Tabela de análise de variância para ANOVA com 1 fator

Ao contrário do procedimento padrão da ANOVA com um fator, o teste de Welch não assume que todas as populações têm variâncias iguais. Para fazer com que o Minitab realize o teste de Welch para a ANOVA com um fator, desmarque Assumir variâncias iguais na subcaixa de diálogo Opções.

Os graus de liberdade (DF) são a quantidade de informações em seus dados. A análise usa essas informações para estimar os valores de parâmetros populacionais desconhecidos. O DF total é determinado pelo número de observações em sua amostra. O DF para um termo mostra a quantidade de informação que o termo usa. Aumentar o tamanho da amostra fornece mais informações sobre a população, que aumenta o DF total. Aumentar o número de termos em seu modelo usa mais informações, o que diminui o DF disponível para estimar a variabilidade das estimativas dos parâmetros.

Se estiverem reunidas duas condições, então o Minitab particiona o DF para erro. A primeira condição é que deve haver termos que possam ser ajustados com os dados que não estão incluídos no modelo atual. Por exemplo, se você tiver um preditor contínuo com 3 valores distintos ou mais, é possível estimar um termo quadrático para esse preditor. Se o modelo não inclui o termo quadrático, então, um termo que os dados possam ajustar não está incluído no modelo e esta condição é satisfeita.

A segunda condição é de que os dados contenham replicações. As replicações são observações onde cada preditor tem o mesmo valor. Por exemplo, se você tiver 3 observações, onde a pressão é 5 e a temperatura é de 25, então, essas observações são 3 replicações.

Se estiverem reunidas as duas condições, então as duas partes do DF para erro são teste de ajuste (lack-of-fit) e erro puro. O DF para o teste de ajuste (lack-of-fit) permite um teste para saber se o modelo é adequado. O teste de ajuste (lack-of-fit) utiliza os graus de liberdade para detecção de ajuste (lack-of-fit). Quanto mais DF para erro puro, maior o poder do teste de ajuste (lack-of-fit).

Para a ANOVA de Welch, o Minitab usa os graus de liberdade para o numerador a fim de calcular a probabilidade de obtenção de um valor de F que seja pelo menos tão extremo quanto o valor F observado.

Para a ANOVA de Welch, o Minitab usa os graus de liberdade para o denominador a fim de calcular a probabilidade de obtenção de um valor de F que seja pelo menos tão extremo quanto o valor F observado.

As somas dos quadrados sequenciais são medidas da variação para os diferentes componentes do modelo. Diferente das somas dos quadrados ajustados, a soma sequencial dos quadrados depende da ordem em que os termos são inseridos no modelo. Para ANOVA com um fator, as somas de quadrados sequenciais sempre são iguais às somas de quadrados ajustadas.

A contribuição exibe a porcentagem que cada fonte na tabela Análise de Variância contribui para o total das somas sequenciais dos quadrados (SS Seq).

A soma dos quadrados ajustada é uma medida da variação para os diferentes componentes do modelo. A ordem dos preditores do modelo não afeta o cálculo da soma dos quadrados ajustada. Na tabela de análise de variância, o Minitab separa as somas dos quadrados em diferentes componentes que descrevem a variação devida a várias fontes.

Termo SS ajust

A soma dos quadrados ajustada para um termo é o aumento na soma dos quadrados de regressão em relação a um modelo com apenas os outros termos. Ele quantifica o montante de variação nos dados de resposta que é explicado por cada termo no modelo.

Erro de SS ajust

O erro da soma dos quadrados é a soma dos resíduos quadrados. Ela quantifica a variação nos dados que os preditores não explicam.

Total de SS Adj

A soma dos quadrados total é a soma da soma dos quadrados do termo e a soma dos quadrados dos erros. Ela quantifica a variação total nos dados.

Os quadrados médios ajustados medem o quanto a variação de um termo ou um modelo explica, assumindo que todos os outros termos estão no modelo, independentemente da ordem em que foram inseridos. Diferentemente das somas dos quadrados ajustadas, os quadrados médios ajustados considerar os graus de liberdade.

O quadrado médio do erro ajustado (também chamado MSE ou s²) é a variância em torno dos valores ajustados.

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.