Diseños factoriales con dos factores

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

Download "Diseños factoriales con dos factores"

Transcripción

1 Capítulo 6 Diseños factoriales con dos factores Enprimerlugarvamosaestudiarlosdiseñosmássimples,esdeciraquellosenlos queintervienensólodosfactores.supongamosquehayanivelesparaelfactoraybniveles del factor B, cada réplica del experimento contiene todas las posibles combinaciones de tratamientos, es decir contiene los ab tratamientos posibles El modelo sin replicación El modelo estadístico para este diseño es: y ij =µ+τ i +β j +(τβ ij +u ij i=1,2,,a ; j=1,2,,b,donde y ij :Representalaobservacióncorrespondientealnivel(idelfactorAyalnivel(j del factor B. µ: Efecto constante denominado media global. τ i :Efectoproducidoporelniveli-ésimodelfactorA,( i τ i=0. β j :Efectoproducidoporelnivelj-ésimodelfactorB, ( j β j=0. ( (τβ ij :EfectoproducidoporlainteracciónentreA B, i (τβ ij = j (τβ ij =0. u ij sonvvaa.independientescondistribuciónn(0,σ. 1

2 2 Diseños factoriales con dos factores Supondremos que se toma una observación por cada combinación de factores, por tanto,hayuntotalden=abobservaciones. Parámetros a estimar: Parámetros Número µ 1 τ i a 1 β j b 1 (τβ ij (a 1(b 1 σ 2 1 Total ab+1 A pesar de las restricciones impuestas al modelo, i τ i= j β j= i (τβ ij = j (τβ ij =0, elnúmerodeparámetros(ab+1superaal número de obsevaciones(ab. Por lo tanto, algún parámetro no será estimable Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son µ=ȳ.., τ i =ȳ i. ȳ.., βj =ȳ.j ȳ.. y ( τβ ij =y ij ȳ i. ȳ.j +ȳ.. Losresiduosdeestemodeloson:e ij =y ij ŷ ij =y ij µ τ i β j ( τβ =0. ij Porlotanto,alserlosresiduosnulosnoesposibleestimarlavarianzadelmodeloy no se pueden contrastar la significatividad de los efectos de los factores. Dichos contrates sólo pueden realizarse si: a SuponemosquelainteracciónentreA Bescero.Entoncese ij =y ij ȳ i. ȳ.j +ȳ... b Replicamos el experimento(tomamos varias observaciones por cada combinación de factores El modelo con replicación El modelo estadístico para este diseño es: y ijk =µ+τ i +β j +(τβ ij +u ijk ; i=1,2,,a ; j=1,2,,b ; k=1,2,,r dondereselnúmerodereplicacionesyn=abreselnúmerodeobservaciones. El número de parámetros de este modelo es, como en el modelo de dos factores sin replicación,ab+1peroenestecasoelnúmerodeobservacionesesabr.

3 6.2 El modelo con replicación Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son µ=ȳ..., τ i =ȳ i.. ȳ..., βj =ȳ.j. ȳ... y ( τβ =y ij. ȳ i.. ȳ.j. +ȳ... ij donde y ij. eslamediadelasrobservacionesenlaceldillaij:y ij. =( k y ijk/r ȳ i.. eslamediadelasobservacionesdelnivelidelfactora: ȳ i.. =( j,k y ijk /(br ; i=1,,a ȳ.j. eslamediadelasobservacionesdelnivelj delfactorb: ȳ.j. =( i,k y ijk /(ar ; j=1,,b ȳ... eslamediatotaldelasobservaciones:ȳ... =( i,j,k y ijk /r. Los residuos de este modelo son: e ijk =y ijk ŷ ijk =y ij µ τ i β j ( τβ =y ijk y ij.. ij Se verificaquetodos los residuos de unaceldilladebensumarceroes decir,encada celdillahayr 1residuosindependientes.Porlotanto,entotalhabráab(r 1residuos independientes. Se verifican las mismas propiedades para los estimadores máximo-verosímiles que en los modelos anteriores. La varianza residual tiene la siguiente expresión a b r Ŝ 2 R= i=1 j=1k=1 ab(r 1 e 2 ijk Descomposición de la variabilidad La ecuación básica del análisis de la varianza es: a b (y ijk ȳ... 2 = br (ȳ i.. ȳ ar (ȳ.j. ȳ i,j,k i=1 j=1 r (y ijs ȳ i.. ȳ.j. +ȳ (y ijk ȳ ij. 2 i,j i,j,k que simbólicamente podemos escribir: SCT = SCA+SCB+SC(AB+SCR. Estas sumas de cuadrados también se pueden expresar como:

4 4 Diseños factoriales con dos factores SCT = i,j,k y2 ijk ( y 2... /r:sumatotaldecuadrados. ( SCA= ( SCB= i y2 i.. j y2.j. ( SC(AB = /(br ( y 2... /(abr:s.c.entrenivelesde A. /(ar ( y 2... /(abr:s.c.entrenivelesde B. i,j y2 ij. /r ( y 2... /(abr SCA SCB:S.C.delainteracciónA B SCR=SCT SCA SCB SC(AB:S.C.delerror. A partir de la ecuación básica del ANOVA se pueden construir los cuadrados medios definidos como: Cuadradomediototal:CMT =(SCT/(n 1 CuadradomediodeA:CMA=(SCA/(a 1 CuadradomediodeB:CMB=(SCB/(b 1 CuadradomediodelainteracciónA B:CM(AB=(SC(AB/((a 1(b 1 Cuadradomedioresidual:CMR=(SCR/(ab(r Análisis estadístico El objetivo del análisis es realizar los contrastes de hipótesis nula: i H 0A τ 1 = =τ a =0.Es decir,considerandolapresenciadelasinteracciones con el factor B, contrastar si los efectos de los niveles del factor A son nulos. El estadístico de contraste es F A = (SCA/(a 1 (SCR/(ab(r 1 = CMA CMR H 0AF (a 1,ab(r 1 SerechazaH 0A alnivelαsif α(exp >F (a 1,ab(r 1 ii H 0B β 1 = =β b =0.Esdecir,considerandolapresenciadelasinteracciones con el factor A, contrastar si los efectos de los niveles del factor B son nulos. El estadístico de contraste es F B = (SCB/(b 1 (SCR/(ab(r 1 =CMB CMR H 0B F (b 1,ab(r 1

5 6.2 El modelo con replicación 5 SerechazaH 0B alnivelαsif α(exp >F (b 1,ab(r 1. iii H 0(AB (τβ ij = 0 para todo i,j. Es decir, contrastar si los efectos de las interacciones entre los factores A y B son nulos. El estadístico de contraste es F (AB = (SC(AB/((a 1(b 1 (SCR/(ab(r 1 = CM(AB CMR H 0(ABF (a 1(b 1,ab(r 1 SerechazaH 0(AB alnivelαsif α(exp >F (a 1(b 1,ab(r 1. Tabla ANOVA para el modelo bifactorial con replicación F.V. S.C. G.L. C.M. F exp Factor A SCA a 1 CMA CMA/CMR Factor B SCB b 1 CMB CMB/CMR Interacción SC(AB (a 1(b 1 CM(AB CM(AB/CMR Residual SCR ab(r 1 CMR TOTAL SCT abr 1 CMT La diagnosis y validación del modelo se realiza igual que en los modelos anteriores. Ejemplo 6.1 En unos laboratorios se está estudiando los factores que influyen en la resistencia de untipoparticulardefibra.seeligenalazarcuatromáquinasytresoperariosyserealiza un experimento factorial usando fibras de un mismo lote de producción. Los resultados obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas. Tipos de máquinas Operario A B C D Para realizar el análisis organizamos los datos en forma tabular de la manera siguiente:

6 6 Diseños factoriales con dos factores Tipos de máquinas Operario A B C D y i y.j LasSumasdeCuadrados ylatablaanovasemuestranacontinuación SCT = ( (26952 SCA= (26952 =262,97 =12,46 SCB= (26952 =160,33 SC(AB= ( ,46 160,33=44,67 y SCR=45,5. F.V. S.C. G.L. C.M. F exp Factor A 12,46 3 4,15 1,10 Factor B 160, ,17 21,14 Interacción 44,67 6 7,45 1,96 Residual 45, ,79 TOTAL 262,97 23 Realizando los contrastes al nivel de significación del 5%, se concluye que es significativoelefectoprincipaldel operario (factorb(f 0,05,2,12 =3,49,peronosonsignificativos elefectoprincipaldeltipodemáquina(factora(f 0,05,3,12 =3,89ylainteracciónentre eltipodemáquinayoperario(factora B(F 0,05,6,12 =3,00. Bibliografía utilizada Lara Porras, A.M.(2000. Diseño Estadístico de Experimentos, Análisis de la Varianza y Temas Relacionados: Tratamiento Informático mediante SPSS. Proyecto Sur de Ediciones.

Diseños factoriales con tres factores

Diseños factoriales con tres factores Capítulo 6 Diseños factoriales con tres factores SupongamosquehayanivelesparaelfactorA,bnivelesdelfactorBycnivelespara el factor C y que cada réplica del experimento contiene todas las posibles combinaciones

Más detalles

Diseños en cuadrados greco-latinos

Diseños 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 detalles

Diseño Estadístico de Experimentos

Diseño 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 detalles

Diseños en cuadrados latinos

Diseños 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 detalles

Diseños en bloques aleatorizados

Diseños en bloques aleatorizados Capítulo 5 Diseños en bloques aleatorizados 5.1. ntroducción En las situaciones que hemos estudiado en el Capítulo 1 hemos supuesto que existe bastante homogéneidad entre las unidades experimentales, así,

Más detalles

Factores no controlables

Factores 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 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

ANOVA 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 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 detalles

ANÁLISIS DE LA VARIANZA PARTE SEGUNDA

ANÁLISIS 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 detalles

Diseños en cuadrados de Youden

Diseños en cuadrados de Youden Capítulo 9 Diseños en cuadrados de Youden 9.1. Introducción Hemosestudiadoqueeneldiseñoencuadradolatinosetienequeverificarquelos tres factores tenganelmismo númerodeniveles,es decir quehaya elmismonúmerode

Más detalles

ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA 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 detalles

ESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS

ESQUEMA 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 detalles

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

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 detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA 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 detalles

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11

Tema 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 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

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:

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 detalles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO

Más detalles

Tema 7: Modelos de diseños de experimentos

Tema 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 detalles

EXPERIMENTACIÓN. Eduardo Jiménez Marqués

EXPERIMENTACIÓN. 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 detalles

Métodos no paramétricos para el análisis de la varianza

Métodos no paramétricos para el análisis de la varianza Capítulo 4 Métodos no paramétricos para el análisis de la varianza MÉTODOS PARAMÉTRICOS Y NO-PARAMÉTRICOS Los procedimientos inferenciales que presentan estimaciones con respecto a losparámetrosdelapoblacióndeinteréssellamanmétodos

Más detalles

Prácticas y problemas de diseño de experimentos.

Prácticas y problemas de diseño de experimentos. Capítulo 1 Prácticas y problemas de diseño de experimentos. 1.1. Problemas de diseño de experimentos con ordenador. Problema 3.1. Datos apareados. El Ministerio de Trabajo desea saber si un plan de seguridad

Más detalles

Diseños Factoriales. Diseño de experimentos p. 1/18

Diseños Factoriales. Diseño de experimentos p. 1/18 Diseños Factoriales Diseño de experimentos p. 1/18 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de

Más detalles

Programa 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. 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 detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO 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 detalles

DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA

DISEÑOS 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 detalles

Capítulo 6. Análisis de la covarianza ANÁLISIS DE LA COVARIANZA UNIFACTORIAL INTRODUCCIÓN

Capítulo 6. Análisis de la covarianza ANÁLISIS DE LA COVARIANZA UNIFACTORIAL INTRODUCCIÓN Capítulo 6 Análisis de la covarianza INTRODUCCIÓN Es una combinación de dos técnicas: Análisis de la Varianza y Análisis de Regresión. En el Análisis de la Covarianza: F La variable respuesta es cuantitativa

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

Estadística; 3º CC. AA. Examen final, 4 de septiembre de 2009

Estadística; 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 detalles

IX.- ANÁLISIS DE VARIANZA

IX.- 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 detalles

Diseños experimentales e investigación científica (Experimental designs and scientific research)

Diseños 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 detalles

Experimentos Factoriales Febrero 2010 Apuntes de la Cátedra de Estadística INDICE

Experimentos Factoriales Febrero 2010 Apuntes de la Cátedra de Estadística INDICE Serie Didáctica Nro. 1 Facultad de Ciencias Forestales UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO C Á T E D R A D E ESTADÍSTICA O. F. ANÁLISIS DE LA VARIANCIA EN EXPERIMENTOS FACTORIALES Cátedra de Estadística

Más detalles

Tema 2. Modelos de diseño de experimentos (varios factores)

Tema 2. Modelos de diseño de experimentos (varios factores) Tema 2. Modelos de diseño de experimentos (varios factores) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 2: Diseño de experimentos (varios factores) 1 Introducción Estudiaremos si un conjunto

Más detalles

Modelos mixtos. Diseño de experimentos p. 1/26

Modelos mixtos. Diseño de experimentos p. 1/26 Modelos mixtos Diseño de experimentos p. 1/26 Introducción Cuando en la estructura de tratamientos de un experimento se tienen tanto factores fijos como aleatorios, el modelo que describe tales experimentos

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

Uso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo

Uso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo CAPÍTULO 5. FASE DE MEJORA Definir Medir Analizar Mejorar Controlar 5.1 Introducción En la fase de Análisis se identificaron las causas de variación. En esta fase se utilizará el diseño de experimentos

Más detalles

SPSS: ANOVA de un Factor

SPSS: 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 detalles

DISEÑO DE EXPERIMENTOS EN METROLOGÍA

DISEÑO DE EXPERIMENTOS EN METROLOGÍA DISEÑO DE EXPERIMENTOS EN METROLOGÍA Román de la Vara Salazar Centro de Investigación en Matemáticas Callejón de Jalisco, S/N, La Valenciana, Guanajuato, Gto. Tel. (473)737155, Fax: (473) 735749, Email:

Más detalles

Análisis de la Varianza

Análisis de la Varianza Análisis de la Varianza 1. En una fábrica de automóviles se utiliza una misma planta para el ensamblaje de tres modelos distintos (A,B y C). Para determinar si los modelos reciben el mismo tratamiento,

Más detalles

6. DISEÑOS FACTORIALES 2 K NO REPLICADOS

6. 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 detalles

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO Estadística Superior CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE 1.1. Regresión lineal simple 1.2. Estimación y predicción por intervalo en regresión lineal

Más detalles

TEMA 4 Modelo de regresión múltiple

TEMA 4 Modelo de regresión múltiple TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.

Más detalles

Prácticasyproblemasdediseño de experimentos de una vía.

Prácticasyproblemasdediseño de experimentos de una vía. Práctica 2 Prácticasyproblemasdediseño de experimentos de una vía. 2.1 Problemas de diseño de experimentos de una vía con ordenador. Problema 2.1. Una fábrica de herramientas desea comprobar si la resistencia

Más detalles

Tema 3: Diseño de experimentos

Tema 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 detalles

Métodos y Diseños utilizados en Psicología

Métodos 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 detalles

Análisis de la Varianza de un Factor

Análisis 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 detalles

TEMA 4: Variables binarias

TEMA 4: Variables binarias TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables

Más detalles

2 Modelo de Diseño de Experimentos con dos factores sin interacción. Hipótesis del modelo

2 Modelo de Diseño de Experimentos con dos factores sin interacción. Hipótesis del modelo MODELO DE DISEÑO DE EXPERIMENTOS (VARIOS FACTORES) Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Los modelos de diseño de experimentos sirven, en general, para tratar de explicar

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

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante

Capítulo 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 detalles

Modelo de diseños factoriales y diseños 2 k

Modelo de diseños factoriales y diseños 2 k Modelo de diseños factoriales y diseños 2 k Introducción En el tema anterior se analizaron la posible influencia de un factor sobre la variable respuesta, aleatorizando las observaciones para eliminar

Más detalles

Análisis de la varianza (un factor): ANOVA

Análisis 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 detalles

Elementos de Diseño de Experimentos

Elementos de Diseño de Experimentos Elementos de Diseño de Experimentos Elementos de Diseño de Experimentos Porfirio Gutiérrez González Lizbeth Díaz Caldera María de Jesús Guzmán Sánchez Autores: Porfirio Gutiérrez González Lizbeth Díaz

Más detalles

1 Introducción al SPSS

1 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 detalles

Bioestadística y uso de software científico TEMA 8 ANOVA FACTORIAL ANOVA DE MEDIDAS REPETIDAS

Bioestadística y uso de software científico TEMA 8 ANOVA FACTORIAL ANOVA DE MEDIDAS REPETIDAS Bioestadística y uso de software científico TEMA 8 ANOVA FACTORIAL ANOVA DE MEDIDAS REPETIDAS Hasta ahora... Tema Variable dependiente Variable independiente Test Tema 4 Categórica Categórica χ 2, McNemar

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

Experimentos 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. 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 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

GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias

GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 2011/12 GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias Bibliografía apartados : Greene, 8.2 A.F.Gallastegui:

Más detalles

Econométricas. Máster Universitario. Técnicas Cuantitativas en Gestión Empresarial

Econométricas. Máster Universitario. Técnicas Cuantitativas en Gestión Empresarial Técnicas Econométricas Máster Universitario Técnicas Cuantitativas en Gestión Empresarial Román Salmerón Gómez Granada, 2013 Técnicas Econométricas: breve descripción de contenidos Román Salmerón Gómez

Más detalles

PRÁCTICA 1: ANÁLISIS DE LA VARIANZA

PRÁCTICA 1: ANÁLISIS DE LA VARIANZA LADE Y DERECHO Departamento de Estadística Asignatura: Estadística II Curso: 2008/2009 Relación número 1 de prácticas PRÁCTICA 1: ANÁLISIS DE LA VARIANZA 1. Objetivo Esta práctica tiene como objetivo enseñar

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones

EL 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 detalles

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación Sistemática de Layout, SLP por sus siglas en inglés. Se hará uso de la simulación para comparar el

Más detalles

El Análisis de la Regresión a través de SPSS

El Análisis de la Regresión a través de SPSS El Análisis de la Regresión a través de SPSS M. D olores M artínez M iranda Profesora del D pto. E stadística e I.O. U niversidad de G ranada Referencias bibliográficas. Hair, J.F., Anderson, R.E., Tatham,

Más detalles

Introducción al análisis de la varianza (ANOVA)

Introducción al análisis de la varianza (ANOVA) Introducción al análisis de la varianza (ANOVA) Albert Sorribas Departament de Ciències Mèdiques Bàsiques Universitat de Lleida albert.sorribas@cmb.udl.cat última versión: 6 de febrero de 2014 Índice 1.

Más detalles

ANÁLISIS 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 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 detalles

Diseño completamente aleatorizado: análisis de la varianza con un solo factor.

Diseño completamente aleatorizado: análisis de la varianza con un solo factor. Tema 4 Diseño de experimentos Introducción. Qué es el diseño experimental? Diseño completamente aleatorizado: análisis de la varianza con un solo factor. Diseño en bloques aleatorizados. Diseño factorial

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS 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 detalles

3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO

3. 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 detalles

Una validación de la interpretación no causal del análisis factorial

Una validación de la interpretación no causal del análisis factorial Una validación de la interpretación no causal del análisis factorial José Antonio Pérez-Gil y Rafael Moreno Rodríguez Es muy frecuente asumir que los factores comunes obtenidos en el Análisis Factorial

Más detalles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO

Más detalles

aplicado al Experiencia La gestión de un servicio y, por ende, la

aplicado 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 detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

Más detalles

Tema IX. El diseño experimental

Tema IX. El diseño experimental 9.1. El problema: - Necesidades Prácticas:. Tiempo y recursos limitados. Obtención de resultados claros y repetibles - Esfuerzo experimental versus diseño experimental:. Metodológico. Estadístico 1 9.2.

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

www.atalayadecristo.org

www.atalayadecristo.org Marzo 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

Trabajo de Matemáticas y Estadística Aplicadas

Trabajo 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 detalles

REGRESION simple. Correlación Lineal:

REGRESION simple. Correlación Lineal: REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)

Más detalles

Modelos de ANOVA. Distinguir diferentes tipos de ANOVA

Modelos de ANOVA. Distinguir diferentes tipos de ANOVA Modelos de ANOVA Distinguir diferentes tipos de ANOVA Modelos de efectos fijos Modelos de efectos aleatorios (Modelo II) Modelos 2- a multifactoriales Modelos mixtos, anidados. ANOVA Situación básica Variables

Más detalles

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística

TEMA 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 detalles

Carrera: ACF-0803 4-2 - 8. Participantes. Academia Eléctrica y Electrónica del Instituto Tecnológico Superior de Coatzacoalcos

Carrera: ACF-0803 4-2 - 8. Participantes. Academia Eléctrica y Electrónica del Instituto Tecnológico Superior de Coatzacoalcos 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Análisis Estadístico a Procesos Ingeniería Electrónica ACF-0803 4-2 - 8 2.- HISTORIA

Más detalles

Experimento Gauge R & R.

Experimento Gauge R & R. Experimento Gauge R & R. Este tipo de experimento se usa para estudiar los componentes de variabilidad en un sistema de medida. Los componentes de usual interés son repetibilidad y reproducibilidad. La

Más detalles

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II.

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II. PROGRAMA DE ESTUDIOS A. ANTECEDENTES GENERALES Nombre de la asignatura Carácter de la asignatura Pre requisitos Co requisitos Créditos Ubicación dentro del plan de estudio Número de clases por semana Número

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS 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 detalles

UNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MEDICINA VETERINARIA Y ZOOTECNIA. NOTAS DE DISEÑOS EXPERIMENTALES

UNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MEDICINA VETERINARIA Y ZOOTECNIA. NOTAS DE DISEÑOS EXPERIMENTALES UNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MEDICINA VETERINARIA Y ZOOTECNIA. NOTAS DE DISEÑOS EXPERIMENTALES José C. Segura Correa. Profesor investigador Titular Mérida Yucatán, enero de 2000. PROLOGO.

Más detalles

RESULTADOS. Luego de someter los bloques de material a sus respectivas soluciones observamos que

RESULTADOS. Luego de someter los bloques de material a sus respectivas soluciones observamos que IV. RESULTADOS Luego de someter los bloques de material a sus respectivas soluciones observamos que todos los materiales sometidos a la acción de la bebida carbonatada experimentaron una disminución en

Más detalles

Capítulo 16 Análisis de varianza con medidas repetidas: El procedimiento MLG: Medidas repetidas

Capítulo 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 detalles

ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D.

ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus José Carlos Vega Vilca, Ph.D. UNIVERSIDAD DE PUERTO RICO FACULTAD DE ADMINISTRACION DE EMPRESAS INSTITUTO DE ESTADISTICA ANÁLISIS ESTADÍSTICO Calculadora Gráfica TI 83 Plus, Ph.D. Presentación Este curso ofrece al estudiante, la posibilidad

Más detalles

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado. NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido

Más detalles

Procesos de Media Móvil y ARMA

Procesos de Media Móvil y ARMA Capítulo 4 Procesos de Media Móvil y ARMA Los procesos AR no pueden representar series de memoria muy corta, donde el valor actual de la serie sólo está correlado con un número pequeño de valores anteriores

Más detalles

Facultad de Ciencias Forestales

Facultad de Ciencias Forestales Serie Didactica Nro. 5 Facultad de Ciencias Forestales UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO CÁTEDRA DE ESTADÍSTICA O. F. CONCEPTOS BASICOS SOBRE ANALISIS DE LA VARIANCIA Y DISEÑO EXPERIMENTAL EQUIPO

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

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

Alejandra Siqueiros Tarazón

Alejandra Siqueiros Tarazón UNIVERSIDAD DE SONORA MIS HIJOS `MI GRANDEZA DIVISIÓN DE CIENCIAS EXACTAS Y NATURALES DEPARTAMENTO DE MATEMÁTICAS Aplicación de la Metodología de Superficies de Respuesta para el Mejoramiento de la Calidad

Más detalles

LAB 13 - Análisis de Covarianza - CLAVE

LAB 13 - Análisis de Covarianza - CLAVE LAB 13 - Análisis de Covarianza - CLAVE Se realizó un experimento para estudiar la eficacia de un promotor de crecimiento en terneros en lactación. Se usaron cuatro dosis de la droga (0, 2.5, 5 y 7.5 mg).

Más detalles

Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS

Prof. 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 detalles

T. 5 Inferencia estadística acerca de la relación entre variables

T. 5 Inferencia estadística acerca de la relación entre variables T. 5 Inferencia estadística acerca de la relación entre variables 1. El caso de dos variables categóricas 2. El caso de una variable categórica y una variable cuantitativa 3. El caso de dos variables cuantitativas

Más detalles

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos

Hay 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 detalles

EL DISEÑO EXPERIMENTAL Y LOS MÉTODOS DE TAGUCHI: CONCEPTOS Y APLICACIONES EN LA INDUSTRIA FARMACÉUTICA RESUMEN

EL DISEÑO EXPERIMENTAL Y LOS MÉTODOS DE TAGUCHI: CONCEPTOS Y APLICACIONES EN LA INDUSTRIA FARMACÉUTICA RESUMEN EL DISEÑO EXPERIMENTAL Y LOS MÉTODOS DE TAGUCHI: CONCEPTOS Y APLICACIONES EN LA INDUSTRIA FARMACÉUTICA Enrique Yacuzzi (Universidad del CEMA) Fernando Martín (Aventis Pharma) Hugo Marcelo Quiñones (Universidad

Más detalles

ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos)

ESTADÍSTICA 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 detalles