Especificar las opciones para Analizar diseño de superficie de respuesta

Estadísticas > DOE > Superficie de respuesta > Analizar diseño de superficie de respuesta > Opciones

Especifique las opciones que se utilizarán para analizar su diseño de superficie de respuesta.

En este tema

Ponderaciones
Nivel de confianza para todos los intervalos
Tipo de intervalo de confianza
Transformación de Box-Cox

Ponderaciones

En Ponderaciones, ingrese una columna numérica de ponderaciones para realizar la regresión ponderada. La regresión ponderada es un método que se puede utilizar cuando se viola el supuesto de varianza constante en los residuos para la regresión de mínimos cuadrados (lo que también se conoce como heterocedasticidad). Con las ponderaciones correctas, este procedimiento minimiza la suma de los residuos al cuadrado ponderados para producir residuos estandarizados con una varianza constante (lo que también se conoce como homocedasticidad). Para obtener más información acerca de cómo determinar la ponderación apropiada, vaya a Regresión ponderada.

Las ponderaciones deben ser mayores que o iguales a cero. La columna de ponderaciones debe tener el mismo número de filas que la columna de respuesta.

Nivel de confianza para todos los intervalos

Ingrese el nivel de confianza para los intervalos de confianza de los coeficientes y los valores ajustados.

Por lo general, un nivel de confianza de 95 % funciona adecuadamente. Un nivel de confianza de 95 % indica que si se tomaron 100 muestras aleatorias de la población, los intervalos de confianza para aproximadamente 95 de las muestras incluirían la respuesta media. Para un conjunto de datos dado, un nivel de confianza más bajo produce un intervalo más estrecho y un nivel de confianza más alto produce un intervalo más amplio.

Nota

Para mostrar los intervalos de confianza, vaya al cuadro de diálogo secundario Resultados, y en Presentación de resultados, seleccione Tablas ampliadas.

Tipo de intervalo de confianza

Seleccione el tipo de intervalo o borde de confianza que desea mostrar.

Por ejemplo, la concentración media pronosticada de sólidos disueltos en agua es de 13.2 mg/L.. El intervalo de confianza de 95 % para la media de múltiples observaciones futuras es de 12.8 mg/L a 13.6 mg/L.. El límite superior de 95 % de la media de múltiples observaciones futuras es de 13.5 mg/L, que es más preciso porque el límite está más cerca de la media pronosticada.

Bilateral: Utilice un intervalo de confianza bilateral para estimar tanto los valores inferiores como los valores superiores probables para la respuesta media.
Límite inferior: Utilice un límite de confianza inferior para estimar un valor probable más bajo para la respuesta media.
Límite superior: Utilice un borde de confianza superior para estimar un valor superior probable para la respuesta media.

Transformación de Box-Cox

Aplicar una transformación de Box-Cox a sus datos de respuesta cuando los residuos no estén normalmente distribuidos o no tengan una varianza constante. Cuando usted transforma los datos, Minitab transforma los datos de respuesta y los utiliza en el análisis. En la mayoría de los casos, no es necesario corregir la no normalidad a menos que los datos sean muy asimétricos. Cuando se utiliza una transformación de Box-Cox, todos los datos de respuesta deben ser positivos (>0). Para determinar si la transformación de Box-Cox podría ser apropiada para los datos, revise las gráficas de residuos y otras medidas de diagnóstico. Para obtener más información sobre la revisión del modelo, vaya a Validar los supuestos del modelo en regresión o ANOVA.

Transformación de Box-Cox

Seleccione el valor de lambda que Minitab utiliza para transformar los datos:

Sin transformación: Usar los datos de respuesta originales.
λ óptimo: Utilice el valor óptimo de lambda, que debe producir la transformación con el mejor ajuste. Por opción predeterminada, Minitab redondea el valor óptimo de lambda a 0.5 o al entero más cercano. Por ejemplo, Minitab redondea el valor de lambda a –1, –0.5, 0, 0.5, 1, etc.. Si se desea utilizar los valores óptimos en lugar de los valores redondeados para la transformación, elija Archivo > Opciones > Modelos lineales > Presentación de resultados.
λ = 0 (logaritmo natural): Usar el logaritmo natural de los datos.
λ = 0.5 (raíz cuadrada): Usar la raíz cuadrada de los datos.
λ: Usar un valor especificado para lambda. Otras transformaciones comunes son el cuadrado (λ = 2), la raíz cuadrada inversa (λ = −0,5) y la inversa (λ = −1). Generalmente, no se debe usar un valor fuera del rango de −2 y 2.