歡迎來到全傑科技

今日訪客: 0
線上訪客:

本軟體最新開課活動

目前沒有相關活動!!!
本軟體之前的活動!!
本軟體有產品說明會, 請洽本公司!!

下載專區 Download

活動資訊

  • 目前尚無任何訓練課程!!

聯絡我們

姓名:
Email:
聯絡電話:
單位:
部門:
附件:
您的留言:

提供專業軟體代購服務
如有未列於網站之產品需求
歡迎來電洽詢,感謝您!
電話:(02)2507-8298

SigmaPlot 14
二維及三維科學繪圖軟體
The technical graphing software choice for more than 100,000 professional researchers
軟體代號:37
瀏覽次數:58185
WindowsVISTAWindows7Windows8Windows 10
多人版
網路版
教育版
商業版
再啟動服務
試用版
遠端展示
在地教學
遠端安裝啟動服務
原廠技術服務
產品說明會
中文入門手冊
教育訓練
教學範例檔
教育訓練光碟
中文安裝手冊
永久授權
目前庫存
中文型錄
英文型錄
安裝序號
網路啟動
原廠光碟
合法保證
原廠手冊
64 Bit
電子英文手冊
認證檔
影音教學檔
保護鎖



101
F檢定圖

POWERSYS
三軍總醫院 (內湖院區)
世新大學
中信金融管理學院
中原大學
中國文化大學
中國石油公司 高雄煉油總廠
中國醫藥大學
中國醫藥大學附設醫院
中國鋼鐵股份有限公司
中天生物科技股份有限公司
中央研究院
中央研究院 細胞與個體生物學研究所 臨海研究站
中央研究院南部生物技術中心
中山醫學大學
中州科技大學
中臺科技大學
中興工程顧問股份有限公司
中華大學
中華學校財團法人中華科技大學
五鼎生物技術股份有限公司
亞東技術學院
亞東紀念醫院
亞洲大學
交通部 中央氣象局
交通部運輸研究所 港灣技術研究中心
京冠生物科技股份有限公司
佛教慈濟醫療財團法人台北慈濟醫院
佛教慈濟醫療財團法人花蓮慈濟醫院
信可科技股份有限公司
修平科技大學
健行學校財團法人健行科技大學
僑光科技大學
元智大學
內政部 建築研究所 (臺南)
南臺科技大學
南開科技大學
卡丹溱有限公司
台康生技股份有限公司
台灣中油股份有限公司 (綠能科技研究所)
台灣中油股份有限公司 探採研究所
台灣中油股份有限公司 煉製事業部 (楠梓)
台灣中油股份有限公司 煉製研究所
台灣微脂體股份有限公司
台灣氯乙烯工業股份有限公司 (林園廠)
台灣首府學校財團法人台灣首府大學
名人電腦股份有限公司
嘉南藥理大學
嘉義農業試驗分所
因華生技製藥股份有限公司
國家中山科學研究院 (台中院區)
國家同步輻射研究中心
國家災害防救科技中心
國家高速網路與計算中心(臺南)
國立中央大學
國立中山大學
國立中正大學
國立中興大學
國立交通大學
國立勤益科技大學
國立嘉義大學 (新民校區)
國立嘉義大學 (民雄校區)
國立嘉義大學 (蘭潭校區)
國立宜蘭大學
國立屏東大學 (林森校區)
國立屏東科技大學
國立岡山高級中學
國立彰化師範大學
國立彰化師範大學 (寶山校區)
國立彰化高級商業職業學校
國立成功大學
國立成功大學醫學院附設醫院
國立政治大學
國立故宮博物院
國立新豐高級中學
國立暨南國際大學
國立東華大學
國立東華大學 (屏東校區)
國立民雄高級農工職業學校
國立海洋生物博物館
國立清水高級中學
國立清華大學
國立清華大學 (南大校區)
國立澎湖科技大學
國立羅東高級商業職業學校
國立聯合大學
國立自然科學博物館
國立臺中教育大學
國立臺中文華高級中學
國立臺中科技大學 (民生校區)
國立臺北商業大學
國立臺北大學
國立臺北教育大學
國立臺北科技大學
國立臺北藝術大學
國立臺北護理健康大學
國立臺南大學
國立臺東大學 (校本部)
國立臺灣大學
國立臺灣大學 (藥學專業學院)
國立臺灣大學公共衛生學院
國立臺灣大學生物資源暨農學院實驗林管理處
國立臺灣大學醫學院
國立臺灣大學醫學院附設醫院 (東址)
國立臺灣大學醫學院附設醫院 (西址)
國立臺灣大學醫學院附設醫院 (新竹分院)
國立臺灣師範大學
國立臺灣師範大學 (公館校區)
國立臺灣師範大學(林口校區)
國立臺灣海洋大學
國立臺灣科技大學
國立虎尾科技大學
國立陽明大學
國立雲林科技大學
國立體育大學
國立高雄大學
國立高雄師範大學 (和平校區)
國立高雄師範大學 (燕巢校區)
國立高雄師範大學附屬高級中學
國立高雄科技大學 (建工校區)
國立高雄科技大學 (楠梓校區)
國立高雄科技大學 (第一校區)
國軍桃園總醫院
國防醫學院
國防醫學院 預防醫學研究所
國防醫學院(內湖院區)
國際水利環境學院
士林電機廠股份有限公司(新竹)
大同大學
大漢技術學院
大葉大學
天成醫院
奇美醫療財團法人奇美醫院 (奇美醫學中心)
宜蘭縣立羅東國中
宣捷細胞生物製藥股份有限公司
寰太科技股份有限公司
崑山科技大學
工研院 工業技術研究院 六甲院區
工研院 工業技術研究院 中興院區
工研院 工業技術研究院 光復院區
工研院 工業技術研究院 南分院 台南創新園區
建國科技大學
弘光科技大學
彰化基督教醫院
德明財經科技大學
愛健生命科學股份有限公司
慈惠醫護管理專科學校
慈濟學校財團法人慈濟大學
慈濟學校財團法人慈濟科技大學
戴德森醫療財團法人嘉義基督教醫院
承能有限公司
振興醫療財團法人振興醫院
新樓醫院
旺宏電子股份有限公司
昌達生化科技股份有限公司
明志科技大學
明新科技大學
易宏生物科技股份有限公司
景岳生物科技股份有限公司
晶焱科技股份有限公司
朝陽科技大學
杏輝藥品工業股份有限公司 (宜蘭)
東南科技大學
東吳大學
東海大學
東聯化學股份有限公司 (高雄林園廠)
林業試驗所恆春研究中心
桃園創新技術學院
桃園市政府衛生局
欣耀生醫股份有限公司
正瀚生技股份有限公司
永昕生物醫藥股份有限公司
汎球醱酵科技股份有限公司
泉盛生物科技股份有限公司
法務部 調查局
法務部法醫研究所
海洋國家公園管理處
淡江大學
淡江大學 (蘭陽校園)
瑞諾華生醫股份有限公司
生控基因疫苗股份有限公司
百歐生命科技有限公司
空軍軍官學校
立源興業股份有限公司
紫外光科技有限公司
統一企業股份有限公司
經國管理暨健康學院
經濟部 中央地質調查所
經濟部 標準檢驗局 (基隆分局)
經濟部水利署 第一河川局
綠茵生技股份有限公司
美和科技大學
美商傑明工程顧問股份有限公司 台灣分公司
美商貝克曼庫爾特有限公司
美國安泰人壽保險股份有限公司臺灣分公司
義大醫療財團法人 義大醫院
義守大學 (燕巢校區)
聖約翰科技大學
聯亞生技開發股份有限公司
聯合生物製藥股份有限公司新竹生醫園區分公司
聯華電子股份有限公司 (南科)
臺中榮民總醫院
臺北城市科技大學
臺北市政府 臺北翡翠水庫管理局
臺北市立中山女子高級中學
臺北市立動物園
臺北市立大學
臺北市立大學 (天母校區)
臺北市立成功高級中學
臺北市立聯合醫院 (松德院區)
臺北市立麗山高級中學
臺北榮民總醫院
臺北縣立林口國民中學
臺北自來水事業處
臺北醫學大學
臺北醫學大學附設醫院
臺灣積體電路製造股份有限公司
臺灣糖業公司研究所
臺糖公司研究所
華夏科技大學
華邦電子股份有限公司
藥華醫藥股份有限公司
行政院 環境保護署
行政院 衛生署 疾病管制局
行政院 衛生署 管制藥品管理局
行政院 衛生署 藥物食品檢驗局 中部檢驗站
行政院 農業委員會 林業試驗(2)
行政院 農業委員會 臺東區農業改良場
行政院 農業委員會 花蓮區農業改良場
行政院 農業委員會 苗栗區農業改良場
行政院 農業委員會 高雄區農業改良場
行政院勞工委員會勞工安全衛生研究所
行政院原子能委員會核能研究所
行政院衛生署新竹醫院
行政院農委會 水產試驗所 東港生技研究中心
行政院農委會 茶業改良場 (魚池分場)
行政院農業委員會 家畜衛生試驗所
行政院農業委員會 水產試驗所
行政院農業委員會 水產試驗所 (高雄分所)
行政院農業委員會 水產試驗所 淡水繁養殖研究中心 (竹北試驗場)
行政院農業委員會 水產試驗所 澎湖海洋生物研究中心 (嵵裡)
行政院農業委員會 特有生物研究保育中心
行政院農業委員會 特有生物研究保育中心 七股研究中心籌備處
行政院農業委員會 臺中區農業改良場
行政院農業委員會 臺南區農業改良場
行政院農業委員會林業試驗所
行政院農業委員會林業試驗所 福山研究中心
行政院農業委員會特有生物研究保育中心 (臺中)
行政院農業委員會畜產試驗所 (臺南)
行政院農業委員會農業藥物毒物試驗所
衛生福利部國家中醫藥研究所
衛生福利部國民健康署
衛生福利部屏東醫院
衛生福利部食品藥物管理署
財團法人中華民國對外漁業合作發展協會
財團法人國家實驗研究院 儀器科技研究中心
財團法人國家實驗研究院 台灣海洋科技研究中心
財團法人國家實驗研究院 國家實驗動物中心
財團法人國家實驗研究院 國家晶片系統設計中心
財團法人國家實驗研究院 國家高速網路與計算中心
財團法人國家實驗研究院 科技政策研究與資訊中心
財團法人國家衛生研究院 (內湖院區)
財團法人國家衛生研究院 (竹南院區)
財團法人國家衛生研究院 (臺南院區 )
財團法人成大研究發展基金會
財團法人生物技術開發中心(汐止)
財團法人紡織產業綜合研究
財團法人農業工程研究中心
財團法人農業科技研究院 動物科技研究所
財團法人食品工業發展研究所
輔仁大學學校財團法人輔仁大學
輔英科技大學
農業委員會 畜產試驗所 新竹分所
農業委員會 農業試驗所
農業委員會農業試驗所花卉研究中心
逢甲大學
進階生物科技股份有限公司
達博工程顧問有限公司
遠東科技大學
醒吾科技大學
醫新股份有限公司
金車股份有限公司 (中壢分析研究室)
銘傳大學(龜山校區)
長庚大學
長庚科技大學
長庚醫療財團法人 (嘉義)
長庚醫療財團法人 (高雄)
長庚醫療財團法人(林口)
長榮大學
開南大學
陸軍專科學校
陸軍軍官學校
雅祥生技醫藥股份有限公司
靜宜大學
頂正科技股份有限公司
順天醫藥生技股份有限公司
頎邦科技股份有限公司 (高雄)
飛航安全調查委員會
馬偕學校財團法人馬偕醫學院
馬偕紀念醫院 (淡水院區)
馬偕紀念醫院 (臺北院區)
高雄市政府捷運工程局
高雄市立瑞祥高級中學
高雄市立空中大學
高雄榮民總醫院
高雄醫學大學
鳳山熱帶園藝試驗分所
默克光電科技股份有限公司
龍華科技大學
上立儀器有限公司
中國科技大學
中央研究院 原子與分子研究所
亞綸科技股份有限公司
交通部高速鐵路工程局
京年升電腦科技有限公司
仁佑資訊有限公司
伊勒伯科技股份有限公司
佛光大學
佛教慈濟綜合醫院 (大林院區)
佛教慈濟醫療財團法人台中慈濟醫院
億光電子工業股份有限公司
元培醫事科技大學
內政部 警政署刑事警察局
全傑科技股份有限公司
利友科技商務行銷有限公司
博愛醫院
友霖生技醫藥股份有限公司
台北市立萬芳醫院
台北海洋技術學院 (士林校區)
台塑海運股份有限公司
台氟科技股份有限公司
台灣中油股份有限公司
台灣共振波研發股份有限公司
台灣東洋藥品工業股份有限公司
台灣氯乙烯工業股份有限公司林園廠
台灣綠意科技有限公司
台灣電力公司 高雄區營業處
台灣電力股份有限公司
吳鳳科技大學
喜康生技股份有限公司
國家中山科學研究院 (龍門院區)
國家通訊傳播委員會
國揚儀器股份有限公司
國立台灣師範大學附屬高級中學
國立員林崇實高級工業職業學校
國立屏東大學 (民生校區)
國立屏東女子高級中學
國立成功大學 (歸仁校區)
國立臺中科技大學 (三民校區)
國立臺灣大學醫學院附設醫院 (北護分院)
國立臺灣體育運動大學(臺中)
國立花蓮高級工業職業學校
國立金門大學
國立陽明大學附設醫院
國立馬祖高級中學
國立高雄科技大學 (燕巢校區)
國防大學 理工學院 (中正嶺校區)
國防大學 管理學院 (復興崗校區)
大仁科技大學
大江生醫股份有限公司
大綜電腦系統股份有限公司(臺中)
大綜電腦系統股份有限公司(高雄)
威宏資訊有限公司
宏碁電腦股份有限公司(臺中)
宜蘭縣立南澳高級中學
實用電腦資訊有限公司
實踐大學
市立木柵國中
市立篤行國小
廣鴻電腦有限公司
建華興股份有限公司
弗斯特科技股份有限公司
彥翔電腦資訊有限公司
德英生物科技股份有限公司
惠盟電腦股份有限公司
教育部 國立臺灣史前文化博物館
旺矽科技股份有限公司
昊青股份有限公司
昊青股份有限公司 (高雄)
明道大學
昶桻股份有限公司
晨暉生物科技股份有限公司
普昇企業有限公司
普生生物科技股份有限公司
智域資訊股份有限公司
東方設計學院
正修科技大學
永安中醫診所
海軍軍官學校
瑞寶基因股份有限公司
環球科技大學
生寶臍帶血銀行
生展生物科技有股份線公司
真理大學
福壽實業股份有限公司 (鹿港生技肥料廠)
秀傳紀念醫院
秀傳醫療財團法人彰濱秀傳紀念醫院
稻江科技暨管理學院
空軍航空技術學院
立眾企業有限公司
童綜合醫療社團法人童綜合醫院 (梧棲院區)
精誠資訊股份有限公司(新竹)
義守大學
聖統有限公司
聯亞藥業股份有限公司
聯發科技股份有限公司
肯昇有限公司
育達科技大學
致理科技大學
臺北市立大同高級中學
臺北市立聯合醫院 (中興院區)
臺南市政府
臺灣糖業公司
臺灣綜合研究院
艾奕康工程顧問股份有限公司(高雄分公司)
荷商台醫股份有限公司
華碩電腦股份有限公司
萬能科技大學
葉興資訊有限公司
行政院 環境保護署 土壤及地下水污染整治基金管理會
行政院 環境保護署 環境檢驗所
行政院 農業委員會 桃園區農業改良場 臺北分場
行政院 農業委員會 桃園區農業改良場
行政院衛生署桃園醫院
行政院衛生署豐原醫院
行政院農業委員會林業試驗所 (和平辦公大樓)
行政院農業委員會畜產試驗所 臺東種畜繁殖場
衛生福利部桃園療養院
視訊行有限公司
詠耀實業有限公司
財團法人中興工程顧問社
財團法人中華穀類食品工業技術研究所
財團法人國家實驗研究院 國家地震工程研究中心
財團法人天主教耕莘醫院
財團法人聯合船舶設計發展中心
財團法人臺灣經濟研究院
財團法人車輛研究測試中心
財團法人農業科技研究院
財團法人醫藥品查驗中心 (第二辦公室)
達欣工程股份有限公司
醣基生醫股份有限公司
醫療財團法人台灣血液基金會 高雄捐血中心
金萬林企業股份有限公司
首羿國際股份有限公司
馬偕醫護管理專科學校
高雄市政府 環境保護局
高雄市立後勁國中
高雄醫學大學附設中和紀念醫院
鴻儒資訊社
鼎盛資科股份有限公司
企業管理學系
化學工程學系
機械工程學系
環境與安全衛生工程學系
科技工程管理學系
資訊工程學系
運動健康研究所
醫學研究所
耳鼻喉部
麻醉科
社會心理系
財務金融學系
科技管理學系
國際經營與貿易學系
建築學系
生物科技學系
園藝暨生物技術學系
市政暨環境規劃學系
建築及都市設計學系
應用數學系
景觀學系
紡織工程學系
石化品保課
健康風險管理學系
推廣教育中心
環境醫學研究所
生態學與演化生物學研究所
生物醫學研究所
癌症生物學研究所
神經科學與認知科學研究所
職業安全與衛生系
臨床醫學研究所
醫學檢驗生物技術學系
醫學系
分子生物研究所
化學研究所
地球科學研究所
基因體研究中心
基因體醫學研究中心
應用科學研究中心
植物暨微生物學研究所
植物研究所
歷史語言研究所
環境變遷研究中心
生物化學研究所
生物多樣性研究中心
生物醫學科學研究所
細胞與個體生物學研究所
統計科學研究所
農業生物科技研究中心
公共衛生學系
營養系
物理治療學系
生物醫學科學學系
語言治療與聽力學系
護理學系
醫學影像暨放射科學系
保健食品系
教務處
資訊部
土木工程學系
營建工程學系
電子工程學系
研發部
通訊工程學系
資訊處
健康產業管理學系
心理學系
生物醫學與資訊學系
管理課
一般外科
研究部門
環境資源管理學系
化學工程與材料工程學系
化學工程與材料科學學系
社會暨政策科學學系
經營管理碩士班
總務處
資訊管理學系
防火實驗中心
福祉科技與服務管理所
電腦與通訊工程系
綠能科技研究所
地物組
環境資源組
生物科技組
產品研究組
觀光事業管理學系
餐旅管理學系
環境工程衛生系
醫藥化學系
植物保護系
植物保護組
農藝系
航空研究所
X光散射小組
光學小組
光源組 (加速器運轉小組)
設施應用小組
輻射及操作安全組
氣候變遷組
歷史研究所
物理學系
環境工程研究所
生命科學系
化學系
海洋生物科技暨資源學系
海洋科學系
生物科學系
電機工程學系
化學暨生物化學系
師資培育中心
全球變遷研究中心
動物科學系
國際農學碩士學位學程
園藝學系
土壤環境科學系
教師專業發展研究所
昆蟲學系
森林學系
植物病理學系
水土保持學系
獸醫系
精密工程研究所
農藝學系
食品暨應用生物科技學系
光電工程學系
環境工程學系
電子物理學系
電控工程研究所
休閒產業管理系
工業工程與管理學系
教育行政與政策發展研究所
輔導與諮商學系暨研究所
土木與水資源工程學系
森林暨自然資源學系
水生生物科學系
生物資源學系
食品科學系
應用物理學系
技術及職業教育研究所
植物醫學系
水產養殖學系
熱帶農業暨國際合作系
生物資源研究所
農園生產系
野生動物保育研究所
化學科
生物學系
機電工程學系
資料處理科
交通管理科學系
儀器設備中心
分子醫學研究所
國際經營管理研究所
地球科學系
外國語文學系
工業衛生學科暨環境醫學研究所
微生物及免疫學研究所
水利及海洋工程學系
生物資訊與訊息傳遞研究所
生理學研究所
經濟學系
老年學研究所
臨床藥學研究所
航空太空工程學系
藥理學科暨藥理學研究所
資源工程學系
體育健康與休閒研究所
外科部
感染科
泌尿科
皮膚部
麻醉學科
台灣心智科學腦造影中心
政治學系
神經科學研究所
保存維護處
資訊中心
教學組
應用化學系
自然資源與環境學系
海洋生物研究所
食品加工科
生物組
普通科
原子科學技術發展中心
材料科學工程學系
核子工程與科學研究所
社會學研究所
統計學研究所
語言學研究所
醫學科學系
應用科學系
環境與文化資源學系
英語教學系
行銷與物流管理學系
能源工程學系
展示組
科學教育與應用學系
體育學系
老人服務事業管理系
國際商務學系
財政稅務系
通識教育中心
犯罪學研究所
統計學系
自然資源與環境管理研究所
數位科技設計學系
自然科學教育系
分子科學與工程系
化學工程與生物科技系
材料及資源工程系
經營管理學系
能源與冷凍空調工程系
動畫學系
運動保健學系
生態科學與技術學系
教育學系
工程科學及海洋工程學系
應用力學研究所
森林環境暨資源學系
植物科學研究所
海洋研究所
漁業科學研究所
獸醫學系
生化科技學系
生物環境系統工程學系
生物產業機電工程學系
農業化學系
藥學系
流行病學與預防醫學研究所
環境衛生研究所
職業醫學與工業衛生研究所
實驗林管理處
婦產部
寄生蟲學科
心臟血管科
整形外科
毒理學研究所
病理學科暨研究所
精神科
精神醫學部
胃腸肝膽科
胸腔內科
腎臟內科
腦與心智科學研究所
醫學工程研究所
醫學檢驗暨生物技術學系
醫學研究部
醫學院精神部
醫療器材與醫學影像研究所
法醫學科暨研究所
復健部
牙醫學系
生技醫療研發中心
健康促進與衛生教育學系
全球經營與策略研究所
華語文教學系
運動競技學系
人文社會學系
東亞文化暨發展學系
河海工程學系
海洋事務與資源管理研究所
海洋環境化學與生態研究所
海洋環境資訊系
環境生物與漁業科學學系
系統工程暨造船學系
公共資產與設施管理研究中心
工業管理學系
公共衛生研究所
口腔生物研究所
環境與職業衛生研究所
生物醫學工程學系
腦科學研究所
藥理學研究所
蛋白體研究中心
衛生福利研究所
資訊與通訊中心
文化資產維護系
視覺傳達設計學系
競技與教練科學研究所
運動科學研究所
創意設計與建築學系
運動健康與休閒學系
華語文教學研究所
環境教育研究所
設備組
教學發展中心
模具工程系
機械與自動化工程系
醫學研究室
醫學科學研究所
預防醫學研究所
土木工程與環境資源管理系
生物產業科技學系
資訊組
資訊服務處
幼兒保育學系
材料與化工研究所
機械與系統研究所
生醫與醫材研究所
綠能與環境研究所
資訊與通訊研究所
醫療器材科技中心
電子與光電研究所
生技與醫藥研究所
量測技術發展中心
智慧微系統科技中心
創意生活應用設計研究所
空間設計系
化妝品應用系暨化妝品科技研究所
營養醫學所
原住民健康研究所
藥理暨毒理學研究所
醫事技術系
醫學系生理暨解剖醫學研究所
醫學資訊研究所
醫務管理學系
醫學研究組
資訊室
電腦暨通訊工程部
材料工程學系
旅館事業管理系
研發中心
財務行政部
環境工程與管理系
微生物學系
社會工作學系
綜合企劃科
管理部
品管組
前臨床實驗處
法醫病理組
保育研究課
國際企業學系
水資源及環境工程系
資訊創新與科技學系
業務部
環境與工程地質組
第四課
規劃課
健康照護科學研究所
職能治療學系
全人教育中心
行政管理事業處資訊組
臨床研究部
實證醫學中心
急診部
放射線部
水庫操作科
動物組
計算機與網路中心
課程與教學研究所
資訊科學系
競技運動訓練研究所
兒童精神科
生物科
新藥臨床試驗中心
減重及代謝手術中心
生物醫學統計組
眼矯型科
移植外科
藥劑部
水質中心
保健營養學系
口腔衛生學系
轉譯醫學博士學位學程
消化系外科
封裝技術整合部
工程組
化學組
設計自動化暨平台管理一部一課
環境監測及資訊處
第五組
森林保護組
農業推廣中心
作物改良課
總務室
作物環境課
勞動醫學組
保健物理組
化學工程技術組
化學工程組
同位素組
核子工程組
核子燃料及材料組
核管技支中心
機械系統組
能源與環境科學中心
龍潭郵政3-3號 核子工程組
小兒科
茶作技術課
製劑研究組
企劃資訊組
水產加工組
沿近海資源研究中心
漁撈組
小分子藥物開發計畫
森林經營組
育林系
育林組
家畜營養組
畜產加工組
應用毒理系
殘毒管制組
農藥應用組
中醫基礎醫學研究組
監測研究組
社區健康部
第四組
遙測光電儀器發展組
關鍵技術組
技術推廣部
科學計算組
醫療保健研究組
生技與藥物研究所
生物統計與生物資訊研究組
疫苗研發中心
神經及精神醫學研究中心
精神醫學與藥物濫用研究組
群體健康科學研究所
感染症與疫苗研究所
航空太空科技研究中心
動物藥理組
環生計畫
製藥計畫
動物資源組
檢驗技術研發及服務中心
生物資源保存及研究中心
產品及製程研發中心
配料單元
基礎醫學研究所
營養科學系
保健營養系
應用化學及材料科學系
科技室
作物組
應用動物組
植物病理組
生物技術組
農場管理組
農業化學組
農業工程組
光電學系
工業工程與系統管理學系
環境工程與科學系
設計部
旅運管理系
心臟醫學中心
觀光事業學系
中醫系
化工與材料工程學系
生化暨分子生物學科
生物醫學系
生理暨藥理學科
醫學生物技術暨檢驗學系
醫學研究中心
醫學研究發展部
生物統計中心
生物醫學轉譯研究中心
巨量資料及統計中心
風濕過敏免疫科
土地管理與開發學系
飛機工程科
化粧品科學系
計算機及通訊中心
藥理藥動課
放射腫瘤科
血液暨腫瘤科
復健醫學部
生物醫學暨環境生物學系
醫藥暨應用化學系
工程技術研究所
環境教育暨生態保育研究中心
放射診斷部
臨床藥學部
教育學研究所
生物環境工程學系
生物科技研究所
食品暨保健營養學系
行銷與流通管理系
神經部
人文社會科學研究中心
原子與分子科學研究所
物理研究所
生物科學研究所
統計研究所
牙醫系
藥理學科
心臟血管外科
新陳代謝科
管理學系
圖書館
檢驗科
整型外科
應用空間資訊系
鑑識科
採購組
探採事業部
鑽井採油組
技術服務組
設計組
電源開發處
應用數位媒體系
休閒保健管理學系
龍潭郵政90008-8
射束動力小組
設施應用小組
太空科學研究所
生醫科學與工程學系
會計學系
國際產學聯盟辦公室
生物科技發展中心
管理科學學系
運輸與物流管理系
化學工程科
幼兒教育學系
工業與資訊管理學系
工程科學系
材料科學與工程學系
熱帶植物科學研究所
環境微量毒物研究中心
生物化學暨分子生物學研究所
系統及船舶機電工程學系
家庭醫學部
心臟內科
泌尿學科
牙醫部
新聞學系
課程與教學與科技研究所
海洋生物科技研究所
社會學系
計量財務金融學系
教育心理與諮商學系
商業經營科
銀行保險系
文化產業學系
環境工程與管理研究所
文化與自然資源學系
生農學院共同儀器中心
食品科技研究所
代謝內分泌科
社會醫學科
肝膽腸胃科
藥理學科暨研究所
人類發展與家庭學系
工業教育學系
光電科技研究所
輪機工程學系
運輸科學系
應用科技研究所
競技運動系
休閒遊憩事業學系
自動化工程系
土木與工程管理學系
急重症醫學研究所
生物醫學影像暨放射科學系
生醫光電工程研究所
數學科
水產食品科學系
海洋生物技術系
造船及海洋工程學系
動力及系統工程學系
資源管理及決策研究所
生物及解剖學研究所
生理及生物物理學研究所
航太及海底醫學研究所
食品營養與保健生技學系
應用英語學系
環境與安全衛生技術發展中心
航空與太空工業技術發展中心
物流管理系
觀光事業科
展示教育組
精緻農業學系
採購課
傳播藝術系
細胞實驗部
環境管理系
毒物化學組
機械與機電工程學系
生物技術系
農業資材研究處
管理系
飛機工程系
航空電子工程學系
軟體服務事業部
資源地質組
食品營養系
大眾傳播學系
學士後中醫系
保險金融管理系
過敏免疫風濕科
資訊管理科
保育中心
自然科
應用物理暨化學系
特殊教育學系
內科
電子計算機科
內科部
心臟科
教學研究部
小兒學科
復健學科
微生物免疫學科
病理學科
都市發展處
監資處
龍潭郵政3-7號 化學工程組
疫學研究組
豬瘟研究系
棲地生態組
森林化學組
農藥應用系
一般精神科
研究檢驗組
第一組
第三組
企劃處
強地動組
環境衛生與職業醫學研究組
癌症研究所
神經內科
採購部
藥物發展組
環能研究課
環境組
植物科技研究所
動物醫學組
醫藥科技評估組
專案部
電子材料系
血液成分課
呼吸治療學系
生化與生醫工程研究所
感染醫學科
會計資訊學系
養生與健康行銷學系
長期照護研究所
學務處
兒童醫學部
呼吸照護技術學系
腎臟照護學系
檢驗醫學部
Features

New Graph Features in SigmaPlot Version 13

  • Forest Plot
  • Kernel Density Plot
  • Dot Density Graph with mean and standard error bars
  • 10 New color schemes
  • Legend Improvements
    • Horizontal, Vertical and rectangular legend shapes
      • Cursor over side or upper or lower handle  allows to provide multi column legends
    • User Interface to set number of legend item columns in Properties dialog. The permissible column numbers are displayed in the combo list
    • Change the number of legend item columns by selecting and dragging the middle handle in the bounding box
    • Reorder legend items
      • Through properties dialog �� move one or multiple legend items up or down using the up/down control on top of the list box
      • Through cursor movement �� move one or multiple legend items up or down. Select the legend item(s) and use up and down arrow key for movement within the bounding box
      • Through mouse select and cursor movement for items in the bounding box
    • Individual legend items property settings �� select individual legend items and use mini tool bar to change the properties
      • Legend box blank region control thru cursor
      • Cursor over corner handle is  and allows proportional resizing
    • Add simple direct labeling
      • Support "Direct Labeling" in properties dialog using the checkbox control "Direct Labeling"
      • Ungroup legend items -the individual legend items can be moved to preferred locations and move in conjunction with the graph
    • Legend Title support has been added. The user can add a title to the legend box using the legend properties panel
    • Reverse the legend items using the right click context menu
    • Open Legend Properties by double clicking either Legend Solid or Legend Text
    • Revert has been added to legends to reset to default

New Analysis Features in SigmaPlot Version 13

  • Principal Component Analysis (PCA)
  • Analysis of Covariance (ANCOVA)
  • Added P values to multiple comparisons for non-parametric ANOVAs
  • Removed the combo box choices for multiple comparison significant levels and tied the significance level of multiple comparisons to the main (omnibus) test
  • Added the Akaike Information Criterion to Regression Wizard and Dynamic Fit Wizard reports and the Report Options dialog (AIC)
  • Added back the Rerun button in the SigmaStat group
  • Updated the fit library standard.jfl
    • Added probability functions, to now include 24, for curve fitting or function visualization
    • The tolerance value for all equations has been modified to use "e-notation" instead of fixed decimal. This allows the user to read the value without scrolling
    • Added seven weighting functions to all curve fit equations in standard.jfl. There is a slight variant added for 3D equations

New User Interface Features in SigmaPlot Version 13

  • Rearrange Notebook items by dragging
  • New SigmaPlot tutorial PDF file
  • Line widths from a worksheet column

New Import/Export Features in SigmaPlot Version 13

  • Added the SVG and SWF file formats for scalable vector graphics export
  • Added vector PDF export to improve on the existing raster PDF
  • File import and export support is added for Versions 13 and 14 of Minitab, Version 9 of SAS, Version 19 of SPSS and Version 13 of Symphony

SigmaPlot Features and Improvements

Graph Features

  • Forest Plot
  • Kernel Density Plot
  • 10 New Color Schemes
  • Dot Density Graph with mean and standard error bars
  • Legend Improvements
    • Horizontal, Vertical and Rectangular Legend Shapes
      • Cursor over side or upper or lower handle
      • allows for multi-column legends
    • User interface to set number of legend item columns in the Properties dialog. The permissible column numbers are displayed in the combo list
    • Change the number of legend item columns by selecting and dragging the middle handle in the bounding box
    • Reorder legend items
      • Through properties dialog - move one or multiple legend items up or down using the up/down control on top of the list box
      • Through cursor movement - move one or multiple legend items up or down. Select the legend item(s) and use keyboard up and down arrow key for movement within the bounding box
      • Through mouse select and cursor movement for items in the bounding box
    • Individual legend items property settings - select individual legend items and use the mini tool bar to change the properties
      • Legend box blank region control through cursor
      • Cursor over corner handle
      • allows proportional resizing
    • Add simple direct labeling
      • Support "Direct Labeling" in properties dialog using the checkbox control "Direct Labeling"
      • Ungroup legend items - the individual legend items can be moved to preferred locations and move in conjunction with the graph
    • Legend Title support has been added (no title by default). The user can add a title to the legend box using the legend properties panel
    • Reverse the legend items using the right click context menu
    • Open Legend Properties by double clicking either Legend Solid or Legend Text
    • Reset has been added to legends to reset legend options to default

Analysis Features

  • Principal Component Analysis (PCA)
  • Analysis of Covariance (ANCOVA)
  • Added P values to multiple comparisons for non-parametric ANOVAs
  • Removed the combo box choices for multiple comparison significant levels and tied the significance level of multiple comparisons to the main (omnibus) test
  • Added the Akaike Information Criterion to Regression Wizard and Dynamic Fit Wizard reports and the Report Options dialog
  • Added back the Rerun button in the SigmaStat group
  • Updated the fit library standard.jfl
    • Added probability functions, to now include 24, for curve fitting or function visualization
    • The tolerance value for all equations has been modified to use "e-notation" instead of fixed decimal. This allows the user to read the value without scrolling.
    • Add seven weighting functions to all curve fit equations in standard.jfl. There is a slight variant added for 3D equations.

User Interface Features

  • Rearrange Notebook items in a section by dragging
  • New SigmaPlot tutorial PDF file
  • Line widths from a worksheet column

Import/Export Features

  • Added the SVG and SWF file formats for scalable vector graphics export
  • Added Vector PDF export to improve on the existing raster PDF
  • File import and export support is added for Versions 13 and 14 of Minitab, Version 9 of SAS, Version 19 of SPSS and Version 13 of Symphony

SigmaPlot New Features and Improvements in Detail

Graph Features

Forest Plot

A forest plot is one form of "meta-analysis" which is used to combine multiple analyses addressing the same question. Meta-analysis statistically combines the samples of each contributing study to create an overall summary statistic that is more precise than the effect size in the individual studies. Individual study values and their 95% confidence intervals are shown as square symbols with horizontal error bars and the overall summary statistic as a diamond with width equal to its 95% confidence interval.

Kernel Density

The kernel density feature will generate an estimate of the underlying data distribution. This should be compared to the step-like histogram. It has advantages (no bars) and disadvantages (loss of count information) over a histogram and should be used in conjunction with the histogram. They can be created simultaneously.

Dot Density with Mean & Standard Error Bars

The mean plus standard error bar computation, symbol plus error bars, has been added to the Dot Density graph. This enhances the other possible dot density display statistics - mean, median, percentiles and boxplot.

New Color Schemes

Ten new color schemes have been implemented. Three examples are

Legend Improvements

Legend Shapes
Vertical, horizontal and rectangular legend shapes are now available.

Reverse Legend Order

You can now select to reverse the legend item order. This provides a more logical order for some graph types.

Reorder Legend Items

There are three ways to reorder the legend items. As shown here, you canmove one or multiple legend items up or down using the up/down arrow controls in the Legends panel of Graph Properties. Even easier, just select the item in the legend and use the keyboard up and down arrow keys. Or select the legend item and drag it to the new position with the mouse cursor.

Mini-Toolbar Editing of Legend Items

Legend items may now be edited by clicking on the item and using the mini-toolbar.

Direct Labeling

The legend can now be ungrouped and individual legend items placed adjacent to the appropriate plots. The labels will move with the graph to maintain position with respect to the graph. Since the label is adjacent to the plot, visual identification of each plot is now much easier.

Analysis Features

Principal Component Analysis (PCA)

Principal component analysis (PCA) is a technique for reducing the complexity of high-dimensional data by approximating the data with fewer dimensions. Each new dimension is called a principal component and represents a linear combination of the original variables. The first principal component accounts for as much variation in the data as possible. Each subsequent principal component accounts for as much of the remaining variation as possible and is orthogonal to all of the previous principal components.

You can examine principal components to understand the sources of variation in your data. You can also use them in forming predictive models. If most of the variation in your data exists in a low-dimensional subset, you might be able to model your response variable in terms of the principal components. You can use principal components to reduce the number of variables in regression, clustering, and other statistical techniques.

The primary goal of Principal Components Analysis is to explain the sources of variability in the data and to represent the data with fewer variables while preserving most of the total variance.

Graphical output consists of Scree, Component Loadings and Component Scores plots.

Analysis of Covariance (ANCOVA)

A single-factor ANOVA model is based on a completely randomized design in which the subjects of a study are randomly sampled from a population and then each subject is randomly assigned to one of several factor levels or treatments so that each subject has an equal probability of receiving a treatment. A common assumption of this design is that the subjects are homogeneous. This means that any other variable, where differences between the subjects exist,does not significantly alter the treatment effect and need not be included in the model. However, there are often variables, outside the investigator's control, that affect the observations within one or more factor groups, leading to necessary adjustments in the group means, their errors, the sources of variability,and the P-values of the group effect, including multiple comparisons. These variables are called covariates. They are typically continuous variables, but can also be categorical. Since they are usually of secondary importance to the study and, as mentioned above, not controllable by the investigator, they do not represent additional main-effects factors, but can still be included into the model to improve the precision of the results. Covariates are also known as nuisancevariables or concomitant variables.

ANCOVA (Analysis of Covariance) is an extension of ANOVA obtained by specifying one or more covariates as additional variables in the model. If you arrange ANCOVA data in a SigmaPlot worksheet using the indexed data format, one column will represent the factor and one column will represent the dependent variable (the observations) as in an ANOVA design. In addition, you will have one column for each covariate. When using a model that includes the effects of covariates, there is more explained variability in the value of the dependent variable. This generally reduces the unexplained variance that is attributed to random sampling variability, which increases the sensitivity of the ANCOVA as compared to the same model without covariates (the ANOVA model). Higher test sensitivity means that smaller mean differences between treatments will become significant as compared to a standard ANOVA model, thereby increasing statistical power.

As a simple example of using ANCOVA, consider an experiment where students are randomly assigned to one of three types of teaching methods and their achievement scores are measured. The goal is to measure the effect of the different methods and determine if one method achieves a significantly higher average score than the others. The methods are Lecture, Self-paced, and Cooperative Learning. Performing a One Way ANOVA on this hypothetical data gives the results in the table below, under the ANOVA column heading. We conclude there is no significant difference among the teaching methods. Also note that the variance unexplained by the ANOVA model which is due to the random sampling variability in the observations is estimated as 35.17.

It is possible that students in our study may benefit more from one method than the others, based on their previous academic performance. Suppose we refine the study to include a covariate that measures some prior ability, such as a state-sanctioned Standards Based Assessment (SBA). Performing a One Way ANCOVA on this data gives the results in the table below, under the ANCOVA column heading.

 

ANOVA

ANCOVA

Method

Mean

Std. Error

Adjusted Mean

Std. Error

Coop

79.33

2.421

82.09

0.782

Self

83.33

2.421

82.44

0.751

Lecture

86.83

2.421

84.97

0.764

 

P = 0.124

P = 0.039

 

MSres = 35.17

MSres = 3.355

The adjusted mean that is given in the table for each method is a correction to the group mean to control for the effects of the covariate. The results show the adjusted means are significantly different with the Lecture method as the more successful. Notice how the standard errors of the means have decreased by almost a factor of three while the variance due to random sample variability has decreased by a factor of ten. A reduction in error is the usual consequence of introducing covariates and performing an ANCOVA analysis.

There are four ANCOVA result graphs - Regression Lines in Groups, Scatter Plot of Residuals, Adjusted Means with Confidence Intervals, and Normality Probability Plot.

P Values for Nonparametric ANOVAs

The non-parametric ANOVA tests in SigmaPlot are the Kruskal-Wallis test (One-Way ANOVA on Ranks) and the Friedman test (One-Way Repeated Measures ANOVA on Ranks). Both of these provide four post-hoc testing procedures to determine the source of significant effects in the treatment factor. The four procedures are Tukey, SNK, Dunn's, and Dunnett's. The first three procedures can be used to test the significance of each pairwise comparison of the treatment groups, while the last two can be used to test the significance of comparisons against a control group. Dunn's method is the only procedure available if the treatment groups have unequal sample sizes.

When a post-hoc testing procedure is used, a table is given in the report listing the results for the pairwise comparisons of the treatment levels. The last column of the table shows whether the difference in ranks is significant or not. In previous versions of SigmaPlot there is no adjusted p-value given that can be compared to the significance level of the ANOVA (usually .05) to determine significance. This is because SigmaPlot had been determining significance by comparing the observed test statistic, computed for each comparison, to a critical value of the distribution of the statistic that is obtained from a lookup table. SigmaPlot had two sets of lookup tables for the probability distributions corresponding to the four post-hoc methods, where one set was for a significance level of .05 and another set was for a significance level of .01. This was recently changed to use analytical procedures to compute the p-values of these distributions, making the lookup tables obsolete. Because of this change, we are now able to report the adjusted p-values for each pairwise comparison. This change also makes it possible to remove the restriction of using .05 and .01 as the only significance levels for multiple comparisons. Thus the user can enter any valid P value significance level from 0 to 1.

Akaike Information Criterion (AICc)

The Akaike Information Criterion (AIC) provides a method for measuring the relative performance in fitting a regression model to a given set of data. Founded on the concept of information entropy, the criterion offers a relative measure of the information lost in using a model to describe the data. More specifically, it gives a tradeoff between maximizing the likelihood for the estimated model (the same as minimizing the residual sum of squares if the data is normally distributed) and keeping the number of free parameters in the model to a minimum, reducing its complexity. Although goodness-of-fit is almost always improved by adding more parameters, overfitting will increase the sensitivity of the model to changes in the input data and can ruin its predictive capability.

The basic reason for using AIC is as a guide to model selection. In practice, it is computed for a set of candidate models and a given data set. The model with the smallest AIC value is selected as the model in the set which best represents the "true" model, or the model that minimizes the information loss, which is what AIC is designed to estimate. After the model with the minimum AIC has been determined, arelative likelihood can also be computed for each of the other candidate models to measure the probability of reducing the information loss relative to the model with the minimum AIC. The relative likelihood can assist the investigator in deciding whether more than one model in the set should be kept for further consideration.

The computation of AIC is based on the following general formula obtained by Akaike

whereis the number of estimable parameters in the regression problem, which includes the model parameters and the unknown variance of the observations, and is the maximized value of the likelihood function for the estimated model.

When the sample size of the data is small relative to the number of parameters  (some authors say when  is not more than a few times larger than), AIC will not perform as well to protect against overfitting. In this case, there is a corrected version of AIC given by

It is seen that AICc imposes a greater penalty than AIC when there are extra parameters. Most authors seem to agree that AICc should be used instead of AIC in all situations and it is AICc that is implemented in SigmaPlot. The Asymmetric equation in the graph is significantly better than the Symmetric since its AICc value is greater than 7 units less than the Symmetic equation - a rule of thumb for AICc. If the difference is greater than 2 then the equation with the smaller AICc value should not be considered as the best but rather a candidate for the best equation.

Nonlinear Regression Probability Functions

24 new probability fit functions have been added to the fit library standard.jfl. These functions and some equations and graph shapes are shown below.

Nonlinear Regression Weighting Functions

There are now seven different weighting functions built into each nonlinear regression equation (3D are slightly different). These functions are reciprocal y, reciprocal y squared, reciprocal x, reciprocal x squared, reciprocal predicteds, reciprocal predicteds squared and Cauchy. The iteratively reweighted least squares algorithm is used to allow the weights to change during each nonlinear regression iteration.In this way "weighting by predicteds", a commonly used method, can be obtained by selecting the reciprocal_pred weighting option. Also, Cauchy weighting (select weight_Cauchy) can be used to fit an equation to data that contains outliers and the effect of the outliers will be minimized. Users can create their own weighting methods in terms of residuals and/or parameters to implement other robust fitting methods.

The equation section of a fit file is shown with the seven built-in weighting functions.

User Interface Features

Rearrange items in your notebook by dragging.

Objects in a notebook section are not necessarily created in a logical order. You can now drag items within a section to new positions to place them more logically.


Drag Notebook Item

A new SigmaPlot tutorial

The new tutorial makes creating graphs for the first time easy. It starts with simple examples and gradually becomes more complex.

Specify plot line widths from a worksheet column

Line width values can now be entered in a worksheet column. These values may be used within a graph or across multiple graphs on the page.

New Vector Export File Formats

SVG (Scalable Vector Graphics), SWF (Adobe Flash Player) and Vector PDF file formats have been added. These are scalable formats where no resolution is lost when zooming to different levels. SVG is the standard graphics format for the web and SWF can be used with Adobe Flash Player. Because pdf is used so frequently, the vector PDF format is now attached to the Create PDF button on the Home ribbon.

Updated Application File Formats

File import and export support has been updated to Versions 13 and 14 of Minitab, Version 9 of SAS and Version 19 of SPSS

SigmaPlot Features and Improvements

Microsoft Office Style Ribbons

  • Context sensitive feature grouping for enhanced functionality and ease of use.
  • Expanded tooltips that include hot keys.
  • High resolution button icons.
  • Alt Key Tips provide visual display of keyboard shortcuts.

New Property Browser

  • New graph object and property browser. Object selection in the graph is displayed in the object window and the object’s properties displayed in the property window.
  • Dynamic Update provides immediate graph redraw with property change. No "Ok" or "Apply" button click required.
  • Property group styles may be copied and applied across like groups thus simplifying property specification.
  • New window show/hide buttons for improved window real-estate management. [ top ]
User Interface Improvements
  • New tabbed window views enables quick window management (selection, closing, grouping)
  • New docking panel guides providing simple window placement. This includes the Graph Gallery, Templates, Layouts, Object and Properties windows.
  • Group open windows into tabbed groups either vertically or horizontally. This groups like windows for easier comparison and better window management.
  • Object-specific mini toolbars are displayed adjacent to selected graph, worksheet and report objects. This allows faster editing of object properties.
  • Customizable Quick Access Toolbar for frequently used user-specific controls. [ top ]
Improved Graph Page Navigation