1、制作手册-第七章,EDA 工 程 资 料 分 析,1.检定 经由随机抽样的方法，透过机率的原理，判断母体与标准或母体与母体之间的关系。,2.变异数分析 用于分析哪些因子对结果有显著影响，以及有显著影响的因子在何时能起最好的作用。,3.回归分析 以一个（或多个）变量描述、预测、控制另一特定的变量的分析方法。,0.准备工作 从EXCEL中调出工程资料分析的相关功能模块。,点击这里开始演示,导航视窗,准备工作,返回首页,1.在EXCEL档案中，在“工具”菜单点击“加载宏”,2.勾选“分析工具库”和“分析工具库-VBA函数”， “确定“,3.在“工具”菜单下点击新增的“数据分析”的选项,4.与检定相关
2、的功能有： F检验 双样本方差 t-检验：平均值的成对双样本分析 t-检验：双样本等方差假设 t-检验：双样本异方差假设 z-检验：双样本平均差检验,5.与变异数分析相关的功能有： 方差分析：单因素方差分析 方差分析：可重复双因素分析 方差分析：无重复双因素分析,6.与回归分析相关的功能是：回归,点击这里开始演示,导航视窗,1.在EXCEL档案中，在“工具”菜单点击“加载宏”,准备工作,返回首页,点击这里开始演示,导航视窗,1.在EXCEL档案中，在“工具”菜单点击“加载宏”,2.勾选“分析工具库”和“分析工具库-VBA函数”， “确定“,准备工作,返回首页,点击这里开始演示,导航视窗,1.在
3、EXCEL档案中，在“工具”菜单点击“加载宏”,2.勾选“分析工具库”和“分析工具库-VBA函数”， “确定“,3.在“工具”菜单下点击新增的“数据分析”的选项,准备工作,返回首页,点击这里开始演示,导航视窗,1.在EXCEL档案中，在“工具”菜单点击“加载宏”,2.勾选“分析工具库”和“分析工具库-VBA函数”， “确定“,3.在“工具”菜单下点击新增的“数据分析”的选项,4.与检定相关的功能有： F检验 双样本方差 t-检验：平均值的成对双样本分析 t-检验：双样本等方差假设 t-检验：双样本异方差假设 z-检验：双样本平均差检验,准备工作,返回首页,点击这里开始演示,导航视窗,1.在EX
4、CEL档案中，在“工具”菜单点击“加载宏”,2.勾选“分析工具库”和“分析工具库-VBA函数”， “确定“,3.在“工具”菜单下点击新增的“数据分析”的选项,4.与检定相关的功能有： F检验 双样本方差 t-检验：平均值的成对双样本分析 t-检验：双样本等方差假设 t-检验：双样本异方差假设 z-检验：双样本平均差检验,5.与变异数分析相关的功能有： 方差分析：单因素方差分析 方差分析：可重复双因素分析 方差分析：无重复双因素分析,准备工作,返回首页,点击这里开始演示,导航视窗,1.在EXCEL档案中，在“工具”菜单点击“加载宏”,2.勾选“分析工具库”和“分析工具库-VBA函数”， “确定“
5、,3.在“工具”菜单下点击新增的“数据分析”的选项,4.与检定相关的功能有： F检验 双样本方差 t-检验：平均值的成对双样本分析 t-检验：双样本等方差假设 t-检验：双样本异方差假设 z-检验：双样本平均差检验,5.与变异数分析相关的功能有： 方差分析：单因素方差分析 方差分析：可重复双因素分析 方差分析：无重复双因素分析,6.与回归分析相关的功能是：回归,准备工作,返回首页,点击这里开始演示,导航视窗,点击进入注意事项,检定,使用时机：分析母体与标准间或母体与母体间的差异,1.明确比较的项目，并收集相关数据,2.依据数据的类型和比较的参数，从“检定方法选用对照表”中找到合适的检定方法,3
6、.建立虚无假设H0和对立假设H1，并决定型一误差(常取0.05或0.01),4.从“工具”“数据分析”中找到相应的分析工具，“确定”,5.分别在“变量1的区域”和“变量2的区域”框选A、B机台的数据,6.在“”后输入(第3步选定的) 型一误差值,7.选择输出区域，“确定”,8. 从表格中找到P-value栏，根据P-value值与之间的关系判断项目间的差异是否显著P-value值，项目间的差异不显著P-value值，项目间的差异显著,返回首页,点击这里开始演示,导航视窗,1.明确比较的项目，并收集相关数据,返回首页,检定,点击这里开始演示,导航视窗,1.明确比较的项目，并收集相关数据,2.依据
7、数据的类型和比较的参数，从“检定方法选用对照表”中找到合适的检定方法,返回首页,检定,检定方法 选用对照表,检定 平均数,两组 相关样本,两组 独立样本,检定 变异数,一组 样本,不相等,相等,未知,已知,未知,已知,t test,Z test,双样本同方差T,双样本异方差T,F test,2test,Z test,检定 平均数,检定 变异数,成对双样本T,返回演示页面,检定,点击这里开始演示,导航视窗,1.明确比较的项目，并收集相关数据,2.依据数据的类型和比较的参数，从“检定方法选用对照表”中找到合适的检定方法,3.建立虚无假设H0和对立假设H1，并决定型一误差(常取0.05或0.01),
8、返回首页,检定,点击这里开始演示,导航视窗,1.明确比较的项目，并收集相关数据,2.依据数据的类型和比较的参数，从“检定方法选用对照表”中找到合适的检定方法,3.建立虚无假设H0和对立假设H1，并决定型一误差(常取0.05或0.01),4.从“工具”“数据分析”中找到相应的分析工具，“确定”,返回首页,检定,点击这里开始演示,导航视窗,1.明确比较的项目，并收集相关数据,2.依据数据的类型和比较的参数，从“检定方法选用对照表”中找到合适的检定方法,3.建立虚无假设H0和对立假设H1，并决定型一误差(常取0.05或0.01),4.从“工具”“数据分析”中找到相应的分析工具，“确定”,5.分别在“
9、变量1的区域”和“变量2的区域”框选A、B机台的数据,返回首页,检定,点击这里开始演示,导航视窗,1.明确比较的项目，并收集相关数据,2.依据数据的类型和比较的参数，从“检定方法选用对照表”中找到合适的检定方法,3.建立虚无假设H0和对立假设H1，并决定型一误差(常取0.05或0.01),4.从“工具”“数据分析”中找到相应的分析工具，“确定”,5.分别在“变量1的区域”和“变量2的区域”框选A、B机台的数据,6.在“”后输入(第3步选定的) 型一误差值,返回首页,检定,点击这里开始演示,导航视窗,1.明确比较的项目，并收集相关数据,2.依据数据的类型和比较的参数，从“检定方法选用对照表”中找
10、到合适的检定方法,3.建立虚无假设H0和对立假设H1，并决定型一误差(常取0.05或0.01),4.从“工具”“数据分析”中找到相应的分析工具，“确定”,5.分别在“变量1的区域”和“变量2的区域”框选A、B机台的数据,6.在“”后输入(第3步选定的) 型一误差值,7.选择输出区域，“确定”,返回首页,检定,点击这里开始演示,导航视窗,点击进入注意事项,1.明确比较的项目，并收集相关数据,2.依据数据的类型和比较的参数，从“检定方法选用对照表”中找到合适的检定方法,3.建立虚无假设H0和对立假设H1，并决定型一误差(常取0.05或0.01),4.从“工具”“数据分析”中找到相应的分析工具，“确
11、定”,5.分别在“变量1的区域”和“变量2的区域”框选A、B机台的数据,6.在“”后输入(第3步选定的) 型一误差值,7.选择输出区域，“确定”,8. 从表格中找到P-value栏，根据P-value值与之间的关系判断项目间的差异是否显著P-value值，项目间的差异不显著P-value值，项目间的差异显著,返回首页,检定,使用时机：分析母体与标准间或母体与母体间的差异,在使用T检定前应先用F检定判断标准差的差异。 成对双样本T检定的数据必须为 “一对一”的数据。 虚无假设与对立假设为互斥的集合，且等号一定在虚无假设当中。 型一误差通常取0.05或0.01，其表述意义为显著和非常显著。 判读方
12、式除了使用P值外还可使用统计量与临界值进行比较。 严谨的结论应表述为“无充分证据”。,注意事项,返回首页,点击这里开始演示,导航视窗,变异数分析,点击进入注意事项,7.从“方差分析”表中找到P-value栏，并根据各项目的P-value值与之间的关系判断该因子的影响是否显著P-value值，因子对结果的影响不显著P-value值，因子对结果有显著影响,1.确定分析的因子，并收集实验数据(如每次实验取两个以上的数据，需分行放置),2.针对每个因子建立虚无假设H0与对立假设H1，并决定型一误差(常取0.05或0.01),3.依据因子数和每个实验是否有重复实验，从“工具”“数据分析”中找到相应的分析
13、工具，“确定”,4.在“输入区域”框选收集的数据，并在“每一样本的行数”输入每次实验的数据个数,5.在“”后输入(第2步选定的) 型一误差值,6.选择输出区域，“确定”,使用时机：分析因子对结果影响是否显著，即因 子对于结果是否为重要因子,返回首页,点击这里开始演示,导航视窗,1.确定分析的因子，并收集实验数据(如每次实验取两个以上的数据，需分行放置),返回首页,变异数分析,点击这里开始演示,导航视窗,1.确定分析的因子，并收集实验数据(如每次实验取两个以上的数据，需分行放置),2.针对每个因子建立虚无假设H0与对立假设H1，并决定型一误差(常取0.05或0.01),返回首页,变异数分析,点击
14、这里开始演示,导航视窗,1.确定分析的因子，并收集实验数据(如每次实验取两个以上的数据，需分行放置),2.针对每个因子建立虚无假设H0与对立假设H1，并决定型一误差(常取0.05或0.01),3.依据因子数和每个实验是否有重复实验，从“工具”“数据分析”中找到相应的分析工具，“确定”,返回首页,变异数分析,点击这里开始演示,导航视窗,1.确定分析的因子，并收集实验数据(如每次实验取两个以上的数据，需分行放置),2.针对每个因子建立虚无假设H0与对立假设H1，并决定型一误差(常取0.05或0.01),3.依据因子数和每个实验是否有重复实验，从“工具”“数据分析”中找到相应的分析工具，“确定”,4
15、.在“输入区域”框选收集的数据，并在“每一样本的行数”输入每次实验的数据个数,返回首页,变异数分析,点击这里开始演示,导航视窗,1.确定分析的因子，并收集实验数据(如每次实验取两个以上的数据，需分行放置),2.针对每个因子建立虚无假设H0与对立假设H1，并决定型一误差(常取0.05或0.01),3.依据因子数和每个实验是否有重复实验，从“工具”“数据分析”中找到相应的分析工具，“确定”,4.在“输入区域”框选收集的数据，并在“每一样本的行数”输入每次实验的数据个数,5.在“”后输入(第2步选定的) 型一误差值,返回首页,变异数分析,点击这里开始演示,导航视窗,1.确定分析的因子，并收集实验数据
16、(如每次实验取两个以上的数据，需分行放置),2.针对每个因子建立虚无假设H0与对立假设H1，并决定型一误差(常取0.05或0.01),3.依据因子数和每个实验是否有重复实验，从“工具”“数据分析”中找到相应的分析工具，“确定”,4.在“输入区域”框选收集的数据，并在“每一样本的行数”输入每次实验的数据个数,5.在“”后输入(第2步选定的) 型一误差值,6.选择输出区域，“确定”,返回首页,变异数分析,点击这里开始演示,导航视窗,7.从“方差分析”表中找到P-value栏，并根据各项目的P-value值与之间的关系判断该因子的影响是否显著P-value值，因子对结果的影响不显著P-value值，
17、因子对结果有显著影响,1.确定分析的因子，并收集实验数据(如每次实验取两个以上的数据，需分行放置),2.针对每个因子建立虚无假设H0与对立假设H1，并决定型一误差(常取0.05或0.01),3.依据因子数和每个实验是否有重复实验，从“工具”“数据分析”中找到相应的分析工具，“确定”,4.在“输入区域”框选收集的数据，并在“每一样本的行数”输入每次实验的数据个数,5.在“”后输入(第2步选定的) 型一误差值,6.选择输出区域，“确定”,点击进入注意事项,返回首页,变异数分析,使用时机：分析因子对结果影响是否显著，即因 子对于结果是否为重要因子,需在实验开始前先讨论是否存在交互作用。 虚无假设与对
18、立假设为互斥的集合，且等号一定在虚无假设当中。 实验的数据需确保不受异常干扰，如有离群值出现需小心检讨。 型一误差通常取0.05或0.01，其表述意义为显著和非常显著。 判读方式除了使用P值外还可使用统计量与临界值进行比较。 严谨的结论应表述为“无充分证据”。,注意事项,返回首页,点击这里开始演示,导航视窗,点击进入注意事项,使用时机：1.描述变量与结果间的关系2.预测未执行过的实验结果,回归分析,返回首页,1. 将数据输入到Excel中,2.完成散布图，具体步骤可参考第三章中“散布图”,3.从“工具”“数据分析”中找到“回归”，“确定”,4.在“Y值输入区域”与“X值输入区域”中分别框选对应
19、的数列，并选择“输出区域”，“确定”,5.解读“回归统计”的表格：“Multiple”表示XY之间的相关性(具体判读方式参考第三章散布图的相关系数)；“R Square”表示直线的拟合程度(数值越大，表示拟合度越好),6.解读“方差分析”的表格：“Significance F”相当于方差分析中的P值(其与0.05的关系表示直线的影响是否显著),7.完成直线方程“Y=+X”,“Intercept”表示截距即=-78.82，且P-value0.05，表示显著存在；“X Variable”表示斜率即=0.15，且 P-value0.05，表示显著存在,8.总结分析的结论，列出回归方程,9.利用回归方
20、程进行预测,点击这里开始演示,导航视窗,1. 将数据输入到Excel中,返回首页,回归分析,点击这里开始演示,导航视窗,返回首页,1. 将数据输入到Excel中,2.完成散布图，具体步骤可参考第三章中“散布图”,回归分析,点击这里开始演示,导航视窗,返回首页,1. 将数据输入到Excel中,2.完成散布图，具体步骤可参考第三章中“散布图”,3.从“工具”“数据分析”中找到“回归”，“确定”,回归分析,点击这里开始演示,导航视窗,返回首页,1. 将数据输入到Excel中,2.完成散布图，具体步骤可参考第三章中“散布图”,3.从“工具”“数据分析”中找到“回归”，“确定”,4.在“Y值输入区域”与
21、“X值输入区域”中分别框选对应的数列，并选择“输出区域”，“确定”,回归分析,点击这里开始演示,导航视窗,返回首页,1. 将数据输入到Excel中,2.完成散布图，具体步骤可参考第三章中“散布图”,3.从“工具”“数据分析”中找到“回归”，“确定”,4.在“Y值输入区域”与“X值输入区域”中分别框选对应的数列，并选择“输出区域”，“确定”,5.解读“回归统计”的表格：“Multiple”表示XY之间的相关性(具体判读方式参考第三章散布图的相关系数)；“R Square”表示直线的拟合程度(数值越大，表示拟合度越好),回归分析,点击这里开始演示,导航视窗,返回首页,1. 将数据输入到Excel中
22、,2.完成散布图，具体步骤可参考第三章中“散布图”,3.从“工具”“数据分析”中找到“回归”，“确定”,4.在“Y值输入区域”与“X值输入区域”中分别框选对应的数列，并选择“输出区域”，“确定”,5.解读“回归统计”的表格：“Multiple”表示XY之间的相关性(具体判读方式参考第三章散布图的相关系数)；“R Square”表示直线的拟合程度(数值越大，表示拟合度越好),6.解读“方差分析”的表格：“Significance F”相当于方差分析中的P值(其与0.05的关系表示直线的影响是否显著),回归分析,点击这里开始演示,导航视窗,返回首页,1. 将数据输入到Excel中,2.完成散布图，
23、具体步骤可参考第三章中“散布图”,3.从“工具”“数据分析”中找到“回归”，“确定”,4.在“Y值输入区域”与“X值输入区域”中分别框选对应的数列，并选择“输出区域”，“确定”,5.解读“回归统计”的表格：“Multiple”表示XY之间的相关性(具体判读方式参考第三章散布图的相关系数)；“R Square”表示直线的拟合程度(数值越大，表示拟合度越好),6.解读“方差分析”的表格：“Significance F”相当于方差分析中的P值(其与0.05的关系表示直线的影响是否显著),7.完成直线方程“Y=+X”,“Intercept”表示截距即=-78.82，且P-value0.05，表示显著存
24、在；“X Variable”表示斜率即=0.15，且 P-value0.05，表示显著存在,回归分析,点击这里开始演示,导航视窗,返回首页,1. 将数据输入到Excel中,2.完成散布图，具体步骤可参考第三章中“散布图”,3.从“工具”“数据分析”中找到“回归”，“确定”,4.在“Y值输入区域”与“X值输入区域”中分别框选对应的数列，并选择“输出区域”，“确定”,5.解读“回归统计”的表格：“Multiple”表示XY之间的相关性(具体判读方式参考第三章散布图的相关系数)；“R Square”表示直线的拟合程度(数值越大，表示拟合度越好),6.解读“方差分析”的表格：“Significance
25、 F”相当于方差分析中的P值(其与0.05的关系表示直线的影响是否显著),7.完成直线方程“Y=+X”,“Intercept”表示截距即=-78.82，且P-value0.05，表示显著存在；“X Variable”表示斜率即=0.15，且 P-value0.05，表示显著存在,8.总结分析的结论，列出回归方程,回归分析,点击这里开始演示,导航视窗,返回首页,1. 将数据输入到Excel中,2.完成散布图，具体步骤可参考第三章中“散布图”,3.从“工具”“数据分析”中找到“回归”，“确定”,4.在“Y值输入区域”与“X值输入区域”中分别框选对应的数列，并选择“输出区域”，“确定”,5.解读“回
26、归统计”的表格：“Multiple”表示XY之间的相关性(具体判读方式参考第三章散布图的相关系数)；“R Square”表示直线的拟合程度(数值越大，表示拟合度越好),6.解读“方差分析”的表格：“Significance F”相当于方差分析中的P值(其与0.05的关系表示直线的影响是否显著),7.完成直线方程“Y=+X”,“Intercept”表示截距即=-78.82，且P-value0.05，表示显著存在；“X Variable”表示斜率即=0.15，且 P-value0.05，表示显著存在,8.总结分析的结论，列出回归方程,9.利用回归方程进行预测,点击进入注意事项,回归分析,使用时机：
27、1.描述变量与结果间的关系2.预测未执行过的实验结果,注意事项,相关系数的判读方式参见标准品管工具制作手册-第三章-散布图。 R方数值介于01之间，越大代表模型的解释能力越好。 方差分析中“Significance F”值代表直线影响的显著性，如果其大于0.05则说明直线影响不显著，即可能有其它不确定因素存在。 “Intercept P-value”代表截距是否存在的检定，如果P值大于0.05，说明截距可能为0。 “X Variable P-value”代表斜率是否存在的检定，如果P值大于0.05，说明斜率可能为0。 以上除第4项外，其它项目均会决定直线是否存在。 数据量应尽可能多取，否则回归方程的预测会不够准确。 利用建立的回归方程进行预测，越趋近于中间的点预测越为准确。 需注意回归分析与散布图的不同用途 散布图-仅可观察其两个变量之间的相关性，没有预测的功能。 回归分析-可依据回归方程式进行预估，预测未进行的实验结果。,返回首页,Thank You!,
