軟件簡介：MINITAB? 統(tǒng)計軟件是為六西格瑪和其它質(zhì)量改善項目采用的理想套裝軟件。從統(tǒng)計過程控制（StatisticalProcessControl）到試驗設(shè)計（ DesignofExperiments），MINITAB? 為你提供實現(xiàn)質(zhì)量項目各階段目標(biāo)的方法；同時“ StatGuide?””和“ReportPad?”等工具將幫助你理解和聯(lián)系你的操作結(jié)果。與普通的軟件相比，MINITAB統(tǒng)計軟件更為精確、可靠、易于使用。除了具有比老版本更多的統(tǒng)計功能外，MINITAB14還有許多更令人興奮的新特點，如：（1）一個強大的新圖形引擎將基于你的數(shù)據(jù)傳遞出精彩的、有洞察力的圖形結(jié)果；（2）更容易創(chuàng)建、編輯、升級圖形；（3）可自定義菜單、工具欄的功能將使你能夠便捷地訪問常用的工具?；窘y(tǒng)計(BasicStatistics)【例題1】有兩組學(xué)生的身高資料，進行描述性統(tǒng)計。Stat－BasicStatistics－DisplayDescriptiveStatistics各主要窗口：Statistics Graphs分析結(jié)果：Stat－StoreDescriptiveStatistics（與上面的區(qū)別在：它把結(jié)果存入 worksheet）各主要窗口：分析結(jié)果：【例題2】測量 9個工件得到資料。假定工件數(shù)據(jù)服從正態(tài)分布并且總體的是否等于 5及其在90％置信度下的置信區(qū)間。

＝0.2，計算總體均值Stat－BasicStatistics－1-SampleZ（功能：提供檢驗與置信區(qū)間的數(shù)據(jù)）各主要窗口：分析結(jié)果：如果總體方差未知，則需要用 t檢驗。Stat－BasicStatistics－1-Samplet（功能：提供檢驗與置信區(qū)間的數(shù)據(jù)）分析結(jié)果：（對比上面兩次檢驗的結(jié)果）【例題3】假定需要研究兩臺室內(nèi)采暖設(shè)備的效率，兩臺設(shè)置假定為 M1和M2，經(jīng)過總體方差測試證明兩臺設(shè)備的能量供應(yīng)數(shù)據(jù)方差沒有明顯區(qū)別?，F(xiàn)在需判斷兩臺采暖設(shè)備能量供應(yīng)數(shù)據(jù)均值之間有無顯著差異，置信度為 95％。Stat－BasicStatistics－2-Samplet（功能：提供檢驗與置信區(qū)間的數(shù)據(jù)）各主要窗口：分析結(jié)果：【例題4】一家鞋廠想測試A、B兩種男用鞋的材料，10位試驗者一只腳穿用A材料做成的鞋子，另外一只腳穿著用材料B做成的鞋子，3個月以后，測量鞋子的磨損狀況，取得了數(shù)據(jù)。Stat－BasicStatistics－Pairedt（功能：提供檢驗與置信區(qū)間的數(shù)據(jù)）主要窗口：分析結(jié)果：【例題5】一個地方議員即將參加州議員競選， 他決定如果多于 65%的本黨選民支持他， 他將角逐州議員職位。假設(shè)他隨機地抽取了 950名本黨選民的意見，發(fā)現(xiàn)有 560名選民支持他，可用單比例檢驗來測試本黨選民對該議員的支持率有無超過 65％，置信區(qū)間為 95％。Stat－BasicStatistics－1Proportion（功能：提供檢驗與置信區(qū)間的數(shù)據(jù)）【例題6】假定貴公司需采購一批鐵線插入機，在對許多候選品牌進行品質(zhì)、價格、交期、服務(wù)條款進行綜合評估后篩選出兩種品牌 A和B，最終決定根據(jù)兩個品牌的可靠性來選擇最后的采購對象。根據(jù)公司現(xiàn)有對這兩個品牌機器的使用狀況，隨機抽取兩種品牌的機器各 50臺，發(fā)現(xiàn)其維修率分別為 :A品牌機器 7次，B品牌機器 5次。用雙比例檢驗來測試兩種品牌的機器維修率有無顯著區(qū)別。Stat－BasicStatistics－2Proportion（功能：提供檢驗與置信區(qū)間的數(shù)據(jù)）【例題7】假定需要研究兩臺室內(nèi)采暖設(shè)備的效率，兩臺設(shè)置假定為

Ml

和M2，現(xiàn)在需判斷兩臺采暖設(shè)備能量供應(yīng)數(shù)據(jù)方差之間有無顯著差異，置信度為

95%，測量數(shù)據(jù)，用雙樣本方差檢驗進行分析。（eg07數(shù)據(jù)）Stat－BasicStatistics－2Variances（功能：提供檢驗與置信區(qū)間的數(shù)據(jù)）【例題8】Stat－BasicStatistics－CorrelationStat－BasicStatistics－Covariance【例題9】檢驗正態(tài)分布Stat－BasicStatistics－NormalityTestReferenceProbabilities：輸入一個包含一組用于概率圖標(biāo)識的概率數(shù)據(jù)的欄。數(shù)據(jù)的值必須在0和l之間，MINITAB將把欄中的數(shù)據(jù)用一條水平參考線繪在概率圖上，并在水平參考線與擬合數(shù)據(jù)的最小平方線相交處畫一條豎直參考線。TestsforNormality：有三種正態(tài)性檢驗方法，分別為基于 ECDF的檢驗、基于相關(guān)分析的檢驗和基于卡方分析的檢驗。回歸分析（Regression）【例題10】已經(jīng)數(shù)據(jù)，需確定血壓（ B）與體重（W）之間的關(guān)系模型。Stat－Regression－Regression分析結(jié)果：【例題11】假定需確定太陽能對房間的影響，為了分析熱流量與測試透鏡在不同方向的聚焦點之間的關(guān)系，擬通過回歸分析確定熱流量與透鏡方向之間的關(guān)系模型。Stat－Regression－Regression分析結(jié)果：【例題

12】某工程師想調(diào)查波峰爐焊接工序生產(chǎn)班次（重（Ｄ）、PCＢ材質(zhì)（Ｅ）、焊鍋型號（Ｆ）

6

A）、預(yù)熱溫度（B）、傳送帶速度（C）、松香比種因素對焊接直通率FPY的影響，取得了數(shù)據(jù)做分析。Stat－Regression－Stepwise主要窗口：分析結(jié)果：最小子集回歸分析法 (BestSubsetsRegression)本法可以結(jié)合用戶確定的預(yù)測因子確定最適合的回歸模型。作為缺省設(shè)置，所有可能的預(yù)測因子子集都將被評估，開始評估時是用一個預(yù)測因子結(jié)合所有回歸模型進行評估，然后增加至兩個因子，直至所有選定的因子。作為缺省設(shè)置，MINITAB提交兩個適用于每種預(yù)測因子的最優(yōu)模型。比如用三個預(yù)測因子進行最好子集回歸分析，MINITAB將提交最好和僅次于最好的單因子模型，然后是最好和僅次于最好的二因子模型，最后是最好和僅次于最好的三因子模型。模型的優(yōu)劣根據(jù)

R值來評估，

MINITAB

將同時給出調(diào)整

R2值、C－P值及

s值。最好子集回歸分析法是一種高效率的用盡可能少的預(yù)測因子來確定模型以達成目標(biāo)的分析方法，子集模型比全因子模型預(yù)測結(jié)果的偏差要小?！纠}13】某工程師調(diào)查各個影響因素對焊接直通率 FPY的影響，為了先了解預(yù)測因子數(shù)量對回歸模型精度的影響，他決定先進行最好子集回歸分析。Stat－Regression－BestSubsetsRegression分析結(jié)果：擬合線圖（FittedLinePlot）執(zhí)行該命令可以用線性和非線性模式（包含 2次項或3次項）進行回歸分析。擬合線圖分析適合對單一預(yù)測因子進行分析的場合?？筛鶕?jù)數(shù)據(jù)畫出回歸線，比例為實際比例或?qū)?shù)比例。多項式相關(guān)模型可以在預(yù)測因子 X與響應(yīng)變量 Y之間存在非線性相關(guān)關(guān)系時進行回歸分析。它在線性模型中加入了

X2

項和

X3項從而可評估非線性影響?！纠}14】假定在波峰焊焊接中需研究松香比重和焊點拉拔力之間的關(guān)系，測得數(shù)據(jù)，用擬合線圖確定適當(dāng)?shù)幕貧w模式。1）Linear：選擇該選項可用線性模型進行回歸分析。2）Quadratic：選擇該選項可用二次模型進行回歸分析。3）Cubic：選擇該選項可用三次模型進行回歸分析。Stat－Regression－FittedLinePlot分別選擇三種類型：殘差圖（ResidualPlots）執(zhí)行該命令可以通過存儲的擬合值和殘差值生成一組用于殘差分析的圖形， 然后通過殘差圖程序生成正態(tài)概率圖、殘差圖、殘差直方圖、殘差與擬合值圖等?！纠}15】一位工程師想調(diào)查一個集熱裝置的焦點位置與所獲得的熱量的關(guān)系，他對南 (SOUTH)、北(NORTH)、東（EAST）三個焦點位置與熱量（ HEATFLUX）的測量數(shù)據(jù)如表。分析流程如下：（1）先用“BestSubsets”確定最適回歸模型，結(jié)果如下圖：（2）用多元回歸分析取得預(yù)測方程和存儲“ Residual”及“Fits”值，結(jié)果如下：（3）作圖Stat－Regression－ResidualPlots（14版好像無此功能）二元后勤回歸（BinaryLogisticRegression）該命令用于相應(yīng)變量為屬性性質(zhì)時進行后勤回歸分析，該響應(yīng)變量允許有兩種可能的取值。【例題16】一位醫(yī)務(wù)人員想研究吸煙和體重對人的脈搏頻率的影響，他將脈搏頻率分為高和低兩類，取得的數(shù)據(jù)如下衰，可用二元后勤回歸分析來研究該例。 （注意：C1-T表示字符數(shù)據(jù)）Stat－Regression－BinaryLogisticRegression分析結(jié)果：順序后勤回歸（OrdinalLogisticRegression）該命令用于響應(yīng)變量為屬性性質(zhì)時進行后勤回歸分析， 該響應(yīng)變量允許有 3種或以上可能的水平并有自然順序?！纠}17】一位生物學(xué)家研究發(fā)現(xiàn)成年蜥蜴的種群數(shù)量在過去數(shù)年有較大幅度下降， 他想分析水的毒性及生長區(qū)域?qū)︱狎嫔鏁r間的影響，他將生存時間小于 10天確定為 1，10～30天之間確定為2，31～60天確定為3。取得的數(shù)據(jù)如下表：“Survival”表示生存時間，“Region”表示區(qū)域，“Toxiclevel”表示水的毒性等級。Stat－Regression－OrdinalLogisticRegression分析結(jié)果：名義后勤回歸（NominalLogisticRegression）名義后勤回歸分析用于響應(yīng)變量為屬性性質(zhì)時進行后勤回歸分析， 該響應(yīng)變量允許有 3種或以上可能的水平并沒有自然順序。比如酸、甜、苦、辣等。【例題18】一位教師想了解學(xué)生年齡及老師的教學(xué)方法與學(xué)生感興趣的課程之間的關(guān)系， 他選擇了 30名學(xué)生，年齡在 10～13歲之間，分別用曾通教學(xué)法和討論教學(xué)法教授了自然、數(shù)學(xué)和語文，在期末對這些學(xué)生進行調(diào)查，收集數(shù)據(jù)，因為本例響應(yīng)變量為課程，期間并無順序關(guān)系，故用名義后勤回歸分析方法進行分析。Stat－Regression－NominalLogisticRegression分析結(jié)果：方差分析（ANOVA）方差分析用于分析一個響應(yīng)變量和一組獨立變量之間的關(guān)系。方差分析與回歸分析不同，方差分析中的獨立變量可以為屬性數(shù)據(jù)且無須假設(shè)變量之間的相關(guān)性，方差分析是對雙樣本T測試的擴展。可以同時比較多個總體均值的互等性。幾種方差分析方法允許模型中既包含定性數(shù)據(jù)又包含定量數(shù)據(jù)。MINITAB的方差分析包括進行普通方差分析、多響應(yīng)變量方差分析、均值分析、方差齊性測試、置信區(qū)間圖、主要影響和交互作用影響圖等?！纠}19】某工程師為確認(rèn)廠家的塑膠料對成型品拉拔力的影響，分別對該公司5家供應(yīng)商提供的塑膠料成型品進行拉拔力的試驗，取得了資料。Stat－ANOVA－One-Way分析結(jié)果：多重比較：【例題20】如果數(shù)據(jù)這樣放：Stat－ANOVA－One-Way（Unstack未疊加）分析結(jié)果：多重比較：【例題21】一位工程師想了解射出壓力（ PRES)和模腔溫度（ TEMP）對部品成型尺寸的影響，他將模腔溫度和射出壓力分別設(shè)置為3個不同的水平，測得某部品一關(guān)鍵尺寸結(jié)果，可用雙因素方差分析法進行分析。Stat－ANOVA－Tow-Way分析結(jié)果：【例題22】－服從正態(tài)分布數(shù)據(jù)一位工程師想通過試驗評估反應(yīng)時間及濃度對一種產(chǎn)品密度的影響，反應(yīng)時間及濃度各設(shè)定了3種水平，取得的數(shù)據(jù)如下表用均值分析評估各主要影響及交互作用影響。Stat－ANOVA－AnalysisofMeans圖形：【例題23】－服從二項分布數(shù)據(jù)一位工程師想分析不同員工的焊接不良率有無顯著差異，他從每位員工的產(chǎn)品中各抽60個樣品，檢查發(fā)現(xiàn)不良率數(shù)據(jù)如下表，因為是二項分布數(shù)據(jù)，因此可用二項分布數(shù)據(jù)的均值分析方法進行分析。Stat－ANOVA－AnalysisofMeans圖形：平衡數(shù)據(jù)的方差分析（BalancedAnalysisofVariance）用于在有多個變量時進行方差分機該分析方法要求數(shù)據(jù)必須為平衡數(shù)據(jù)， 即所有因素水平的組臺必須有相等的觀測值數(shù)量。因素水平間可以是交叉的或嵌套的。最多可同時進行 50個響應(yīng)變量和 31個因素的方差分析。 交叉指A因素的各個水平出現(xiàn)在 B因素的各個水平中， 嵌套指A因素的各個水平出現(xiàn)在 B因素的某個水平中。對話框內(nèi)容：（1）Response：選擇包含響應(yīng)變量的欄； （2）Model：確定需包含在模型中的項目。（3）Randomfactors：確定包含隨機因素的欄?！纠}24】某公司想評價新舊兩個型號計算器對計算時間的影響， 由6位工程師分別用新舊兩種計算器對一個工程問題和統(tǒng)計問題進行算，統(tǒng)計出計算時間數(shù)據(jù)，本例是交叉數(shù)據(jù)，可用平衡數(shù)據(jù)方差分析法進行分析。Stat－ANOVA－AnalysisofMeans分析結(jié)果：通用線性模型（GeneralLinearModel）可以對平衡數(shù)據(jù)和非平衡數(shù)據(jù)進行多變量方差分析。分析協(xié)變量并進行回歸分析，可以生成一個矩陣，在矩陣中包含每個相應(yīng)變量的協(xié)方差。通用線性模型方差分析要求數(shù)據(jù)格式可以是交叉的或嵌套的、固定的或隨機的，可以對多達 50個響應(yīng)變量和 31個因素和 50個協(xié)變量在同一時間進行分析。對話框內(nèi)容：（1）Response：選擇包含響應(yīng)變量的欄。 （2）Model：確定需包含在模型中的項目。（3）Randomfactors：確定包含隨機因素的欄?！纠}25】某農(nóng)場購買了 4個廠家的 11種殺蟲劑用來殺滅一種飛蛾，農(nóng)藝師想比較不同公司生產(chǎn)的殺蟲劑的有效性，他設(shè)計的試驗方案為在33個玻璃容器中放入400只飛蛾，分別用11種殺蟲劑進行殺滅，重復(fù)進行3次試驗，4小時后觀察容器中尚在生存的飛蛾數(shù)量，并據(jù)此進行分析判定。本例的因素數(shù)有兩個，一個為生產(chǎn)殺蟲劑的公司，水平有四個，一個是殺蟲劑型號，共有11種。因為殺蟲劑型號與公司之間存在對應(yīng)關(guān)系，因此因素問為嵌套關(guān)系。可用通用線性模型進行分析。Stat－ANOVA－GeneralLinearModel分析結(jié)果：完全嵌套數(shù)據(jù)的方差分析（ FullyNestedANOVA）完全嵌套數(shù)據(jù)的方差分析方法可以對完金嵌套數(shù)據(jù)進行方差分析并估計各個響應(yīng)變量的方差構(gòu)成。所有因素假定為隨機執(zhí)該分析方法可以同時分析 9個因素和 50個響應(yīng)變量進行方差分析。對話框內(nèi)容：（1）Response：選擇包含響應(yīng)變量的欄 （2）Factors：輸入包含因素的欄?！纠}26】某工程師想研究玻璃罐制造過程的變差來源， 他從4個生產(chǎn)同一產(chǎn)品的子工廠各抽 4名作業(yè)員（各工廠實行 4班工作制每班抽一人）進行試驗，重復(fù)試驗 3次，響應(yīng)變量為玻璃罐制造過程的關(guān)鍵工序混料工序的溫度，要求為 475度。因為各因素水平為嵌套關(guān)系，故對其進行完全嵌套數(shù)據(jù)的方差分析。Stat－ANOVA－FullyNestedANOVA分析結(jié)果：平衡數(shù)據(jù)多個響應(yīng)變量時的方差分析

（BalancedMANOVA）該方法可在晌應(yīng)變量為多個時對平衡數(shù)據(jù)進行方差分析并可同時測試各響應(yīng)變量均值的互等性。因素可以是交叉或嵌套的。固定的或隨機的。區(qū)分隨機因素和固定因素的方法是看其在試驗設(shè)計時的角色。假定因素為一個機器操作員，如果試驗?zāi)繕?biāo)為研究每個操作員，比如操作員因素對機器產(chǎn)能的影響，此時操作員為固定因素 ;如果操作員是從總體中隨機抽取，關(guān)心的對象為總體而不是單個操作員，則操作員因素為隨機因素。除非特別指明， MINITAB將缺省設(shè)置所有因素為固定因素。指定正確的因素類別對能否得到因素正確的誤差項是很重要的。對話框內(nèi)容：（1）Response：選擇包含響應(yīng)變量的欄，最多可達 50個。（2）Model：確定需包含在模型中的項目。 （3）Randomfactors：確定包含隨機因素的欄?！纠}27】一位工程師想研究確定膠卷成型工序的優(yōu)化條件，他選用三個評價項目：撕扯阻力、表面光澤和透明度。試驗因素為成型射出速度和添加劑含量。兩個因素水平數(shù)都分為高和低兩個，每個組合重復(fù)試驗5次。數(shù)據(jù)如下表，因為是平衡數(shù)據(jù)，且有多個響應(yīng)變量，故用此法進行分析。Stat－ANOVA－BalancedMANOVA分析結(jié)果：通用多響應(yīng)變量方差分析（ GeneralMANOVA）該方法可在響應(yīng)變量為多個時對平衡數(shù)據(jù) H或非平衡數(shù)據(jù)進行方差分析并可同時測試各響應(yīng)變量均值的互等性。因素可以是交叉或嵌套的。但不能指定隨機因素。對話框內(nèi)容：（1）Response：選擇包含響應(yīng)變量的欄，最多可達 50個。（2）2Model：確定需包含在模型中的項目?！纠}28】仍以平衡數(shù)據(jù)多響應(yīng)變量方差分析例的數(shù)據(jù)為例。Stat－ANOVA－GeneralMANOVA方差齊性測試（TestEqualVariance）執(zhí)行該命令可用“ Bartlett”和“Levenne”方法來測試一組總體方差的互等性。對話框內(nèi)容：（1）Response：選擇包含響應(yīng)變量的欄，最多可達 50個。（2）Factors：確定需包含在模型中的因素。 （3）Confidencelevel：確定置信度水平。缺省值為 95%。（4）Title：輸入標(biāo)題。【例題29】某公司用 4臺機床加工同一種工件，某工程師想了解 4臺機床的加工精度有無差異，從每合機床抽取 20個零件，測得數(shù)據(jù)。表中“ SIZE”欄為零件尺寸，“EQUIP”欄為機床代號，表示為A、B、C、D。通過分析加工尺寸的方差即可判斷加工精度，因此可用方差齊性測試來解決該問題。Stat－ANOVA－TestEqualVariance分析結(jié)果：質(zhì)量控制(QualityTools)柏拉圖（ParetoChart）柏拉圖用于確認(rèn)關(guān)鍵的少數(shù)因素。 MINITAB 的柏拉圖分析可以將所有數(shù)據(jù)作于一張圖上，也可將數(shù)據(jù)分組作于不同的圖上。對話框內(nèi)容：（1）Chartdefectsdatain：選擇包含原始數(shù)據(jù)的欄。缺陷數(shù)據(jù)可以是文本或數(shù)據(jù)。對于文本而言，每個缺陷名可以輸入 72個字符，但 MINITAB 只能識別前 15個，故輸入時前15個字符需相區(qū)分。（2）Byvariablein：選擇包含用以分組的指示變量的欄。欄的長度需與數(shù)據(jù)欄相同。A．Default：顯示所有數(shù)據(jù)在一張圖上。 B．OneChartperpage，SameOrderingOfbars：分別顯示各組數(shù)據(jù)在一張圖上。 C．Onechartperpage，independentorderingofbars：分別顯示各組數(shù)據(jù)在不同圖上。 （3）Chartdefectstable：如數(shù)據(jù)輸入格式為缺陷名和缺陷頻率時選擇該項?！纠}30】某工程師想分析其公司某種產(chǎn)品不良項目中的主要不良，取得的數(shù)據(jù)。Stat－QualityTools －ParetoChart圖形如下：因果圖，又稱魚刺圖（Cause－andEffectDiagram）因果圖用以組織通過腦力激蕩產(chǎn)生的關(guān)于問題原因的潛在信息， 幫助我們尋找問題原因之