Consideraciones acerca de los datos 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 para varianzas iguales.

La respuesta debería ser desviaciones estándar de mediciones de repeticiones o de 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.

Si desea analizar el efecto de ubicación, puede almacenar las medias de repeticiones y luego utilizar Analizar diseño factorial.

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 igualdad de varianzas.

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.

El modelo debe proveer un ajuste adecuado a los datos

Si el modelo no se ajusta a los datos, los resultados pueden ser engañosos. En la salida, utilice las gráficas de residuos, los estadísticos de diagnóstico para observaciones poco comunes y los estadísticos de resumen del modelo para determinar qué tan bien se ajusta el modelo a los datos.