太多还是不足：样本数量和统计分析 | Too Much or Not Enough: Sample Sizes and Statistical Analysis
进行统计分析最实际的理由是，只收集一小部分数据，而不是整个总体。灵活收集采样数据可节省时间和资金，但灵活性的代价是决策出现错误。
使用 Minitab 回归进行预测分析 – 第二部分 | Predictive Analytics using Minitab's Regression – Part II
回归的目的是进行准确预测。模型中的项（线性、交互、二次）和用于计算模型的样本数据是影响模型可预测性的两大因素。项过多的模型通常会过度拟合样本数据，但会导致对新数据值的预测不佳。
使用 Minitab 回归进行预测分析 – 第一部分 | Predictive Analytics using Minitab's Regression – Part I
尽管市场上有许多新的预测分析和机器学习工具，但 Minitab 回归仍是构建预测模型的经典工具。回归允许用户对响应与各种预测变量之间的关系进行建模。公司需要正确使用预测工具，而 Minitab 回归可以帮助实现有意义的预测建模能力！
如何利用 Statistical Software 计算 B10 寿命 | How to Calculate B10 Life with Statistical Software
在过去一年多的时间里，我听到很多人都在问：“我怎样才能在 Minitab 中计算 B10 寿命？”尽管我是一名统计学家和工业工程师（请注意，我从来没有像问这个问题的客户那样涉足过这个领域），并且参加过可靠性工程课程，但我从未听说过 B10 寿命。因此我做了一些研究。
每位营销人员都应掌握的一种用于简单 A/B 检验的基础统计方法 | One Basic Statistical Method Every Marketer Should Know for Simple A/B Testing
过去，有些营销人员一听到“统计”这个词，可能就会不寒而栗。但是现如今，如果您没有将统计和分析融入到营销策略中，您就落伍了。
人力资本分析：您是如何应对招聘挑战的？ | Human Capital Analytics: How Are You Addressing Your Recruitment Challenges?
大多数人力资源专业人员和管理者都了解员工（尤其是高绩效员工）流动的成本和痛点
CART：销售招聘的分类和回归树 | CART: Classification and Regression Trees for Sales Recruitment
人力资源主管可以通过进行简单的数据分析，大大提高他们成功聘用候选人的机会。招聘人员无需了解统计学，即可使用 Minitab 的 CART® 命令构建“招聘树”。
面向人力资源的 Minitab：分析招聘数据以快速聘用最佳候选人 | Minitab for HR: Analyzing Recruiting Data to Hire the Best Candidates Quickly
当询问任何一位人力资源专业人员时，他们都会告诉您，他们面临的最大挑战之中有两个是吸引合适的候选人并快速聘用他们。为了解决这个问题，大多数公司通常会推出员工推荐计划作为奖励。
如何在通货膨胀时期降低供应链成本 | How to Reduce Supply Chain Costs During Times of Inflation
现在，调查和降低供应链成本比以往任何时候都更重要。尽管公司多年来一直在努力降低供应链成本，但现在降低成本的需求更为迫切。
关于使用 Minitab 的 Python 集成及自动化和数据抓取的教程 | How to Create a Python Visual in Minitab
本博客将通过引导您了解一个真实的场景，展示使用 Python 脚本扩展 Minitab Statistical Software 的功能有多方便。