Minitab单因素方差分析PPT课件84页.ppt

方差分析方差分析实际工作中这样的问题：几种不同的原料对产品质量有无显著影响这里考察的对象：原料称为因素因素把因素所对应的状态称为水平水平当考察的因素只有一个时，称为单因素问题单因素问题Minitab方差分析 (analysis of variance 简称ANOVAANOVA).Minitab方差分析•例 考察温度对某一化工产品的得率的影响，选了五种不同的温度，同一温度作了三次试验，测得的结果如下：温度6065707580得率909796848492939683868892938882平均得率9094958584Minitab•要分析不同的温度对得率的影响，考虑如下的问题：同一温度下的得率不一样，差异原因称为试验误差；•温度的不同引起的得率的差异称为条件误差方差分析Minitab当我们要问温度对得率到底有无确切的影响时，由于上述多种误差原因的存在，就不能随意回答.方差分析Minitab方差分析的功能功能：：分析实验数据中不同来源的变异对总变异的贡献大小，确定实验中的自变量是否对因变量有重要影响方差分析的方法方法：检验各总体的均值是否相等来判断分类型自变量（因素）对数值型因变量是否有影响。

方差分析Minitab方差分析•方差分析与回归分析的区别：当研究的是两个数值型变量的关系时是回归分析.•回归分析沿水平轴的自变量是数值型变量，而方差分析中是分类变量 Minitab方差分析•在因素只有一个时不一定要采用方差分析，可以采用t-检验和 z-检验•t-检验和 z-检验不能用于多于 2 个样本的数据. 此时就要采方差分析•方差分析有单因素与多因素的区分Minitab单因素方差分析理论基础单因素方差分析单因子试验的一般概述（记号） 在一个试验中只考察一个因子A及其r个水平A1，A2，… ，Ar．在水平Ai下重复mi次试验，总试验次数n= m1+m2 +…+ mr．    记yij是第i个水平下的第j次重复试验的结果，这里i ——水平号，j ——重复号．经过随机化后，所得的n个试验结果列于下表．单因子试验的数据：Minitab单因素方差分析单因子试验的三项基本假定 A1.正态性正态性在水平Ａi下的数据yi1, yi2,…, yimi是来自正态总体的一个样本，i=1,2…,r．A2.方差齐性方差齐性r个正态总体的方差相等，即　　　　　　　　　．A3.随机性随机性所有数据yij都相互独立． 单因子试验所涉及的多个正态总体 Minitab单因素方差分析　单因子试验的统计模型  其中   是因子A的第i个水平下第j次试验结果；    是因子A的第i个水平的均值，是待估参数；    是因子A的第i个水平下第j次试验误差，它们是相互独立同分布　　　　的随机变量．由此可知：单因子试验的三项基本假定用到试验数据yij上去，可得到如下统计模型：Minitab单因子方差分析Minitab单因子方差分析　总平方和的分解公式Minitab单因子方差分析Minitab单因子方差分析　总平方和的分解公式Minitab单因子方差分析　均方和Minitab单因子方差分析　F检验Minitab单因素方差分析　方差分析表Minitab 例例2: 茶是一种饮料，它含有叶酸（folacin），这是一种维他命B。

如今要比较各种茶叶中的叶酸含量现选定绿茶，这是一个因子，用A表示又选定四个产地的绿茶，记为A1, A2, A3, A4，它是因子A的四个水平为测定试验误差，需要重复我们选用水平重复数不等的不平衡设计，即A1, A2, A3, A4分别制作了7,5,6,6个样品，共有24个样品等待测试单因素方差分析Minitab单因素方差分析•采用随机化试验方法，填写试验结果. Minitab四个产地绿茶叶酸含量的打点图（dotplot）     图上○表示叶酸含量，–线表示样本均值下述一些直观的印象是重要.•图中每种绿茶的叶酸含量有高有低.•从样本均值看，A1与A2的叶酸含量偏高一些.•从样本极差看， A1，A2 ，A3 的极差接近， A4的略小一点单因素方差分析Minitab单因素方差分析Minitab单因素方差分析　诸均值的参数估计Minitab单因素方差分析　小结Minitab多重比较多重比较 •r个水平均值是否彼此相等？用方差分析方法．•假如r个均值不全相等，哪些均值间的差异是重要的？用多重比较．Minitab多重比较Minitab多重比较　重复数相等情况的多重比较(T法)Minitab多重比较　重复数相等情况的多重比较(T法)Minitab多重比较　重复数不等情况的多重比较(S法)Minitab多重比较　重复数不等情况的多重比较(S法）Minitab多重比较的Minitab参数设置•个别误差率与全族误差率（显著性水平）个别误差率与全族误差率（显著性水平） 与多重比较关联的类型 I 误差率（假设检验第I类错误的概率）通常用于确定方差分析中的特定因子水平之间的显著差异。

Minitab•个别误差率个别误差率 单一比较错误地断定实测差异与原假设显著不同的最大概率此概率等于为假设检验选择的显著性水平•全族误差率全族误差率 由多个比较组成的过程错误地断定至少有一个实测差异与原假设显著不同的最大概率全族误差率基于个别误差率和比较次数对于单一比较，全族误差率等于个别误差率但是，每个附加比较都会导致全族误差率不断增加Minitab多重比较的误差率•示例示例•查看五个不同钢铁厂的钢强度（在每个工厂中使用 25 个样本），可以运行单因子方差分析 方差分析产生的 p 值小于 0.05，断定至少有一个工厂的平均值不同于其他工厂的平均值  •查看五个工厂之间所有的 10 个比较，以明确确定哪些平均值是不同的Minitab多重比较的误差率•如果为 10 个比较中的每一个指定的 Alpha 均为 0.05（个别误差率），则 Minitab 将针对由 10 个比较组成的一组计算全族误差率，即 0.28但是，如果要让整个一组比较的全族误差率为 0.05，则 Minitab 为每个单个比较指定的 Alpha 均为 0.007Minitab多重比较的误差率•许氏与最佳值的多重比较许氏与最佳值的多重比较 (MCB)•专门用于确定最佳因子水平、与最佳值稍有差异的因子水平、以及与最佳值有显著差异的因子水平的多重比较方法。

可以将“最佳值”定义为最高平均值或最低平均值•许氏 MCB 将为每个水平均值与其余水平均值的最佳值之间的差异创建置信区间MinitabMinitab多重比较方法•具体地说：•  最高为最佳 最低为最佳•置信区间包含零置信区间包含零 无差异 无差异•置信区间整个大于零置信区间整个大于零明显更好 明显更差•置信区间整个小于零置信区间整个小于零明显更差 明显更好MinitabMinitab多重比较方法•Fisher 最低显著性差异最低显著性差异 (LSD) 法法•将个别误差率控制到指定水平的同时，为因子水平均值之间的配对差异创建置信区间•Fisher 法随后使用个别误差率和比较次数为所有置信区间计算同时置信水平同时置信水平此同时置信水平是所有置信区间包含实际差值的概率MinitabMinitab多重比较方法Minitab•例，测量内存芯片的响应时间从五个不同的制造商处抽取 25 个芯片作为样本方差分析产生的 p 值为 0.01，至少有一个制造商的平均值不同于其他制造商  •查看五个工厂之间所有的 10 个比较，以明确确定哪些平均值是不同的•使用 Fisher 法，可以指定每个比较的个别误差率都应为 0.05（等效于 95% 置信水平）。

Minitab 将创建这十个 95% 置信区间，并计算出这一组置信区间的71.79% 同时置信水平Minitab多重比较方法•多重比较的多重比较的 Dunnett 法法•用于为每个因子水平的平均值与控制组控制组平均值之间的差异创建置信区间•为所有比较指定全族误差率，Dunnett 法针对每个单个比较相应地确定置信水平MinitabMinitab多重比较方法•Tukey，全族误差率：，全族误差率：选中此项可通过使用 Tukey 方法（在不平衡情况下也称为 Tukey-Kramer）获得水平平均值之间的所有配对差异，然后输入介于 0.5 和 0.001 之间的全族误差率大于等于 1.0 的值解释为百分比默认误差率为 0.05MinitabMinitab多重比较方法•Fisher，个别误差率：，个别误差率：选中此项可通过使用 Fisher 的 LSD 过程获得水平平均值之间的所有配对差异，然后输入介于 0.5 和 0.001 之间的个别误差率MinitabMinitab多重比较方法•Dunnett，全族误差率：，全族误差率：选中此项可为每个处理平均值和控制平均值之间的差异提供双侧置信区间，然后输入介于 0.5 和 0.001 之间的全族误差率。

•对照组水平：对照组水平：输入用于对照组因子水平的值MinitabMinitab多重比较方法Minitab•许氏许氏 MCB，全族误差率：，全族误差率：选中此项将获得每个水平平均值与其他水平均值中的最佳值之间的差异的置信区间 "最佳"有两种选择如果将最小平均值视为最佳，则设置 K = -1；如果将最大平均值视为最佳，则设置 K = 1•最大为最佳：最大为最佳：选择此项会将最大平均值视为最佳•最小为最佳：最小为最佳：选择此项会将最小平均值视为最佳Minitab多重比较方法残差检验•残差是否正态分布—正态概率图、直方图•残差是否序列相关—残差与顺序图•残差是否异方差—残差与拟合值图残差概率图Minitab残差概率图Minitab方差齐性检验MinitabMinitab•某项研究对三类公路上有行驶经验以及无行驶经验的驾驶员进行比较这两个因子是：    •驾驶经验在此次研究中，分别采用了 8 名无经验和 8 名有经验的驾驶员经验具有两个水平，其代码分别为有经验 = 1，无经验 = 0•道路类型每位驾驶员在三种道路的其中一种上驾驶三个水平分别编码为一级公路 = 1，二级公路 = 2，土路 = 3。

•检验人员记录了每位驾驶员在每种公路上所做的控制校正次数响应变量为“校正”下面给出了数据集：• •                     道路类型•经验        1       2       3•0             4      23      16•               18      15      27•                8      21      23•               10      13      14•  •1               6       2      20•                4       6      15•               13       8       8•                7      12      17• •数据： 驾车.MTW Minitab•95% 标准差 Bonferroni 置信区间   •道路 •类型  经验  N     下限   标准差     上限    •1           0    4  2.80384  5.88784  40.4990    •1           1    4  1.84435  3.87298  26.6400    •2            0   4  2.26721  4.76095  32.7478    •2            1   4  1.98261  4.16333  28.6371    •3            0   4  2.88359  6.05530  41.6509    •3            1   4  2.42820  5.09902  35.0732                                           •解释解释•对于驾车数据，第一个因子为经验，第二个因子为道路类型。

在六个因子水平组合的每一单元中有四个观测值s 的第一个值 5.88784 与道路类型 = 1 和经验 = 0 对应区间 (2.80384，40.4990) 估计道路类型 = 1 和经验 = 0 的总体标准差根据此区间，s 介于 2.80384 和 40.4990 之间标准差的最大值 6.05530 与道路类型 = 3 和经验 = 0 对应 Minitab输出示例输出示例•Bartlett 检验（正态分布） •检验统计量 = 0.85, p 值 = 0.974     •Levene 检验（任何连续分布） •检验统计量 = 0.42, p 值 = 0.830                            •解释解释•如果检验的 p 值较高（0.974 和 0.830），则表明方差之间不存在差异Minitab输出示例输出示例输出示例：等方差检验图形Minitab对于驾车数据，置信区间图表明：在所有道路类型的控制校正次数中，经验越少的驾驶员具有更大的变动性•调查员比较了四种不同配方的油漆的硬度将每种油漆配方取六份样品涂到一小块金属上，然后待其凝固，测量其硬度此外，还记录每份样品的凝固温度以及涂油漆的人（操作员）的编号。

• •数据： 油漆硬度.MTW Minitab•输出示例输出示例•来源  自由度     SS     MS     F      P •油漆       3       281.7  93.9  6.02  0.004 •误差      20      312.1  15.6 •合计      23      593.8   •S = 3.950   R-Sq = 47.44%   R-Sq（调整） = 39.56%                                              •解释解释•油漆硬度方差分析得到的 p 值是 0.004因此，假设选择常用的 a 水平 0.05 进行检验，则将断定油漆配方之间的硬度存在显著差异•对于油漆数据，S 为 3.950，R  为 47.44%，调整的 R  为 39.56%方差分析输出第一部分：方差分析表Minitab•S、、R  和调整的和调整的 R  是模型对数据的拟合优度的度量这些值有助于您选择具有最佳拟合的模型•S 表示数据值与拟合值的标准距离对于给定研究，模型预测响应的效果越好，S 越小•R （R 平方）描述在观测的响应值中由预测变量 解释的变异量。

R  始终随预测变量的增加而增大例如，最佳的五预测变量模型的 R  始终比最佳的四预测变量模型的高因此，比较相同大小的模型时 R  最有效•调整的 R  表示已根据模型中的项数调整的修正 R 如果包括了不必要的项，R  会人为地变得很高与 R  不同，调整的 R  在您向模型中添加项时可能变小使用调整的 R  比较预测变量数不同的各个模型Minitab使用单个统计量的表评定数据的以下属性： ·    N N因子每个水平所包括的观测值数·    均值均值每个水平观测值的均值这些样本均值是对每个水平总体均值的估计值·    标准差标准差每个水平的样本标准差方差分析假定所有水平的总体标准差相等因此，如果样本标准差差异很大，则可能需要使用等方差检验命令来检验数据的方差相等性·    合并标准差合并标准差合并标准差是对所有水平公共标准差的估计值Minitab方差分析输出第二部分：个体值估计及置信区间方差分析输出第二部分：个体值估计及置信区间•输出示例输出示例•                                         均值（基于合并标准差）的单组 95% 置信区间 •水平    N    均值  标准差    +---------+---------+---------+--------- •混料 1  6  14.733   3.363                 (-----*------) •混料 2  6   8.567   5.500    (------*------) •混料 3  6  12.983   3.730             (------*------) •混料 4  6  18.067   2.636                       (------*------)                             •                                          +---------+---------+---------+---------                            •                                         5.0      10.0      15.0      20.0   •合并标准差 = 3.950                                                                        •解释解释•油漆硬度分析的结果表明：•配方 2 的硬度均值最低 (8.5678.567)，配方 4 的最高 (18.06718.067)。

•不同配方的标准差之间的差异还不足以引起关注•合并标准差为 3.9503.950Minitab•输出示例输出示例•                                         均值（基于合并标准差）的单组 95% 置信区间 •水平    N    均值  标准差    +---------+---------+---------+--------- •混料 1  6  14.733   3.363                 (-----*------) •混料 2  6   8.567   5.500    (------*------) •混料 3  6  12.983   3.730             (------*------) •混料 4  6  18.067   2.636                       (------*------)                             •                                          +---------+---------+---------+---------                            •                                         5.0      10.0      15.0      20.0   •合并标准差 = 3.950    •解释解释•在油漆硬度的结果中，配方 2 和配方 4 均值的区间不重叠。

这表明这些水平的总体均值不同                                                                    Minitab•Minitab 为因子的每个水平都提供 95% 的置信区间当方差分析表中的 p 值 表明因子水平均值之间有差异时，可以使用单个置信区间的表来研究差异：•·    每个星号都表示样本均值•·    每对圆括号都表示总体均值的 95% 的置信区间每个水平的总体均值位于相应区间内的可信度为 95%•·    如果两个均值的区间不重叠，则表明总体均值不同Minitab•使用 Tukey 法对信息进行分组  • 油漆    N    均值  分组 •混料 4  6  18.067  A •混料 1  6  14.733  A B •混料 3  6  12.983  A B •混料 2  6   8.567       B   •不共享字母的均值之间具有显著差异 方差分析输出第三部分：多重比较（Tukey比较）Minitab•Tukey 95% 整体置信区间 •油漆 水平间的所有配对比较   •单组置信水平 = 98.89%     Minitab•解释解释•油漆硬度数据的分组信息显示组 A 包含混料 1、3 和 4，而组 B 包含混料 1、2 和 3。

这两个组都包含混料 1 和 3组内的因子水平之间并不存在显著差异因为混料 2 和 4 并不共享同一个字母，混料 4 具有一个比混料 2 显著高很多的均值•置信区间显示所有均值差异的可能范围：•·    配方 2 和配方 4 的均值之间差异的置信区间为 (3.114,15.886)此范围不包括 0，表明这些均值之间差异显著•·    其余均值对的置信区间都包括 0，表明这些均值之间差异不显著Minitab多重比较多重比较 - Fisher 最低显著性差异最低显著性差异 (LSD)•输出示例输出示例•使用 Fisher 方法对信息进行分组   •油漆    N    均值  分组 •混料 4  6  18.067  A •混料 1  6  14.733  A B •混料 3  6  12.983    B C •混料 2  6   8.567      C   •不共享字母的均值之间具有显著差异 Minitab•Fisher 95% 两水平差值置信区间 •油漆 水平间的所有配对比较   •同时置信水平 = 80.83% Minitab•解释解释•油漆硬度数据的分组信息显示组 A A 包含混料 1 和 4；组 B B 包含混料 1 和 3；而组 C C 包含混料 2 和 3。

混料 1 和 3 分别位于两个组中组内的因子水平之间并不存在显著差异因为下列因子水平组合不共享同一个字母，所以它们的均值存在显著差异：•·    混料 1 和 2•·    混料 2 和 4•·    混料 3 和 4•置信区间显示所有均值差异的可能范围：•·    配方 1 和配方 2 的均值之间差异的置信区间为 (- -10.92410.924,-1.409-1.409)此范围不包括 0，表明这些均值之间差异显著•·    类似地，配方 2 和配方 4 之间差异的置信区间 (4.7434.743,14.25714.257) 以及配方 3 和配方 4 之间差异的置信区间 (0.3260.326,9.8419.841) 也不包括 0，表明这些差异也显著•·    其余均值对的置信区间都包括 0，表明这些均值之间差异不显著Minitab多重比较多重比较 - - 许氏与最佳值的多重比较许氏与最佳值的多重比较 (MCB) (MCB)•输出示例输出示例•许氏 MCB（与最佳值的多重比较）   •全族误差率 = 0.05 临界值 = 2.19 Minitab•解释解释•对于油漆硬度分析，将最大均值指定为最佳。

•因此，配方 1 的均值 (14.733)、配方 2 的均值 (8.567) 和配方 3 的均值 (12.983) 都与配方 4 (18.067) 的均值进行比较，因为后者是最大（最佳）均值配方 4 本身的均值与配方 1 的均值进行比较，因为后者是其余三个均值中最大的•结果表明：•·    配方 4 的均值与配方 2 的均值之间差异的置信区间 (-14.500,0.000) 以及与配方 3 的均值之间差异的置信区间 (-10.083,0.000) 都以 0 为终点，表明这些差异显著 •·    其余两个区间的终点不为 0，表明差异不显著Minitab方差分析输出第四部分：图形（残差检验）图形图形 - 单值图单值图Minitab•解释解释•油漆硬度数据的单值图显示：•·    一般情况下配方 4 的硬度值最高•·    所有四个水平中数据的展开程度（离差）几乎都相同•·    任何点与其余点相比都不异常大或异常小（异常值 ）Minitab图形图形 - 数据的箱线图数据的箱线图Minitab•解释解释•油漆硬度数据的箱线图对以下情况进行图解：•·    配方 4 的硬度值、均值和中位数均为最大。

•·    配方 2 的硬度值、均值和中位数均为最小•·    配方 2 数据的中间一半展开的程度很大，如大箱所示•·    配方 2 的值的整体范围最大，如细丝的末端所示•·    任何水平的数据中都没有异常值（星号）•此例中，每个水平只有六个观测值，因此单值图可能比箱线图更合适Minitab图形图形 - 残差的直方图残差的直方图解释：对于油漆硬度数据，没有证据表明存在偏度或异常值 Minitab图形图形 - 残差的正态概率图残差的正态概率图Minitab•解释解释•对于油漆硬度数据，残差显示为直线没有证据表明存在非正态性、偏度、异常值或未确定的变量Minitab图形图形 - 残差与拟合值残差与拟合值Minitab•解释解释•从此图中可以看出，残差随机分散在 0 附近没有证据表明存在异方差、缺项或异常值Minitab图形图形 - 残差与顺序残差与顺序Minitab•解释解释•  •对于油漆硬度数据，残差随机分散在 0 附近没有证据表明误差项彼此相关Minitab图形图形 - 残差与变量残差与变量Minitab•解释解释•  •对于油漆硬度数据，残差随机分散在 0 附近。

没有证据表明残差中存在模式或数据中存在弯曲此图表明样本凝固的温度似乎没有对响应产生系统化影响Minitab•5、世上最美好的事是：我已经长大，父母还未老;我有能力报答，父母仍然健康•　　6、没什么可怕的，大家都一样，在试探中不断前行•　　7、时间就像一张网，你撒在哪里，你的收获就在哪里纽扣第一颗就扣错了，可你扣到最后一颗才发现有些事一开始就是错的，可只有到最后才不得不承认•　　8、世上的事，只要肯用心去学，没有一件是太晚的要始终保持敬畏之心，对阳光，对美，对痛楚•　　9、别再去抱怨身边人善变，多懂一些道理，明白一些事理，毕竟每个人都是越活越现实•　　10、山有封顶，还有彼岸，慢慢长途，终有回转，余味苦涩，终有回甘•　　11、人生就像是一个马尔可夫链，你的未来取决于你当下正在做的事，而无关于过去做完的事•　　12、女人，要么有美貌，要么有智慧，如果两者你都不占绝对优势，那你就选择善良•　　13、时间，抓住了就是黄金，虚度了就是流水理想，努力了才叫梦想，放弃了那只是妄想努力，虽然未必会收获，但放弃，就一定一无所获•　　14、一个人的知识，通过学习可以得到;一个人的成长，就必须通过磨练若是自己没有尽力，就没有资格批评别人不用心。

开口抱怨很容易，但是闭嘴努力的人更加值得尊敬•　　15、如果没有人为你遮风挡雨，那就学会自己披荆斩棘，面对一切，用倔强的骄傲，活出无人能及的精彩•5、人生每天都要笑，生活的下一秒发生什么，我们谁也不知道所以，放下心里的纠结，放下脑中的烦恼，放下生活的不愉快，活在当下人生喜怒哀乐，百般形态，不如在心里全部淡然处之，轻轻一笑，让心更自在，生命更恒久积极者相信只有推动自己才能推动世界，只要推动自己就能推动世界•　　6、人性本善，纯如清溪流水凝露莹烁欲望与情绪如风沙袭扰，把原本如天空旷蔚蓝的心蒙蔽但我知道，每个人的心灵深处，不管乌云密布还是阴淤苍茫，但依然有一道彩虹，亮丽于心中某处•　　7、每个人的心里，都藏着一个了不起的自己，只要你不颓废，不消极，一直悄悄酝酿着乐观，培养着豁达，坚持着善良，只要在路上，就没有到达不了的远方！•　　8、不要活在别人眼中，更不要活在别人嘴中世界不会因为你的抱怨不满而为你改变，你能做到的只有改变你自己！•　　9、欲戴王冠，必承其重哪有什么好命天赐，不都是一路披荆斩棘才换来的•　　10、放手如拔牙牙被拔掉的那一刻，你会觉得解脱但舌头总会不由自主地往那个空空的牙洞里舔，一天数次。

不痛了不代表你能完全无视，留下的那个空缺永远都在，偶尔甚至会异常挂念适应是需要时间的，但牙总是要拔，因为太痛，所以终归还是要放手，随它去•　　11、这个世界其实很公平，你想要比别人强，你就必须去做别人不想做的事，你想要过更好的生活，你就必须去承受更多的困难，承受别人不能承受的压力•　　12、逆境给人宝贵的磨炼机会只有经得起环境考验的人，才能算是真正的强者自古以来的伟人，大多是抱着不屈不挠的精神，从逆境中挣扎奋斗过来的•　　13、不同的人生，有不同的幸福去发现你所拥有幸运，少抱怨上苍的不公，把握属于自己的幸福你，我，我们大家都可以经历幸福的人生•　　14、给自己一份坚强，擦干眼泪；给自己一份自信，不卑不亢；给自己一份洒脱，悠然前行轻轻品，静静藏为了看阳光，我来到这世上；为了与阳光同行，我笑对忧伤•　　15、总不能流血就喊痛，怕黑就开灯，想念就联系，疲惫就放空，被孤立就讨好，脆弱就想家，不要被现在而蒙蔽双眼，终究是要长大，最漆黑的那段路终要自己走完•5、从来不跌倒不算光彩，每次跌倒后能再站起来，才是最大的荣耀•　　6、这个世界到处充满着不公平，我们能做的不仅仅是接受，还要试着做一些反抗•　　7、一个最困苦、最卑贱、最为命运所屈辱的人，只要还抱有希望，便无所怨惧。

•　　8、有些人，因为陪你走的时间长了，你便淡然了，其实是他们给你撑起了生命的天空；有些人，分开了，就忘了吧，残缺是一种大美•　　9、照自己的意思去理解自己，不要小看自己，被别人的意见引入歧途•　　10、没人能让我输，除非我不想赢！•　　11、花开不是为了花落，而是为了开的更加灿烂•　　12、随随便便浪费的时间，再也不能赢回来•　　13、不管从什么时候开始，重要的是开始以后不要停止；不管在什么时候结束，重要的是结束以后不要后悔•　　14、当你决定坚持一件事情，全世界都会为你让路•　　15、只有在开水里，茶叶才能展开生命浓郁的香气。