Seleccionar las opciones para Analizar diseño de Taguchi (estático)

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 de señal a ruido

Para diseños estáticos, usted puede seleccionar entre cuatro relaciones de señal a ruido. Para obtener más información, vaya a ¿Qué es la relación de señal a ruido en un diseño de Taguchi?.

Más grande es lo mejor: Seleccione cuando la meta sea maximizar la respuesta.
Nominal es lo mejor: Seleccione cuando la meta sea definir el objetivo de respuesta y usted desea basar la relación de señal a ruido (relación S/N) en desviaciones estándar solamente.
Nominal es lo mejor: Seleccione cuando la meta sea definir el objetivo de respuesta y usted desea basar la relación de señal a ruido (relación S/N) en medias y desviaciones estándar (opción predeterminada).
- Utilizar la fórmula ajustada para nominal es lo mejor:: Seleccione para utilizar la fórmula ajustada. Para comparar las fórmulas ajustada y nominal es mejor, vaya a Métodos y fórmulas para Analizar diseño de Taguchi y haga clic en Relación de señal a ruido para diseños estáticos.
Más pequeño es lo mejor: Seleccione cuando la meta sea minimizar la respuesta.

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.