EJERCICIOS DE DISEÑO DE INVESTIGACIÓN EXPERIMENTAL (Práctica)

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

Download "EJERCICIOS DE DISEÑO DE INVESTIGACIÓN EXPERIMENTAL (Práctica)"

Transcripción

1 EJERCICIOS DE DISEÑO DE INVESTIGACIÓN EXPERIMENTAL (Práctica) Curso 1999/000 Contenido: i) Respuestas ejercicios apuntes teoría ii) 8 Ejercicios prácticos (resueltos) Prof. Manuel Perea

2 RESPUESTAS A LOS EJERCICIOS DE LOS APUNTES DE TEORÍA (páginas 3.0, 3.1, 3. y 5.18) EJERCICIO 1. a) El procedimiento a elegir es el de Bonferroni, dado que las comparaciones son planificadas y el número de comparaciones es pequeño (sólo 3 de los 10 posibles contrastes simples). b) Con 13 participantes por grupo, los grados de libertad del denominador son de 60 (65-5). El valor crítico de Bonferroni para poner a prueba 3 contrastes con un alpha de experimento de 0'05 y 60 gl en el denominador es de 6'07. c) Dado que esta comparación ha sido propuesta a posteriori y es una comparación simple, el procedimiento para elegir el valor crítico es el de Tukey. d) El valor de q cuando tenemos 5 grupos, 60 gl en el denominador y un alpha de experimento de 0'05 es de 3'98. El valor crítico correspondiente es (3'98) /=7'9. e) El valor crítico de Bonferroni para poner a prueba 3 comparaciones planificadas es substancialmente menor que el valor crítico de Tukey para poner a prueba todas las comparaciones simples. De esta manera, el precio a pagar por "revisar" las comparaciones tras haber examinado los datos es un incremento del valor crítico, lo que desemboca en un descenso en la potencia para cada una de las comparaciones. EJERCICIO. Promediando las 4 cuasivarianzas tenemos la media cuadrática de error (media cuadrática del denominador), que es 100. La MC del numerador es 800. Así que la F observada es 800/100=8 El valor crítico con Scheffé es: (a-1)f 0'05;a-1;N-a que para este diseño implica un valor crítico de (4-1)F 0'05;4-1;100-4

3 3 Tal valor es 3('696)=8'09. Es decir, el contraste no ha resultado significativo con el método de Scheffé, como indicó el investigador. (Hemos mirado 100 gl en el denominador, al no haber el 96.) b) El procedimiento de Tukey es el empleado en este caso, dado que los contrastes a posteriori son simples. El valor de la F observada es, evidentemente, el mismo de antes, 8, mientras que el valor crítico de Tukey viene dado por la expresión (q 0'05;a ;N a ) / El valor crítico de Tukey vale 6'83. Es decir, la diferencia de medias es significativa con el procedimiento de Tukey. Ello ilustra que el procedimiento de Tukey es más potente que el de Scheffé para poner a prueba los contrastes simples. EJERCICIO 3. a) Hagamos primero el escenario de emplear la Media Cuadrática global (de los cuatro grupos), vemos que es 5. La SC del numerador es SCnum = 5(6 8) = 10 por lo que la F observada es F = 10/1 MCerror = 10/1 5 = El valor crítico de Tukey (el apropiado en este caso, al ser comparaciones simples y a posteriori; tenemos 14 grupos y 6 grados de libertad en el denominador: 0-4=16) es de (4'046) /=8'185. Es claro que la F observada es menor que el valor crítico, por lo que mantenemos la hipótesis nula (es decir, no hay diferencias significativas de medias entre los grupos 3 y 4). Hagamos ahora el escenario de emplear la Media Cuadrática de los dos grupos implicados, y vemos que es 9 (el promedio de 9 y 9; las cuasivarianzas de ambos grupos). La SC del numerador es, lógicamente, la de antes: SCnum = 5(6 8) = 10

4 4 y la F observada es F = 10/1 MCerror = 10/1 9 = 1'11 El valor crítico de Tukey (el apropiado en este caso, al ser comparaciones simples y a posteriori; tenemos 4 grupos y 8 grados de libertad en el denominador: 10-=8) es de (4'59) /=10'6. Es claro que la Fobs es menor que el valor crítico, por lo que mantenemos la hipótesis nula (es decir, no hay diferencias de medias entre los grupos 3 y 4). En conclusión, ambos términos de error dan lugar al mantenimiento de la hipótesis nula. b) Hagamos primero el escenario de emplear la Media Cuadrática global (de los cuatro grupos), vemos que es 5. La SC del numerador es SCnum = 5(4 6) = 10 que lógicamente es la misma que en el apartado a (la diferencia de medias era de unidades en ambos casos) así que la F observada es F = 10/1 MCerror = 10/1 5 = dado que la Fobservada es la misma que antes, y el valor crítico es también de 8'185, mantenemos la hipótesis nula. Pasemos ahora al segundo escenario, empleando la media cuadrática de error de los grupos implicados (grupos 1 y ). La media cuadrática de error es de 1 (promedio de 1 y 1) y la suma de cuadrados del numerador sigue siendo 10. La razón F será F = 10/1 MCerror = 10/1 1 = 10 El valor crítico en este caso es de 10'6, así que tampoco varían las conclusiones, aunque en este caso la F observada ha estado muy cercana a la significatividad. Es más,

5 5 si las comparaciones (grupo 1 v. grupo y grupo 3 vs. grupo 4) hubieran sido a priori, el ajuste de Bonferroni hubiera producido que esta última diferencia fuera significativa. c) Hay que fijarse que no hay homogeneidad de varianzas entre los grupos, lo cual es un supuesto del ANOVA. (Las varianzas de los grupos 3 y 4 son nueve veces la varianza de los grupos 1 y.) Por ello, a la hora de efectuar los contrastes simples bajo heterogeneidad de varianzas resulta aconsejable emplear la media cuadrática de los grupos implicados en el contraste más que la MCerror del ANOVA global. EJERCICIO 4. a) Sí que es posible efectuar el ANOVA global. Dado que este conjunto de contrastes es ortogonal, la suma de cuadrados atribuible a los 3 contrastes es aditiva. Por tanto la suma de cuadrados del numerado vendrá dada por: SCnum = E R E C = SC ψ 1 + SC ψ + SC ψ 3 SCnum = = 375 y la F observada es: F = 375/(4 1) MCerror = 375/3 5 = 5 El valor crítico con 3 gl en el numerador y 40 en el denominador es '84. Por tanto, se rechaza la hipótesis nula de que las 4 medias son iguales. b) las Fs observadas serán ψ 1 :F= 75/1 5 = 3 ψ :F = 175/1 5 = 7 ψ 3 :F = 15/1 5 = 5 El valor crítico apropiado viene dado por el ajuste de Bonferroni, dado que sólo tenemos 3 contrastes a priori. Con 40 gl en el denominador, tal valor es de 6'4. Por tanto, únicamente el segundo contraste es significativo.

6 6 NOTA DE INTERÉS: Observa que la F observada del ANOVA global es igual al promedio de las F observadas de los 3 contrastes ortogonales. De hecho, el valor F del ANOVA global puede ser conceptualizado como un valor F promedio a través de un conjunto de a-1 contrastes ortogonales: ANOVA global: F = a j=1 F ψ j a 1 donde los a-1 contrastes sean ortogonales EJERCICIO 5. a) Efectuando el ANOVA global vemos que F = a n (Y j Y) j=1 a 1 a s~ j j=1 /a = 11( ) 150 = 3'5 El valor crítico con gl en el numerado y 30 en el denominador es de 3'3. Así que el rechazamos la hipótesis nula del ANOVA global (la hipótesis nula en el ANOVA lgobal indica que las medias poblacionales de los 3 grupos son iguales). b) Si hacemos la diferencia mayor (10 vs ; grupos 1 vs 3) tenemos como suma de cuadrados SCnum = 11(10 ) = 79 y la razón F será F = 79/1 150 = 5'8 El valor crítico de Tukey (al ser las comparaciones que queremos simples y a posteriori) es de (3'49) /=6'09, por lo que mantenemos la hipótesis nula respecto al contraste de medias entre los grupos 1 y 3. Tal resultado cabe catalogarlo como inconsistente con el del ANOVA global, dado que es evidente que las otras comparaciones simples restantes (grupo vs grupo 3; o

7 7 grupo 1 vs grupo ) tampoco darán valores de F observada mayores al valor crítico, mientras que sí se rechazó la hipótesis nula en el ANOVA global. Esta inconsistencia sucede con relativa frecuencia con la prueba de Tukey (cuando el ANOVA global es significativo, pero por poco). b) El aspecto a recalcar es que un rechazo de la hipótesis nula en el ANOVA global (con un número de grupos de 3 o más) no implica necesariamente que se pueden encontrar diferencias significativas en alguna de las comparaciones simples. Lo que sí ocurre es que al menos un contraste será estadísticamente significativo con el método de Scheffé. Claro está, tal comparación no tiene por qué ser simple. En nuestro caso, veremos que obtenemos diferencias significativas cuando el contraste se refiere a si el promedio de las medias poblacionales de los grupos 1 y es igual a la media poblacional del grupo 3: H 0 : (µ 1 +µ ) =µ 3 ψ= (µ 1 +µ ) µ 3 = 0'5µ 1 + 0'5µ + ( 1)µ 3 la suma de cuadrados del numerador es: SCnum = (ψ) a c j j=1 /n j = (0' ' ) (0'5)/11 + (0'5)/11 + (1)/11 = 144 0'1364 = 1055'7 y la F observada es: F = 1055'7/1 150 = 7'04 El valor crítico con la prueba de Scheffé es (a-1)f 0'05;a-1;N-a que para este diseño implica un valor crítico de (3-1)F 0'05;3-1;33-3 que es (3'316)=6'63

8 8 Por tanto, se rechaza la hipótesis nula referida al contraste complejo anteriormente indicado. (Observa en todo caso que el valor crítico de Scheffé ha sido mayor que el obtenido con Tukey.) EJERCICIO 6. Página 5.18 (diseños univariados intra-sujeto) a) Nivel Sujeto 1 3 Medias Medias La suma de cuadrados del efecto (suma de cuadrados del numerador) es: a SC A = SCnum = (Y.j Y..) = 5(9 11) + (11 11) + (13 11) = 40 j=1 La suma de cuadrados del error (suma de cuadrados del denominador) en los diseños intra-sujetos univariados es: n a SC AxS = SC error = (Y ij Y.j Y i. + Y.. ) i=1j=1 que en nuestro caso resulta SC AxS = ( ) + ( ) ( ) = 8 por tanto, la F observada será F = SC A /gl A SC AxS /gl AxS = 40/ 8/(4 ) = 0

9 9 los gl del numerador son a-1=3-1= (número niveles menos 1). Los gl del denominador son los de la interacción. Así que gl de la interacción AxB son los gl de A por los gl de B (*4=8). El valor crítico de la F con gl en el numerador y 8 en el denominador es de 4'46. Por tanto se rechaza la hipótesis nula global (es decir, aquella hipótesis que indica que todas las medias poblacionales son iguales). b) la suma de cuadrados del numerador, suponiendo que tengamos 15 sujetos diferentes (5 sujetos en cada grupo) sería a SC A = SCnum = n (Y j Y) = 5(9 11) + (11 11) + (13 11) = 40 j=1 que es el MISMO valor que cuando el diseño era intra-sujetos. Lo que varía entre un diseño entre-sujetos y uno intra-sujetos es el DENOMINADOR (el término de error). c) En este caso, la suma de cuadrados del denominador es a n SC error = (Y ij Y j ) = (10 9) + ( 9) (18 13) = 36 j=1 i=1 (Evidentemente, podrías haber calculado las cuasivarianzas en cada nivel del factor, y el promedio de las mismas hubiera dado la Media Cuadrática de Error.) y la F observada es F = SC A /gl A SC error /gl error = 40/ 36/(15 3) = 0'66 Ahora los gl del denominador son N-a (15-3=1) Como la F observada es menor de 1, se mantiene la hipótesis nula (NO HACE FALTA IR A TABLAS con Fs<1). En todo caso, el valor crítico es de 3'89.

10 10 Es claro que típicamente un diseño "intra" tiene más potencia que uno "entre". d) Ahora habría que efectuar contrastes simples y a posteriori sobre el factor A (en el caso de considerarlo como intra-sujetos como es el caso). Para simplificar, consideraremos que la MCSxA como el denominador para los contrastes. Media grupo 1 vs. media grupo SCnum = 5(9 11) = 10 con lo que F = 10/1 8/8 = 10 El valor q de Tukey es de 4'041 (3 grupos y 8 gl en el denominador). La F crítica es F = 4'041 = 8'1648 por tanto la diferencia entre las medias de los grupos 1 y es significativa. Evidentemente, dado que la diferencia era de unidades y el denominador de la F es el mismo para los otros contrastes, las otras diferencias de medias (grupo vs grupo 3 con una diferencia de unidades, grupo 1 vs grupo 3 con una diferencia de 4 unidades) también serán significativas.

11 11 8 EJERCICIOS DE DISEÑO DE INVESTIGACIÓN EXPERIMENTAL (soluciones al final) 1. Se divide una muestra de estudiantes de Humanidades en tres grupos de 10 estudiantes cada uno. Un grupo recibe la instrucción de los conceptos relevantes antes de la lectura de los textos, un segundo grupo recibe la instrucción de los conceptos tras la lectura de los textos, y hay un tercer grupo de control (sin instrucción de conceptos relevantes). El alpha a emplear es de 0'01. Los estadísticos obtenidos tras la prueba son (nota: las calificaciones van de 0 a 100): Antes Después Control Medias Cuasi-var a) Efectúa el ANOVA global a partir de estos estadísticos e indica si la razón F es significativa. Indica la región de rechazo y los grados de libertad de la razón F. Qué te indicaría un resultado estadísticamente significativo? b) Tras observar las medias, el grupo "antes" parece que logra un rendimiento diferente al de los otros dos grupos. Por ello, parece una buena idea poner a prueba dos contrastes. El primer contraste es si la media poblacional del grupo "antes" es mejor que el promedio de las medias poblacionales de los otros dos grupos. En otras palabras, queremos poner a prueba la siguiente hipótesis nula: H 0 : µ 1 = µ + µ 3 El segundo contraste que parece de interés es si hay diferencias de medias entre el grupo "antes" y "después". c) Indica tus conclusiones.. Un estudiante de doctorado efectuó un ANOVA factorial para investigar el aprendizaje de los niños. Un factor fue el tipo de práctica (masiva vs. distribuida). El segundo factor era la presencia o ausencia de retroalimentación. Las medias por condición fueron las siguientes (NOTA: a mayor puntuación, mayor aprendizaje):

12 1 Retroalimentación Presente Ausente Masiva 6 47 Práctica Distribuida Había 15 participantes por condición y la media cuadrática de error era de 400. a) El estudiante afirma que la diferencia entre práctica masiva y distribuida es menor cuando hay retroalimentación que cuando no la hay. Estás de acuerdo? b) Otro estudiante de doctorado indica, al ver los datos, que el efecto de retroalimentación es menor cuando hay práctica distribuida que cuando hay práctica masiva. Estás de acuerdo? c) Se puede decir que los efectos de retroalimentación y de práctica son aditivos en esta situación? 3. Era el año estelar 93.7 cuando una expedición norteamericana realizó un experimento bajo condiciones muy específicas con nativos de Europa (el satélite de Júpiter). El experimentador obtuvo las siguientes medias muestrales en un diseño factorial entre-sujetos 3x (con n alienígenas en cada condición), que transmitió a la base terrestre: B b1 b a A a 8 1 a Tras ello, el experimentador realizó un ANOVA con los datos y se disponía a recoger los datos de la impresora cuando un maldito alienígena rebelde (o luchador por la libertad, en versión de los nativos europeos) que se encontraba por allí derramó ácido sulfúrico sobre el experimentador, lo que provocó una mancha en la tabla del ANOVA. Después de "retirar" uno a uno a los miembros de la expedición, el extraterrestre europeo destruyó el disco duro del ordenador (y no había copia de seguridad de los datos brutos...). Esto es lo que una posterior expedición norteamericana, 3 años estelares después, encontró de la tabla original del ANOVA:

13 13 FV SC gl MC F A B AxB Error Sabiendo que tienes un talento especial para el diseño experimental y el análisis de datos, el gobierno te descrioniza y te pide que rellenes el resto de la tabla de ANOVA. En concreto: a) Halla el valor de la suma de cuadrados de A b) Halla el valor de la suma de cuadrados de B c) Halla los valores de los grados de libertad de A, B y de AxB d) Calcula la Media Cruadrática de erro para los efectos principales y para la interacción. e) Calcula las razones F para cada efecto. Qué efectos son significativos con un alpha de 0'05? f) Un investigador americano afirma que la interacción no será significativa. Dado que el investigador esta interesado especialmente en el efecto principal de A, decide reanalizar los datos como un diseño entre-sujetos unifactorial con 3 grupos, ignorando totalmente B. Qué es lo que encontrará? 4. Para estudiar el aprendizaje configuracional y de components, Zeiler (1964) seleccionó 1 niños en cada uno de los 3 niveles de edad (3, 5 y 7 años; factor A). Todos fueron entrenados en un problema de discriminación (factor B) entre dos situaciones y probados en un problema de cuatro situaciones, pero mientras la mitad de los niños habían de solucionar problemas de prueba de componentes con los mismos elementos correctos en el entrenamiento que en el test, la otra mitad tenían que resolver problemas de prueba configuracional con la misma respuesta direccional en el entrenamiento y en el test. La variable dependiente era el número de respuestas correctas. La tabla de medias es la siguiente:

14 14 3 años 5 años 7 años Comp Conf Comp Conf Comp Conf a) Traza el gráfico adecuado. b) Efectúa el ANOVA. b) Efectúa las pruebas posteriores que consideres adecuadas. d) Indica las conclusiones del trabajo. 5. Supongamos que se pide a un psicólogo social que efectúa una prueba sobre el factor de seguridad de 3 modelos de coche. Para ello dispone de 6 conductores que conducirán los 3 modelos en un circuito de carreras en un order contrabalanceado (todos los conductores conducirán los 3 modelos de coche), los cuales asignarán un índice se seguridad a cada automóvil. (NOTA: A mayor puntuación mayor seguridad.) a) Efectúa la tabla del ANOVA global. b) Efectúa los análisis ulteriores que consideres pertinentes e indica tus conclusiones. Número conductor SIAT DUDWAGEN LENOLT Weaver (1974) estudió el efecto del tiempo de estudio postestimular sobre la memoria de reconocimiento visual. Para ello utilizó como estímulos fotografías complejas en color. Weaver pensaba que tanto el incremento de la duración de la presencia del estímulo (1 o 3 segundos) como el tamaño del intervalo inter-estímulo sin presencia de estímulos ( o 6 segundos) conduciría a mejorar la ejecución en una prueba de reconocimiento de dos alternativas de lección forzada. El diseño era intra-sujeto con factores (duración del estímulo, intervalo inter-estímulo). La variable dependiente era el tiempo de reconocimiento (en segundos). Los resultados son los siguientes:

15 15 IIE-seg IEE-6 seg Dur-1 Dur-3 Dur-1 Dur a) Efectúa el gráfico adecuado. b) Efectúa el ANOVA (nota: la media cuadrática de AxBxS es '067: de tedioso cálculo, así que no hace falta que la calcules). c) Efectúa los análisis posteriores que consideres adecuados. d) Indica tus conclusiones. 7. En uno de sus múltiples viajes con la nave Enterprise, donde nadie había llegado antes, el capitán Jean-Luc Picard llevó a cabo un estudio para analizar los efectos de la raza y de la frecuencia de las palabras (en valenciano) sobre el recuerdo. La muestra se componía de 0 klingons y 0 vulcanianos. Todos ellos habían superado el curso elemental de valenciano en 3 horas para alienígenas. A cada sujeto experimental se le dio una lista de 30 palabras valencianas, la mitad de las cuales eran de alta frecuencia y la otra mitad de baja frecuencia, que luego habían de recordar. La hipótesis del estudio era que el efecto de frecuencia en el recuerdo para los klingons sería mayor que para los vulcanianos. Esta es la tabla del ANOVA ofrecida por el comandante Data: FV SC gl MC F Raza Frec.Palab Raza X Frec Error Data quizás no realizó el análisis de varianza conforme debiera (observa bien la tabla del ANOVA y el diseño del experimento...). En todo caso, has de suponer que no se cometió ningún error numérico en la aplicación de las fórmulas. a) Qué es lo que hay erróneo en el experimento?

16 16 b) Si el análisis de varianza estuviese hecho correctamente, qué fuentes de variación, términos de error y grados de libertad serían los apropiados? c) Puedes determinar las sumas de cuadrados para cada uno de los efectos en el que sería el ANOVA correcto? d) Puedes determinar las sumas de cuadrados para cada uno de los término de error en el que sería el ANOVA correcto? 8. Supongamos que tenemos un experimento con 3 niveles del factor "ingesta de alcohol" del que tenemos los datos que se ofrecen en la tabla (la variable dependiente es el número de errores en cierta tarea). Supongamos también que nos dicen que el valor de la F observada del ANOVA global es de infinito. A1 A A3 4 XX 6 1 ** 8 %% $$ a) Indica el valor de p b) Indica el tipo de diseño del experimento (entre o intra) c) Indica el valor de XX, **, %% y de $$ (el uso de signos diferentes no implica que sean números diferentes) d) Calcula las medias de A y de A3

17 17 SOLUCIONES A LOS EJERCICIOS DE ESTE CUADERNILLO Ejercicio 1. La MC numerador es 33.33, la MC error es de 70, así que la F obs es 4'6. Como la F teórica (alpha de 0'01) es de 5.4, mantenemos la hip. Nula. Ninguno de los contrastes es significativo. Se aplica Scheffé como valor crítico, al ser a posteriori y con uno de ellos complejo. Dado que ningún contraste puede salir con Scheffé cuando el ANOVA global no sale, no hace falta calcularlo. En todo caso, el VC de Scheffé es *5.45= La F del contraste complejo es 8.59 y la del contraste simple es Se debe señalar que aunque no ha habido un efecto significativo de la variable en cuestión, ello ha podido ser debido a falta de potencia. Recordad que el alfa en el ejercicio era de 0'05. Con un alfa de 0'05 el efecto principal hubiera sido significativo. Ejercicio. a y b) En ambos casos se pregunta por la interacción que, si la hacéis veréis que NO es significativa, F(1,56)=0.6. Por tanto, no es cierto lo que afirman ambos estudiantes. c) Sí, los dos efectos son aditivos (AL NO HABER INTERACCIÓN). Tanto el efecto de retroalimentación, F(1,56)=4.54, como el de práctica, F(1,56)=10.84, son significativos, pero no así la interacción. Ejercicio 3. a) N=66 (el denominador es N-ab) así que n=11, y la SC de A es 176 b) La SC de B es 64 c) Gl de A es (3 niveles), gl de B es 1 y gl de AB es d) MCerror es 160/60=7 e) F de A es 3'6, F de B es 9'78 y F de AB es 0'81 f) Son significativos los efectos principales, no así la interacción. La suma de cuadrados de A es la misma que la SC de A en el experimento factorial.

18 18 Ejercicio 4. a c ac Error a 1 c a 1 c a c a c a 3 c a 3 c a 1 a a 3 c 1 c Es claro por el valor p que ambos factores están interactuando de manera significativa. Ello se aprecia bien en la gráfica. Ahora los pasos son los efectos simples. Y como los efectos de A en C1 y los de A en C son significativos, habrá que hacer contrastes de las medias de A en C1 por una parte (debido a que la F de A en C1 es significativa) y contrastes de las medias de A en C (debido a que la F de A en C es significativa). Al hacer los contrastes sobre las medias de A en C1, recordar que tenemos 3 grupos (a la hora de ir a las tablas de Tukey, y la MCerror es la del ANOVA global). Hay diferencias significativas entre A1C1 y las otras dos condiciones (AC1 y A3C1), no habiéndolas entre esta últimas. Por lo que respecta a los contrastes de A en C, todas las diferencias son significativas con el método de Tukey.

19 19 Ejercicio 5. Problema 5. Tabla del ANOVA: FV gl SC MC F p G-G epsilon Subjects C Error C C C No hay que efectuar ulteriores análisis dado que el efecto no llega a ser significativo. Ejercicio 6. ANOVA: Medias: Subjects i Error d Error id Error i 1 d i 1 d i d i d No hace falta hacer ninguna prueba tras el ANOVA global, dado que ningún efecto ha sido significativo.

20 D 1 D I 1 I Parece que ninguno de los factores manipulados afecta en gran medida a la ejecución en la prueba de reconocimiento. Si bien hay que indicar que la variable intervalo inter-estímulo ha estado a punto de ser significativa (p=0.053) con lo que con unos pocos más sujetos el efecto podría haber sido significativo. Ejercicio 7. a) El diseño es mixto, pero la tabla del ANOVA refleja un diseño entre. b) Tendríamos las siguientes fuentes de variación: R, S/R, F, FR, FxS/R; y los gl respectivos serían: 1, 38, 1, 1 y 38. c) Sí, las SC de los numeradores son las mismas que en la tabla de Data. d) No, necesitamos los datos originales Ejercicio 8. a) Una F de infinito implica que la Media Cuadrática de error es de 0. Dado que hay cierta variabilidad dentro del grupo de A1, el diseño no puede ser "entre" (dado que la variabilidad sería mayor que 0). Así que el diseño es "intra". b) Valdría 0. c) Dado que el denominador es 0 en un diseño intra, ello implica que los efectos de Sujetos y del Factor son completamente ADITIVOS. Así que TODOS los sujetos muestran los MISMOS efectos del factor. Así, XX=5 (dado que el sujeto muestra un incremento de 1 unidad entre A1 y A), **=3, %%=9, $$=10. d) media de A=5.33, media de A3=6.33.

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

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

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

1. Realice la prueba de homogeneidad de variancias e interprete los resultados.

1. Realice la prueba de homogeneidad de variancias e interprete los resultados. 1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis

Más detalles

Tema 18 Análisis de la varianza de un factor (ANOVA) Contraste paramétrico de hipótesis

Tema 18 Análisis de la varianza de un factor (ANOVA) Contraste paramétrico de hipótesis Tema 18 Análisis de la varianza de un factor () Contraste paramétrico de hipótesis Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) Pruebas de contraste

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

1. Identifique el tipo de diseño que se ha utilizado en esta investigación.

1. Identifique el tipo de diseño que se ha utilizado en esta investigación. 3ª PRÁCTICA DE ORDENADOR: práctica A (FEEDBACK) Winer (71) describió un experimento en el que se estudió el efecto de tres drogas sobre el tiempo de reacción en una serie de tareas estandarizadas. Se observó

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

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

El diseño factorial: efecto de la interacción. (Modelo no aditivo)

El diseño factorial: efecto de la interacción. (Modelo no aditivo) El diseño factorial: efecto de la interacción (Modelo no aditivo) La comprensión de los fenómenos psicológicos supone en muchas ocasiones analizar el efecto conjunto de varias variables dado que sólo su

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

DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas

DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas Hasta ahora hemos ido desarrollando las pruebas parámetricas para contrastar hipótesis de un grupo

Más detalles

PROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ

PROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ PROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ Resumen de Psicología Experimental 1 PSICOLOGÍA EXPERIMENTAL Manuel Miguel Ramos Alvarez. I. FUNDAMENTOS METODOLÓGICOS DE LA

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

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

DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS Enero/febrero Código asignatura: MODELO A DURACION: 2 HORAS

DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS Enero/febrero Código asignatura: MODELO A DURACION: 2 HORAS DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS Enero/febrero 2014. Código asignatura: 62012054 MODELO A DURACION: 2 HORAS Material: Formulario, Tablas y calculadora no programable Calificación= (0,4 x Aciertos)

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

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

Al nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).

Al nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C). A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos

Más detalles

ANALIZAR Comparar medias

ANALIZAR Comparar medias Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las

Más detalles

7. De acuerdo con la gráfica siguiente, el contraste estadístico es:

7. De acuerdo con la gráfica siguiente, el contraste estadístico es: 1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?

Más detalles

AVISOS. Diseño Factorial 30/03/2015. Bioestadística II. Diseño Factorial. El miércoles 1 Abril no hay clases de BIO II

AVISOS. Diseño Factorial 30/03/2015. Bioestadística II. Diseño Factorial. El miércoles 1 Abril no hay clases de BIO II Facultad de Ciencias EYactas, Físicas y Naturales Universidad Nacional de Córdoba AVISOS Bioestadística II 2015 El miércoles 1 Abril no hay clases de BIO II http://estadisticaybiometria.wordpress.com seguir

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

CIS 0,234 en paro 0,226 0,431 0,192 0,151

CIS 0,234 en paro 0,226 0,431 0,192 0,151 MODELO C. Septiembre 2012 Calificación = (0,4 x Aciertos) (0,2 x Errores) SITUACIÓN 1: El barómetro del CIS de marzo de 2012 realizado en 240 municipios de 48 provincias señalaba que el 23,4% estaba en

Más detalles

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación

Más detalles

Supuestos y comparaciones múltiples

Supuestos y comparaciones múltiples Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución

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

Estadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.

Estadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min. Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del

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

Test ANOVA. Prof. Jose Jacobo Zubcoff 1 ANOVA ANOVA. H 0 : No existen diferencias entre los k niveles H 1 : La hipótesis nula no es cierta

Test ANOVA. Prof. Jose Jacobo Zubcoff 1 ANOVA ANOVA. H 0 : No existen diferencias entre los k niveles H 1 : La hipótesis nula no es cierta Test Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) H 0 : No existen diferencias entre los k niveles H : La hipótesis nula no es cierta Parte de

Más detalles

Cuando los ceros de la p sí importan

Cuando los ceros de la p sí importan Cuando los ceros de la p sí importan Ya sabemos que para contrastar la igualdad de medias de dos muestras que se distribuyan de forma normal podemos utilizar la prueba de la t de Student. Así que asumimos

Más detalles

Clave Lab 7- Experimentos con dos Factores

Clave Lab 7- Experimentos con dos Factores Clave Lab 7- Experimentos con dos Factores 1. Se realizó un experimento para estudiar los efectos de tres niveles de ácido sórbico (0, 100 y 200 ppm) y seis niveles de actividad de agua (AW) en la supervivencia

Más detalles

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia

Más detalles

DCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.

DCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles. completamente aleatorizado (DCA): 1 solo factor con diferentes tratamientos. DCA: Es el más simple de todos los diseños, solamente se estudia el efecto de un factor, el cual se varía en diferentes tratamientos

Más detalles

TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA

TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,

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

Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears

Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza

Más detalles

T. 4 Inferencia estadística acerca de la relación entre variables (II): el análisis de varianza (ANOVA).

T. 4 Inferencia estadística acerca de la relación entre variables (II): el análisis de varianza (ANOVA). T. 4 Inferencia estadística acerca de la relación entre variables (II): el análisis de varianza (ANOVA). 1. El ANOVA de un factor para muestras independientes 2. El ANOVA de un factor para muestras relacionadas

Más detalles

UNED. DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 6] Análisis de datos en diseños intra-sujetos

UNED. DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 6] Análisis de datos en diseños intra-sujetos 01 UNED DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 6] Análisis de datos en diseños intra-sujetos 1 ÍNDICE 6.1.- Introducción 6..- Objetivos del tema 6.3.- Diseños de un factor intra-sujetos. 6.3.1.-

Más detalles

LECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos

LECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos LECCIÓN PÚBLICA Tema 5 Algunas Pruebas Profa. María Fátima Dos Santos 1 TEMARIO Fundamentos de estadística inferencial Método hipotético deductivo (Juego de hipótesis) Elementos en el contraste de hipótesis

Más detalles

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016 Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica

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

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

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 6 Problema 1.- Tengamos las variables sexo, nivel económico y consumo de tabaco. Los datos son los siguientes: Hombre Mujer Alto Bajo Alto Bajo 10 10

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

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

ANOVA mul)factorial. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

ANOVA mul)factorial. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff ANOVA mul)factorial Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Se puede examinar más de un factor simultáneamente (ANOVA de 2 factores, de 3 factores, etc.) Por qué un único análisis

Más detalles

ANALIZAR Comparar medias

ANALIZAR Comparar medias Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las

Más detalles

Estadísticas II. M. en E. M. Milagros Eugenia Faci. 15 de julio de 2010

Estadísticas II. M. en E. M. Milagros Eugenia Faci. 15 de julio de 2010 010 Estadísticas II M. en E. M. Milagros Eugenia Faci 1 de julio de 010 Estadísticas II CONTENIDO INTRODUCCIÓN...3 PASO 1. DATOS DEL COEFICIENTE INTELECTUAL DE LA CLASE ALTA, MEDIA Y BAJA...3 PASO. ENCONTRAR

Más detalles

Tema 8: Contrastes de hipótesis

Tema 8: Contrastes de hipótesis Tema 8: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para

Más detalles

Estas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías

Estas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis

Más detalles

Ejemplos Resueltos Tema 4

Ejemplos Resueltos Tema 4 Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis

Más detalles

RESPUESTAS BREVES A LA PRÁCTICA 6

RESPUESTAS BREVES A LA PRÁCTICA 6 RESPUESTAS BREVES A LA PRÁCTICA 6 EJERCICIO [Prueba bilateral] Se rechaza la hipótesis nula con un nivel de significación del % (z =5). La evidencia muestral sostiene la hipótesis de que el puntaje medio

Más detalles

Práctica 9: Anova (2).

Práctica 9: Anova (2). Práctica 9: Anova (2) Dedicamos esta práctica al estudio de modelos bifactoriales del análisis de la varianza Veremos concretamente diseños bifactoriales con y sin interacción, diseño por bloques al azar

Más detalles

U ED Tudela Diseños de investigación y análisis de datos - Tema 2

U ED Tudela Diseños de investigación y análisis de datos - Tema 2 Diseños de investigación y análisis de datos Preguntas de exámenes TEMA 2: CONTRASTE DE HIPÓTESIS EN DISEÑOS DE UNA MUESTRA 1.- El valor crítico se obtiene: A) A partir del nivel de significación adoptado.

Más detalles

1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología

1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología Exemple Examen Part II (c) Problema 1 - Solución. En un estudio sobre la elección de la carrera universitaria entre envió cuestionarios a una muestra aleatoria simple de estudiantes preguntando la carrera

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

Cuestiones: Variable dependiente, variable independiente, variable extraña

Cuestiones: Variable dependiente, variable independiente, variable extraña ESTADÍSTICA II. Nom i Cognoms: data: SUPUESTO DE INVESTIGACIÓN: trastornos del lenguaje y Alzheimer. Supongamos que un investigador está interesado en estimar la magnitud de la diferencia entre dos medias

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

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

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

Folleto de Estadísticas. Teoría del 2do Parcial

Folleto de Estadísticas. Teoría del 2do Parcial Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad

Más detalles

Tema 6: Introducción a la inferencia estadística Parte 1

Tema 6: Introducción a la inferencia estadística Parte 1 Tema 6: Introducción a la inferencia estadística Parte 1 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región

Más detalles

CLAVE - Lab 5 - Contrastes

CLAVE - Lab 5 - Contrastes CLAVE - Lab 5 - Contrastes 1. Se realizó un experimento para comparar cuatro conservadore diferentes para fresas congeladas (C1, C2, C3, C4). Se cosecharon suficientes fresas para obtener 32 muestras de

Más detalles

Pruebas de Hipótesis Multiples

Pruebas de Hipótesis Multiples Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ

Más detalles

Y ± E max 37,3 ± 0,866 (36,43; 38,17)

Y ± E max 37,3 ± 0,866 (36,43; 38,17) Modelo A. Febrero 2015. No debe entregar los enunciados Fórmula de corrección: Aciertos (Errores / 2) Material permitido: Formulario de cualquier curso académico sin anotaciones y cualquier tipo de calculadora

Más detalles

Esta prueba no paramétrica es análoga a la prueba paramétrica ANOVA de una vía.

Esta prueba no paramétrica es análoga a la prueba paramétrica ANOVA de una vía. Prueba de Kruskal-Wallis: Esta prueba no paramétrica es análoga a la prueba paramétrica ANOVA de una vía. Aquí se prueba si varias muestras independientes (más de dos muestras o lo que es lo mismo decir

Más detalles

CONTRASTES PARAMÉTRICOS

CONTRASTES PARAMÉTRICOS CONTRASTES PARAMÉTRICOS Contenidos Introducción 75 Contraste de dos medias 76 Grupos independientes 77 Grupos dependientes 85 Contraste de dos varianzas independientes 92 ANOVAs Unifactoriales entre e

Más detalles

Diseño de experimentos Hugo Alexer Pérez Vicente

Diseño de experimentos Hugo Alexer Pérez Vicente Diseño de experimentos Hugo Alexer Pérez Vicente Métodos complementarios al análisis de varianza Comparaciones múltiples Comparación o pruebas de rangos múltiples Después de que se rechazó la hipótesis

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición... Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................

Más detalles

Estadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones

Estadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida

Más detalles

Ejemplos Resueltos Tema 4

Ejemplos Resueltos Tema 4 Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis Contraste de Hipótesis Introducción Ejemplo El peso de plantines de un arbusto forrajero, almacenado a temperatura y humedad relativa ambientes, obtenido a los 20 días desde la germinación es en promedio

Más detalles

Verificación de una hipótesis sobre una media

Verificación de una hipótesis sobre una media Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.

Más detalles

ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)

ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de

Más detalles

CLAVE - LAB 4 - Determinación de Tamaño Muestral y Comparaciones Múltiples

CLAVE - LAB 4 - Determinación de Tamaño Muestral y Comparaciones Múltiples Potencia Revisado_febrero_2016_LWB/CL CLAVE - LAB 4 - Determinación de Tamaño Muestral y Comparaciones Múltiples 1. Considere el problema 2 del laboratorio 2. Se está planificando realizar de nuevo este

Más detalles

PROF. LUIS NAVA PUENTE MAYO 2010

PROF. LUIS NAVA PUENTE MAYO 2010 PROF. LUIS NAVA PUENTE MAYO 2010 INTRODUCCIÓN El diseño de experimentos tiene una amplia aplicación en muchas disciplinas, de hecho, se puede ver la experimentación como parte del proceso científico y

Más detalles

b) Use la salida de SPSS para reproducir lo que pueda de los cálculos que hace SPSS. Estadísticos de contraste b TIEMPO

b) Use la salida de SPSS para reproducir lo que pueda de los cálculos que hace SPSS. Estadísticos de contraste b TIEMPO Ejercicios resueltos de Métodos no paramétricos 1. Una agencia publicitaria está investigando a qué tipo de avisos le prestan más atención los adolescentes. Se observan a 11 niños, a 6 se les muestra avisos

Más detalles

Diseño de experimentos. Introducción

Diseño de experimentos. Introducción Diseño de experimentos Introducción Objetivo: Introducción Es estudiar la influencia de FACTORES en la RESPUESTA RESPUESTA Variable de interés FACTOR(ES) Pueden ser controlados OTRAS VARIABLES Que pueden

Más detalles

Contrastes basados en el estadístico Ji Cuadrado

Contrastes basados en el estadístico Ji Cuadrado Capítulo 10 Contrastes basados en el estadístico Ji Cuadrado 10.1. Introducción Existen multitud de situaciones en el ámbito de la salud en el que las variables de interés, las cuales no pueden cuantificarse

Más detalles

TABLA DE CONTENIDOS CAPÍTULO 4: PRINCIPALES CRITERIOS PARA LA CLASIFICACIÓN DE LOS DISEÑOS EXPERIMENTALES CLÁSICOS O FISHERIANOS...

TABLA DE CONTENIDOS CAPÍTULO 4: PRINCIPALES CRITERIOS PARA LA CLASIFICACIÓN DE LOS DISEÑOS EXPERIMENTALES CLÁSICOS O FISHERIANOS... TABLA DE CONTENIDOS INTRODUCCIÓN... xv CAPÍTULO 1: CONCEPTO DE DISEÑO... CAPÍTULO 2: PRINCIPALES ALTERNATIVAS METODOLÓGICAS y DISEÑOS EN PSICOLOGÍA: UNA PERSPECTIVA GENERAL......................... 2.1.

Más detalles

Estadística; 3º CC. AA. Examen final, 23 de enero de 2009

Estadística; 3º CC. AA. Examen final, 23 de enero de 2009 Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados

Más detalles

PRÁCTICA 6: CONTASTE DE HIPÓTESIS

PRÁCTICA 6: CONTASTE DE HIPÓTESIS PRÁCTICA 6: CONTASTE DE HIPÓTESIS Los contenidos están organizados para que pueda avanzar a la vez que hacer los ejercicios propuestos en la práctica 5 del cuadernillo de prácticas. Asegúrate de entender

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

DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016.

DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016. DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 016. Problema 1.- En una determinada investigación se estudia el efecto del tipo de ejercicio (, andar y ) y tipo de dieta (poca grasa y mucha grasa)

Más detalles

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza

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

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

Estadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad

Estadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique

Más detalles

Caso particular: Contraste de homocedasticidad

Caso particular: Contraste de homocedasticidad 36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos

Más detalles

Tema 9: Introducción al problema de la comparación de poblaciones

Tema 9: Introducción al problema de la comparación de poblaciones Tema 9: Introducción al problema de la comparación de poblaciones Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema

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

ANALISIS DE LA VARIANZA PARA MEDIDAS REPETIDAS

ANALISIS DE LA VARIANZA PARA MEDIDAS REPETIDAS ANALISIS DE LA VARIANZA PARA MEDIDAS REPETIDAS 1.- Introducción... 2 2.- Modelo de medidas repetidas para un factor... 2 2.1.- Pruebas post hoc... 7 3. - Modelo de medidas repetidas para dos factores...

Más detalles

CONTRASTES DE HIPÓTESES

CONTRASTES DE HIPÓTESES CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes

Más detalles

ANÁLISIS DE EXPERIMENTOS

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

Tema 15: Contrastes de hipótesis sobre algunos parámetros

Tema 15: Contrastes de hipótesis sobre algunos parámetros ema 15: Contrastes de hipótesis sobre algunos parámetros 1. CORASE DE HIPÓESIS SOBRE LA MEDIA, Conocida Desconocida. CORASE DE HIPÓESIS SOBRE LA CORRELACIÓ, Bibliografía: ema 15 (págs. 379-4) Ejercicios

Más detalles

Práctica 2. Hipótesis de investigación

Práctica 2. Hipótesis de investigación Práctica 2. Hipótesis de investigación Teniendo en cuenta los resultados de la investigación anterior, un segundo equipo de investigadores diseña un nuevo fármaco para aumentar la extroversión. Han introducido

Más detalles

CLAVE Laboratorio 14: Diseño en bloques completos aleatorizados

CLAVE Laboratorio 14: Diseño en bloques completos aleatorizados CLAVE Laboratorio 14: Diseño en bloques completos aleatorizados 1. Digamos que estamos interesados en conducir un experimento para comparar los efectos de tres insecticidas diferentes en habichuela. Pensamos

Más detalles

Escribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos.

Escribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos. Ejercicio 1: Se aplican pinturas tapaporos para aeronaves en superficies de aluminio, con dos métodos: inmersión y rociado. La finalidad del tapaporos es mejorar la adhesión de la pintura, y puede aplicarse

Más detalles