Os graus de liberdade (DF) totais são a quantidade de informações em seus dados. A análise usa essas informações para estimar os valores dos parâmetros da população desconhecidos. Os DF totais são determinados pelo número de observações em seu experimento. Os DF de um termo mostram quanta informação aquele termo usa. Aumentar o tamanho amostral fornece mais informações sobre a população, o que aumenta os DF totais. Aumentar o número de termos em seu modelo usa mais informações, o que diminui os DF disponíveis para estimar a variabilidade das estimativas de parâmetros.
As somas dos quadrados sequenciais são medidas da variação para os diferentes componentes do modelo. Diferente das somas dos quadrados ajustados, a soma sequencial dos quadrados depende da ordem em que os termos são inseridos no modelo. Na tabela Análise da Variância, o Minitab lista somas dos quadrados sequenciais para os efeitos principais, as interações e o termo de erro.
O Minitab não usa as somas dos quadrados sequenciais para calcular os valores-p ao analisar um experimento, mas pode usar as somas dos quadrados sequenciais quando você usa Modelo de Regressão Ajustada ou Modelo Linear Generalizado Ajustado. Normalmente, você interpreta os valores-p e a estatística R2 com base nas somas dos quadrados ajustados.
A soma dos quadrados ajustada é uma medida da variação para os diferentes componentes do modelo. A ordem dos preditores do modelo não afeta o cálculo da soma dos quadrados ajustada. Na tabela de análise de variância, o Minitab separa as somas dos quadrados em diferentes componentes que descrevem a variação devida a várias fontes.
O Minitab usa a soma dos quadrados ajustada para calcular o valor-p para um termo. O Minitab também usa a soma dos quadrados para calcular a estatística R2. Normalmente, você interpreta os valores-p e a estatística R2 em vez da soma dos quadrados.
Os quadrados médios ajustados medem o quanto a variação de um termo ou um modelo explica, assumindo que todos os outros termos estão no modelo, independentemente da ordem em que foram inseridos. Diferentemente das somas dos quadrados ajustadas, os quadrados médios ajustados considerar os graus de liberdade.
O quadrado médio do erro ajustado (também chamado MSE ou s2) é a variância em torno dos valores ajustados.
O Minitab usa os quadrados médios ajustados para calcular o valor de p para um termo. O Minitab também usa os quadrados médios ajustados para calcular a estatística R2 ajustada. Normalmente, você interpreta os valores de p e a estatística R2 ajustada em vez dos quadrados médios ajustados.
A tabela Análise de Variância lista um valor-f para cada termo. O valor-f é a estatística de teste usado para determinar se o termo está associado com a resposta.
O Minitab usa o valor-f para calcular o valor-p, que pode ser usado para a tomada de uma decisão sobre a significância estatística dos termos. O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.
Um valor de F grande o bastante indica que o termo ou modelo é significativo.
Se você quiser usar o valor-f para determinar se deve rejeitar a hipótese nula, compare o valor-f com o seu valor crítico. É possível calcular o valor crítico no Minitab ou encontrar o valor crítico de uma tabela distribuição F na maioria dos livros de estatísticas. Para obter mais informações sobre como usar o Minitab para calcular o valor crítico, acesse Usando a função de distribuição acumulada inversa (ICDF) e clique em "Usar o ICDF para calcular valores críticos".
O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.
Para determinar se a associação entre a resposta e cada termo no modelo é estatisticamente significativa, compare o valor-p para o termo com o seu nível de significância a fim de avaliar a hipótese nula. A hipótese nula é que não há nenhuma associação entre o termo e a resposta.