【正文】 在 Minitab 中支援的混合物實驗 mixture 實驗 : 總量已指定，想知道成份比調(diào)到何程度時 mixtureamounts 實驗 : 與成份比一起想知道總量時適用 mixtureprocess variable 實驗 : 想知道與成份比一起影響的變量條件時216。小于 1的值在 cube內(nèi)， 大于 1時軸點位置則在 cube位置外?Number of Block:指定 Block 數(shù)?Number of Center points : 指定中心點MinitabResponse Surface Designs(反應(yīng)表面計劃 ) MinitabResponse Surface Designs(反應(yīng)表面計劃 ) Factors...?輸入因子名與水準(zhǔn)Options...?實驗順序 random化?生成相同的實驗計劃時指定其次數(shù)?把實驗計劃保存在 Work sheetResults...?能多樣指定 欲在 Session 窗輸出的實驗 計劃結(jié)果 MinitabResponse Surface Designs(反應(yīng)表面計劃 ) Analyze RS Design?Responses : 選擇已輸入結(jié)果的列?Analyze data using : 決定在分析時是否使用因子水準(zhǔn) code化、或 uncode化， uncode 指已輸入的因子實際水準(zhǔn)Terms...?選擇 Model 項 (term) Linear:A,B,C Linear and Square:A,B,C,A*A,B*B,C*C Linear and 和 2因子交互作用： A,B,C,A*B,B*C,A*C full quadratic:A,B,C,A*A,B*B,C*C,A*B, A*C,B*CResults...Storage...?在 Session 窗輸出系數(shù)和分散分析表、異常值?把適合值與殘差保存在 Worksheet MinitabResponse Surface Designs(反應(yīng)表面計劃 ) Minitab 實行結(jié)果 Linear?分散分析表 Linear 部分的 pvalue為 ， 故表示 Linear Model沒有影響?在看分散分析表的 LackofFit 部分的 pvalue為 ， 可知預(yù)測模型的適合性缺乏 即 ,必要其它形態(tài)的預(yù)測模型 看 2次形態(tài)的預(yù)測模型MinitabResponse Surface Designs(反應(yīng)表面計劃 ) Terms...Graphs...?選擇 Full quadratic ?在 Residual Plots中選擇 “Histogram” “Normal plot”, “Residual versus fits” “Residual versus order”216。 在重要的實驗因子 (Vital Few)確認(rèn)后，為尋找對反應(yīng)值的最佳實驗條件而使用216。 實驗計劃 Matrix等對各個反應(yīng)值進(jìn)行保存。 在變更當(dāng)前的實驗計劃重新指定時使用?Factors:指定已輸入的因子水準(zhǔn)的列?2level factorial:2水準(zhǔn)要因?qū)嶒?General full factorial:不是 2水準(zhǔn)的完全要因?qū)嶒炗媱?指定因子的水準(zhǔn)Low/High...MinitabFactorial Design(要因配置法 ) Designs...?指定實驗編號、實驗的基本順序、中心點、 實驗的 Block.?Order of the data:以設(shè)定的數(shù)據(jù)配置指定?Specify by column:指定特定 column MinitabFactorial Design(要因配置法 ) Analyze Factorial Design216。 在 Minitab 中要因配置法的實行階段 利用 “Create Factorial Design” 為了完全要因配置法或部分實施法的實驗設(shè)計的選擇 選擇實驗設(shè)計后 , 指定各因子的名名稱及水準(zhǔn)、反復(fù)次數(shù)、 Random化與否 實行實驗后 , 輸入數(shù)據(jù)實行 “Analyze Factorial Design” 得出實驗分析結(jié)果 最后利用 “Factorial Plot” 繪出主效果及交互效果的 plot MinitabFactorial Design(要因配置法 ) MinitabFactorial Design(要因配置法） Create Factorial Design?2level factorial(default generators) 2水準(zhǔn)要因配置 (generator 自動指定 )?2level factorial(specify generators) 2水準(zhǔn)要因配置 (generator 使用者指定 )?PlackettBurman design:15因子以上的情況?General full factorial design:在 2水準(zhǔn)以上， 且要因類別水準(zhǔn)不同時的完全要因?qū)嶒?Number of factors:因子數(shù) 指定?Display Available Designs:展示使用可能的 配置 ?顯示因子別實驗數(shù) (Run)和 分析度 （ Resolution)攪亂 (Confounding) 以兩個以上因子的效果合并后 (例 ) 1 + 2 產(chǎn)生的現(xiàn)象難以分離 1+3, 2+2 216。反應(yīng)值 (Response) 實驗的數(shù)值性結(jié)果 (一般用 Y表示 ) (例 ) Y = 267mm167。Modify Design:對實驗的修正167。Response Optimizer:尋找滿足目標(biāo)值因子的 最佳組合167。Analyze Factorial Design:得出實驗分析結(jié)果167。 實驗的成敗，只有把以往的經(jīng)驗或者理論性、 技術(shù)性知識等的原有技術(shù)與 依照實驗計劃法的知識結(jié)合起來才有可能 . 167。 變動是 Variety 2 水準(zhǔn)比別的水準(zhǔn)大。交互作用的水準(zhǔn)間差異比較167。Supplement 在 2水準(zhǔn)時值特大。對主效果的水準(zhǔn)間差異比較167。Type of interval plot Standard Error:適用標(biāo)準(zhǔn)誤差 Multiple:適用標(biāo)準(zhǔn)誤差倍數(shù) Confidence interval:指定信賴度167。 MinitabInterval Plot216。Probtype, Calculat, Probtype*Calculat等比留意水準(zhǔn) () 小，故判斷為各因子的水準(zhǔn)間存在散布的差。Response:實驗結(jié)果數(shù)據(jù)167。Main Effect:主要因167。Distribution of Data:資料的分布形態(tài) Normal:正態(tài)分布 , Factor 1:因子水準(zhǔn) Col (一元配置法時 ) Factor 2:因子水準(zhǔn)第二 Col (二元配置法時 ) Binomial:二項分布 Poisson:Poisson分布167。?看左圖可知道 Lake 的平均間沒有差。Store residuals:保存殘差167。167。剩余事項與 Stack 情況相同?Responses:指定按各水準(zhǔn)別 有反應(yīng)值的 Col MinitabOne Way ANOVA(Unstacked)) 216。 (級區(qū)間有變動 ) 上面的 p值大于 ，故沒有影響。F:F概率值167。Store fits:保存水準(zhǔn)平均值 167。Response:指定反應(yīng)變量167。因子為一個 , 反復(fù)數(shù)為對所有水準(zhǔn)不相同也可 , Radom實驗。 167。167。Factors:Regionr 的 pvalue= 比留意水準(zhǔn)，故沒有影響。Frequency:輸入頻率數(shù)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。 D Discordant 461 % GoodmanKruskal Gamma 34 % Kendall39。Model:指定說明變量 167。Response:指定反應(yīng)變量167。Residuals : 指定殘差167。Display Option:表示信賴區(qū)間及 預(yù)測區(qū)間MinitabFitted Line PlotMinitabFitted Line Plot結(jié)果解釋顯示 2次項模型比直線模型更為適合216。Response:指定反應(yīng)變量167。MinitabBest Subsets216。Free predictors:指定在模型里包含可能性的 變量167。輸入要進(jìn)行幾次操作167。Predictors to include in every model: 指定先包含的變量167。新數(shù)據(jù)的信賴區(qū)間為(, ), 預(yù)測區(qū)間為(, )。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(nèi)利用殘差時 Standardized:利用標(biāo)準(zhǔn)殘差時 Deleted:利用 Studentized殘差時167。Display Variance inflation factors:以 多重空線型判別 (VIF) 影響值，指定 VIF值輸出與否 DurbinWatson statistic :指定檢定殘差自己相關(guān) DurbinWatson統(tǒng)計量輸出與否167。Response : 選擇種屬變量 (結(jié)果值 ) Score 2167。Binary Logistic Regression:利用二項反應(yīng)變量的回歸 分析 (2個范籌時 )167。Regression:利用最小乘方法，實施單一回歸或多重回歸167。Reference probabilities : 輸入概率值 167。檢定資料的分布形態(tài)是否隨正態(tài)分布的分析法216。隨正態(tài)分布時 FTest 結(jié)果 , 不隨正態(tài)分布時看 Levene’s Test 結(jié)果再解釋 結(jié)果解釋 :p值比有益水準(zhǔn) 5%大 , 故不能 判斷兩個母集團(tuán)的分散不同。Use test and interval based on normal distribution : 是否按正態(tài) 分布近似計算結(jié)果解釋 :p值比留意水準(zhǔn) 5%大，故選 擇歸屬假設(shè)，即兩個母集團(tuán)不良率無差異Minitab2Proportion(兩個母集團(tuán)母比率的檢 .推定 )Minitab2Variances(兩個母集團(tuán)分散的同一性檢定 )216。Summarized data Number of trials : 全體試行次數(shù) Number of successes : 成功 (不良 )次數(shù)167。Test proportion : 檢定不良率167。母不良率的推定及檢定 167。Second sample : 選擇第二個 data Col 1 Col 與 2 Col 的資料數(shù)應(yīng)相同167。Confidence level :設(shè)定信賴水準(zhǔn)167。不知標(biāo)準(zhǔn)偏差時兩個母平均差的推定和檢定167。CI : 信賴區(qū)間167。Test mean :指定檢定時對象值 167。 Test 指定 Confidence 指定 Minitab1Sample Z216。p 值比留意水準(zhǔn)小時駁回歸屬假設(shè)167。Confidence interval :指定計算信賴區(qū)間的信賴度167。 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(fù)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