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. Los GL de un término muestran qué tanta información usa ese término. Si incrementa el tamaño de la muestra, obtendrá más información sobre la población, con lo cual aumenta el total de GL. Al aumentar el número de términos en el modelo, se utiliza más información, con lo cual se reducen los GL disponibles para estimar la variabilidad de las estimaciones de los parámetros.
Para un estudio de estabilidad con factores fijos, la tabla ANOVA incluye los siguientes grados de libertad: Tiempo, Lote, Tiempo*Lote.
Las sumas secuenciales de los cuadrados son medidas de variación para diferentes componentes del modelo. A diferencia de las sumas ajustadas de los cuadrados, las sumas secuenciales de los cuadrados dependen del orden en el que los términos son ingresados en el modelo. En la tabla Análisis de varianza, Minitab separa las sumas secuenciales de los cuadrados en diferentes componentes que describen la variación que se debe a diferentes fuentes.
En la tabla Selección del modelo, Minitab utiliza las sumas de los cuadrados secuenciales para calcular el valor p de un término. Generalmente se interpreta los valores p en lugar de las sumas de los cuadrados.
Los cuadrados medios secuenciales miden en qué medida una variación explica un término o un modelo. Los cuadrados medios secuenciales dependen del orden en que los términos sean ingresados en el modelo. A diferencia de las sumas de cuadrados secuenciales, los cuadrados medios secuenciales consideran los grados de libertad.
El error del cuadrado medio secuencial (también llamado MSE o s2) es la varianza alrededor de los valores ajustados.
Minitab utiliza los cuadrados medios secuenciales para calcular el valor p de un término. Minitab también utiliza los cuadrados medios secuenciales para calcular el estadístico de R2 ajustado. Generalmente, se interpretan los valores p y el estadístico de R2 ajustado en lugar de los cuadrados medios secuenciales.
En la tabla Análisis de varianza aparece un valor F para cada término. El valor F es el estadístico de prueba usado para determinar si el término está asociado con la respuesta.
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 suficientemente grande indica que el término o el modelo es significativo.
Si desea usar el valor F para determinar si puede rechazar la hipótesis nula, compare el valor F con su valor crítico. Puede calcular el valor crítico en Minitab o buscar el valor crítico en una tabla de la distribución F en la mayoría de los libros de estadística. Para obtener más información sobre cómo usar Minitab para calcular el valor crítico, vaya a Uso de la función de distribución acumulada inversa (ICDF) y haga clic en "Usar la ICDF para calcular los valores críticos".
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.
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.