Considerações de dados para Analisar de experimento de mistura

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.

Os dados devem incluir pelo menos 2 componentes
Para definir um experimento de mistura no Minitab, você deve ter pelo menos dois componentes que sejam contínuos. Se você não tiver pelo menos dois componentes, não existe uma mistura.
A variável de resposta deve ser contínua
Se a variável resposta for categórica, é menos provável que seu modelo atenda às premissas da análise para descrever com precisão os seus dados ou para fazer predições úteis.
Certifique-se de que o sistema de medição produz dados de resposta confiáveis

Se a variabilidade em seu sistema de medição for muito grande, seu experimento pode não ter poder de encontrar efeitos importantes.

Cada observação deve ser independente de todas as outras observações
Se suas observações individuais forem dependentes, seus resultados podem não ser válidos. Considere os seguintes pontos para determinar se suas observações são independentes:
  • Se uma observação não fornece informações sobre o valor de outra observação, as observações são independentes.
  • Se uma observação fornece informações sobre o valor de outra observação, as observações são dependentes.
Os ensaios experimentais devem ser aleatorizados

A aleatorização reduz a chance de que condições não controladas influenciem os resultados. A aleatorização também permite estimar a variação inerente a materiais e condições para possibilitar inferências estatísticas válidas com base nos dados do experimento.

Coleta de dados usando as práticas recomendadas
Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes:
  • Certifique-se de que os dados representem a população de interesse.
  • Colete dados suficientes para proporcionar a precisão necessária.
  • Registre os dados na ordem em que forem coletados.
O modelo deve fornecer um bom ajuste aos dados

Se o modelo não se ajustar aos dados, os resultados podem ser equivocados. Na saída, utilize os gráficos residuais, as estatísticas de diagnóstico para observações incomuns e as estatísticas de resumo modelo para determinar o quão bem o modelo se ajusta aos dados.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política