Especificar as opções para Análise de variabilidade

Estat > DOE (Planejamento de Experimento) > Fatorial > Análise de variabilidade > Opções

Neste tópico

Método de estimativa
Nível de confiança para todos os intervalos
Tipo de intervalo de confiança
Tabela de médias

Método de estimativa

Em Método de estimativa, escolha entre o estimativa dos mínimos quadrados (LSE) e a estimativa de máxima verossimilhança (MLE). Os métodos produzem estimativas equivalentes dos coeficientes no modelo saturado quando o número de parâmetros é igual ao número de pontos de dados.

Muitas vezes, as diferenças entre os resultados da LSE e da MLE são pouco significativas e os métodos podem ser utilizados indiferentemente. Você pode querer usar ambos os métodos e determinar se os resultados confirmam um ao outro. Se os resultados forem diferentes, talvez você queira determinar o motivo. Por exemplo, a MLE assume que os dados originais são provenientes de uma distribuição normal. Se seus dados não puderem ser distribuídos normalmente, a LSE pode proporcionar melhores estimativas. Além disso, a LSE não pode calcular os resultados para os dados que contenham um desvio padrão igual a zero. A MLE pode fornecer estimativas, dependendo do modelo.

Você pode usar LSE e MLE juntas porque LSE fornece melhores valores-p, enquanto MLE fornece coeficientes mais precisas¹. Para usar esta abordagem, siga estes passos:

Use os valores-p de LSE para determinar quais termos são estatisticamente significativos.
Ajuste o modelo novamente, excluindo os termos não significativos, para identificar o modelo reduzido adequadamente.
Use MLE para estimar os coeficientes finais do modelo e para determinar os ajustes e os resíduos.

Nível de confiança para todos os intervalos

Insira o nível de confiança dos intervalos de confiança dos coeficientes e os valores ajustados.

Em geral, um nível de confiança de 95% funciona bem. Um nível de confiança de 95% indica que, se você extrair 100 amostras aleatórias da população, os intervalos de confiança para aproximadamente 95 das amostras conterão a resposta média. Para um determinado conjunto de dados, um nível de confiança mais baixo produz um intervalo de confiança mais estreito e um nível de confiança mais alto produz um intervalo de confiança mais amplo.

Observação

Para exibir os intervalos de confiança, você deve acessar a subcaixa de diálogo Resultados, e em Exibição dos resultados, selecione Tabelas expandidas.

Tipo de intervalo de confiança

Selecione o tipo de intervalo de confiança ou limite que se deseja exibir.

Por exemplo, a concentração média predita dos sólidos dissolvidos em água é 13,2 mg/l. O intervalo de confiança de 95% da média de múltiplas observações futuras é 12,8 mg/l a 13,6 mg/l. O limite superior de 95% da média de múltiplas observações futuras é 13,5 mg/l, que é mais preciso porque o limite está mais próximo da média predita.

Bilateral: Use um intervalo de confiança bilateral para estimar os valores inferior e superior prováveis para a resposta média.
Limite inferior: Use um limite inferior para estimar um valor inferior provável para a resposta média.
Limite superior: Use um limite de confiança superior para estimar o valor provável mais alto para a resposta média.

Tabela de médias

Você pode exibir as médias para os efeitos principais, os efeitos principais e interações com dois fatores ou todos os termos do modelo na saída. Como alternativa, você pode exibir as médias para um subconjunto destes termos ou nenhum termo.

Se você selecionar Termos especificados, use os botões de seta para mover os termos de uma lista para a outra. Termos disponíveis mostra todos os termos para os quais as médias podem ser exibidas. O Minitab exibe as médias para os termos emTermos selecionados. Selecione um ou mais termos em uma das listas, clique em um botão de seta. As setas duplas movem todos os termos que estão em uma lista para a outra. Também é possível mover um termo clicando duas vezes nele. Se um termo que você esperava ver na lista não aparecer, precisará ser adicionado ao modelo.

¹ Nair, V.N., e Pregibon, D. (1988). "Analyzing Dispersion Effects From Replicated Factorial Experiments," Technometrics, 30, pp.247-257.