Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.
- Os dados devem incluir pelo menos 2 componentes
- Para definir um experimento de mistura no Minitab, você deve ter pelo menos dois componentes que sejam contínuos. Se você não tiver pelo menos dois componentes, não existe uma mistura.
- A variável de resposta deve ser contínua
-
Se a variável resposta for categórica, é menos provável que seu modelo atenda às premissas da análise para descrever com precisão os seus dados ou para fazer predições úteis.
- Certifique-se de que o sistema de medição produz dados de resposta confiáveis
-
Se a variabilidade em seu sistema de medição for muito grande, seu experimento pode não ter poder de encontrar efeitos importantes.
- Cada observação deve ser independente de todas as outras observações
-
Se suas observações individuais forem dependentes, seus resultados podem não ser válidos. Considere os seguintes pontos para determinar se suas observações são independentes:
- Se uma observação não fornece informações sobre o valor de outra observação, as observações são independentes.
- Se uma observação fornece informações sobre o valor de outra observação, as observações são dependentes.
- Os ensaios experimentais devem ser aleatorizados
-
A aleatorização reduz a chance de que condições não controladas influenciem os resultados. A aleatorização também permite estimar a variação inerente a materiais e condições para possibilitar inferências estatísticas válidas com base nos dados do experimento.
- Coleta de dados usando as práticas recomendadas
-
Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes:
- Certifique-se de que os dados representem a população de interesse.
- Colete dados suficientes para proporcionar a precisão necessária.
- Registre os dados na ordem em que forem coletados.
- O modelo deve fornecer um bom ajuste aos dados
-
Se o modelo não se ajustar aos dados, os resultados podem ser equivocados. Na saída, utilize os gráficos residuais, as estatísticas de diagnóstico para observações incomuns e as estatísticas de resumo modelo para determinar o quão bem o modelo se ajusta aos dados.