【正文】 bInteractions Plot216。Overlaid Contour Plot:以視覺性展示多個反應(yīng) 變量的妥協(xié)領(lǐng)域167。 要因配置法種類 完全要因配置法 (Full Factorial Design) : 2水準(zhǔn)完全要因配置法 , 多水準(zhǔn)完全要因配置法 部分實(shí)施法 (Fractional Factorial Design) PlackettBurman 計(jì)劃法 (PlackettBurman Design)216。 Minitab 運(yùn)行步驟 利用 “Create RS Design” 選擇實(shí)驗(yàn)設(shè)計(jì) 指定因子數(shù)及因子名、水準(zhǔn)、反復(fù)次數(shù)、 Random化與否 執(zhí)行實(shí)驗(yàn)后輸入數(shù)據(jù)，并實(shí)行 “Analyze RS Design”導(dǎo)出實(shí)驗(yàn)分析結(jié)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(shí)驗(yàn)設(shè)計(jì)?Number of factors : 選擇實(shí)驗(yàn)因子數(shù)Designs... (中心合成計(jì)劃法） (BoxBehnken法 )?選擇需要的實(shí)驗(yàn)計(jì)劃?Number of Center Points:指定中心點(diǎn)?Value of Alpha:指定 Alpha Faced Centered:alpha=1軸點(diǎn)在 cube位置， 在因子水準(zhǔn)的變動幅度限制時選擇 Custom:輸入數(shù)量。?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(yuǎn)離的因子可 認(rèn)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(jié)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(zhǔn)的效果 越大?交互效果圖 : 交叉的傾斜度越大符合水準(zhǔn) 的效果越大?3因子效果圖 : 計(jì)算水準(zhǔn)的平均值?T因子從低水準(zhǔn)變?yōu)楦咚疁?zhǔn)時，他的反應(yīng)值 就大幅度增加MinitabResponse Optimizer(反應(yīng)值的最佳條件 ) Stat 》 DOE 》 Factorial 》 Response Optimizer選反應(yīng)變量MinitabResponse Optimizer(反應(yīng)值的最佳條件 ) 輸入反應(yīng)變量目標(biāo)值輸出結(jié)果MinitabResponse Surface Designs(反應(yīng)表面計(jì)劃 ) 216。解 (Resolution) 在部分實(shí)施法中表示實(shí)驗(yàn)設(shè)計(jì)的攪亂 (例 ) III, IV, V 程度的記號 167。167。Base plots on:指定 plot基準(zhǔn)167。Probtype|Calculat的標(biāo)記為考慮交互作用 效果的計(jì)算實(shí)施 .167。?看左圖可知道 Suppleme 的平均間有差。 即水準(zhǔn)間有差。尋找說明變量與反應(yīng)變量關(guān)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(zhǔn)反復(fù)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。Response:指定反應(yīng)變量167。當(dāng)反應(yīng)變量不是連續(xù)性的二分型 (0,1)資料時的回歸分析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。前進(jìn)選擇法 : 在影響反應(yīng)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。Response : 選擇種屬變量 (結(jié)果值 ) Score 2167。檢定資料的分布形態(tài)是否隨正態(tài)分布的分析法216。Test proportion : 檢定不良率167。不知標(biāo)準(zhǔn)偏差時兩個母平均差的推定和檢定167。p 值比留意水準(zhǔn)小時駁回歸屬假設(shè)167。Graphical summary : 把統(tǒng)計(jì)值用 Graph輸出167。練習(xí) ) 在平均 300, 標(biāo)準(zhǔn)偏差 5的正態(tài)分布當(dāng)中抽出 40個 sample 保存到 C5上。167。用 ODBC打開 : File Quary Database167。Info窗 :簡要顯示已使用的變量信息的窗口167。 方法 1. 利用開始菜單 運(yùn)行 Minitab 的方法 167。打開保存的 Project : File Open project167。指定變量名 : 在 C1(Col名 ) 下端的 cell 上輸入變量名。練習(xí) ) 把 Red Blue White Black 生成各值是二回，全體反復(fù)二回的數(shù)據(jù)。Histogram of data with normal curve : 制作 Histogram和正態(tài)分布曲線167。Test mean : 檢定對象值 (檢定時指定 )167。mu : 歸屬假設(shè) , mu not : 對立假設(shè)167。Samples in columns :只限兩種文字或者數(shù)字167。 （ 相同 ） 216。Ordinal Logistic Regression:利用順序型反應(yīng)變量的 回歸分析 (3個以上范籌時 )167。MinitabStepwise216。Free predictors:指定在模型里包含可能性的 變量167。Residuals : 指定殘差167。在 Measures of Association 上 Pairs部分是一致的結(jié)果，Summary Measures表示預(yù)測力的尺度。 167。F:F概率值167。Store residuals:保存殘差167。Response:實(shí)驗(yàn)結(jié)果數(shù)據(jù)167。對主效果的水準(zhǔn)間差異比較167。 實(shí)驗(yàn)的成敗，只有把以往的經(jīng)驗(yàn)或者理論性、 技術(shù)性知識等的原有技術(shù)與 依照實(shí)驗(yàn)計(jì)劃法的知識結(jié)合起來才有可能 . 167。反應(yīng)值 (Response) 實(shí)驗(yàn)的數(shù)值性結(jié)果 (一般用 Y表示 ) (例 ) Y = 267mm167。 實(shí)驗(yàn)計(jì)劃 Matrix等對各個反應(yīng)值進(jìn)行保存。216。MinitabFactorial Design(要因故配置法 ) Options... ?Fold Design:設(shè)定 Fold?Randomize Runs:實(shí)驗(yàn)順序 Random?Fraction:使用部分配置法時設(shè)定 Fraction 使用位置?Base for random data generator:設(shè)定 Random 生成基準(zhǔn)點(diǎn)?Store design in worksheet:把實(shí)驗(yàn)計(jì)劃保存在 Worksheet?能多樣化地指定，愿意在 Session 窗口輸出 的實(shí)驗(yàn)計(jì)劃結(jié)果?在 Session 窗口輸出與別名 (alias)關(guān)聯(lián)的內(nèi) 容時，指定交互作用的次數(shù)。RS Design:反應(yīng)表面實(shí)驗(yàn)167?？芍腊? Field 水準(zhǔn)變更的 Variety 各水準(zhǔn)的 變動及平均值。Y variable:設(shè)定反應(yīng)值 167。脫離管理線則有影響167。216。Comparisons:檢定多重比較167。MinitabOrdinal Logistic Regression216。指定為回歸模型診斷的各種圖象MinitabBinary Logistic RegressionResults...通過圖象診斷過程中顯示不適合模型的值有 2個。Type of Regression Model:指定回歸 Model (1,2,3次方程式 )167。留意水準(zhǔn) :把預(yù)測變量追加到回歸模型的基準(zhǔn) (p值小于留意水準(zhǔn)時追加 ) MinitabStepwise167。Storage Fits:指定是否保存推定的 y Confidence limits:指定是否保存推定 y的信賴水準(zhǔn)的 信賴區(qū)間 SDs of fits:指定是否保存 y的標(biāo)準(zhǔn)偏差 Predicction limits:指定是否保存 y的預(yù)測界限MinitabRegressionResults... 在 Session 窗不顯示任何結(jié)果時 顯示基本的回歸分析結(jié)果時顯示基礎(chǔ)統(tǒng)計(jì)量時顯示追加統(tǒng)計(jì)量時Graphs... 167。為了模型化及調(diào)查反應(yīng)變量與一個以上的獨(dú)立變量之間關(guān)系的分析q Least square regression : 反應(yīng)變量為連續(xù)性資料時 167。Alternative : 設(shè)定對立假設(shè)167。First sample : 選擇第一個 data Col 167。Confidence interval : 指定計(jì)算信賴區(qū)間的信賴度167。當(dāng)指定 By variable時，隨著相關(guān) Variable的種類按 Row 方向保存。 活性 window 用 Vmark 表示，用 Vmark標(biāo)記 打開 window 2. 基礎(chǔ)統(tǒng)計(jì)基礎(chǔ)統(tǒng)計(jì)量輸出基礎(chǔ)統(tǒng)計(jì)量保存對母平均的推定及檢定對母比率的推定及檢定相關(guān)分析公分散分析正態(tài)性檢定Minitab基礎(chǔ)統(tǒng)計(jì) 兩個母集團(tuán)的分散的同一性檢定216。 (2) 把 DurabilityCarpet保存到 DuraCarpet 上。 打印167。Stat : 是分析統(tǒng)計(jì)資料的副菜單，由基礎(chǔ)統(tǒng)計(jì)、回歸分析、分散分析、品質(zhì)管理、時針序列 分析、離散資料分析、非母數(shù)統(tǒng)計(jì)分析等構(gòu)成 167。1. Minitab 的操作MINITAB = Mini + Tabulator =小型 + 計(jì)算機(jī)q介紹 于 1972年，美國賓夕法尼亞 州立大學(xué)用來作統(tǒng)計(jì)分析、教育用而開發(fā)，目前已出版 Window 用版本 ，并且已在工學(xué)、社會學(xué)等所有領(lǐng)域被廣泛使用。Calc : 利用內(nèi)部函數(shù)的數(shù)據(jù)計(jì)算及利用分布函數(shù)的數(shù)據(jù)生成167。216。Minitab習(xí)題把多數(shù)的 col 使用函數(shù)計(jì)算后，保存到新的 col 上把 1個 col 的統(tǒng)計(jì)值保存到新的 col 上用 1個以上的 col 計(jì)算統(tǒng)計(jì)值后，保存到新的 col 上變換為標(biāo)準(zhǔn)化資料把數(shù)據(jù)屬性變更為數(shù)值屬性把數(shù)據(jù)屬性變更為文字屬性生成 Pattern 數(shù)據(jù)把 X、 Y、 Z 的值用 3D 圖象方式組合后生成 Mesh 數(shù)據(jù)生成在回歸分析中要使用的指示變量指定 Random 數(shù)據(jù)的基準(zhǔn)點(diǎn)生成符合分布函數(shù)的 Random 數(shù)據(jù)生成符合分布函數(shù)的概率，并用數(shù)據(jù)保存行列MinitabMinitab 菜單 (Calc)練習(xí) ) 把 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 把 Durability 和 Carpet 相加的值保存到 DuraCarpet 上。 使管理 Worksheet 的 window活性化 167。216。Variables : 指定要分析的 Col 167。有關(guān)對應(yīng)的兩個母集團(tuán)的母平均差的推定和檢定167。Test proportion : 檢定不良率167。因 Pvalue為 ，故駁回歸屬假設(shè)，即不隨正態(tài)分布MinitabNormality Test(正態(tài)性檢定 )3. 回歸分析216。Prediction intervals for new observation:推定回歸 式后，按說明變量的值推定 y值 167。選擇 Forward selection后指定留意水準(zhǔn)167。Predictor:指定說明變量 (僅一個 )167。Factors:在說明變量中指定離散型變量Graph...167。在這模型中刪除 Region 后 , 再進(jìn)行分析為好。Factor:指定說明變量 (要因 )