Interpretar los resultados clave para Gráficas factoriales

Complete los siguientes pasos para interpretar Gráficas factoriales. La salida clave incluye la gráfica de interacción y la gráfica de efectos principales.

Paso 1: Examinar los efectos de las interacciones

Examine los efectos de las interacciones de dos factores en la gráfica de interacción. Esta gráfica muestra cómo la relación entre la variable de respuesta y un predictor depende del valor de un segundo predictor.

Evalúe las líneas para entender cómo las interacciones afectan la relación entre los predictores y la respuesta.
Líneas paralelas
No hay interacción.
Líneas no paralelas
Hay una interacción. Mientras menos paralelas sean las líneas, mayor será la fuerza de la interacción.

Aunque usted puede utilizar esta gráfica para visualizar los efectos, asegúrese de evaluar la significancia estadística de los efectos en el análisis que se ajusta al modelo. Si los efectos de interacción son estadísticamente significativos en ese análisis, usted no puede interpretar los efectos principales sin considerar los efectos de interacción.

El tipo de valores ajustados de respuesta que Minitab muestra depende del tipo de variable de respuesta del modelo. Minitab muestra los siguientes tipos de valores ajustados:
  • Medias de las variables de respuesta que contienen mediciones continuas, como longitud o peso.
  • Medias de las variables de respuesta que contienen conteos que siguen la distribución de Poisson, como el número de defectos por muestra.
  • Probabilidades de las variables de respuesta que solo contienen dos resultados posibles, como pasa/no pasa.
  • Desviaciones estándar de los modelos que se ajustan utilizando Analizar variabilidad.
La gráfica de interacción muestra las medias ajustadas de las respuestas correspondientes a los valores del predictor en el eje X. Los valores del segundo predictor se muestran de la siguiente manera:
  • Si el segundo predictor es categórico, entonces la gráfica muestra una línea individual para cada nivel de ese predictor.
  • Si el segundo predictor es continuo, entonces la gráfica muestra una línea para el nivel más alto y el nivel más bajo de ese predictor en los datos de la muestra.
Nota

Para los diseños de mezcla, las gráficas de interacción solo muestran las medias de los datos. Para obtener más información acerca de los tipos de medias, vaya a Datos y medias ajustadas.

Para los modelos de efectos mixtos, las gráficas de interacción muestran las medias condicionales para los términos aleatorios. Para obtener más información sobre las medias condicionales, vaya a Tabla Medias condicionales.

Resultado clave: Gráfica de interacción

En esta gráfica de interacción, las líneas no son paralelas. Este efecto de interacción indica que la relación entre el tipo de metal y la resistencia depende del valor del tiempo de sinterización. Por ejemplo, si usted utiliza TipoMetal 2, entonces TiempoSinter 150 está asociado con la resistencia media más alta. Sin embargo, si utiliza TipoMetal 1, entonces TiempoSinter 100 está asociado con la resistencia media más alta.

Los resultados de Ajustar modelo lineal general indican que la interacción entre TiempoSinter y TipoMetal es significativa.

Paso 2: Examinar los efectos principales

Examine la gráfica de efectos principales para evaluar la relación entre la respuesta y los predictores.

Evalúe las líneas para determinar si está presente un efecto principal de la manera siguiente:
  • Cuando la línea es horizontal (paralela al eje X), no hay efectos principales presentes. El valor de la respuesta no varía según el valor del predictor.
  • Cuando la línea no es horizontal, está presente un efecto principal. El valor de respuesta no es el mismo para todos los valores del predictor. Cuanto más pronunciada sea la pendiente de la línea, mayor será la magnitud del efecto principal.

Aunque usted puede utilizar esta gráfica para visualizar los efectos, asegúrese de evaluar la significancia estadística de los efectos en el análisis que se ajusta al modelo. Si los efectos de interacción son estadísticamente significativos en ese análisis, usted no puede interpretar los efectos principales sin considerar los efectos de interacción.

El tipo de valores ajustados de respuesta que Minitab muestra depende del tipo de variable de respuesta del modelo. Minitab muestra los siguientes tipos de valores ajustados:
  • Medias de las variables de respuesta que contienen mediciones continuas, como longitud o peso.
  • Medias de las variables de respuesta que contienen conteos que siguen la distribución de Poisson, como el número de defectos por muestra.
  • Probabilidades de las variables de respuesta que solo contienen dos resultados posibles, como pasa/no pasa.
  • Desviaciones estándar de los modelos que se ajustan utilizando Analizar variabilidad.
La gráfica de efectos principales muestra las medias para los valores del predictor en el eje X de la manera siguiente:
  • Si el predictor es categórico, la gráfica muestra un punto para el valor de respuesta de cada nivel de ese predictor. Una línea conecta los puntos de cada variable. Minitab también traza una línea de referencia en la media general para las variables de respuesta continuas y de Poisson.
  • Si el predictor es continuo, la gráfica muestra una línea que representa la relación continua entre la respuesta y el predictor.
Nota

Para los diseños de mezcla, las gráficas de efectos principales solo muestran las medias de los datos. Para obtener más información acerca de los tipos de medias, vaya a Datos y medias ajustadas.

Para los modelos de efectos mixtos, las gráficas de efectos principales muestran las medias condicionales para los términos aleatorios. Para obtener más información sobre las medias condicionales, vaya a Tabla Medias condicionales.

Resultado clave: Gráfica de efectos principales

En esta gráfica de efectos principales, TiempoSinter 150 pareciera estar asociado con la resistencia media más alta. Sin embargo, los resultados de Ajustar modelo lineal general indican que este efecto principal no es estadísticamente significativo. La diferencia entre los niveles de los factores puede deberse al azar.

TipoMetal 2 está asociado con la resistencia media más alta y los resultados de Ajustar modelo lineal general indican que este efecto principal es estadísticamente significativo.

Los resultados de Ajustar modelo lineal general indican que la interacción entre TiempoSinter y TipoMetal es estadísticamente significativa. En consecuencia, usted no puede interpretar los efectos principales sin considerar el efecto de interacción.

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