Aviso
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con:
Las mejores predicciones lineales no sesgadas (BLUP) son los coeficientes estimados para los niveles de un término de lote aleatorio. Con estos coeficientes, se puede determinar la intersección y la pendiente de las ecuaciones ajustadas condicionales, que predicen los valores ajustados para los lotes específicos. Las ecuaciones condicionales se pueden ver utilizando Predecir para estudio de estabilidad.
Utilice la BLUP para estimar qué tan diferentes son los lotes. Valores de BLUP más grandes para el factor de lote indican que la vida útil de los lotes representados en los datos es más diferente en el tiempo 0. Si la interacción de tiempo por lote no está incluida en el modelo, la vida útil de los lotes representados en los datos tiene la misma distancia de separación para todos los tiempos. Si la interacción de tiempo por lote está incluida en el modelo, entonces los valores de BLUP muestran cómo se deterioran los lotes a diferentes velocidades.
Para los términos de lote, la BLUP más positiva corresponde al lote 1, aproximadamente 1.36. La BLUP para el lote 7 está más cerca de cero, aproximadamente 0.05. El ajuste condicional para el lote 1 en el tiempo 0 es aproximadamente 100.6 + 1.36 = 101.42. El ajuste condicional para el lote 7 es aproximadamente 100.06 + 0.05 = 100.11.
Puesto que la interacción de mes por lote también está en el modelo, los valores de BLUP para las interacciones describen las diferencias en la rapidez con la que se deterioran los diferentes lotes. La BLUP de interacción más positiva corresponde al lote 2, aproximadamente 0.02. Por lo tanto, los ajustes condicionales para el lote 2 muestran el deterioro más lento.
| Término | Coef | EE del coef. | GL | Valor T | Valor p |
|---|---|---|---|---|---|
| Constante | 100.060247 | 0.268706 | 7.22 | 372.378347 | 0.000 |
| Mes | -0.138766 | 0.005794 | 7.22 | -23.950196 | 0.000 |
| Término | BLUP | Desv.Est. | GL | Valor T | Valor p |
|---|---|---|---|---|---|
| Lote | |||||
| 1 | 1.359433 | 0.313988 | 12.45 | 4.329567 | 0.001 |
| 2 | 0.395375 | 0.313988 | 12.45 | 1.259203 | 0.231 |
| 3 | 0.109151 | 0.313988 | 12.45 | 0.347629 | 0.734 |
| 4 | -0.409322 | 0.313988 | 12.45 | -1.303623 | 0.216 |
| 5 | -0.135643 | 0.313988 | 12.45 | -0.432001 | 0.673 |
| 6 | -1.064736 | 0.313988 | 12.45 | -3.391006 | 0.005 |
| 7 | 0.049420 | 0.313988 | 12.45 | 0.157394 | 0.877 |
| 8 | -0.303678 | 0.313988 | 12.45 | -0.967164 | 0.352 |
| Mes*Lote | |||||
| 1 | 0.006281 | 0.008581 | 10.49 | 0.731925 | 0.480 |
| 2 | 0.019905 | 0.008581 | 10.49 | 2.319537 | 0.042 |
| 3 | -0.013831 | 0.008581 | 10.49 | -1.611742 | 0.137 |
| 4 | 0.003468 | 0.008581 | 10.49 | 0.404173 | 0.694 |
| 5 | 0.001240 | 0.008581 | 10.49 | 0.144455 | 0.888 |
| 6 | 0.000276 | 0.008581 | 10.49 | 0.032144 | 0.975 |
| 7 | -0.010961 | 0.008581 | 10.49 | -1.277272 | 0.229 |
| 8 | -0.006378 | 0.008581 | 10.49 | -0.743220 | 0.474 |
La desviación estándar de la mejor predicción lineal no sesgada (BLUP) estima la incertidumbre de estimar la BLUP a partir de los datos de la muestra.
Utilice la desviación estándar de la BLUP para medir la precisión de la estimación de la BLUP. Cuanto menor sea la desviación estándar, más precisa será la estimación. Al dividir la BLUP entre su error estándar, se calcula un valor t. Si el valor p asociado con este estadístico t es menor que el nivel de significancia (denotado como alfa o α), se concluye que la diferencia entre la BLUP y 0 es estadísticamente significativa.
Los grados de libertad representan la cantidad de información en los datos para estimar el intervalo de confianza y para construir la prueba para la mejor prodicción lineal insesgada (BLUP).
Utilice los GL para comparar la cantidad de información que está disponible acerca de las BLUP. Por lo general, más grados de libertad hacen que el intervalo de confianza para la BLUP sea más estrecho que un intervalo con menos grados de libertad.
Estos intervalos de confianza (IC) son rangos de valores que es probable que contengan el verdadero valor de la mejor predicción lineal no sesgada (BLUP) para cada lote seleccionado de forma aleatoria que está incluido en los datos.
Puesto que las muestras son aleatorias, es poco probable que dos muestras de una población produzcan intervalos de confianza idénticos. Sin embargo, si toma muchas muestras aleatorias, un determinado porcentaje de los intervalos de confianza resultantes incluirá el parámetro de población desconocido. El porcentaje de estos intervalos de confianza que contiene el parámetro es el nivel de confianza del intervalo.
Utilice el intervalo de confianza para evaluar la estimación de la BLUP de la población para cada lote.
Por ejemplo, con un nivel de confianza de 95%, usted puede estar 95% seguro de que el intervalo de confianza contiene el valor del coeficiente para la población. 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. Si el intervalo es demasiado amplio para ser útil, considere aumentar el tamaño de la muestra.
El valor t mide la relación entre la mejor predicción lineal insesgada (BLUP) y su error estándar.
Minitab utiliza el valor t para calcular el valor p, que se usa para tomar una decisión acerca de la significancia estadística de los valores de BLUP.
Usted puede utilizar el valor t para determinar si puede rechazar la hipótesis nula. Sin embargo, el valor p se utiliza con más frecuencia, porque el valor umbral de rechazo es el mismo sin importar los grados de libertad.
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.
Para determinar si la mejor predicción linear no sesgada (BLUP) es diferente de cero, compare el valor p de la BLUP con el nivel de significancia. La hipótesis nula es que la BLUP es cero, lo que implica que la predicción para ese lote en particular no difiere de la predicción para un lote seleccionado de forma aleatoria.
Ahora estás saliendo de support.minitab.com.
Haga clic en Continuar para continuar con: