分析明确筛选设计的方法表

取整后的 λ

默认情况下，Minitab 将最优 λ (lambda) 值取整为最接近的半数，因为这些值相当于更为直观的变换。如果您希望使用最优值进行变换，请选择文件 > 选项 > 线性模型 > 结果显示。

以下是常用的 lambda 取整值以及它们变换响应变量的方式。

当使用 Box-Cox 变换时，估计的 λ (lambda) 是生成正态分布的变换响应值的最优值。默认情况下，Minitab 使用取整的 lambda 值。

Lambda 是 Minitab 用于变换响应数据的指数。例如，如果 lambda = -1，则所有响应值 (Y) 按以下方式变换：−Y^-1 = −1/Y。如果 lambda 等于 0，这代表 Y 的自然对数，而不是 Y⁰ 的自然对数。

λ (lambda) 的置信区间是可能包含从中提取样本的整个总体实际 λ 值的值范围。

由于样本的随机性，来自总体的两个样本不可能生成相同的置信区间。但是如果随机取样多次，则所获得的特定百分比的置信区间会包含未知的总体参数。这些包含参数的置信区间的百分比是区间的置信水平。

使用置信区间可评估样本的 lambda 估计值。

例如，当置信水平为 95% 时，包含总体 lambda 值的置信区间的置信度为 95%。置信区间有助于评估结果的实际意义。利用您的专业知识可以确定置信区间是否包含对您的情形有实际意义的值。如果区间因为太宽而无效，请考虑增加样本数量。