minitab 教程

http://www.cjzlk.
com
1. Minitab 的操作
http://www.cjzlk.com
什么是 Minitab ? Minitab
MINITAB = Mini + Tabulator =小型 + 计算机
介绍
于1972年，美国宾夕法尼亚州立大学用来作统计分析、教育用而开发，目前已
出版 Window 用版本 Vesion12.2，并且已在工学、社会学等所有领域被广泛
使用。特别是与Six-sigma关联，在GE、AlliedSignal等公司已作为基本的程序
而使用。
优点
以菜单的方式构成，所以无需学习高难的命令文，只需拥有基本的统计知识便
可使用。图表支持良好，特别是与Six-sigma有关联的部分陆续地在完善之中。
什么是 Minitab ? Minitab
一般统计
- 基础统计 -回归分析 - 分散分析 - 多变量分析 - 非母数分析
- TABLE(行列) - 探索性资料(数据)分析
品质管理
- 品质管理工具 - 测定系统分析 - 计量值数据分析
- 计数值数据分析 - 管理图分析 - 工程能力分析
信赖性及数据分析
- 分布分析 - 数据的回归分析 - 受益分析
实验计划
- 要因实验计划 - 反应表面实验计划
- 混合实验计划 - Robust（精力充沛的）实验计划
Minitab 操作 Minitab
把 Minitab安装到电脑时，开始菜单及 Minitab 公文包里生成Minitab的
运行图标。运行Minitab的方法有利用开始菜单及选择运行图标两种。
方法 1. 利用开始菜单运行 Minitab 的方法
Minitab 初始画面
方法 2. 利用 Minitab 图标运行的方法
Minitab 画面构成 Minitab
Session window:直接输入 Minitab 的命令或显示类似统计表的文本型结果文

件的窗口
WorKsheets:用于直接输入数据或可以修改的窗口，具有类似 Excel中的
spread sheet功能
Info窗:简要显示已使用的变量信息的窗口
History窗:储存已使用过的所有命令，并帮助已使用过的命令可重复使用
Graph窗: 显示各种统计图表，同时可以打开15个窗口
Minitab 菜单构成 Minitab
File : 有关文件管理所需的副菜单的构成
Edit : 编辑 Worksheet data , 外部 data 的 link 及 command link editor 副菜单
Manip : Worksheet data 的 Split、Sort、Rank、Delete、Stack/Unstack 等副菜单
Calc : 利用内部函数的数据计算及利用分布函数的数据生成
Stat : 是分析统计资料的副菜单，由基础统计、回归分析、分散分析、品质管理、时针序列
分析、离散资料分析、非母数统计分析等构成
Graph : 为编辑 Graph的Graph Layout, Chart副菜单及文字Graph构成
Editor : 不使用菜单，使用命令直接作业及Clipboard setting等副菜单
Window : 由控制 Window 画面构成的副菜单及管理 Graph 画面的副菜单构成

Minitab 菜单(File) Minitab
¾ 打开
新建 : File -> New(project, worksheet)
打开保存的 Project : File -> Open project
打开保存的 Worksheet : File -> Open Worksheet
打开保存的 Graph : File -> Open Graph
用ODBC打开 : File -> Quary Database
打开TXT : File -> Others file -> Import special txt
¾ 保存
保存为当前文件名 : File -> Save(project, worksheet)
另存为 : File -> Save as(project, worksheet)
TXT保存: File -> Other file -> Export special txt
注) Open Graph 下方的 Save as 为根据选择的窗口可更
改保存内容。
¾ 打印
打印当前选择 window : File -> Print
练习) 把当前的 Worksheet 保存为 Temp.mtw，并关闭后重新打开

Minitab 菜单(Edit) Minitab
<Cell的修改/复制/删除> 恢复已删除资料
清除 Cell(s) 的数据
用鼠标拖动工作窗口删除 Cell(s) 的数据 – 下端的 cell 移动
按鼠标的右键会出现 pop up menu
复制 Cell(s)
通过此项可编辑
把 Col/Row 的全部作为工作的对象粘贴 Cell(s)
时，选择上端/左侧。 LinK粘贴
Link 管理
选择所有 cell
编辑最后操作的对话框
<资料输入及删除> 打开命令编辑器
一般选项
指定变量名 : 在 C1(Col名) 下端的 cell 上输入变量名。
输入 Data : 把数据和文字输入到下端的 cell 上但，要是先输入
数值把变量属性变更为数值变量后不能输入文字。
删除 Data : 把相关 cell 用鼠标 drag 后按 Del 键
相关 cell 的内容被删除掉，并且下端的 cell 向上移动。
练习)在 AUTO.MTW上 1) 删除 4,5 Row后把 C4, C5的 DATA 变更为 234

2) 把 C2 Col 移动到 C5
3) 把 C4 Column Size 变更为 12
6
Minitab 菜单(Manip) Minitab
从活动 Worksheet 中复制数据，制作 subset Worksheet。
把活动 Worksheet 分成两个以上新的 Worksheet
把多个 Worksheet 合并为一个 Worksheet
把列上内容复制到其它列上
把一列以上的数据移到多个列上
把多个列上的数据合成一个列
交换行和列的位置
对齐排列数据
数据上注明序位
删除特定列的行
删除行、常数、行列
把多个列的文字数据合并为一个列
数据按变换条件交换
变更 Data的属性
把数据在Session窗口里输出
习题 Minitab
练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet 保存在新的 Worksheet 后，
(1) 把 Durability 为 Unstack
(2) 用上面 Unstack 的内容把 C7的 data保存到 C8 Subscript。
练习) 在 AUTO.MTW中，
(1) Age 按 No.M 的顺序排列。
(2) 按 Yes.M 的顺序排列的 No.F 保存到 C11。
Minitab 菜单(Calc) Minitab
把多数的 col 使用函数计算后，保存到新的 col 上
把1个 col 的统计值保存到新的 col 上
用1个以上的 col 计算统计值后，保存到新的 col 上
变换为标准化资料
把数据属性变更为数值属性
把数据属性变更为文字属性
生成 Pattern 数据
把 X、Y、Z 的值用 3D 图象方式组合后生成 Mesh 数据
生成在回归分析中要使用的指示变量
指定 Random 数据的基准点
生成符合分布函数的 Random 数据
生成符合分布函数的概率，并用数据保存
行列
习题 Minitab
练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后
(1) 把 Durability 和 Carpet 相加的值保存到 Dura-Carpet 上。
(2) 把 Durability-Carpet保存到 Dura-Carpet 上。

(1) 求 Durability 的基础统计值。
(2) Durability的Range保存到 C5。

(1) 把 Durability 正态化。
(2) 把 Durability 标准化为3和4之间的数据。
练习) 生成 1 ~ 15 的奇数，每个数二回，全体集合反复三回的数据。
练习) 把 Red Blue White Black 生成各值是二回，全体反复二回的数据。
练习) 生成从 1996.04.01~7.30之间按一周间隔形成的数据。
练习) 生成 1996年 4月 1日、97年 7月 30日、98年 12月 25日为各二回，全体为三回形成的数

据。
练习) 在平均 300, 标准偏差5的正态分布当中抽出 40个 sample 保存到 C5上。

Minitab 菜单(Window) Minitab
window : 集合了把 Minitab的所有 window 调节的命令和总体管理的
Graph, Worksheet的命令等, 全面性 Window 的运营命令。
指定把各个 window 都显示, 或者用小图标来显示
把 Tool bar 与 Status bar 隐藏或显示
使总括 Graph window 的 window活性化
使管理 Worksheet 的 window活性化
活性 window 用 Vmark 表示，用 Vmark标记打开

window
2. 基础统计
基础统计 Minitab
基础统计量输出
基础统计量保存
对母平均的推定及检定
对母比率的推定及检定
两个母集团的分散的同一性检定
相关分析
公分散分析
正态性检定
基础统计量 (Display Descriptive Statistics) Minitab
¾资料应为连续性的列资料, 同时应为数值资料。
¾能输出图表。
•Variables : 选择需要分析的 Col(变量)
•By variable : 使用集团(Gvoup)变量计算基础统计量
- N : data 数值 - Mean : 平均
- Median : 中央值 - TrMean : 调整平均
- StDev : 标准偏差 - SE Mean : Standard Erro of Mean
- Minimum :最小值 - Maximum : 最大值
- Q1 : 1/4数 - Q3 : 3/4数
基础统计量 (Display Descriptive Statistics) Minitab
< 制作图表选项 >
Histogram of data : 制作 Histgram
Histogram of data with normal curve : 制作
Histogram和正态分布曲线
Dotplot of data : 制作 Dotplot
Boxplot of data : 制作 Boxplot
Graphical summary : 把统计值用Graph输出
Normality Test : 正态性检定
A-Squared : 越接近零时判断为接近正态
P-Value : 比留意水准大时为正态性
保存基础统计量 (Store Descriptive Statistics) Minitab
¾计算统计量并保存在当前的 Worksheet
¾在选择两个以上的 Col 时，变量名区分为 1,2。
¾当指定 By variable时，随着相关 Variable的种类按 Row 方向保存。
- First quartile:1/4数
- Third quartile : 3/4数
- Interquartile range : Q3-Q1
- Skewness : 歪度分布的对称性 ,越接近0
越满足对称性
- Kurtosis : 添度分布的尖的程度为
0时正态分布, 负数为完满, 正数时
比正态分布尖
- MSSD :把前后数据差的乘方除以2
- N nonmissing :填满的Col数
- N missing : 空 Col 数
- Cumulative N : Col的DATA数
- Percent : 集团占有率
- Cum percent : 累积占有率
活用 Minitab 的假设检定 Minitab
区分一个母集团二个母集团多个母集团

1 — Sample Z 2 — Sample t
平均值（知道标准偏差时） Paired t
1— Sample t （对应数据） ANOVA
（正态分布）
（不知道标准偏差时）
比率 1 —Proportion 2 —Proportions Chi —square Test

Stat > Basic Statistics > Stat > ANOVA >
分散 Display Descriptive 2 —Variances Test for Equal
Statistics Variance
- 留意水准 : 犯第一种错误的最大概率 - P-Value : 犯一种错误的概率的推定值

- 驳回领域 : 驳回假设的部分领域 - 两侧检定 : 驳回领域存在于两端的检定
- 单侧检定 : 驳回领域存在于分布一端时的检定
1-Sample Z Minitab
¾知道标准偏差时的母平均推定和检定
¾检定母平均是否已知道的特定值
Variables : 选定要分析的 Col
Confidence interval :指定计算信赖区间的信赖度
Test mean : 检定对象值(检定时指定)
Alternative : 设定对立假设
EXH_STAT.MTW
Sigma : 输入标准偏差
p 值比留意水准小时驳回归属假设
mu : 归属假设, mu not : 对立假设
Test mean 指定的情况

结果解释 : p值比留意水准小
故驳回归属假设,
即母平均不等于5。
One-Sample Z: Values
Test of mu = 5 vs mu not = 5
The assumed sigma = 0.2
Variable N Mean StDev SE Mean
Values 9 4.7889 0.2472 0.0667
Variable 95.0% CI Z P
Values ( 4.6582, 4.9196) -3.17 0.002
<35>
1-Sample Z Minitab
<Confidence interval 指定的情况>
结果解释 : 信赖区间为最小 4.6582,

最大4.9196(信赖度为 95%时)
图像对 Test 与 Confidence interval 的输出

不同。Test 时 Ho值追加表示。
< Test 指定 > < Confidence 指定 >

1-Sample t Minitab
¾不知标准偏差时母平均的推定和检定
Variables : 指定要分析的 Col

Confidence interval : 指定计算信赖区间的信赖度
EXH_STAT.MTW
Test mean :指定检定时对象值
StDev : 标准偏差
SE Mean : 平均误差
CI : 信赖区间
mu : 归属假设, mu not : 对立假设
P值比留意水准小时驳回Ho，即p值指脱离的概率。
Test mean 指定的情况
结果解释 : p值小于5%留意水准，
故驳回归属假设,
即平均不等于5
2-Sample t Minitab
¾不知标准偏差时两个母平均差的推定和检定
Samples in one column(stack形态) : 在1Col中比较两个

集团
Sample in different columns(unstack形态)
Furnace.mtw -> First :选择第一个 Col
-> Second : 选择第二个 Col
Confidence level :设定信赖水准
Assume equal variance :假设两个集团的母分散一致
Two-Sample T-Test and CI: BTU.In, Damper

Two-sample T for BTU.In 结果解释 : p值大于 5% 有益水准，
Damper N Mean StDev SE Mean 故选择归属假设，
1 40 9.91 3.02 0.48
2 50 10.14 2.77 0.39 即两个母平均在95%
Difference = mu (1) - mu (2) 信赖区间无差异
Estimate for difference: -0.235
95% CI for difference: (-1.464, 0.993)
T-Test of difference = 0 (vs not =): T-Value = -0.38 P-Value = 0.704 DF = 80
Paired t Minitab
¾有关对应的两个母集团的母平均差的推定和检定
First sample : 选择第一个 data Col
Second sample : 选择第二个 data Col
-> 1 Col 与 2 Col 的资料数应相同
Confidence level : 输入信赖度
Test mean : 输入对应差的检定平均值
EXH_STAT.MTW
结果解释 : p值小于留意水准 5%，故驳回归属

假设,即两个母平均间有差
1-Proportion(单一母集团母比率的检.推定) Minitab
¾母不良率的推定及检定
Samples in columns :只限两种文字或者数字
Summarized data
- Number of trials : 全体试行次数
- Number of successes : 成功(不良)次数
Confidence level : 信赖度
Test proportion : 检定不良率
Alternative :设定对立假设
Use test and interval based on normal distribution : 决定是否按
正态分布近似计算
结果解释:p值比留意水准 5%小，
故驳回归属假设
2-Proportion(两个母集团母比率的检.推定) Minitab
¾两个母不良率差的推定及检定
Summarized data
- Number of trials : 全体试行次数
- Number of successes : 成功(不良)次数
Confidence level : 信赖度
Test proportion : 检定不良率
Use test and interval based on normal distribution : 是否按正态
分布近似计算
结果解释:p值比留意水准5%大，故选
择归属假设，即两个母集团不良率无差异
2Variances(两个母集团分散的同一性检定) Minitab
¾两个母集团的分散的同一性检定
在做分散的同一性检定之前，
有必要先做正态性数据检定。
随正态分布时F-Test 结果,
不随正态分布时看Levene’s Test
EXH_STAT.MTW 结果再解释
Test for Equal Variances

95% Confidence Intervals for Sigmas Factor Levels
Mat-A
Mat-B
结果解释:p值比有益水准 5%大, 故不能
2 3 4 5
F-Test Levene's Test 判断两个母集团的分散不同。

Test Statistic: 0.947 Test Statistic: 0.011
（相同）
P-Value : 0.937 P-Value : 0.917
Boxplots of Raw Data
Mat-A
Mat-B
6 7 8 9 10 11 12 13 14 15
Correlation(相关分析) Minitab
¾命名两个变量间关系的方法
•Variables : 要分析的 Col

•Display p-value : 输出p值
•Store matrix :保存为 matrix
GRADES.MTW
结果解释:p值比留意水准 5%小，
故驳回归属假设，
即各变量之间有关系
Covariance(公分散) Minitab
¾公分散为像相关分析似的表示两个变量间关系的统计量
GRADES.MTW
- Verbal与 Math 的标本公分散为 1333.9704

- Verbal与 GPA 的标本公分散为 13.6995
- GPA与 Math 的标本公分散为 7.4790
Normality Test(正态性检定) Minitab
¾检定资料的分布形态是否随正态分布的分析法
¾归属假设 : 数据是随正态分布
¾对立假设 : 数据是不随正态分布
Variable : 设定需正态性检定的 Col(变量)
Reference probabilities : 输入概率值
Tests for Normality : 三个方法中选择一种
Cranksh.mtw
结果分析:首先若资料与图象中的
直线一致，可认为按正态分布。
因 P-value为0.022比留意水准小，
故驳回归属假设，即不随正态分布
3. 回归分析
回归分析基础 Minitab
¾为了模型化及调查反应变量与一个以上的独立变量之间关系的分析
Least square regression : 反应变量为连续性资料时

Regression:利用最小乘方法，实施单一回归或多重回归
Stepwise Regression:为了找出最合适的说明变量模型
进行追加或删除变量而分析
Best Subsets Regression : 利用最大 R-square 基准来
分析最大 Subset 回归
Fitted Line Plot:用一个预测变量的线型或多次项进行
回归分析
•Residual Plot : 为残差分析的 Plot作成
Logistic square regression:反应变量为范筹型资料时

Binary Logistic Regression:利用二项反应变量的回归
分析(2个范筹时)
Ordinal Logistic Regression:利用顺序型反应变量的
回归分析(3个以上范筹时)
Nominal Logistic Regression:利用名目型反应变量的
回归分析(3个以上范筹时)
Regression Minitab
¾ 在两个以上变量的关系上建立数学函数的方法
Response : 选择种属变量(结果值)
-> Score 2
Predictors : 选择独立变量(输入值)
-> Score 1
EXH_REGR.MTW
Regression Minitab
Options...
Weight:为加重回归指定有加重值的 Col
Fit intercept:决定在模型中是否除去绝对项
Display
- Variance inflation factors:以多重空线型判别(VIF)
影响值，指定VIF值输出与否
-Durbin-Watson statistic :指定检定残差自己相关
Durbin-Watson统计量输出与否
Lack of Fit Tests
-Pure error:指定履行适合性检定时纯误差项的
输出与否
-Data subsetting:指定把说明变量细分而提供类似
反复效果的算法适用与否
Prediction intervals for new observation:推定回归
式后，按说明变量的值推定y值
Storage
-Fits:指定是否保存推定的y
-Confidence limits:指定是否保存推定y的信赖水准的
信赖区间
-SDs of fits:指定是否保存y的标准偏差
-Predicction limits:指定是否保存y的预测界限
Regression Minitab
Results...
在 Session 窗不显示任何结果时
显示基本的回归分析结果时
显示基础统计量时
显示追加统计量时
Graphs... Residuals for Plots:残差图象中显示的残差种类选择

-Regular:在资料的原来测度内利用残差时
-Standardized:利用标准残差时
-Deleted:利用 Studentized残差时
Residual Plots
-Histogram of residual:画残差的 Histogram 时
-Normal plot of residual : 画残差的正态概率图时
-Residuals versus fits:想看残差的适合性时
-Residuals versus order:关于残差对比资料的顺序
-Residuals versus the variables:残差与变量之间的关系
Regression Minitab
分析结果
回归方程式为
SCORE2=1.12+0.218SCORE1
P值比留意水准小，故驳回归属
假设。即两个变量的回归系数
不是 0。
对资料的说明程度(决定系数)为
95.7%，因第 9个数据是非正常
数据，故需要进一步观察。
新数据的信赖区间为
(2.7614, 3.0439), 预测区间为
(2.5697, 3.2356)。
Stepwise Minitab
¾ 说明变量数量多时，添加或减少变量而选别适当的变量集合为目的
所有可能的回归 : 当有k个变量时，调查从一个也不包含的模型至包含 k个的
所有模型
前进选择法 : 在影响反应变量的 k个说明变量中选择最大影响的变量，
并判断为再无其它重要变量时,停止变量的选择
后进选择法 : 在影响反应变量的 k个说明变量中除去影响小的变量，
并判断为再无可除变量时，停止变量的除去
阶段别回归方法 :在前进选择法里加后进选择法的方法
Stepwise Minitab
Response:输入反应变量(Pulse2)
Predictors:输入说明变量(Pulse1 Ran-Weight)
Predictors to include in every model:
指定先包含的变量
PULSE.MTW
选择 Forward selection后指定留意水准

留意水准:把预测变量追加到回归模型的基准
(p值小于留意水准时追加)
Stepwise Minitab
Stepwise Regression: Pulse2 versus Pulse1, Ran, Weight
Forward selection. Alpha-to-Enter: 0.1
Response is Pulse2 on 3 predictors, with N
= 92
Step 1 2 3
Constant 10.28 44.48 70.85
Pulse1 0.957 0.912 0.851
T-Value 7.42 9.74 9.27
P-Value 0.000 0.000 0.000
Ran -19.1 -20.6

T-Value -9.05 -9.93
P-Value 0.000 0.000
显示进入模型的预测变量的最佳程度 Weight -0.134

(若是2，则显示 2个预测变量) T-Value -3.08
P-Value 0.003
输入要进行几次操作
回归模型里要追加常数项时 S 13.5 9.82 9.39
R-Sq 37.97 67.71 70.85
R-Sq(adj) 37.28 66.98 69.85
C-p 99.3 11.5 4.0
best alt.
Variable Ran Weight
T-Value -6.70 -0.54
P-Value 0.000 0.591
Variable Weight
T-Value -1.62
P-Value 0.108
Best Subsets Minitab
¾ 在分析者所希望的说明变量中找出最佳模型的分析
Response:指定反应变量
Free predictors:指定在模型里包含可能性的
变量
Predictors in all models:指定必须包含在模型
中的变量
EXH_REGR.MTW
包含在模型的至少变量数和最大变量数
在说明变量数为相同的组合中，指定
最高说明结果的几个输出与否
Best Subsets Minitab
结果解释
在模型选择上有根据的统计量
(R-square, adj-R, Cp)
Vars:包含在各模型的说明变量数。
以下是如前所定的5个说明变量中包含
2个至4个的模型中按R-square高顺序
所表示的。
另在包含2个、3个、4个说明变量的模型
中，每各变量个数输出3个。
Fitted Line Plot Minitab
¾履行单一回归步骤, 绘出回归图
¾在线型回归及多项回归中有用的方法, 即一个变量对应一个反应值时。
Predictor:指定说明变量(仅一个)
Type of Regression Model:指定回归

Model (1,2,3次方程式)
Options...
Transformations:反应变量与说明
变量取10为底的 Log
Display Option:表示信赖区间及
预测区间
Fitted Line Plot Minitab
结果解释
显示2次项模型比直线模型更为适合
Residual Plots Minitab
¾残差 plot 是为回归分析诊断而使用
¾回归分析时, 若保存了残差和推定值(Fits),则利用 Residual Plot 步骤绘出残差图形。
•进行残差分析之前应先保存残差和适合值
Stat> Regression> Storage : 把 Fits与 Residual check
Residuals : 指定残差
Fits : 指定反应变量的推定值
Residual Plots Minitab
显示为检查残差是否近似于正态分布的正态概率图，
接近直线时为良好。
用类似于正态概率图的用途显示全面的残差残差对适合值的图象是显示越小的预测值
形态的图象，正态分布形态时为良好更为适合
Binary Logistic Regression Minitab
¾当反应变量不是连续性的二分型(0,1)资料时的回归分析
Frequency:输入频率数
存在成功与试行次数, 成功与失败, 失败
与试行次数形态的反应变量时，各自输入。
EXH_REGR.MTW Model:指定说明变量
Factors:在说明变量中指定离散型变量
Graph...
指定为回归模型诊断的各种图象
Results...
通过图象诊断过程中显示不适合模型的值有2个。
在图象上按鼠标右键则出现 Play菜单，并通过 Brush确认是第31号值与第66号值
Binary Logistic Regression
Link Function: Logit
Response Information 结果解释
Variable Value Count
RestingP Low 70 (Event)
High 22
Total
Factor Information
92 在Logistic回归 Table中
Factor
Smokes
Levels Values
2 No Yes Smoke与 Weight 在留意水准 5%
Logistic Regression Table
Odds 95% CI 以内有意义。
Predictor Coef StDev Z P Ratio Lower Upper
Constant
Smokes
-1.987 1.679 -1.18 0.237 并且 p值为 0.023，故判断为至少
Yes
Weight
-1.1930
0.02502
0.5530
0.01226
-2.16 0.031
2.04 0.041
0.30
1.03
0.10
1.00
0.90
1.05 一个不是0。
Log-Likelihood = -46.820
Test that all slopes are zero: G = 7.574, DF = 2, P-Value = 0.023
Goodness-of-Fit Tests
Method
Pearson
Chi-Square
40.848
DF
47 0.724
P 实施适合度判定，如有p值小于
Deviance
Hosmer-Lemeshow
51.201
4.745
47 0.312
8 0.784
0.05则适合为不恰当的，
Brown:
General Alternative 0.905 2 0.636 但在此显示适合。
Symmetric Alternative 0.463 1 0.496
Table of Observed and Expected Frequencies:
(See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic) 在Measures of Association 上 Pairs
Value 1 2 3 4 5
Group
6 7 8 9 10 Total 部分是一致的结果，
Low
Obs 4 6 6 8 8 6 8 12 10 2 70 Summary Measures表示预测力的
Exp 4.4 6.4 6.3 6.6 6.9 7.2 8.3 12.9 9.1 1.9
High
Obs 5 4 3 1 1 3 2 3 0 0 22
尺度。
Exp 4.6 3.6 2.7 2.4 2.1 1.8 1.7 2.1 0.9 0.1 (越接近1为越好的预测力)
Total 9 10 9 9 9 9 10 15 10 2 92
Measures of Association:
(Between the Response Variable and Predicted Probabilities)
Pairs Number Percent Summary Measures
Concordant 1045 67.9% Somers' D 0.38
Discordant 461 29.9% Goodman-Kruskal Gamma 0.39
Ties 34 2.2% Kendall's Tau-a 0.14
Total 1540 100.0%
Ordinal Logistic Regression Minitab
¾ 反应变量按顺序型显示的logistic回归模型
存在成功与试行次数, 成功与失败, 失败与
试行次数形态的反应变量时，各自输入。
Model:指定说明变量
EXH_REGR.MTW Factors:在说明变量中指定离散型变量
Ordinal Logistic Regression Minitab
Regionr 的 p-value=0.685 比留意水准

0.05大，故没有影响。
在这模型中删除 Region 后, 再进行
分析为好。
Nominal Logistic Regression Minitab
¾ 反应变量为名目型(性别, 邮编, 学号等) 资料构成的 logistic 回归模型。
存在成功与试行次数, 成功与失败, 失败与
试行次数形态的反应变量时各自输入。
Model:指定说明变量
EXH_REGR.MTW Factors:在说明变量中指定离散型变量
4. 分散分析
分散分析基础 Minitab
¾寻找说明变量与反应变量关系式的方法论
•一元配置分散分析(DATA形态为 Stack 的时候)

•一元配置分散分析(DATA形态为 Unstack 的时候)
•二元配置分散分析
•平均分析
•均型分散分析(在各水准反复相同的时候)
•一般线型模型
•支份分散分析
•检定分散的同一性
•区间 Plot
•主效果 Plot
•交互效果 Plot
One Way ANOVA(一元配置法) Minitab
¾因子为一个, 反复数为对所有水准不相同也可, Radom实验。
¾在数据为一个 Col中以 Stack 形态保存时使用。
(先需要检定 RESPONSE值的
正态性)
EXH_AOV.MTW
Response:指定反应变量 DF:自由图(Degree of Freedom)

Factor:指定说明变量(要因) SS:乘方的和(Sum of Square)
Comparisons:检定多重比较 MS:不偏分散(Mean of Square)
Store residuals:保存残差 F:F-概率值
Store fits:保存水准平均值 P:P-value(留意概率)
留意水准比 p-value 大则有影响。即水准间有差。
(级区间有变动)
-> 上面的 p值大于 0.05，故没有影响。
One Way ANOVA(一元配置法) Minitab
Graphs...
•Dotplots / Boxplots 图象输出 option
•Residual Plots:对残差提供多样的 plot
-> 残差只有随正态性时，它的结果值才能
判断为正确。
•存在各范围间的重叠区间 •各点呈现直线状态时，意味着正态性
One Way ANOVA(Unstacked)) Minitab
¾当数据按水准类别指定在 Col 时使用(Unstack 形态)
¾剩余事项与 Stack 情况相同
•Responses:指定按各水准别
有反应值的Col
Two-way ANOVA Minitab
¾ 因子为 2个，把因子各水准的组合全部Radom实施的实验。
¾ 数据应为 Stack 形态。
Response:实验结果数据
Row factor:B因子
Column factor:A因子
EXH_AOV.MTW Store residuals:保存残差
Fit additive model:选择交互作用的有无
•Lake与 Interaction 的 p值大于 0.05，故不会

引起效果。
•Suppleme的 p值小于 0.05，故 Suppleme 的

水准间有差。
•看左图可知道 Suppleme 的平均间有差。
•看左图可知道 Lake 的平均间没有差。

Analysis of Means Minitab
¾用 Graph 来显示因子的平均值，检讨因子的哪个水准有影响
<分散分析与平均分析的差距>
->分散分析是对水准间有无差距的分析
->平均分析是对全体平均与各水准平均间有无差
距的分析
Response:反应(结果)值
EXH_AOV.MTW Distribution of Data:资料的分布形态
-Normal:正态分布, Factor 1:因子水准 Col
(一元配置法时)
Factor 2:因子水准第二 Col
(二元配置法时)
-Binomial:二项分布
-Poisson:Poisson分布
Alpha level:留意水准
脱离管理线则有影响
用两个因子的交互作用效果
Main Effect:主要因
Minutes 的 3水准(值=18)时有影响
Strength 的 3水准(值=3)时有影响
Balanced ANOVA Minitab
¾ 2水准各组合内的实验次数相同时使用
Response:实验结果数据
Model:指定需分析的因子
Random factors:指定变量因子
Probtype|Calculat的标记为考虑交互作用
EXH_AOV.MTW 效果的计算实施.
Probtype, Calculat, Probtype*Calculat

等比留意水准(0.05) 小，故判断为
各因子的水准间存在散布的差。
Engineer 为变量因子故无统计意义。
Test for Equal Variances Minitab
¾ 检定2集团以上的分散是否一致
- 归属假设 : 所有水准的分散一致
- 对立假设 : 至少一个以上的分散不一样
EXH_AOV.MTW
•正态分布数据时:Bartlett’s Test
•包括正态分布的连续性数据时:Levene’s Test
•因 p-value 比留意水准(0.05)大，故选择归属假设，即所有水准的分散一致。
Interval Plot Minitab
¾平均信赖区间得出后作成 plot
Y variable:设定反应值
Group variable:subscript 指定
Type of interval plot
-Standard Error:适用标准误差
-Multiple:适用标准误差倍数
-Confidence interval:指定信赖度
Display mean as:设定plot表示方法
Pool error across groups->适用总合误差
◆平均值以 symbol 标记，且有信赖

区间标记。
Main Effects Plot Minitab
¾对主效果的水准间差异比较
Responses:指定反应值
Factors:指定因子
Base plots on:指定plot基准
EXH_AOV.MTW
Supplement 在2水准时值特大。
Lake在各水准间无太大的变动。
Interactions Plot Minitab
¾交互作用的水准间差异比较
ALFALFA.MTW
Display full interaction plot matrix: 可知道按 Field 水准变更的 Variety 各水准的
作成为 matrix 变动及平均值。
-平均是 Variety 4,6水准比别的水准小。
-变动是 Variety 2 水准比别的水准大。
-水准间 Cross 角度越大，交互作用效果就
越大。
5. DOE(实验计划法)
实验计划法基础 Minitab
¾ 如何实施实验如何选取数据, 如何解释才能以最少的实验次数
迅速获得最大的信息量的计划方法.
¾ 实验的成败，只有把以往的经验或者理论性、技术性知识等的原有技术与
依照实验计划法的知识结合起来才有可能.
Create Factorial Design:要因配置法实验设计
Define Custom Factorial Design:在变更当前的
实验计划而再指定时使用。
Analyze Factorial Design:得出实验分析结果
Factorial Plot:主效果, 交互效果 plot 作成
Contour/Surface(Wireframe)Plots:展现实验的
反应表面
Overlaid Contour Plot:以视觉性展示多个反应
变量的妥协领域
Response Optimizer:寻找满足目标值因子的
最佳组合
Factorial:要因配置实验
RS Design:反应表面实验
Mixture Design:混合物实验
Modify Design:对实验的修正
Display Design:实验计划后生成的内容通过 Worksheet 可见
实验计划法基础 Minitab
DOE 用语
因子(Factor) 实验所用的输入要素 (例) 温度, 湿度,…

水准(Level) 各实验因子的设定值 (例) 温度 100 200
(-) (+)
反应值(Response) 实验的数值性结果(一般用 Y表示) (例) Y = 267mm
主效果(Main Effect)随一个独立因子的水准变化相应的 (例) E1 = 2
反应值的影响 E2 = -7
交互效果两个以上的因子结合后对反应 (例) E12 = 5
(Interaction Effect) 因子产生的影响
解(Resolution) 在部分实施法中表示实验设计的搅乱 (例) III, IV, V
程度的记号
搅乱(Confounding) 以两个以上因子的效果合并后 (例) 1 + 2
产生的现象难以分离 1+3, 2+2
Factorial Design(要因配置法) Minitab
¾ 在多个因子的各水准上分析同时实验的结果的技法
¾ 根据因子的数量- 一元配置法, 二元配置法, 多元配置法
¾ 要因配置法种类
- 完全要因配置法(Full Factorial Design) : 2水准完全要因配置法, 多水准完全要因配置法
- 部分实施法(Fractional Factorial Design)
- Plackett-Burman 计划法(Plackett-Burman Design)
¾ 在 Minitab 中要因配置法的实行阶段
- 利用 “Create Factorial Design” 为了完全要因配置法或部分实施法的实验设计的选择
- 选择实验设计后, 指定各因子的名名称及水准、反复次数、Random化与否
- 实行实验后, 输入数据实行 “Analyze Factorial Design” 得出实验分析结果
- 最后利用 “Factorial Plot” 绘出主效果及交互效果的 plot
Factorial Design(要因配置法） Minitab
Create Factorial Design
•2-level factorial(default generators)

-> 2水准要因配置(generator 自动指定)
•2-level factorial(specify generators)
-> 2水准要因配置(generator 使用者指定)
•Plackett-Burman design:15因子以上的情况
•General full factorial design:在2水准以上，
且要因类别水准不同时的完全要因实验
•Number of factors:因子数指定
•Display Available Designs:展示使用可能的
配置
•显示因子别实验数(Run)和分析度
（Resolution)
·实验次数越多，分析度越高
•分析度高的顺序
Full > VII > VI > V > IV > III
•Plackett-Burman Design 是分析度为 III Level
dlek.
Factorial Design(要因配置法） Minitab
Designs...
•指定 Runs, center points, replicates, blocks

•Block:具有相同性质的单位集合
•Replicate:重新设置实验条件后实验
在多个试料上按同一条件各自实验
•Center point:在连续性因子的水准为中间
值时实施, 评价反应值的非线型性
Factors...
•Factor:表示实验的因子
•Name:指定实验的因子名
•Low/High:以水准表示的低水准值与高水准
值 -> 一般用 –1与 1表示, 中心为 0。
Factorial Design(要因故配置法) Minitab
Options... •Fold Design:设定Fold
•Randomize Runs:实验顺序Random
•Fraction:使用部分配置法时设定 Fraction
使用位置
•Base for random data generator:设定 Random
生成基准点
•Store design in worksheet:把实验计划保存在
Worksheet
Results...
•能多样化地指定，愿意在 Session 窗口输出

的实验计划结果
•在 Session 窗口输出与别名(alias)关联的内
容时，指定交互作用的次数。
Design Custom Factorial Design
¾ 在变更当前的实验计划重新指定时使用
•Factors:指定已输入的因子水准的列
•2-level factorial:2水准要因实验
•General full factorial:不是2水准的完全要因实验计划
Low/High...
•指定因子的水准
Designs...
•指定实验编号、实验的基本顺序、中心点、
实验的 Block.
•Order of the data:以设定的数据配置指定

•Specify by column:指定特定 column
Analyze Factorial Design
¾ 实验结果分析
FULLFACT.MTW
•Responses:指定有实验结果值的 Col
Terms... Graphs...
•Effects Plots:设定效果 Plots

•计算里欲包括的项目设定 •Alpha:指定留意水准
-> 未包括的项目按误差项 Pooling •Residuals for Plots:残差处理方法
Results...
•对于 Session 窗口输出的结果可以选择
•选择把别名Table 在 Session 窗口输出
•显示在模型中的因子和其对交互作用的
最低乘方平均
若设计为直交型, 无 covariate ，那么各个
最小乘方平均为在同一窗口中的所有
观测值的平均。
•选择欲输出最小乘方平均的 term
Storage...
•Fits and Residuals : 把适合值与残差保存在 Work sheet .
•Model Information : 在2水准要因实验或者 PB 实验分析结果中，保存各个反应值的

效果。但不能保存常数、Covariate、中心点、Block的效果。
实验计划 Matrix等对各个反应值进行保存。
依系数相乘的实验计划 Matrix 计算出适合值。
•Other : 为确认异常值的数据被保存
Minitab 实行结果
•在看各因子的 p-value 时可以
知道主因子 C, T和交互因子
K*T为统计性的有影响的因子
•根据分散分析表(ANOVA
Table)可知道主因子占全体
散布的82.4%(=2225.0/2699.0)
•Pareto图可同时看到效果的大小与 •在正态概率图中离直线远离的因子可
重要性。认为信号因子
•超过指针线的 C, AC, B因子为有影响 •在上图中 C, AC, B因子为有影响
Factorial Plots
•Main effect:主效果
•Interaction:交互效果
•Cube : 三个因子的效果
•Setup : 选定要作业的因子
•Type of Means to use in Plots : 指定生成
主效果图平均的数据类型
Setup...
•Responses : y, 即选择已输入结果值的列
•指定要绘出主效果图的因子
主效果图交互效果图
3因子效果图
•主效果图 : 倾斜度越大符合水准的效果
越大
•交互效果图 : 交叉的倾斜度越大符合水准
的效果越大
•3因子效果图 : 计算水准的平均值
•T因子从低水准变为高水准时，他的反应值
就大幅度增加
Response Optimizer(反应值的最佳条件) Minitab
Stat 》DOE 》Factorial 》Response Optimizer
选反应变量
Response Optimizer(反应值的最佳条件) Minitab
输入反应变量目标值
输出结果
Response Surface Designs(反应表面计划) Minitab
¾ 在重要的实验因子(Vital Few)确认后，为寻找对反应值的最佳实验条件而使用
¾ 在怀疑反应表面有曲线形态时使用
¾ 反应表面计划法的种类
- 中心合成计划法(Central Composite Design)
- Box-Behnken计划法(Box-Behnken Design)
¾ Minitab 运行步骤
- 利用 “Create RS Design” 选择实验设计
- 指定因子数及因子名、水准、反复次数、Random化与否
- 执行实验后输入数据，并实行 “Analyze RS Design”导出实验分析结果
- 利用“RS Plot” 绘出 Contour Plot 及Surface Plot ，得出最佳条件的资料
•Type of Design : 选择实验设计
•Number of factors : 选择实验因子数
(Box-Behnken法)
Designs... (中心合成计划法）
•选择需要的实验计划
•Number of Center Points:指定中心点
•Value of Alpha:指定 Alpha
-Faced Centered:alpha=1轴点在 cube位置，
在因子水准的变动幅度限制时选择
-Custom:输入数量。小于1的值在 cube内，
大于1时轴点位置则在cube位置外
•Number of Block:指定 Block 数

•Number of Center points : 指定中心点
Factors...
•输入因子名与水准
Options...
•实验顺序 random化
•生成相同的实验计划时指定其次数
•把实验计划保存在 Work sheet
Results...
•能多样指定欲在Session 窗输出的实验
计划结果
Analyze RS Design
•Responses : 选择已输入结果的列
•Analyze data using : 决定在分析时是否使用因子水准
code化、或 uncode化，
uncode 指已输入的因子实际水准
Terms... Results... •把适合值与残差保存在 Worksheet
Storage...
•选择 Model 项(term)
- Linear:A,B,C
- Linear and Square:A,B,C,A*A,B*B,C*C
- Linear and 和2因子交互作用：
A,B,C,A*B,B*C,A*C
- full quadratic:A,B,C,A*A,B*B,C*C,A*B,
A*C,B*C •在Session 窗输出系数和分散分析表、异常值
Minitab 实行结果-Linear
•分散分析表 Linear 部分的

p-value为 0.387，故表示
Linear Model没有影响
•在看分散分析表的 Lack-of-Fit
部分的 p-value为 0.026，
可知预测模型的适合性缺乏
即,必要其它形态的预测模型
看2次形态的预测模型
¾ 选择Analyze RS Design 变更 Terms与 Graphs
Terms... •选择Full quadratic
Graphs...
•在Residual Plots中选择 “Histogram”

“Normal plot”, “Residual versus fits”
“Residual versus order”
Minitab 实行结果 --- Full quadratic
•看分散分析表时，对 Lack-of-fits的
p-value为 0.133，便可知现在的
预测模型为确切
•看分散分析表时，二次项与交互
因子的 p-value为 0.05以下，显
示为预测模型的有意因子
•二次项中 Nitrogen*Nitrogen项，在
交互因子中 Nitrogen*Potash项
的 p-value为 0.05以下，故显示
为有意因子
•对残差(Residuals)的图形中，没有出现任何问题点
RS Plots
•Contour plot : 等高线图

•Surface plot : 表面图
•先确认后按 Setup
Setup...
•选择要画等高线图的因子
•要画对因子组合的所有等高线图
时选择
•在画等高线图时选择数据的单位
是否用code或uncode
•显示对因子组合的反应值曲线，
在等高线所有地点的反应值相同
• 用3维的表面输出的图表确认
能满足的反应值及寻找条件时
有用。
Mixture Design(混合物实验) Minitab
¾ 在Ink、Paint、Cake等由几种成份构成时存在各成份的混合比率的问题点，
此时求哪些成份对反应变量带来有意影响及满足最佳混合比率的实验
¾ 在Minitab 中支援的混合物实验
- mixture 实验 : 总量已指定，想知道成份比调到何程度时
- mixture-amounts 实验 : 与成份比一起想知道总量时适用
- mixture-process variable 实验 : 想知道与成份比一起影响的变量条件时
¾ 在Minitab 混合物实验步骤
- Create Mixture Design : 生成Simplex 中心排列法, Simplex 格字型排列法, 顶头点计划法
- Analyze Mixture Design : 实验结果分析

Modify Design(实验计划修正) Minitab
•Modify factors : 修正因子名和因子水准
•Replicate design : 指定实验计划的反复次数
•Randomize design : 指定对所有实验计划的Random

化或者Block内的Random化
•Fold design : 对所有因子 fold 或者

对特定的因子 fold
•Add axial points : 对轴点追加的修正

（相当于2水准实验计划)
alpha=1时轴点位置在cube上，小于1时在 cube的
内侧，大于 1时在 cube外
Display Design(显示实验计划) Minitab
•Order for all points in the worksheet : 在Worksheet 显示的

实验计划的顺序指定为 run order或者 standard order
•Units for factors : 在Worksheet 显示的因子水准指定为

uncoded 或者 coded
Options...
•在 Worksheet 上显示的实验计划列中 sorting

上，如有删除的内容时选择
实验计划例题 Minitab
因子低水准高水准
温度 20度 40度
压力 1气压 2气压
催化剂 A B
• 反应值 : 数率
• 2回反复实验
• 实验 DATA : Stdorder顺序
66 66 102 98 65 54 107 68 53 66 55 85 108 89 52 63
6. 管理图
管理图基础 Minitab
¾ 把表示工程状态的特性值移动具有一定模样的点，按系列类别连接而成的线型图表
•Define Tests:管理图的初期设定
•Box-Cox Transformation:把非常歪曲的数据转换为
正态性数据
•Xbar:对部分群平均的管理图
•R:对部分群范围的管理图
•S:对部分群标准偏差的管理图
•Xbar-R:对部分群平均和范围的管理图
•Xbar-S:对部分群平均和标准偏差的管理图
•I:对个别观测值的管理图
•MR:对移动范围的管理图
•EWMA:对指数加重移动平均的管理图
•MA:对移动平均的管理图
•CUSUM:累积管理图
•Zone:Zone管理图
•Z-MR:对个别观测值和移动范围的已标准化的管理图
Define Test Minitab
¾ 管理图的初期设定
1.在中心离 K-sigma 的一个点

2.在中心一侧连续出现（RUN）K个时
3.当连续 K个渐渐上升或下降(Trend)时
4.当上下变动的 K个点出现时(Cycle)
5.在中心线脱离2-sigma 以上， K+1个中 K个时
(同侧)(Freak-突出)
6. 在中心线脱离 1-sigma以上，K+1个中 K个时
(同侧)(Freak-突出)
7. 在中心线 1 sigma内 K个时(无论哪一侧)
8. 在中心线 1 sigma 以上 K个时(无论哪一侧）
•R, S, MA-chart, 计数型

管理图为 Test 1~4
Box-Cox Transformation Minitab
¾ 在控制数据的非正态性与 Serve Group 平均相关的 Serve Group 工程变动修正时使用。
•Data are arranged as:

- Single column : 变换对象 Col
- Subgroup size : 部分群的大小
•Store transformed data in:

- Single column : 欲保存的 Col
Xbar R 管理图 Minitab
¾ 最一般的管理图
•选择包含已测定data的列
•指定群的大小
•Unstack data时
•输入已知的平均、标准偏差便可绘出管理界线
CAMSHAFT.MTW
•依指定的Group独立绘出管理界线。
例如分月别, 作业人员别, 时间别表示
•Tests:指定 test 使其看出管理图的异常值
•Estimate:在推定母数时指定欲删掉的数据
•Stamp:在管理图的X轴上追加 TICK LABEL 列
•Option:可选择Box-Cox变换的菜单
•在管理界线内点分布random
Xbar S 管理图 Minitab
¾ 当试料群的大小在 6个以上的情况
CAMSHAFT.MTW
I-MR 管理图 Minitab
¾ 试料群的大小为 1的情况
CAMSHAFT.MTW
I-MR R 管理图 Minitab
¾ 同时管理相互不同工程的数据
同时显现试料群内的散布与试料群间的散布
CAMSHAFT.MTW
P 管理图 Minitab
¾ 不良率管理图随着试料的大小不同，限界的幅度也发生变化
•Variable:不良数量
•Subgroup size:检查数量相同时
•Subgroups in:检查数量不同时
EXH_QC.MTW
NP 管理图 Minitab
¾ 不良率管理图随着试料的大小不同，限界的幅度也发生变化
•Vaiable:不良数量
•Subgroup size:检查数量相同时
•Subgroups in : 检查数量不同时
EXH_QC.MTW
C 管理图 Minitab
¾ 一定单位内的缺点数管理图, 当一个中的缺点数少时,
使用一定个数中的缺点数
•Variable : 缺点数
EXH_QC.MTW
U 管理图 Minitab
¾ 单位缺点数管理图
检查的试料面积或长度等不同时适用
•Variable : 缺点数
•Sample size : 相同的检查数(试料数)
•Subgroups in : 试料群的大小不同时
EXH_QC.MTW
7. 品质工具
品质工具基础 Minitab
•Run Chart:通过数据，发现Process pattern，
并确认是否 non-random
•Pareto Chart:确认什么问题最重要
•Cause and Effect : 特性要因图
•Capability Analysis : 工程能力分析
•Gage R&R :测定系统评价
•Multi-Vari Chart : 使数据一眼所能见到的视觉形态，
提供分散分析的数据
•Symmetry Plot : 评价数据是否从对称分布而来

Run Chart Minitab
•欲分析的 Raw data 输入在一个列时
•欲分析的 data 输入在多个列时

Cranksh.mtw
•指定在图表中表示的点按 Subgroup的平均或
中央值
•个别 data的打点
•Subgroup 平均值的得分
•所有 data的中央值
Pareto Chart Minitab
¾ 在现场成为问题的不良品以及缺点、Claim、事故等按现象或原因类别分类, 并使其数据
不良个数或损失金额等多的顺序展示，并把其大小用柱形绘出的图形。
- 决定改善的功击目标、掌握问题点、不良对策及改善效果确认、不良或故障原因调查
<使用原资料> <使用频率数> <按集团类别绘出时>
EXH_QC.MTW
Cause-and-Effect Minitab
¾ 显示结果特性和引发原因的要因之间关系的图形。
- 掌握异常原因及采取对策用 / 现场改善活动时现况解释及改善手段的整理
- 作业标准的作成或改正 / 新入社员的教育或作业说明
- 有助于观察潜在原因之间的关系
- 在Minitab中只能画出一次 level
EXH_QC.MTW
Capability Analysis(Normal) Minitab
¾ 工程的数据为连续性资料并随正态分布时的工程能力指数计算
•欲分析的 data 输入在一个列的情况
•欲分析的 data 输入在多个列的情况
Camshaft.mtw •输入规格的上限和下限, Hard limit在输入

规格的上、下限值外，无数据时选择
•知道母集团的平均和标准偏差或者从以前
的数据推定的平均和标准偏差便输入
Capability Analysis(Weibull) Minitab
¾ 工程的数据为连续性资料并随 Weibull分布时的工程能力指数计算
Tiles.mtw
•选择数据列
•选择决定 Weibull 分布模样的形象母数

•产品特性为单侧规格时输入3，而
两侧规格时保留 6。
•长期工程能力
•当前能力
•长期预测能力
Capability Sixpack(Normal) Minitab
¾ 因显示与工程能力分析相关的图表，所以一眼就可以确认
Tests...
•指定管理图发生异常时确认的
Test条件
•指定按subgroup size的 sigma

Camshaft.mtw 计算方法
•数据分布不按正态分布时选择
Estimate... Options...
•为绘出Run Chart 而指定subgroup

的数
•单侧规格时输入3，双侧规格时
输入 6
Capability Sixpack(Normal) Minitab
Capability Analysis(Binomial) Minitab
¾ 二项分布数据的工程能力计算(不良率)
•Defectives : 已输入不良率的列
•Sample size : 已输入试料数的列
BPCAPA.MTW •Target :输入目标不良率
•P CHART显示在工程控制外有一个点
•显示累计 %DEFECTIVE CHART为
约 22%
•Defectives rate 不受资料量的影响
•Process Z为 0.75， 2.25 σ 低水准

Capability Analysis(Poisson) Minitab
¾Poisson 分布数据的工程能力计算(缺点数)
•指定输入缺点数的列
•指定输入试料数的列
BPCAPA.MTW •输入目标值
•U 管理图显示在管理状态外有3个点
•累积平均 DPU在 0.025与 0.03 之间的

某一个地点显示相对稳定的状态
•观察 DPU的 Histogram, 似乎随Weibull

分布，但有更多的数据存在时
才可以判断
Gage Run Chart Minitab
¾ 分析测定数据的散布后发现问题点
•Part number :选择 Part 列
•Operators : 选择测定者的列
GAGEAIAG.MTW
•Measurement data : 选择测定值的列
•X轴按试料类别区分，便于一眼看到
各测定值出现何种程度差异(第1,5,10号
试料为测定值小)。
•特定的试料根据测定系统不同,
数值差异的大小不同
(第10号试料在第3号测定系统中的
测定值大)
Gage Linearity Study Minitab
¾ 称作直线性，分析在各测定系统所及测定范围内与真值发生的差异，
并设定准确的测定范围
•Part number : 选择part 列
•Master measurements : 选择master 测定值(真值)列
•Measurement data : 选择输入测定值数据的列
•Process Variation : 在Gage R&R Study 中选择 Study Var
Gagelin.mtw 的Total Variation (5.15*SD)
•%Linearity为 13.16%，测定系统的
直线性占有全体工程散布的13.16%
•%Bias为 0.376%倾向性很小
•%Linearity和 %Bias的值越小,
测定系统越好
Gage R&R Study(Crossed) Minitab
¾调查测定系统的散布对工程散布的影响, 并判断测定系统的测定能力的技法
• 按“Option”键后，在Process Tolerance输入
规格公差，便可求规格比 %R&R值
Gageaiag.mtw (%Tolerance)。
Gage R&R Study(Crossed) Minitab
结果解释
• 用Xbar Chart 能分析测定系统的有用性, 若超过管理界限 50%时能检查部品间变动，
否则不适合区分部品间变动。
现在因为是50%以上,测定系统为适合。
•Operator*part的 interaction 及 operator的 p-value比留意水准 0.05 小而有意，

但比部品间的变动相对地变动小, 故没有给全体带来影响。
•Gage R&R的变动大部分起因于再现性，并且在再现性中 operator与 part的交互作用影响较大。
判定基准
% Contribution %Study Var Distinct Categories Discrimination Ratio
Accept < 1% < 10% > 10 > 10
Consider
critically 1%~9% 10%~30% 4~9 4~9
Reject >9% >30% <4 <4

Multi-Vari Chart Minitab
¾ 称作多变量 chart，使数据能一目了然按视觉的形态进行分散数据的分析,
对所有因子表示各个因子水准的平均
•Response:选择反应值的列
•Factor1:选择因子的列
•Display options:用与输出结果相关的选项表示个别
数据的分数或者可选择连接因子平均
SINTER.MTW
Symmetry Plot Minitab
¾ 评价数据是否对称分布
多数点越接近CHART的直线, 对称性越强
•选择已输入数据的列
Exh_qc.mtw
•对称性判断
- 数据的点越接近基准线, 对称分布越强
- 若数据点往基准线上方分离, 是偏左侧的分布
- 若数据点往基准线下方分离, 是偏右侧的分布
- 若在右上端存在离基准线的点，在分布的
尾部稍有偏向
•结果解释
- 数据几乎是对称
- 右上端的点处于偏离，象从Histogram所见
稍微向左偏
但是，不能说存在显眼的偏向
计数型数据 R&R Minitab
计数型数据 R&R
z 对各标本的适合与不适合按作业人员别评价
顺序
z准备20个标本
- 不易区别的良品和不良品各准备10个
z 让2名作业人员按 Random顺序各判定2回
- Blind appraisal
z 整理结果
- 同一作业人员的判定不一致数，作业人员之间的不一致数，
与实际有差异的次数
z 若对各标本的所有结果不一致, 则改善测定系统后重新评价
z 若不能改善测定系统则用其它测定系统交替进行
例) Go/No-Go 基准
작업자 1 작업자 2
표본
평가 1 2 평가 1 2
1 G G G G
2 G G G G
3 NG G G G
4 NG NG NG NG
5 G G G G
6 G G G G
7 NG NG NG NG
8 NG NG G G
9 G G G G
10 G G G G
11 G G G G
12 G G G G
13 G NG G G
14 G G G G
15 G G G G
16 G G G G
17 G G G G
18 G G G G
19 G G G G
20 G G G G
z 作业人员1的情况对相同标本的评价结果不同次数为
二回，故必要对评价方法及步骤的教育及训练。
计数型数据 R&R
Minitab
在Worksheet 输入数据
利用 Minitab的分析
Stat > Quality Tools > Attribute Gage R&R Study

( Minitab 13.30 提供)
各输入测定值, 标本,
作业人员的列
Minitab 分析结果
Session的结果分析
• 作业人员1在总20回的观测中18回
一致, 即一致率90%
作业人员2在总20回的观测中20回都
一致, 即一致率100%
• 2名作业人员在总20回的观测中，17回一致,
即一致率85%
图表的结果分析
z 各作业人员的观测值一致程度, 通过信赖区间可以确认。
z 通过上面的图表可以认为作业人员1的一致率比作业人员2低，
并必要对作业人员1的追加训练。
8. Tables
Tables 基础 Minitab
¾ 数据按表格形式简要, 对表格的数据进行分析
•Cross Tabulation :把 Raw 数据形式按一元, 二元, 多元的

表格表示。表格里包含个数, 百分率, 平均, 标准偏差最
大值等统计量。
•Tally : 对变量的各个值, 显示个数、累计个数、百分率、
累积百分率。
•Chi-Square Test : 检定样品数据是否从所示的离散概率模型
导出。
•Simple Correspondence Analysis : 在二元分类中帮助探索
相互关系的菜单。
•Multiple Correspondence Analysis : 适用于3个或3个以上的
分类型变量。
Chi-Square Test Minitab
•选择已输入数据的列
•期待度数=第 i 行总观测数 * 第 j 列总观测数

/ 总观测数
· 结果解释
- p值为 0.115，即表示不能作为男女性别和正当的先后
度有关的证据。
还有在6个 Cell 中2个Cell 的 expected counts less
than 5是表示这个实验不合适。
既使 p值有意，但对其结果可持怀疑。
- 若对结果进一步可信赖的话，删除其它栏后，再进行
分析也是一种方法。
9. Power and Sample Size

Power and Sample Size Minitab
¾ 不但在假设检定时求出考虑敏感度的样品的大小, 而且在数据收集结束后计算出
根据分析时最小差异的检定能力。
¾ 所谓检定能力(POWER)?
- 在归属假设不正确时为驳回的概率，即成为检出归属假设错误的概率。
- 统计假设检定尽量缩小驳回事实归属假设的第一种错误, 值得提高归属假设的虚伪的
检定力。
¾ 与检定力(POWER)关系
- α↑, β↓ -> 检定能力 ↑
- 标准偏差 ↑ -> 检定能力 ↓
- difference ↓ -> 检定能力 ↓
- 标本大小 ↑ -> 检定能力 ↑
¾ Minitab 菜单
1-Sample t Minitab
例> 在标准偏差为 1，difference为 3时，检定力为 0.7, 0.8, 0.9时各选取多少个标本呢?
(留意水准为 0.01 )
• Target power设为 0.7，调查标本大小，结果得出 4.24，

并去掉小数点后取值为 5 ，检定力变大，此时的
0.8947是实际检定力值。
2-Sample t Minitab
例> 标准偏差为12.9，difference为10，标本大小取10时检定力是多少?
(留意水准为 0.05 )
•输入标本的大小及 difference
•输入 sigma
•结果解释
结果为具有 0.3751的检定力，意思是若两个
母集团平均间的差为10时，检出机会只有
37.51%
10. Graph
Graph 基础 Minitab
Graph ▶ 把 Worksheet 的数据编辑为多种用途的 Graph .

设定对图的基本值.
X-Y Plot
时序列 Plot
X-Funtion(Y)의 Graph
X与 X 频度数的 Graph
对X测定的Y值中间值为中心用BOX形态表现
为确认2个以上的变量相互连贯性用Matrix形态表现
虽然与Matrix Plot 相同，但当X-Y的变量数不同时使用
对 X-Y 用等高线表示 Z值
X-Y-Z值在3D图象中用 Symbol 显示
X-Y-Z值在3D图象中用 Wireframe 显示
X-Y-Z值在3D图象中用 Surface 显示
对x值用累积表现X的频度数
对X值X的频度数使用比率用Slice 表现
X-Y Plot为基本，在Plot的页边框内标出其它形态的Graph
X上，用Graph标出分步函数的概率值
树-叶-枝 Plot
文本形态的 Graph (在 Session 输出)
Layout Minitab
• Annotation of a Page
- Title : 输入标题
- Footnotes : 在Graph下面输入说明
- Text : 指定在Graph需要的位置上输入的文字
• Aspect Ratio of a Page : 指定行与列的比率

Plot(X-Y图表) Minitab
Display种类用途
Symbol 用Point 显示X-Y
• Graph Y : 指定Y-Col Area 连接各Point，并连接线下端用面积表示
• Graph X : 指定X-Col Connect 把各Point 用线连接
• Display : 指定图表形态 Lowness 把connect线参考各点的趋势，使其smooth
Project 用柱型Graph显示
练习)在 AUTO.MTW上对 AGE的 Yes.M和 Yes.F进行 Plot . ( Display为 Project.)

Plot(X-Y图表) Minitab
Display种类用途
Symbol 用Point 显示X-Y
Area 连接各Point，并连接线下端用面积表示
Connect 把各Point 用线连接
Lowness 把connect线参考各点的趋势，使其smooth
Project 用柱型Graph显示
• For each -> Graph : 把各个数据相应的点及线做相同的标记
• For each -> Group : 把各个数据把点区分为不同的 Group，做不同的标记
练习) 用 MARKET. MTW 变更 display 后运行 Plot.

- Display, For each: Group(Variable : Adgency) , X : year , Y : Sales, Advertis
Time Series Plot Minitab
• Graph Variable : 指定使用于Y-变量的Col

• Time Scale : 指定使用于X-变量的形式
• Start time : 指定年度
• Transpose X and Y : 变更X与Y轴的位置
练习) 使用 MARKET.MTW 编辑 Time series
Plot . • Transformation for Y Axis : Y轴变换为 log
Chart Minitab
MARKET.MTW
• Graph variables -> Function : 选定适用Y的函数
Group option이 없을 경우
• Graph variables -> Y :指定使用于Y-变量的 Col
• Graph variables -> X :指定使用于X-变量的 Col
存在Group option的情况时
练习) 用 MARKET.MTW的 Year 把 Sales的平均用 Chart 作成.

Histogram Minitab
MARKET.MTW
• Graph variables -> X : 指定使用于X-变量的 Col
• Frequency : 区间内的 data 数

• Percent : 区间内的 data数/全部data数 * 100
• Density 区间内的 data数
全部 data数 * 间隔
• Cumulative : 用累积表示
• Type of intervals
- Midpoint : 显示为区间的中心值
- Cutpoint : 显示为区间的境界值
练习) 用AUTO.MTW的 Yes.M 作成 Histogram . (Midpoint与 Cutpoint Type)

Boxplot Minitab
• 对 X 测定的 Y值 Boxplot
• Graph Y : 指定Y-Col
• Graph X : 指定X-Col
• Data display : 指定输出形态
异常值
在上位范围
中最上位值
3/4位数(Q3)
组中值
在下位范围
中位值信赖区间95%范围->Confidence 1/4位数(Q1）中最下位值
Cl Box
Interval (Cl) Box
在范围中25%，组中值，75%box-
IORange
>Interquartile (IQ)Range
Range Box 最大值，组中值，最小值范围box
Median Connect 组中值连接线
练习) 用 MARKET.MTW的 Year 把 Sales
Indivisual Symbol 用个别Symbol表示
Median Symbol 用Symbol只表示中位值用Boxplot作成后解释.
Outlier Symbol 用Symbol只表示除外值
Matrix plot Minitab
¾ 在多个变量中掌握有关注的两个变量的特殊关系时适用.
¾ 一次可做到 20个变量.
• Graph variable : 指定2个以上的 Col
• Matrix Display
- Full :同时输出 Lower与 Upper
- Lower left : 只输出下部左侧部分
- Upper right : 只输出上部右侧部分
• Variable label
- 变量名输出位置
• Add Jitter to Direction

-指定相同值输出方向
练习) 用EMPLOY.MTW 作成Matrix plot后解释。

Draftsman plot Minitab
¾ 生成类似Matrix Plot 形态的 Graph ，但横/竖的变量数据不同也可
PULSE.MTW
练习) 使用Group绘出 Draftsman plot 后解释一下.

(Worksheet : PULSE.MTW, Y : Puse1, Pulse2, X : Height, Weight, GroupVariables : Sex )
Contour plot(等高线图) Minitab
¾ 把X,Y,Z的三维图在指定的 Z位置上载断的图表
PULSE.MTW • Z : z-Col选择 / Y : y-Col 选择

X : x-Col 选择
• Data Display :
(5 Area : 相同的值用面积表示)
(5 Connect : 等高线用线连接)
在Options…中
• Contour levels : 指定level
(default : automatic)
未能选择Area时选择Area 时
3D Plot Minitab
¾ 用X、Y、Z值生成三维 Point
¾ X、Y、Z的各值只可适用一个
练习) 绘出 3D Plot (Worksheet : PULSE.MTW)

=> X : Height, Y : Weight Z : Pulse2
3D Plot Minitab
¾ 变换X,Y,Z值确保需要的视觉 ¾根据Graphic的处理方法，选定处理速度和

- Orientation : 变更观察事物的位置准确度
-> Position(观察位置), Target(事物位置) - 在Pentium级以上的 PC上处理速度不会
Up(观察方向) 成问题，所以选择正确度高的
- Field :与画面的高与宽
- Projection : 投影法
-> Perspective (远近法), Ortho (直交法)
- Box : 面处理
- Aspect Ratio: 外型比率
3D Wireframe Plot Minitab
¾把3D数据用 Wireframe作成
¾与3D Plot 作成相同
• Determination of Surface Data => 决定表面 data

- Use data defined over a regular mesh
=> 使用规定为mesh 的数据
- Interpolate data over a specified mesh
=>使用对指定的mesh(X,Y)保存的数据
- Positions
=> Automatic : 自动计算
=> Number : Mesh 数
3D Surface Plot Minitab
¾把3D data 作成为 Surface
¾与3D Plot 作成相同
练习 1) 绘出 3D Surface Plot (Worksheet : ALFALFA.MTW)

=> Z : YEILD
练习 2) 使用 MAKE MESH DATA 菜单，生成 MESH DATA后作成3D Surface
Dotplot Minitab
¾在线上面把观察的数据用点(dot) 表示
¾若相同的 data为1个以上，则垂直把 dot 按数据大小表示
ALFALFA.MTW
• Variables :输入用Dot 要表示的 Col

• No grouping :不做 grouping时
• By variables : 按输入的 Col grouping
• Each column constitutes a group
=> 按1个以上输入的 Col grouping
练习) 把 AZALEA.MTW的 A-WEEK 按 Dotplots 作成后解释
Pie chart Minitab
• Chart data in : 指定绘出chart 的 col
• Chart table
- Categories in : 指定按范例指定的 Col
- Frequencies : 指定欲分析的数据Col
• Order of categories : 设定绘出chart 的顺序 ( value 时按数据大小顺序)
• Explode : 指定 slice
• Combine categories : 删除占有率小的 slice
• Start angle : 设定绘出初期 slice 的位置
PULSE.MTW
练习) 把 DEFECT的 Describe 作成为 Pie charts.

Marginal plot Minitab
¾可以知道数据的散布及大小
• Type of marginal plot :指定在 margin 里要作成的 plot type

• Show marginal plot : 设定在margin 里作成的轴
• X axis label : 作成X轴题目
• Y axis label : 作成Y轴题目
• Title : 作成Title ALFALFA.MTW
练习) 在 ALFALFA.MTW中作成 Y : Yield, X: Field, Type : Boxplot

Probability plot Minitab
• Variables : 指定要分析的 col
• Frequency column : 指定频度 Col (指定与Variables 不同的 Col)
• Distribution : 指定概率分布函数
练习) 在 ALFALFA.MTW中对Yield 适用 Weibull 分布

Stem-and-leaf Minitab
¾ 虽然与 Histogram 类似，但不同点是可详细知资料值
•Variables : 指定欲绘画的列变量
* pulse.mtw的 weight的枝-叶图
Brushing Minitab
¾追查用Graph 对输出的点的值
¾只在Graph window 作业可能 :Mouse 右侧Button Click
▶ 设定画面 View mode

▶ 设定Graph Edit Mode
▶ 追查Symbol
▶ 指定 ID 变量
▶ 设定Brush指定颜色 • Create Indicator Variable是实施 Brush后，
▶ 生成指示变量使其能实施 Command .
• 选择Brush后在Graph 上指定必要的部分， • 选择 Set ID Variable后指定 Use Column，

则生成如侧面所示的Box 则被输出相应Column的内容
练习) 用ALFALFA.MTW的 YEILD制定 Dotplot后

追查异常数据。
(使用Set ID Variable)

minitab 教程

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

minitab 教程

Uploaded by

Copyright:

Available Formats

http://www.cjzlk.

方法 1. 利用开始菜单 运行 Minitab 的方法

Session window:直接输入 Minitab 的命令或显示类似统计表的文本型结果文

Edit : 编辑 Worksheet data , 外部 data 的 link 及 command link editor 副菜单

Manip : Worksheet data 的 Split、Sort、Rank、Delete、Stack/Unstack 等副菜单

Graph : 为编辑 Graph的Graph Layout, Chart副菜单及文字Graph构成

Editor : 不使用菜单，使用命令直接作业及Clipboard setting等副菜单

Window : 由控制 Window 画面构成的副菜单及 管理 Graph 画面的副菜单构成

练习) 把 当前的 Worksheet 保存为 Temp.mtw， 并关闭后重新打开

练习)在 AUTO.MTW上 1) 删除 4,5 Row后把 C4, C5的 DATA 变更为 234

练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后

练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后

练习) 把 Red Blue White Black 生成各值是二回，全体反复二回的数据。

练习) 生成从 1996.04.01~7.30之间按一周间隔形成的数据。

练习) 生成 1996年 4月 1日、97年 7月 30日、98年 12月 25日为各二回，全体为三回形成的数

练习) 在平均 300, 标准偏差5的正态分布当中抽出 40个 sample 保存到 C5上。

 指定把各个 window 都显示, 或者用小图标来显示

 把 Tool bar 与 Status bar 隐藏或显示

 使总括 Graph window 的 window活性化

 使管理 Worksheet 的 window活性化

 活性 window 用 Vmark 表示，用 Vmark标记打开

区 分 一个母集团 二个母集团 多个母集团

比率 1 —Proportion 2 —Proportions Chi —square Test

- 留意水准 : 犯第一种错误的最大概率 - P-Value : 犯一种错误的概率的推定值

Test mean 指定的情况

结果解释 : 信赖区间为最小 4.6582,

图像对 Test 与 Confidence interval 的输出

< Test 指定 > < Confidence 指定 >

Variables : 指定要分析的 Col

Test mean 指定的情况

Samples in one column(stack形态) : 在1Col中比较两个

Two-Sample T-Test and CI: BTU.In, Damper

结果解释 : p值小于留意水准 5%， 故驳回归属

Test for Equal Variances

F-Test Levene's Test 判断两个母集团的分散不同。

Boxplots of Raw Data

•Variables : 要分析的 Col

- Verbal与 Math 的标本公分散为 1333.9704

 Least square regression : 反应变量为连续性资料时

 Logistic square regression:反应变量为范筹型资料时

Graphs... Residuals for Plots:残差图象中显示的残差种类选择

所有可能的回归 : 当有k个变量时，调查从一个也不包含的模型至包含 k个的

前进选择法 : 在影响反应变量的 k个说明变量中选择最大影响的变量，

后进选择法 : 在影响反应变量的 k个说明变量中除去影响小的变量，

选择 Forward selection后指定留意水准

Ran -19.1 -20.6

显示进入模型的预测变量的最佳程度 Weight -0.134

Type of Regression Model:指定回归

Regionr 的 p-value=0.685 比留意水准

•一元配置分散分析(DATA形态为 Stack 的时候)

Response:指定反应变量 DF:自由图(Degree of Freedom)

•Lake与 Interaction 的 p值 大于 0.05，故不会

•Suppleme的 p值 小于 0.05，故 Suppleme 的

•看左图可知道 Suppleme 的平均间有差。

•看左图可知道 Lake 的平均间没有差。

Probtype, Calculat, Probtype*Calculat

◆平均值以 symbol 标记，且有信赖

因子(Factor) 实验所用的输入要素 (例) 温度, 湿度,…

¾ 根据因子的数量- 一元配置法, 二元配置法, 多元配置法

•2-level factorial(default generators)

•指定 Runs, center points, replicates, blocks

•能多样化地指定，愿意在 Session 窗口输出

•Order of the data:以设定的数据配置指定

•Effects Plots:设定效果 Plots

方法 1. 利用开始菜单运行 Minitab 的方法

Session window:直接输入 Minitab 的命令或显示类似统计表的文本型结果文

Edit : 编辑 Worksheet data , 外部 data 的 link 及 command link editor 副菜单

Manip : Worksheet data 的 Split、Sort、Rank、Delete、Stack/Unstack 等副菜单

Graph : 为编辑 Graph的Graph Layout, Chart副菜单及文字Graph构成

Editor : 不使用菜单，使用命令直接作业及Clipboard setting等副菜单

Window : 由控制 Window 画面构成的副菜单及管理 Graph 画面的副菜单构成

练习) 把当前的 Worksheet 保存为 Temp.mtw，并关闭后重新打开

指定把各个 window 都显示, 或者用小图标来显示

把 Tool bar 与 Status bar 隐藏或显示

使总括 Graph window 的 window活性化

使管理 Worksheet 的 window活性化

活性 window 用 Vmark 表示，用 Vmark标记打开

区分一个母集团二个母集团多个母集团

Variables : 指定要分析的 Col

Samples in one column(stack形态) : 在1Col中比较两个

结果解释 : p值小于留意水准 5%，故驳回归属

Least square regression : 反应变量为连续性资料时

Logistic square regression:反应变量为范筹型资料时

Graphs... Residuals for Plots:残差图象中显示的残差种类选择

所有可能的回归 : 当有k个变量时，调查从一个也不包含的模型至包含 k个的

前进选择法 : 在影响反应变量的 k个说明变量中选择最大影响的变量，

后进选择法 : 在影响反应变量的 k个说明变量中除去影响小的变量，

选择 Forward selection后指定留意水准

显示进入模型的预测变量的最佳程度 Weight -0.134

Type of Regression Model:指定回归

Response:指定反应变量 DF:自由图(Degree of Freedom)

•Lake与 Interaction 的 p值大于 0.05，故不会

•Suppleme的 p值小于 0.05，故 Suppleme 的

Probtype, Calculat, Probtype*Calculat

因子(Factor) 实验所用的输入要素 (例) 温度, 湿度,…

Stat > Quality Tools > Attribute Gage R&R Study

Graph ▶ 把 Worksheet 的数据编辑为多种用途的 Graph .

• For each -> Graph : 把各个数据相应的点及线做相同的标记