開啟檔案相位差.jmp分別利用前三欄位的資料制作NormalPlot哪一組趨近于正態(tài)?再分別制作直方圖(Histogram)這其中透露了什么?練習(xí)1Copyright

?

2008

QualiSys

Consultancy

Services認(rèn)識(shí)數(shù)據(jù)的分布2Copyright

?

2008

QualiSys

Consultancy

Services認(rèn)識(shí)數(shù)據(jù)的分布3Copyright

?

2008

QualiSys

Consultancy

Services柏拉圖展示的是根據(jù)出現(xiàn)頻率進(jìn)行排序后的數(shù)據(jù)類別，例如：返工的原因。柏拉圖4Copyright

?

2008

QualiSys

Consultancy

ServicesJMP里的?拉圖5Copyright

?

2008

QualiSys

Consultancy

Services練習(xí)請(qǐng)打開QUALITY

CONTROL.jmp，里面的Flows是瑕疵的類型，右側(cè)記錄了瑕疵“發(fā)生的時(shí)刻”。這組數(shù)據(jù)沒有直接提供瑕疵計(jì)數(shù)。所以要用“X分組”來區(qū)隔?；鶞?zhǔn)（可調(diào)）6Copyright

?

2008

QualiSys

Consultancy

ServicesJMP里的?拉圖練習(xí)JMP會(huì)以第一個(gè)“發(fā)生時(shí)刻”值的瑕疵多少排列順序作為不同時(shí)刻分隔的基準(zhǔn)，并可自行調(diào)整。于是，可以觀察各種瑕疵在不同“作業(yè)時(shí)刻”的具體數(shù)量分布。打開文件SPC-X.jmp，看I-MR單值–移動(dòng)全距圖7Copyright

?

2008

QualiSys

Consultancy

Services控制圖看的就是“異常點(diǎn)”因I-MR數(shù)據(jù)基于正態(tài)分布，所以“移動(dòng)極差”只有超限點(diǎn)控制圖看的就是“異常點(diǎn)”8Copyright

?

2008

QualiSys

Consultancy

Services打開文件SPC-X.jmp，看X-Bar

分組均值范圍圖若無GROUP列，則在此輸入組內(nèi)個(gè)數(shù)X-Bar

分組均值范圍圖9Copyright

?

2008

QualiSys

Consultancy

ServicesX-Bar

分組均值范圍圖10Copyright

?

2008

QualiSys

Consultancy

Services練習(xí)打開P-CHART.jmp，反映了一段時(shí)間內(nèi)被檢驗(yàn)產(chǎn)品的不良數(shù)，其中分母不盡一致。當(dāng)然，若分母一致，可自行輸入樣本常數(shù)。11Copyright

?

2008

QualiSys

Consultancy

Services流程能力diag1.jmp

數(shù)據(jù)包含以下特征:數(shù)據(jù)正態(tài)5個(gè)一組的SPC基本正常Max=85.752，Min=56.749若將LSL=57、USL=80以及LSL=57、USL=86分別輸入看流程能力分析分組若非連續(xù)采集（比如每周4算一組等），可在上方“分組依據(jù)”里選類似Subgroup（此時(shí)Subgroup算屬性）。JMP缺省顯示長

期能力，盡管顯示出的是Cpk12Copyright

?

2008

QualiSys

Consultancy

Services分析若需單獨(dú)顯示傳統(tǒng)

意義上的短期能力，則需點(diǎn)選最下方的

分組大?。ㄈ笔?個(gè)一組）。此時(shí)，前面的Cpk變成了真正的Ppk13Copyright

?

2008

QualiSys

Consultancy

Services流程能力分析數(shù)據(jù)Camshaft.mtw

(Minitab

工作表)凸輪軸由機(jī)床削切數(shù)據(jù)在第3列(Supp2)規(guī)格是600±5凸輪軸生產(chǎn)的子群大小為1流程能力如何？14Copyright

?

2008

QualiSys

Consultancy

Services流程能力分析步驟SPC穩(wěn)定性檢查，對(duì)異常點(diǎn)作出處理。正態(tài)檢定。如果數(shù)據(jù)非正態(tài)，需做擬合轉(zhuǎn)換。執(zhí)行流程能力分析。所以，建議JMP先從“分析>分布”開始逐步推進(jìn)分析。15Copyright

?

2008

QualiSys

Consultancy

Services長期Sigma水平短期Sigma水平JMP里的“Z基準(zhǔn)”反映出流程的西格瑪水平16Copyright

?

2008

QualiSys

Consultancy

Services注意，這里的長短期有1.5α的水平位移?？磥恚前凑誐OTOROLA的觀點(diǎn)去表現(xiàn)的。特性不清楚的分布利用BOX-COX轉(zhuǎn)換，轉(zhuǎn)換成正態(tài)分布案例分析:打開文件BOX-COX.JMP，其中的D3數(shù)據(jù)，規(guī)格為LSL=0.06，USL=0.15，請(qǐng)計(jì)算流程能力。非正態(tài)數(shù)據(jù)的流程能力計(jì)算17Copyright

?

2008

QualiSys

Consultancy

Services非正態(tài)數(shù)據(jù)的流程能力計(jì)算

非正態(tài)數(shù)據(jù)，直接在“連續(xù)擬合”里觀察全部分布的“對(duì)數(shù)似然”，JMP會(huì)自動(dòng)給出最合適的“分布形態(tài)”。將該分布形態(tài)代入D3“能力分析”即可。18Copyright

?

2008

QualiSys

Consultancy

Services選項(xiàng)/信息屏–用JMP19Copyright

?

2008

QualiSys

Consultancy

Services打開

連續(xù)性MSA.jmpJMP輸出方差32.66%，希望小于8%獨(dú)立分類數(shù)=4，希望大于520Copyright

?

2008

QualiSys

Consultancy

Services屬性R&R—利用JMP打開：“屬性MSA.jmp”分析

質(zhì)量和過程

變異性/計(jì)數(shù)量具（多元控制圖）圖表類型選“計(jì)數(shù)”，而非“變異性”。必須每個(gè)測量員1列21Copyright

?

2008

QualiSys

Consultancy

Services上方圖示反映每個(gè)樣本的測量一致性。此處每個(gè)操作員自身的一致性算法與

MINITAB不同。重點(diǎn)解釋下方的Kappa值（算法同MINITAB）22Copyright

?

2008

QualiSys

Consultancy

Services屬性R&R—利用JMP屬性R&R—利用JMP22÷28=78.5714%23Copyright

?

2008

QualiSys

Consultancy

ServicesJMP里不管Z檢驗(yàn)還是t檢驗(yàn)，只看“均值檢驗(yàn)”目標(biāo)值若數(shù)據(jù)非正態(tài)，點(diǎn)選“非參數(shù)檢驗(yàn)”24Copyright

?

2008

QualiSys

Consultancy

Services分析輸出單樣本Z:forcemu=2.85

與≠2.85

的檢驗(yàn)假定標(biāo)準(zhǔn)差=0.100492平均值變量

N

平均值

標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)誤

95%

置信區(qū)間

Z

Pforce

49

2.8463

0.1005 0.0144

(2.8182,

2.8745)

-0.26

0.798e)比較P值和重要水平：P-value

=

0.798，>

=0.05所以我們不能否定零假設(shè)。數(shù)據(jù)不能提供足夠的證據(jù)否定平均強(qiáng)度等于2.85磅。25Copyright

?

2008

QualiSys

Consultancy

Services我們首先使用Shapiro-Wilk

W檢驗(yàn)評(píng)估正態(tài)分布。統(tǒng)計(jì)>基本統(tǒng)計(jì)量>正態(tài)性檢驗(yàn)正態(tài)檢驗(yàn)Ｐ值＝0.6806＞0.05，服從正態(tài)。26Copyright

?

2008

QualiSys

Consultancy

Services單樣本T:Thicknessmu=3與≠3的檢驗(yàn)變量

N

平均值 標(biāo)準(zhǔn)差平均值標(biāo)準(zhǔn)誤

95%

置信區(qū)間

T

PP值d)

計(jì)算P值：分析>分布>均值檢驗(yàn)Thickness

18

3.00294

0.00310

0.00073

(3.00140,

3.00448)

4.04

0.001因?yàn)閜=0.001

<

0.05,

我們否定零假設(shè)。數(shù)據(jù)提供了足夠的證據(jù)證明平均厚度不等于3厘米。27Copyright

?

2008

QualiSys

Consultancy

Services收集數(shù)據(jù)和計(jì)算P數(shù)值JMP分析前必須先做數(shù)據(jù)表的堆疊轉(zhuǎn)換c.)隨機(jī)抽取樣本Office

A:

n

=

80Office

B:

n

=

80s

=

0.45s

=

0.51=

1.48

y=

1.58y28Copyright

?

2008

QualiSys

Consultancy

Services雙樣本t29Copyright

?

2008

QualiSys

Consultancy

Servicesd.)JMP計(jì)算P值針對(duì)已“堆疊”好的新數(shù)據(jù)表：分析>以X擬合Y>勾選“假定等方差”首先按“不等方差”做等方差檢驗(yàn)。正態(tài)看F檢驗(yàn)，非正態(tài)看Levene檢驗(yàn)，從它們各自的p值是否大于0.05，確定是否“等方差”。如果“等方差”，則按“均值/方差分

析/合并的t”；若“不等方差”，則“t檢驗(yàn)”。P=0.183>0.05，均值相等JMP輸出30Copyright

?

2008

QualiSys

Consultancy

Services利用軟件檢驗(yàn)兩個(gè)相關(guān)的樣本是否相等兩個(gè)相關(guān)的樣本必須是隨機(jī)抽取的每個(gè)抽樣總體都應(yīng)該大致呈正態(tài)分布31Copyright

?

2008

QualiSys

Consultancy

Services統(tǒng)計(jì)>基本統(tǒng)計(jì)量>配對(duì)t成對(duì)t檢驗(yàn)練習(xí)一輪胎公司認(rèn)為他們新生產(chǎn)的輪胎的里程數(shù)較競爭者的有提高。選擇了12部車，用新輪胎跑1000哩，再用競爭者的輪胎跑1000哩。假定里程的差異服從正態(tài)分布。32Copyright

?

2008

QualiSys

Consultancy

ServicesFile:

Car

Mileage.jmp結(jié)論是什么？如果我們將數(shù)據(jù)作雙樣本t檢驗(yàn)會(huì)如何？試試單樣本t檢驗(yàn)其中的差異。練習(xí)33Copyright

?

2008

QualiSys

Consultancy

Services3水平以上一元方差分析路徑圖或直接看“Welch檢驗(yàn)”34Copyright

?

2008

QualiSys

Consultancy

Services思考思考練習(xí)打開三人快遞.jmp因?yàn)閿?shù)據(jù)沒有進(jìn)行堆棧，先運(yùn)行“表>堆疊”。接著再針對(duì)堆疊表，進(jìn)入“分析>以X擬合Y”；或“分析>擬合模型”（可看殘差）。35Copyright

?

2008

QualiSys

Consultancy

Services首先通過JMP的“分布”欄做各組數(shù)據(jù)的SPC穩(wěn)定性研究與正態(tài)檢定。進(jìn)入“分析>以X擬合Y”。接著還是做等方差檢驗(yàn)（“不等方差”），步驟同前面的“雙樣本檢驗(yàn)”。如果“等方差”，則看“均值/方差分析”；p<0.05說明3個(gè)均值至少有一個(gè)不等，具體可從“CI菱形圖or比較環(huán)圖”看哪個(gè)CI不交叉？哪幾個(gè)CI有重合？若“不等方差”，也是執(zhí)行“均值/方差分析

”，但要直接看輸出結(jié)果下方的“Welch檢驗(yàn)”，其中的“概率>F”即p值。JMP的3水平以上一元ANOVA36Copyright

?

2008

QualiSys

Consultancy

ServicesR2

=0.50712一元ANOVA的數(shù)據(jù)分析（“分析>以X擬合Y”）p<0.05說明3個(gè)均值至少有一個(gè)不等，即三者有差異。具體可從“CI菱形圖or比較環(huán)圖”看哪個(gè)CI不交叉？哪幾個(gè)CI有重合？R-Sq越大，說明X不同水平間的差異（組間變異）越顯著，即存在某設(shè)置對(duì)Y的影響很大。R方值超過50%，應(yīng)該算是關(guān)鍵因子。若“不等方差”，也看“均值/方差分析”，但要直接看輸出結(jié)果下方的“Welch檢驗(yàn)”，其中的“概率>F”即p值。37Copyright

?

2008

QualiSys

Consultancy

Services1一元ANOVA的數(shù)據(jù)分析（“分析>擬合模型”）首先通過“分布”做各組數(shù)據(jù)的SPC穩(wěn)定性研究與正態(tài)檢定。如果各組數(shù)據(jù)都是等方差，也可以直接運(yùn)行

JMP的“分析>擬合模型”，同樣可得判定各組數(shù)據(jù)是否“相等”的p值和因子顯著性的R方值。1238Copyright

?

2008

QualiSys

Consultancy

Services在有些實(shí)驗(yàn)中，我們發(fā)現(xiàn)當(dāng)改變其他因子的不同水平時(shí)，一個(gè)因子的水平的主效果有所改變。在這種情況下因子間具有交互作用。兩條直線不平行表示存在交互作用。32385424濃度1濃度2催化劑1催化劑2交互作用39Copyright

?

2008

QualiSys

Consultancy

Services思考思考討論論社會(huì)貢獻(xiàn)，“品質(zhì)”和“智商”有無交互作用？在質(zhì)量檢查工作，性格沉穩(wěn)與否和注意力之間是否存在交互作用？收入水平和獎(jiǎng)勵(lì)水平之間呢？40Copyright

?

2008

QualiSys

Consultancy

Services多元ANOVA分析目的：提供分析具有顯著交互作用的2因子實(shí)驗(yàn)的機(jī)會(huì)切換到工作表

Montint.jmp輸出變量:Yield（望大）輸入變量:Temperature溫度(Low,

Med,

High)Catalyst

Solution催化劑濃度(Low,

Med,

High)JMP的多元方差分析依然是“分析>擬合模型”，且“特質(zhì)”依舊“標(biāo)準(zhǔn)最小二乘法”。JMP的多元方差分析不區(qū)分“平衡

ANOVA”和“一般線性模型

GLM”。將所有因子作“完全析因”，以觀察所有交互影響。41Copyright

?

2008

QualiSys

Consultancy

Services多元ANOVA分析看“效應(yīng)檢驗(yàn)”，2因子交互影響的p=0.029<0.05，交互作用顯著。從各因子的平方和或F比看，Temp最顯著，控制優(yōu)先級(jí)是：Temp>Catalyst>Temp*Catalyst。各因子對(duì)Y較有利的適宜水平分別是？？？42Copyright

?

2008

QualiSys

Consultancy

Services多元ANOVA分析路徑43Copyright

?

2008

QualiSys

Consultancy

Services在Minitab中,可通過以下兩種方法得到一般線性回歸模型(最佳擬合線)：44Copyright

?

2008

QualiSys

Consultancy

Services統(tǒng)計(jì)

>回歸

>回歸統(tǒng)計(jì)

>回歸

>擬合線圖最小平方的方法R2

=

87.7%P數(shù)值是對(duì)回歸等式的整體顯著性的測量P-value<0.05表示在統(tǒng)計(jì)上回歸關(guān)系顯著P-value

=0.000回歸關(guān)系所表達(dá)的Y的變異的87.7%在統(tǒng)計(jì)上是顯著的。整體顯著性R2

=0.877截距和系數(shù)的p<0.05，均存在45Copyright

?

2008

QualiSys

Consultancy

Services殘差分析若回歸“模型”的p值小于0.05，說明回歸公式成立，于是必須檢查殘差，通過“殘差”圖來進(jìn)一步判別模式的適配?！皻埐睢笔菙?shù)學(xué)模型的誤差，也是隨機(jī)誤差的總和。殘差值=實(shí)際值（個(gè)別樣本值）

—擬合值（水平均值）殘差是獨(dú)立的，且正態(tài)分布。殘差理想，則殘差的和=0。46Copyright

?

2008

QualiSys

Consultancy

Services從文件Oxygenpurity.jmp中，建立Oxygenpurity

對(duì)Hydrocarbon%(X)之間的一般線性回歸模式并進(jìn)行殘差分析。殘差分析點(diǎn)選“二元擬合>線性擬合”的“標(biāo)繪殘差”47Copyright

?

2008

QualiSys

Consultancy

Services48隨時(shí)間隨機(jī)正態(tài)性正態(tài)且均值為0隨機(jī)JMP的殘差圖表?看擬合直線兩側(cè)的點(diǎn)是否對(duì)稱，判斷正態(tài)與否。?非正態(tài)則一邊數(shù)據(jù)多，說明流程噪音大。觀察時(shí)序。若圖形不隨機(jī)，說明或許存在與“時(shí)間”相關(guān)的因子在影響著Y。Copyright

?

2008

QualiSys

Consultancy

ServicesJMP的殘差圖表隨機(jī)?希望散點(diǎn)對(duì)稱、無特殊形態(tài)地散布。從而反映出殘差的方差為一恒定的常數(shù)。?否則，分析數(shù)據(jù)背后有否異常？流程的噪音干擾大嗎？是否有將不同組的數(shù)據(jù)混放？?為求恒方差，則需對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理：——曲線型升階；——喇叭型用對(duì)數(shù)轉(zhuǎn)49Copyright

?

2008

QualiSys

Consultancy

Services發(fā)現(xiàn)“預(yù)測換值；-殘差”圖有特——橢圓型用Freeman殊形態(tài)，可-點(diǎn)“二元擬合”里的“特殊擬合”Tu。key轉(zhuǎn)換。從文件Oxygen

purity.jmp中，測定對(duì)于已獲得的線性回歸模型的95%置信區(qū)間CI和預(yù)測區(qū)間PI。擬合置信曲線=CI（深綠色帶）單值置信曲線=PI（淺綠色帶）置信區(qū)間和預(yù)測區(qū)間50Copyright

?

2008

QualiSys

Consultancy

Services運(yùn)行“分析>擬合模型”。選擇“刻畫器”，最下方會(huì)出現(xiàn)“預(yù)測刻畫器”。將紅線十字坐標(biāo)自由移動(dòng)，可見按回歸公式下Y隨著X變化而出現(xiàn)擬合值（紅字），下面括弧內(nèi)是該擬合值的置信區(qū)間，及CI。雙擊紅字X，出現(xiàn)輸入框，輸入給定X=1.15，Y=91.473，CI（90.947，91.999）。給定X的置信區(qū)間CI51Copyright

?

2008

QualiSys

Consultancy

Services給定X的預(yù)測區(qū)間PI選擇“保存列>預(yù)測公式”和“保存列>單值置信限公式”，在數(shù)據(jù)表里會(huì)增加三列數(shù)據(jù)。在數(shù)據(jù)表里增加1列在最后，雙擊X空格，填入給定X=1.15，邊上會(huì)出現(xiàn)Y擬合值=91.473，以及PI預(yù)測區(qū)間（89.130，93.815），比CI（90.947，91.999）要寬。52Copyright

?

2008

QualiSys

Consultancy

Services打開Reactor

32

Runs.jmp，該例可同時(shí)作為

DOE分析和歷史數(shù)據(jù)的多元回歸分析。對(duì)于百分比數(shù)值的Y，如果其分母相同，可只針對(duì)分子做連續(xù)性回歸分析。若分母不同，可在“特質(zhì)”里選“廣義線性模型”直接分析即可。如果數(shù)據(jù)量不大，且憑專業(yè)經(jīng)驗(yàn)斷定不存在3次以上交叉，可直接選“析因次數(shù)”（階數(shù)在下方可輸入，缺省2階）。但“完全析因”下的R-Sq肯定=1。需要手寫輸入的多階交互因子可選中相應(yīng)幾個(gè)因子后按“交叉”添加。多元回歸分析53Copyright

?

2008

QualiSys

Consultancy

Services出現(xiàn)LenthPSE，無論是多元回歸分析還是在DOE分析里都需要模式縮減。直至出現(xiàn)“擬合匯總”里的“均方根誤差”為止。多元回歸分析54Copyright

?

2008

QualiSys

Consultancy

Services在“預(yù)測刻畫器”的“設(shè)置意愿”設(shè)置完成，必須再執(zhí)行“最大化意愿”才能出現(xiàn)目標(biāo)Y下的因子預(yù)測值。從“模擬器”可仿真觀察最終實(shí)現(xiàn)的可能波動(dòng)范圍，自然越窄越好。55Copyright

?

2008

QualiSys

Consultancy

Services多元回歸分析下的因子預(yù)測JMP用“以X擬合Y”做邏輯回歸。請(qǐng)注意檢查每個(gè)X和Y的屬性。JMP數(shù)據(jù)表里的Y“審核出錯(cuò)”的基準(zhǔn)時(shí)間缺省是以第一個(gè)Y值為準(zhǔn)，如果要像JMP那樣缺省以1作為基準(zhǔn)事件，則需對(duì)

Y列右鍵點(diǎn)選“列信息”里的“列屬性”里的“值排序”，將右框里的“1”上移即可。JMP里的邏輯回歸56Copyright

?

2008

QualiSys

Consultancy

Services?P<α值，說明模型整體顯著成立。P<α值，說明模型的截距和系數(shù)都存在?！皢挝粌?yōu)勢(shì)比”決定了因子的顯著程度。JMP里的邏輯回歸57Copyright

?

2008

QualiSys

Consultancy

Services二進(jìn)制Logistic

回歸:審核出錯(cuò)與審核時(shí)間連結(jié)函數(shù):Logit響應(yīng)信息Outcome

1（事件）0變量

值 計(jì)數(shù)73151合計(jì)

224Logistic回歸表95%置信區(qū)間自變量系數(shù)-18.3997常量審核時(shí)間

0.140326系數(shù)標(biāo)準(zhǔn)誤

Z

P

優(yōu)勢(shì)比

下限 上限2.53593 -7.26

0.0000.0197355

7.11

0.000

1.15

1.11

1.2對(duì)數(shù)似然=-97.802檢驗(yàn)所有斜率是否為零:G=87.187，DF=1，P

值=0.000不一致

160014.5 Goodman-KruskalGamma

0.71結(jié)

36

0.3 Kendall的Tau-a

0.31合計(jì)

11023

100.0ln(

p

)=-18.4+0.14033審核時(shí)間1-pp1-p

e(

18.4

0.14033審核時(shí)間)=函式里的58Copyright

?

2008

QualiSys

Consultancy

Services擬合優(yōu)度檢驗(yàn)方法Pearson卡方180.119自由度162P0.157常量、系數(shù)至少有一個(gè)存在。偏差151.9231620.704Hosmer-Lemeshow8.45180.391配對(duì)數(shù)字百分比 度量結(jié)果綜述一致938785.2 Somer的D

0.71的線性關(guān)系。?稱為讓步比(Odd)or優(yōu)勢(shì)ln

()邏輯回歸看的就是某X對(duì)

p1-pln

()比。是某事件的發(fā)生概率與不發(fā)生概率的比值。這里的分子是所謂“基準(zhǔn)事件”（此處是“失敗，1”的概率）。優(yōu)勢(shì)比1.15意味著隨著”審核時(shí)間“每增加1個(gè)單位，“失敗”概率反而比“成功”概率高15%。

p1-p讓“優(yōu)勢(shì)比”來說話也許我們想要確定在什么樣審核時(shí)間水平下，“訂單審核”有50%成功概率？可以用前面的公式來計(jì)算

T.50ln()

18

.4

0

.140331

.50算出T50

我們發(fā)現(xiàn):用函式來控制質(zhì)量成本的投入59Copyright

?

2008

QualiSys

Consultancy

Services點(diǎn)選“Logistic擬合”里的“逆預(yù)測”，可以根據(jù)Y的基準(zhǔn)事件目標(biāo)概率，來推算適宜的X值，同時(shí)提供了相應(yīng)X的置信區(qū)間。用函式（逆預(yù)測）來控制質(zhì)量成本的投入60Copyright

?

2008

QualiSys

Consultancy

Services可能的異常值異常值說明改觀測值

與模型擬合得并不好，或預(yù)測模型不適合該

數(shù)據(jù)。應(yīng)做分析溯源，以判定是否是真的異常？61Copyright

?

2008

QualiSys

Consultancy

Services異常點(diǎn)分析該表顯示某一“審核時(shí)間”下針對(duì)“基準(zhǔn)事件”（所謂事件概率1，這里應(yīng)是“失敗”）的概率。–比如第1行，Time

=99.273時(shí)，失敗的概率僅僅1.1%，實(shí)際輸出也是“成功”的0。–又如第17行，Time

=104時(shí)，失敗的概率理應(yīng)僅2.2%，但實(shí)際輸出卻是“失敗”的1。這也是為什么“Delta

Beta與概率”診斷圖稱其為異常點(diǎn)的原因。*號(hào)表明和上一行相同。異常點(diǎn)分析62Copyright

?

2008

QualiSys

Consultancy

ServicesBB收集了歷史上448次項(xiàng)目投標(biāo)的結(jié)果數(shù)據(jù)“成功”或0“失敗”或1輸入變量為:–X1:

報(bào)價(jià),連續(xù)型–X2:

材料的種類‘內(nèi)部資深’=1（缺省水平，此處為數(shù)字型）‘外請(qǐng)專家’=2分析邏輯回歸

工作表或邏輯回歸-投標(biāo).jmp

并呈示