VIII Parcelas Divididas Experimentación en localidades

Tamaño: px
Comenzar la demostración a partir de la página:

Download "VIII Parcelas Divididas Experimentación en localidades"

Transcripción

1 VIII Parcelas Divididas Experimentación en localidades Dr. Jesús Mellado Características del diseño El diseño parcelas divididas se puede aplicar en diferentes modelos de experimentos, pero su mayor utilidad es cuando se seleccionan diferentes localidades para realizar el experimento, y en casa localidad aplicar un conjunto de tratamientos en cierto número de repeticiones de unidades experimentales, así se puede comprobar si el comportamiento de la unidad experimental es el mismo en diferente localidad. En términos generales, a la localidad se le llama Parcela Grande (PGr), Parcela Mayor (PM), u otros nombres; para efectos de este capítulo se utiliza el término Localidad. Dentro de cada localidad se aplican t tratamientos en r repeticiones. Normalmente a los tratamientos se le llama Parcelas chicas (PCh) o Parcelas Menores (Pm). Debido a que las localidades no se pueden asignar aleatoriamente, el error experimental se tiene que calcular por separado. Por ejemplo, si se selecciona una vaca que está en la localidad, se le asigna aleatoriamente el tratamiento 3, no sería práctico hacer un proceso aleatorio para asignarle otra localidad. Rep 1 Rep Rep 3 Localidad 1 ( PGr 1 ) Localidad ( PGr ) Localidad 3 ( PGr 3 ) El análisis de varianza se va a desarrollar en dos partes, primero se elabora la tabla ANVA para las Localidades y luego para los tratamientos, finalmente se juntan. Localidades Error Loc Total Loc Trat Loc x trat Error trat Total Localidades Error Loc Total Loc Trat Loc x trat Error trat Total

2 8. Procedimiento 33 Acción Una vez definido el diseño se 1 realiza el experimento y se recopilan los resultados en una tabla. loc será el número de localidades, t el número de tratamientos y r el número de repeticiones. Ejemplo Se probaron 3 localidades y tratamientos con 4 repeticiones Rep1 Rep Rep3 Rep4 Localidad 1 Trat Trat Localidad Trat Trat Localidad 3 Trat Trat Con el objetivo de trabajar solamente con las localidades y poder crear su tabla ANVA, se suman los tratamientos de cada localidad y con los resultados se crea una tabla solamente con localidades. Rep1 Rep Rep3 Rep4 Localidad 1 Trat Trat Localidad Trat Trat Localidad 3 Trat Trat Localidad Localidad Localidad Se suman todos los valores de las 3 localidades. A ese valor se le llamará y.. 4 Se obtiene el cuadrado de todos los valores de localidades y luego se suman, a ese valor se le llamará Σ y ij de localidades. Se calcula la suma de cuadrados del total de localidades SC total = Σ y ij /t - (y..) / n Donde n es el total de los datos Localidad Localidad Localidad SC total = 407/ (68.7) / 4 = 7.08 y.. Localidad Localidad Localidad Σ y ij

3 Para encontrar la Suma de Cuadrados de Localidades, Primero se obtiene la suma de cada uno de las localidades (que se llamarán y i. ). Cada suma de tratamientos se eleva al cuadrado y se suman los cuadrados, a ese valor se le llama Σ y i. Se calcula la SC de localidades. SC loc = (Σ y i. ) / r(t) - (y..) / n Donde r es el número de repeticiones. Se calcula la Suma de Cuadrados del error de localidades: SC error loc = SC total loc SC loc Los datos se capturan en la tabla ANVA Se calculan los grados de libertad: GL loc = loc 1 GL Total loc = r(loc) 1 GL error loc = GL total loc GL loc Se calculan los cuadrados medios CM localidad = SC loc / GL loc CM error loc = SC error loc / GL error loc. Se calcula la Fc de localidades: Fc trat PGr = CM loc / CM error loc Se calculan la Ft en las tablas, con los GL de localidad en el numerador y los GL del error en el denominador. SC loc Σ y i. = 166 / 4() (68.7) / 4 = Suma Cuad. Localidad Localidad Localidad SC error loc = = 0.46 Localidad 6.6 Error loc 0.46 Total loc 7.08 Localidad 6.6 Error loc Localidad Error loc Localidad Error loc Localidad Error loc

4 35 13 Si Fc > Ft se determina que sí existe diferencia entre las localidades. Como 65 > 4.6 se determina que sí existe diferencia entre localidades. 14 Tratamientos Se suman todos los valores de localidades. A ese valor se le llamará y.. Se obtiene el cuadrado de todos los valores y luego se suman, a ese valor se le llamará Σ y ij de trat. Rep1 Rep Rep3 Rep4 Localidad 1 Trat Trat Localidad Trat Trat Localidad 3 Trat Trat y.. Rep1 Rep Rep3 Rep Σ y ij Se calcula la suma de cuadrados del total. SC total = Σ y ij - (y..) / n SC total = 06 (68.7) / 4 = Para encontrar la SC de Localidad 1 Trat 1 tratamientos, Primero se Trat obtiene la suma de cada uno de Localidad Trat 1 los tratamientos en las Trat localidades (que se llamarán y i. ). Localidad 3 Trat 1 Luego se suman los tratamientos Trat iguales. Cada suma de tratamientos se eleva al cuadrado y se suman los cuadrados, a ese valor se le llama Σ y Σ y i. i. Se calcula la SC de los tratamientos. SC trat = (Σ y i. ) / r(loc) - (y..) / n SC de tratamientos = 378/ 4(3) (68.7) / 4 = 1.55

5 36 18 Para encontrar la SC de la interacción (loc x trat), Se obtiene la suma de cada uno de los tratamientos (que se llamarán y i. ). Cada suma de tratamientos se eleva al cuadrado y se suman los cuadrados, a ese valor se le llama Σ y i. Localidad 1 Trat 1 Trat Localidad Trat 1 Trat Localidad 3 Trat 1 Trat Se calcula la SC de la interacción. SC loc x trat = (Σ y i. ) / r - (y..) / n SC loc SC trat. Se calcula la Suma de Cuadrados del error de tratamientos: SC error = SC total SC total loc - SC trat SC loc x trat Los datos calculados se pasan a la tabla ANVA Se calculan los grados de libertad: GL Trat = t 1 GL loc x trat = (loc-1)(t-1) GL Total = n 1 GL error = GL total - GL total loc GL Trat GL loc x trat. Se calculan los cuadrados medios CM Trat = SC Trat / GL Trat. CM int = SC int / GL int CM error trat = SC error trat / GL error trat. SC loc x trat = 80/4 (68.7) / = 0.05 SC error = = 0.61 Localidades Error Loc Trat 1.55 Loc x trat 0.05 Error trat 0.61 Total 9.3 Localidades Error Loc Trat Loc x trat 0.05 Error trat Total Localidades Error Loc Trat Loc x trat Error trat Total 3 9.3

6 Se calculan la Fc : Fc trat = CM trat / CM error trat. Fc int = CM inter / CM error trat. Se buscan las Ft en las tablas. Los grados de libertad de los tratamientos en el numerador y los grados de libertad del error en el denominador. El mismo procedimiento para la t de la interacción. Localidades Error Loc Trat Loc x trat Error trat Total Localidades Error Loc Trat Loc x trat Error trat Total Si las Fc > Ft en tratamientos, Como.7 > 5.1 Existe diferencia 6 se determina que existe significativa entre los tratamientos. diferencia significativa entre tratamientos. Como 0.37 < 4.6 No existe una interacción entre tratamientos y Si las Fc > Ft en la interacción, localidad. se determina que existe interacción entre la localidad y los tratamientos. Dr. Jesús Mellado Departamento de Estadística y Cálculo

Distribución de frecuencia.

Distribución de frecuencia. Dr. Jesús Alberto Mellado Si de una población se extrae una muestra de tamaño n, y en esa muestra se mide alguna característica, entonces, con los datos recabados se puede elaborar una distribución de

Más detalles

ANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes

ANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar

Más detalles

AGRO 6600 Segundo Examen Parcial

AGRO 6600 Segundo Examen Parcial AGRO 6600 Segundo Examen Parcial Nombre: 2012 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.

Más detalles

Tema V. EL ANOVA multifactorial

Tema V. EL ANOVA multifactorial 5.1. El ANOVA de múltiples factores: - Factorial (ortogonal): los no ortogonales no los veremos - Factores fijos, aleatorios y mixtos (consecuencias prácticas) - El Anova encajado La variable que vamos

Más detalles

Diseño de Experimentos

Diseño de Experimentos Diseño de Experimentos Mejoramiento Continuo de Deming DOE Sí el análisis expuso una serie de factores de entrada para el proceso que deben ser controlados para maximizar o minimizar un resultado, entonces

Más detalles

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) 2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos

Más detalles

Ideas básicas del diseño experimental

Ideas básicas del diseño experimental Ideas básicas del diseño experimental Capítulo 4 de Analysis of Messy Data. Milliken y Johnson (1992) Diseño de experimentos p. 1/23 Ideas básicas del diseño experimental Antes de llevar a cabo un experimento,

Más detalles

Diferentes tamaños de u.e. Diseño de experimentos p. 1/24

Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Introducción Los diseños experimentales que tienen varios tamaños de u.e. son: diseños de mediciones repetidas, diseños de parcelas divididas,

Más detalles

Métodos de Diseño y Análisis de Experimentos

Métodos de Diseño y Análisis de Experimentos 1 / 28 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM marzo 2018 Ideas básicas del diseño experimental Capítulo 4 de Analysis

Más detalles

En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza

En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza Bioestadística II Bioestadística II En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza Bioestadística II Bioestadística

Más detalles

ESTADÍSTICA ANOVA ANOVA

ESTADÍSTICA ANOVA ANOVA ESTADÍSTICA PROBLEMA (comparación de dos promedios) Un ingeniero de desarrollo de productos está interesado en maximizar la resistencia a la tensión de una nueva fibra sintética que se empleará en la manufactura

Más detalles

4. DISEÑOS MULTIFACTORIALES O FACTORIALES

4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4.1 PRINCIPIOS Y DEFINICIONES BASICAS Los arreglos factoriales se utilizan cuando en una investigación se pretende estudiar simultáneamente la influencia del cambio

Más detalles

DISEÑO EN PARCELAS DIVIDIDAS

DISEÑO EN PARCELAS DIVIDIDAS DISEÑO EN PARCELAS DIVIDIDAS Este es un diseño experimental combinado que resulta útil cuando al estudiar simultáneamente varios factores, alguno o algunos de ellos deben ser aplicados sobre unidades experimentales

Más detalles

Práctica. Diseño factorial 2 x 2

Práctica. Diseño factorial 2 x 2 Práctica Diseño factorial x Supuesto 1: Refuerzo positivo y nivel de impulso Tanto la variable intensidad del refuerzo como nivel del impulso han sido repetidamente analizadas en relación al aprendizaje

Más detalles

MGA VALORACIÓN BIOLÓGICA DE VASOPRESINA.

MGA VALORACIÓN BIOLÓGICA DE VASOPRESINA. EL TEXTO EN COLOR ROJO HA SIDO ELIMINADO Con fundamento en el numeral 4.11.1 de la Norma Oficial Mexicana NOM-001-SSA1-2010, se publica el presente proyecto a efecto de que los interesados, a partir del

Más detalles

EXPERIMENTOS FACTORIALES CON RESTRICCIONES DE ALEATORIZACION

EXPERIMENTOS FACTORIALES CON RESTRICCIONES DE ALEATORIZACION EXPERIMENTOS FCTORILES CON RESTRICCIONES DE LETORIZCION Diseño de Parcela Dividida Diseño de Bloques Divididos o en Franjas Características generales de estos diseños Esquemas a campo y aleatorización

Más detalles

Diseño de Experimentos

Diseño de Experimentos Diseño de Experimentos Estudios experimentales vs observacionales Experimento vs Muestreo La palabra experimento se utiliza en un sentido preciso, implicando una investigación donde un sistema bajo estudio

Más detalles

Factoriales 1 EXPERIMENTOS CON FACTORIALES

Factoriales 1 EXPERIMENTOS CON FACTORIALES Factoriales 1 EXPERIMENTOS CON FACTORIALES Los factoriales son combinaciones de factores (nitrógeno, fósforo, variedades, sustancias, niveles de concentrado, etc.) para formar tratamientos, los cuales

Más detalles

1. La distribución ji-cuadrada. La distribución ji-cuadrada surge de la suma de normales estándar al cuadrado, su definición formal es la siguiente:

1. La distribución ji-cuadrada. La distribución ji-cuadrada surge de la suma de normales estándar al cuadrado, su definición formal es la siguiente: DISTRIBUCIONES DERIVADAS DE LA NORMAL Son tres distribuciones derivadas de la normal, las cuales se aplican es estadística inferencial para modelas las distribuciones en el muestreo. Estas distribuciones

Más detalles

3 ANALISIS DESCRIPTIVO DE LOS DATOS

3 ANALISIS DESCRIPTIVO DE LOS DATOS 3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3

Más detalles

UNIDAD III DISEÑOS EXPERIMENTALES RELACIONADOS CON UN SOLO FACTOR DE ESTUDIO ANALISIS Y DISEÑO DE EXPERIMENTOS

UNIDAD III DISEÑOS EXPERIMENTALES RELACIONADOS CON UN SOLO FACTOR DE ESTUDIO ANALISIS Y DISEÑO DE EXPERIMENTOS UNIDAD III DISEÑOS EXPERIMENTALES RELACIONADOS CON UN SOLO FACTOR DE ESTUDIO UNIDAD DE APRENDIZAJE: ANALISIS Y DISEÑO DE EXPERIMENTOS LICENCIATURA DE INGENIERO AGRONOMO FITOTECNISTA FACULTAD DE CIENCIAS

Más detalles

Tema 13B ESTE MATERIAL INCLUYE EL ANÁLISIS DE UN NUEVO EJERCICIO DE ANCOVA Y SUS SUPUESTOS

Tema 13B ESTE MATERIAL INCLUYE EL ANÁLISIS DE UN NUEVO EJERCICIO DE ANCOVA Y SUS SUPUESTOS Tema 3B DISEÑOS CON VARIABLES COVARIADAS: continuación ESTE MATERIAL INCLUE EL ANÁLISIS DE UN NUEVO EJERCICIO DE ANCOVA SUS SUPUESTOS Mª Dolores Frías Navarro. Curso 008/00 Tabla Puntuaciones en Pretest

Más detalles

ESTE MGA SERÁ ELIMINADO

ESTE MGA SERÁ ELIMINADO COMENTARIOS Con fundamento en el numeral 4.11.1 de la Norma Oficial Mexicana NOM-001-SSA1-2010, se publica el presente proyecto a efecto de que los interesados, a partir del 1º de noviembre y hasta el

Más detalles

Diseño de Experimentos Experimentos factoriales

Diseño de Experimentos Experimentos factoriales Diseño de Experimentos Experimentos factoriales Dr. Héctor Escalona Definición El termino genérico de diseño factorial se aplica a aquellos experimentos donde se desea evaluar el efecto de 2 o mas factores

Más detalles

EXPERIMENTOS FACTORIALES

EXPERIMENTOS FACTORIALES EXPERIMENTOS FCTORILES Generalidades Simbología Diseños Experimentales Ventajas Desventajas nálisis Estadístico Ventajas - Desventajas Ventajas 1. Economía en el material experimental, al obtener información

Más detalles

ANOVA Análisis de la Varianza en diseño de experimentos

ANOVA Análisis de la Varianza en diseño de experimentos ANOVA Análisis de la Varianza en diseño de experimentos NATURALEZA DEL DISEÑO EXPERIMENTAL El diseño experimental tiene sus orígenes en los trabajos de Ronald Aylmer Fisher (1890 1962) desarrollados en

Más detalles

Experimentos con factores aleatorios. Diseño de experimentos p. 1/36

Experimentos con factores aleatorios. Diseño de experimentos p. 1/36 Experimentos con factores aleatorios Diseño de experimentos p. 1/36 Introducción Hasta ahora hemos supuesto que los factores de un experimento son factores fijos, esto es, los niveles de los factores usados

Más detalles

Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos

Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos Tema 4 (III) Estadística 2 Curso 08/09 Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 1 / 17 ANOVA

Más detalles

I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 7: Distribuciones continuas de probabilidad

I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 7: Distribuciones continuas de probabilidad I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 7: Distribuciones continuas de probabilidad 1.- Una variable aleatoria que sigue una distribución normal: A) tiene de media cero y una desviación típica de uno. B)

Más detalles

DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA

DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo. las unidades experimentales homogéneas se agrupan formando grupos homogéneos llamados

Más detalles

U ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7

U ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7 Diseños de Investigación y Análisis de Datos Preguntas de exámenes TEMA 7: A OVA PARA MUESTRAS I DEPE DIE TES (2 FACTORES) 1.- Se dice que un diseño bifactorial es equilibrado si: A) Los grupos tienen

Más detalles

ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación

ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación TEMA V ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación Análisis de la covarianza (ANCOVA) Modelos alternativos de análisis DISEÑO DE GRUPO CONTROL NO

Más detalles

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN SEPTIEMBRE, 2015 INTRODUCCIÓN Los diseños experimentales

Más detalles

Prueba t para muestras independientes

Prueba t para muestras independientes Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente

Más detalles

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo

Más detalles

Ms. C. Marco Vinicio Rodríguez

Ms. C. Marco Vinicio Rodríguez Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:

Más detalles

Las tres razones principales para realizar Experimento Factorial son:

Las tres razones principales para realizar Experimento Factorial son: 54 V.- EXPERIMENTOS FACTORIALES. Los experimentos factoriales son aquellos en los que se prueban varios niveles de dos o más factores. El número de tratamientos es el resultado de combinar los diferentes

Más detalles

Anova unifactorial Grados de Biología y Biología sanitaria

Anova unifactorial Grados de Biología y Biología sanitaria Anova unifactorial Grados de Biología y Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 29 de noviembre de 2015 El problema Analizaremos la

Más detalles

Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth

Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth 1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito

Más detalles

Diseño de Experimentos. Diseños Factoriales

Diseño de Experimentos. Diseños Factoriales Diseño de Experimentos Diseños Factoriales Luis A. Salomón Departamento de Ciencias Matemáticas Escuela de Ciencias, EAFIT Luis A. Salomón (EAFIT) Inspira Crea Transforma Curso 2016 Índice 1 Introducción

Más detalles

5. DISEÑO FACTORIALES 2 k

5. DISEÑO FACTORIALES 2 k 5. DISEÑO FACTORIALES 2 k Los diseños factoriales son ampliamente utilizados en experimentos en los que intervienen varios factores para estudiar el efecto conjunto de éstos sobre una respuesta. Un caso

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

14 horas. 20 horas

14 horas. 20 horas EJERCICIOS PROPUESTOS ANALISIS DE VARIANZA. Se realiza un ANOVA para comparar el tiempo que demora en aliviar el dolor de cabeza de varios tipos de analgésicos. Se obtiene como resultado un test observado

Más detalles

TEMA 10 FUNCIONES NOMBRE Y APELLIDOS... HOJA 52- FECHA...

TEMA 10 FUNCIONES NOMBRE Y APELLIDOS... HOJA 52- FECHA... TEMA 10 FUNCIONES NOMBRE Y APELLIDOS... HOJA 52- FECHA... FUNCIONES DE PRIMER GRADO Una función de primer grado es una relación matemática que asigna a cada número otro distinto que depende de una expresión

Más detalles

CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO

CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD

Más detalles

Diseños Factoriales. Diseño de experimentos p. 1/25

Diseños Factoriales. Diseño de experimentos p. 1/25 Diseños Factoriales Diseño de experimentos p. 1/25 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de

Más detalles

bloques SC Suma de Cuadrados k trat bloques

bloques SC Suma de Cuadrados k trat bloques Análisis de un diseño en bloques aleatorios Cuando sólo hay dos tratamientos, el análisis de varianza de una vía equivale al test t de Student para muestras independientes. A su vez, el análisis de varianza

Más detalles

TEMA 2 Diseño de experimentos: modelos con varios factores

TEMA 2 Diseño de experimentos: modelos con varios factores TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial

Más detalles

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico

Más detalles

ANÁLISIS DE LA VARIANZA MULTIFACTORIALES

ANÁLISIS DE LA VARIANZA MULTIFACTORIALES Instituto Valenciano de Investigaciones Agrarias Seminario MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN AGRONÓMICA Tema 7 ANÁLISIS DE LA VARIANZA MULTIFACTORIALES Análisis de la Varianza Multifactoriales

Más detalles

Métodos de Diseño y Análisis de Experimentos

Métodos de Diseño y Análisis de Experimentos 1 / 16 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM mayo 2018 Ejemplo Modelos Mixtos 2 / 16 3 / 16 Ejemplo 1 (2 factores

Más detalles

ESQUEMA GENERAL DISEÑO FACTORIAL

ESQUEMA 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 detalles

DISEÑO DE CUADRADOS LATINOS

DISEÑO DE CUADRADOS LATINOS DISEÑO DE CUADRADOS LATINOS a vimos que el diseño de bloques al azar, era el diseño apropiado cuando se conocía de antemano algún factor que fuera fuente de variabilidad entre las unidades experimentales.

Más detalles

Regresión múltiple. Demostraciones. Elisa Mª Molanes López

Regresión múltiple. Demostraciones. Elisa Mª Molanes López Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +

Más detalles

Diseño Factorial. Introducción

Diseño Factorial. Introducción Diseño Factorial Introducción n un experimento factorial se analizan todas las posibles combinaciones de los niveles de los factores en cada réplica del experimento. Por ejemplo, si el factor tiene a niveles

Más detalles

APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS

APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un

Más detalles

Funciones de análisis de datos

Funciones de análisis de datos Funciones de análisis de datos Matlab contiene varias funciones que facilitan la evaluación y análisis de datos. Primero presentaremos varias funciones de análisis sencillas, y luego veremos funciones

Más detalles

DISEÑO EN BLOQUES ALEATORIZADOS

DISEÑO EN BLOQUES ALEATORIZADOS DISEÑO EN BLOQUES ALEATORIZADOS DISEÑO EN BLOQUES ALEATORIZADOS COMPLETOS DISEÑO EN BLOQUES INCOMPLETOS ALEATORIZADOS DISEÑO EN CUADRADOS LATINOS DISEÑO EN CUADRADOS GRECO-LATINOS DISEÑO EN CUADRADOS DE

Más detalles

Elaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes

Elaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente

Más detalles

VIII Regresión y correlación

VIII Regresión y correlación VIII Regresión y correlación 8.1 La línea recta Dr. Jesús Alberto Mellado Bosque Sea x una variable independiente, y sea y una variable dependiente, la relación de ambas variables se puede expresar con

Más detalles

Carrera: AGM Participantes Representante de las academias de Ingeniería Agronomía de los Institutos Tecnológicos. Academias

Carrera: AGM Participantes Representante de las academias de Ingeniería Agronomía de los Institutos Tecnológicos. Academias 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Diseños experimentales. Ingeniería en Agronomía AGM 0611 3 2 8 2. HISTORIA DEL

Más detalles

DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos

DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN Los diseños en bloques utilizan una restricción en la aleatorización. Los cuadrados latinos utilizan dos restricciones en la aleatorización.

Más detalles

Escuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA

Escuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos

Más detalles

proporciones y para la Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro

proporciones y para la Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro Sesión 12 Intervalo de confianza para proporciones y para la razón de varianzas. IC para a una proporción poblacional o a Qué proporción de adolescentes presenta problemas de delincuencia en una comunidad

Más detalles

Para este ensayo se requiere 12 parcelas grandes y dividirla cada una en dos subparcelas.

Para este ensayo se requiere 12 parcelas grandes y dividirla cada una en dos subparcelas. 1 Diseño en Parcela Dividida (Split plot) El diseño consiste en dividir las parcelas en subparcelas y aplicar un grupo de tratamientos en las parcelas y otro grupo de tratamientos en las subparcelas. La

Más detalles

PROBLEMAS ALGEBRAICOS (SISTEMAS NO LINEALES) 1.- Calcular dos números positivos sabiendo que la diferencia es 12 y la suma de sus cuadrados es 170.

PROBLEMAS ALGEBRAICOS (SISTEMAS NO LINEALES) 1.- Calcular dos números positivos sabiendo que la diferencia es 12 y la suma de sus cuadrados es 170. Problemas algebraicos 1 PROBLEMAS ALGEBRAICOS (SISTEMAS NO LINEALES) 1.- Calcular dos números positivos sabiendo que la diferencia es 1 y la suma de sus cuadrados es 170..- Hallar dos números naturales

Más detalles

En el pasado, en la realización de experimentos que envolvían más de un factor, y cada

En el pasado, en la realización de experimentos que envolvían más de un factor, y cada Capitulo 4. Planeamiento Factorial (Convencionales) 4.1 Introducción. En el pasado, en la realización de experimentos que envolvían más de un factor, y cada factor con más de una variable, se adoptaba

Más detalles

DISEÑOS DE PARCELAS DIVIDIDAS

DISEÑOS DE PARCELAS DIVIDIDAS Experimentos Factoriales: Diseño de parcelas divididas y de bloques divididos 1 DISEÑOS DE PRCELS DIVIDIDS Este tipo de diseños se utiliza frecuentemente en experimentos factoriales cuando uno de los factores

Más detalles

Análisis A Variable N R² R² Aj CV pesotejido(g)

Análisis A Variable N R² R² Aj CV pesotejido(g) Nombre: Segundo Examen Parcial 1 AGRO 6600 2015 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.

Más detalles

M edidas de dispersión P rof. S. V élez

M edidas de dispersión P rof. S. V élez M edidas de dispersión P rof. S. V élez Introducción Las medidas de tendencia central permiten describir una distribución por medio de sus valores típicos. Sin embargo estas medidas son sólo parte de la

Más detalles

CONTRASTACIÓN DE HIPÓTESIS

CONTRASTACIÓN DE HIPÓTESIS UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN ESCUELA DE POSTGRADO MAESTRIA EN DOCENCIA SUPERIOR E INVESTIGACIÓN UNIVERSITARIA ASIGNATURA: ESTADÍSTICA PARA LA INVESTIGACIÓN EDUCATIVA CONTRASTACIÓN

Más detalles

Febrero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo

Más detalles

Segundo Examen Parcial

Segundo Examen Parcial Segundo Examen Parcial Nombre: AGRO 6600 2009 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.

Más detalles

TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN

TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene

Más detalles

Bloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F

Bloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F Bloque 3 Tema 4 AÁLISIS DE LA VARIAZA. PRUEBA F El objetivo fundamental de la experimentación es estudiar la posible relación de causalidad existente entre dos o más variables. Este estudio representa

Más detalles

(DERIVADAS DE LA NORMAL)

(DERIVADAS DE LA NORMAL) DISTRIBUCIÓN NORMAL MULTIVARIANTE (DERIVADAS DE LA NORMAL) INTRODUCCIÓN PROPIEDADES LINEALIDAD DISTRIBUCIONES DERIVADAS DE LA NORMAL χ 2 DE PEARSON t DE STUDENT F DE SNEDECOR DISTRIBUCIÓN NORMAL MULTIVARIANTE

Más detalles

Diseño de bloques completos Aleatorizados. Jhon Jairo Padilla Aguilar, PhD.

Diseño de bloques completos Aleatorizados. Jhon Jairo Padilla Aguilar, PhD. Diseño de bloques completos Aleatorizados Jhon Jairo Padilla Aguilar, PhD. Introducción Factor perturbador: Factor del diseño que probablemente tenga un efecto sobre la respuesta, pero no existe un interés

Más detalles

DISTRIBUCION F DE SNEDECOR

DISTRIBUCION F DE SNEDECOR DISTRIBUCION F DE SNEDECOR Jorge M. Galbiati Función de densidad: ( ) n+d Γ 2 f(x) = ( ) ( ) Γ Γ n 2 d 2 ( n/d) n/2 x n/2 1 (1+ nd x ) n+d 2 si x > 0 Espacio paramétrico: grados de libertad del numerador

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

DISEÑO EXPERIMENTAL FACTORIAL DE GRUPOS

DISEÑO 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 detalles

Sucesiones. Concepto de sucesión. Determinación de una sucesión: Por el término general. Por una ley de recurrencia. a 1, a 2, a 3,...

Sucesiones. Concepto de sucesión. Determinación de una sucesión: Por el término general. Por una ley de recurrencia. a 1, a 2, a 3,... Concepto de sucesión Sucesiones Se llama sucesión a un conjunto de números dispuestos uno a continuación de otro. a 1, a 2, a 3,..., a n 3, 6, 9,..., 3n Los números a 1, a 2, a 3,...; se llaman términos

Más detalles

Diseños en bloques Incompletos aleatorizados

Diseños en bloques Incompletos aleatorizados Capítulo 6 Diseños en bloques ncompletos aleatorizados 6.0.1. ntroducción Cuando se construye un diseño en bloques aleatorizados, puede suceder que no sea posible realizar todos los tratamientos en cada

Más detalles

SOLUCIONES A LAS ACTIVIDADES DE CADA EPÍGRAFE

SOLUCIONES A LAS ACTIVIDADES DE CADA EPÍGRAFE Pág. 1 Página 5 Si te permiten elegir una de las clases, cuál sería tu elección? El profesor de º- A es el que tiene mayor número de estudiantes aprobados; tiene muy pocas notas que sean muy altas o muy

Más detalles

BASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL

BASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL BASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL ETAPAS DE UNA INVESTIGACION a. Planteamiento y formulación del PROBLEMA b. Justificación c. Objetivos d. Hipótesis e. Procedimiento / diseño experimental

Más detalles

ANÁLISIS DE LA VARIANZA PARTE PRIMERA

ANÁLISIS DE LA VARIANZA PARTE PRIMERA ANÁLISIS DE LA VARIANZA PARTE PRIMERA Febrero de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO COMPLETAMENTE ALEATO- RIZADO....................................

Más detalles

CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS

CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que

Más detalles

Estadística Inferencial

Estadística Inferencial Estadística Inferencial 1 Sesión No. 8 Nombre: Pruebas de hipótesis para varianzas poblacionales. Contextualización En las dos sesiones anteriores se vieron métodos de inferencia estadística para medias

Más detalles

Lección 7.1. Diseños Especiales: Parcelas Divididas. Alfaomega. Alfaomega-UAQro CIMAT. Alfaomega (Alfaomega-UAQro CIMAT) Lección 7.

Lección 7.1. Diseños Especiales: Parcelas Divididas. Alfaomega. Alfaomega-UAQro CIMAT. Alfaomega (Alfaomega-UAQro CIMAT) Lección 7. Lección 7.1 Diseños Especiales: Parcelas Divididas Alfaomega Alfaomega-UAQro CIMAT 2017 Alfaomega (Alfaomega-UAQro CIMAT) Lección 7.1 2017 1 / 44 Índice 1 Presentación 2 Introducción a parcelas divididas

Más detalles

Diseño de experimentos Hugo Alexer Pérez Vicente

Diseño de experimentos Hugo Alexer Pérez Vicente Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre

Más detalles

ESQUEMA GENERAL. Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto

ESQUEMA 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 detalles

2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que:

2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que: Análisis de varianza El análisis de la varianza, conocida también como ANVAR o ANOVA, por sus siglas en inglés (ANalysis Of VAriance) es un método que permite comparar dos o más grupos de datos a través

Más detalles

ANALISIS DE COVARIANCIA

ANALISIS DE COVARIANCIA 1 ANALISIS DE COVARIANCIA Es una técnica que utiliza el análisis de regresión y el análisis de variancia para manejar casos particulares, en los cuales se tienen una o más variables externas al experimento

Más detalles

Cáculo de estimadores de los Cuadrados Medios y Denominadores de la F

Cáculo de estimadores de los Cuadrados Medios y Denominadores de la F Cáculo de estimadores de los Cuadrados Medios y Denominadores de la F Departamento de Ciencias del Mar y Biología Aplicada Jose Jacobo Zubcoff Aitor Forcada a partir de principios generales 1. Definir

Más detalles

Diseño de Bloques al azar. Diseño de experimentos p. 1/25

Diseño de Bloques al azar. Diseño de experimentos p. 1/25 Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un

Más detalles

Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez. Maíz (Zea mays)

Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez. Maíz (Zea mays) Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez Cadelga Maíz (Zea mays) Científica Objetivos Medir el Efecto Fisiológico AgCelence del Fungicida

Más detalles

Estimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística

Estimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia

Más detalles

Lifetime Rot Free warranty Paintable, peel-resistant surface Moisture and dent resistant Reversible (woodgrain or smooth)

Lifetime Rot Free warranty Paintable, peel-resistant surface Moisture and dent resistant Reversible (woodgrain or smooth) 3/4 in. x 3-1/2 in. x 8 ft. 1,91 cm x 8,89 cm x 2,44 m ITEM/ARTÍCULO #238343 MODEL/MODELO #7834 3/4 in. x 3-1/2 in. x 12 ft. 1,91 cm x 8,89 cm x 3,66 m ITEM/ARTÍCULO #238344 MODEL/MODELO #7834 3/4 in.

Más detalles