Minitab: 统计入门的最佳选择介绍 统计导论主要是针对商学院和社会科学专业的大学生，其课程的安排有很多不同的形式。教课方式会受很多因素影响，例如选择的主题，学生的类型，可用的工具，老师的背景以及教课的目标。我们相信统计软件包的使用，例如Minitab，将会很好的推动统计知识的学习。我们将讨论，在北肯塔基州大学（NKU）我们如何利用Minitab来实现类似课程的授课，以及我们之所以选择Minitab软件的原因。
Minitab在北肯塔基大学 合适的工具才能充分的利用计算机，这个道理对任何课程都是适用的。在北肯塔基大学，我们很幸运的拥有优良的设备来支持我们的工作。每一间基础课教室都配有一台高射投影仪，投影幕和一台跟主机相连的计算机。Minitab软件安装在主机上，每个教室都可以很方便的通过访问主机来打开它。借助投影幕和高射投影仪，教师可以在上课期间很灵活有效的示范如何使用Minitab软件。在课堂上成功演示软件操作的能力是使用Minitab的主要部分。事实上，若没有这些设备，要想在课堂上使用Minitab，将会成为一件相当困难的事情，这也不是不可能的。
一个机房大约会有将近90台连在主机上的计算机供学生使用。机房在工作日内是从早开到晚的，周末会有一定的时间限制。学生可以随时进行Minitab统计分析。这种操作方法不会占据学生很多时间和精力，实施起来也非常有效。学生如果有很必要的需求，也可以通过调制解调器直接访问主机。另外，还有最后一种选择，但并不鼓励这种方式，就是学生自己购买Minitab学生版，然后在自己机器上使用。
很好被装备的计算机实验室在NKU 是重要对对Minitab 的成功的用途由学生。没有通入舒适(在时间和金钱), Minitab 会是较不有效的在基础课。
北肯塔基大学完善的机房设备，对学生成功使用Minitab软件是相当重要的。如果不是这么轻松就能访问（无论是时间还是金钱），Minitab对导论课程的效果或许就不会这么明显。
哲学在北肯塔基大学 在北肯塔基大学，我们开统计导论课的主要宗旨是使我们的学生能够理解和使用统计推论。我们察看了所有的统计问题, 无论是描述性统计或推断性统计,都有三个基本的组成部分。概要的说, 第一个组成部分是定义数据收集的目的，选择恰当的分析方法。第二个组成部分是根据选择的目标对数据进行恰当的统计分析。最后，第三个组成部分是解释分析结果，其中包括对一些感兴趣的问题的解释。有必要一提的是，在计算机普及之前（更久远一些，使用计算器时候），在基础统计课上重点讨论的就是第二个组成部分的数据，对大量数据进行演算，也就是，“做分析”。可以毋庸置疑的说，学生在那个时候认为统计就是计算的方法。在统计软件的帮助下,花在“计算”上的时间大大减少，教师可以将讲课重点放在理解整个统计过程上面。
在我们的基础课上,涉及传统的统计方法,以及这些方法背后的基本原理，其中包括解释(经常示范)选择该方法的原因,讨论在进行统计推断时可能发生的错误，以及对结果的重点解释。在整个学期的课程中,要求学生描述(用完全句！)他们对统计分析的理解——从描述性统计开始，到置信区间和假设检验为止。
教师如何使用Minitab 我们在北肯塔基大学的目标是以这种方式利用计算机来提高学生们的统计推断能力。我们相信我们已经找到了很好的方式，方便教师(在课上)和学生(课后)成功地使用Minitab。在课上,教师使用Minitab来指导学生如何正确使用Minitab,但更重要的是，辅导员以自己的经验使用Minitab来校验统计理论。由于学生普遍缺乏数学经验,因此在一门基础课上示范统计原理并不是很恰当。然而,大部分的统计理论是根据样本分布属性仿真获得。例如, Minitab可以很容易的生成一个样本平均值的分布,或多次生成置信区间。通过仿真,教师可以提供实物演示，将抽样的统计原理实质化。因而, 我们很大程度上依靠Minitab进行"样本验证"。附录C包含了导师可能在课堂上演示的仿真实例：示范置信区间的意义，以及第一类错误的类型。附录A包括了我们在课上演示过的所有类型的仿真的列表清单。我们相信,在课堂上花费的用来示范的时间很好的利用了。统计导论课上的学生,许多只有有限的数学基础，但还是对相当难以理解的统计原理有了相当清楚的认识。
学生如何使用Minitab 学生主要用Minitab软件来执行演算。尤其是分析实际的样本数据(原始数据) 时,就将用到Minitab。当已经计算好总的统计数据，可以选择计算器来进行下一步计算。我们的学生利用Minitab来做很多分析，譬如构建直方图, 获得描述性统计数据,形成置信区间,计算检验统计量或p值,执行回归分析和方差分析。附录B中列出了学生对Minitab更详细的使用。
我们并不要求学生能够利用Minitab提供每个可能的细微差异。我们的指导原则是无论学生如何使用Minitab，只要能利用Minitab使演算更加容易即可。由于讲解方法,学生很容易就了解如何使用Minitab。学生不需要应付计算机文件或复杂的系统命令。所有将被分析的数据都存放在数据库里。学生可以将感兴趣的数据文件直接导入Minitab,无须再进行费时费力的数据输入。我们也只需花很少时间在演算上,因而有更多时间讨论如何选择适当的分析方法以及分析结果的意义。我们相信这才是统计导论课的重点。
总结 如果Minitab,或其他任何易于操作的统计软件包,在统计导论课上正确使用他们，那将会大大推动统计的学习。学生不再陷于演算的泥淖中,能集中注意力学习为什么要有统计过程工作以及了解所得的分析结果意味着什么。教师使用Minitab在课上进行仿真，加强学生对"统计原理"的了解。总之,学生喜欢这种学习方式,享受这类课程,并且更好的理解了统计理论。
当然，选择如何使用计算机也是非常重要的。学生要很好把握好度，在利用Minitab使统计计算更加轻松和沉迷于计算机的能力而使统计课成了“电脑课”之间。上课的教材以及课程的安排将决定如何使用计算机。计算机应该被用来帮助学生更加容易地学习知识。若不仔细安排,计算机的本身的能力可能会不恰当地影响到课上要求做的事情。计算机的这种误用会降低享受学习统计知识的过程。
知识库作者相当欣赏写本文注解的跟他同时期的评论家，James E. McKenney,北肯塔基大学博士.
附录A 方针清单随机抽样
二项试验
中心极限定理
假设检验（a 和 b）
置信区间
方差分析
Random Sampling
Binomial Experiment
The Central Limit Theorean
Tests of Hypothesis (a and b)
Confidence Intervals
Analysis of Variance
Appendix B List of Student Analyses
附录B 学生分析清单
直方图
点图
描述性统计
均值，方差和离散分布图
二项分布
单样本t-检验
双样本t-检验
双样本t置信区间
回归和相关
方差分析
卡方检验
符号检验
威尔科克斯秩和检验
曼惠特尼检验
Kruskal及Wallis检验/多样本的秩和检验/H检验
Histograms
Dotplots
Descriptive Statistics
Mean, Variance, and Plot of Discrete Distributions
Binomial Distributions
t-Test (one sample)
t-Interval (one sample)
t-Test (two samples)
t-Interval (two samples)
Regression and Correlation
Analysis of Variance
Chi-Square Test
Sign Test
Wilcoxon Signed Rank Test
Mann-Whitney Test
Kruskal-Wallis Test
Appendix C
MTB > #
MTB > # A DEMONSTRATION OF THE MEANING OF A CONFIDENCE INTERVAL
MTB > #
MTB > # For each of 40 random samples of size 16 measurements from a
MTB > # normally distributed population with mean mu=10 and standard
MTB > # deviation sigma=2, 90% confidence intervals will be constructed.
MTB > # MTB > RANDOMly sample n=16 obs. in C1-C40;
SUBC> NORMAL population with mu=10 and sigma=2.
MTB > #
MTB > # Question 1: Will each interval contain the true value of mu=10?
MTB > # Question 2: What percentage of the intervals should contain the
MTB > # true value of mu=10?
MTB > #
MTB > # Count how many of the intervals contain the true value of mu=10.
MTB > #
MTB > T-INTERVAL with 90 percent confidence using the data in C1-C4
MTB > # Question 3: What percentage of these intervals did contain the
MTB > # true value of the mean mu=10?
MTB > # Question 4: Does this agree with your answer to question 2?
MTB > #
MTB > STOP
MTB > #
________________________________________
MTB > # A DEMONSTRATION OF THE MEANING OF A TYPE I ERROR
________________________________________
MTB > #
MTB > #
MTB > # For each of 40 random samples of size 25 measurements from a
MTB > # normally distributed population with mean mu=60 and
MTB > # standard deviation sigma=5, we will test:
MTB > #
MTB > # Ho: mu = 60 vs. Ha: mu > 60
MTB > #
MTB > RANDOMly sample n=25 obs. in C1-C40;
SUBC> NORMAL population with mu=60 and sigma=5.
MTB > #
MTB > # Question 1: Should this test lead to rejection of Ho?
MTB > # If Ho is rejected, what has occurred?
MTB > # Question 2: If alpha=.10, will any of the p-values be less than .10?
MTB > # Question 3: What percentage of the p-values should be less than .10?
MTB > #
MTB > # Count how many of the p-values are less than .10.
MTB > #
MTB > T-TEST of mu = 60 using the data in C1-C40;
SUBC> ALTERNATIVE = +1.
TEST OF MU = 60.000 VS MU G.T. 60.000
MTB > # Question 4: What percentage of these tests ended in a false
MTB > # Rejection of Ho, i.e. a Type I error?
MTB > # Question 5: Does this agree with your answer to question 3?
MTB > #
MTB > STOP
Frank H. Dietrich II, David B. Agard, Northern Kentucky University
Frank H. Dietrich, NKU, Highland Heights, KY 41099
