變量所在列，本例為C1，再點擊OK，即顯示如下：四、“基本統(tǒng)計”中若干模塊的應用： 僅就其中的幾個模塊舉例說明。在打開MINITAB后，屏幕被分成兩個部分，上半部分為“Session”，一切計算結果將在這里給出；下半部分為“Worksheet”，可以在這里輸入數據。三、圖象(Graph)中若干模塊的應用：例1 直方圖 食品廠用自動裝罐機生產罐頭食品，由于工藝的限制，每個罐頭的重量有所波動，為了了解罐頭重量的分布，現從一批罐頭中隨抽取100個稱其凈重，數據如下： 342 352 346 344 343 339 336 342 347 340 340 350 347 336 341 349 346 348 342 346 347 346 346 345 344 350 348 352 340 356 339 348 338 342 347 347 344 343 349 341 348 341 340 347 342 337 344 340 344 346 342 344 345 338 351 348 345 339 343 345 346 344 344 344 343 345 345 350 353 345 352 350 345 343 347 354 350 343 350 344 351 348 352 344 345 349 332 343 340 346 342 335 349 348 344 347 341 346 341 342將數據輸入在C1列中并命名該列為x，然后點擊Graph，出現下拉菜單，在從中點擊Histogram（今后將菜單選擇過程簡記為：Graph—Histogram），在屏幕上出現對話框，然后在Graph variables中，x下的框中給出變量所在的列號，本例為C1。數據如下：操作員測量序號1234零5件678910A12B12C12 數據輸入在三列上：C1為操作者編號，C2為零件編號，C3為測量數據。 利用Stat—Control charts—P，在Variable中給出不合格品數所在列的列號，本例為C2，在Subgroups in 中給出樣本容量所在列的列號，本例為C1。在First Sample中給出第一樣本的列號，在Second Sample中給出第二樣本的列號，本例為C1（命名為x） 與C2（命名為y）Paired TTest and CI: x, y（成對t 檢驗與置信區(qū)間）Paired T for x y N Mean StDev SE Mean （樣本量 均值 標準差 標準誤）x 11 y 11 Difference（差） 11 95% CI for mean difference: (, )TTest of mean difference = 0 (vs not = 0): TValue = PValue = （以上為均值差的置信區(qū)間及t 檢驗統(tǒng)計量的值與對應的檢驗的P值） 5．有關比例的檢驗與區(qū)間估計 （1）一個比例的場合 例25 某產品的優(yōu)質產品率以往一直保持在40%，近期質檢部門抽查了12件產品，發(fā)現其中的優(yōu)質產品為5件，要檢驗當前的優(yōu)質產品比例是否仍然保持在原有水平，并給出優(yōu)質產品率置信水平為95%的置信區(qū)間。十、可靠性中分布的參數估計 1．指數分布 例29 某產品的壽命服從指數分布，投入n=7個產品進行壽命試驗，當失效數為6時試驗停止，求平均壽命的估計：數據輸入： C1 C2120 f450 f450 f530 f 600 f650 f700 c在Stat—Reliability/Survival—Parametric Dist AnalysisRight Cens…中 Variables中選失效數據所在的列號，本例為C1 Assumed distribution中選Exponential（指數分布）在選項Censor…的Use Censoring Column中選表示失效(f)或未失效(c)的列，本例為C2OK后得到如下結果：Distribution Analysis: C1Variable: C1 Censoring Information CountUncensored value 6Right censored value 1Censoring value: C2 = c（以上為截尾信息，表示6個失效，1個被截尾， 截尾信息在C2列上）Estimation Method: Maximum LikelihoodDistribution: ExponentialParameter Estimates Standard % Normal CIParameter Estimate Error Lower UpperShape Scale （，～）LogLikelihood = （以上估計為極大似然估計，）GoodnessofFitAndersonDarling (adjusted) = （以下為分布的特征：分布的平均值、中位數、標準差、內四分位間距、第一、第三四分位數）Characteristics of Distribution Standard % Normal CI E