MINITAB16应用PPT幻灯片

1,MINITAB软件进阶应用培训,主讲：邓成华梁万进2011-10-13,开启六西格玛之门,2,主界面介绍,菜单栏,工具栏,会话窗口,数据窗口,项目管理窗口（最小化）,3,主界面介绍,项目管理器：管理工作表、输出、图标和相关文档,会话窗口：查看统计输出结果和输入命令符,图表：查看和编辑图表,数据：查看和编辑工作表,返回上一对话框,4,主界面介绍,工作表:列MINITAB的工作表可容纳4000多列的数据，每一列按数字识别，当然，你也可以自行为每列进行命名（最多31个字符，包含空格）MINITAB支持以下数据类型的数据：D=data/time(日期时间型数据）T=Text(文本型数据）如果没有任何字符显示，则表明该列数据为数值型数据MINITAB以每列数据的第一个数据的数据类型来识别该列数据的数据类型,数据录入方向：图标向下，录入完一个数据后，按回车键，光标就会落到该列的下一个位置；图标向右，录入完一个数据后，按回车键，光标就会落到该行右侧的一个位置；,5,图形分析,图形在数据分析中起着很重要的作用，它能帮你检查数据的分布形式、数据和数据之间的潜在关系、检查有没有特殊数据等。案例某工程师预调查两个不同供应商提供原材料的信息，包括产品的承受压力，重量和高度的信息。,6,图形分析,打开项目文件选择文件-打开项目选择Minitab.MPJ选择Descriptive.MTW,PartsSupplierPressureHeightLength116466.00140215872.00145316273.50160416673.00190516469.00155617473.00165718472.00150816874.00190916272.001951017671.00138,7,图形化分析,图形化汇总选择统计-基本统计量-图形化汇总完成下图所示的对话框,8,图形化分析,直方图：用一条正态拟合曲线来拟合数据，显示数据的分布形式及判断数据是否服从正态分布。箱线图：描述性的显示数据的集中趋势，离散程度，有没有异常数据和置信区间的信息。置信区间：提供一区间用来评估数据的母体参数信息。四分位数：用四分之一位数、中数位、四分之三位数来考察样本数据的离散程度。标准差：是离散程度指标方差：发差是没有单位的，方差能直接相加，而标标准差不能直接相加。偏度：如果不是正态分布，有差异的偏度，偏度如果大于0则右偏，峰度：偏离钟形曲线的度量。,9,描述性统计,可以通过MINITAB软件在会话窗口显示任意列数据的描述性统计参数信息，如果数据存在分组，同样也可以按分组变量查看不同属性下的数据参数信息。常见的描述性统计参数N：样本量数值型数据均值：样本数据的平均值，考察样本数据的集中趋势标准差：样本数据的波动大小，考察数据的离散程度方差：标准差的平方Q1：四分之一位数，表示样本中有25%的数小于该数Q1=（N+1）/4Q2：中位数，表示样本数据中有一半的数据小于该数Q2=（N+1）/2Q3：四分之三位数，表示样本数据中有75%的数小于该数Q3=3（N+1）/4众数：出现频率最高的数据就是众数极差：样本中最大数据与最小数据之差平均值标准误：度量样本均值多达程度上估计总体的均值MINITAB操作选择统计-基本统计量-显示描述性统计,10,描述性统计,描述性统计:Length均值标变量NN*均值准误标准差最小值下四分位数中位数上四分位数Length920145.212.4723.7295.00125.00145.00156.50变量最大值Length215.00,11,箱线图,箱线图又称箱体图，帮助我们检查数据的分布，数据是否存在异常，和计算数据的描述性参数。箱线图可以快速了解一组数据的展开和中心趋势，相对均值和标准差而言，箱线图不受极端值的影响，能够比较好的度量数据的中心趋势和分散程度。从箱体高度了解数据分布是趋中还是离散。从中位数线了解数据分布的对称性。从星号可以筛选异常数据MINITAB中操作选择图形-箱线图一个Y简单：只包含一个变量且没有分类变量。一个Y含组：只有一个变量，但有分类变量，可以按分类变量把Y分成两个以上的属性（如：查看不同班次间部件长度）多个Y含组：有多个变量，且有分类变量，按分类变量把Y分成两个以上的属性（如：查看不同班次间部件长度、宽度、重量）在后面的点图、直方图、散点图等也有类似的功能。,12,箱线图,解释结果：1、在供应商一的length中有一个异常数据；2、供应商一提供的原料length波动大于供应商二的；3、供应商一的length大于供应商二的length,13,区间图,MINITAB操作选择图形-区间图,14,单值图,MINITAB操作选择图形-单值图,15,线条图,MINITAB操作选择图形-线条图,16,直方图,常常用于了解数据的分布情况，是一组数据的图形表示，这种数据的方法使我们较容易的看到数据的分散程度和中心趋势，并与要求的分布进行比较。如果直方图上画有规格，那么直方图可用来比较过程与要求，要达到这一目标，应确认直方图最有合适的比例。直方图最好能与其他图，如链图或控制图等结合使用，因为直方图不是按时序画出来的。根据数据的来源不同，应对数据分层，分别绘制直方图。MINITAB操作选择图形-直方图-简单包含拟合：在直方图上加上一条拟合线；包括轮廓和组：只显示不同直方图的边界线；包含拟合和组：只显示不同直方图的拟合线；,17,直方图,解释结果：可以从直方图的外观查看其分布情况。还可以查看不同区间上数据出现的频率以及数据是否具有双峰、平顶等现象出现。,18,点图,MINITAB操作选择图形-点图,19,茎叶图,茎叶图显示:Height茎叶图HeightSupplier=1N=57叶单位=0.104660000867000012680000206900000005257000000(7)710000005257200000000177300000005587400000375000茎叶图HeightSupplier=2N=35叶单位=0.10261077620000711630000136400(5)650000517660000136700010680000004690001700,MINITAB操作选择图形-茎叶图,20,概率图,MINITAB操作选择图形-概率图,21,经验累积分布函数,MINITAB操作选择图形-经验累积分布函数,22,概率分布图,MINITAB操作选择图形-概率分布图-查看概率,从图形上可以看出，在标准正态分布的双侧检验下，a=0.05所对应的分位数是+/-1.96(z值）,23,散点图,散点图是用来考察两变量之间的关系的图形。在散点图上，可以看出相关程度，散点图是进行相关分析或回归分析的基础。散点图只能考察两个变量之间的相关关系。若定量分析相关性强弱，需要进行相关性的分析。若分析多个变量之间两两之间的关系，可以通过矩阵图。MINITAB操作选择图形-散点图简单：利用所有样本数据考察变量之间的关系。含组：按某个分组变量对变量分成几个组包含回归：在散点图上加一条拟合线。包含回归和组：按分组信息在散点图上添加拟合线。包含连接线：把所有的数据点用连接线连接起来。包含连接线和组：按分组变量把不同组的数据点用连接线连接起来。,24,散点图,25,矩阵图,MINITAB操作选择图形-矩阵图,26,边际图,MINITAB操作选择图形-边际图,27,时间序列图,时间序列图是实现观察值随着时间的变化而不断变化的图形，在自然和社会领域，客观现象发展变化的差异及规律性可以通过时间变量反映时，往往需要借助时间序列来展现。案例:某公司选择两家广告公司为其宣传，收集了12个月份的销售额数据。工作表Timeseriesplot.mtwMINITAB操作选择图形-时间序列图简单：一个变量随时间的变化趋势含组：一个变量（含分组变量）随时间变化的趋势多个：两个或以上变量随时间变化呈现变化多个，含组：多个变量（含分组变量）随时间变化趋势,28,时间序列图,结果解释;从下图可以看出，OMEGA公司增长起点比较高，但相对增长缓慢。ALPHA公司起点低，但增长比较迅猛。,29,假设检验,假设检验是先对总体参数提出一个假设，然后利用样本信息判断这一假设是否成立。例如：某新产品的研究中，研究人员需要判断新产品质量是否比原来的要好；项目改善结束后需要分析项目实施前后流程是否有显著的变化。原假设：通常是研究者收集证据予以反对的假设，也称为零假设，用H0表示;备择假设：通常是研究者收集证据予以支持的假设，也称为研究假设，用H1表示；假设检验的目的：是收集证据来拒绝原假设。是根据样本信息做出决策，也就是做出是否拒绝原假设而倾向于备择假设的决策。假设检验中犯弃真错误的概率被称为显著性水平，记为a,著名英国统计学家FISHER在他的研究中把小概率的标准定为0.05，这也是一个通则。这也意味着事先确定了拒绝域，检验统计量的值只要落入拒绝域，就拒绝原假设。利用P值进行决策。P值告诉我们：原假设为真的概率，拒绝原假设犯错误的的概率。Pa拒绝原假设H0，Pa,不拒绝原假设H0,30,单样本Z检验,案例：某公司从事机床部件生产，从流程中抽样36件，得到这些部件的长度资料，已知部件长度标准差为8.2mm.试在置信水平95%的要求下。是否确定这一批部件的平均值是否为42mm.分析：标准差已知为8.2，所以选择单样本Z检验（如果n0.05所以不能拒绝原假设。2、Z=-1.83落在置信区间内，故不能拒绝原假设。3、检验均值mu=42落在置信区间，故不能拒绝原假设。结论：认为部件的平均长度为42mm,33,单样本T检验,案例：已知某品牌硬盘的平均速度是0.545微秒，这是一关键质量参数，为了提高硬盘速度，提高市场占有率，该公司的研发人员对参数进行调整，收集了参数改善后的硬盘平均转速数据，问：该工艺参数调整是否有效？(数据：onesampleT-test.mtw)分析：总体标准差未知，样本量n=10,所以选择单样本T检验。H0：U=0.545H1：U0.05所以不能拒绝原假设。所以这两列数据服从正态分布。,37,双样本T检验（等方差检验）,解释结果：1、P0.05所以不能拒绝原假设。2、使用置信区间来比较方差，置信区间包含1，不能拒绝原假设所以这两列数据方差相等,选择基本统计量-双方差,38,双样本T检验,解释结果：1、供应商A的塑胶硬度均值比供应商B的大2、供应商A的塑胶硬度变异比供应商B的大3、P0.05,所以拒绝原假设。4、使用置信区间分析，区间没有包含0，则两个总体之间的均值存在显著差异，所以拒绝原假设。即两个供应商的塑胶强度有显著的差异,选择基本统计量-双样本T,39,回归分析,案例：某工程师欲考察某特种钢的韧性与冶炼时间之间的关系，收集了16组数据，见表Regression.MTW.请用相关分析方法找出这两变量之间的关系。回归方程拟合出来以后，我们进行统计分析以解决以下问题：给出显著性检验，从总体上判定回归方程是否有效。给出回归方程总效果好坏的度量标准。当回归方程效果显著时，进行各个回归系数的显著性检验，判定回归方程中哪些自变量是显著的，哪些自变量是不显著的，以优化模型。进行残差分析，检验残差是否满足我们的假定，检验回归模型是否拟合的足够好，是否能进一步改进回归方程以优化我们的模型。,40,回归分析,解释结果：1、P测量值随部品的变动,对于部品10，OP有较大分歧；,所有点落在管理界限内良好,大部分点落在管理界限外主变动原因：部品变动良好,56,M-测量系统分析：离散型案例（名目型）：gage名目.Mtw背景：3名测定者对30部品反复2次TEST,57,检查者1需要再教育；检查者3需要追加训练；(反复性),两数据不能相差较大，否则说明检查者一致的判定与标准有一定差异,个人与标准的一致性（再现性？）,58,M-测量系统分析：离散型案例（顺序型）：散文.Mtw背景：3名测定者对30部品反复2次TEST,59,张四需要再教育；张一、张五需要追加训练；(反复性),两数据不能相差较大，否则说明检查者一致的判定与标准有一定差异,60,M-正态性测定:(测定工序能力的前提)案例：背景：3名测定者对10部品反复2次TEST,P-value0.05正态分布（P越大越好）本例：P0.022，数据不服从正态分布。原因：1、Data分层混杂；2、群间变动大；,61,M-工序能力分析（连续型）：案例：Camshaft.MTW工程能力统计：,62,63,求解Zst（输入历史均值）：,历史均值：表示强行将它拉到中心位置不考虑偏移Zst(Bench),64,求解Zlt（无历史均值）：,无历史均值：考虑偏移Zlt(Bench),*ZshiftZlt(Bench)Zlt(Bench)12.131.820.31,65,工序能力分析：案例：Camshaft.MTW另：capabilitysixpack工具,66,67,M-工序能力分析（离散型）：案例：bpcapa.