1.目的:
让学生在minitab中学习和分析散点图,以便在minitab程序中进一步学习。
2.背景:
* 可变:
它是可以测量的特征(幅度,向量或数字),在每种研究案例中采用不同的值。
* 尺寸:
它是确定对象的尺寸或事件与特定度量单位之间的比例的方法
* 散点图:
散点图或相关图允许研究2个变量之间的关系。在给定2个变量X和Y的情况下,如果X的值每次增加,Y的值成比例地增加(正相关),或者X的值每次增加,则等值地减小,则两者之间存在相关性。 Y(负相关)。
在相关图中,我们将每对X,Y表示为X和Y的坐标相交的点。
通过根据观察到的偶数值在坐标平面上绘制点来显示两个变量之间的关系的图形。
* 相关系数:
线性相关系数是协方差与两个变量的标准偏差乘积之间的商。
线性相关系数用字母r表示。
* 两个变量之间的回归:
这是一种数学方法,可对因变量Y,自变量Xi和随机项ε之间的关系进行建模。
3.理论实例
1. 化学家使用称为微分脉冲极谱法的化学程序,通过将含有一定量镍(十亿分之一毫米)的溶液添加到缓冲溶液中,测量了产生的最大电流(以微安为单位) 。数据显示如下:
x =镍(pmm) | y =最大电流(μA) |
19.1 | 0.095 |
38.2 | 0.174 |
57.3 | 0.256 |
76.2 | 0.384 |
95 | 0.429 |
114 | 0.500 |
131 | 0.580 |
150 | 0.651 |
170 | 0.722 |
a)使用这些数据创建散点图。
b)计算相关系数r。
(A)计算相关系数。
X |
和 |
(x-x) |
(x-x)² |
(y-y) |
(y-y)² |
(x-x)(y-y) |
19.1 |
0.095 |
-75.43 |
5,689.68 |
-0.325 |
0.10 |
24.51 |
38.2 |
0.174 |
-56.33 |
3,173.06 |
-0.246 |
0.06 |
13.85 |
57.3 |
0.256 |
-37.23 |
1,386.07 |
-0.164 |
0.02 |
06.10 |
76.2 |
0.384 |
-18.33 |
335.98 |
-0.036 |
0.00124 |
0.65 |
95 |
0.429 |
0.47 |
0.22 |
.009 |
0.0081 |
.00423 |
114 |
0.500 |
19.47 |
374.08 |
0.08 |
0.0064 |
1.55 |
131 |
0.550 |
36.47 |
1,330.06 |
0.16 |
0.02 |
5.83 |
150 |
0.655 |
55.47 |
3,076.92 |
0.235 |
0.05 |
13.03 |
170 |
0.722 |
75.47 |
5,695.72 |
0.302 |
0.09 |
22.79 |
∑ = 850.8 |
∑ = 3795 |
21,066 |
0.347 |
88.61 |
---
2.合成纤维加工中使用的原材料存放在没有湿度控制的地方。测量房间中的相对湿度和12天原材料样品的水分含量(均以百分比表示)得出以下结果:
湿度X | 水分含量 |
42 | 12 |
35 | 8 |
五十 | 14 |
43 | 9 |
48 | 十一 |
62 | 16 |
31 | 7 |
36 | 9 |
44 | 12 |
39 | 10 |
55 | 13 |
48 | 十一 |
当储藏室的湿度为40%时,调整一条直线并确定水分含量。
X |
和 |
(x-x) |
(x-x)² |
(y-y) |
(y-y)² |
(x-x)(y-y) |
42 |
12 |
-2.41 |
5.80 |
之一 |
之一 |
-2.41 |
35 |
8 |
-9.41 |
88.54 |
-3 |
9 |
28.23 |
五十 |
14 |
5.59 |
31.24 |
3 |
9 |
16.77 |
43 |
9 |
-1.41 |
1.98 |
-二 |
4 |
2.82 |
18 |
十一 |
3.59 |
12.88 |
0 |
0 |
0 |
62 |
16 |
17.59 |
309.4 |
5 |
25 |
87.95 |
31 |
7 |
-13.41 |
179.82 |
-4 |
16 |
53.64 |
36 |
9 |
-8.41 |
70.72 |
-二 |
4 |
16.82 |
44 |
12 |
0.41 |
0.168 |
之一 |
之一 |
-0.41 |
39 |
10 |
-5.41 |
29.26 |
-之一 |
之一 |
5.41 |
55 |
13 |
10.59 |
112.14 |
二 |
4 |
21.18 |
48 |
十一 |
3.59 |
12.88 |
0 |
0 |
0 |
∑ = 533 |
∑ = 132 |
∑ = 854.82 |
∑ = 74 |
∑ = 230 |
---
3.注重健康的美国人经常参考与食品包装上出现的营养有关的信息,以避免含有大量脂肪,钠或胆固醇的营养。以下信息来自八个不同品牌的美国切片奶酪:
牌 |
脂肪(克) | 饱和脂肪(克) | 胆固醇(毫克) | 钠(毫克) | 卡路里 |
卡夫豪华美式 |
7 | 4.5 | 二十 | 340 | 80 |
卡夫Velveeta切片 |
5 | 3.5 | 十五 | 300 | 70 |
私人选择 |
8 | 5.0 | 25 | 520 | 100 |
拉尔夫单打 |
4 | 2.5 | 十五 | 340 | 60 |
卡夫2%牛奶单打 |
3 | 2.0 | 10 | 320 | 五十 |
卡夫单打美国 |
5 | 3.5 | 十五 | 290 | 70 |
Borden单身男女 |
5 | 3.0 | 十五 | 260 | 60 |
美洲湖 |
5 | 3.5 | 十五 | 330 | 70 |
a)您期望哪些变量对紧密相关?
b)绘制脂肪和饱和脂肪的散点图。描述这种关系。
c)创建脂肪和卡路里的散点图。将模式与部分观察到的模式进行比较
d)绘制脂肪和钠的散点图,以及胆固醇和钠的散点图。
e)计算胆固醇和钠变量的相关系数r
4.假设包裹递送服务链的经理想要开发一个模型,以根据购买商品的顾客数量预测单个商店的每周销售额(以千美元计)。从该连锁店的所有商店中选择一个随机样本,结果如下:
商店 | 顾客 | 销售额($ 1000) |
之一 | 907 | 11.20 |
二 | 926 | 11.05 |
3 | 506 | 6.84 |
4 | 741 | 9.21 |
5 | 789 | 9.42 |
6 | 889 | 10.08 |
7 | 874 | 9.45 |
8 | 510 | 6.73 |
9 | 529 | 7.24 |
10 | 420 | 6.12 |
十一 | 679 | 7.63 |
12 | 872 | 9.43 |
13 | 924 | 9.46 |
14 | 607 | 7.64 |
十五 | 452 | 6.92 |
16 | 729 | 8.95 |
17 | 794 | 9.33 |
18 | 844 | 10.23 |
19 | 1010 | 11.77 |
二十 | 621 | 7.41 |
a)绘制散点图。
b)获得最适合数据的方程式。
c)预测拥有600个客户的商店的每周销售额(以千美元计)。
X |
和 |
(x-x) |
(x-x)² |
(y-y) |
(y-y)² |
(x-x)(y-y) |
907 |
11.20 |
175.85 |
30923.22 |
2.4 |
5.76 |
422.04 |
925 |
11.05 |
194.85 |
37966.52 |
2.25 |
5.06 |
438.91 |
506 |
6.84 |
-225.15 |
50692.52 |
-1.96 |
3.84 |
441.2 |
741 |
9.21 |
9.85 |
97.02 |
0.41 |
0.16 |
4.03 |
789 |
9.42 |
57.85 |
3346.62 |
0.62 |
0.38 |
35.98 |
889 |
10.08 |
157.85 |
24916.61 |
1.28 |
1.63 |
202.09 |
874 |
9.45 |
142.85 |
20406.12 |
0.64 |
0.41 |
91.85 |
510 |
6.73 |
-221.15 |
48907.32 |
-2.07 |
4.31 |
457.70 |
529 |
7.24 |
-202.15 |
40864.62 |
-1.56 |
2.45 |
315.35 |
420 |
6.12 |
-311.15 |
96814.32 |
-2.68 |
7.22 |
833.88 |
679 |
7.63 |
-52.15 |
2719.62 |
-1.17 |
1.38 |
61.01 |
872 |
9.43 |
140.85 |
19838.72 |
0.63 |
0.386 |
88.73 |
924 |
9.46 |
192.85 |
37119.12 |
0.66 |
0.425 |
127.28 |
607 |
7.64 |
-124.15 |
15413.22 |
-1.16 |
1,364 |
144.01 |
452 |
6.92 |
-279.15 |
77924.72 |
-1.88 |
3,564 |
527.70 |
729 |
8.95 |
-2.15 |
4.62 |
0.15 |
0.02 |
-0.215 |
794 |
9.33 |
62.85 |
3950.12 |
0.53 |
0.272 |
33.31 |
844 |
10.23 |
112.85 |
12735.12 |
1.43 |
2.02 |
161.37 |
1010 |
11.77 |
278.85 |
77757.32 |
2.97 |
8.77 |
828.18 |
621 |
7.41 |
-110.15 |
12133.02 |
-1.39 |
1.95 |
153.10 |
∑ = 14,623 |
∑ = 176.16 |
61460.25 |
51.33 |
5364.90 |
因此,最佳拟合线是Y = -204859.43 + 280.20 X
4. 使用minitab的用户手册。
1)首先,我们选择minitab图标,然后单击右键
2)然后程序会出现,已经打开
3)添加要使用的数据
4)选择图形图标,然后选择散点图选项。
5)将出现以下框,您必须在其中单击确定图标
6)将变量添加到列中,它们出现并单击“确定”
7)散点图将出现
8.)要执行相关系数,请选择带有基本统计信息选项和相关选项的统计图标
9)将变量添加到右列,然后单击“确定”
10)最后,它为您提供了相关的结果
5。结论:
minitab程序指导解决问题的工作,因为在此程序中,更容易解决所有问题。
6.经验和学习:
在这个项目中,我们学会了使用宏伟的minitab程序,因为在这个程序中,事情很容易解决,因为在其中我们可以制作图形等。而且这个程序将来会为我们服务,我们要感谢工程师Luis ArturoGarcíaNavarro ,以便我们对此项目进行调试。
7.参考书目:http://:维基百科和专着
下载原始文件