Primeiro, o Minitab cria uma matriz de experimento a partir dos fatores e do modelo que você especificar. As colunas desta matriz representam os termos no modelo. Em seguida, o Minitab adiciona mais colunas ao termo constante, blocos e termos de ordem superior para completar a matriz de experimento para o modelo na análise.
A matriz de experimento completa contém colunas além das colunas que representam fatores. A matriz de experimento contém uma coluna de 1s para o termo constante. A matriz de experimento completa também inclui colunas que representam os termos quadrados ou de interação no modelo.
Para um experimento que inclui fatores categóricos, o Minitab substitui a linha do ponto central único na matriz de experimento por 2 pseudopontos centrais. Se o experimento tiver apenas 1 fator categórico, existem apenas dois pseudopontos centrais possíveis, de forma que ambos os pontos estejam no experimento.
No caso em que o experimento tem mais de 2 fatores categóricos, o Minitab usa um algoritmo iterativo para selecionar 2 pseudopontos centrais a serem incluídos. O algoritmo procura minimizar variância dos coeficientes de regressão dos efeitos lineares no modelo.
Termo | Descrição |
---|---|
C | Uma matriz de conferência |
0' | Uma linha de zeros em uma matriz que representa um ponto central em um ensaio |
In | a matriz de identidade n × n |
A | Uma matriz que é um subconjunto de uma matriz com conferência com N linhas e n colunas em que |
N | O número de linhas no subconjunto das colunas da matriz de conferência |
n | O número de fatores em um experimento |
Nos termos da matriz, a fórmula que calcula o vetor dos coeficientes do modelo é:
Termo | Descrição |
---|---|
X | matriz do experimento |
Y | vetor de resposta |
A transformação de Box-Cox seleciona valores de lambda, conforme mostrado a seguir, que minimizam a soma dos quadrados dos resíduos. A transformação resultante é Y λ quando λ ≠ 0 e ln(Y) quando λ = 0. Quando λ < 0, o Minitab também multiplica a resposta transformada por -1 para manter a ordem da resposta não transformada.
O Minitab pesquisa um valor ideal entre −2 e 2. Os valores que estão fora desse intervalo podem não resultar em um ajuste melhor.
A seguir estão algumas transformações comuns onde Y é a transformação dos dados Y:
Valor lambda (λ) | Transformação |
---|---|
λ = 2 | Y′ = Y 2 |
λ = 0,5 | Y′ = |
λ = 0 | Y′ = ln(Y ) |
λ = −0,5 | |
λ = −1 | Y′ = −1 / Y |
A regressão de mínimos quadrados ponderada é um método para lidar com as observações que têm variâncias não constantes. Se as variâncias são não constantes, observações com:
A escolha comum de pesos é o inverso da variância do erro puro na resposta.
Termo | Descrição |
---|---|
X | matriz do experimento |
X' | transposição da matriz do experimento |
W | uma matriz n x n com os pesos na diagonal |
Y | vetor de valores de resposta |
n | número de observações |
wi | peso para a ia observação |
yi | valor da resposta para a ia observação |
valor ajustado para a ia observação |