Explicación de los cuadrados medios

Los cuadrados medios representan una estimación de la varianza de la población. Se calculan dividiendo la suma correspondiente de los cuadrados entre los grados de libertad.

Los cuadrados medios ajustados se calculan dividiendo la suma ajustada de los cuadrados entre los grados de libertad. La suma ajustada de los cuadrados no depende del orden en que los factores se ingresan en el modelo. Es la porción única de SC Regresión explicada por un factor, si todos los demás factores están en el modelo, independientemente del orden en que se ingresaron en el mismo.

Por ejemplo, si usted tiene un modelo con tres factores, X1, X2 y X3, la suma ajustada de los cuadrados para X2 muestra qué tanto de la variación restante es explicada por X2, si X1 y X3 también se encuentran en el modelo.

Si usted no especifica que los factores son aleatorios, Minitab presupondrá que se trata de factores fijos. En este caso, el denominador para los estadísticos F será el MSE. Sin embargo, para los modelos que incluyen términos aleatorios, el MSE no siempre es el término de error correcto. Puede examinar los cuadrados medios esperados para determinar el término de error que se utilizó en la prueba F.

Cuando usted ejecuta Modelo lineal general, Minitab muestra una tabla de cuadrados medios esperados, componentes estimados de la varianza y el término de error (los cuadrados medios del denominador) utilizados en cada prueba F de forma predeterminada. Los cuadrados medios esperados son los valores esperados de estos términos con el modelo especificado. Si no hay una prueba F exacta para un término, Minitab calcula el término de error apropiado para construir una prueba F aproximada. Esta prueba se denomina prueba sintetizada.

Las estimaciones de los componentes de la varianza son las estimaciones sin sesgo del ANOVA. Se obtienen al establecer cada cuadrado medio calculado en su cuadrado medio esperado, lo cual proporciona un sistema de ecuaciones lineales en los componentes desconocidos de la varianza, que luego se resuelve. Desafortunadamente, este método puede generar estimaciones negativas, que deben establecerse en cero. Sin embargo, Minitab muestra las estimaciones negativas porque algunas veces indican que el modelo que se está ajustando no es apropiado para los datos. Los componentes de la varianza no se calculan para los términos fijos.