ZTE-PGB402-V1.ppt

（分析阶段）主要内容学习目的1.相关关系是?r值相关系数(CorrelationCoefficient)强的正相关判断相关类型…相关并不是分析所有的因果关系!事例分析Stat>BasicStatistics>Correlation分析结果根据刮刀压力和焊膏厚度的相关系数为
r=0.955,可看出具有强的负相关.

从上述结果可以得出:为了保证焊膏厚度符合要求.必须监控刮刀的压力.事例分析从散点图我们可以看出什么？
通过它我们可以知道哪个输入对输出值
有多少影响?

为了得到想要的输出值,我们应按什么水
平管理X的规格.
相关是告诉关系的程度,回归分析是找出Y=F(X)的函数关系式单纯线性回归通过样本推测的直线
将误差平方和最小化的推断方法,找出将残差平方最小化的直线.e残差(e)是对误差的最佳推断值,是实际结果值和回归方程式推测的最佳值间的差异.大家用MINITAB对上述数据进行回归分析.Graph>PlotStat>Regression>Regressions: 残差(误差)的标准差。残差为观测值－预测值。换句话说，指观

测点至回归方程式中描述的拟合线的距离。(对于优秀的模型，

此值应较小)s=MS(error)1/2

R-Sq:由拟合线能够“解释”的总变差的百分数。由“X”解释的变差。

(对于优秀的模型，此值应较大)

R-Sq(adj):对过于拟合情况(方程式中的变量过多)的调整，它将包括

模型中的项数与观测值的个数进行对比

其中 n=观测值数量
p=模型中项数，包括常数 “X”变量的p值-速度

Ho:斜率=0
H1:斜率=0

或者，另一种表达方式：

Ho:“X”不显著
H1:“X”显著SSregression: 由模型中的“X”解释变量“Y”的变动
每一X值对应的模型预测值和Y的总平均值之
差的平方和。
SSerror: 未被解释的“Y”的变差。每个数据点的Y观测
值和该 数据点Y的预测值之差的平方和。值
越小越好。
SStotal: Y值相对其平均值的总变差。Stat>Regression>FittedLinePlot(拟合线)Stat>Regression>FittedLinePlotStat>Regression>ResidualPlots(残差图表)回归分析结果解释回归相关警告-图表!!!相关与回归的概要您相信我们的家电所占据的展示厅面积的大小会影响销售量。您已经收集了过去12个月内，多个零售点销售量与总的占地面积方面的数据。现在，您希望分析这些数据，看占地面积是否确实与年销售量存在某种关系。分析阶段总结4.如果我们想知道变量之间的相互关系时，可以使用Scatterplot、
Marginalplot（两个变量之间的关系）和Matrixplot（多个变量之
间的相互作用）.
5.如果我们想知道随着时间变化，变量怎样变化时可以使用Timeseries
plot进行分析.
6.如果我们要知道多个输入变量（X）对输出变量（Y)的影响程度，可以
使用Multi-VariChart、MainEffectsPlot进行分析.
7.如果我们要知道不良品,缺陷数,争议点,事故的现象或原因等集中在哪
些方面的时候，可以使用Paretochart、Piechart进行分析.
如果我们的数据量比较小，采集数据非常难，我们可以使
用假设检验工具对均值进行分析。
一、我们涉及的数据是连续性的数据时
1.如果我们想知道一个变量跟一个基准值是否在统计意义上有显著性差
异的时候（也就是判断这个变量是否发生了异常原因的波动），可以
使用1samplet工具分析.
2.如果我们想知道两个变量或者两种水平下是否在统计意义上有显著性
差异的时候，可以使用2samplet、Pairedt工具分析.
3.如果我们要比较多个变量或者一个变量在多个水平下是否有显著性差
异时，可以用ANOVA工具来分析.二、我们涉及的数据是离散型的数据时
1.如果我们想知道一个变量跟一个基准值是否在统计意义上有显
著性差异的时候（也就是判断这个变量是否发生了异常原因的
波动），可以使用1Proportion工具分析.

2.如果我们想知道两个变量或者两种水平下是否在统计意义上有
显著性差异的时候，可以使用2Proportion工具分析.

3.如果我们要比较多个变量或者一个变量在多个水平下是否有显
著性差异时，可以用Chi-squaretest工具来分析.如果我们的数据量比较小，采集数据非常难，我们可以使
用假设检验工具对方差进行分析。
如果我们想知道两个变量或多个变量的方差在统计意义上是否有显著
性差异的时候可以TestforEqualvariance进行分析.

如果我们想知道两个变量之间有多强的关系是，可以使用
Correlat