Tabela Análise de Variância de Estudo de estabilidade

Encontre definições e interpretações para cada estatística na tabela Análise de Variância.

Neste tópico

DF
Seq SS
MS Seq
Valor-f
Valor-p – Seleção do modelo de fator fixo
Valor-p – Seleção do modelo de fator aleatório

DF

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 sua amostra. 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.

Para um estudo de estabilidade com fatores fixos, a tabela ANOVA inclui os seguintes graus de liberdade: tempo, lote e Tempo*Lote.

Seq SS

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 de Variância, o Minitab separa as somas dos quadrados sequenciais em diferentes componentes que descrevem a variação devida a diferentes fontes.

Termo SS seq: A soma dos quadrados sequenciais para um termo é a parte única da variação explicada por um termo que não é explicado pelos termos digitados anteriormente. Ele quantifica o montante de variação nos dados de resposta que é explicado por cada termo conforme ele é adicionado sequencialmente ao modelo.
Erro de SS seq: O erro da soma dos quadrados é a soma dos resíduos quadrados. Ela quantifica a variação nos dados que os preditores não explicam.
Total Seq SS: A soma dos quadrados total é a soma do termo das somas dos quadrados e o erro da soma dos quadrados. Ela quantifica a variação total nos dados.

Interpretação

Na tabela Seleção do Modelo, o Minitab usa as somas sequenciais dos quadrados para calcular o valor-p para um termo. Em geral, você interpreta os valores-p em vez dos somas dos quadrados.

MS Seq

Os quadrados médios sequenciais medem o quanto a variação de um termo ou de um modelo explica. Os quadrados médios sequenciais dependem da ordem em que os termos são inseridos no modelo. Ao contrário das somas dos quadrados, os quadrados médios sequenciais consideram os graus de liberdade.

O quadrado médio do erro sequencial (também chamado MSE ou s²) é a variância em torno dos valores ajustados.

Interpretação

O Minitab usa os quadrados médios sequenciais para calcular o valor de p para um termo. O Minitab também usa os quadrados médios sequenciais para calcular a estatística R² ajustada. Normalmente, você interpreta os valores de p e a estatística R² ajustada em vez dos quadrados médios sequenciais.

Valor-f

Aparece um Valor de F para cada termo na análise da tabela de variância. O valor-f é a estatística de teste usado para determinar se o termo está associado com a resposta.

Interpretação

O Minitab usa a o valor de F para calcular o valor de p, que pode ser usado para a tomada de uma decisão sobre a significância estatística dos termos e do modelo. 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".

Valor-p – Seleção do modelo de fator fixo

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.

Interpretação

Para determinar se a associação entre a resposta e cada termo no modelo é estatisticamente significativa, compare o valor de 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. Para um estudo de estabilidade, essas são as hipóteses nulas específicas para cada termo:

Hora: o produto não degrada com o tempo.
Lote: os lotes têm todos a mesma resposta média antes de começarem a se degradar.
Interação Hora*Lote: todos os lotes se degradam na mesma taxa.

Para um estudo de estabilidade, o Minitab remove quaisquer termos que não têm valores-p menores do que seu nível de significância. O nível de significância padrão é 0,25. Um nível de significância de 0,25 indica um risco de 25% de se concluir que existe uma associação quando não existe uma associação real.

Valor de p ≤ α: a associação é estatisticamente significativa: Se o valor de p for menor ou igual ao nível de significância, é possível concluir que há uma associação estatisticamente significativa entre a variável de resposta e o termo. O Minitab retém o termo no modelo.
Valor-p > α: a associação não é estatisticamente significativa: Se o valor-p for maior ou igual ao nível de significância, não é possível concluir que há uma associação estatisticamente significativa entre a variável de resposta e o termo. O Minitab remove o termo do modelo.

Valor-p – Seleção do modelo de fator aleatório

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.

Interpretação

Para determinar se um modelo se ajusta aos dados melhor que outro, compare o valor-p do modelo com o nível de significância a fim de avaliar a hipótese nula. A hipótese nula é aquela cujo coeficiente adicional do modelo mais amplo é igual a zero. A hipótese alternativa é aquela que o coeficiente adicional no modelo maior é diferente de zero. Para um estudo de estabilidade, o nível de significância padrão é 0,25. Um nível de significância de 0,25 indica um risco de 25% de concluir que os modelos são os mesmos quando um modelo se ajusta melhor aos dados.

Valor-p ≤ α: a associação é estatisticamente significativa: Se o valor-p for menor ou igual ao nível de significância, é possível concluir que a diferença entre os modelos é estatisticamente significativa. O Minitab retém o modelo mais complexo para mais análises.
Valor-p > α: a associação não é estatisticamente significativa: Se o valor-p for maior que o nível de significância, não é possível concluir que a diferença entre os modelos é estatisticamente significativa. O Minitab retém o modelo mais simples para mais análises.