使用图形浏览数据并评估变量之间的关系。您也可以使用图形来汇总数据,并帮助您解释统计分析结果。

要添加图形,请转至 添加并填写表单

箱线图

使用箱线图评估并比较样本分布的形状、集中趋势和变异性,并查看异常值。

当样本数量最少为 20 时,箱线图效果最佳。例如,科学家可以创建一个箱线图,对使用两种不同肥料生长的植物的高度与一个没用肥料的对照组进行比较。要查看示例,请转到 Minitab 帮助:箱线图示例

数据注意事项

数据必须是 Y 的数值,X 的可选离散值(用于比较的类别)。当样本数量最少为 20 时,箱线图效果最佳。如果样本数量太小,箱线图显示的四分位数和异常值可能没有意义。有关详情,请转至 Minitab 帮助:箱线图的数据注意事项

等值线图

使用等值线图可以检查一个响应变量与两个预测变量之间的关系。

在等值线图中,将两个预测变量的值分别表示在 X 轴和 Y 轴上,响应变量的值用称为等值线的阴影区域表示。等值线图与地形图类似,只不过等值线图中标绘的是 X、Y、Z 值,而不是经度、纬度和海拔。

一位食品科研人员想要确定加热冷冻饭菜的最佳时间和温度。该科研人员准备了 14 个不同时间和温度的样本,然后让专业试菜员对每个样本的总体质量进行评级。科学家创建一个等值线图来检验结果。要查看示例,请转到 Minitab 帮助:等值线图示例

数据注意事项

如有可能,X 值和 Y 值的间距应当规则以形成网格。通常,Z 值是您要解释或预测的响应,而 X 和 Y 值则是解释性变量。有关详情,请转至 Minitab 帮助:等值线图的数据注意事项

点图

使用点图可以评估和比较样本数据分布。

点图将样本值分成多个小区间并使用点和一条数字线表示每个值或一小组值。当样本数量小于大约 50 时,点图效果最佳。

例如,质量工程师创建点图以检查开启洗发水瓶盖样本所需的转矩量的分布。要查看示例,请转到 Minitab 帮助:点图示例

数据注意事项

数据必须是 Y 的数值,X 的可选离散值(用于比较的类别)。当样本数量小于大约 50 时,点图效果最佳。如果样本数量为 50 或更大,则一个点可能代表多个观测值。除了点图外,还要考虑使用箱线图或直方图,以便您可以更方便地标识分布的主要特征。有关详情,请转至 Minitab 帮助:点图的数据注意事项

直方图

使用直方图可以检验数据的形状和散布。

直方图将样本值分成多个区间并使用条形表示每个区间中的数据值频率。当样本数量最少为 20 时,直方图效果最佳。但是,如果样本数量比 20 大很多,则可以更好地体现分布情况。

例如,质量工程师创建直方图以检查开启洗发水瓶盖样本所需的转矩量的分布。要查看示例,请转到 Minitab 帮助:直方图示例

数据注意事项

数据必须是 Y 和 X 的数值。当样本数量至少为 20 时,直方图效果最佳。如果样本数量太小,直方图上每个条形包含的数据点不足,无法准确显示数据的分布情况。如果样本数量小于 20,请考虑使用单值图。有关详情,请转至 Minitab 帮助:直方图的数据注意事项

单值图

使用单值图评估并比较样本数据分布。

单值图对于一个组中每个观测值的实际值显示一个点,这便于发现异常值并查看分布的散布。当样本数量小于大约 50 时,单值图效果最佳。

与箱线图类似,单值图可帮助您确定可能的异常值并将数据分布可视化。但是,与箱线图不同的是,单值图会单独显示每个值。当观测值相对较少或需要评估每个观测值的效应时,单个值特别有用。

例如,工程师会创建单值图以比较用不同添加剂生产的塑料样本的弹性。要查看示例,请转到 Minitab 帮助:含多个 Y 变量的单值图的示例

数据注意事项

数据必须是 Y 变量的数值,并具有可选的离散 X 变量(用于比较的类别)。当样本数量小于大约 50 时,单值图效果最佳。如果样本太大,图上的数据点可能会聚合得过于密集,可能会使分布很难评估。如果样本数量大于 50,请考虑改用箱线图或直方图。有关详情,请转至 Minitab 帮助:单值图的数据注意事项

交互作用图

使用交互作用图可以显示一个类别因子和连续响应之间的关系如何依赖第二个类别因子的值。 此图在 x 轴上显示一个因子的水平均值,并针对另一个因子的每个水平显示一条单独的线。

例如,高速公路安全部门的研究人员想要了解在转向校正数量方面,驾驶员经验和道路类型之间的关系。研究人员绘制了交互作用图来显示因子彼此之间以及对响应的效应。要查看示例,请转到 Minitab 帮助:交互作用图的示例

数据注意事项

响应变量 (Y) 应当是连续变量。数据应当包括一个或两个类别因子 (X)。有关详情,请转至 Minitab 帮助:交互作用图的数据注意事项

主效应图

使用主效应图可以查看一个或多个类别因子对连续响应有何影响。

例如,某家地毯制造商想要查看单因子 ANOVA 的结果。该制造商根据地毯类型,创建了一个地毯耐用性平均分值的主效应图。要查看示例,请转到 Minitab 帮助:主效应图示例

数据注意事项

响应变量 (Y) 应当是连续变量。数据应当包括一个或两个类别因子 (X)。有关详情,请转至 Minitab 帮助:主效应图的数据注意事项

矩阵图

使用矩阵图可以同时评估若干对变量之间的关系。矩阵图是散点图的阵列。

例如,业务分析师想要研究成功的中小型制造公司。售量和公司经营年数的数据。在初始调查中,该分析师创建了一个矩阵图来检查客户数、回报率和经营年数之间的关系。要查看示例,请转到 Minitab 帮助:矩阵图示例

数据注意事项

虽然对于散点图所需的数据量没有正式的准则,但样本越大,就越能清楚地表示数据中的模式。当样本数量大约为 40 或更大时,含拟合回归线的散点图最有效。如果样本数量小于 40,则拟合回归线可能不那么准确。您应当考虑矩阵图中的每个散点图的样本数量。有关详情,请转至 Minitab 帮助:矩阵图的数据注意事项

多变异图

使用多变异图作为调查数据变异(包括周期变异和因子之间交互作用)的初步工具。

多变异图提供因子与响应之间关系的图形表示。多变异图显示每个因子在每个因子水平上的均值。在 Minitab 中,每个多变异图最多可以显示四个因子。

例如,制造商在两台不同的机器上生产塑料管,这两台机器都有三个不同的温度设置。质量工程师关心不同机器上和不同设置下塑料管直径的一致性。工程师创建多变异图来调查塑料管直径的变异。要查看示例,请转到 Minitab 帮助:多变异图示例

数据注意事项

要计算不同因子水平下的平均响应,多变异图需要数值响应数据。您最多可以有四个数字、文本或日期/时间因子。每个因子都必须至少有 2 个水平。有关详情,请转至 Minitab 帮助:多变异图的数据注意事项

散点图

使用散点图可以调查一对连续变量之间的关系。散点图在一个坐标平面中显示多对经过排序的 X 和 Y 变量。

例如,医疗研究者会创建散点图来显示少女的体重指数 (BMI) 和身体脂肪百分比之间的正相关关系。要查看示例,请转到 Minitab 帮助:散点图示例

数据注意事项

数据必须包括一对或多对数字或日期/时间数据列。有关详情,请转至 Minitab 帮助:散点图的数据注意事项

曲面图

使用曲面图,可通过查看预测响应的三维曲面来检查一个响应变量 (Z) 和两个预测变量(X 和 Y)之间的关系。 您可以选择将预测响应表示为一个平滑曲面或一个线框。

例如,一位食品科研人员想要确定加热冷冻饭菜的最佳时间和温度。该科研人员准备了 14 个不同时间和温度的样本,然后让专业试菜员对每个样本的总体质量进行评级。科学家创建一个 3D 曲面图来检验结果。要查看示例,请转到 Minitab 帮助:3D 曲面图示例

数据注意事项

如有可能,X 值和 Y 值的间距应当规则以形成网格。有关详情,请转至 Minitab 帮助:3D 曲面图的数据注意事项

时间序列图

使用时间序列图可以查找数据中一段时间的模式,如趋势或季节性模式。 时间序列图可帮助您选择用来对数据建模的时间序列分析。

例如,某股票经纪人比较了过去两年内两支股票的每月表现。股票经纪人创建一个时间序列图来直观显示两只股票的表现。要查看示例,请转到 Minitab 帮助:时间序列图示例

数据注意事项

按时间顺序记录数据。时间序列数据按照固定的间隔收集,而且按时间顺序记录。应当按照数据的收集顺序将数据记录到工作表中。如果数据不采用时间顺序,则无法使用时间序列图来评估数据中与时间相关的模式。时间序列图假定以有规律的时间间隔收集数据,比如一天一次或一个月一次。如果您按照固定间隔收集数据,则时间序列图可能会具有误导性。有关详情,请转至 Minitab 帮助:时间序列图的数据注意事项