Tabela Coeficientes para Análise de Experimento Taguchi

Encontre definições e orientações de interpretação para cada estatística na tabela Coeficientes do Modelo Estimado.

Coef

Um coeficiente descreve o tamanho e a direção da relação entre um termo no modelo e a variável de resposta. O valor absoluto do coeficiente indica a potência relativa de cada fator. Para minimizar multicolinearidade entre os termos, os coeficientes são todos em unidades codificadas.

O número de coeficientes que o Minitab calcula para um fator é o número de níveis menos um. Se um fator tiver 3 níveis, o Minitab fornece 2 coeficientes, o que corresponde aos níveis de fator 1 e 2. Se um fator tiver 2 níveis, o Minitab fornece um coeficiente, o que corresponde ao nível do fator 1. O Minitab inclui os valores ou texto que correspondem ao nível.

Interpretação

Em experimentos Taguchi, a magnitude do coeficiente de fator geralmente espelha o posto do fator na tabela de resposta. Dependendo de sua análise, a resposta pode ser uma razão sinal-ruído, a médio para um experimento estático, a inclinação para um experimento dinâmico ou um desvio padrão.

O tamanho do efeito é, em geral, uma boa maneira de avaliar a significância prática do efeito que um termo exerce sobre a variável de resposta. O tamanho do efeito não indica se um termo é estatisticamente significativo porque os cálculos para significância também consideram a variação nos dados de resposta. Para determinar a significância estatística, examine o valor-p para o termo.

Coeficiente de SE

O erro padrão do coeficiente estima a variabilidade entre a estimativa do coeficiente que seria obtida caso o mesmo experimento fosse repetido por vezes seguidas. O cálculo pressupõe que o projeto experimental e os coeficientes para estimativa permaneceriam os mesmos caso fossem extraídas repetidas amostras.

Interpretação

Use o erro padrão do coeficiente para medir a precisão da estimativa do coeficiente. Quanto menor o erro padrão, mais precisa é a estimativa. Dividir o coeficiente pelo erro padrão calcula um valor-t. Se o valor-p associado a esta estatística de t for menor do que o seu nível de significância, você deve concluir que o coeficiente é estatisticamente significativo.

Valor-t

O valor-t mede a razão entre o coeficiente e seu erro padrão.

Interpretação

O Minitab usa o valor-t para calcular o valor-p, usado para testar se o coeficiente é significativamente diferente de 0.

É possível usar um valor-t para determinar se a hipótese nula deve ser rejeitada. No entanto, o valor-p é usado com mais frequência porque o limite para a rejeição da hipótese nula não depende dos graus de liberdade. Para obter mais informações sobre como usar o valor-t, acesse Usando o valor-t para determinar se a hipótese nula deve ser rejeitada.

Valor-p

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Interpretação

Para determinar se um coeficiente é estatisticamente diferente de 0, compare o valor-p do prazo com seu nível de significância a fim de avaliar a hipótese nula. A hipótese nula é que o coeficiente é igual a zero, o que implica a não existência de uma associação entre o termo e a característica de resposta selecionada. Em experimentos Taguchi, características de resposta referem-se a funções da resposta, como médias, desvios padrão, inclinações e razões sinal-ruído.

Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que o coeficiente não é 0 quando, na verdade, ele é. Por vezes, utiliza-se um nível de significância de 0,10 para a avaliação de termos em um modelo.
Valor-p ≤ α: a associação é estatisticamente significativa
Se o valor-p for menor ou igual ao nível de significância, é possível concluir que há uma associação estatisticamente significativa entre a resposta característica e o termo.
Valor-p > α: a associação não é estatisticamente significativa
Se o valor-p for maior ou igual ao nível de significância, não é possível concluir que há uma associação estatisticamente significativa entre a resposta característica e o termo. Talvez seja necessário reajustar o modelo sem o termo.
Se houver vários preditores sem uma associação estatisticamente significativa com a resposta, você pode reduzir o modelo removendo os termos um de cada vez. Para obter mais informações sobre como remover os termos do modelo, vá para Redução de modelo.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política