Paso 1: Examinar los valores calculados
Utilizando los valores de las tres variables de la función de potencia que usted ingresó, Minitab calcula el número de réplicas, el tamaño del efecto, la potencia del diseño o el número de puntos centrales.
- Efecto
-
Si usted ingresa el número de réplicas, el valor de potencia y el número de puntos centrales, Minitab calcula el efecto. El efecto es la diferencia en la respuesta entre los niveles alto y bajo de un factor que usted desea que el diseño detecte. Esta diferencia es el resultado de un solo factor (efecto principal).
- Puntos centrales
-
Si usted ingresa el número de réplicas, el tamaño del efecto y el valor de potencia, Minitab calcula el número de puntos centrales. Los puntos centrales son corridas experimentales en las que todos los niveles de los factores se establecen en un punto intermedio entre los valores de configuración bajo y alto. Los puntos centrales se utilizan principalmente para detectar efectos de curvatura, pero al agregar más puntos centrales, también puede producirse un aumento leve de la potencia.
- Réplicas
- Si usted ingresa el tamaño del efecto, el valor de potencia y el número de puntos centrales, entonces Minitab calcula el número de réplicas. Las réplicas son múltiples corridas experimentales con la misma configuración de factores. Debido a que el número de réplicas es un valor entero, la potencia real puede ser ligeramente mayor que el valor objetivo.
- Total de corridas
- Para cada caso, Minitab calcula el total de corridas a partir del número de réplicas y el número de puntos centrales. El número total de corridas es el producto del número de puntos de vértice y el número de réplicas, más el número de puntos centrales.
- Valores de potencia
- Si usted ingresa el número de réplicas, el tamaño del efecto y el número de puntos centrales, Minitab calcula el valor de la potencia. La potencia es la probabilidad de que encuentre correctamente un efecto significativo. Por lo general, un valor de potencia de 0,9 se considera suficiente. Un valor de 0,9 indica que tiene una probabilidad de 90% de detectar un efecto. Comúnmente, cuando el número total de corridas es más pequeño o el efecto es más pequeño, entonces el diseño tiene menos potencia.
Método
| Factores: | 15 | Diseño: | 32 |
|---|---|---|---|
| Puntos centrales (total): | 0 |
Resultados
| Puntos centrales | Efecto | Reps | Corridas totales | Potencia objetivo | Potencia real |
|---|---|---|---|---|---|
| 0 | 2.0 | 1 | 32 | 0.8 | 0.877445 |
| 0 | 2.0 | 2 | 64 | 0.9 | 0.995974 |
| 0 | 0.9 | 4 | 128 | 0.8 | 0.843529 |
| 0 | 0.9 | 5 | 160 | 0.9 | 0.914018 |
Resultados clave: Puntos centrales, efecto, réplicas, total de corridas, potencia objetivo, potencia real
En estos resultados, Minitab calcula el número de réplicas para lograr la potencia objetivo. El diseño que detecta un efecto de 2 con una potencia de 0.8 requiere 1 réplica. Para alcanzar una potencia de 0.9, el diseño requiere 2 réplicas. La potencia real con 2 réplicas es mayor que 0.99. Esta potencia real es el menor valor de potencia que es mayor que o igual a 0.9 y que se puede obtener utilizando un número entero de réplicas. Para detectar el efecto menor de 0.9 con una potencia de 0.8, el diseño requiere 4 réplicas. Para detectar el efecto menor de 0.9 con una potencia de 0.9, el diseño requiere 5 réplicas.
Paso 2: Examinar la curva de potencia
Utilice la curva de potencia para evaluar las propiedades adecuadas para el diseño.
La curva de potencia representa la relación entre la potencia y el tamaño del efecto para todas las combinaciones de puntos centrales y réplicas. Cada símbolo de la curva de potencia representa un valor calculado con base en los valores que usted ingresa. Por ejemplo, si usted ingresa un número de réplicas, un valor de potencia y un número de puntos centrales, Minitab calcula el tamaño del efecto correspondiente y muestra el valor calculado en la gráfica para la combinación de réplicas y puntos centrales. Si desea determinar las réplicas o los puntos centrales, la gráfica también incluye curvas para otras combinaciones de réplicas y puntos centrales que se encuentran en las combinaciones que alcanzan la potencia objetivo. La gráfica no muestra curvas para casos que no poseen suficientes grados de libertad para evaluar la significancia estadística.
Examine los valores de la curva para determinar el tamaño del efecto que el experimento detecta con cierto valor de potencia, número de puntos de vértice y número de puntos centrales. Por lo general, un valor de potencia de 0.9 se considera adecuado. Sin embargo, algunos profesionales consideran que un valor de potencia de 0.8 funciona adecuadamente. Si un diseño tiene poca potencia, usted pudiera no detectar un efecto que sea significativo desde el punto de vista práctico. Al aumentar el número de réplicas, aumenta la potencia del diseño. Conviene incluir suficientes corridas experimentales en el diseño para lograr una potencia adecuada. Un diseño tiene más potencia para detectar un efecto más grande que un efecto más pequeño.
En estos resultados, Minitab calcula el número de réplicas para alcanzar una potencia objetivo de por lo menos 0.8 o 0.9 para un tamaño del efecto de 0.025. El experimento diseñado incluye 12 puntos de vértice para estudiar 11 factores. Los cálculos consideran experimentos diseñados con 0, 2 o 4 puntos centrales. La curva que muestra 1 réplica con 4 puntos centrales tiene un símbolo para el efecto de 0.25 donde la potencia es mayor que la potencia objetivo de 0.8. Las 3 curvas que representan los experimentos con 2 réplicas tienen símbolos que muestran que la potencia para detectar un efecto de 0.025 es mayor que la potencia objetivo de 0.9.
Puesto que existe una solución con 2 réplicas y 2 puntos centrales y existe una solución con 1 réplica y 4 puntos centrales, la gráfica también incluye una curva para un experimento con 1 réplica y 2 puntos centrales. Este experimento no alcanza ninguno de los dos valores de potencia objetivo para el efecto de 0.025, por lo que esta curva no muestra un símbolo. La gráfica no incluye la curva para 1 réplica con 0 puntos centrales, porque este experimento no cuenta con suficientes grados de libertad para evaluar la significancia estadística cuando se omiten 0 términos del modelo.
