Ajuste
Los valores ajustados también se denominan ajustes o 
. Los valores ajustados son estimados de puntos de la respuesta media para los valores dados de los predictores. Los valores de los predictores también se denominan valores x.
Interpretación
Los valores ajustados se calculan ingresando los valores específicos de X para cada observación del conjunto de datos en la ecuación del modelo.
Por ejemplo, si la ecuación es y = 5 + 10x, el valor ajustado para el valor x, 2, es 25 (25 = 5 + 10(2)).
Las observaciones con valores ajustados que sean muy diferentes del valor observado pueden ser poco comunes. Las observaciones con valores predictores poco comunes podrían ser influyentes. Si Minitab determina que los datos incluyen valores poco comunes o influyentes, la salida incluye la tabla Ajustes y diagnósticos para observaciones poco comunes, que identifica estas observaciones. Las observaciones poco comunes que Minitab etiqueta no siguen adecuadamente la ecuación de regresión propuesta. Sin embargo, se espera que haya algunas observaciones poco comunes. Por ejemplo, con base en los criterios para los residuos estandarizados grandes, se esperaría que aproximadamente el 5% de las observaciones se marque como observaciones que tienen un residuo estandarizado grande. Para obtener más información sobre valores poco comunes, vaya a Observaciones poco comunes.
EE ajuste
El error estándar del ajuste (EE ajuste) estima la variación en la respuesta media estimada para la configuración especificada de las variables. El cálculo del intervalo de confianza para la respuesta media utiliza el error estándar del ajuste. Los errores estándar siempre son no negativos.
Interpretación
Utilice el error estándar del ajuste para medir la precisión de la estimación de la respuesta media. Cuanto menor sea el error estándar, más precisa será la respuesta media pronosticada. Por ejemplo, un analista desarrolla un modelo para pronosticar el tiempo de entrega. Para un conjunto de valores de configuración de las variables, el modelo predice un tiempo medio de entrega de 3.80 días. El error estándar del ajuste para estos valores de configuración es 0.08 días. Para un segundo conjunto de valores de configuración de las variables, el modelo produce el mismo tiempo medio de entrega con un error estándar del ajuste de 0.02 días. El analista puede estar más seguro de que el tiempo medio de entrega del segundo conjunto de valores de configuración de las variables está cerca de 3.80 días.
Con el valor ajustado, usted puede utilizar el error estándar del ajuste para crear un intervalo de confianza para la respuesta media. Por ejemplo, dependiendo del número de grados de libertad, un intervalo de confianza de 95% se extiende aproximadamente dos errores estándar por encima y por debajo de la media pronosticada. Para los tiempos de entrega, el intervalo de confianza de 95% de la media pronosticada de 3.80 días cuando el error estándar es 0.08 es (3.64, 3.96) días. Usted puede estar 95% seguro de que la media de la población se encuentra dentro de este rango. Cuando el error estándar es 0.02, el intervalo de confianza de 95% es (3.76, 3.84) días. El intervalo de confianza del segundo conjunto de valores de configuración de las variables es más estrecho porque el error estándar es menor.
IC de 95%
El intervalo de confianza para el ajuste proporciona un rango de valores probables para la respuesta media dada la configuración especificada de los predictores.
Interpretación
Utilice el intervalo de confianza para evaluar la estimación del valor ajustado para los valores observados de las variables.
Por ejemplo, con un nivel de confianza de 95%, usted puede estar 95% seguro de que el intervalo de confianza contiene la media de la población para los valores especificados de las variables incluidas en el modelo. El intervalo de confianza ayuda a evaluar la significancia práctica de los resultados. Utilice su conocimiento especializado para determinar si el intervalo de confianza incluye valores que tienen significancia práctica para su situación. Un intervalo de confianza amplio indica que usted puede estar menos seguro acerca de la media de los valores futuros. Si el intervalo es demasiado amplio para ser útil, considere aumentar el tamaño de la muestra.
IP de 95%
El intervalo de predicción es un rango que es probable que contenga una respuesta futura individual para un valor de la variable predictora, dada la configuración especificada de los predictores.
Interpretación
Por ejemplo, un ingeniero de materiales que trabaja en una fábrica de muebles desarrolla un modelo de regresión simple para predecir la rigidez del tablero de partículas a partir de la densidad del tablero. El ingeniero verifica que el modelo cumple con los supuestos del análisis. Luego, el analista utiliza el modelo para predecir la rigidez.
La ecuación de regresión predice que la rigidez de una nueva observación será 66.995 y el intervalo de predicción es [50, 85]. Aunque es poco probable que dicha observación tenga exactamente una rigidez de 66.995, el intervalo de predicción indica que el ingeniero puede estar 95% seguro de que el valor real estará aproximadamente entre 50 y 85.
El intervalo de predicción siempre es más amplio que el intervalo de confianza correspondiente debido a la incertidumbre adicional que implica la predicción de una respuesta individual en comparación con la media de múltiples respuestas.
