ESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS
|
|
- Cristián Rey Iglesias
- hace 8 años
- Vistas:
Transcripción
1 TEMA IV
2 ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño de medidas parcialmente repetidas DISEÑOS DE MEDIDAS REPETIDAS
3 Definición En el diseño medidas repetidas todos sujetos de la muestra reciben todos los tratamientos. De este modo, se trabaja con un solo grupo cada individuo genera más de un dato.
4 Ventajas del diseño de medidas repetidas 1. Reducción radical del error experimental. El uso del procedimiento de medidas repetidas proporciona un control más efectivo de las fuentes de variación extrañas asociadas a las características individuales, consiguiendo así reducir la variancia del error. Esto es así porque la variabilidad debida a las diferencias individuales se elimina del término de error. De este modo, el diseño de medidas repetidas constitue una estructura más potente para detectar el efecto del tratamiento que los diseños completamente aleatorizados. 2. Se evita la presencia de variancia sistemática secundaria puesto que los distintos tratamientos o condiciones experimentales se aplican a un mismo grupo de sujetos. 3. No requiere trabajar con muestras demasiado grandes.
5 Inconvenientes del diseño de medidas repetidas 1. El principal problema de los diseños de medidas repetidas son los efectos secuenciales que derivan de la propia estructura del diseño. Estos efectos deben ser neutralizados para que no confundan los efectos de los tratamientos. Pueden ser de dos tipos: efectos residuales efectos de orden (estos últimos pueden controlarse mediante el contrabalanceo o la aleatorización). 2. Puede no ser una estructura adecuada si se trabaja con muchas condiciones de tratamiento.
6 Clasificación De un grupo o muestra Simple (S x A) Factorial (S x A x B, S x A x B x C, etc.) Multigrupo o Factorial Mixto (S(A) x B)
7 Diseño simple de medidas repetidas
8 Definición En un diseño simple de medidas repetidas se manipula una sola variable independiente se trabaja con un solo grupo que recibe todos los tratamientos.
9 Ejemplo 3 Se decide estudiar si el tamaño de las sumas repercute en la estrategia de cálculo que se utiliza. Se seleccionan al azar 10 sujetos para participar en un experimento se les presentan sumas de tres tamaños, pequeño (2 + 3), mediano (7 + 9) grande ( ). Los sujetos deben indicar el resultado de la suma. La variable dependiente es el tiempo de respuesta promedio para cada tipo de suma.
10 Matriz de datos individuo 1 individuo 2... individuo n VARIABLE A a 1 a 2... a k medias n n k... 2k nk n..2.k.. medias.1...
11 Sujeto Suma Suma pequeña mediana Suma grande Medias Medias
12 Modelo estructural del ANOVA de medidas repetidas: Modelo aditivo = µ + π + α + ε ij i j ij
13 Modelo estructural del ANOVA de medidas repetidas: Modelo aditivo ij es la puntuación del i sujeto bajo el tratamiento j μ es la media global de todos los datos del experimento π i = μ i μ = el efecto asociado al iésimo sujeto α j = μ j μ = el efecto de jésimo nivel de la variable de tratamiento ε ij es el error experimental asociado al i sujeto bajo el j tratamiento
14 Cuadro resumen del ANOVA Fuentes de Variación Suma de cuadrados (SC) Grados de libertad Variancia F Tratamiento SC tratamiento a-1 S 2 trat = SCtrat a 1 F = S S 2 tratamiento 2 residual Sujetos SC sujetos n-1 Residual SC residual (a-1)(n-1) S 2 resisual = SCresidual ( a 1)( n 1) Total SC total an-1
15 Condición de aplicación: Supuesto de esfericidad Para poder utilizar el ANOVA se ha de cumplir la condición de esfericidad. Esta condición requiere que las variancias de las diferencias entre todos los pares de medidas repetidas sean iguales. Para comprobar el cumplimiento de este supuesto se recurre a la prueba de esfericidad de Mauchle (1940).
16 Alternativas de análisis del diseño de medidas repetidas F conservadora (límite inferior) ANOVA F ajustada (Greenhouse-Geisser) Diseño de Medidas Repetidas MANOVA F ajustada (Hunh-Feldt)
17 Fórmulas para el cálculo de los grados de libertad Grados de libertad de F F normal F conservadora (límite inferior) F ajustada Numerador (a-1) 1 ε(a-1) Denominador (n-1)(a-1) n-1 ε(n-1)(a-1) ε de Greenhouse Geisser (1959) o de Hunh Feldt (1970)
18 Prueba de esfericidad para el ejemplo 3
19 Proceso de decisión estadística Paso 1. Se asume, por hipótesis de nulidad, que los efectos de los tratamientos son nulos. H 0 : μ 1 = μ 2 = μ 3 Paso 2. Según la hipótesis experimental o hipótesis de efectividad se asume que, uno o más tratamientos o efectos es significativo. En términos estadísticos se afirma que: H 1 : μ 1 μ 2, o μ 1 μ 3, o μ 2 μ 3 Paso 3. Se asume un modelo ANOVA de aditividad. El estadístico de la prueba es la F, a un nivel α de El tamaño de la muestra experimental es n=10.
20 Cuadro resumen del ANOVA para el ejemplo 3
21 Proceso de decisión estadística Paso 4. Dado que el nivel de significación es inferior a 0.05 se rechaza la hipótesis nula se conclue que ha diferencias entre las medias de los tratamientos.
22 Diseño factorial de medidas repetidas
23 Matriz de datos para un diseño factorial de medidas repetidas 2x3 individuo 1 individuo 2... individuo n a 1 a 2 b 1 b 2 b 3 b 1 b 2 b 3 medias n n k.23 medias n n n n n.....
24 Diseño de medidas parcialmente repetidas
25 Definición El diseño de medidas parcialmente repetidas, conocido también como diseño de medidas repetidas multigrupo, combina, en un mismo experimento, el procedimiento de grupos independientes el procedimiento con sujetos de control propio. Se trata de un diseño donde están presentes, por lo menos, dos variables independientes: una variable entre o de agrupación una variable intra o de medidas repetidas. Dentro de los diseños de medidas parcialmente repetidas se distingue entre el diseño factorial mixto el diseño split-plot. La diferencia entre ellos radica en que en el segundo las variables entresujetos no son experimentales sino que son variables de sujeto.
26 Ejemplo 4 Se pretende estudiar si el efecto del tamaño de la suma depende del nivel de habilidad en aritmética. Se seleccionan dos grupos de sujetos: uno con habilidad alta (a 1 ) otro con habilidad baja (a 2 ). A todos ellos se les presentan sumas de tamaño pequeño (b 1 ) mediano (b 2 ). La variable dependiente es el tiempo de respuesta.
27 Matriz de datos (diseño 2 x 2, con un factor A entresujetos un factor B intrasujeto) VARIABLE B b 1 b 2 medias V A R I A B L E A a 1 a 2 individuo 1... individuo n medias individuo 1... individuo n medias n n n n n n 2.. medias
28 Sujeto Habilidad aritmética Suma pequeña Suma mediana 1 alta alta alta alta alta alta alta alta alta alta baja baja baja baja baja baja baja baja baja baja
29 Modelo estructural del ANOVA = µ + α + β + π + ( αβ ) + ( βπ ) + ε ijk j k i / j jk ki / j ijk
30 MODELO ESTRUCTURAL DEL ANOVA ijk es la puntuación en la variable dependiente para el sujeto i en el nivel j de A el nivel k de B μ es la media poblacional α j es el efecto del nivel j de A β k el efecto del nivel k de B π i/j es el efecto del sujeto i en el nivel j de A (αβ) jk es el efecto de la interacción del nivel j de A el nivel k de B (βπ) ki/j es el efecto de interacción del nivel k de B el sujeto i en el nivel j de A ijk es el residual.
31 Cuadro resumen del ANOVA: diseño A x B Fuentes de variación SC Grados de libertad Variancia F Variable A SC A a 1 S 2 A S 2 / A S2 intragrupo Intragrupo SC intragrupo a(n 1) S 2 intragrupo Total entresujetos SC total-entre an-1 Variable B SC B b-1 S 2 B S 2 B / S2 residual A x B SC A x B (a-1)(b-1) S 2 A x B S 2 / A x B S2 residual Residual SC residual a(b-1)(n-1) S 2 residual Total intrasujeto SC total-intra an(b-1) Total SC Total kn - 1
32 Supuestos del ANOVA factorial mixto Dado que el diseño factorial mixto es una combinación de los diseños entresujetos los diseños intrasujeto, no es de extrañar que los supuestos estadísticos requeridos para el análisis de los datos de este tipos de diseños sean también una combinación de los supuestos intrasujeto entresujetos. Por lo que se refiere a los factores entresujetos, los supuestos que han de cumplirse son la normalidad, la homogeneidad de variancia la independencia de las observaciones. Por lo que se refiere a los factores intrasujeto, el supuesto que ha de cumplirse es la esfericidad.
33 Proceso de decisión estadística Paso 1. Formulación de las hipótesis nulas: H 0 : μ a1 = μ a2 H 0 : μ b1 = μ b2 = μ b3 H 0 : μ 11 - μ 21 = μ 12 - μ 22 = μ 13 - μ 23 Paso 2. A cada hipótesis nula está asociada la siguiente hipótesis alternativa: H 1 : por lo menos una desigualdad Paso 3. Se asume el modelo ANOVA de medidas repetidas. El estadístico de la prueba es la F normal con un nivel de significación de α = 0.05.
34 Cuadro resumen del ANOVA para el ejemplo 4
35 Proceso de decisión estadística Paso 4. A partir de los resultados del ANOVA se rechaza la hipótesis nula para la variable A, para la variable B para la interacción A x B, con una probabilidad de error del 5%.
36 Gráfico de interacción
Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:
Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE --------------------------------------------------------- 1. Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial
Más detallesESQUEMA GENERAL. Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto
TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto DISEÑOS DE MEDIDAS REPETIDAS Definición En el diseño medidas
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 detallesManual de psicología experimental
Juan Pascual Llobell María Dolores Frías Navarro José Fernando García Pérez Universitat de València Manual de psicología experimental Metodología de investigación Ariel Psicología, 199 1 Capítulo III
Más detallesDetergente 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 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 detallesDiseño Estadístico de Experimentos
Capítulo 3 Diseño Estadístico de Experimentos Una prueba o serie de pruebas en las cuales se introducen cambios deliberados en las variables de entrada que forman el proceso, de manera que sea posible
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 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 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 detallesFactores no controlables
Acepto la Ho y ιj μ α ι β j ε ιj Dr. Alfredo Matos Ch. Universidad Peruana Unión amatosch@upeu.edu.pe Factores Controles Entradas PROCESO FUNCION ACTIVIDAD Salidas Factores no controlables 2 1 Se entiende
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 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 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 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 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 detallesDiseños cross-over (alternativos): Aspectos metodológicos y analíticos*
Diseños cross-over (alternativos): Aspectos metodológicos y analíticos* Jaime Arnau Gras y Manuel Viader Junyent El diseño alternativo o cross-over, conocido también como diseño change-over, es un esquema
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
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 detallesPrograma de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso.
Programa de Statgraphics TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. AUTOR: JUAN VICENTE GONZÁLEZ OVANDO ANALISIS Y CALCULOS A) Planteamos los
Más detallesDiseños en cuadrados latinos
Capítulo 7 Diseños en cuadrados latinos 7.1. Introducción En el modelo en bloques aleatorizados, que estudiamos en el capítulo anterior, considerábamos un factor principal y un factor de control o variable
Más detallesDISEÑO EXPERIMENTAL FACTORIAL DE GRUPOS
TEMA III ESQUEMA GENERAL Definición del diseño factorial Clasificación del diseño factorial Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar: Estructura Diseño factorial
Más detallesMétodos y Diseños utilizados en Psicología
Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos
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 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 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 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 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 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 detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
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 detallesANÁLISIS DE LA VARIANZA PARTE SEGUNDA
ANÁLISIS DE LA VARIANZA PARTE SEGUNDA Septiembre de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO EN BLOQUES ALEATORIZADOS 1 3. EJEMPLO DE DISEÑO EN BLOQUES
Más detallesParte II DISEÑO METODOLÓGICO DE LA INVESTIGACIÓN. Tema 5 TÉCNICAS CUANTITATIVAS DE RECOGIDA DE INFORMACIÓN
Parte II DISEÑO METODOLÓGICO DE LA INVESTIGACIÓN Tema 5 TÉCNICAS CUANTITATIVAS DE RECOGIDA DE INFORMACIÓN Tema 5. TÉCNICAS CUANTITATIVAS DE RECOGIDA DE INFORMACIÓN 5.1. La encuesta: naturaleza y tipología
Más detallesLlobell, J. P., Pérez, J. F. G., & Navarro, M. D. F. (1996). El diseño y la investigación
Llobell, J. P., Pérez, J. F. G., & Navarro, M. D. F. (1996). El diseño y la investigación experimental en psicología [Design of experimental research in psychology] (2nd ed.). Valencia, Spain: Cristóbal
Más detallesCapítulo 16 Análisis de varianza con medidas repetidas: El procedimiento MLG: Medidas repetidas
Capítulo 6 Análisis de varianza con medidas repetidas: El procedimiento MLG: Medidas repetidas Los modelos de análisis de varianza (ANOVA) con medidas repetidas (MR) sirven para estudiar el efecto de uno
Más detallesDiseños de Investigación 40 conceptos que debes conocer
Diseños de Investigación 40 conceptos que debes conocer 1. El método científico: Se puede realizar desde dos enfoques distintos, hipotético deductivo y analítico inductivo. Con frecuencia los dos ocurren
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 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 detallesTipo de Estudio y diseño
Tipo de Estudio y diseño Adecuación del diseño al objetivo propuesto Mencion de amenazas y su neutralización Diseño: etimológicamente derivado del término italiano disegno, que significa dibujo, es el
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 detallesANÁLISIS DE ENCUESTAS
ANÁLISIS DE ENCUESTAS TÉCNICAS MULTIVARIANTES 1. Introducción 2. Clasificación de las técnicas 3. Etapas de análisis 4. Supuestos básicos 5. Valores perdidos y anómalos introducción Definición. i ió -
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
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 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 detalles2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS
2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS Objetivo específico: El alumno conocerá la importancia de la investigación en psicología industrial/organizacional, su proceso y limitaciones. Asimismo entenderá
Más detallesTest de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n
Un diseño experimental que se utiliza muy a menudo es el de un grupo control y uno de tratamiento. En el caso de que los datos sean cuantitativos y sigan una distribución normal, la hipótesis de interés
Más detallesTEMA 6 EL MÉTODO EXPERIMENTAL. 2.2.1. Ventajas. 2.2.2. Críticas. 2.2.3. Tipos de experimentos.
TEMA 6 EL MÉTODO EXPERIMENTAL 1. El estudio de las variables. 2. El plan experimental. 2.1. Introducción. 2.2. El experimento. 2.2.1. Ventajas. 2.2.2. Críticas. 2.2.3. Tipos de experimentos. 2.3. Esquema
Más detallesEL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO
EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO I. INTRODUCCIÓN Beatriz Meneses A. de Sesma * En los estudios de mercado intervienen muchas variables que son importantes para el cliente, sin embargo,
Más detallesESQUEMA GENERAL DISEÑO FACTORIAL
TEMA III ESQUEMA GENERAL Definición Clasificación Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar Representación de la interacción DISEÑO FACTORIAL Definición El
Más detallesDESCRIPCIÓN DE POBLACIONES MENDELIANAS: EQUILIBRIO DE HARDY-WEINBERG
DESCRIPCIÓN DE POBLACIONES MENDELIANAS: EQUILIBRIO DE HARDY-WEINBERG T. DOBZHANSKY G. H. HARDY CONCEPTO DE POBLACIÓN DESCRIPCIÓN ESTÁTICA DE POBLACIONES DESCRIPCIÓN DINÁMICA: EQUILIBRIO DE HARDY-WEINBERG
Más detallesSISTEMA DE INTELIGENCIA DE NEGOCIOS PARA EL SOPORTE DE TOMA DE DECISIONES
SISTEMA DE INTELIGENCIA DE NEGOCIOS PARA EL SOPORTE DE TOMA DE DECISIONES Eber Quispe equipisis@gmail.com Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas Escuela Profesional de Ingeniería
Más detalles2. INSTRUMENTOS DE MEDICON DEL DESEMPEÑO LABORAL.
2. INSTRUMENTOS DE MEDICON DEL DESEMPEÑO LABORAL. 2.1 Medición del desempeño en base a normas. Las normas son puntos de referencia para la medición del desempeño real o esperado de los empleados, en condiciones
Más detallesDiseño de bases de datos Diapositiva 1
Diseño o de bases de datos Objetivos del Diseño Principios del Diseño de BD Proceso de Diseño Normalización Diseño de Tablas: Claves Relaciones Integridad referencial Convenciones de nomenclatura Diseño
Más detallesMedia vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias:
Iniciar con las interpretaciones de las medidas MEDIA VS MEDIANA VS MODA CUAL ES LA MEDIDA ADECUADA TAREA MEDIA PONDERADA Actividad de Medidas de Localización Problema 1. El problema de las tasas de delito.
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 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 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 detalleswww.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.
DISEÑO DE EXPERIMENTOS 1.- INTRODUCCIÓN Este documento trata de dar una visión muy simplificada de la utilidad y la utilización del Diseño de Experimentos. En él se explican los conceptos clave de esta
Más detallesMaterial de la asignatura Psicología Experimental Manuel Miguel Ramos Álvarez
Tema 6. Variantes analíticas 1 UNIVERSIDAD DE JAÉN Material de la asignatura Psicología Experimental TEMA 6.. VARIIACIIONES ANALÍÍTIICAS PARA LOS PRIINCIIPALES DIISEÑOS DE IINVESTIIGACIIÓN ÍNDICE TEMÁTICO
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 detallesMedidas de tendencia central o de posición: situación de los valores alrededor
Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas
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 detallesIntroducción al Diseño de Experimentos
Introducción al Diseño de Experimentos Introducción Los modelos de diseño de experimentos son modelos estadísticos clásicos cuyo objetivo es averiguar si unos determinados factores influyen en una variable
Más detallesContenidos. INFORME ENCUESTA TELEFÓNICA. Curso 2009 10
ENCUESTA DE OPINIÓN DEL ALUMNADO SOBRE LA ACTUACIÓN DOCENTE DEL PROFESORADO UNIVERSIDAD DE SEVILLA Curso 2009-2010 ENCUESTA TELEFÓNICA Contenidos Introducción.... 4 El Cuestionario... 5 El muestreo...
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 detallesTratamiento del Riesgo
Tratamiento del Riesgo 1 En que consiste el tratamiento de los riesgos? 2. Cuando debemos enfrentarnos a los riesgos? 3. Estrategias de tratamiento de riesgos 4. Modelo de Análisis de Riesgos 5. Qué pasos
Más detallesMetodología de la Investigación. Dr. Cristian Rusu cristian.rusu@ucv.cl
Metodología de la Investigación Dr. Cristian Rusu cristian.rusu@ucv.cl 6. Diseños de investigación 6.1. Diseños experimentales 6.1.1. Diseños preexperimentales 6.1.2. Diseños experimentales verdaderos
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 detallesOtras medidas descriptivas usuales
Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.
Más detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
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 detallesUNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año
UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO
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 detallesSistemas de amortización
Sistemas de amortización 1. Introducción Un sistema de amortización es un método por el cual un capital cedido en préstamo es devuelto por una sucesión de pagos o cuotas. Estas cuotas periódicas constituyen
Más detallesCAMINOS EXPLICATIVOS. Humberto Maturana
CAMINOS EXPLICATIVOS Humberto Maturana Existen dos modos o maneras fundamentales que un observador puede adoptar para escuchar explicaciones, según si él o ella se hacen o no la pregunta por una explicación
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 detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
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 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 detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesCapítulo 14. Análisis de varianza de un factor: El procedimiento ANOVA de un factor
Capítulo 14 Análisis de varianza de un factor: El procedimiento ANOVA de un factor El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en una variable cuantitativa. Se trata,
Más detallesDiseños experimentales e investigación científica (Experimental designs and scientific research)
InnOvaciOnes de NegOciOs 4(): 83 330, 007 007 UANL, Impreso en México (ISSN 665-967) Diseños experimentales e investigación científica (Experimental designs and scientific research) Badii, M.H, J. Castillo,
Más detallesTIPOS DE MUESTREO. Jordi Casal 1, Enric Mateu RESUMEN
TIPOS DE MUESTREO Jordi Casal 1, Enric Mateu CReSA. Centre de Recerca en Sanitat Animal / Dep. Sanitat i Anatomia Animals, Universitat Autònoma de Barcelona, 08193-Bellaterra, Barcelona RESUMEN Se discute
Más detallesEnfoque del Marco Lógico (EML)
Enfoque del Marco Lógico (EML) Qué es el EML? Es una herramienta analítica que se utiliza para la mejorar la planificación y la gestión de proyectos tanto de cooperación al desarrollo como de proyectos
Más detallesRECOMENDACIONES DE INVESTIGACIÓN FUTURA.
Capítulo 6 CONCLUSIONES Y RECOMENDACIONES DE INVESTIGACIÓN FUTURA. 212 METODOLOGÍA PARA LA DETECCIÓN DE REQUERIMIENTOS SUBJETIVOS EN EL DISEÑO DE PRODUCTO. CAPÍTULO 6. CONCLUSIONES, APORTACIONES Y RECOMENDACIONES.
Más detallesAnálisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias
Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía
Más detallesCapítulo IV Diseños de cuadrados latinos y diseños afines
Capítulo IV Diseños de cuadrados latinos y diseños afines Estos diseños clásicos son una extensión lógica y natural del diseño en bloques completos al azar y poseen una serie de características muy similares,
Más detallesEstudio de casos y controles sobre factores de riesgo en el cáncer colorrectal
Estudio de casos y controles sobre factores de riesgo en el cáncer colorrectal Objetivos del estudio Estimar el riesgo de padecer cáncer colorrectal asociado a una serie de variables Población Casos Controles
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesEl Futuro de la Computación en la Industria de Generación Eléctrica
El Futuro de la Computación en la Industria de Generación Eléctrica Retos a los que se enfrenta la industria de generación La industria de generación eléctrica se enfrenta a dos retos muy significativos
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesModelos de Ciclo de Vida de Desarrollo de Software en el Contexto de la Industria Colombiana de Software
Modelos de Ciclo de Vida de Desarrollo de Software en el Contexto de la Industria Colombiana de Software Hugo F. Arboleda Jiménez. MSc. Docente-Investigador, Facultad de Ingenierías, Universidad de San
Más detallesCapítulo 8. Tipos de interés reales. 8.1. Introducción
Capítulo 8 Tipos de interés reales 8.1. Introducción A lo largo de los capítulos 5 y 7 se ha analizado el tipo de interés en términos nominales para distintos vencimientos, aunque se ha desarrollado más
Más detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesNIC 38 Activos Intangibles
2012 Resumen técnico NIC 38 Activos Intangibles emitida el 1 de enero de 2012. Incluye las NIIF con fecha de vigencia posterior al 1 de enero de 2012 pero no las NIIF que serán sustituidas. Este extracto
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesInvestigación en Psicología. Introducción METODOS DE INVESTIGACION EN PSICOLOGIA
I. Introducción Investigación en Psicología Introducción METODOS DE INVESTIGACION EN PSICOLOGIA La psicología es una ciencia y como tal tiene un cuerpo de teorías que procuran explicar los fenómenos propios
Más detalles