Consideraciones acerca de los datos para Respuestas antes del proceso para analizar variabilidad

Para asegurar que los resultados sean válidos, considere las siguientes pautas al recopilar datos, realizar el análisis e interpretar los resultados.

El diseño debe ser un diseño factorial de 2 niveles
Si no tiene un diseño factorial de 2 niveles, utilice Prueba de varianzas iguales.
La respuesta debe contener mediciones de repeticiones o réplicas
Las mediciones de repeticiones se toman durante la misma corrida experimental o corridas consecutivas, mientras que las mediciones de réplicas se toman durante corridas experimentales idénticas, aunque distintas. Las repeticiones se ingresan de forma horizontal en las filas de múltiples columnas, mientras que las réplicas se ingresan de forma vertical en una sola columna.
Usted puede tener desviaciones estándar precalculadas de las mediciones de repeticiones o réplicas en la hoja de trabajo. También debe ingresar una columna o una constante que indique el número de repeticiones o réplicas en el experimento.
Los datos deben incluir por lo menos 2 factores, que pueden ser continuos o categóricos
Si usted solo tiene un factor categórico y ningún predictor continuo, utilice Prueba de varianzas iguales.
Asegúrese de que el sistema de medición produzca datos de respuesta que sean fiables

Si la variabilidad en el sistema de medición es demasiado grande, el experimento puede carecer de la potencia necesaria para encontrar efectos importantes.

Cada observación debe ser independiente de todas las demás observaciones
Si las observaciones individuales son dependientes, los resultados podrían no ser válidos. Considere los siguientes puntos para determinar si las observaciones son independientes:
  • Si una observación no proporciona información sobre el valor de otra observación, las observaciones son independientes.
  • Si una observación proporciona información sobre el valor de otra observación, las observaciones son dependientes.
Las corridas experimentales deben ser aleatorizadas

La aleatorización reduce la probabilidad de que condiciones no controladas creen sesgo en los resultados. La aleatorización también permite estimar la variación inherente de los materiales y las condiciones de manera que se puedan hacer inferencias estadísticas válidas con base en los datos del experimento.

En algunas condiciones, la aleatorización puede conducir a un orden indeseable de las corridas. Por ejemplo, los cambios en los niveles de los factores pueden ser difíciles, costosos o tomar mucho tiempo para producir un proceso estable. En tales condiciones, se recomienda aleatorizar con un diseño de parcelas divididas para minimizar los cambios de nivel.

Recolecte los datos utilizando las mejores prácticas
Para asegurar que los resultados sean válidos, considere las siguientes pautas:
  • Asegúrese de que los datos representen a la población de interés.
  • Recolecte suficiente datos para proporcionar la precisión necesaria.
  • Registre los datos en el orden de recolección.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política