Programa de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso.
|
|
- Juan Francisco Godoy Carmona
- hace 8 años
- Vistas:
Transcripción
1 Programa de Statgraphics TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. AUTOR: JUAN VICENTE GONZÁLEZ OVANDO
2 ANALISIS Y CALCULOS A) Planteamos los contrastes de Hipótesis Ho : El nivel de dificultad de los exámenes es el mismo en las tres pruebas. La media de las puntuaciones es la misma en los tres exámenes µ 1 = µ 2 = µ 3 = µ H 1 : El nivel de dificultad fueron distintos en cada test o prueba. B) Establecemos la región de criterio de contraste, para ello hallamos el F α; m-1; m(n-1) estadístico F-snedecor Donde: α = 0,05 m = No.de muestras = 3 m-1 = 3-1 = 2 n = No.de alumnosn = 10 m(n-1) = 3*9 = 27 Tenemos así el grado de libertad de F-s es (2 ; 27). El valor del estadístico es : F 0,05;2;27 = 4,21 (dado en una tabla )
3 C ) Pasamos a calcular los datos para formar nuestra tabla ANOVA (Análisis de Varianza) y así obtener el estimador de las muestras. 1º Calculamos la de cada una de las muestras, esto es de cada una de las pruebas o test: Test 1 : y 1 = = 201 Test 2 : y 2 = = 611 Test 3 : y 3 = = 551 2º Calculamos y ij = = º Calculamos C = ( Y ij ) 2 / n.m = (1363) 2 / 10.3 = /30= 61925,63 4º Calculamos y i 2 / n = ( ) / 10 = 71732,30 5º Calculamos y ij2 = = º Calculamos la suma de cuadrados de los test (SSt ) SSt = y i2 / n C = 71732, ,63 = 9806,67 7º Calculamos la suma de cuadrados totales (SST) SST = y ij2 - C = ,63 = 12017,40 8º Calculamos la suma de cuadrado del error o del azar (SSE) SSE = SST SSt = 12017, ,67 = 2210,70
4 D) Formamos la Tabla ANOVA Simple para puntuaciones por Test Variable dependiente es: las puntuaciones de cada alumno Factor o muestra: Cada uno de los Test (Final, 1er. Parcial, 2º Parcial) Cuadro General: FUENTE Grados de Suma de Cuadrado Razón Valor P libertad Cuadrados Medio F-Snedecor GL SC CM F Entre Grupos m-1 SST SST / (m-1) [SST / (m-1) ] / [SSE / m(n-1) ] Intra Grupos m(n-1) SSE SSE / m(n-1) Total mn-1 SST
5 A continuación nuestra tabla ANOVA con los datos numéricos: FUENTE Grados de Suma de Cuadrado Razón Valor P libertad Cuadrados Medio F-Snedecor GL SC CM F Entre Grupos , ,67/2 = 4903, ,33 / 81,8778 = 59,89 Intra Grupos ,7 2210,7/27 = 81,8778 Total ,4 E) Finalmente emitimos nuestra conclusión analizando los resultados obtenidos: Estimador F = 59,89 > 4,21 = F 0,05;2;27 Estadístico Rechazamos la hipótesis nula Ho considerando que el valor del estimador calculado F = 59,89 cae fuera de la región de aceptación o contraste. Concluimos que las diferencias entre los exámenes (prueba o Test) son significativos, es decir, que los mismos tenían diferentes grados de dificultad.
6 A continuación mostramos las graficas obtenidas con el programa de Statgraphics para visualizar la dispersión de los datos: 80 Dispersión por Código de Nivel PUNTUACION ES A B C EXAMEN Podemos apreciar en la gráfica de dispersión de los datos que los Test del 1er. Y 2º parcial han obtenido puntuaciones similares por lo que se pueden considerar que el nivel de dificultad entre ambos fueron similares.
7 ANOVA Gráfico para PUNTUACIONES A C B EXAMEN P = 0,0000 Residuos
8 A continuación mostramos los resultados obtenidos con el programa Statgraphis
9 ANOVA Simple - PUNTUACIONES por EXAMEN Variable dependiente: PUNTUACIONES (VARIABLE DEPENDIENTE) Factor: EXAMEN (TEST( COD. A TEST FINAL B 1er.Parcial, C 2º Parcial )) Número de observaciones: 30 Número de niveles: 3 El StatAdvisor Este procedimiento ejecuta un análisis de varianza de un factor para PUNTUACIONES. Construye varias pruebas y gráficas para comparar los valores medios de PUNTUACIONES para los 3 diferentes niveles de EXAMEN. La prueba-f en la tabla ANOVA determinará si hay diferencias significativas entre las medias. Si las hay, las Pruebas de Rangos Múltiples le dirán cuáles medias son significativamente diferentes de otras. Si le preocupa la presencia de valores atípicos, puede elegir la Prueba de Kruskal-Wallis la cual compara las medianas en lugar de las medias. Las diferentes gráficas le ayudarán a juzgar la significancia práctica de los resultados, así como le permitirán buscar posibles violaciones de los supuestos subyacentes en el análisis de varianza. Tabla ANOVA para PUNTUACIONES por EXAMEN Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P Entre grupos 9806, ,33 59,89 0,0000 Intra grupos 2210, ,8778 Total (Corr.) 12017,4 29 El StatAdvisor La tabla ANOVA descompone la varianza de PUNTUACIONES en dos componentes: un componente entre-grupos y un componente dentro-de-grupos. La razón-f, que en este caso es igual a 59,886, es el cociente entre el estimado entre-grupos y el estimado dentro-de-grupos. Puesto que el valor-p de la prueba-f es menor que 0,05, existe una diferencia estadísticamente significativa entre la media de PUNTUACIONES entre un nivel de EXAMEN y otro, con un nivel del 95,0% de confianza. Para determinar cuáles medias son significativamente diferentes de otras, seleccione Pruebas de Múltiples Rangos, de la lista de Opciones Tabulares.
10 A continuación la resolución del Ejercicio 8 paso a paso y luego el resumen obtenido Con el programa Statgraphics.
11 ANALISIS Y CALCULOS A) Planteamos los contrastes de Hipótesis Ho : La media de los errores de las cuatro impresoras son iguales µ 1 = µ 2 = µ 3 = µ H 1 : La media de los errores son distintos. B) Establecemos la región de criterio de contraste, para ello hallamos el F α; m-1; m(n-1) estadístico F-snedecor Donde: α = 0,05 m = No.de muestras = 4 m-1 = 4-1 = 3 n = No.de semanas = 5 m(n-1) = 4*4 = 16 Tenemos así el grado de libertad de F-s es (3 ; 16). El valor del estadístico es : F 0,05;3;16 = 3,24 (dado en una tabla )
12 C ) Pasamos a calcular los datos para formar nuestra tabla ANOVA (Análisis de Varianza) y así obtener el estimador de las muestras. 1º Calculamos la de cada una de las muestras, esto es de cada una de las pruebas o test: Impresora 1 : y 1 = = 70 Impresora 2 : y 2 = = 75 Impresora 3 : y 3 = = 79 Impresora 4 : y 4 = = 69 2º Calculamos y ij = = 293 3º Calculamos C = ( Y ij ) 2 / n.m = (293) 2 / 5.4 = 85849/20= 4292,45 4º Calculamos y i 2 / n = ( ) / 5 = 4305,40 5º Calculamos y ij2 = = º Calculamos la suma de cuadrados de los errores de cada impresora (SSe ) SSe = y i2 / n C = 4305, ,45 = 12,95 7º Calculamos la suma de cuadrados totales (SST) SST = y ij2 - C = ,45 = 114,55 8º Calculamos la suma de cuadrado del error o del azar (SSE) SSE = SST SSe = 114,55 12,95 = 101,60
13 D) Formamos la Tabla ANOVA Simple para los errores por impresora Variable dependiente es: número de errores de cada impresora Factor o muestra: Cada una de las impresoras ( 1, 2, 3 y 4) Cuadro General: FUENTE Grados de Suma de Cuadrado Razón Valor P libertad Cuadrados Medio F-Snedecor GL SC CM F Entre Grupos m-1 SST SST / (m-1) [SST / (m-1) ] / [SSE / m(n-1) ] Intra Grupos m(n-1) SSE SSE / m(n-1) Total mn-1 SST
14 A continuación nuestra tabla ANOVA con los datos numéricos: FUENTE Grados de Suma de Cuadrado Razón Valor P libertad Cuadrados Medio F-Snedecor GL SC CM F Entre Grupos 3 12,95 12,95/3 = 4,3167 4,3167 / 6,35 = 0,68 Intra Grupos ,60 101,60/16 = 6,35 Total ,55 E) Finalmente emitimos nuestra conclusión analizando los resultados obtenidos: Estimador F = 0,68 < 3,24 = F 0,05;3;16 Estadístico Aceptamos la hipótesis nula Ho considerando que el valor del estimador calculado F = 59,89 cae dentro de la región de aceptación. Concluimos que las diferencias entre los errores de las impresoras son debidos al azar. La media de errores de las tres impresoras son iguales.
15 A continuación mostramos los resultados obtenidos con el programa Statgraphis
16 ANOVA Simple - NUMERO DE ERRORES por IMPRESORAS Variable dependiente: NUMERO DE ERRORES (POR SEMANA) Factor: IMPRESORAS (NUMERACION) Número de observaciones: 20 Número de niveles: 4 IMPRESORAS NUMERO DE ERRORES NUMERACION POR SEMANA
17 El StatAdvisor Este procedimiento ejecuta un análisis de varianza de un factor para NUMERO DE ERRORES. Construye varias pruebas y gráficas para comparar los valores medios de NUMERO DE ERRORES para los 4 diferentes niveles de IMPRESORAS. La prueba-f en la tabla ANOVA determinará si hay diferencias significativas entre las medias. Si las hay, las Pruebas de Rangos Múltiples le dirán cuáles medias son significativamente diferentes de otras. Si le preocupa la presencia de valores atípicos, puede elegir la Prueba de Kruskal-Wallis la cual compara las medianas en lugar de las medias. Las diferentes gráficas le ayudarán a juzgar la significancia práctica de los resultados, así como le permitirán buscar posibles violaciones de los supuestos subyacentes en el análisis de varianza. Tabla ANOVA para NUMERO DE ERRORES por IMPRESORAS Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P Entre grupos 12,95 3 4, ,68 0,5771 Intra grupos 101,6 16 6,35 Total (Corr.) 114,55 19 El StatAdvisor La tabla ANOVA descompone la varianza de NUMERO DE ERRORES en dos componentes: un componente entre-grupos y un componente dentro-de-grupos. La razón-f, que en este caso es igual a 0,67979, es el cociente entre el estimado entre-grupos y el estimado dentro-de-grupos. Puesto que el valor-p de la razón-f es mayor o igual que 0,05, no existe una diferencia estadísticamente significativa entre la media de NUMERO DE ERRORES entre un nivel de IMPRESORAS y otro, con un nivel del 95,0% de confianza.
18 Dispersión por Código de Nivel 20 NUMERODE ERRORES IMPRESORAS ANOVA Gráfico para NUMERO DE ERRORES IMPRESORAS P = 0,5771 Residuos
Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesAnálisis de la Varianza de un Factor
Práctica de Estadística con Statgraphics Análisis de la Varianza de un Factor Fundamentos teóricos El Análisis de la Varianza con un Factor es una técnica estadística de contraste de hipótesis, cuyo propósito
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesSPSS: ANOVA de un Factor
SPSS: ANOVA de un Factor El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de igualdad de
Más detallesANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral
ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral Enero 2005 1.- INTRODUCCIÓN En múltiples ocasiones el analista o investigador se enfrenta al problema de determinar
Más detallesAnálisis de la Varianza (ANOVA) de un factor y test a posteriori.
Análisis de la Varianza (ANOVA) de un factor y test a posteriori. Ejercicios Temas 8 y 9 (Resuelto) 1. Problema 5 Se quiere estudiar el efecto de distintas dosis de un medicamento para combatir a los parásitos
Más detallesMANUAL PARA EL USO DE SPSS
MANUAL PARA EL USO DE SPSS 1 INTRODUCCIÓN El propósito de este manual, es ilustrar con un ejemplo cómo generar tablas de frecuencia, tablas de contingencia, cálculos de medias, así como la generación de
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesPRUEBAS NO PARAMÉTRICAS
PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la
Más detallesESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
Más detalles3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO
Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio
Más detallesFundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I
Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................
Más detallesExperimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.
Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables
Más detallesTrabajo de Matemáticas y Estadística Aplicadas
Licenciatura en Ciencia Ambientales Matemáticas y Estadística aplicada Prof. Susana Martín Fernández POLITÉCNICA Trabajo de Matemáticas y Estadística Aplicadas GUIÓN 1: Estadística descriptiva Tipo 1 1-
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones
Más detallesBioestadística: Inferencia Estadística. Análisis de Dos Muestras
Bioestadística: Inferencia Estadística. Análisis de Dos Muestras M. González Departamento de Matemáticas. Universidad de Extremadura MUESTRAS INDEPENDIENTES: TEST PARAMÉTRICO: VARIANZAS POBLACIONALES IGUALES:Test
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS
TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño de medidas parcialmente repetidas DISEÑOS DE MEDIDAS REPETIDAS Definición
Más detalles1 Introducción al SPSS
Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)
Más detallesEXPERIMENTACIÓN. Eduardo Jiménez Marqués
EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6
Más detallesProblemas. Intervalos de Confianza y Contrastes de Hipótesis
Problemas. Intervalos de Confianza y Contrastes de Hipótesis Ejemplos resueltos y propuestos Intervalos de Confianza Variable Nomal en la población Se selecciona una muestra de tamaño n de una población
Más detalles6. DISEÑOS FACTORIALES 2 K NO REPLICADOS
6. DISEÑOS FACTORIALES 2 K NO REPLICADOS 6.1 INTRODUCCION El aumentar el numero de factores en un diseño 2 k crece rápidamente el numero de tratamientos y por tanto el numero de corridas experimentales.
Más detallesHay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos
Test de hipótesis t de Student Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos HOMA Casos Válidos Perdidos Total N Porcentaje N Porcentaje
Más detallesDISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA
2011 UNED DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 7] Diseños con más de dos grupos independientes. Análisis de varianza con dos factores completamente aleatorizados 1 Índice 7.1 Introducción...
Más detallesAnálisis estadístico con Microsoft Excel
Análisis estadístico con Microsoft Excel Microsoft Excel ofrece un conjunto de herramientas para el análisis de los datos (denominado Herramientas para análisis) con el que podrá ahorrar pasos en el desarrollo
Más detallesEJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS
EJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS Las soluciones a estos ejercicios y los outputs del SPSS se encuentran al final. EJERCICIO 1. Comparamos dos muestras de 10
Más detallesEstadística; 3º CC. AA. Examen final, 4 de septiembre de 2009
Estadística; 3º CC. AA. Examen final, 4 de septiembre de 2009 Apellidos Nombre: Grupo: DNI. (5 puntos) Se observa la variable Porcentaje de masa boscosa perdida anualmente en 0 provincias elegidas al azar
Más detallesESTUDIO PRELIMINAR DE ALGUNOS FACTORES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO DE ALUMNOS DEL GRUPO EXECUTIVE FISIOTERAPIA
ESTUDIO PRELIMINAR DE ALGUNOS FACTORES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO DE ALUMNOS DEL GRUPO EXECUTIVE FISIOTERAPIA Autores: Noemí Díaz Matas; Carlos Martín Saborido; Raquel Díaz-Meco Conde; Silvia
Más detallesComparación de medias
12 Comparación de medias Irene Moral Peláez 12.1. Introducción Cuando se desea comprobar si los valores de una característica que es posible cuantificar (como podría ser la edad o la cifra de tensión arterial,
Más detallesTema 3: Diseño de experimentos
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 15 de noviembre de 2010 Índice Diseños con un factor 1 Diseños con un factor Comparación de dos medias Comparación de
Más detallesTema IV. EL ANOVA de un factor
4.1. La estrategia del Análisis de varianza: - Los test t múltiples (múltiples tratamientos); corrección a posteriori - La mejora del ANOVA: necesidad de análisis a posteriori C Test t A versus B A versus
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICA APLICADA A LA CIENCIA OCIALE EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ECOGER UNA DE LA DO OPCIONE Y DEARROLLAR LA
Más detallesDiseños en cuadrados greco-latinos
Capítulo 8 Diseños en cuadrados greco-latinos 8.1. Introducción El modelo en cuadrado greco-latino se puede considerar como una extensión del cuadrado latino en el que se incluye una tercera variable de
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detallesIntroducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS
Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS ESTIMACIÓN DE UN MODELO DE REGRESIÓN LINEAL CON EXCEL La Herramienta para análisis Regresión
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesUNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS
UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la
Más detallesTema 7: Modelos de diseños de experimentos
Tema 7: Modelos de diseños de experimentos Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Modelos de diseños de experimentos Curso
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesContraste de Independencia entre Variables Cualitativas
Contraste de Independencia entre Variables Cualitativas Grado en NHD. Grupos C y E Ejemplo I Ejemplo: Supóngase que se desea estudiar la posible relación entre dos variables de tipo cualitativo (tipo de
Más detallesPuedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):
Univ. de Alcalá. Estadística 2014-15 Dpto. de Física y Matemáticas Grado en Biología. Examen final. Miércoles, 21 de Enero de 2015. Apellidos: Nombre: INSTRUCCIONES (LEER ATENTAMENTE). Puedes descargar
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones
EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona
Más detallesIX.- ANÁLISIS DE VARIANZA
IX- ANÁLISIS DE VARIANZA Las técnicas de Diseño Experimental basadas en la estadística son particularmente útiles en el mundo de la Ingeniería en lo que corresponde a la mejora del rendimiento de los procesos
Más detallesTema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS
Tema 9 Estadística Matemáticas B º E.S.O. TEMA 9 ESTADÍSTICA TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS EJERCICIO : En un grupo de personas hemos preguntado por el número
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesAnálisis de la varianza (un factor): ANOVA
Capítulo 9 Análisis de la varianza (un factor): ANOVA 91 Introducción Veíamos cómo contrastar la igualdad de medias en dos poblaciones normales e independientes En ocasiones necesitamos contrastar la igualdad
Más detallesTEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesCapítulo 3 Marco Metodológico.
Capítulo 3 Marco Metodológico. 3.0 METODOLOGÍA DE LA INVESTIGACIÓN 3.1 FORMULACIÓN DE HIPÓTESIS DE TRABAJO 3.1.1 Hipótesis General HG. La creación de un plan estratégico permite mejorar el uso de los servicios
Más detallesMétodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS
Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMA REUELTO DE CONTRATE DE HIPÓTEI 1 Un investigador quiere contrastar si el peso medio de ciertas hortalizas está en los 1,9 Kg. que
Más detallesNombre...Apellidos... Grado en:...grupo:...
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA - Soluciones Estadística- Curso 01/1. 9 de Julio de 01 Nombre...Apellidos... Grado en:...grupo:... 1. Considera la variable aleatoria (v.a.) X cuyos posibles
Más detallesSEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática
SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesCapítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante
Capítulo 15 Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el efecto
Más detallesCaracterización agronómica de Cabernet sauvignon. Cosechas manual y mecánica, temporada 2014 en Tupungato, Mendoza. Argentina
Caracterización agronómica de Cabernet sauvignon. Cosechas manual y mecánica, temporada 2014 en Tupungato, Mendoza. Argentina Agustina, Millan; Mariana, Palacios; Laura, Germano; David, Cobos ; y Emiliano,
Más detallesUNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL
UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características
Más detalles-Género: no nos ha quedado claro cómo influye este parámetro en el gasto en ocio, si positiva o negativamente.
INTRODUCCIÓN En este trabajo estudiamos el gasto en ocio de la población, escogiendo una muestra al azar. Realizando encuestas hemos recogido información de 125 personas, las variables que hemos visto
Más detallesINFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA
INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA Juana María Vivo Molina Departamento de Métodos Cuantitativos para la Economía. Universidad de Murcia. jmvivomo@um.es RESUMEN En este trabajo se
Más detallesCapítulo 3. Estimación de elasticidades
1 Capítulo 3. Estimación de elasticidades Lo que se busca comprobar en esta investigación a través la estimación econométrica es que, conforme a lo que predice la teoría y lo que ha sido observado en gran
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación
Más detallesUNIVERSIDAD COMPLUTENSE DE MADRID
TIEMPO: INSTRUCCIONES GENERALES Y VALORACIÓN Una hora y treinta minutos. INSTRUCCIONES: El examen presenta dos opciones A y B; el alumno deberá elegir una de ellas y contestar razonadamente a los cuatro
Más detallesASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson
ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;
Más detallesCOMPARACIÓN DE POBLACIONES
COMPARACIÓN DE POBLACIONES ESTADÍSTICA APLICADA AL MEDIO AMBIENTE Grado en Ciencias Ambientales 1.1. En un estudio sobre los efectos de un determinado gen en la protección del organismo ante agentes atmosféricos
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesComparación de Herramientas de Oficina OpenOffice vs. Microsoft Office.
Comparación de Herramientas de Oficina OpenOffice vs. Microsoft Office. Lennys R. Camargo B. Postgrado en modelado y simulación de sistemas, Universidad de los Andes, Mérida 5, Venezuela ( Dated: 4 de
Más detallesESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos)
ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos) (Aplicaciones de Microsoft Excel ) Curso a distancia (EDICIÓN Junio 2012) ASECAL, S.L. MADRID-ESPAÑA RONDA DE TOLEDO, 8, LOCAL 1º- 28005 MADRID. Teléfono:
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesPRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis
Más detallesMatemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
Más detallesPráctica 5. Contrastes paramétricos en una población
Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media
Más detalles10. DISEÑOS EXPERIMENTALES
10. DISEÑOS EXPERIMENTALES Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Diseños Experimentales de Clasificación Simple En un diseño experimental
Más detallesEstimamos y comparamos medidas de peso usando equivalencias.
SEXTO GRADO - UNIDAD 5 - SESIÓN 03 Estimamos y comparamos medidas de peso usando equivalencias. Se espera que, en esta sesión, los niños y niñas aprendan a estimar el peso de los objetos y a compararlos;
Más detallesANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Más detallesFONDO SOLIDARIO DE JUBILADOS DE LA UNSJ
FONDO SOLIDARIO DE JUBILADOS DE LA UNSJ Capítulo I DESCRIPCIÓN DEL GRUPO DE AFILIADOS JUBILADOS ADHERENTES A los efectos de tener una idea del comportamiento del universo estadístico de los futuros jubilados
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesHaciendo estadística con SPAC-FL y Minitab
Haciendo estadística con SPAC-FL y Minitab Mayo de 2011 Ing. Fernando Tomati Director de Contenidos HLTnetwork S.A. www.hltnetwork.com 1 de 12 HACIENDO ESTADÍSTICA CON SPAC-FL Y MINITAB El uso de las estadísticas
Más detallesProf. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS
Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ
ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ Presentado a: MARIA ESTELA SEVERICHE CORPORACION UNIVERSITARIA
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesCómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico.
Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. María José Rubio
Más detallesStatgraphics Centurión
Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Fabrizio Marcillo Morla Guayaquil, 1966. BSc. Acuicultura. (ESPOL 1991). Magister
Más detallesINFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE MEDICINA DEPARTAMENTO DE MEDICINA PREVENTIVA Y SOCIAL SECCIÓN DE EPIDEMIOLOGÍA-BIOESTADÍSTICA INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS Objetivo:
Más detallesEsta es una excelente herramienta de análisis y seguimiento de la facturación. Dispone usted de cantidad de criterios por los que analizar las ventas.
ANÁLISIS DE FACTURACION Esta es una excelente herramienta de análisis y seguimiento de la facturación. Dispone usted de cantidad de criterios por los que analizar las ventas. Debe comprender que la información
Más detallesProblemas de Probabilidad resueltos.
Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose
Más detallesManual Suspensión de Cheques
Índice Suspensión de Cheques 1. Introducción... 2. Descripción del Servicio... 2.1 Esquemas de suspensión... 3. Acceso... 4. Funcionalidad... 4.1 Estados de un lote... 5. Suspensión de cheques... 5.1 Suspensión
Más detallesCAPITULO III DISEÑO METODOLOGICO. El enfoque de investigación del estudio actual es de tipo descriptivo
48 CAPITULO III DISEÑO METODOLOGICO 3.1. TIPO DE INVESTIGACIÓN El enfoque de investigación del estudio actual es de tipo descriptivo y analítico. DESCRIPTIVO: Porque en investigaciones anteriores se han
Más detallesCAPITULO V INTERPRETACIÓN Y ANÁLISIS DE RESULTADOS 5.1. ÍNDICES DE VIOLENCIA ENCONTRADOS
CAPITULO V INTERPRETACIÓN Y ANÁLISIS DE RESULTADOS.. ÍNDICES DE VIOLENCIA ENCONTRADOS Del total de sujetos de la muestra que son, en los cuales mujeres y hombres se obtuvo lo siguientes resultados: - El
Más detallesaplicado al Experiencia La gestión de un servicio y, por ende, la
EN PORTADA 6 Sigma aplicado al Experiencia En este artículo vamos a dar una visión más particular sobre la aplicabilidad de 6 Sigma al sector Servicios. Existe abundante literatura al respecto, pero sobre
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesTest ( o Prueba ) de Hipótesis
Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesSelectividad Septiembre 2013 OPCIÓN B
Pruebas de Acceso a las Universidades de Castilla y León ATEÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR
Más detallesSESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesCAPITULO V ANÁLISIS E INTERPRETACION DE RESULTADOS
CAPITULO V ANÁLISIS E INTERPRETACION DE S 5.1 ANALISIS INFERENCIAL Al realizar el análisis de t Student con los datos de indice total de motivación personal de estudio se determinó que existe una diferencia
Más detalles