Considerações de dados para Análise de experimento de filtragem definitivo

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.

Você deve ter criado ou definido uma filtragem de experimento no Minitab

Um experimento projetado no Minitab deve ter pelo menos 2 fatores que sejam contínuos ou categóricos.

• Se você tiver apenas um fator categórico e nenhum preditor contínuo, use ANOVA com 1 fator.
• Se você tiver um fator contínuo, use Gráfico de linha ajustada.

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.

• Se as suas variáveis de resposta tiverem duas categorias, use Análise de resposta binária para filtragem de experimentos definitiva.
• Se a sua variável de resposta conta ocorrências, como número de defeitos, use Ajustar modelo de Poisson.

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.

Em algumas situações, a aleatorização pode conduzir a uma ordem de execução indesejável. Por exemplo, as mudanças de nível de fator pode ser difíceis, caras ou levar um longo tempo para produzir um processo estável. Sob essas condições, talvez você queira aleatorizar com um experimento de parcelas subdivididas para minimizar as mudanças de nível.

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.