minitab数据处理报错?
发布网友
发布时间：2022-04-25 00:04
共3个回答
热心网友
时间：2023-10-16 16:40
如果那没有让你感到惊讶,这篇也许将会引起你足够的重视。
数据输入错误的频率高达27%,即使是使用保守的“复式”方法来记录数据，每个数据值输入两次，这种情况也不容乐观。
针对这种情况，我们能做些什么呢? 难道是供养古希腊女神，用错觉、愚昧来掩盖不计后果的错误吗?
首先,一些老派的建议是不可替代的，深吸一口气,卷起袖子,反复检查每一个观测数据。
但假如你没有时间和精力这样去做呢?
这里有三个简单的方法，我们可以通过使用Minitab迅速找出数据的异常值,以确保它们不会影响你的分析。
1.使用图形化汇总
如果你有测量(连续型)数据,我们要养成一个习惯，在分析之前，先使用图形化汇总来检查数据，而不是将数据视为神圣不可侵犯的东西。我们可以选择统计>基本统计量>图形化汇总。

通过查看最小值和最大值,以确保它们在正常范围内的。在箱线图中，对于你数据中的任何异常值都会用星号进行突显。你可以把光标移动到星号标识的点，以确定其数据值和在工作表中的位置。然后通过调查以确定它是否是一个错误，如果是错误，那么在分析数据之前需要更正或删除异常值。
在这个例子中,显示了胆固醇值的汇总信息，Minitab软件把2098标志为异常值。注意，直方图出现了偏态分布,这是由一个异常值造成的。
2运行计数
如果你有类别数据,比如列中有一个文本值,那么计数是对你来说是很好的工具。使用统计>表格 >单变量计数来汇总所有列的离散值。

如果你要执行的分析要求是二项数据,比如是/否或通过/失败，而且遇到了类似错误，那么这个计数工具将非常有用。

当你尝试运执行双比率检验或二元Logistic回归分析时，可能会遇到这个问题。你很确定在列中只有两种类型的值,但是任何一个多余的空格或字符、小写或大写的误拼或其他错误都会产生另一个不同的值。
3.设定公式
通过使用Minitab计算器中的条件语句设定公式,你可以标记工作表中超乎寻常的数据。
假如您想识别出在C1列数以万计的胆固醇总体中，数值小于100的“可疑值”。右键单击相邻的列(C2)和，选择列>>公式>>对列设定公式。在公式下的文本框中选择条件函数。然后填写下面的表达式：

列条件语句中的第一个值和条件是你需要Minitab软件来寻找的内容；在逗号后面的第二个值,是显你想要显示的满足条件的结果。文本值用双引号表示。
当你点击确定后，将会在相邻列(C2)中标记满足C1条件的任何值,而在当前指定情况下,任何值都小于100
热心网友
时间：2023-10-16 16:41
针对这种情况，我们能做些什么呢? 难道是供养古希腊女神，用错觉、愚昧来掩盖不计后果的错误吗?
首先,一些老派的建议是不可替代的，深吸一口气,卷起袖子,反复检查每一个观测数据。
但假如你没有时间和精力这样去做
这里有三个简单的方法，我们可以通过使用Minitab迅速找出数据的异常值,以确保它们不会影响你的分析。
1.使用图形化汇总
如果你有测量(连续型)数据,我们要养成一个习惯，在分析之前，先使用图形化汇总来检查数据，而不是将数据视为神圣不可侵犯的东西。我们可以选择统计>基本统计量>图形化汇总。
通过查看最小值和最大值,以确保它们在正常范围内的。在箱线图中，对于你数据中的任何异常值都会用星号进行突显。你可以把光标移动到星号标识的点，以确定其数据值和在工作表中的位置。然后通过调查以确定它是否是一个错误，如果是错误，那么在分析数据之前需要更正或删除异常值。
在这个例子中,显示了胆固醇值的汇总信息，Minitab软件把2098标志为异常值。注意，直方图出现了偏态分布,这是由一个异常值造成的。
2运行计数
如果你有类别数据,比如列中有一个文本值,那么计数是对你来说是很好的工具。使用统计>表格 >单变量计数来汇总所有列的离散值。
如果你要执行的分析要求是二项数据,比如是/否或通过/失败，而且遇到了类似错误，那么这个计数工具将非常有用。
当你尝试运执行双比率检验或二元Logistic回归分析时，可能会遇到这个问题。你很确定在列中只有两种类型的值,但是任何一个多余的空格或字符、小写或大写的误拼或其他错误都会产生另一个不同的值。
3.设定公式
通过使用Minitab计算器中的条件语句设定公式,你可以标记工作表中超乎寻常的数据。
假如您想识别出在C1列数以万计的胆固醇总体中，数值小于100的“可疑值”。右键单击相邻的列(C2)和，选择列>>公式>>对列设定公式。在公式下的文本框中选择条件函数。然后填写下面的表达式：
列条件语句中的第一个值和条件是你需要Minitab软件来寻找的内容；在逗号后面的第二个值,是显你想要显示的满足条件的结果。文本值用双引号表示。
当你点击确定后，将会在相邻列(C2)中标记满足C1条件的任何值,而在当前指定情况下,任何值都小于100：
热心网友
时间：2023-10-16 16:41
统计为面对不确定性时的决策提供方法和工具，我很喜欢统计学家C.R.劳先生的一句话“在理性的世界里，所有的判断都是统计”，甚至把它作为我微信的个性签名。
我虽然很钟爱统计学，但我不是盲目的信徒，因为平常分析时马克吐温有一句名言经常在我脑中回荡：“世界上有三种谎言：谎言，该死的谎言，以及统计数据。”这句名言是有道理的，下面我以“正态分布”为例来说明我的观点。
正态分布为何如此重要
作为Minitab技术支持，我很欣慰我的学员和客户问我一个问题：老师，我的数据非正态，我该如何分析？正如本文标题所言，这是一个错误的问题，但仍然令我欣慰，为什么呢？因为当您问到这个问题的时候，说明在分析的时候做了思考。很多统计工具和质量工具在使用时都有严格的前提条件需要满足，其中之一就是——数据必须服从正态分布。
比如说，我们在使用以下常用质量工具和统计工具时，需要满足正态要求：
1. 控制图
2. 过程能力分析
3. 单t、双t、配对t检验等
4. 方差分析
5. 残差分析
为什么说这是一个错误的问题
正态数据做分析上手很快，但世事无常，我们经常面临的数据都是非正态，下面我们以过程能力分析为例。
能力分析之前需要做正态检验，这一点从过程能力指数的公式中大家应该都明确。
用6σ作为过程变异的度量-要求正态性。
随着质量人员统计意识的提高，对于能力分析之前先做正态性检验，大家基本没问题。
关键的问题是，如果正态性检验后发现数据非正态了，该如何去处理？这时候，很多同学首先想到的办法就是转换数据分布，把非正态数据转换成服从正态分布的数据，对吗？
过程能力分析案例
为了防止工具的滥用，我们通过一个具体的案例来进一步说明。假如，我们现在想对某一药品的有效成分含量进行过程能力分析，规格下限360mg/ml，规格上限370mg/ml，数据如下：
正如前面所言，过程能力分析先做正态性检验，我们来看一下正态性检验结果：
有效成分含量正态性检验的P值小于0.005，那它肯定比0.05要小，故数据非正态。其实，我们之前总结了能力分析的一些思路（如下图）：
