Gráficos de efeitos para Análise de experimento fatorial

Encontre definições e orientações de interpretação para cada gráfico de efeitos.

Neste tópico

Gráfico de Pareto
Gráfico normal de efeitos
Gráfico half normal de efeitos

Gráfico de Pareto

A gráfico de Pareto mostra os valores absolutos dos efeitos padronizados desde o maior efeito até o menor efeito. Os efeitos padronizados são estatísticas t que testam a hipótese nula de que o efeito é 0. O gráfico também traça uma linha de referência para indicar quais efeitos são estatisticamente significativos.

A linha de referência para significância estatística depende do nível de significância (denotado por α ou alfa). A menos que você use um método de seleção stepwise que defina um valor alfa, o nível de significância é 1 menos o nível de confiança para a análise. Para obter mais informações sobre como alterar o nível de confiança, acesse Especificar as opções para Análise de experimento fatorial. Se você usar a seleção retrospectiva ou a seleção stepwise, o nível de significância é aquele em que o Minitab remove um termo do modelo, conhecido como Alfa-para-remover . Se você usa a seleção avançada, o nível de significância é aquele em que o Minitab adiciona um termo ao modelo, conhecido como Alfa-para-inserir.

Observação

Para um experimento de 2 níveis, se o número de termos no modelo for igual ao número de ensaios, os efeitos padronizados não podem ser calculados. O Minitab mostra os efeitos não padronizados e utiliza o método de Lenth para traçar uma linha de referência para a significância estatística. Para obter mais informações sobre o método de Lenth, acesse Métodos e fórmulas para os gráficos de efeitos em Análise de experimento fatorial e clique em "Pseudo erro padrão (PSE) de Lenth".
Para um experimento fatorial completo geral, se o número de termos no modelo for igual ao número de ensaios, os efeitos padronizados não podem ser calculados. O Minitab não produz um gráfico de Pareto neste caso.

Interpretação

Use o gráfico de Pareto para determinar a magnitude e a importância dos efeitos. No gráfico de Pareto, as barras que se cruzam a linha de referência são estatisticamente significativas. Por exemplo, neste gráfico de Pareto, as barras que representam os fatores C, B e BC cruzam a linha de referência que está em 2,31. Estes fatores são estatisticamente significativos ao nível 0,05 com os termos do modelo atual.

Como o gráfico Pareto exibe o valor absoluto dos efeitos, é possível determinar quais efeitos são grandes, mas não é possível determinar quais efeitos aumentam ou diminuem a resposta. Use o gráfico de probabilidade normal dos efeitos padronizados para examinar a magnitude e a direção dos efeitos de um gráfico.Use o gráfico de probabilidade normal dos efeitos padronizados para examinar a magnitude e a direção dos efeitos de um gráfico.

Gráfico normal de efeitos

O gráfico de probabilidade normal dos efeitos mostra os efeitos padronizados em relação a uma linha de ajuste de distribuição no caso em que todos os efeitos são 0. Os efeitos padronizados são estatísticas t que testam a hipótese nula de que o efeito é 0. Os efeitos principais positivos aumentam a resposta quando as definições mudam do valor baixo de um fator para o valor alto. Os efeitos principais negativos diminuem a resposta quando as configurações mudam do valor baixo de um fator para o valor alto. Os efeitos mais afastados de 0 que estão no eixo x têm maior magnitude. Os efeitos mais afastados de 0 são estatisticamente mais significativos.

O grau de significância estatística depende do nível de significância (denotado por α ou alfa). A menos que você use um método de seleção stepwise que defina um valor alfa, o nível de significância é 1 menos o nível de confiança para a análise. Para obter mais informações sobre como alterar o nível de confiança, acesse Especificar as opções para Análise de experimento fatorial. Se você usar seleção retrospectiva ou seleção stepwise, o nível de significância é o aquele onde Minitab remove um termo do modelo, como conhecido como Alfa para remover. Se você usar a seleção adiantada, o nível de significância é o nível de significância, onde o Minitab adiciona um termo ao modelo, conhecido como Alfa para inserir

Observação

Para um experimento de 2 níveis, se o número de termos no modelo for igual ao número de ensaios, os efeitos padronizados não podem ser calculados. O Minitab mostra os efeitos não padronizados e utiliza o método de Lenth para calcular a distância crítica para a significância estatística. Para obter mais informações sobre o método de Lenth, acesse Métodos e fórmulas para os gráficos de efeitos em Análise de experimento fatorial e clique em "Pseudo-erro padrão (PSE) de Lenth".

Interpretação

Use o gráfico de probabilidade normal dos efeitos para determinar a magnitude, direção e a importância dos efeitos. No gráfico de probabilidade normal dos efeitos, os efeitos que estão mais afastados de 0 são estatisticamente significativos. A cor e a forma dos pontos difere entre os efeitos estatisticamente significativos e estatisticamente não significativos. Por exemplo, neste gráfico, os efeitos principais dos fatores A, B e C são estatisticamente significativos ao nível 0,05. Estes pontos têm cor e forma diferentes dos pontos para os efeitos não significativos.

Além disso, o gráfico indica a direção do efeito. O processo (A) tem um efeito padronizado positivo. Quando o processo muda de nível baixo para nível alto do fator, a resposta aumenta. Pressão (B) e Velocidade (C) têm efeitos padronizados negativos. Quando a Pressão e a Velocidade aumentam, a resposta diminui.

Como o gráfico de probabilidade normal dos efeitos exibe efeitos negativos sobre o lado esquerdo do gráfico e efeitos positivos sobre o lado direito do gráfico, é mais difícil fazer comparações sobre os quais os efeitos alteram mais a resposta do que nos gráficos que mostram os valores absolutos dos efeitos padronizados. O gráfico half normal e o gráfico de Pareto mostram os valores absolutos dos efeitos padronizados.

Gráfico half normal de efeitos

A gráfico de probabilidade half normal dos efeitos mostra os valores absolutos dos efeitos padronizados desde o maior efeito até o menor efeito. Os efeitos padronizados são estatísticas t que testam a hipótese nula de que o efeito é 0. Os pontos são apresentados em relação a uma linha de referência para o caso em que todos os efeitos são 0. Efeitos mais afastados de 0 que estão no eixo x têm maior magnitude. Efeitos mais afastados de 0 são estatisticamente mais significativos.

A distância que os pontos deve estar da linha de referência para serem estatisticamente significativos depende do nível de significância (denotado por α ou alfa). A menos que você use um método de seleção stepwise que defina um valor alfa, o nível de significância é 1 menos o nível de confiança para a análise. Para obter mais informações sobre como alterar o nível de confiança, acesse Especificar as opções para Análise de experimento fatorial. Se você usar seleção retrospectiva ou seleção stepwise, o nível de significância é o aquele onde Minitab remove um termo do modelo, como conhecido como Alfa para remover. Se você usar a seleção adiantada, o nível de significância é o nível de significância, onde o Minitab adiciona um termo ao modelo, conhecido como Alfa para inserir

Observação

Interpretação

Use o gráfico de probabilidade half normal dos efeitos para determinar a magnitude e a importância dos efeitos. No gráfico de probabilidade half normal dos efeitos, os efeitos que estão mais afastados de 0 são estatisticamente significativos. A cor e a forma dos pontos difere entre os efeitos estatisticamente significativos e estatisticamente não significativos. Por exemplo, neste gráfico, os efeitos principais dos fatores A, B e C são estatisticamente significativos ao nível 0,05. Estes pontos têm cor e forma diferentes dos pontos para os efeitos não significativos. Além disso, o Minitab coloca rótulos nos pontos estatisticamente significativos.

Como o gráfico de probabilidade half normal dos efeitos exibe o valor absoluto dos efeitos, é possível determinar quais efeitos são grandes, mas não é possível determinar quais efeitos aumentam ou diminuem a resposta. Use o gráfico de probabilidade normal dos efeitos padronizados para verificar a magnitude e a direção dos efeitos de um gráfico.