JMP 常用工具整理.pptx

开启档案 相位差.jmp 分别利用前三栏位的资料制作 Normal Plot 哪一组趋近于正态? 再分别制作直方图 (Histogram) 这其中透露了什么?;认识数据的分布;;柏拉图展示的是根据出现频率进行排序后的数据类别，例如：返工的原因。;JMP里的柏拉图;;打开文件 SPC-X.jmp，看I-MR单值 – 移动全距图;因I-MR数据基于正态分布，所以“移动极差”只有超限点;打开文件 SPC-X.jmp，看X-Bar 分组均值范围图 若无GROUP列，则在此输入组内个数;X-Bar 分组均值范围图;练习;流程能力diag1.jmp 数据包含以下特征: 数据正态 5个一组的SPC基本正常 Max=85.752，Min=56.749 若将LSL=57、USL=80以及LSL=57、USL=86分别输入看流程能力;分析;流程能力分析;流程能力分析步骤;; 特性不清楚的分布 利用BOX-COX转换，转换成正态分布 案例分析: 打开文件BOX-COX.JMP，其中的D3数据，规格为LSL=0.06，USL=0.15，请计算流程能力。 ;非正态数据的流程能力???算;选项 / 信息屏 –用JMP;JMP输出;属性RR—利用JMP;上方图示反映每个样本的测量一致性。此处每个操作员自身的一致性算法与MINITAB不同。 重点解释下方的Kappa值（算法同MINITAB）;属性RR—利用JMP;JMP里不管Z检验还是t检验，只看“均值检验”;分析输出;我们首先使用Shapiro-Wilk W检验评估正态分布。 统计 基本统计量 正态性检验;单样本 T: Thickness mu = 3 与 ≠ 3 的检验 　　　　　平均值 变量 N 平均值 标准差 标准误 95% 置信区间 　 T P Thickness 18 3.00294 0.00310 0.00073 (3.00140, 3.00448) 4.04 0.001;收集数据和计算P数值;双样本t;首先按“不等方差”做等方差检验。正态看F检验，非正态看Levene检验，从它们各自的p值是否大于0.05，确定是否“等方差”。 如果“等方差”，则按“均值/方差分析/合并的t”；若“不等方差”，则“t检验”。;利用软件检验两个相关的样本是否相等;练习;结论是什么？ 如果我们将数据作双样本t检验会如何？ 试试单样本 t 检验其中的差异。;3水平以上一元方差分析路径图;思考;首先通过JMP的“分布”栏做各组数据的SPC稳定性研究与正态检定。 进入“分析以X拟合Y”。 接着还是做等方差检验（“不等方差”），步骤同前面的“双样本检验”。 如果“等方差”，则看“均值/方差分析”；p0.05说明3个均值至少有一个不等，具体可从“CI菱形图or比较环图”看哪个CI不交叉？哪几个CI有重合？ 若“不等方差”，也是执行“均值/方差分析”，但要直接看输出结果下方的“Welch检验”，其中的“概率F”即p值。;;一元ANOVA的数据分析（“分析拟合模型” ）;在有些实验中，我们发现当改变其他因子的不同水平时，一个因子的水平的主效果有所改变。在这种情况下因子间具有交互作用。 两条直线不平行表示存在交互作用。;思考;多元ANOVA分析;多元ANOVA分析;多元ANOVA分析路径;在Minitab中, 可通过以下两种方法得到一般线性回归模型(最佳拟合线)：;R2 = 87.7%;残差分析;从文件Oxygen purity.jmp中，建立Oxygen purity 对Hydrocarbon %(X)之间的一般线性回归模式并进行残差分析。;随时间随机;发现“预测值-残差”图有特殊形态，可点“二元拟合”里的“特殊拟合”。;从文件Oxygen purity.jmp中，测定对于已获得的线性回归模型的95%置信区间CI和预测区间PI。;运行“分析拟合模型”。 选择“刻画器”，最下方会出现“预测刻画器”。 将红线十字坐标自由移动，可见按回归公式下Y随着X变化而出现拟合值（红字），下面括弧内是该拟合值的置信区间，及CI。 双击红字X，出现输入框，输入给定X=1.15，Y=91.473，CI（90.947，91.999）。;;打开Reactor 32 Runs.jmp，该例可同时作为DOE分析和历史数据的多元回归分析。;出现Lenth PSE，无论是多元回归分析还是在DOE分析里都需要模式缩减。直至出现“拟合汇总”里的“均方根误差”为止。 ;在“预测刻画器”的“设置意愿”设置完成，必须再执行“最大化意愿”才能出现目标Y下的因子预测值。 从“模拟器”可仿真观察最终实现的可能波动范围