Tabla coeficientes para Analizar diseño de Taguchi

Encuentre definiciones y ayuda para interpretar cada uno de los estadístico incluidos en la tabla Coeficientes del modelo estimado.

Coef

El coeficiente describe el tamaño y la dirección de la relación entre un término incluido en el modelo y la variable de respuesta. El valor absoluto del coeficiente indica la fuerza relativa de cada factor. Para minimizar la multicolinealidad entre los términos, los coeficientes están todos en unidades codificadas.

El número de coeficientes que Minitab calcula para un factor es el número de niveles menos uno. Si un factor tiene 3 niveles, Minitab provee 2 coeficientes, los cuales corresponden a los niveles de factor 1 y 2. Si un factor tiene 2 niveles, Minitab provee 1 coeficiente, el cual corresponde al nivel de factor 1. Minitab incluye los valores o el texto que corresponden al nivel.

Interpretación

En los diseños de Taguchi, la magnitud del coeficiente del factor normalmente refleja el rango del factor en la tabla de respuesta. Dependiendo de su análisis, la respuesta puede ser una relación de señal a ruido, la media para un diseño estático, la pendiente para un diseño dinámico o una desviación estándar.

El tamaño del efecto es generalmente una buena manera de evaluar la significancia práctica del efecto que un término tiene en la variable de respuesta. El tamaño del efecto no indica si un término es estadísticamente significativo porque los cálculos de significancia también consideran la variación en los datos de respuesta. Para determinar la significancia estadística, examine el valor p del término.

EE Coef

El error estándar del coeficiente estima la variabilidad entre las estimaciones del coeficiente que se obtendrían si usted repitiera el mismo experimento una y otra vez. El cálculo asume que el diseño experimental y los coeficientes a estimar se mantendrían iguales si se tomara la muestra una y otra vez.

Interpretación

Utilice el error estándar del coeficiente para medir la precisión de la estimación del coeficiente. Cuanto menor sea el error estándar, más precisa será la estimación. Al dividir el coeficiente entre su error estándar, se calcula un valor t.. Si el valor p asociado con este estadístico t es menor que el nivel de significancia, se concluye que el coeficiente es estadísticamente significativo.

Valor t

El valor t mide la relación entre el coeficiente y su error estándar.

Interpretación

Minitab utiliza el valor t para calcular el valor p, que se utiliza para comprobar si el coeficiente es significativamente diferente de 0.

Usted puede utilizar el valor t para determinar si puede rechazar la hipótesis nula. Sin embargo, el valor p se utiliza con más frecuencia, porque el valor umbral para el rechazo de la hipótesis nula no depende de los grados de libertad. Para obtener más información sobre cómo usar el valor t, vaya a Uso del valor t para determinar si se puede rechazar la hipótesis nula.

Valor p

El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades más bajas proporcionan una evidencia más fuerte en contra de la hipótesis nula.

Interpretación

Para determinar si un coeficiente es estadísticamente diferente de 0, compare el valor p del término con su nivel de significancia para evaluar la hipótesis nula. La hipótesis nula es que el coeficiente es igual a 0, lo que implica que no hay asociación entre el término y la característica de respuesta que usted seleccionó. En los diseños de Taguchi, las características de respuesta se refieren a las funciones de la respuesta, tales como las medias, desviaciones estándar, pendientes y relaciones de señal a ruido.

Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica un 5% de riesgo de concluir que el coeficiente no es 0 cuando es así. Frecuentemente, se utiliza un nivel de significancia de 0.10 para evaluar los términos en un modelo.
Valor p ≤ α: La asociación es estadísticamente significativa
Si el valor p es menor que o igual al nivel de significancia, usted puede concluir que hay una asociación estadísticamente significativa entre la característica de respuesta y el término.
Valor p > α: La asociación no es estadísticamente significativa
Si el valor p es mayor que el nivel de significancia, usted no puede concluir que existe una asociación estadísticamente significativa entre la característica de respuesta y el término. Le convendría volver a ajustar el modelo sin el término.
Si hay múltiples predictores sin una asociación estadísticamente significativa con la respuesta, usted puede reducir el modelo eliminando términos uno a la vez. Para obtener más información sobre cómo eliminar términos del modelo, vaya a Reducción del modelo.