minitab培训课件精选课件.pptVIP

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-whisker Plot），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（InterQuartile Range，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