Consideraciones acerca de los datos para Analizar diseño de cribado definitivo

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

Usted debe haber creado o definido un diseño de cribado en Minitab

Un experimento diseñado en Minitab debe tener por lo menos 2 factores que sean continuos o categóricos.

• Si usted solo tiene un factor categórico y ningún predictor continuo, utilice ANOVA de un solo factor.
• Si usted tiene un factor continuo, utilice Gráfica de línea ajustada.

La variable de respuesta debe ser continua

Si la variable de respuesta es categórica, es menos probable que el modelo cumpla con los supuestos del análisis, que describa con exactitud los datos o que haga predicciones útiles.

• Si las variables de respuesta tienen dos categorías, utilice Analizar respuesta binaria para diseño de cribado definitivo.
• Si la variable de respuesta cuenta ocurrencias, tales como el número de defectos, utilice Ajustar modelo de Poisson.

Asegurar que el sistema de medición produzca datos de respuesta 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.

Recolectar 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.