Todas as estatísticas para Predição para Ajustar modelo de efeitos mistos

Use as equações ajustadas marginais para estimar as médias da população da resposta a diferentes níveis dos fatores fixos e diferentes valores de covariáveis. As equações ajustadas marginais assumem que as médias para os termos de fator aleatório são zero.

Use as equações condicionais para calcular as médias condicionais para a resposta aos níveis específicos de fatores fixos e aleatórios. Condicional implica condicional sobre os determinados níveis de fatores aleatórios.

Como um modelo de efeitos mistos inclui fatores, as equações ajustadas são exibidos em uma tabela para todas as combinações de níveis de fatores no modelo.

O Minitab usa as equações ajustadas e os ajustes variáveis para calcular os ajustes. Se as definições das variáveis são incomuns em comparação com os dados que foram utilizados para estimar o modelo, é exibido um aviso abaixo da predição.

Use a tabela de definição de variáveis para verificar se a análise foi realizada da forma desejada.

Os ajustes condicionais são as estimativas para os valores médios de resposta, tanto nas configurações de fator fixas como aleatórias dadas no conjunto de dados. Os ajustes condicionais são calculados a partir das equações ajustadas condicionais.

Os ajustes marginais representam respostas médias em vários níveis de fator fixo. Os ajustes marginais são calculados a partir das equações ajustadas marginais.

O erro padrão do ajuste (EP fit) estima a variação na resposta da média estimada para as configurações de variável especificadas. O cálculo do intervalo de confiança para a resposta média usa o erro padrão do ajuste. Os erros padrão são sempre não negativos.

Os graus de liberdade (DF) para o intervalo de confiança (IC) representam a quantidade de informação contida nos dados para estimar o intervalo de confiança para a resposta média.

Estes intervalos de confiança (IC) são amplitudes de valores que apresentam a probabilidade de conter as respostas médias condicionais e marginais correspondentes.

Como as amostras são aleatórias, é improvável que duas amostras de uma população produzam intervalos de confiança idênticos. Mas, se você extrair amostras várias vezes, 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.

O intervalo de confiança é composto pelas duas partes a seguir:

Os graus de liberdade (DF) para o intervalo de predição (PI) representam a quantidade de informação contida nos dados para estimar o intervalo de predição correspondente.

O intervalo de predição é um intervalo que provavelmente contém uma única resposta futura para uma combinação selecionada de configurações de variável. Se você coletar outro ponto de dados com as mesmas definições de variável, o novo ponto de dados provavelmente estará dentro do intervalo de previsão. Intervalos de predição mais estreitos indicam uma predição mais precisa.