minitab質量分析工具應用大全-展示頁
2025-02-15 19:28本頁面
【正文】 H0: u1=u2=…= un Ha: 至少一個不等； PValue → H a → u 不等，有差異； 信賴區(qū)間都重疊 － u無有意差； 1和 2可以說無有意差， 1和 3有有意差； 6 方差假設檢驗 A— ANOVA（分散分析）： 兩個以上母集團的平均是否相等； 62： Twoway A（ 2因子多水平數(shù)） 背景：確認 生產(chǎn)線（因子 1）、改善（因子 2）影響下，測定值母平均是否相等，主效果和交互效果是否有意 ？ 生產(chǎn)線： PValue → H a → u 不等，有差異； 改善、交互： PValue → H 0 → u 相等，無差異； 生產(chǎn)線：信賴區(qū)間沒有都重疊 － u有差別－ 對結果有影響 改 善：信賴區(qū)間重疊 － u無差別－ 對結果沒有影響 A— （相關分析）： PValue → H a → （有相關相關） 7 相關性分析 I — DOE： 81 ： 2因子 2水準 ① 因子配置設計 ： 輸出結果： 輸入 實驗 結果 8 實驗設計 ② 曲線分析 ： 傾斜越大， 主效果越大 交叉越大， 交互效果越大 最大的 data ③ 統(tǒng)計性分析 ： 實施對因子效果的 ttest，判斷與 data有意的因子。 顯示因子的水準不能線性變換 (Coded) 時的回歸系數(shù) . Coded是指實際因子水準 (1, +1)變換為線性變換。 ④ 確認此后試驗方向 ： 最佳方向 I — DOE： 83： 2水準部分配置 ① 因子配置設計 ： 背景： 反應值 : 收率 (Yield) 因 子 : 流入量 (10, 15), 觸媒 (1, 2), 旋轉數(shù) (100， 120), 溫度 (140, 180), 濃度 ( 3, 6) － 確認哪個因子影響收率，利用 2（ 51） 配置法 輸入 data： 表示 2 51 部分配置的清晰度和部分實施程度 . ② 曲線分析 ： B、 D、 E有意； BD、 DE有交互作用； 在 A=10,B=2,C=120,D=180,E=3時， Y＝ 95最佳； ③ 統(tǒng)計性分析 ： 實施 ttest，判斷有意因子 B、 D、 E、 BD、 DE有意 通過分散分析，判斷 1次效果、 2次效果的有意性 主效果和交互作用效果都有意。 － A, B 有意 ； 通過分散分析判斷 1次效果、交互作用及曲率效果的有意性。 一次試驗－－ (3)確認最大傾斜方向 ： 圖形－等值線圖 ： ? 線性變換的因子的水準還原為實際水準值。 Step Coded Level Uncoded Level 試驗結果 (收率 ) A B A B 中心點 0 0 35 155 Δ 1 5 Δ 1 1 40 Δ 2 2 45 Δ 3 3 50 Δ 4 4 55 Δ 5 5 60 Δ 6 6 65 Δ 7 7 70 Δ 8 8 75 Δ 9 9 80 Δ10 10 85 Δ11 11 90 Δ12 12 95 Step由實驗者配置 ， Step10時 Y取最大值 ， 適用因子配置； 二次試驗－－ (1) 因子配置設計 ： 背景：通過最大傾斜法求 Y最大化的因子水平，通過追加實驗，確認是否最佳水準的領域； 收率 (Yield) 時間 (80 , 90) 溫度 (171,181) 確認哪個因子影響收率，利用中心點包括的 22配置法 二次試驗－－ (2)統(tǒng)計性分析 ： 圖形－等值線圖 ： 對因子效果 ttest， 判斷與 Y有意因子 A, B 有意 CtPt P， → 存在曲率效果 . 分散分析 1次效果 有意 曲率效果有意 結果解釋 通過 等 值線圖 及統(tǒng)計性分析， 1次模形不有意，具有曲線的情形，因此判斷 2次模形更適當 → 實施反應表面計劃 85 — 反映表面實驗 ： (1) 因子配置設計 ： 試驗配置 : 中心合成計劃 (2因子 ) 反應值 (Y) : DATA 因數(shù) /水平 : A (Low = 260, High = 330), B (Low = 6, High = 20) 背景：通過最大傾斜法， 在 A= 295, B=13狀態(tài) 下，判 斷 最佳 條 件 會 出 現(xiàn) 。 Run13 : Block沒有的情況 Run14 : Block有的情況 輸 入 試驗結 果： (2)統(tǒng)計性分析 ： ※ 實施對因子效果的 ttest， 判斷有意反應值的因子 . 因子的 1次效果及 2次效果有意 。 ※ RSq RSq(adj)64%， → 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 初期設定（大概值） 望大：求最大值； 下限：設定最小值 望目：設定目標值 Y = ， 滿足度 = 1。 A= 、 B= 時 ， Y(Max) ＝ I — 反映表面實驗 2： －－多個反映值 (1) 因子配置設計 ： 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。 輸 入 試驗結 果： A、 B： 選 中后右鍵選擇數(shù) 據(jù)格式轉換 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
醫(yī)療健康相關推薦
鄂ICP備17016276號-1