minitab實例分析ppt課件-資料下載頁
2025-05-03 18:39本頁面
【正文】 可以信賴回歸模型 ；※ 通過分散分析，判斷 2次效果的有意性 1次效果、 2次效果有意 ※ 通過 LackofFit Test，判斷模型的 適合性 失 擬 (不有意 )， 因此判斷模型適合(3) 殘差分析 ：對殘差的正態(tài)分布假說的研討 － 直方圖、正態(tài)分布圖 對分散同質(zhì)假說的研討－與擬合值※ 殘差已確定為隨機分布，可以進行分散同質(zhì)假說研討 (3) 坐標圖分析 ：因子的 最佳條件 A: 289 ~ 310 B: 11 ~ 18 → 預想 Y=.(4) 數(shù)值性分析 ： 最佳化因子水平初期設(shè)定（大概值）望大：求最大值；下限：設(shè)定最小值望目：設(shè)定目標值Y = ，滿足度 = 1。 即意味著滿足 目 標值 要求；調(diào)整因數(shù)水平而使透過率更好。A=、 B=， Y(Max)＝I — 反映表面實驗 2： －－多個反映值(1) 因子配置設(shè)計 ： 試驗配置 : 中心合成計劃 (2因子 ) 反應值 (Y) : Y Y Y3 因數(shù) /水平 : A (Low = 80, High = 90), B (Low = 170, High = 180)背景：通過最大傾斜法，知道反應時間 A= 85分鐘、反應溫度 B=175F是最佳條件。 求可以滿足 3個反應變量 (Y Y Y3)結(jié)果條件的因子的最佳水準。輸 入 試驗結(jié) 果： A、 B： 選 中后右鍵選擇 數(shù) 據(jù)格式轉(zhuǎn)換 成整 數(shù)(2)統(tǒng)計性分析 ：※ 誤差項要不要 Pooling?誤差項 Pooling的話 → Lack of fit（失擬） 的 Pvalue要大起來 , → Rsq(adj)要升高 ，或者 Regression（回歸）的 F值要升高→ 不然的話，證明現(xiàn)在的模型更適當? 2個因子的主效果、 2次效果都有意，不實施 Pooling. ? 交互作用， Pooling到誤差項時， Rsq(adj)和 lack of fit的 P值會減少，因此不 Pooling.? A 的 2次效果 (A*A)不有意，故而 Pooling到誤差項 .? 交互作用 (A*B)， Pooling到誤差項時， Rsq(adj)和 lack of fit的 P值會減少因此不 Pooling.216。Pooling 后分析結(jié)果在 項 中去掉 A*A項 后再次 運 行216。Pooling 后分析結(jié)果在 項 中去掉 A*A、 A*B項 后再次 運 行? A、 B的 2次效果（ AA,BB）不有意， Pooling到誤差項 .? AB交互作用， Pooling到誤差項時， Rsq(adj)和 lack of fit的 P值會減少因此不 Pooling.(3) 坐標圖分析 ：位于 Plot的中央部的白色部分是 A和 B因子滿足所有反應變量的水平值的范圍。Y Y Y3的取 值 范 圍 ；(4) 數(shù)值性分析 ：調(diào)整因子的水準，接近收率 (Yield)= 、粘性 Viscosity)=65.已修訂的因子水準值C — 管理圖： (1) XbarR （ n10）① 正常的 xbarR圖 ② 管理界限再計算（不考慮異常點） XbarR圖（ 2） XbarS 管理圖（ n=10）（ 3） P 管理圖（離散，樣本大小不一定）（ 3） P 管理圖（離散，樣本大小不一定）按月、按值班組、改善前 (6月 )、按改善前后等按層區(qū)別在一個坐標圖上區(qū)分標注。如圖可見， 6月散步大， 8月明顯減少；（ 3） nP 管理圖（離散，樣本大小一定）（ 5） C 管理圖（離散，不良數(shù)）（ 5） U 管理圖（離散，不良數(shù)，組大小不定
教學課件相關(guān)推薦
鄂ICP備17016276號-1