minitab培训课件

Minitab17培训课程绘制图形ByAnson统计学概述统计学是研究如何搜集、整理、分析数据资料的一门方法论科学。统计学的研究对象：大量现象的数量方面。包括数量特征、数量关系、数量界限等。数理统计学以随机样本为基础推论有关总体数量特征的推断统计学。PS:计数值数据，是以正整数(自然数)的方式表现，如到会的人数，今天生产的产品件数，产品表面的缺陷数等。计数值数据又分为计件值数据和计点值数据。Minitab简介按传统的手工方式进行统计分析，往往费时费力，且结果误差较大、功能有限，令人倍感失望。如果能借助准确易用的专业统计软件，效果会大为改观。目前Minitab是全球公认的在质量改进和六西格玛市场上运用的主要统计软件。Minitab1972年成立于美国的宾夕法尼亚州州立大学(PennsylvaniaStateUniversity)的统计系，到目前为止，已经在全球100多个国家，4800多所高校被广泛使用。它是一个全方位的软件包，提供了普通统计学所涉及的所有功能，如描述性统计分析、假设检验、相关与回归等，并包括了丰富的质量分析工具，如统计过程分析、试验设计、测量系统分析、可靠性分析和抽样验收等。这些内容都可以在软件中轻松实现。同时，Minitab能够绘制箱线图、直方图、散点图、时间序列图，等20多类统计图形，生动形象地显示了数据分析的结果。通过完美地结合以人为本的操作平台和功能强大的后台支持，Minitab使统计学在六西格玛中的应用如虎添翼，所以minitab团建又称为‘非统计学者的统计软件’。数据处理，迅速便捷图形处理，直观形象问题解决，深入全面Minitab特点培训目标学会Minitab的软件常用操作逐步学会在实际工作中应用Minitab进行简单图形制作以及分析Minitab视窗结构工作表窗口图形窗口会话窗口项目管理窗口文件类型对工作表（.MTW格式）对项目（.MPJ格式）对图形（.MGF格式）数据类型注：虽然数据窗口以电子表格方式展现，但与Excel表格还是不同的，在minitab中数据的类型只有三种：数字、文本和日期/时间，软件默认的是数字类型，若是文本或日期型，则会在列好后面加后缀“-T”或“-D”。图形分析概述：图形是数据潜在信息的直观体现，我们通过图形可以更清楚、更直观的了解数据的信息和数据的分布，从而让我们了解当前情况，对问题的解决更有的放矢。Minitab包含我们常用的图形制作、并且可以实现图形编辑功能，它会对问题的解决起到事半功倍的效果。常用图形描述性统计图形：箱线图、点图、直方图、散点图、时间序列图、矩阵图、条形图、饼图、概率图等质量工具图形：Pareto、鱼骨图，主效应图、多变异图图形的选择•该用什么工具用什么工具准确•使用工具后就要有所收获有效•能用简单的就不用复杂的恰当•工具要‘使用’不要事后编套真实•先学后用、学会在用、学以致用正确图形选用注意事项散点图能显示出自变量X跟响应变量Y的关系。X(input)Y(output)散点图显示输入（x）跟输出(Y)的变化关系。当这些点随机的分布的时候，表示输入与输出之间没有什么关系。散点图相关系数r变化范围是：-1到1r=–1绝对负相关r=0无线性关系r=+1绝对正相关•强正相关:当x增大，y也增大。这种情况说明x与y之间存在相当明显的相关关系。•弱正相关:当x增大，y有增大的趋势，但不明显。这种情况说明除x对y有影响外，还有其他不能忽视的影响因素。•无相关：当x增大，y没有明显的增大或减小的趋势，可能增大，也可能减小。这种情况下看不出x与y之间有关，称为无相关。•弱负相关：当x增大，y有减小的趋势，说明除x对y有影响之外，还有其他不能忽视的影响因素。•强负相关：当x增大y明显地相应减小。散布图的观察分析质量特性值与影响因素之间的关系每组均包含回归线的散点图示例（本培训示例说使用的数据均采用Minitab17软件自带的数据，路径：中文简体---样本数据）您很关心公司相机电池的新配方是否能够很好地满足顾客的需要。市场调查显示，如果两次放电之间等待的时间超过5.25秒，顾客就会变得很不耐烦。您收集了使用过不同时间的（新旧配方）电池的样本。然后，您在每个电池放电后立即测量了其剩余电压（放电后电压），而且还测量了电池能够再次放电所需的时间（放电恢复时间）。请创建一个按配方分组的散点图来检查结果。每组包括一条回归线并包括位于5.25秒的临界放电恢复时间处的参考线。1打开工作表“电池数.MTW”。2选择图形散点图。3选择包含回归和组，然后单击确定。4在Y变量下，输入放电恢复。在X变量下，输入放电后电压。5在用于分组的类别变量(0-3)中，输入配方。6单击尺度，然后单击参考线选项卡。7在显示Y值的参考线中，键入5.25。在每个对话框中单击确定。解释结果Minitab为每个组分别计算回归方程，并在图形中绘制相应的回归线。这些回归线说明，在测试的电压范围内，老配方的恢复时间通常要比通过新配方实现的恢复时间要长。就老配方而言，电压低于1.38伏时，恢复时间就会超过5.25秒。相比之下，对于新配方，电压为1.03伏时其恢复时间仍然低于5.25秒。直方图您为一家洗发精制造商工作，您需要确保瓶盖的紧固程度适当。如果瓶盖扣得过松，则有可能在装运过程中脱落。如果扣得过紧，消费者可能很难打开（尤其是在洗浴过程中）。您随机抽取一些瓶子样本，并检测打开瓶盖所需的扭矩。创建一个包含拟合正态分布的直方图来评估样本与目标值18的接近程度，以及数据是否呈正态分布。1打开工作表罩.MTW。2选择图形直方图。3选择包含拟合，然后单击确定。4在图形变量中，输入转矩。5单击尺度，然后单击参考线选项卡。6在在数据值处显示参考线，输入18。7在每个对话框中单击确定。图形窗口输出(右图）包含拟合的直方图示例解释结果样本的扭矩均值为21.26，略高于目标值18。只有一个瓶盖过松，扭矩小于11。但是，分布呈正向偏斜，并且有多个瓶盖拧得过紧。许多瓶盖需要大于24的扭矩才能打开，5个瓶盖的扭矩大于33，这几乎是目标值的两倍。因为样本数据呈正向偏斜，所以正态分布的拟合并不理想。包含拟合和组的直方图示例您在一家汽车工厂工作，目前正面临所用凸轮轴长度的变异性问题。您想了解由两家供应商提供的凸轮轴的质量是否相当，因此从每家随机抽取100件凸轮轴测量其长度。创建一个包含数据的重叠拟合正态分布的图形来比较来自两家供应商的样本。1打开工作表“凸轮轴.MTW”。2选择图形直方图。3选择包含拟合和组，然后单击确定。4在图形变量中，输入供应商1供应商2。单击确定。图形窗口输出解释结果供应商1的凸轮轴似乎比供应商2的凸轮轴短。这可以从表格中的均值（分别为599.5和600.2）以及拟合正态分布峰值的相对位置看出来。供应商2样本的标准差(1.874)远远高于供应商1的标准差(0.6193)。这使得供应商2的拟合正态分布较低且较宽。供应商2的产品中大量变异性可能是导致凸轮轴长度不一致的主要原因。箱线图（Boxplot）也称箱须图（Box-whiskerPlot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。箱线图概述箱线图功能1.直观明了地识别数据批中的异常值。2.利用箱线图判断数据批的偏态和尾重。3.利用箱线图比较几批数据的形状。箱线图的局限1、不能提供关于数据分布偏态和尾重程度的精确度量。2、对于批量比较大的数据批，反应的形状信息更加模糊。3、用中位数代表总体评价水平有一定的局限性。箱线图四分位数，就是把组中所有数据由小到大排列并分成四等份，处于三个分割点位置的数字就是四分位数。第一四分位数（Q1），又称“较小四分位数”或“下四分位数”，等于该样本中所有数值由小到大排列后第25%的数字。第二四分位数（Q2），又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字。第三四分位数（Q3），又称“较大四分位数”或“上四分位数”，等于该样本中所有数值由小到大排列后第75%的数字。第三四分位数与第一四分位数的差距又称四分位间距（InterQuartileRange，IQR）。众数：指一组数据中出现次数最多的那个数据，一组数据可以有多个众数，也可以没有众数。从分布角度看，众数是具有明显集中趋势的数值。众数不受极大或极小值的影响。众数的计算只有在总体比较多，而且又是明显集中于某个变量值时才具有意义。中位数：将数据按大小顺序排列起来，形成一个数列，居于数列中间位置的那个数据。。中位数的作用与算术平均数相近，也是作为所研究数据的代表值。在一个等差数列或一个正态分布数列中，中位数就等于算术平均数用数学公式的方法快速确认分位数Minitab举例操作（含组的箱线图）评估四款试验性地毯产品的耐用性。这些地毯产品的样本放在四个家庭中，您将在60天后评估其耐用性。创建带有中位数标签和颜色框的箱线图来检验每款地毯产品的耐用性分布。1打开工作表“地毯.MTW”。2选择图形箱线图。3在一个Y下，选择含组。单击确定。4在图形变量中，输入耐用性。5在用于分组的类别变量（1-4，第一个为最外层）中，输入地毯。6单击标签，然后单击数据标签选项卡。7从标签中，选择中位数。选择使用y值作标签。单击确定。8单击数据视图。9在属性数据作为类别变量中，输入地毯。在每个对话框中单击确定。解释结果地毯4的耐用性中位数最高(19.75)。但是，该产品同时也呈现出最大的变异性，四分位数间距为9.855。此外，该分布呈负向偏斜，其中至少一个耐用性测量值为10左右。地毯1和3具有相近的耐用性中位数（分别为13.52和12.895）。地毯3还呈现出最小的变异性，四分位数间距仅为2.8925。地毯2的耐用性中位数仅为8.625。该分布与地毯1的分布呈正向偏斜，四分位数间距约为5-6某公司生产塑料管，检验员想了解塑料管直径的一致性。他要测量每台机器在3周内生产的管件，每周各测量10个管件。创建一个箱线图来检验分布情况。1打开工作表“管道.MTW”。2选择图形箱线图。3在多个Y下，选择含组。单击确定。4在图形变量中，输入'第1个星期''第2个星期''第3个星期'。5在用于分组的类别变量（1-3，第一个为最外层）中，输入机器。6在图形变量的尺度水平下，选择显示在尺度最内层的图形变量。单击确定。Minitab举例操作（含多个Y和组的箱线图）解释结果该箱线图显示：对于机器1，直径中位数和变异性看来每周都在增加。对于机器2，直径中位数和变异性在各周似乎都比较稳定。饼图：用于显示每个数据类别相对于整个数据集的比率。饼图例1作为一家轮胎公司的工程师，您希望找出轮胎漏气最常见的原因。您从一组选定的服务站收集了三个月的现场数据。您使用汇总数据创建了一个漏气原因的饼图。1打开工作表“轮胎.MTW”。2选择图形饼图。3选择用整理好的表格画图。4在类别变量中，输入原因A。在汇总变量中，输入计数。5单击饼图选项。在排列扇形区，按中，选择大小递减。单击确定。6单击标签。单击扇形区标签选项卡。7在标签扇形区中，选中百分比。8在每个对话框中单击确定。解释结果该饼图显示了每种轮胎漏气原因的相对频率，并按频率从高到低的顺序排序。从饼图顶部的第一个类别开始，按顺时针排列各个类别。最常见的漏气原因是“穿孔”，其次是“阀杆泄漏”。出现频率最低的原因是“底座泄漏”。饼图时间序列图也叫推移图,是以时间轴为横轴,变量为纵轴，用于评估数据随时间变化的一种图形。时间序列图使用此图：检测一段时间内数据中的趋势检测数据中的季节性比较各组的趋势Minitab在垂直的y轴上绘制时间序列数据，在水平的x轴上绘制时间。如果数据不是按时间排序，或者数据采集区间不规则，则可能需要创建散点图作为替代。时间序列图Minitab举例操作（时间序列图）医院的管理者想要检查过去两年中确诊的心脏病患者数量，以分析数据中的趋势1打开工作表“患者.MTW”。2选择图形时间序列图。3选择多个。4在