Documentos de Académico
Documentos de Profesional
Documentos de Cultura
M2 Tabla de Análisis de Varianza Sánchez Martínez César 1176561
M2 Tabla de Análisis de Varianza Sánchez Martínez César 1176561
INGENIERÍA INDUSTRIAL
Ingeniería de Calidad
Martínez Castillo Laura Elena
M.2
Tabla de análisis de varianza para un
Universidad
diseño factorial
Autónoma de
Baja
California 1176561
Sánchez Martínez César
15/09/2023
Ingeniería de Calidad
Meta 2: Tabla de análisis de varianza para un diseño factorial
En este espacio se representan las sumas ajustadas de cuadrados, estos son medidas
de variación para los distintos componentes que presentamos nosotros en el modelo
analizado. Algo que debemos tomar en cuenta es que el orden de los datos presentados
en la suma de cuadrados ajustados no afecta al cálculo de las mismas sumas. Existen
diversas sumas de cuadrados ajustados que se presentan en Minitab, estas son las
siguientes:
Los cuadrados medios ajustados son datos que miden la variación y explica cómo
funciona la variación de un término o un modelo, es distinto a la suma de cuadrados
ajustados puesto que este considera los grados de libertad del modelo presentado. Por
otro lado, el cuadrado medio ajustado del error es la varianza que existe alrededor de los
valores ajustados. Por otro lado, Minitab utiliza los valores de los cuadrados medios
ajustados para realizar el cálculo de los valores de P en nuestro ANOVA, así como
también para calcular el estadístico R2 ajustado.
Este valor presenta las sumas secuenciales de los cuadrados, mismas medidas son
diferentes para cada componente del modelo analizado, este dato se diferencia de las
sumas de cuadrados ajustados por su dependencia al orden en el que se encuentran los
términos en el modelo. En Minitab podemos encontrar las siguientes sumas secuenciales
de cuadrados:
Por otro lado, Minitab no utiliza las sumas secuenciales de los cuadrados para calcular
los P-Values, sin embargo, puede utilizarlos para ajustar el modelo de regresión o ajustar
el modelo lineal general.
Contribución:
La contribución que se presenta en la tabla de análisis de varianza representa el
porcentaje con el que cada fuente en la tabla contribuye a las sumas de cuadrados
secuenciales totales y podemos interpretar que mientras mayor sea la fuente en
porcentaje, más representa esta la variación en la respuesta.
Valor F (F-Value):
El valor F es un valor que aparece para cada una de las pruebas en la tabla de análisis
de varianza, este valor se utiliza para calcular el P-Value en Minitab, el cual utilizamos
para decidir la significancia de nuestras hipótesis, un valor F lo suficientemente alto nos
muestra que existe una significancia estadística. En Minitab podemos encontrar los
siguientes valores de F:
Valor P (P-Value):
El valor P o P-Value es el valor que utilizamos para medir la evidencia contra nuestra
hipótesis nula, las probabilidades más bajas proporcionan una evidencia más fuerte
contra nuestra hipótesis nula, es decir, mientras más bajo el valor, mayor la evidencia en
contra de la hipótesis nula. Para determinar si el modelo que utilizamos explica la
variación en la respuesta, se compara el P-Value contra el nivel de significancia del
modelo, esto nos da como resultado la conclusión de nuestro análisis de varianza
(ANOVA) y mediante esto podemos entonces decidir realizar un nuevo análisis de
varianza y un nuevo experimento o si nuestro análisis de varianza y experimento finalizan
en este punto puesto que nuestra hipótesis nula se aceptó o rechazó.
Referencias:
Tabla Análisis de varianza para analizar diseño factorial - MiniTAb. (s. f.). (C) Minitab, LLC. All
modeling/doe/how-to/factorial/analyze-factorial-design/interpret-the-results/all-statistics-and-
graphs/analysis-of-variance-table/