良好的数据分析可以让您更快地做出更明智的决策。在 Minitab，我们一直在努力让您更轻松地分析数据和传达这些结果，以便您可以继续推进您的项目。恰当的例子：Minitab 中的变异图。

可变性图表可以轻松识别数据中的可变性来源；无论您是将其用作初步分析工具还是在最终报告中用于证明主要变异来源。

示例 1：交流临床研究的结果

考虑一项临床研究，食品制造商调查了六种产品的风味差异。研究在第 2 天重复进行。以下示例显示了数据的排列方式：

我们首先选择Stat > Quality Tools > Variability Chart 下的 Variability Chart …

纵轴代表风味评分，横轴包含产品代码和天数。

很容易看出，LHA .50% w/ DRN 4产品在这两天的平均风味评分（由线条连接）更高。此外，通过变异性图表可以很容易地看出，与所有其他产品相比，当前产品的风味评分差异要小得多。

如果目标是最大化风味，一个合理的结论是，虽然当前产品提供更一致的风味，但LHA .50% w/ DRN 4产品将需要一些工作来减少这些风味评分的变化。变异性图表是展示本研究结果的绝佳选择，因为它以清晰、简洁的视图显示了LHA .50% w/ DRN 4产品的较高平均分数和当前产品的少量变异。

示例 2：可视化从医疗设备制造过程中收集的数据

现在考虑我们已经从测量医用泵输液量的过程中收集了数据。我们使用两种不同的材料类型在两条输送线上以四种不同的泵速收集数据。这是一个显示数据排列方式的示例：

与第一个示例一样，我们在Stat > Quality Tools > Variability Chart中找到了 Variability Chart 对话框……在这里我们还选择了Standard deviation chart：

使用变异图可以很容易地将这三个因素可视化在一个图表中：

我们可以看到总体平均值约为21.5，用水平线表示所有级别。泵速1300内的可变性表明结果低于总体平均值。我们还可以看到材料代码 9978在第一行和第二行的灌注测量值始终较低。还很容易看出，与其他泵速相比， Pump Speed 1400内的可变性要高得多。

Variability Chart 还提供了一个选项来创建数据的标准偏差图 - 在这里很容易看到泵速为1400时的变化在Line和Material Code的水平上更高。