Minitab实战(57页DOC).docx
57页……………………………………………………………最新资料推荐…………………………………………………minitab操作有些时候我们在复制数据进入minitab后，由于分析的需要，需要对数据的排列进行处理，我们会有很多偷懒的方法，先看看下图的命令菜单l 它们分别为堆叠栏、堆叠栏块、堆叠行针对下图的数据我们在选择上面的堆叠栏时，出现如图的对话框，并如图输入指令时，堆叠行的对话框操作基本与堆叠栏相同，输出的不同可以根据附图看出堆叠的操作在很多的分析中可以应用，如方差分析、测量系统分析、控制图等等l 转换栏操作1有些时候我们的数据需要从栏的顺序结构转换为行的结构，这时可以使用转换栏操作，如图l 转换栏操作2利用转换栏的操作，针对下图1的数据，进行图2的对话框操作后的结果如图1将A、B栏的数据转换为行的格式转换栏前后数据l 按序排列数据有时为了分析和观察的方便，需要将数据按某栏的数据大小进行排列，这是可以使用sort命令，对话框如图针对图1的数据按图2对话框操作以后的数据排列效果如图1l 栏运算1在进行minitab分析时，有时需要对数据进行简单的运算或函数运算，完成这个功能的菜单操作如图1，出现的对话框及简要的操作方法如图2。
sample针对图中的C1栏进行简单运算和对数运算的结果如图l 行、栏统计1我们有时需要对某一栏或行的数据进行一些基本统计，执行如图菜单可帮帮你在执行菜单后出现的对话框如图，此命令一次只提供一个基本统计参数的运算，包括：均指、和、方差、极值、缺失数据等，然后输入需要计算的栏或行所在栏组就可以了l 标准化操作标准化结合与分布概念应该不是一个陌生的名词，minitab的操作菜单如图从出现的对话框来看，minitab提供5种标准化的方法：1.减去均值并除以标准差；2.减去均值；3.除以标准差；4.减去指定的值并除以指定的值；5.将数据标准化，使得数据变化在某个范围内什么是标准化结合？是标准化操作，例如将均值为μ，标准差为σ的正态分布转化为标准正态分布，其操作就是（x-μ）/σ，这个应用是很重要的各种常见的标准化操作上面讲的5种，但应用第一种居多l 生成模板数据有时我们在进行输入数据的时候，有些数据是呈现某种规律的，但一个个输入就显得比较麻烦，我们可以试试生成模板数据这个操作，菜单操作如图生成模板数据共有5种：1.等距数据的生成2.自定义数列数据的生成3.自定义文本数据的生成4.等距日期数据的生成5.自定义日期数据的生成等距数据的操作如图1，例如生成简单的1到3的数据，间距为1，每个数据重复2次，总体重复两次，按图1操作后，输出结果如图2。
生成自定义数列数据的对话框如图，例如生成数列为1、3、9的数据，每个数据重复2次，总体重复两次，按图1操作后，输出结果如图2对于其它几种模板数据的生成方式，操作基本与上面讲述的对话框操作及生成结果相似，例如自定义文本数据的生成，就是在Text values (e.g., red "light blue")框中输入要生成的文本数列就可以了，如a、b、cl 生成随机数据进行随机抽样或生成各种分布的随机数据，可以进行一些验证分析和抽样分析，其菜单操作如图选择上面菜单的Sample From Columns，出现进行随机抽样的对话框及操作如图1例如我们要从总体为1-10的数据中随机抽取5个样本，则在Sample ___ rows from column(s)中输入5，并给出总体数据1-10所在栏，选择存储位置，选择是否重复抽样等后，输出结果如图2如果抽取的样本量大于总体数据量，就必须选择Sample with replacement，也就是允许重复抽样，例如从1-10中抽取12个数据，输出如图2生成随机数菜单的后续选项主要就是生成服从各种分布的随机数据，其输入的内容主要是：1.生成分布数据的样本量为多少2.存储数据的栏3.确定分布的参数值给定，如正态分布的均值和标准差，卡方分布的自由度，F分布的分子和分母自由度。
以下是生成卡方分布的示例：1.样本量为102.生成10组，分别存储于C1-C103.自由度给定为5对话框的输入和数据输出结果如图其它的分布数据生成类似l 很多时候我们因为没有现成的分布概率表，所以无从查起，minitab中提供了这个功能，如附图所示菜单操作，它提供了多种分布的概率密度函数值、累积概率密度及分位数值得计算在出现的对话框中，请求选择的也是这三个值，任君选择，三个值得图形含义见附图2示例需求标准正态分布的均值位置的累积概率对话框输入如图，结果如下：Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1x P( X <= x 0 0.5示例2需计算标准正态分布的0.9分位数，操作如图，输出结果如下：Inverse Cumulative Distribution Function Normal with mean = 0 and standard deviation = 1P( X <= x x 0.9 1.28155l 基本描述性统计1我们在得到简单的样本数据之后，希望对其进行一些基本的描述性统计分析，从分析中对总体做出一些估计，比如参数的水平、离散程度、分布形态等等，对我们做进一步的分析有很大的作用。
描述性统计包括3个菜单项，如图，其结果基本相等，最后者默认多了几个图形、置信区间及正态的检验我们将display Descriptive Statistics 和stroe Descriptive Statistics 一并讲述，其菜单操作完全一致，只是后者在woksheet窗口存储分析结果以以下数据进行描述性统计分析示例，菜单操作如图，在Variables中输入数据，在By variables输入分组的指标栏（如果存在分组的情况）机台 数据1 1051 1061 1091 1031 1082 922 972 902 992 95默认的分析参数结果如下Descriptive Statistics: 数据 Variable 机台 N N* Mean SE Mean StDev Minimum Q1 Median Q3数据 1 5 0 106.20 1.07 2.39 103.00 104.00 106.00 108.50 2 5 0 94.60 1.63 3.65 90.00 91.00 95.00 98.00Variable 机台 Maximum数据 1 109.00 2 99.00其中的输出包括均值、均值标准差、样本标准差、极值、一三分位数在描述统计的主队框内还有两个复选的对话框，statistics和graphs，前者对分析结果的中的统计参数进行设置，后者可以生成相应的图形。
graphical summary图形概要分析，将部分图形和数据分析结果整合为一张图形，菜单操作为Stat > Basic Statistics > Graphical Summary，其对华框输入很简单，如图1，例如对以下数据的分析，分析结果如图2date20.676020.480720.238819.502719.297122.300317.781819.903720.380920.054620.016220.707421.327620.538619.619618.970819.923220.348320.661220.607718.027319.956219.554720.637021.643120.290420.724119.221419.985219.02991-Sample ZStat > Basic Statistics > 1-Sample Z单样本Z检验，假设检验的一种，检验样本的均值水平，总体的标准差已知（一般来源于可靠有效的历史数据结果或某些特殊场合）的情况例如针对以下数据，检验原假设为样本均值等于34，检验的对话框操作如图date30.108530.134829.116731.398030.363230.146031.388830.430830.654731.045630.494629.555431.423031.961930.547429.290029.760630.512531.106129.694829.546129.801628.872730.445529.864930.556330.051728.671830.304731.4132minitab输出结果为，P值近似为0，说明拒绝原假设，均值不等于34。
One-Sample Z: date Test of mu = 34 vs not = 34The assumed standard deviation = 1Variable N Mean StDev SE Mean 95% CI Z Pdate 30 30.2887 0.8032 0.1826 (29.9309, 30.6466) -20.33 0.000点击1-sample t test对话框的options，弹出对话框如图，其中可以自行输入置信度水平和选择假设检验的备择假设形式1-sample t test单样本t检验与单样本Z检验虽然在操作上比较相同，但其应用是不同的，单样本t检验主要针对总体标准差未知的情况针对上例的数据，采用1-sample t检验，操作如图，结果如下：One-Sample T: date Test of mu = 34 vs not = 34Variable N Mean StDev SE Mean 95% CI T Pdate 30 20.0802 0.9415 0.1719 (19.7286, 20.4318) -80.98 0.000（options复选对话框的操作意义相同）2-sample t testStat > Basic Statistics > 2-Sample t。
