El total de grados de libertad (GL) es la cantidad de información en los datos. El análisis utiliza esa información para estimar los valores de parámetros de población desconocidos. Este valor está determinado por el número de observaciones en la muestra. Si incrementa el tamaño de la muestra, obtendrá más información sobre la población, con lo cual aumenta el total de GL.
Los GL para cada fuente de error muestran la cantidad de información que utiliza ese término. Los grados de libertad para la prueba de falta de ajuste son los grados de libertad para el error menos los grados de libertad para el error puro.
Las diferentes sumas de los cuadrados (SC) del error miden la varianza atribuible al error total, el error de falta de ajuste y el error puro. La SC que Minitab utiliza para la prueba de falta de ajuste es la suma total de los cuadrados del error menos la suma de los cuadrados del error puro.
Minitab utiliza las sumas de los cuadrados para calcular el valor p para la prueba de falta de ajuste. Generalmente se interpreta el valor p en lugar de las sumas de los cuadrados.
Los diferentes cuadrados medios (CM) del error miden la varianza que se puede atribuir al error total, el error de falta de ajuste y el error puro. Los cuadrados medios son iguales a las sumas de los cuadrados divididas entre sus grados de libertad.
El cuadrado medio del error (MSE) es la varianza en torno a los valores ajustados. MSE = SSE final / DFE.
Minitab utiliza los cuadrados medios para calcular el valor p para la prueba de falta de ajuste. Generalmente se interpreta el valor p en lugar de los cuadrados medios.
Un valor F aparece para el término de falta de ajuste en la tabla de la prueba de falta de ajuste. El valor F es la estadística de prueba usada para determinar si al modelo le están faltando los términos de orden superior que incluyan los predictores en el modelo actual.
Minitab utiliza el valor F para calcular el valor p, que se usa para tomar una decisión acerca de la significancia estadística de los términos y el modelo. 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.
Un valor F lo suficientemente grande indica que la falta de ajuste es significativa.
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. Minitab realiza automáticamente la prueba de falta de ajuste para el error puro cuando los datos contienen réplicas, que son múltiples observaciones con valores idénticos de X. Las réplicas representan el "error puro", porque solo la variación aleatoria puede causar diferencias entre los valores de respuesta observados.
Si el valor p es mayor que el nivel de significancia, la prueba no detecta ninguna falta de ajuste.