Minitab操作教程(中文)

MINITAB非常容易跟着做2.画管理图3.求工程能力4.MSA5.t-test6.One-wayANOVA8.相关分析(Correlation)7.Chi-SquareTest10.试验 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 法(DOE)9.返回分析(Regression)1.求基本统计量1.1算术平均1.5最小值1.8标准偏差的信赖区域1.3分散1.7平均的信赖区域1.2标准偏差1.6最大值1.9중中央值的信赖区域1.4中央值1.10正规性检定2.5U管理图2.3P管理图2.2I-MR管理图2.6C管理图2.4NP管理图2.1X-R管理图2.7异常原因2.8管理图的层别3.1车间内工程能力3.3预测的不良率3.2全体工程能力3.4区域内预想不良率3.5全体预想的不良率4.1定密度4.2反复性4.3再形成4.4%R&R4.5P/T5.11-SampleZ5.21-Samplet5.32-Samplet5.4Pairedt6.1平均差检定6.2散布差检定7.1独立性检定8.1r(有关计算)9.1R-Square9.2返回式10.122要因排布法10.2主效果주효과10.3相互适用목차.......4page............8page.........33page...................40page..................48page......64page........75page..81page...86page......92page1.求基本统计量1.1算术平均1.5最小值1.8平均偏差的信赖区域1.3分散1.7平均的信赖区域1.10Stat▶BasicStatistics▶DisplayDescriptiveStatisticsWorksheetA为了仔细观察工程的品质特性的产品长度的分布和统计量抽出标本,收集Data.例题路线1.2标准偏差1.6最大值1.9中央值得信赖区域1.4中央值定规性检定Dialog窗①变数指定②Graphs计③Graphicalsummary计④OK⑤OKSession窗分析结果1.1算术平均1.2标准偏差1.4中央值1.5最小值1.6最大值平均的标准误差=σ/n十分位数:根据Data顺序罗列后根据基准区分-Q1:根据Data顺序罗列时在25%顺序的位置的数-Median:根据Data顺序罗列时在50%顺序的位置的数-Q3:根据Data顺序罗列时在75%的顺序的位置的数Graph窗1.1算术平均1.2标准偏差1.4中央值1.5最小值1.6最大值1.3分散1.8标准偏差的信赖区域1.7平均的信赖区域1.9中央值的信赖区域1.10定规性检定定规性检定(有意水准α=0.05)▶P-Value≥0.05情况→Data的分布能根据定规分布做▶P-Value＜0.05情况→Data的分布不能根据定规分布做1.10히스토克重,定规分布曲线BoxPlot2.画管理图12.1X-R管理图2.5U管理图2.3P管理图2.2I-MR管理图2.6C管理图2.4NP管理图管理图的选择C管理图Data의유형计量尺计量尺Data的类型Data의유형是否是不良品的数?是否是具体的缺点?收集的Data是否个别？车间是否实现?试验的大小是否一致？试验的大小是否一致？U管理图NP管理图P管理图I-MR管理图X-R管理图个别Data车间Data不良数缺点数不是是不是是2.7异常原因2.8管理图的层别Stat▶ControlCharts▶Xbar-RWorksheetB工程制造的产品厚度每8小时试验5个管理.例题路线2.1X-R管理图计量尺车间군Dialog窗①变数指定②区域的数③OK区域的数-在上面的例题B工程制造的产品的重量每8小时做5个试验,区域的数5因为以C3(小时)区域区分输入C3(小时)无妨Graph窗分析结果X-R管理图▶X管理图→区域内Data的平均管理(分布的中心移动管理)▶R管理图→区域内的范围管理(分布的扩展程度管理)2.1异常原因Stat▶ControlCharts▶I-MRWorksheet在B工程制造的产品的厚度每4小时试验1个工程管理例题路线2.2I-MR管理图计量尺个别DataDialog窗①变数指定②OKGraph窗分析结果MR-相邻的两个Data的移动范围意义,例如,前线Data的测定值是8，后面的Data是12的话,MR是4(=8-12)I-MR管理图▶I管理图→Data的移动管理(分布的中心移动管理)▶MR管理图→Data的移动范围管理(分布的扩散程度管理)2.2Stat▶ControlCharts▶PWorksheet在B工程一天制造的产品的不良数管理.例题路线2.3P管理图(不良率管理图)计量尺各个生产数不一定Dialog窗①变数指定②Sample的大小输入的列指定③OKGraph窗分析结果LCL(管理下限线)-P,NP,U,C管理图的管理下限线常常比0相同或者大.即,不良率,不良数,缺点率,因为缺点数比0常常相同或者大UCL,LCL(管理项,下限线)-P管理图U管理图的管理项，下限线根据Sample大小产生弯曲(度量的差异).-Sample大小弯曲的情况:度量窄-Sample大小小的情况:度量宽Stat▶ControlCharts▶NPWorksheet在B工程一天制造130个产品的不良数管理例题路线2.4NP管理图(不良数管理图)计量尺因为Sample的大小一定能画NP管理图.Dialog窗①变数指定②Sample的大小输入的列指定③OKSubgroupsize-在上面的例题B工程因为Samplesize常常130个统一SubgroupsizeClick后,输入130Graph窗分析结果LCL(管理下限线)-P,NP,U,C管理图的管理下限线常常比0相同或大.即,不良率,不良数,缺点率,缺点数比0常常相同后大UCL,LCL(管理项,下限线)-NP管理图和C管理图的管理项，下限线因为Sample大小常常统一平行.Stat▶ControlCharts▶UWorksheet在B工程一天制造的产品缺点数管理.例题路线2.5U管理图(缺点率管理图)计量尺不良和缺点的区分-缺点:具体指示的需要由于看不合格尺要因，一个产品能有许多缺点，总共缺点数比总Samplesize能大.-不良:具体指示需要不合格尺产品总共的不良数比总Samplesize不能大生产数不一定Dialog窗①变数指定②Sample的大小输入的列指定③OKGraph窗分析结果LCL(管理下限线)-P,NP,U,C管理图的管理下限线常常比0相同或者大.即,不良率,不良数,缺点率,因为缺点数比0常常相同或者大UCL,LCL(管理项,下限线)-P管理图U管理图的管理项，下限线根据Sample大小产生弯曲(度量的差异).-Sample大小弯曲的情况:度量窄-Sample大小小的情况:度量宽Stat▶ControlCharts▶CWorksheet在B工程一天每150个实验的产品缺点数管理.例题路线2.6C管理图(缺点数管理图)计量尺由于Sample的大小一定能画C관管理图.Dialog窗①变数指定②OKGraph窗分析结果LCL(管理下限线)-P,NP,U,C管理图的管理下限线常常比0相同或大.即,不良率,不良数,缺点率,缺点数比0常常相同后大UCL,LCL(管理项,下限线)-NP管理图和C管理图的管理项，下限线因为Sample大小常常统一平行.2.7异常原因Test在管理图出现的一般的异常原因形态-异常点-Run-Trend-Cycle中心线管理上线管理下线中心线管理上线管理下线中心线管理上线管理下线中心线管理上线管理下线异常原因Test的条件1.脱离管理项,下限线点2.在中心线的上面或下面连续性出现的9个点3.连续性的增加或者减少6个点4.连续性的增加，减少,增加，减少...14个点5.3个适中2个点为中心2시그마以上的位置出现6.5个适中4个点为中心1시그마以上的位置出现7.15个点为中心1시그마内的位置连续出现8.8个点为中心1시그마以上的位置连续出现Dialog窗⑤OK②Tests计③Performalleighttests计④OK所有管理图统一的路线使用①变数指定Graph窗分析结果例)1次.脱离管理项,下限线的点例)5次.3个的中点2个的点一中心2시그마异常位置出现例)6次.5个适中4个的点以中心1시그마以上的位置出现管理图异常原因发生情况发生时点的点用红色标示,异常原因Test的理由和有关的号码标示2.8管理图的层别例题在B工程制造的产品的重量每4小时1个做Sampling管理工程.从5月减少产品的重量的散布活动开始,从6月改善完了为了看掌握改善的效果看层别管理图做.Worksheet各个月层别产品的重量画管理图Dialog窗②EstimateParametersBYGroupsin计⑤OK①变数指定③以层别区分变数指定⑥OK④Newgroupsstartateachnewvalueingroupvariable计所有管理图统一路线使用Graph窗分析结果产品的重量各个月层别仔细观察开始改善在5月能知道4月机体散布减小，改善完了的在6月能比4,5月更减小散布3.求工程能力3.1区域内工程能力3.3观测的不良率Stat▶QualityTools▶CapabilityAnalysis(Normal)WorksheetB为了仔细看工程的品质特性的产品重量的工程能力每8小时抽出5个标本,收集Data.产品重量的规格(Spec.)10±1g.例题路线3.2全体工程能力3.4区域内预想不良率군区域3.5全体预想不良率Dialog窗③规格下线⑤OK②区域的数④规格上线①变数指定区域的数-在上面的例题B工程制造的产品的重量每8小时做5个试验,区域的数5因为以C3(小时)区域区分输入C3(小时)无妨如果，区域没有概念,个别Data的情况输入1规格项,下线-在上面例题B工程制造的产品重量的规格10±1g规格下线是9,规格上线是11.Graph窗[1]规格上线规格下线算术平均试验数区域内标准偏差全体标准偏差3.1区域工程能力区域工程能力(潜在的工程能力:没有区域的变动的假定的工程能力)▶Cp:不考虑歪斜,Data的平均和目标一致的假定的工程能力→基本假定:平均没有歪斜,区域间没有移动▶Cpk:考虑歪斜的工程能力→基本假定:区域间没有移动3.1Graph窗[2]3.2全体工程能力Graph窗[3]全体工程能力(实际工程能力)▶Pp:不考虑弯曲,Data的平均和目标一致假定的工程能力→基本假定:品均没有弯曲▶Ppk:考虑工程的工程能力→基本假定:没有3.23.3观测的不良率Graph窗[4]3.4区域预想不良率3.5全体预想不良率PPM<LSL-脱离规格的不良率PPM<USL-脱离规格的不良率PPMTotal-全体不良率PPM-1,000,000(百万)个不良数PPM以%-PPM分10,000.例如,30000ppm情况,是3%的不良率比Cp或PpCpk,Ppk是否能更大?-Cp,Pp“Data没有平均歪斜”的假定算出的指数,Cpk,Ppk到Data平均的歪斜因为考虑实质性的指数,比Cp,PpCpk,Ppk不能更大,实际Data的平均规格中心和一致情况,Cp,Pp和Cpk,Ppk相同.在最好的工程出现的工程能力形态?-Cp大,Ppk和Cp的差异没有Cpk,Ppk比0小的情况,即(-)值低的情况?-Data的平均规格范围外脱离的情况Cpk,Ppk(-)值低.Cp<1.5:工程的散布大.▶工程的技术力不足,工程条件(5M)的散布需要减小.Cp-Cpk>0.3:Data的平均规格中心有大的脱离.▶再设定工程的条件Data的平均和规格中心能一致Cpk-Ppk>0.3:长期涉及的工程的管理不足.▶工程的管理能力不足,需要持续关心通过工程能力认识问题工程能力的一般常识4.MSA14.1定密度4.3再形成4.5P/T4.2反复性4.4%R&RWorksheetC在工程使用的药品的稠度完成的产品的品质因为造成大的影响,C工程每4小时测定一次药品的稠度,正在管理.C工程的班长人组代理检测药品稠度的稠度计给予信赖性评价，3名的检测者3个药品试验各反复检测3遍记录测定值。稠度的规格范围是30±5.例题检测者:3名(崔氏,金氏,朴氏)药品试验:3个(1次试验,2次试验,3次试验)反复检测数:3次总测定回数:27次(=3名×3个×3次)Stat▶QualityTools▶GageR&RStudy(Crossed)...路线Dialog窗③检测值⑤输入规格公差②检测者④Options计①试验号码⑥OK⑦OK规格的范围-在上面的例题稠度规格范围是30±5公差是±5,即是10.-如果规格范围是40±3的话,公差是±3,即是6.Session窗分析结果4.4%R&R4.1定密度4.2反复性4.3再形成4.5P/T%R&R,P/T:评价定密度的检测能力指数▶%R&R:总散布中对于检测占有的比率→%R&R<30%情况能信赖检测机.▶P/T:规格公差中由于检测散布的比率→P/T<30%情况能信赖检测机4.44.5定密度(根据检测散布程度)▶评价定密度的方法有%R&R,P/T.→定密度区分反复性和再形成.4.1反复性▶根据检测机散布程度4.2再形成▶检测者的散布程度4.3Graph窗[1]Graph窗[2]4.1定密度4.2反复性4.3再形成4.4%R&R4.5P/TComponentsofVariation▶Session窗的分析结果以直线图表形态画,直线图表以%R&R,P/T为基准标示各个定密度,反复性,再形成.▶定密度,反复性,再形成直线图表的大小越小越好.Graph窗[3]RChartby检测者-各点检测者相同的产品反复检测时,出现R值(=最大检测值-最小检测值).-所有点管理项,下限线希望在里面.-各检测者评价时,R值越小能做到检测精密的检测位置.在前RChart里朴氏3点比别人点小,能看出朴氏比别人检测的更精确.金氏朴氏催氏金氏朴氏催氏XbarChartby检测者-各点检测者相同的产品反复检测时,出现检测值的平均.-管理项,下限线的度量出现检测分布的大小.-所有点管理项,下限线希望在外面,希望以规则性的点的形态出现.即,由于检测比散布产品间的散布希望更大.Graph窗[4]By试验号码-各个试验出现检测值的平均和散布的程度.-各个试验反复检测的值的散布程度希望标记.By检测者-各个检测者出现检测值的平均和分布.-各个检测者希望平均相同.By检测者-各个试验检测者间出现检测值.-希望各线实现平行,线的交叉作业者和试验间能看到相互适用.5.t-test5.11-SampleZ5.32-Samplet5.21-Samplet5.4Pairedtt-test的选择1-SampleZ▶试验Data的平均和集体(全体)的平均是否相同,想在别的地方评价的时候...但,全体的平均和标准偏差知道.→为了仔细观察D电子送货的副品的平均重量检测10个的Data试验重量.我们希望的副品的重量是40g,到现在生产的副品的标准偏差是3g.1-Samplet▶试验Data的平均和集体(全体)的平均是否相同,想在别的地方评价的时...但,知道全体的平均但是,不知道标准偏差.→为了仔细观察D电子送货的副品的平均重量检测10个的Data试验重量.我们希望的副品的重量是40g,副品的标准偏差不知道.2-Samplet▶在相互别的2集体输出的试验Data的平均是否相同,想在别的地方评价的时...→D公司和E公司送货的副品的平均重量是否相同,别的地方评价各个公司的送货的产品中每10个做实验检测重量Pairedt▶相互一组实现的实验Data的平均是否相同,想在别的地方评价的时...→在D公司送货的副品德左边厚度的平均是否相同,别的地方评价做10个的Data实验检测左边和右边的厚度.5.15.35.45.25.11-SampleZStat▶BasicStatistics▶1-SampleZWorksheet为了仔细观察在D电子送货的副品的平均重量10个的Data做实验检测重量.我么希望的副品的重量是40g,到现在生产的副品德标准偏差是3g.例题路线平均标准偏差Dialog窗③平均②标准偏差④OK①变数指定Session窗分析结果试验数算术平均标准偏差95.0%CI:平均的95%信赖区域-在上面的例题平均的95%信赖区域是(35.231,38.949),总平均40g在95%信赖区域里不存在.这样,在D公司送货的副品的平均重量不是总平均的40g。P:P-value值▶P-Value≥0.05情况的→Data的平均和总平均能相同.▶P-Value＜0.05的情况→Data的平均和总平均能不同。-在上面的例子以P=0.002,比0.05小,在D公司送货的副品的平均重量不是总平均的40g5.21-SampletStat▶BasicStatistics▶1-SampletWorksheet为了仔细观察在D电子送货的副品的平均重量10个的Data做实验检测重量.我么希望的副品的重量是40g例题路线总平均Dialog窗②平均③OK①变数指定Session窗分析结果试验数算术平均标准偏差95.0%CI:平均的95%信赖区域-在上面的例题平均的95%信赖区域是(35.492,38.688),总平均40g在95%信赖区域里不存在.这样,在D公司送货的副品的平均重量不是总平均的40g。P:P-value值▶P-Value≥0.05情况→Data的平均能和总评均相同.▶P-Value＜0.05情况→Data的平均能和总评均不同.-在上面的例子以P=0.003,比0.05小,在D公司送货的副品的平均重量不是总平均的40g。5.32-SampletWorksheetD公司和E公司送货的副品的平均重量是否相同评价别的地方在各个公司送货的产品中,每10个做实验称重量例题UnstackDataStackDataD公司副品的重量E公司副品的重量Stat▶BasicStatistics▶2-Samplet路线Dialog窗[1]②Assumeequalvariances计UnstackData的情况①变数指定④Boxplotsofdata计⑤OK⑥OK③Graphs计Dialog窗[2]③Assumeequalvariances计StackData的情况①变数指定(检测的Data列选择)⑤Boxplotsofdata计⑥OK⑦OK④Graphs计②变数指定(输入条件选择列)Session窗分析结果试验数算术平均标准偏差95.0%CI:两个集体平均差异的95%信赖区域-在上面的例子两个集体平均偏差的95%信赖区域是(-3.87,1.77),0在95%信赖区域里存在.即,(D公司副品平均重量-E公司副品平均重量=0).在这两个集体各个收集的Data的平均能相同的意义.这样,D公司送货的副品的平均重量和E公司送货副品德平均重量能相同.P-Value▶P-Value≥0.05情况→两个集体偏差的Data平均能相同.▶P-Value＜0.05情况→两个集体的Data平均能不同.-在上面的例子以P-Value=0.445,因为比0.05大在D公司送货的副品的平均重量和E公司送货的副品的平均重量能相同.两个集体平均的差异Graph窗中央值(Median)算术平均5.4PairedtStat▶BasicStatistics▶PairedtWorksheetD公司送货的副品德左边厚度和右边厚度的平均是否相同,评价别的地方10个的Data做实验检测左边和右边的厚度例题路线Dialog窗②OK①变数指定Session窗分析结果试验数算术平均标准偏差P-Value▶P-Value≥0.05情况→两个集体偏差的Data平均能相同.▶P-Value＜0.05情况→两个集体的Data平均能不同..-在上面的例子以P-Value=0.053,因为比0.05大,左边和右边没有厚度的差异两个集体的平均差异95.0%CI:两个集体平均差异的95%信赖区域-在上面的例子两个集体平均偏差的95%信赖区域是(-2.936,0.024),0在95%信赖区域里存在.即.(左边平均厚度-右边平均厚度=0).在这两个集体各个没有收集的Data的差异的意义，这样,没有左边和右边厚度的差异6.One-wayANOVA16.1平均差检定6.2分布差检定平均差检定使用的Tool2-Samplet(两个集体条件)▶相互在别的集体输出的实验Data的平均是否相同,想评价别的地方时...→D公司和E公司送货的副品的平均重量是否相同,评价别的地方在各个公司送货的产品中每10个做实验检测重量.One-wayANOVA(3个以上的集体条件)▶相互在别的3个以上的集体输出的实验Data的平均是否相同,想评价别的地方时...→E工程生产的副品副品的HoleSize是重要的品质.在E工程制造副品的3台设备在启动中各个设备生产的副品的HoleSize的平均是否相同,评价别的地方各个设备生产的副品每5个做实验检测HoleSize5.36两集体三集体6.1平均差检定Worksheet在E公司生产的副品副品的HoleSize是重要的品质.在E工程制造副品德3台设备在启动中,各个设备生产的副品的HoleSize的平均是否相同，评价别的地方,各个生产的副品每5个做实验检测HoleSize.Size的目标值是25.0mm.例题UnstackDataStackData1次副品的HoleSize2次副品的HoleSize3次副品的HoleSizeStat▶ANOVA▶One-way(Unstacked)路线[1]UnstackData情况Stat▶ANOVA▶One-way路线[2]StackData情况Dialog窗[1]③Boxplotsofdata计UnstackData情况①变数指定④OK②Graphs计⑤OKDialog窗[2]StackData情况①变数指定(检测的Data选择列)⑥OK③Graphs计②变数指定(输入条件的选择列)④Boxplotsofdata计⑤OKSession窗分析结果试验数算术平均标准偏差设备的评价-在上面的例题以P-Value=0.009比0.05小,三个设备中即使少在两台设备生产的产品的HoleSize平均能不同.-HoleSize的目标值是25.0mm,平均的信赖区域包含25.0mm1次设备和2次设备好的设备,3次设备是不好的设备.-如果,P-Value比0.05大的值的话,各个设备生产的产品的HoleSize的平均因为没有不同,三个的设备评价没有大的意义各条件平均的95%信赖区域P:P-Value▶P-Value≥0.05情况→集体Data平均能相同.▶P-Value＜0.05情况→及时少两个集体Data平均能不同。-在上面的例子以P-Value=0.009比0.05小,三个的设备中,即使小在两个的设备生产的产品的HoleSize平均不同.25.0mm:HoleSize目标值设备名Boxplots-掌握各个设备中心和扩展的程度.Graph窗6.2散布差检定在E工程生产的副品的HoleSize是重要的品质.在E工程制造副品的3台设备在启动中。各个设备生产的副品的HoleSize的散布是否相同,评价别的地方,各个设备生产的副品每5个做实验检测HoleSize例题StackDataStat▶ANOVA▶TestforEqualVariancesWorksheet路线Data的形态...-为了散布检定Data应该带有StackData形态Dialog窗①变数指定(检测的Data选择列)③OK②变数指定(输入条件选择列)分析结果Graph窗Bartlett’sTest▶Data的形态正规分布时使用Levene’sTest▶Data的形态没有关系使用P-Value▶P-Value≥0.05的情况→集体Data的散布能相同.▶P-Value＜0.05的情况→即使少两个集体Data的散布能不同.-在上面的例子以Bartlett’sTest的P-Value=0.358,Levene’sTest的P-Value=0.471比0.05都大,在三台设备生产的产品的HoleSize散布相同.7.Chi-SquareTest7.1独立性检定Stat▶Tables▶Chi-SquareTestWorksheetS公司职级面临改编,各个部门人力的职级比率是否相同告诉别的地方.例题[1]路线Dialog窗②OK①变数指定Session窗分析结果P-value值▶P-Value≥0.05情况→各个变数相互独立.▶P-Value＜0.05情况→各个变数相互从属.-在上面的例子以P-Value=0.606,比0.05大,职级比率和部门没有相关的独立性的变数.即,各个部门人力的职级比率能相同.Stat▶Tables▶Chi-SquareTestWorksheet在F工程4台设备启动制造相同的产品.调查4台设备生产的产品良品数，不良数，分析各个设备不良发生差异有无例题[2]路线Dialog窗②OK①变数指定Session窗分析结果P-value值▶P-Value≥0.05情况→各个变数相互独立.▶P-Value＜0.05情况→各个变数相互从属.-在上面的例子以P-Value=0.003,因为比0.05小,不良发生比例在设备上从属性的变数.即,各个设备不良发生比率能不同.Stat▶BasicStatistics▶Correlation8.相关分析(Correlation)8.1r(相关计算)为了调查在K产地水的消费量，每月的水消费量，平均温度,根据总降雨量收集Data.例题路线WorksheetDialog窗①变数指定②Displayp-values计③OKSession窗分析结果P-Value(有的水准α=0.05)▶P-Value≥0.05情况→在变数之间没有直线关系.▶P-Value＜0.05情况→在变数之间有直线关系8.1r(相关计算)→下一张有仔细的说明8.1r(相关计算)r(相关计算)的性质▶r(相关计算)的范围是-1≤r≤1.▶r(相关计算)变数差异的直线关系程度。即,变数差异的关系是曲线关系的情况,求r(相关计算)没有任何意义.r(相关计算)和算稠度▶r的符号是‘+’情况:两个变数之间有量的相关关系.▶r的符号是‘-’情况:两个变数之间有音的相关关系.▶是r=+1情况,算稠度所有的点在一条直线上，带有量的相关关系▶是r=-1的情况,算稠度所有点在一条直线上,带有音的相关关系.▶是r=0的情况,两变数之间没有任何相关关系.r=-1r=-0.7r=-0.4r=0r=+0.4r=+0.7r=+1│r│≤0.2▶几乎算是无视的相关关系0.2＜│r│≤0.4▶低的相关关系0.4＜│r│≤0.7▶比较高的相关关系0.7＜│r│≤0.9▶好的相关关系,即清楚地关系0.9＜│r│≤1.0▶非常高的相关关系,即算是非常信赖的关系相关计算的解析9.返回分析(Regression)K公司的指定科长仔细观察美国的同种产业界的每日株式变动是否给子公司的每日株式变动带来影响制造相似产品的美国的同种产业界选择10个公司.K公司的每日株式变动率和美国10个同种产业界公司的每日平均株式变动率算出两个月时间,收集40个Data.例题9.1R-Square9.2返回式Stat▶Regression▶FittedLinePlotWorksheet路线Dialog窗①结果变数指定(得到影响的变数)②原因变数指定(给影响的变数)③TypeofRegressionModel选择④OKTypeofRegressionModel:；选择返回模式▶Linear▶Quadratic▶Cubic→线型→2回曲线→3回曲线Session窗分析结果9.1R-Square9.2返回式R-Square▶全体变动中由于返回直线说明的变动▶R-Square≥70.0%时,X(原因变数)给Y(结果变数)影响.▶在上面的例子,以R-Square=79.2%比70.0%大,美国的同种产业界的每日株式变动率在给K社的每日变动率影响.9.1返回式▶β0:절편→X是0时,预测的Y值→在上面的例子,同种产业界的每日变动率是0,K社的预想每日变动率是-0.117925.▶β1:斜度→X增加1的情况,Y值的增减度量→在上面的例子,同种产业界的每日变动率增加1的情况,K社的每日变动率β1,即,预想增加0.989489.2β0β1Graph窗β0:-0.117925β1:0.948948增加1增加9.1R-Square9.2返回式Y值得预测方法▶同种产业界的每日株式变动率5.0情况,K社预想的每日株式变动率是?-返回式利用→返回式的“变动率(同种)”输入5.0“变动率(K社)计算→变动率(k社)=-0.117925+0.948948×5.0=4.6-返回线利用→利用返回线变动率(同种)是5.0情况的变动率找(K社)5.04.6①Y规格35±5②X的范围设定14.6±3.4X的管理范围设定方法▶X的管理范围选定方法1.掌握顾客的 要求 对教师党员的评价套管和固井爆破片与爆破装置仓库管理基本要求三甲医院都需要复审吗 规格(Spec.)例)Y规格(顾客的要求):35±52.满足顾客要求的X的范围设定-通过返回式计算或者利用,Gragh设定-设定的X的范围:14.6±3.43.考虑到잔차(Error),比初次设定的范围设定窄的范围10.试验计划法(DOE)10.122要因分布法10.2主效果主效果和相互作用主效果▶各个因数在试验上造成的影响的大小相互作用▶因数之间的合作在实验上造成的影响的大小→22原因分布法,为了知道因数间的相互作用应该2次以上反复试验10.210.310.3相互作用2k要因分布法▶2:水准的水.即,在2K要因分布法各个的认知具有2水准的实验条件.▶K:认知的数.即,在22要因分布法因数的数是2个.▶实验数:因素数,实验数,根据反复数决定→22要因分布法的基本实验数作为(2因数×2水准),要做4遍试验或,为了了解相互作用反复2次试验的情况,2因数×2水准×2反复，实验数是8次.2K要因分布法10.1Worksheet制作在S工程药品的吸收速度高为了提高工程的制造效率是重要的要素在药品的吸收速度认为影响的大因素的催化剂量和反映温度取给简单的2水准下面的条件反复2回收集Data<实验条件>-催化剂量(%):0.3%,0.5%-反映温度(℃):150℃,170℃例题Stat▶DOE▶Factorial▶CreateFactorialDesign路线Dialog窗[1]②因数数选择①水准数选择在上面的例子因数以催化剂量和反映温度,因数数是2个.③Designs计在上面的例子各个因数以2水准试验.Dialog窗[2]④反复数选择为了仔细观察相互作用,反复2次试验⑤OKDialog窗[3]⑥Factors计⑦输入因素和水准⑧OK⑨OKWorksheet输入试验结果制造行输入试验结果吸收速度‘88’催化剂0.3%,反映温度150℃试验的结果分析Stat▶DOE▶Factorial▶AnalyzeFactorialDesign路线Dialog窗②因素数选择①结果变数指定(试验结果)通过图表设定最少水准Stat▶DOE▶Factorial▶FactorialPlots路线相互作用有意有意不有意应该检定的PlotInteractionPlotMainEffectsPlot主效果有意不有意有意有意性不有意-不有意最少水准试验▶Y越大越好的情况←在Graph最上面的Plot选择▶Y越小越好的情况←在Graph最下面的Plot选择▶Y具有目标值的情况←在Graph目标值最近Plot选择上面例子各个因数有意有无▶主效果-催化剂量(P=0.010<0.05)→有意-反映温度(P=0.004<0.05)→有意▶相互作用-催化剂量*反映温度(P=0.889≥0.05)→不有意设定最少水准▶在上面的例子，主效果两个因数都有意或,因为相互作用不有意,在MainEffectsPlot设定最少水准Dialog窗[1]①MainEffectsPlot计②InteractionPlot计③Setup计④结果变数指定(试验结果)⑤主效果用Selected指定⑥OKDialog窗[2]⑦Setup计Dialog窗[3]⑧结果变数指定(试验结果)⑨相互作用用Selected指定⑩OK⑪OKGraph窗[1]分析结果各因数有意有无▶主效果-催化剂量(P-Value=0.010<0.05)→有意-反映温度(P-Value=0.004<0.05)→有意主效果的最少水准:在上面的例子,结果(吸收速度)越大越好.▶主效果→催化剂量,反应速度都是有意的因数，设定各个因数最小水准-催化剂量:在0.5水准结果(吸收速度)变大-反映温度:在170水准结果(吸收速度)变大Graph窗[2]各因数有意有无▶相互作用-催化剂量*反映温度(P=0.889≥0.05)→不有意相互作用的最少水准→相互作用因为不有意不设定最少水准设定最少水准:为了最高吸收速度各因数水准▶催化剂量:0.5%▶反映温度:170℃最少水准预想的结果值▶催化剂量0.5%,反映温度是170℃,实验结果是110,108,平均预想109在最少水准的吸收速度谢谢观看/欢迎下载BYFAITHIMEANAVISIONOFGOODONECHERISHESANDTHEENTHUSIASMTHATPUSHESONETOSEEKITSFULFILLMENTREGARDLESSOFOBSTACLES.BYFAITHIBYFAITH