O número de condição mede a colinearidade entre os termos do modelo. Quando você compara experimentos, é melhor um número de condição menor.
Use o número de condição para comparar diferentes experimentos ideais ou para comparar o mesmo experimento com termos diferentes. Um número de condição de 1 indica que os termos do modelo são ortogonais. Valores maiores indicam mais colinearidade.
A maioria dos experimentos ideais não são ortogonais. Como os termos no modelo não são independentes, a interpretação de experimentos não ortogonais é menos simples do que a interpretação de experimentos ortogonais.
Nestes resultados, o número de condição indica que os dados apresentam colinearidade moderada a forte.
O critério D-ótimo indica a capacidade do experimento para obter estimativas ou previsões precisas. Quando se comparam experimentos, um valor maior do critério de D-ótimo é melhor.
Você pode usar as métricas do critério ótimo para comparar experimentos, mas lembre-se que o critério ótimo de um determinado experimento D-ótimo é dependente do modelo. Ou seja, o critério ótimo é definido para um tamanho de um experimento fixo e para um determinado modelo.
Nestes resultados, o primeiro experimento ótimo tem 25 pontos de experimento e o segundo experimento ótimo tem 20 pontos de experimento. O primeiro experimento tem uma estatística do critério D-ótimo maior do que o segundo experimento ótimo, que é esperado com mais ensaios.
O critério de A-ótimo mede a variância média dos coeficientes de regressão do modelo ajustado. Quando se comparam modelos, um valor menor do critério de A-ótimo é melhor.
Você pode usar as métricas do critério ótimo para comparar experimentos, mas lembre-se que o critério ótimo de um determinado experimento A-ótimo é dependente do modelo. Ou seja, o critério ótimo é definido para um tamanho de um experimento fixo e para um determinado modelo. Experimentos que sejam mais D-ótimos não são necessariamente mais A-ótimos.
Nestes resultados, o primeiro experimento ótimo tem 25 pontos de experimento e o segundo experimento ótimo tem 20 pontos de experimento. O primeiro experimento tem uma estatística do critério A-ótimo menor do que o segundo experimento ótimo, que é esperado com mais ensaios.
O critério G-ótimo é a razão entre a variância de predição média e a variância máxima predição sobre os pontos do experimento. Os experimentos G-ótimos minimizam o denominador, enquanto experimentos V-ótimos minimizam o numerador. De maneira ideal, é desejável que tanto o numerador quanto o denominador sejam valores menores.
Você pode usar as métricas para o critério ótimo a fim de comparar experimentos, mas lembre-se que o critério ótimo de um determinado experimento G-ótimo é dependente do modelo. Ou seja, o critério ótimo é definido para um tamanho de um experimento fixo e para um determinado modelo. Experimentos que sejam mais D-ótimos não são necessariamente mais G-ótimos.
Nestes resultados, o primeiro experimento ótimo tem 25 pontos de experimento e o segundo experimento ótimo tem 20 pontos de experimento. O experimento com mais pontos é menos G-ótimo do que o experimento com mais pontos, mesmo que o experimento maior seja mais D-ótimo.
O critério de V-ótimo mede a variância de previsão média sobre o conjunto de pontos de experimento. Quando se comparam modelos, um valor menor do critério de V-ótimo é melhor.
Você pode usar as métricas para o critério ótimo a fim de comparar experimentos, mas lembre-se que o critério ótimo de um determinado experimento V-ótimo é dependente do modelo. Ou seja, o critério ótimo é definido para um tamanho de um experimento fixo e para um determinado modelo. Experimentos que sejam mais D-ótimos não são necessariamente mais V-ótimos.
Nestes resultados, o primeiro experimento ideal tem 25 pontos de design e o segundo experimento ideal tem 20 pontos de design. O primeiro experimento tem uma estatística do critério V-ótimo menor do que o segundo experimento ideal, que é esperado com mais experimentos.
O leverage máximo indica que um experimento tem um ponto altamente influente quando o leverage máximo é muito maior do que o critério V-ótimo. O Minitab usa esse valor no denominador ao calcular o critério G-ótimo.
Use o leverage máximo para determinar quando um experimento contém pelo menos um ponto influente. Os experimentos que forem mais do que um D-ótimo podem ter pontos influentes.
Nestes resultados, o leverage máximo é 1 e o critério V-ótimo é de 0,8. Neste experimento ótimo, nenhum dos níveis de fator na linha 2 estão em qualquer um dos outros pontos.
O Minitab exibe as maiores e menores distâncias entre os pontos do experimento selecionados. Este valor é a distância euclidiana.
A diferença entre os valores maior e menor distância indica como os pontos estão distribuídos uniformemente no espaço do experimento. É possível usar esta informação para comparar experimentos.