Tabla Medias para Analizar diseño factorial

Encuentre definiciones y ayuda para interpretar cada uno de los estadísticos en la tabla Medias.

Media ajustada (factores)

Las medias ajustadas utilizan los mínimos cuadrados para predecir los valores de respuesta media de un diseño factorial. Las medias de datos utilizan las medias de las variables de respuesta sin procesar para cada combinación de nivel de factor.

Interpretación

Las medias ajustadas son útiles porque las medias de datos podrían no ser buenos indicadores de efectos principales y efectos de interacción. Las diferencias entre las medias de datos pueden representar condiciones experimentales no balanceadas en lugar de diferencias debido a los cambios en los niveles de factor. Las medias ajustadas resuelven este problema estimando los resultados de un diseño balanceado.

Utilice la tabla Medias para entender las diferencias estadísticamente significativas entre los niveles de los factores. La media de cada grupo proporciona una estimación de la media de cada población. Busque las diferencias entre las medias de grupo para los términos que son estadísticamente significativos.

Para efectos principales, la tabla muestra los grupos dentro de cada factor y sus medias. Para efectos de interacción, la tabla muestra todas las posibles combinaciones de los grupos. Si un término de interacción es estadísticamente significativo, no se puede interpretar los efectos principales sin considerar los efectos de interacción.

En estos resultados, la tabla Medias muestra cómo la resistencia del aislamiento varía según material, presión de inyección, temperatura de inyección y temperatura de enfriamiento. Todos los factores son estadísticamente significativos en el nivel de 0.05. Sin embargo, dado que la interacción entre temperatura de inyección y temperatura de enfriamiento también es estadísticamente significativa en el nivel de 0.05, no interprete los efectos principales sin considerar los efectos de interacción.

Por ejemplo, la tabla del término de interacción muestra que con una temperatura de inyección de 85, un cambio en la temperatura de enfriamiento de 25 a 45 se asocia con una disminución media en la resistencia del aislamiento de cerca de 6 unidades. Sin embargo, con una temperatura de inyección de 100, una disminución en la temperatura de enfriamiento de 25 a 45 se asocia con un cambio medio en la resistencia del aislamiento de cerca de solo 2 unidades.

Regresión factorial: Resistencia vs. Material, PresIny, TempIny, TempEnfr

Medias Error estándar Media de la Término ajustada media Material Fórmula1 26.269 0.480 Fórmula2 32.998 0.480 PresIny 75 26.980 0.480 150 32.287 0.480 TempIny 85 27.487 0.480 100 31.780 0.480 TempEnfr 25 31.593 0.480 45 27.674 0.480 TempIny*TempEnfr 85 25 30.351 0.679 100 25 32.834 0.679 85 45 24.623 0.679 100 45 30.726 0.679

EE media

El error estándar de la media (EE media) estima la variabilidad entre las medias ajustadas que se obtendría si se tomaran muestras de la misma población una y otra vez.

Por ejemplo, usted tiene un tiempo de entrega medio de 3.80 días, con una desviación estándar de 1.43 días, de una muestra aleatoria de 312 tiempos de entrega. Estos números producen un error estándar de la media de 0.08 días (1.43 dividido entre la raíz cuadrada de 312). Si usted tomara múltiples muestras aleatorias del mismo tamaño y de la misma población, la desviación estándar de esas medias de muestra diferentes habría estado alrededor de 0.08 días.

Interpretación

Utilice el error estándar de la media para determinar con cuánta precisión la media ajustada estima la media de la población.

Un valor más bajo del error estándar de la media indica una estimación más precisa de la media de la población. Por lo general, una desviación estándar más grande da como resultado un mayor error estándar de la media y una estimación menos precisa de la media de la población. Un tamaño de muestra más grande da como resultado un menor error estándar de la media y una estimación más precisa de la media de la población.

Media de los datos (covariable)

La media de la covariable es el promedio de los valores de covariable, que es la suma de todas las observaciones dividida entre el número de observaciones. La media resume los valores de la muestra con un solo valor que representa el centro de los valores de covariable.

Interpretación

Este valor es la media de la covariable. Minitab fija la covariable en el valor medio al calcular las medias ajustadas de los factores.

Desviación estándar (Desv.Est.)

La desviación estándar es la medida de dispersión más común, que indica qué tan dispersos están los valores individuales de covariable con respecto a la media.

Interpretación

Utilice la desviación estándar para determinar qué tanto varía la covariable alrededor de la media. Minitab fija la covariable en el valor medio al calcular las medias ajustadas de los factores.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política