Seleccionar las opciones para Analizar diseño de Taguchi (dinámico)

Estadísticas > DOE > Taguchi > Analizar diseño de Taguchi > Opciones

Seleccione la meta de señal a ruido para la respuesta y si se utilizará la transformación del logaritmo natural para estabilizar la variabilidad de las desviaciones estándar.

Relación dinámica de señal a ruido
Para diseños dinámicos, puede especificar un valor de referencia de respuesta y un valor de señal por el que pasará la línea de regresión. O bien, puede elegir ajustar líneas sin punto de referencia fijo.
  • Ajustar todas las líneas mediante un punto de referencia fijo: En Valor de referencia de respuesta, ingrese el valor de salida (respuesta) deseado. En Valor de referencia de señal, ingrese el nivel del factor de señal para el valor de referencia de respuesta deseado.
  • Ajustar cada línea mediante la respuesta promedio en: En Valor de referencia de señal, ingrese un nivel de factor de señal en el cual calcular la respuesta promedio para cada línea de regresión.
  • Ajustar líneas sin punto de referencia: Elija ajustar la línea de regresión sin punto de referencia fijo. En este caso, la intersección será ajustada a los datos.
Utilizar fórmula ajustada para señal a ruido
Utilice las fórmulas ajustadas para las relaciones de señal a ruido.
Utilizar ln(s) para toda la salida de desviación estándar
Utilice las desviaciones estándar transformadas por el logaritmo natural como la variable de respuesta en la tabla de respuesta, resultados de regresión/ANOVA y en las gráficas de efectos principales e interacción.
Considere utilizar la transformación del logaritmo natural en la desviación natural por las siguientes razones:
  • Estabilizar la variabilidad de las desviaciones estándar
  • Para evitar valores negativos en los valores ajustados, lo que puede ocurrir al utilizar desviaciones estándar no transformadas. Con una transformación logarítmica, todos los valores ajustados son positivos, por lo que son más fáciles de intuir.
  • Para evitar efectos multiplicativos en la variabilidad. Utilizar esta opción transforma los efectos multiplicativos en efectos aditivos, que son más adecuados para modelos lineales.