Minitab实战.docx

1、Minitab实战minitab操作有些时候我们在复制数据进入minitab后，由于分析的需要，需要对数据的排列进行处理，我们会有很多偷懒的方法，先看看下图的命令菜单。 它们分别为堆叠栏、堆叠栏块、堆叠行。针对下图的数据我们在选择上面的堆叠栏时，出现如图的对话框，并如图输入指令时，堆叠行的对话框操作基本与堆叠栏相同，输出的不同可以根据附图看出。堆叠的操作在很多的分析中可以应用，如方差分析、测量系统分析、控制图等等。 转换栏操作1有些时候我们的数据需要从栏的顺序结构转换为行的结构，这时可以使用转换栏操作，如图。 转换栏操作2利用转换栏的操作，针对下图1的数据，进行图2的对话框操作后的结果如图1。

2、=将A、B栏的数据转换为行的格式。转换栏前后数据 按序排列数据有时为了分析和观察的方便，需要将数据按某栏的数据大小进行排列，这是可以使用sort命令，对话框如图。针对图1的数据按图2对话框操作以后的数据排列效果如图1。 栏运算1在进行minitab分析时，有时需要对数据进行简单的运算或函数运算，完成这个功能的菜单操作如图1，出现的对话框及简要的操作方法如图2。sample针对图中的C1栏进行简单运算和对数运算的结果如图。 行、栏统计1我们有时需要对某一栏或行的数据进行一些基本统计，执行如图菜单可帮帮你。在执行菜单后出现的对话框如图，此命令一次只提供一个基本统计参数的运算，包括：均指、和、方差、

3、极值、缺失数据等，然后输入需要计算的栏或行所在栏组就可以了。 标准化操作标准化结合与分布概念应该不是一个陌生的名词，minitab的操作菜单如图。从出现的对话框来看，minitab提供5种标准化的方法：1.减去均值并除以标准差；2.减去均值；3.除以标准差；4.减去指定的值并除以指定的值；5.将数据标准化，使得数据变化在某个范围内。什么是标准化结合？是标准化操作，例如将均值为，标准差为的正态分布转化为标准正态分布，其操作就是（x-）/，这个应用是很重要的。各种常见的标准化操作上面讲的5种，但应用第一种居多。 生成模板数据有时我们在进行输入数据的时候，有些数据是呈现某种规律的，但一个个输入就显得

4、比较麻烦，我们可以试试生成模板数据这个操作，菜单操作如图。生成模板数据共有5种：1.等距数据的生成2.自定义数列数据的生成3.自定义文本数据的生成4.等距日期数据的生成5.自定义日期数据的生成等距数据的操作如图1，例如生成简单的1到3的数据，间距为1，每个数据重复2次，总体重复两次，按图1操作后，输出结果如图2。生成自定义数列数据的对话框如图，例如生成数列为1、3、9的数据，每个数据重复2次，总体重复两次，按图1操作后，输出结果如图2。对于其它几种模板数据的生成方式，操作基本与上面讲述的对话框操作及生成结果相似，例如自定义文本数据的生成，就是在Text values (e.g., red li

5、ght blue)框中输入要生成的文本数列就可以了，如a、b、c。 生成随机数据进行随机抽样或生成各种分布的随机数据，可以进行一些验证分析和抽样分析，其菜单操作如图。选择上面菜单的Sample From Columns，出现进行随机抽样的对话框及操作如图1。例如我们要从总体为1-10的数据中随机抽取5个样本，则在Sample _ rows from column(s)中输入5，并给出总体数据1-10所在栏，选择存储位置，选择是否重复抽样等后，输出结果如图2。如果抽取的样本量大于总体数据量，就必须选择Sample with replacement，也就是允许重复抽样，例如从1-10中抽取12个数

6、据，输出如图2。生成随机数菜单的后续选项主要就是生成服从各种分布的随机数据，其输入的内容主要是：1.生成分布数据的样本量为多少2.存储数据的栏3.确定分布的参数值给定，如正态分布的均值和标准差，卡方分布的自由度，F分布的分子和分母自由度。以下是生成卡方分布的示例：1.样本量为102.生成10组，分别存储于C1-C103.自由度给定为5对话框的输入和数据输出结果如图。其它的分布数据生成类似。 很多时候我们因为没有现成的分布概率表，所以无从查起，minitab中提供了这个功能，如附图所示菜单操作，它提供了多种分布的概率密度函数值、累积概率密度及分位数值得计算。在出现的对话框中，请求选择的也是这三个

7、值，任君选择，三个值得图形含义见附图2。示例需求标准正态分布的均值位置的累积概率。对话框输入如图，结果如下：Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1xP(X=x0 0.5示例2需计算标准正态分布的0.9分位数，操作如图，输出结果如下：Inverse Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1P(X Basic Statistics Graphical Summ

8、ary，其对华框输入很简单，如图1，例如对以下数据的分析，分析结果如图2。date20.676020.480720.238819.502719.297122.300317.781819.903720.380920.054620.016220.707421.327620.538619.619618.970819.923220.348320.661220.607718.027319.956219.554720.637021.643120.290420.724119.221419.985219.02991-Sample ZStat Basic Statistics 1-Sample Z单样本Z检验，

9、假设检验的一种，检验样本的均值水平，总体的标准差已知（一般来源于可靠有效的历史数据结果或某些特殊场合）的情况。例如针对以下数据，检验原假设为样本均值等于34，检验的对话框操作如图。date30.108530.134829.116731.398030.363230.146031.388830.430830.654731.045630.494629.555431.423031.961930.547429.290029.760630.512531.106129.694829.546129.801628.872730.445529.864930.556330.051728.671830.304731.

10、4132minitab输出结果为，P值近似为0，说明拒绝原假设，均值不等于34。One-Sample Z: date Test of mu = 34 vs not = 34The assumed standard deviation = 1Variable N Mean StDev SE Mean 95% CI Z Pdate 3030.28870.8032 0.1826(29.9309, 30.6466)-20.330.000点击1-sample t test对话框的options，弹出对话框如图，其中可以自行输入置信度水平和选择假设检验的备择假设形式。1-sample t test单样本t

11、检验与单样本Z检验虽然在操作上比较相同，但其应用是不同的，单样本t检验主要针对总体标准差未知的情况。针对上例的数据，采用1-samplet检验，操作如图，结果如下：One-Sample T: date Test of mu = 34 vs not = 34Variable N Mean StDevSE Mean 95% CI T Pdate 3020.08020.9415 0.1719(19.7286, 20.4318)-80.980.000（options复选对话框的操作意义相同）2-sample t testStat Basic Statistics 2-Sample t双样本t检验，比较

12、两个水平是否有显著差别或者两个水平的大小比较问题。在进行检验时，首先确定数据的正态性和方差其性，因为双样本t检验是在总体呈正态分布的基础上进行的，而且方差不同检验的方法也不同。假设对以下数据的检验，先验证正态性及方差齐性，然后进行双样本t检验，菜单操作如图。输出结果如下，我们从p值可以得出结论，两个工厂间存在显著的差别。Two-Sample T-Test and CI: 甲工厂, 乙工厂 Two-sample T for 甲工厂 vs 乙工厂 N MeanStDevSE Mean甲工厂10 50.25 1.18 0.37乙工厂1055.1750.662 0.21Difference = mu

13、(甲工厂) - mu (乙工厂)Estimate for difference:-4.9267895% CI for difference:(-5.82624, -4.02731)T-Test of difference = 0 (vs not =): T-Value = -11.51P-Value = 0.000DF = 18Both use Pooled StDev = 0.9573甲工厂 乙工厂49.2619 54.483451.1988 55.978651.1832 56.100650.0621 54.611751.1369 55.123750.7307 55.140049.2937

14、54.692551.7491 54.385447.9031 56.061549.9637 55.1736对话框的补充1.提供3种数据输入形式 数据在一栏，水平标志在一栏，选择Samples in one column，在Samples中输入数据所在栏，在Subscripts输入水平标志。 两个水平的数据分别在两栏，选择Samples in different columns，在First和second中分别输入两个水平数据所在的栏。 已知两个水平的样本量、均值和标准差而没有详细的样本数据，则选择Summarized data，在Sample size、Mean、Standard deviati

15、on中分别输入两个水平的样本量、均值和标准差。2.Assume equal variances选项，如果两个水平方差相等，则点选此项，否则不选，minitab将执行不同的分析方法。3.graphs复选对话框，选择将出现如图1的对话框，可以选择生成置信区间图或箱线图。4.options复选对话框，选择将出现如图2的对话框，可以确定分析的置信度水平，以及检验时的水平间的差值和备选假设的模式。注意这是的备择假设模式如果是大于或小于是，minitab默认将第一个样本放在前面，第二个样本放在后面。Paired t在介绍成对t检验前，先将以下成对t检验的概念* 我们在进行2 sample t检验时，差异仅

16、由因素水平不同引起，但有时候却并不是这样，那就是除了因素水平不同引起的差异外（我们要检验的），那就是每次实验还受另外一个变量的影响，也就是说，这个变量对每次实验的两个水平的影响相同，但对多次实验之间的影响就有区别，这时候就不能简单的将两个水平的样本进行比较，而是对两个水平的差值进行比较，这样就将另外的变量的影响排出了，计算的结果也就可靠，就好像控制图内组内和组间的概念，因素水平的影响就反映在组内（若干个同一次实验）了。 举个通俗的例子，我们要比较两种鞋底的耐磨程度，于是选择20个人进行实验，每个人两只脚分别穿一种鞋底作的鞋，在这里，我们可以看到，除了两种鞋底的不同引起的耐磨效果不同外，20个人

17、体重的不同也是一个影响，这是要单独的考量鞋底不同的影响，就要排除体重这个变量，怎么办呢，成对T检验，就是这样一个概念，将每个人的磨损情况做差值进行分析。*菜单操作Stat Basic Statistics Paired t如图只要了解了pairet t 与 2 sample t 的区别，其对话框的操作类似，数据分别存储在两个栏内，在对话框直接选择进入first 和 second复选框内就可以。graph、option操作意义相同。1.如何进行等方差检验后续会讲到及minitab操作2.方差等和不等是2sample t 检验有何不同请看附图，主要是统计参数和自由度的计算不同。1 Proporti

18、on单比例P检验菜单操作：Stat Basic Statistics 1 Proportion主对话框如图1数据输入两种 Samples in columns：将检查结果数据直接输入 Summarized data：输入检查总数在Number of trials，输入合格总数在Number of events。options对话框如图2 Confidence level：置信度水平 Test proportion：检验比率 Alternative：备择假设模式 Use test and interval based on normal distribution：在正态分布的基础上检验（一般样本

19、量较大的场合）2 Proportions双样本P检验，菜单操作如图出现的对话框操作如图。举例对下例数据进行检验，是否存在显著差别。由于检查数据分别在两栏，我们选择Samples in different columns输入数据。sample1 sample20 11 00 00 00 01 00 00 00 00 1检验结果如下Test and CI for Two Proportions: sample1, sample2 Event = 1VariableX NSample psample1 2100.200000sample2 2100.200000Difference = p (sam

20、ple1) - p (sample2)Estimate for difference:095% CI for difference:(-0.350609, 0.350609)Test for difference = 0 (vs not = 0):Z = 0.00P-Value = 1.000* NOTE * The normal approximation may be inaccurate for small samples.样本量太少，结果不可靠Fishers exact test: P-Value = 1.000简单的从P值来看，认为两者没有显著差别。点击主对话框的options，将出

21、现如图的对话框，其内容如图1。其中是否选择 use a pooled estimate of p for the test，计算方法不同，其区别如图22 Variances双样本方差齐性检验主要比较两个样本的方差检验，菜单操作如图。检验模型为H0：1=1H1：11双样本方差检验的对话框如图1。 Samples in one column：数据存储在一栏内，那么数据输入Samples框中，数据标志输入Subscripts中。 Samples in different columns：两个样本的数据分别在两栏内，则分别将两栏数据的栏号输入First、Second。 Summarized data：

22、将两个样本数据的样本量和方差分别输入Sample size、Variance。 *option对话框可以设置置信度水平，Storage对话框可以选择存储两个样本的标准差、方差或置信上下限。示例S1 S2 30.2441 29.323831.0379 30.086627.9622 30.384329.9718 31.447231.1175 31.102029.7028 30.620729.2911 28.979229.5267 29.300230.5728 30.484432.2077 30.630430.4481 31.049829.3376 29.155931.5307 29.155129.

23、4860 30.329130.1718 30.494930.1388 30.257429.4959 30.902231.5960 27.921429.9977 30.229329.9297 30.7134分析结果如图2包括正态分布基础上的检验结果（F-Test），和其它任何连续数据分布的检验结果（Levenes Test）。从P值来看，检验结果都无差别。Normality Test正态性检验通过抽样样本检验总体是否为正态分布。minitab提供了3种检验方法，分别为Anderson-Darling（美国）、Ryan-Joiner（中国）、Kolmogorov-Smirnov（俄罗斯）可供选择。

24、另外可以在正态概率图上画出参考线，可以在Percentile lines中输入特定的值即可实现。菜单操作Stat Basic Statistics Normality Test假设对下列数据进行检验。而且想估计不良率的水平，规格为（12，24），运用Anderson-Darling方法检验结果如图。可以从P值看出总体服从正态分布，合格率为0.9477-0.0026=0.9451。date18.900018.454018.441820.967215.919414.941920.974620.120821.449821.426222.397014.957617.888719.719722.038819.746613.639518.728520.932617.700922.886220.794218.136418.722221.909521.986825.186117.849123.844317.0503Regression现实生活中的许多现象之间存在着相互依赖、相互制约的关系，这些关系在量上主要有两种类型：1. 确定性关系，即我们所熟悉的变