【正文】 ?Data are arranged as: Single column : 變換對象 Col Subgroup size : 部分群的大小?Store transformed data in: Single column : 欲保存的 ColMinitabXbar R 管理圖?選擇包含已測定 data的列?指定群的大小?Unstack data時?輸入已知的平均、標準偏差便可繪出管理界線?依指定的 Group獨立繪出管理界線。 在 Minitab 混合物實驗步驟 Create Mixture Design : 生成 Simplex 中心排列法 , Simplex 格字型排列法 , 頂頭點計劃法 Analyze Mixture Design : 實驗結果分析MinitabMixture Design(混合物實驗 ) MinitabModify Design(實驗計劃修正 )?Modify factors : 修正因子名和因子水準?Replicate design : 指定實驗計劃的反復次數(shù)?Randomize design : 指定對所有實驗計劃的 Random 化或者 Block內的 Random化?Fold design : 對所有因子 fold 或者 對特定的因子 fold?Add axial points : 對軸點追加的修正 （相當于 2水準實驗計劃 ) alpha=1時軸點位置在 cube上，小于 1時在 cube的 內側，大于 1時在 cube外 MinitabDisplay Design(顯示實驗計劃 )Options...?Order for all points in the worksheet : 在 Worksheet 顯示的 實驗計劃的順序指定為 run order或者 standard order ?Units for factors : 在 Worksheet 顯示的因子水準指定為 uncoded 或者 coded ?在 Worksheet 上顯示的實驗計劃列中 sorting 上，如有刪除的內容時選擇Minitab實驗計劃 例題因子 低水準 高水準溫度 20度 40度壓力 1氣壓 2氣壓催化劑 A B? 反應值 : 數(shù)率? 2回反復實驗? 實驗 DATA : Stdorder順序 66 66 102 98 65 54 107 68 53 66 55 85 108 89 52 636. 管理圖216。 選擇 Analyze RS Design 變更 Terms與 GraphsMinitabResponse Surface Designs(反應表面計劃 ) Minitab 實行結果 Full quadratic?看分散分析表時，對 Lackoffits的 pvalue為 ， 便可知現(xiàn)在的 預測模型為確切 ?看分散分析表時，二次項與交互 因子的 pvalue為 ，顯 示為預測模型的有意因子?二次項中 Nitrogen*Nitrogen項，在 交互因子中 Nitrogen*Potash項 的 pvalue為 ，故顯示 為有意因子 MinitabResponse Surface Designs(反應表面計劃 ) ?對殘差 (Residuals)的圖形中，沒有出現(xiàn)任何問題點MinitabResponse Surface Designs(反應表面計劃 ) RS Plots?Contour plot : 等高線圖?Surface plot : 表面圖?先確認后按 SetupSetup...?選擇要畫等高線圖的因子?要畫對因子組合的所有等高線圖 時選擇 ?在畫等高線圖時選擇數(shù)據(jù)的單位 是否用 code或 uncode MinitabResponse Surface Designs(反應表面計劃 ) ?顯示對因子組合的反應值曲線， 在等高線所有地點的反應值相同? 用 3維的表面輸出的圖表確認 能滿足的反應值及尋找條件時 有用。 在懷疑反應表面有曲線形態(tài)時使用216。 依系數(shù)相乘的實驗計劃 Matrix 計算出適合值。 實驗結果分析?Responses:指定有實驗結果值的 ColTerms...?計算里欲包括的項目設定 未包括的項目按誤差項 PoolingGraphs...?Effects Plots:設定效果 Plots?Alpha:指定留意水準?Residuals for Plots:殘差處理方法MinitabFactorial Design(要因配置法 ) Results...?對于 Session 窗口輸出的結果可以選擇?選擇把別名 Table 在 Session 窗口輸出?顯示在模型中的因子和其對交互作用的 最低乘方平均 若設計為直交型 , 無 covariate ， 那么各個 最小乘方平均為在同一窗口中的所有 觀測值的平均。實驗次數(shù)越多，分析度越高?分析度高的順序 Full VII VI V IV III?PlackettBurman Design 是分析度為 III Level dlek.MinitabFactorial Design(要因配置法） Designs...?指定 Runs, center points, replicates, blocks ?Block:具有相同性質的單位集合?Replicate:重新設置實驗條件后實驗 在多個試料上按同一條件各自實驗?Center point:在連續(xù)性因子的水準為中間 值時實施 , 評價反應值的非線型性Factors...?Factor:表示實驗的因子?Name:指定實驗的因子名?Low/High:以水準表示的低水準值與高水準 值 一般用 –1與 1表示 , 中心為 0。 在多個因子的各水準上分析同時實驗的結果的技法216。主效果 (Main Effect)隨一個獨立因子的水準變化相應的 (例 ) E1 = 2 反應值的影響 E2 = 7 167。Display Design:實驗計劃后生成的內容通過 Worksheet 可見 Minitab實驗計劃法基礎 DOE 用語167。Factorial:要因配置實驗167。Factorial Plot:主效果 , 交互效果 plot 作成167。Create Factorial Design:要因配置法實驗設計167。 水準間 Cross 角度越大，交互作用效果就 越大。Display full interaction plot matrix: 作成 為 matrix167。167。Responses:指定反應值167。Display mean as:設定 plot表示方法167。平均信賴區(qū)間得出后作成 plot 167。Engineer 為變量因子故無統(tǒng)計意義。Model:指定需分析的因子167。Minutes 的 3水準 (值 =18)時有影響167。Alpha level:留意水準167。MinitabTwoway ANOVA216。Fit additive model:選擇交互作用的有無?Lake與 Interaction 的 p值 大于 ， 故不會 引起效果。Response:實驗結果數(shù)據(jù)167。 因子為 2個，把因子各水準的組合全部 Radom實施的實驗。(先需要檢定 RESPONSE值的正態(tài)性 )Graphs...?Dotplots / Boxplots 圖象輸出 option?Residual Plots:對殘差提供多樣的 plot 殘差只有隨正態(tài)性時 ， 它的結果值才能 判斷為正確。P:Pvalue(留意概率 )167。DF:自由圖 (Degree of Freedom)167。Factor:指定說明變量 (要因 )167。216。Model:指定說明變量167。Response:指定反應變量167。在這模型中刪除 Region 后 , 再進行分析為好。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。(越接近 1為越好的預測力 )MinitabBinary Logistic RegressionMinitabOrdinal Logistic Regression216。s Taua Total 1540 %結果解釋在 Logistic回歸 Table中Smoke與 Weight 在留意水準 5%以內有意義。Factors:在說明變量中指定離散型變量Graph...167。Frequency:輸入頻率數(shù)167。Fits : 指定反應變量的推定值MinitabResidual PlotsMinitabResidual Plots顯示為檢查殘差是否近似于正態(tài)分布的正態(tài)概率圖，接近直線時為良好。殘差 plot 是為回歸分析診斷而使用216。Predictor:指定說明變量 (僅一個 )167。履行單一回歸步驟 , 繪出回歸圖216。Predictors in all models:指定必須包含在模型 中的變量包含在模型的至少變量數(shù)和最大變量數(shù)在說明變量數(shù)為相同的組合中，指定最高說明結果的幾個輸出與否結果解釋在模型選擇上有根據(jù)的統(tǒng)計量(Rsquare, adjR, Cp)Vars:包含在各模型的說明變量數(shù)?；貧w模型里要追加常數(shù)項時 Stepwise Regression: Pulse2 versus Pulse1, Ran, WeightForward selection. AlphatoEnter: Response is Pulse2 on 3 predictors, with N = 92 Step 1 2 3Constant Pulse1 TValue PValue Ran TValue PValue Weight TValue PValue S RSq RSq(adj) Cp best alt.Variable Ran Weight TValue PValue Variable Weight TValue PValue MinitabBest Subsets216。選擇 Forward selection后指定留意水準167。階段別回歸方法 :在前進選擇法里加后進選擇法的方法MinitabStepwise167。 說明變量數(shù)量多時，添加或減少變量而選別適當?shù)淖兞考蠟槟康?67。即兩個變量的回歸系數(shù)不是 0。Prediction intervals for new observation:推定回歸 式后，按說明變量的值推定 y值 167。Weight :為加重回歸指定有加重值的 Col167。Nominal Logistic Regression:利用名目型反應變量的 回歸分析 (3個以上范籌時 ) Minitab回歸分析基礎MinitabRegression216。Best Subsets Regression : 利用最大 Rsquare 基準來 分析最大 Subset 回歸167。因 Pvalue為 ，故駁回歸屬假設，即不隨正態(tài)分布MinitabNormality Test(正態(tài)性檢定 )3. 回歸分析216。對立假設 : 數(shù)據(jù)是不隨正態(tài)分布167。命名兩個變量間關系的方法?Variables : 要分析的 Col ?Display pvalue : 輸出 p值?Store matrix :保存為 matrix結果解釋 :p值比留意水準 5%小， 故駁回歸屬假設， 即各變量之間有關系MinitabCo