Consideraciones acerca de los datos para Análisis de medias

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

Los datos de respuesta deben seguir una distribución normal, binomial o de Poisson

• Los datos distribuidos normalmente por lo general son datos de mediciones, tales como peso. Con datos distribuidos normalmente, Minitab compara la media de cada grupo con la media general.
• Los datos binomiales clasifican cada observación en una de dos categorías, como por ejemplo pasa/no pasa. Con datos binomiales, Minitab compara la proporción de cada muestra con la proporción general.
• Los datos de Poisson contienen conteos, como el número de defectos por unidad o muestra. Con datos de Poisson, Minitab compara la tasa de ocurrencia de cada muestra con la tasa general.

Si los datos siguen una distribución normal, deben incluir uno o dos factores categóricos

• Los diseños de análisis de medias que tienen dos factores deben tener un diseño balanceado. Un diseño balanceado tiene un número de observaciones que es igual para todas las combinaciones posibles de los niveles de los factores. Si el diseño tiene dos factores categóricos y no es balanceado, utilice Ajustar modelo lineal general si todos los factores son fijos o Ajustar modelo de efectos mixtos si tiene factores aleatorios.
• Si el diseño tiene más de dos factores categóricos o incluye covariables, utilice Ajustar modelo lineal general si todos los factores son fijos o Ajustar modelo de efectos mixtos si tiene factores alatorios.

Para obtener más información sobre los factores y los diseños balanceados, vaya a Factores y niveles de factores y Diseños balanceado y no balanceado en los modelos ANOVA.

Si usted tiene datos binomiales, el tamaño de la muestra debe ser constante y lo suficientemente grande

• Todas las muestras deben ser del mismo tamaño para asegurar que la comparación de la proporción de cada muestra con la proporción general sea válida.
• El tamaño de la muestra debe ser lo suficientemente grande para asegurar que la distribución normal se aproxime adecuadamente a la distribución binomial, porque los límites de decisión se basan en la distribución normal. La distribución normal es adecuada cuando np > 5 y n(1 − p) > 5, donde n es el tamaño de la muestra y p es la proporción de eventos.

Si las muestras no cumplen con estos criterios, los resultados podrían no ser válidos.

Si usted tiene datos de Poisson, el tamaño de la muestra debe ser constante y lo suficientemente grande

• Todas las muestras deben ser del mismo tamaño, de modo que la tasa por muestra sea válida.
• El tamaño de la muestra debe ser lo suficientemente grande para asegurar que la distribución normal se aproxime adecuadamente a la distribución de Poisson, porque los límites de decisión se basan en la distribución normal. La distribución normal es adecuada cuando la media es por lo menos 5.

Si las muestras no cumplen con estos criterios, los resultados podrían no ser válidos.

Cada observación debe ser independiente de todas las demás observaciones

Si las observaciones 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.

Los datos de la muestra se deben seleccionar aleatoriamente

Las muestras aleatorias se utilizan para hacer generalizaciones, o inferencias, sobre una población. Si los datos no se recopilaron aleatoriamente, los resultados podrían no representar a la población.

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.
• Mida las variables con tanta exactitud y precisión como sea posible.
• Registre los datos en el orden de recolección.