MINITAB应用综合培训2015.ppt

第二章 MINITAB图形工具 用简单的绘图方式描述一组样本数据，目的是： 用图形显式数据分布的特征及分布形状； 找出数据中的异常点。 探索性数据分析可根据维度分为： 一维分析：用于过程能力分析，点图、直方图、箱线图。 二维分析：用于探讨变量之间的关系，散点图、矩阵图。 三维分析：用于找出数据中的异常点，3D图。 一、点图 （Dotplot） 　 沿着一条数值线画出来的点来评估和比较分布，点图在比较分布尤其有用． 　　用于画点图的Ｘ轴被分成了许多小段或者区间，数值落在每一个区间内用点来表示。 先用点图(Graph / Dotplot )分析,再用正态概率图(Graph / Probability Plot. )分析,只有当P0.05时,说明是正态分布,再用单因素方差分析。 图形---点图 1、简单点图示例(罩.MTW ) 2、含分组变量的点图示例（凸轮轴2） 3、含多个 Y 的简单点图示例(管道.MTW) 含多个 Y 和组的点图示例(管道.MTW ) 4、含多个 Y 和堆叠组的点图示例 二、直方图 用于检查样本数据的形状和分布情况。直方图将样本值划分为许多称为区间 的间隔。条形表示落于每个区间内的观测值的数量（频率）。 图形 直方图 简单直方图示例(罩.MTW ) 做概率图分析 图形 概率图 单一 2、包含拟合的直方图（罩.MTW ） 3、包含轮廓线和组的直方图（凸轮轴2） 4、包含拟合和组的直方图 三、箱线图 (Boxplot) 使用箱线图(也叫胡须图)来评价和比较样本的分布，比较不同数据间的分散度，判别数据是否存在异常点。 在一组数据中，若有一个数值相对与其他数值差异很大，则在做均值与标准差计算时容易误判，因此在确认极大或极小异常值数值发生原因后，应将其从中删除，以使分析结论接近事实。 默认情况下，使用四分位数来计算方框端点，如图： 过程稳定性的判定: SF=Q1 / Q3 （SF：稳定性因子） SF越趋近于1,过程的稳定性越好 (或IQRange=Q3－ Q1 越接近零越好) 即是:箱图越扁平,且触须越短,代表过程 越稳定。 1、简单箱线图示例(地毯.MTW ) 2、含组的箱线图示例(地毯.MTW ) 3、含多个 Y 的箱线图示 (管道.MTW ) 4、含多个 Y 和组的箱线图示例 结合点图加以比较 可以对表进行转置,然后再进行分析 第二节 二维分析工具 一、散点图（再热.MTW ） 通过在三个轴上标绘数据来同时评估三个变量 之间的关系 。 图形 散点图 五、散点图 用于通过相对于一个变量绘制另一个变量来图示说明两个变量之间的关系。 散点图也可用于绘制随时间变化的变量。与时间序列图 不同的是，提供的时间变量必须来自于工作表。这对于那些没有按时间先后顺序输入或不是以规则时间间隔收集的数据尤为有用。 图形 散点图 数量联系类型 客观现象之间的数量联系存在着两种不同的类型：一种是函数关系，另一种是相关关系。 函数关系：当一个或几个变量取一定值时，另一个变量有确定的值与之对应，这种关系为确定性的函数关系。 如：某商品的销售收入与销售量x以及商品的价格p之间的关系y=px。 相关关系：当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量的值虽然不确定，但仍按某种规律在一定的范围内变化，这种相互关系称为不确定性的相互关系。 简单散点图示例(电池数.MTW ) 含组的散点图示例 (电池数.MTW ) 包含回归线的散点图示例(电池数.MTW ) 六、矩阵图 （Matrix plot） 通过创建一个散点图阵列来同时评估许多变量对之间的关系。有两种类型的矩阵图： 图的矩阵 这种矩阵最多接受 20 个变量，为每个可能的组合创建一个图。如果有很多变量，并且希望查看变量对之间的关系，则使用图的矩阵会很有效。 每个 Y 与每个 X 有时称为窗格图或窗扉显示，这种矩阵接受 Y 和 X 轴变量，然后为每个可能的 XY 组合创建一个图。如果您只关注特定变量对之间的关系，则这种类型的矩阵会很有效。 图形 矩阵图 1、简单图矩阵示例(熊 2.MTW ) 2、含组的图矩阵示例(熊 2.MTW ) 3、包含平滑器的图矩阵示例(熊 2.MTW ) 4、简单的每个 Y 与每个 X 矩阵图示例(脉搏.MTW ) 5、含组的每个 Y 与每个 X 示例(脉搏.MTW ) 6、包含平滑器的每个 Y 与每个 X 示例(脉搏.MTW ) 第三节 三维分析工具 在 Minitab 中标绘两个变量时，通常在垂直方向上（即 Y 轴上）