MINITAB的使用相关资料全

MINITAB的使用一、概况：MINITABforWINDOWS是一个统计软件。在打开MINITAB后，屏幕被分成两个部分，上半部分为“Session”，一切计算结果将在这里给出；下半部分为“Worksheet”，可以在这里输入数据。另外还有两个窗口“History”与“Info”，它们不常用，可以通过主菜单“Windows”将其打开。主菜单中包含：File,Edit,Manip,Calc,Stat,Graph,Editor,Windows,Help共九个内容。在“Stat”中包含了丰富统计 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 功能，有基本统计(BasicStatistics)、回归分析(Regression)、方差分析(ANOVA)、试验设计(DOE)、控制图(ControlCharts)、质量工具(QualityTools)、可靠性与生存分析(Reliability/survival)、多元分析(Multivariate)、时间序列分析(TimeSeries)、一维与二维数据的整理(Tables)、非参数统计分析(Nonparametrics)、探索性数据分析(EDA)等内容。在“Graph”中有许多作图功能，譬如散点图(Plot)，时间序列图(TimeseriesPlot)，直方图(Histogram)，箱线图(Boxplot)，点图(Dotplot)，饼图(PieChart)，概率图(ProbabilityPlot)，茎叶图(Stem-and-Leaaf)等。在“Calc”中包含许多数据的变换，既有一般的 数学 数学高考答题卡模板高考数学答题卡模板三年级数学混合运算测试卷数学作业设计案例新人教版八年级上数学教学计划 函数(Calculator)，也有列统计量(ColumnStatistics)，行统计量(RowStatistics)， 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化(Standardize)，随机数(RandomData)，矩阵运算(Matrices)等。在“Manip”中包含许多运算，譬如选择数据的子集(SubsetWorksheet),将一列分成几列(Unstackcolumns)，将几列合并为一列(StackColumns)，将列的数据放在一行上(TransposeColumns)，排序(sort)，删除行(DeleteRows)、删除列(EraseVarizbles)，改变数据的类型(ChangeDataType)，显示数据(DisplayData)等。二、数据编辑：在窗口Worksheet中可以输入数据，一个变量为一列。列用“C”开头，后面紧跟数字，譬如C1，C2，…等，在其下面的空格中可以给变量命名，譬如在C1下面输入字母：X，那么C1对应的变量的名字为“X”，今后可以用C1 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示该列，也可以用X表示该列。一行表示对一个个体进行观察所得到的观察结果，如果一个个体有k个变量被观察，那么就应该用k列表示。该软件的数据需要时也可以用常数与矩阵表示，常数用“K”开头，后面紧跟数字，譬如K1，K2，…等，矩阵以“M”开头，后面紧跟数字，譬如M1,M2，…等。数据是全屏幕进行编辑的，光标在那个单元格，就可以在该单元中输入数据并进行修改。插入单元格、行或列在“Editor”中分别点击“InsertCells”、“InsertRows”、“InsertColumns”进行，删除行、列在“Manip”中分别点击“DeleteRows”、“EraseVariables”进行，删除单元格在“Edit”中点击“DeleteCells”进行。、图象(Graph)中若干模块的应用：例1直方图食品厂用自动装罐机生产罐头食品，由于工艺的限制，每个罐头的重量有所波动，为了了解罐头重量的分布，现从一批罐头中随抽取100个称其净重，数据如下：342352346344343339336342347340340350347336341349346348342346347346346345344350348352340356339348338342347347344343349341348341340347342337344340344346342344345338351348345339343345346344344344343345345350353345352350345343347354350343350344351348352344345349332343340346342335349348344347341346341342将数据输入在C1列中并命名该列为x，然后点击Graph，出现下拉菜单，在从中点击Histogram(今后将菜单选择过程简记为：Graph—Histogram)，在屏幕上出现对话框，然后在Graphvariables中，x下的框中给出变量所在的列号，本例为C1。若要给出自行规定的分组方法的直方图，首先应将组中值放在一个列中，譬如本例在C2中输入组中值：333,336,…,357，在option中选1*DefinitionofIntervals中，再选Midpoint/CutpointPositions中给出组中值所在的列号（本例为C2），再点击0K，即显示如下：（注意这里没有给出每组的频数）3020333336339342345348351354357如果要给出各组的频数，那么要用Graph—characterGraphs—Histogram，在Variables中给出数据所在的列号（本列为C1），并在Firstmidpoint中给出第一组的组中值（本例为333），在Lastmidpoint中给出最后一组的组中值（本例为357），在intervalwidth中给出区间的宽度（本例为3），则给出如下结果与图形：HistogramN=100Count（中点频数）AHistogramofxMidpoint333.00336.00339.0011***********342.0020345.0030348.0019351.0012354.002357.001***********************************************************************************例2箱线图对某型号的20辆汽车记录了每加仑汽油各自行驶的里程数如下:29.827.628.328.727.929.930.128.028.727.929.527.226.928.427.928.030.029.629.1将数据放在C1中，并命名为x，利用Graph—Boxplot，在Graphvariables中，y下的框中给出变量所在的列号，本例为C1，再点击OK，即显示如下：30一29一X28-27一中间的矩形上下分别表示第三与第一四分位数的位置，中间的线代表中位数的位置，矩形外两条线分别终止于最大值与最小值。例3茎叶图对例2的数据画茎叶图，利用Graph—Stem-and-Leaf，在Variables的框中给出变量所在的列号，本例为C1，并在Increment框中给出1（表示叶的增量为1），再点击OK，即显示如下：CharacterStem-and-LeafDisplayStem-and-leafofxN=20LeafUnit=0.1026962726999（7）280034577729156893001（这里第一列圆扩号代表该行的频数，其上（下）为表示从上（从下）的累加频数，第二列是茎的值，后面是叶的值）例4概率图对例2的数据画正态概率图，利用Graph—ProbabilityPlot，在Variables的框中给出变量所在的列号，在Distribution中选择Normal，本例为C1，再点击OK，即显示如下：xtneclepNormalProbabilityPlotforx999590MLEstimatesMean:28.6StDev:0.938083oooooooO5876543211527530.这里两条虚线为置信区间。例5散点图为了了解合金钢的强度y与钢材中碳含量x两者间的关系，收集了如下10组数据：x0.030.040.050.070.090.100.120.150.170.20y40.539.541.041.543.042.045.047.553.056.0将数据分别输入在两列中，譬如x在C1中，y在C2中，利用Graph—Plot，y0.050.100.150.20在GraphVariables的框中的Y下给出纵坐标的变量所在列，本例为C2,X下给出横坐标的变量所在列，本例为C1，再点击0K，即显示如下：四、“基本统计”中若干模块的应用：仅就其中的几个模块举例说明。例6描述性统计量对例2的数据给出样本的特征量。禾U用Stat—BasicStatistics—DisplayDescriptivestatistics，在屏幕上出现对话框，在Variables框中给出变量所在列（本例为C1），再点击OK，即显示如下：DescriptiveStatisticsVariableNMeanMedianTrMeanStDevSEMean（变量名样本容量平均值中位数切尾均值标准差标准误）x2028.60028.45028.6110.9620.215VariableMinimumMaximumQ1Q3（变量名最小值最大值第一四分位数第三四分位数）x26.90030.10027.90029.575若还点击“Graph”，并选GraphicalSummary，还给出如下图形：DescriptiveStatistics27.027.528.028.529.029.530.0Variable:x95%ConfideneeIntervalforMu28.5A-Squared:0.420P-Value:0.295Mean28.6000StDev0.9625Varianee0.926316Skewness0.114527Kurtosis-1.03580N20Minimum26.90001stQuartile27.9000Median28.45003rdQuartile29.5750Maximum30.1000)ConfideneeIntervalforMu28.149629.050495%Anderson-DarlingNormalityTest95%ConfideneeIntervalforSigma0.73191.405728.029.029.595%ConfideneeIntervalforMedian95%ConfideneeIntervalforMedian27.923529.4059图中给出了自动分组的直方图，并配上正态曲线，此外还给出了箱线图、总体均值与中位数的95%的置信区间例7相关系数一种金属焊接件的撕裂强度y与焊料的高度x有关，收集到的数据如下:x6.25.85.25.64.74.64.23.93.83.5y7.57.98.28.610.510.911.011.312.012.5将它们分别置与C1与C2两列，并分别命名为x与y。为了看出两个变量是否有关，可以计算其相关系数，只要使用Stat—BasicStatistics—Correration，在Variables对话框中选择两个变量（本例为C1C2），点击0K，即显示如下：Correlations（Pearson）Correlationofxandy=-0.971若要直观起见，还可以利用Graph—Plot，在GraphVariables对话框中丫下输入纵轴对应的变量所在列（本例为C2），在X下输入横轴对应的变量所在列（本例为C1），点击0K，即显示如下：12.5TOC\o"1-5"\h\z--y-一「例8正态性检验对例2的数据作正态性检验，使用Stat—BasicStatistics—NormalityTest，在Variable框中输入变量所在列，本例为C1，点击OK,即显示如下:NormalProbabilityPlot^999959•yytalDP.80oO■5-2.05.0100127282930Average:28.6StDev:0.962453N:20这也可以利用GraphAnderson-DarlingNormalityTestA-Squared:0.420P-Value:0.295ProbabilityPlot，在Variables框中选变量所在列，本例为C1，在Distribution框中中选Normal，同样可以画出。五、“质量工具”中若干模块的应用:仅就其中的几个模块举例说明例9走势图连续15天测定的某厂排放的废水中一种有毒物质的含量如下:3.13.23.32.93.53.42.54.32.93.63.23.02.72.9将这些数据输入在C1列上（共有15行数据），然后利用Stat—QualityTools—RunChart，在屏幕上出现对话框，在Dataarearrangedas下选SingleRunChartforxNumberofrunsaboutmedian:11.0000Expectednumberofruns:8.2000Longestrunaboutmedian:3.0000ApproxP-ValueforClustering:0.9416ApproxP-ValueforMixtures:0.0584Numberofrunsupordown:10.0000Expectednumberofruns:9.6667Longestrunupordown:3.0000ApproxP-ValueforTrends:0.5862ApproxP-ValueforOscillation:0.4138column，在起后的框中填上数据所在的列号，这里填上：C1，然后在SubgroupSize后面的框中填上样本大小，这里是：1，再点击0K，即显示如下图形:例10排列图某厂对一种产品进行质量检查，发现220件不合格品，按产生不合格品的原因进行分类。原因分成五类，记录每一原因产生的不合格品数。此时数据可以输在两列上，譬如C1为原因，C2为频数：RowC1C21操作1052设备35TOC\o"1-5"\h\z工具56工艺23材料1然后使用StatQualityToolsParetoChart,选Chartdefectstable在Labelsin中给出原因所在列（本例为C1），在Frequenciesin中给出频数所在列（本例为C2），按OK后给出如下图形：（注意：这里总是按频数从大到小排列）tnuoc0Defect操作工具Count10556Percent47.725.5Cum%47.773.220200_-10080ParetoChartforC1604000^1tnepee备设备工艺%3523115.910.50.589.199.5100.0数据也可以在一列上，譬如在C1输入每一样品失效的原因，那么选Chartdefectsdatain，在这里给出原因所在的列（这里为C1），自动统计每一原因的频数。例11因果图：某厂生产的曲轴存在开档大，弯头小的质量问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ，从五个方面分析原因，将这些原因分别输入在C1、C2、C3、C4、C5上分别输入人（men）、机器（Machines）、材料（Materials）、方法（Methods）、测量（Measurements，本例没有）、环境（Environment），数据如下：C1C2C3C4C5思想不集中漏油弯头有锐边没有自检超负荷新工人多压板夹紧力不足140与150混错灰尘多夹具厚薄不一铁屑多毛坯堆放不齐在StatQualityToolsCause-and-effect，并在men、Machines、Materials、Methods、Environment的左面分别输入C1、C2、C3、C4、C5,并在Effect中给出问题所在，本例为“开档大弯头小”，0K后给出如下图形：Cause-and-EffectDiagram例12过程能力分析对例1的数据，现规定罐头的重量在（335,355）之间为合格，对过程能力进行评价。可以选QualityTools—CapabilityAnalysis（Normal），在SingleColumn中给出列号（本例为C1），在SubgroupSize中给出样本容量（本例为1），在Lowerspec中给出规格下限（本例为335），在Upperspec中给出规格上限（本例为355），结果如下:ProcessCapabilityAnalysisforxProcessDataUSLTargetLSLMeanSampleNStDev(ST)StDev(LT)355.00335.00344.791004.387854.38105Cp0.76CPU0.78CPL0.74Cpk0.74CpmPotential(ST)CapabilityLSLUSL330335340345350355360ExpectedLTPerformanee…LTSTPp0.76PPU0.78PPL0.74Ppk0.74Overall(LT)CapabilityObservedPerformaneePPMUSL10000.00PPMTotal20000.00ExpectedSTPerformaneePPMUSL9985.83PPMTotal22821.06PPMUSLPPMTotal12720.949890.0322610.97A、B、C,又随机选例13测量系统分析（MSA）――评定重复性与重现性（R&R）为了评定测厚仪的R&R,选了三位操作者，分别记为了十块垫片，分别编号为1到10号，，每为操作者对每块垫片重复测量两次,测量时他们并不知道所测垫片的编号。数据如下:测量骨口.序号1234零5件6789100.510.651.000.850.851.000.950.851.000.6050.420.601.000.800.951.000.950.801.000.70500.80.410.551.050.801.000.950.751.000.550020.550.950.750.750.41.050.900.700.950.50操作员AB0C10.501.050.800.40.950.801.050.850.8051.000.520.551.000.800.8001.050.950.801.050.80数据输入在三列上：C1为操作者编号，C2为零件编号，C3为测量数据。在Stat—QualityTools—GageR&Rstudy，然后在Partnumber中给出零件编号所在列（本例为C2），在Operators中给出操作者编号做在列（本例为C1），在Measurementdata中给出测量数据（本例为C3），并在methodofanalysis中选择数据分析的方法，若选ANOVA法，则给出如下结果：GageR&RStudy-ANOVAMethodGageR&RforC3Two-WayANOVATableWithInteraction（具有交互作用的两因子方差分析）SourceDFSSMSFPC2（零件）92.058710.22874539.71780.00000C1（操作者）20.048000.0240004.16720.03256C1*C2（交互作用）180.103670.0057594.45880.00016Repeatability（量具误差）300.038750.001292Total（总和）592.24912GageR&RSourceVarCompStdDev5.15*Sigma（来源方差分量标准差变差）TotalGageR&R（R&R）0.0044370.0666150.34306Repeatability（重复性）0.0012920.0359400.18509Reproducibility（再现性）0.0031460.0560880.28885C1（操作者）0.0009120.0302000.15553C1*C2（交互作用）0.0022340.0472630.24340Part-To-Part（零件）0.0371640.1927810.99282TotalVariation（总和）0.0416020.2039651.05042Source%Contribution%StudyVar（在总方差中所占比例在总变差中所占比例）TotalGageR&R10.6732.66Repeatability3.1017.62Reproducibility7.5627.50C12.1914.81C1*C25.3723.17Part-To-Part89.3394.52TotalVariation100.00100.00NumberofDistinctCategories=4GageR&R(ANOVA)forC31.11.00.90.80.70.60.50.40.3naeMppmaGagename:Dateofstudy:Reportedby:Tolerance:Misc:C1*C2InteractionC11231.11.00.90.80.70.60.50.4%TotalVar%StudyVareanaKelpm§1ByC123C1ComponentsofVariationtne-fDP1.11.00.90.80.70.60.50.4C2ByC212345678910若用XbarandR方法，则不考虑交互作用，结果如下:GageR&RStudy-XBar/RMethodGageR&RforC3SourceVarianceStdDev5.15*SigmaTotalGageR&R2.08E-030.0456500.235099Repeatability1.15E-030.0339830.175015Reproducibility9.29E-040.0304810.156975Part-to-Part3.08E-020.1755770.904219TotalVariation3.29E-020.1814140.934282Source%Contribution%StudyVarTotalGageR&R6.33225.164Repeatability3.50918.733Reproducibility2.82316.802Part-to-Part93.66896.782TotalVariation100.000100.000GageR&R(Xbar/R)forC3naeM93masXbarChartbyC13.0SL=0.8796X=0.8075-3.0SL=0.7354Gagename:Dateofstudy:Reportedby:Tolerance:Misc:1.11.00.90.80.70.60.50.4ResponsebyC1123C10.15eanaRelpm§RChartbyC13.0SL=0.12520.100.050.00-3.0SL=0.000R=0.03833ComponentsofVariation%TotalVar%StudyVarC11.11.00.90.80.70.60.50.4C223ResponsebyC245678910六、控制图：例14均值-标准差图（Xs）:某电阻生产厂家，每隔一小时抽取四个电阻测量得到的阻值如下：序号测量值181.8681.6182.9881.33282.0981.0680.4880.07381.2182.7779.9580.72481.2380.6181.6882.13583.2082.5082.3780.54682.6882.4882.9682.12780.1781.8381.1281.41880.4081.6085.0083.80980.6980.4982.1684.291081.7281.1280.7780.601180.9881.3381.6080.70续表:序号测量值1280.4282.2080.1380.241381.1181.1382.2281.171482.4081.4182.9383.131581.5580.9181.3182.431681.3280.1281.2380.381781.3980.8580.6080.931881.3783.1280.3981.811982.6282.0681.4980.922079.7681.1781.2479.542181.0682.0682.7682.462282.5583.5382.9481.892383.3380.3380.3680.672481.1781.3382.5780.872581.6079.8881.6981.79数据有两种输入方法：一种是放在四列上（譬如C1-C4），一种是按样本序号放在一列上（譬如C1）。利用Stat—Controlcharts—Xbar-S对第一种输入方法：选Subgroupsacrossrowsof，给出数据所在列号，譬如本例可以用C1-C4对第二种输入方法：选SingleColumn，给出数据所在列号，譬如本例可以用C1，并在Subgroupesize中给出样本容量，譬如在本例中输入：4还可以在Tests中选：Performalleighttests点击OK后给出如下结果与图形：TestResultsforXbarChartTEST5.2outof3pointsmorethan2sigmasfromcenterline（ononesideofCL）.TestFailedatpoints:8（这表示在Xbar图上第8点处于3点中有2点在中心线同侧的2外）TestResultsforSChartTEST1.Onepointmorethan3.00sigmasfromcenterline.TestFailedatpoints:8（这表示在S图上第8点超过3控制线）Xbar/SChartforC1-C4naeMe3masSubgroup3.0SL=82.94X=81.54-3.0SL=80.1438281o883.0SL=1.951S=0.8609-3.0SL=0.000210venrselpmas由于第8点超过控制界线，因此需要将其去掉后重新计算控制线，这可以按选项Estimate…，然后在Omitthefollowingsampleswhenestimatingparameters中输入点的序号，现在可以输入8，按OK后给出如下结果与图形：TestResultsforXbarChartTEST5.2outof3pointsmorethan2sigmasfromcenterline(ononesideofCL).TestFailedatpoints:8TestResultsforSChartTEST1.Onepointmorethan3.00sigmasfromcenterline.TestFailedatpoints:8S38281naeMpp80—Subgroup0Xbar/SChartforC1-C45ii1015rii20253.0SL=82.81X=81.49-3.0SL=80.183.0SL=1.836S=0.8100-3.0SL=0.000210vepsppmas现在控制图的中心线与控制界限都发生了改变。例15xR图：为制作某金属零件长度的控制图，每隔一小时测量五个零件的长度，记录与标准值之差，数据如下：序号测量值11285123211138114310362741212612456965568118927109637871291395911671077611111110139121512476813138413711148477415106910141614786517111288185631061967471020127991321311612622425982371271110244589725596125数据输入万法同上，操作也基本同上，仅将Xbar-S改为Xbar-R，结果如下:Xbar/RChartforC1-C53.0SL=11.93X=7.704-3.0SL=3.4823.0SL=15.48R=7.320-3.0SL=0.000eocaRelpmas如果要给出每一样本的均值、标准差、极差，对第一种输入方法，可以采用Cacl—RowStatistics，选Statistics中的Mean（或Standarddeviation或Range）在inputvariables中给出列号（本例可以输入C1-C5），在storeresultin中给出存放的列号，譬如在本例中可以放在C6（或C7或C8）。本例的结果如下：DataDisplayRowx1x2x3x4x5XbasR112851238.04.0620292111381149.43.50714931036275.63.2093684121261249.23.8987285696556.21.64317468118927.63.36155971096377.02.73861787129136.44.449721195911677.62.4083261077611118.42.4083251110139121511.82.387476124768137.63.3615591384137118.63.50714914847746.01.87083415106910149.82.863568161478658.03.535539171112886.04.3011610185631066.02.549517196747106.82.16795620127991310.02.4494962131161267.63.78153922425985.62.88097723712711109.42.30217524458976.62.073645255961257.43.049597例16单值-移动极差控制图：对例15的第一列数据作单值移动极差控制图，可以利用Stat—Controlcharts—I-MR，在Variable框中给出数据所在eullvlauolwrd卩510152025IandMRChartforx3.0SL=16.54X=7.560-3.0SL=-1.416Subgroup0eahaRanrvoM3.0SL=11.03R=3.375-3.0SL=0.000列，本例为1，点击0K后显示如下:图）：例17不合格品率图（p图）与不合格品数控制图（np某电镀件的外观不合格品件数如下：序号样本谷量不合格品件数1724482763833748704748855724456727567726488719679759371074552117364712739501372347147485715770511675671177195318757331976029207374921750612275239237265024730582574761数据输入两列：C1为样本容量，C2为不合格品数。利用Stat—Controlcharts—P,在Variable中给出不合格品数所在列的列号，本例为C2，在Subgroupsin中给出样本容量所在列的列号，本例为C1。按0K后给出如下结果与图形：WARNING*Test(s)notpeformedsineeLCLand/orUCLarenotconstant（由于样本容量不等，因此控制界限不是常数，从而不进行检验）PChartforC2SampleNumber3.0SL=0.1012P=0.07268-3.0SL=0.04418图。在用p图时，可则得如下结果与图形：如果样本容量为常数，则可以用p图，也可以用np以在Subgroupssize中给出样本容量，譬如给出741,TEST1.Onepointmorethan3.00sigmasfromcenterline.TestFailedatpoints:2419TEST4.14pointsinarowalternatingupanddown.TestFailedatpoints:1516170.12PChartforC2^n^LLODDb—0.03—0.11—0.100.09—0.08—0.07—0.060.05—0.04—3.0SL=0.1013P=0.07271-3.0SL=0.0441005101520SampleNumber251若用np图，利用Stat—Controlcharts—NP可得如下结果与图形:TEST1.Onepointmorethan3.00sigmasfromcenterline.TestFailedatpoints:2419TEST4.14pointsinarowalternatingupanddown.TestFailedatpoints:1516179080706050403020NPChartforC23.0SL=75.09NP=53.88-3.0SL=32.67510152025SampleNumber例18单位缺陷数控制图（u图）与缺陷数控制图（C图）：某织物的面积及其上面的缺陷数如下：序号面积缺陷数11.0421.0531.0341.0351.0461.0571.0381.3291.35101.33111.32续表:序号面积缺陷数121.34131.31141.35151.32161.34171.32181.26191.24201.23211.20221.78231.73241.78251.75数据输入两列：C1为样本容量，C2为缺陷数（不合格数）。利用Stat—Controlcharts—U，在Variable中给出缺陷数所在列的列号，本例为C2，在Subgroupsin中给出样本容量所在列的列号，本例为C1。按OK后给出如下结果与图形：*WARNING*Test（s）notpeformedsineeLCLand/orUCLarenotconstant（由于样本容量不等，因此控制界限不是常数，从而不进行检验）UChartforC2t3.0SL=6.943U=2.975-3.0SL=0.000nuocRpmcaSampleNumber若样本容量为常数，则可以用C图，此时利用Stat—Controlcharts—C,只要在Variable中给出缺陷数所在列的列号即可。若假定例3.4的样本容量相等，那么给出的图形如下:CChartforC210503.0SL=9.577C=3.760-3.0SL=0.0000510152025SampleNumber七、试验设计中的数据分析方法——方差分析（ANOVA）例19单因子方差分析甲、乙、丙三厂生产同一种零件，为了了解各厂生产的零件强度有无明显差异，分别从每一工厂生产的零件中随机抽取四个测定其强度，数据如下：工厂零件强度甲1151169883乙103107118116丙73898597有两种数据输入方法:是每一水平的数据占一列，譬如在C1-C3；二是所有数据在一列上，譬如在C1，在C2上输入各数据对应的水平。对第一种输入方法，利用Stat-ANOVA-One-way（Unstacked）在Responses框中给出数据所在列，本例为C1-C3，点击OK后显示如下：One-wayAnalysisofVariancePooledStDev=11.517590105120SourceDFSSMSFP（来源自由度平方和均方和F比p值）Factor213046524.920.036Error91192132Total112496Individual95%CIsForMeanBasedonPooledStDev（均值的95%置信区间）LevelNMeanStDev--++---++（水平样本容量均值标准差）A14103.0015.68(*)A24111.007.16(*)A3486.0010.00(*--)方差分析表）AnalysisofVariance++++的估计）对第二种输入方法，利用Stat-ANOVA-One-way在Responses框中给出数据所在列，本例为C1，在Factor框中给出水平号所在列，本例为C2，点击OK后显示同上例20两因子方差分析为提高化工产品的产量，需要寻找最好的反应温度与反应压力的配合，，现对反应温度（因子A）取三个水平（60,70,80），对反应压力（因子B）取三个水平（2，2.5，3），在每一条件下进行两次试验，数据如下输入：（C1为因子A的水平号，C2为因子B的水平号，C3为试验结果）C1C2C3ABy114.6114.3126.3126.7134.7134.3216.1216.5223.4223.8233.9233.5316.8316.4324.0323.8336.5337.0利用Stat-ANOVA-BalancedANOVA，在Responses框中给出数据所在列，本例为C3，在Model框中给出两个因子水平号所在列及所要考察的交互作用的列，本例为C1C2C1*C2，再点击选项Result，在其中Displaymeanscorrespondingtotheterms框中同样输入C1C2C1*C2，点击OK后显示：AnalysisofVariance(BalancedDesigns)Afixed3123Bfixed3123AnalysisofVarianceforyFactorTypeLevelsValuesSourceDFSSMSFA24.44112.220629.83B23.97441.987226.69A*B421.15895.289771.06Error90.67000.0744Total1730.2444Means（均值）ANy165.1500264.5333365.7500BNy165.7833264.6667364.9833ABNyP0.0000.0000.0001124.4500226.5000324.5000126.3000223.6000323.7000126.6000223.90003326.7500利用Stat-ANOVA-MainEffectsPlot，在Responses框中给出数据所在列，本例为C3，在Factor框中给出两个因子水平号所在列，本例为C1C2，点击OK后给出主效应图：MainEffectsPlot-DataMeansfory利用Stat-ANOVA-InteractionPlot，在Responses框中给出数据所在列，本例为C3，在Factor框中给出两个因子水平号所在列，本例为C1C2，点击OK后给出交互作用图：InteractionPlot-DataMeansfory3-123■«464例21正交设计的数据分析为提高某化工产品的回收率，考察三个三水平因子，用正交表L9（34）安排试验。因子水平表与试验的表头设计、试验结果如下：因子水平表因子一水平二水平三水平A:尿素量（L）1.01.41.8B:水量（mL）120200280C:反应时间（min）101520表头设计与试验结果表头设计ABC试验结果试验号列号1234y1111111.52122222.63133322.74212319.05223128.56231224.07313225.18321330.39332133.3为对数据进行分析，可以在C1-C3三列中输入正交表的前三列（分别命名为A、B、C），在C4（命名为y）中依次输入试验结果，利用Stat-ANOVA-GeneralLinearModel，在Responses框中给出数据所在列，本例为C4，在Model框中给出三个因子水平号所在列，本例为C1C2C3，再点击选项Result，在其中Displayleastsquaremeanscorrespondingtotheterms框中同样输入C1C2C3，点击OK后显示：GeneralLinearModelFactorTypeLevelsValuesAfixed3123Bfixed3123Cfixed3123AnalysisofVarianeefory,usingAdjustedSSforTests（下面为方差分析表）SourceDFSeqSSAdjSSAdjMSFPA2169.949169.94984.974352.430.003B2140.329140.32970.164291.000.003C221.66921.66910.83444.940.022Error20.4820.4820.241Total8332.429（以下为各因子每一水平试验结果的平均值）LeastSquaresMeansforyMeanStDev18.930.283523.830.283529.570.2835B18.530.283527.130.283526.670.2835C21.930.283524.970.283525.430.2835还可以利用Stat-ANOVA-MainEffectsPlot,在Responses框中给出数据所在列，本例为C4，在Factor框中给出三个因子水平号所在列，本例为C1-C3，点击OK后给出主效应图：MainEffectsPlot-DataMeansfory八、区间估计与假设检验1•一个正态总体关于均值的区间估计与假设检验(1)方差已知例22设一个物体的重量未知，为估计其重量用天平称了五次，称得结果如下:5.525.485.645.515.45（单位：克）。假定称量结果服从均值为，标准差为=0.1克的正态分布，求的置信水平为95%的置信区间，以及检验均值是否为5.5。在C1列中输入上述5个数据，利用Stat——BasicStatistics——1-SampleZ，在Variable中给出列号，在Sigma中给出已知值0.1，若还要检验是否为某一定值0，这里假定0=5.50，可以在TestMean中给出0的值，此时的备择假设为0，按OK得：One-SampleZ:xTestofmu=5.5vsmunot=5.5这里表示现在检验的原假设是，备择假设是5.5）Theassumedsigma=0.1（这里是已知的标准差的值）VariableNMeanStDevSEMean（变量样本量样本均值样本标准差均值的标准误）x55.52000.07250.0447Variable95.0%CIZP（变量95%的置信区间U统计量的值检验的P值）x(5.4323,5.6077)0.450.655（2）方差未知仍用上例，假定标准差未知。作区间估计，利用Stat——BasicStatistics——1-Samplet，在Variable中给出列号，若仍检验上述假设，在按OK得：TestMean中给出0的值5.5，此时的备择假设为One-SampleT:xTestofmu=5.5vsmunot=5.5（这里表示现在检验的原假设是VariableNMean（变量样本量样本均值x55.5200Variable95.0%CI（变量95%的置信区间x(5.4300,5.6100)StDevSEMean样本标准差均