Professional Documents
Culture Documents
73
Ottenere unanalisi statistica separata per ogni valore che compare in una apposita colonna da
inserire alla voce By variable.
74
75
lotto
1
2
N
25
25
Mean
65,760
66,200
Median
66,000
66,000
TrMean
65,826
66,174
StDev
1,964
1,893
Variable
Durezza
lotto
1
2
SE Mean
0,393
0,379
Minimum
61,000
63,000
Maximum
69,000
70,000
Q1
65,000
65,000
Q3
67,000
67,500
MINITAB riporta i risultati della statistica descrittiva per la variabile Durezza HRC nella finestra
sessione. In particolare, per ogni lotto, sono riportati i seguenti parametri:
N numero di misure;
Mean media dei valori;
Median mediana dei valori;
TrMean media calcolata eliminando il 5% dei valori a partire dal pi piccolo ed il 5% di quelli a
partire dal pi grande;
StDev devizione standard (o scarto tipo);
SE Mean deviazione standard (o scarto tipo) della media;
Minimum valore minimo;
Maximum valore massimo;
Q1 primo quartile;
Q3 terzo quartile.
Fig. 1.a Grafico riassuntivo per lanalisi statistica dei dati riportati in Tab.1 (valori per il lotto 1).
76
Fig. 1.a Grafico riassuntivo per lanalisi statistica dei dati riportati in Tab.1 (valori per il lotto 2).
Allinterno di ogni grafico, oltre ai parametri gi riportati nella finestra sessione, sono riportati:
Anderson-Darling Normality Test il test di normalit di Anderson-Darling;
Variance varianza;
Skewness indice che misura lasimmetria;
Kurtosis indice che misura la curtosi;
95% Confidence Interval for Mu intervallo di fiducia al 95% della media;
95% Confidence Interval for Sigma intervallo di fiducia al 95% della deviazione standard (o
scarto tipo);
95% Confidence Interval for Median intervallo di fiducia al 95% della mediana.
Dai valori ottenuti per lesempio si pu concludere che non vi significativa differenza tra i due
lotti. Tale conclusione pu essere raggiunta in maniera pi rigorosa effettuando un test dipotesi
sulla differenza delle medie ottenute per i due lotti.
77
Ad esempio per calcolare un intervallo di fiducia del tipo one-sample t-confidence interval ed
effettuare un test dipotesi per la media, necessario effettuare i seguenti passaggi:
1) Scegliere Stat Basic Statistics 1-Sample t.
2) Alla voce Variables, inserire il nome (o i nomi) della colonna (o delle colonne) contenente il
campione (o contenti i campioni). MINITAB effettua unanalisi separata per i dati in ogni
colonna.
3) Per effettuare un test dipotesi, alla voce Test mean inserire il valore per cui si vuole fare il test
(ci equivale ad inserire il valore della media per cui verificare lipotesi nulla).
4) Cliccare su OK.
Secondo le opzioni disponibili possibile:
Specificare il livello di fiducia (quello di default 95%). Ci pu essere fatto cliccando sul tasto
Options e inserendo il valore desiderato alla voce Confidence level.
Definire lipotesi alternativa scegliendo, dopo aver cliccato sul tasto Options, le opzioni less
than (minore di), not equal (diversa da) o greater than (maggiore di).
Lotto 2
[
]
134
134
134
137
133
132
137
137
135
135
Lotto 3
[
]
133
133
135
137
138
138
135
135
133
132
Lotto 4
[
]
133
134
135
135
135
133
138
137
135
139
Lotto 5
[
]
135
135
134
134
133
136
137
133
132
139
78
Se, inoltre, si vuole effettuare un test dipotesi, imponendo lipotesi nulla che il valore della media
sia maggiore di 135 , ed avere un istogramma dei valori misurati, necessario variare la
procedura nel modo seguente:
1) Inserire i dati relativi alle misurazioni nella colonna C1.
2) Nominare la colonna C1 con Resistenza Ohm.
3) Scegliere Stat Basic Statistics 1-Sample t.
4) Alla voce Variables, scegliere Resistenza Ohm .
5) Alla voce Test mean inserire il valore 135.
6) Cliccare su Options.
7) Alla voce Alternative, scegliere greater than.
8) Cliccare su OK.
9) Cliccare su Graphs.
10) Selezionare Hystogram of data.
11) Cliccare su OK.
12) Cliccare su OK.
Compariranno il grafico riportato in Fig. 2 e nella finestra sessione comparir la seguente tabella:
One-Sample T: Resistenza Ohm
Test of mu = 135 vs mu > 135
Variable
Resistenza O
Variable
Resistenza O
Fig. 2
N
50
Mean
135,120
StDev
1,945
T
0,44
SE Mean
0,275
P
0,332
79
In questo caso (trattandosi di un test unilaterale) il valore minimo riportato per lintervallo di fiducia
Lower Bound = 134,659 . Inoltre si ottiene che il livello di rischio con cui pu essere rifiutata
lipotesi nulla risulta pari al 33,2%.
Ottenere in output i conteggi o le percentuali relativi ad ogni cella di una tabella a due entrate.
80
Columns: Fornitor
All
no
11
64.71
12
66.67
10
62.50
33
64.71
si
6
35.29
6
33.33
6
37.50
18
35.29
All
17
100.00
18
100.00
16
100.00
51
100.00
81
Osservando i valori di output, si vede che MINITAB fornisce il conteggio dei componenti difettosi
per ogni fornitore, ed in particolare si ottiene che tutti i fornitori hanno fornito 6 componenti
difettosi, corrispondenti per il fornitore A al 35.29% di tutta la sua fornitura, per il fornitore B al
33.33% e per il fornitore C al 35.29%. Inoltre la percentuale di componenti difettosi su tutta la
fornitura pari al 35.29%. Si noti che le ultime due voci che compaiono nella finestra sessione
(Count % of Col) indicano che i risultati della tabella che compare nella finestra sessione
rappresentano, per ogni casella della tabella, il numero di conteggi per ogni fornitore (Count) e la
percentuale di conteggi per ogni fornitore (% of Col).
4.5 Correlazione
MINITAB permette di calcolare il coefficiente di correlazione per due variabili. Si ricorda che il
coefficiente di correlazione lineare pu assumere valori compresi nellintervallo [-1,+1]; se una
variabile tende a crescere in modo lineare mentre laltra decresce, il coefficiente negativo,
viceversa, se le due variabili tendono a crescere o decrescere contemporaneamente, il coefficiente
positivo. Se le due variabili non sono correlate, il coefficiente prossimo a zero.
Ad esempio per calcolare il coefficiente di correlazione lineare tra due variabili i cui valori
sperimentali sono riportati rispettivamente in due colonne, necessario compiere i seguenti
passaggi:
1) Scegliere Stat Basic Statistics Correlation.
2) Alla voce Variables, inserire il nome delle due colonne contenenti i dati misurati (se si
inseriscono pi colonne MINITAB calcola il coefficiente di correlazione tra tutte le coppie di
colonne e presenta in output il triangolo inferiore delle matrice di correlazione risultante).
3) Cliccare su OK.
Secondo le opzioni disponibili possibile:
Visualizzare il livello di fiducia per i test di ipotesi individuali (tale opzione avviene per
default).
Salvare la matrice di correlazione selezionando la voce Store matrix (display nothing). In questo
caso per visualizzare la matrice necessario scegliere Manip Display Data, oppure guardare
nella cartella matrici della finestra gestione progetto.
82
Def.
[m]
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
Sforzo
[MPa]
20,245
31,174
37,796
53,574
65,132
74,037
74,108
97,715
Def.
[m]
0,50
0,55
0,60
0,65
0,70
0,75
0,80
0,85
Sforzo
[MPa]
98,924
110,051
117,409
127,545
136,934
158,453
150,393
172,783
Def.
[m]
0,90
0,95
1,00
1,05
1,10
1,15
1,20
1,25
Sforzo
[MPa]
182,090
184,438
200,374
209,994
222,213
231,034
243,951
238,596
Def.
[m]
1,30
1,35
1,40
1,45
1,50
1,55
1,60
1,65
Sforzo
[MPa]
265,453
271,751
277,778
292,539
306,590
306,781
318,969
327,895
Def.
[m]
1,70
1,75
1,80
1,85
1,90
1,95
2,00
Sforzo
[MPa]
342,533
352,360
354,420
363,960
384,110
394,475
403,494
Tab. 4 Dati corrispondenti alle misure di resistenza meccanica effettuate su una sbarra metallica.
Nella finestra sessione comparir la seguente tabella:
Correlations: Deformazione; Sforzo
Pearson correlation of Deformazione and Sforzo = 0,999
P-Value = 0,000
Tale risultato evidenzia, come atteso, una forte correlazione positiva tra le due variabili. Ulteriori
test possono spiegare meglio il significato di questa correlazione. Inoltre con loperazione di
regressione (descritta nel paragrafo successivo) possibile individuare i parametri della relazione
funzionale esistente tra le due variabili analizzate.
4.6 Regressione
La regressione unanalisi statistica che permette di stimare i parametri di un modello del primo
ordine lineare che si assume possa descrivere la relazione tra una o pi variabili dingresso
(predictors) ed una variabile duscita (response). MINITAB permette di utilizzare diverse procedure
per effettuare la regressione con il metodo dei minimi quadrati o del tipo logistic regression. Tali
procedure, che si basano sul metodo dei minimi quadrati, includono: simple-regression, multipleregression, stepwise-regression e best-subset-regression. Inoltre possibile riportare su di un
grafico la curva ottenuta con i risultati della regressione (fit) e generare diversi grafici per l'analisi
dei residui. Per ci che riguarda le logistic-regression, MINITAB fornisce diversi metodi per i
seguenti tipi di variabile d'uscita: binary (binaria), ordinal (ordinale) e nominal (nominale). In
queste dispense non sar trattata la logistic-regression, per un approfondimento su tale argomento si
rimanda all'Help in linea di MINITAB.
A titolo d'esempio, di seguito sono riportati i passaggi per effettuare una regressione su un modello
lineare tramite l'utilizzo del metodo dei minimi quadrati:
1) Scegliere Stat Regression Regression.
2) Alla voce Response, scegliere la colonna che contiene la variabile d'uscita (variabile
dipendente).
3) Alla voce Predictors, scegliere la colonna che contiene la variabile (o le variabili) d'ingresso
(variabile indipendente).
4) Cliccare su OK
Secondo le opzioni disponibili possibile:
Costruire 5 tipologie diverse di grafico dei residui: Histogram of residuals (istogramma dei
residui), Normal plot of residuals (grafico di probabilit normale dei residui), Residuals versus
Maurizio Galetto Esercitazioni di statistica con luso di MINITAB
83
(grafico dei residui in funzione del fit), Residuals versus order (grafico dei residui in
funzione dellordine dei dati) e Residuals versus the variables (grafico dei residui in funzione di
una serie di variabili a scelta).
Effettuare una regressione pesata, cliccando sul comando Options e inserendo la colonna dei
pesi alla voce Weights.
Escludere il temine costante (intercetta) dalla regressione, cliccando sul comando Options e
deselezionando la voce Fit intercept (selezionata per default).
Selezionare le opzioni di output riguardanti le statistiche di risposta (VIF, Durbin-Watson,
PRESS).
Effettuare diversi tipi di test di lack-of-fit, tramite il comando Options.
Effettuare delle previsioni su nuove osservazioni, cliccando sul comando Options e inserendo
lintervallo opportuno alla voce Prediction intervals for new observations (con tale opzione
possibile ottenere automaticamente il calcolo sia della Prediction Band sia della Confidence
Band).
Salvare diversi dati di output per lanalisi del modello o per ulteriori analisi dei dati, tramite il
comando Storage.
Selezionare diverse opzioni di output, tramite il comando Results.
fit
Sforzo
[MPa]
35,1023
35,0484
35,1312
35,2201
35,3017
35,3346
35,3959
35,7251
35,7789
35,7445
Temp.
[C]
127,2
127,4
127,6
127,8
128,0
128,2
128,4
128,6
128,8
129,0
Sforzo
[MPa]
35,9699
36,0249
36,0320
36,3332
36,3291
36,6287
36,7136
36,7463
36,8455
36,9942
Temp.
[C]
129,2
129,4
129,6
129,8
130,0
130,2
130,4
130,6
130,8
131,0
Sforzo
[MPa]
37,0357
37,1200
37,2191
37,2921
37,3712
37,3080
37,5877
37,7072
37,5864
37,7103
Temp.
[C]
131,2
131,4
131,6
131,8
132,0
132,2
132,4
132,6
132,8
133,0
Sforzo
[MPa]
38,0221
37,9438
38,1547
38,1941
38,4436
38,5961
38,6567
38,7064
39,0021
38,7475
Temp.
[C]
133,2
133,4
133,6
133,8
134,0
134,2
134,4
134,6
134,8
135,0
Sforzo
[MPa]
38,9975
39,0973
39,2336
39,3358
39,5335
39,4919
39,5878
39,8956
39,7274
39,8301
Tab. 5 Dati corrispondenti alle misure di resistenza a frattura effettuate su diversi campioni di un
particolare elastomero, ottenuti a temperature di vulcanizzazione crescenti.
Per effettuare tale analisi con MINITAB necessario eseguire i seguenti passaggi:
1) Inserire i dati relativi alle misurazioni della temperatura nella colonna C1.
2) Inserire i dati relativi alle misurazioni tensione di frattura nella colonna C2.
3) Nominare la colonna C1 con Temperatura.
4) Nominare la colonna C2 con Tensione.
5) Scegliere Stat Regression Regression.
6) Alla voce Response, scegliere Tensione.
7) Alla voce Predictors, scegliere Temperatura.
8) Cliccare sul comando Graphs.
Maurizio Galetto Esercitazioni di statistica con luso di MINITAB
84
Coef
-28,6678
0,508060
S = 0,09928
SE Coef
0,6331
0,004865
R-Sq = 99,6%
T
-45,28
104,44
P
0,000
0,000
R-Sq(adj) = 99,6%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
48
49
Unusual Observations
Obs
Temperat
Tensione
29
131
37,5864
39
133
39,0021
SS
107,51
0,47
107,98
Fit
37,7863
38,8025
MS
107,51
0,01
F
10906,91
SE Fit
0,0144
0,0192
P
0,000
Residual
-0,2000
0,1996
St Resid
-2,04R
2,05R
Fig. 3
Grafico di probabilit normale dei residui ottenuti dalla regressione lineare su un modello
di primo grado dei dati riportati in Tab.5.
Maurizio Galetto Esercitazioni di statistica con luso di MINITAB
85
Analizzando il risultato riportato nella finestra sessione si vede che MINITAB fornisce come
output:
- lequazione della retta di regressione;
- le stime dei parametri con i corrispondenti scarti quadratici ed il corrispondente test di
significativit di Student (nel caso in esame tutti e due i parametri calcolati sono significativi);
- le diverse statistiche sulla regressione;
- i risultati dellANOVA (per linterpretazione dei quali si rimanda allHelp di MINITAB);
- e lelenco di alcune osservazioni (dati sperimentali) giudicate eccessivamente distanti dai valori
previsti dal fit.
Inoltre, dallanalisi visiva dei punti riportati sul Grafico di Probabilit Normale dei residui, non si
evidenziano scostamenti sistematici dallassunzione di normalit per gli errori.
86
3)
4)
5)
6)
7)
8)
2)
3)
4)
5)
1)
2)
3)
4)
5)
Creazione di una colonna che contiene la diagonale di una matrice esistente in MINITAB
Scegliere Calc Matrices Diagonal.
Selezionare la voce Copy diagonal:
Alla voce From matrix, selezionare la matrice da cui copiare la diagonale.
Alla voce Store result in, digitare il nome della colonna in cui si vogliono salvare i valori.
Cliccare su OK.
87
88