《MINITAB使用基础》PPT课件

1,MINITAB使用基础,2,主要内容,1.Minitab介绍2.功能菜单介绍3.常用工具介绍4.统计性假设验证5.常用Graph作成6.常用管理图7.DOE,3,使用目录,1.Minitab介绍(P4)2.功能菜单介绍.(P5)3.常用工具3-1.EXCELDATA复制.(P19)3-2.StackData.(P20)3-3.UnstackData.(P22)3-4.MakePatternedData.(P24)3-5.RandomData.(P26)3-6.概率计算3-6-1.正态分布概率计算.(P29)3-6-2.超几何分布概率计算(P30)3-6-3.二项分布概率计算.(P31)3-7.DPMOSIGMA.(P32)3-8.SIGMADPMO.(P33)3-9.基本统计量计算.(P34)3-10.正态验证.(P36)3-11.Brush.(P37),3-12.CapabilityAnalysis3-12-1.Normal.(P38)3-12-2.Binomial.(P40)3-12-3.Poisson.(P42)3-12-4.Box-cox转换.(P44)3-12-5.多重峰工程能力.(P47)3-12-6.有外点工程能力.(P56)3-13.GageR也有几个是例外,18,2-2-3.图表window工具栏,打印图表,看的方式,编辑方式,Brush方式,19,3.Minitab常用工具介绍,3-1.ExcelData复制到MINITABWorksheet,选中要复制的DATA后点击“复制”图表或“Ctrl+C”,在MINITAB的Worksheet中选择要保存DATA的区域后点击“粘贴”图表或“Ctrl+V”,MINITAB中DATA形态,20,3-2.StackData,-.路径:ManipStackStackColumns-.功能:可以Stack两列以上的DATA,使之变成一列.便于DATA统计.,选择要Stack的DATA列(可通过双击列名来选择),选择保存Stack后的DATA的列名,选择区分DATA的列名,21,3-2.StackData,原始DATA,Stack后的DATA(在C3中),Subscript(在C4-T中)(T:表示是文本),22,3-3.UnstackData,-.路径:ManipUnstackColumns-.功能:可以将一列DATA,按DATA的区分(Subscript),分成多列便于DATA统计.,选择要Unstack的DATA列(可通过双击列名来选择),选择要DATA区分(Subscript),保存DATA,选择此项时,会自动给Unstack的DATA以列名,23,3-3.UnstackData,原始DATA,Unstack后的DATA,24,3-4.MakePatternedData(作成一些有规律的数据),-.路径:CalcMakePatternedData-.功能:构造有规律的数据,如做GageRH1:p0.89-.操作方法:,TestandCIforOneProportionTestofp=0.89vsp0.89ExactSampleXNSamplep95.0%LowerBoundP-Value1911000.9100000.8482050.328,77,4-6.2-Proportion(StatBasicStatistics2Proportion)-.两个比率的验证-.EX:,为了了解某制品的不良率是不是线别不一样,从A线抽出500个,B线抽出300个制品,调查的结果,A线180个,B线145个不良.用5%留意水平验证线别有没有不良率的差异.,-.假设:H0:P1=P2;H1:P1P2-.操作方法:,TestandCIforTwoProportionsEstimateforp(1)-p(2):-0.12333395%CIforp(1)-p(2):(-0.193816,-0.0528507)Testforp(1)-p(2)=0(vsnot=0):Z=-3.43P-Value=0.001(采纳H1),78,4-7.比率验证Chi-SquareTest(2验证)-.多个集团的比率验证-.路径:StatTablesChi-SquareTest(2验证)-.EX:,某生产线有4台做同一作业的设备.为了解各设备的不良率是不是相同,调查一定时间内各设备别的不良和良品的结果如下.用5%的留意水平验证设备别有没有不良率的差异,假设:H0:p1=p2=p3=p4H1:H0不成立,79,Chi-SquareTest:Good,BadExpectedcountsareprintedbelowobservedcountsGoodBadTotal1962412091.4328.57264289270.1021.903942812292.9529.05466208665.5220.48Total320100420Chi-Sq=0.229+0.731+0.530+1.696+0.012+0.038+0.003+0.011=3.250DF=3,P-Value=0.355,-.结果如下:,(Sessionwindows),P-value值比0.05大,因此不能说设备别不良率不一样.,80,4-8.非参数验证,-.DATA非正态分布,-.不需假设成正态分布的验证方法。-.路径:StatNonparametricsKruskalwallis,H0:1=2=kH1:至少有一个Median是不同的。,-.假设:,-.EX:验证设备别(A1A4)生产的某制品的FORCE的中心是否一样.测定DATA如下:,81,-.操作方法:,Kruskal-WallisTest:ForceversusMachineKruskal-WallisTestonForceMachineNMedianAveRankZA1419.007.90.54A2520.007.70.51A3418.005.3-1.08Overall137.0H=1.17DF=2P=0.557H=1.20DF=2P=0.549(adjustedforties),-.结果:(Sessionwindows),P-Value0.05,中心值无差异!,82,5.常用Graph作成,5-1.ParetoChart-.路径:StatQualitytoolsParetoChart-.ex:,83,-.结果,不良数量,不良数占有率,不良数累计占有率,84,5-2.Boxplot-.路径:GraphBoxplot-.ex:,选择要分析的数据列,选择Factor(如果有),选择填充,线条颜色,85,-.结果:,Inter-QuartileRange(IQR),Thehighestvaluewithinupperlimit(Q3+1.5IQR),Thelowestvaluewithinlowerlimit(Q1-1.5*IQR),Median(中心值),3/4分位数(Q3),1/4分位数(Q1),86,5-3.Dotplot-.路径:GraphDotplot-.ex:(file:dotplot.mpj),选择Factor(如果有),选择要分析的数据列,87,-.结果:,88,5-4.TimeSeriesplot-.路径:GraphTimeSeriesplot-.ex:,添加趋势线,89,-.结果:,趋势线,90,5-5.Plot(相关关系图)-.路径:Graphplot-.ex:(file:plot.mpj),输入X,Y,91,-.结果:,从图形看出,Length与thickness之间没有很明显的相关关系,92,5-6.Contourplot(等高线图)-.路径:GraphContourplot-.ex:(file:contourplot.mpj),输入Z(输出变量),输入Y(输入变量1),输入X(输入变量2),选择线条,区域的颜色(用1,2,3等数字表示),93,-.结果:,94,6.常用管理图,6-1.Xbar-Rchart-.路径:StatcontrolchartsXbar-R-.ex:(file:XBARR.mtw),95,-.结果,177181181180178,Mean79.4,Range4,96,6-2.Xbar-Schart-.路径:StatcontrolchartsXbar-S-.ex:(file:XBARS.mtw),97,-.结果,R管理图使用范围(Max-Min)，因此并不比使用标准偏差s有效。,98,6-3.Pchart-.路径:StatcontrolchartsPchart-.ex:(file:P.mtw),输入不良DATA,输入样品大小,99,-.结果,100,6-4.nPchart-.路径:StatcontrolchartsNPchart-.ex:(file:nP.mtw),输入不良DATA,输入样品大小(144),101,-.结果,102,6-5.Cchart-.路径:StatcontrolchartsCchart-.ex:(file:C.mtw),输入缺陷数列,103,-.结果,104,6-6.Uchart-.路径:StatcontrolchartsUchart-.ex:(file:U.mtw),输入缺陷数列,输入样品大小,105,-.结果,106,6-7.I-MR(IndividualsandMovingRange)管理图-.由于制造特性的限制,生产速度太慢,测定费用太高等原因,取样品时一次只能取一个时,使用I-MR管理图.(一般用MR=2)-.路径:StatcontrolchartsI-MR.-.ex:(file:I-MR.mtw),输入DATA列,可选择移动范围长度,可使用检验的平均和SIGMA，与以前的比较,做管理用管理图,107,-.结果,IndividualCHART的UCL，LCL表示对预想值的最大，最小值。,MovingRangeCHART的UCL，LCL表示对部品间变动的最大，最小值。,108,7.DOE(DesignofExperiment),-.现在以2因子的完全要因实验来说明-.EX:,109,7-1.Minitab的实验设计方法StatDOEFactorialCreateFactorialdesign,输入中心点数,输入反复数,输入块数,110,7-2.FactorsandOptions设置,选择实验的随机性,输入因子名及高低水准,111,7-3.CreateFactorialdesign结果,112,7-4.在Worksheet中输入实验结果,实验结果输入,113,7-5.确认MainEffectsPlot,InteractionPlot,CubePlot-.路径:StatDOEFactorialFactorialPlots,输入实验DAYA列,输入因子,114,-.结果:,MainEffectsPlot,温度为“70”的4种情况(StdOrder1,3,5,7)y平均值2.95,温度为“90”的4种情况(StdOrder2,4,6,8)的y平均值5.2,Y值的实验整体平均4.075,115,-.结果:,InteractionPlot,两线间的平行性程度?温度和压力无交互作用。,温度为“90”，压力是“100”的(StdOrder2,6)2个的y平均值4.8,温度为“70”，压力是“100”的(StdOrder1,5)2个的y平均值2.5,116,-.结果:,CubePlot,经过实验空间(Designspace)，可直观看出工程输出(y)的变化趋势。,117,7-6.实验结果的分析,实验结果的ANOVA分析StatDOEFactorialAnalyzeFactorialdesignStatANOVAGeneralLinearModelANOVA分析方法Effects的ParetoChart和NormalProbabilityPlot确认,118,StatDOEFactorialAnalyzeFactorialdesign,输入反映变量,要分析的效果项,AnalysisofVarianceforY(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects211.570011.57005.7850055.100.0012-WayInteractions10.00500.00500.005000.050.838ResidualError40.42000.42000.10500PureError40.42000.42000.10500Total711.9950,119,StatANOVAGeneralLinearModel,输入反映变量,输入要分析的效果项,AnalysisofVarianceforY,usingAdjustedSSforTestsSourceDFSeqSSAdjSSAdjMSFPtemperat110.125010.125010.125096.430.001pressure11.44501.44501.445013.760.021temperat*pressure10.00500.00500.00500.050.838Error40.42000.42000.1050Total711.9950,交互作用不留意,120,Effects的ParetoChart和NormalProbabilityPlot确认,效果的巴莱多图,留意水准,效果的NormalProbabilityPlot,残差图表,指定要分析的反应变量,121,StatDOEFactorialAnalyzeFactorialdesign,比此直线大的效果(右边)是留意的,离此直线越远,留意性越大,122,7-7.模型等式的确认StatDOEFactorialAnalyzeFactorialdesign,在GLM分析及Effect的巴莱多图中，只