As Melhores predições lineares não viciadas (BLUP) são coeficientes estimados para níveis de um termo de lote aleatório. Com esses coeficientes, você pode determinar o intercepto e a inclinação para as equações condicionais ajustadas, que predizem os valores ajustados para os lotes específicos. Você pode exibir as equações condicionais usando Predizer para estudo de estabilidade.
Use a BLUP para estimar quão diferentes são os lotes. Valores de BLUP maiores para o fator de lote indicam que a validade dos lotes nos dados são mais diferentes na hora 0. Se a interação hora por lote não estiver no modelo, as validades dos lotes nos dados terão a mesma distância para todas as horas. Se a interação hora por lote estiver no modelo, os valores de BLUP mostram como os lotes se degradam em taxas diferentes.
Para os termos de lote, o BLUP mais positivo é para o Lote 1, aproximadamente 1,36. O BLUP do Lote 7 está mais perto de zero, aproximadamente 0,05. O ajuste condicional do Lote 1 na hora 0 é de aproximadamente 100,6 + 1,36 = 101,42. O ajuste condicional do Lote 7 é de aproximadamente 100,06 + 0,05 = 100,11.
Como a interação mês por lote também está no modelo, os valores da BLUP para as interações descrevem as diferenças em quão rápido os diferentes lotes se degradam. A BLUP de interação mais positiva é do Lote 2, de aproximadamente 0,02. Assim, os ajustes condicionais do Lote 2 mostram a menor degradação.
O desvio padrão da melhor predição linear não viciada (BLUP) estima a incerteza da estimativa de BLUP dos dados amostrais.
Use o desvio padrão do BLUP para medir a precisão da estimativa da BLUP. Quanto menor o desvio padrão, mais precisa é a estimativa. Dividir a BLUP pelo seu desvio padrão calcula um valor-t. Se o valor-p associado a esta estatística-t for menor do que o seu nível de significância (denotado como alfa ou α), você conclui que a diferença entre a BLUP e 0 é estatisticamente significativa.
Os graus de liberdade (DF) representam a quantidade de informações nos dados para estimar o intervalo de confiança e criar o teste para a Melhor predição linear não viciada (BLUP).
Use o DF para comparar quanta informação está disponível sobre as BLUPs. Geralmente, mais graus de liberdade tornam o intervalo de confiança para a BLUP mais estreito do que um intervalo com menos graus de liberdade.
Estes intervalos de confiança (IC) são amplitudes de valores que são prováveis de conter o valor verdadeiro da Melhor predição linear não viciada (BLUP) para cada lote aleatoriamente selecionado nos dados.
Como as amostras são aleatórias, é improvável que duas amostras de uma população produzam intervalos de confiança idênticos. No entanto, se você extrair muitas amostras aleatórias, uma determinada porcentagem dos intervalos de confiança resultantes conterá o parâmetro populacional desconhecido. A porcentagem destes intervalos de confiança que contém o parâmetro é o nível de confiança do intervalo.
Use o intervalo de confiança para avaliar a estimativa da BLUP da população para cada lote.
Por exemplo, com um nível de confiança de 95%, é possível ter 95% de certeza de que o intervalo de confiança contém o valor da razão de chances para a população. O intervalo de confiança ajuda a avaliar a significância prática de seus resultados. Use seu conhecimento especializado para determinar se o intervalo de confiança inclui valores que tenham significância prática para a sua situação. Se o intervalo for muito amplo para ser útil, pense em aumentar o tamanho da amostra.
O valor-t mede a razão entre a Melhor predição linear não viciada (BLUP) e seu erro padrão.
O Minitab usa o valor-t para calcular o valor-p, que pode ser usado para a tomada de uma decisão sobre a significância estatística dos valores BLUP.
É possível usar um valor-t para determinar se a hipótese nula deve ser rejeitada. Contudo, o valor-p é usado mais frequentemente porque o limite da rejeição é o mesmo, independente de quais sejam os graus de liberdade.
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.
Para determinar se a Melhor predição linear não viciada (BLUP) é diferente de zero, compare o valor-p da BLUP ao nível de significância. A hipótese nula é que BLUP é zero, o que sugere que a predição daquele determinado lote não é diferente da predição de um lote selecionado aleatoriamente.