LAB 13 - Análisis de Covarianza - CLAVE

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

Download "LAB 13 - Análisis de Covarianza - CLAVE"

Transcripción

1 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). Cada dosis se aplicó a 16 terneros aleatoriamente escogidos. Se registró el peso al nacimiento de los terneros (en libras), y la ganancia promedio diaria (en libras/día) al cabo de 12 semanas. Los datos se acompañan. El objetivo final es saber si existen diferencias en la ganancia promedio diaria entre las diferentes dosis. Dosis Peso_Naci Gan_Prom_Diar AGRO 6600 Lab 13 - CLAVE Page 1

2 Usando InfoStat, analice los datos (sin usar una covariable) y compare las medias de ganancia promedio diaria con LSD. Existen diferencias en las medias (no ajustadas) de la ganancia de peso diario bajo los distintos tratamientos? ANOVA sin usar una covariable: Variable N R² R² Aj CV Gan_Prom_Diaria Cuadro de Análisis de la Varianza (SC tipo III) F.V. SC gl CM F p-valor Modelo Dosis Error Total Test:LSD Fisher Alfa=0.05 DMS= Error: gl: 60 Dosis Medias n E.E. AGRO 6600 Lab 13 - CLAVE Page 2

3 Gan_Prom_Diaria Revisado_April 2015_LWB A A B B C C Medias con una letra común no son significativamente diferentes (p > 0.05) Terneros que recibieron la dosis=2.5 no mostraron mayor ganancia promedio diario que los terneros que no recibieron el promotor (dosis = 0). Los terneros con dosis = 7.50 no tuvieron una ganancia diferente a los de dosis = 2.5 o dosis = 5.0, pero los terneros con dosis =5.0 tuvieron una ganancia significativamente mayor que los que recibieron la dosis de Grafique los datos. El gráfico sugiere un efecto lineal de peso al nacimiento sobre la ganancia promedio diaria? Es el efecto de peso al nacimiento el mismo para todos los tratamientos (un efecto lineal con [aproximadamente] misma pendiente)? Peso_Naci Gan_Prom_Diaria-0.00 Gan_Prom_Diaria-2.50 Gan_Prom_Diaria-5.00 Gan_Prom_Diaria-7.50 En el gráfico, vemos que hay un efecto positivo de peso al nacimiento sobre la ganancia promedio diaria, y que el efecto (pendiente) es más o menos parecido para cada tratamiento (dosis). 3. Como el gráfico sugiere que los terneros de menor peso al nacimiento podrían ganar menos peso durante su crecimiento, vamos a usar InfoStat para realizar un análisis de covarianza para controlar esta posible fuente de variación: a. Escriba el modelo que está siendo usado. Indique la interpretación de cada término del mismo. AGRO 6600 Lab 13 - CLAVE Page 3

4 Y ij = + i + X ij + ij Donde i es el efecto del i-ísmo tratamiento (dosis) (es el intercepto de la línea de regresión para dosis i) es el incremento promedio en ganancia promedio diaria en un tratamiento específico (dosis) cuando el peso al nacimiento aumento 1 libra X ij es el efecto de peso al nacimiento en la repetición j de dosis i ij es la desviación de la repetición j de dosis i de la línea de regresión b. Usando InfoStat, realice el análisis de covarianza usando peso al nacimiento como la covariable. ANOVA utilizando Peso_Naci como la covariable Análisis de la varianza Variable N R² R² Aj CV Gan_Prom_Diaria Cuadro de Análisis de la Varianza (SC tipo III) F.V. SC gl CM F p-valor Coef Modelo < Dosis < Peso_Naci Error Total Test:LSD Fisher Alfa=0.05 DMS= Error: gl: 59 Dosis Medias n E.E A B B C C Medias con una letra común no son significativamente diferentes (p > 0.05) Estas medias han sido ajustadas tomando en consideración el peso al nacimiento es la pendiente (hay un aumento en la ganancia promedio diaria de libras/día al aumentar el peso al nacimiento por 1 libra). La pendiente es significativa (p=0.0001) c. Formule y pruebe las hipótesis correspondientes para determinar si hay un efecto del peso al nacimiento sobre la ganancia promedio diaria ( = 0.05). Si es significativo, describa el efecto que peso al nacimiento tiene sobre la ganancia de peso diaria (o sea, interprete la pendiente). Ho: = 0 Ha: 0 Hay un efecto significativo de peso al nacimiento sobre la ganancia promedio diaria. Al aumentar el peso al nacimiento por 1 libras, la ganancia promedio diaria aumenta libras/día. AGRO 6600 Lab 13 - CLAVE Page 4

5 d. Compare las medias ajustadas de ganancia promedio diaria con LSD. Existen diferencias en la ganancia de peso diaria bajo los distintos tratamientos ( =.05)? Sí, existen diferencias en las medias de ganancia promedio diaria entre los tratamientos (dosis del promotor). Animales que no recibieron el promotor de crecimiento (dosis=0) ganaron significativamente menos peso por día que los que recibieron el promotor de crecimiento. Animales con dosis = 5 ganaron mayor peso por día que animales con dosis = 2.5, pero no difieren de animales con dosis = 7. e. Compare las medias no ajustadas (de la parte 1) y ajustadas. Las medias ajustadas de dosis 0 y 7 son menores que las medias no ajustadas y las medias ajustadas de dosis 2.5 y 5 fueron mayores que las medias no ajustadas. Por qué? Aunque los animales fueron asignados al azar a los tratamientos, por casualidad el peso promedio al nacimiento de los terneros recibiendo dosis 0 y 7 fue mayor que el promedio (y el peso promedio de los terneros recibiendo dosis 2.5 y 5 fueron menor que el promedio. Medias ajustadas corresponden a las medias donde peso al nacimiento (X) es igual a. 4. Escriba las ecuaciones correspondientes a la relación entre ganancia de peso diaria y peso al nacimiento para cada una de las cuatro dosis. Usando la fórmula de media ajustada y las ecuaciones estimadas, verifique a mano los valores de las medias ajustadas obtenidas en la parte (3). Puede usar el siguiente programa SAS: proc glm; class dosis; model gan_prom_diaria = peso_nacim dosis / solution; lsmeans dosis; means dosis; Source DF Sum of Squares Mean Square F Value Pr > F Model <.0001 Error Corrected Total R-Square Coeff Var Root MSE gan_prom_diaria Mean Source DF Type I SS Mean Square F Value Pr > F peso_naci dosis <.0001 AGRO 6600 Lab 13 - CLAVE Page 5

6 Source DF Type III SS Mean Square F Value Pr > F peso_naci <.0001 dosis <.0001 La siguiente tabla en la salida de SAS incluye los estimados de los parámetros del modelo lineal: 0 = (= ) 1 = (la pendiente) dosis=0 = dosis=2.5 = dosis=5.0 = tratamiento (. De dosis=7 = 0 (se expresan los otros i s como desviaciones de dosis=7 que se usa como el referencia) Para calcular las medias ajustadas a mano, necesitamos el promedio de peso al nacimiento medidas resumen en InfoStat vemos que este valor es: libras. Media ajustada de [dosis=0] = (73.469) = Media ajustada de [dosis=2.5] = (73.469) = Media ajustada de [dosis=5.0] = (73.469) = Media ajustada de [dosis=7.5] = (73.469) = Parameter Estimate Standard Error t Value Pr > t Intercept B peso_naci <.0001 dosis B <.0001 dosis B dosis B dosis B... AGRO 6600 Lab 13 - CLAVE Page 6

7 En el siguiente gráfico vemos las líneas que corresponden a las ecuaciones lineales arriba. Hay dos Líneas posicionadas debajo el tratamiento dosis=7.5 (los tratamientos con la negativa) y una línea posicionada arriba de dosis=7.5 (el tratamiento dosis=5, que tuvo un efecto ( ) positivo Analysis of Covariance for gan_prom_diaria 3.00 gan_prom_diaria peso_naci dosis Medias ajustadas: dosis gan_prom_diaria LSMEAN AGRO 6600 Lab 13 - CLAVE Page 7

8 LS-M eans for dosis gan_prom_diaria LS-Mean dosis Distribution of gan_prom_diaria gan_prom_diaria dosis AGRO 6600 Lab 13 - CLAVE Page 8

9 Level of dosis N gan_prom_diaria peso_naci Mean Std Dev Mean Std Dev Verifique el supuesto de igualdad de pendientes (líneas paralelas). Puede usar el siguiente programa SAS: proc glm; class dosis; model gan_prom_diaria = peso_nacim dosis peso_nacim*dosis; run; Hipotesis alterna = las líneas no son paralelas (o sea, hay una interacción dosis x peso al nacimiento que es lo mismo como decir que tienen diferentes pendientes). CONCLUSION: Se acepta la hipótesis nula (p=0.4180). Concluimos que la ganancia diaria en peso de cada tratamiento es afectada por la covariable peso al nacimiento en la misma manera (pendiente) Dependent Variable: gan_prom_diaria Source DF Sum of Squares Mean Square F Value Pr > F Model <.0001 Error Corrected Total R-Square Coeff Var Root MSE gan_prom_diaria Mean Source DF Type I SS Mean Square F Value Pr > F peso_naci dosis <.0001 peso_naci*dosis Source DF Type III SS Mean Square F Value Pr > F peso_naci <.0001 dosis peso_naci*dosis AGRO 6600 Lab 13 - CLAVE Page 9

AGRO Examen Final

AGRO Examen Final AGRO 6600 Examen Final 2004 Nombre: Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden

Más detalles

AGRO Examen Final. Nombre:

AGRO Examen Final. Nombre: Examen Final Nombre: AGRO 6600 2008 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden

Más detalles

AGRO Examen Final

AGRO Examen Final AGRO 6600 Examen Final 2010 Nombre: Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden

Más detalles

Examen Final. a. Identifique los factores en estudio, y si éstos son fijos o aleatorios.

Examen Final. a. Identifique los factores en estudio, y si éstos son fijos o aleatorios. AGRO 6600 Examen Final 2002 Nombre: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas deben

Más detalles

CLAVE Lab 11 - Regresión Lineal Simple y Polinomial

CLAVE Lab 11 - Regresión Lineal Simple y Polinomial Escala común CLAVE Lab 11 - Regresión Lineal Simple y Polinomial 1. A mano, construya los siguientes gráficos: a. Grafique la línea recta correspondiente a la ecuación y 2x 1 b. Grafique la línea recta

Más detalles

Examen Final. Class Level Information Class Levels Values trat Number of Observations Used 15

Examen Final. Class Level Information Class Levels Values trat Number of Observations Used 15 Examen Final Nombre: AGRO 6600 2013 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden

Más detalles

CLAVE - LAB 2 - Diseños Completamente Aleatorizado y en Bloques

CLAVE - LAB 2 - Diseños Completamente Aleatorizado y en Bloques CLAVE - LAB 2 - Diseños Completamente Aleatorizado y en Bloques 1. Se realizó un experimento para determinar si cinco fuentes de nitrógeno difirieron en sus efectos sobre la producción de arroz. El diagrama

Más detalles

Regresión múltiple. Efecto de varias variables ambientales sobre una especie de ganso migratorio. Luz

Regresión múltiple. Efecto de varias variables ambientales sobre una especie de ganso migratorio. Luz Nombre: AGRO 6600 LAB 12 Regresión múltiple Los datos adjuntos se tomaron para estudiar el efecto de varias variables ambientales sobre el tiempo en el que una especie de ganso migratorio deja su nido

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

AGRO Examen Final. Nombre:

AGRO Examen Final. Nombre: PesoSeco (g) Examen Final Nombre: AGRO 5005 2010 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.

Más detalles

AGRO Examen Final. Nombre:

AGRO Examen Final. Nombre: Examen Final Nombre: AGRO 5005 20 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar

Más detalles

AGRO Examen Final. Nombre:

AGRO Examen Final. Nombre: Examen Final Nombre: AGRO 5005 2012 Instrucciones: Apague celulares. Se descontarán 10 puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden

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

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

Examen Final. F.V. SC gl CM F p-valor Método Error Total

Examen Final. F.V. SC gl CM F p-valor Método Error Total Examen Final Nombre: AGRO 5005 009 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar

Más detalles

Segundo Examen Parcial

Segundo Examen Parcial Nombre: Segundo Examen Parcial AGRO 6600 2010 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.

Más detalles

CLAVE - LAB 1 - Repaso de Notación, Prueba de t y ANOVA. Introducción a SAS

CLAVE - LAB 1 - Repaso de Notación, Prueba de t y ANOVA. Introducción a SAS (Revisado enero 016_LWB/CL) CLAVE - LAB 1 - Repaso de Notación, Prueba de t y ANOVA. Introducción a SAS PARTE A: Los siguientes datos corresponden a la cantidad de flores a los 60 días en plantas de dos

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

AGRO 5005 Examen Final 2013 Nombre: Número de estudiante:

AGRO 5005 Examen Final 2013 Nombre: Número de estudiante: AGRO 5005 Examen Final 2013 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial

Más detalles

AGRO 5005 Examen Final 2005 Nombre: Número de estudiante:

AGRO 5005 Examen Final 2005 Nombre: Número de estudiante: AGRO 5005 Examen Final 2005 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Se proveen las tablas y las

Más detalles

AGRO 5005 Examen Final 2014 Nombre: Número de estudiante:

AGRO 5005 Examen Final 2014 Nombre: Número de estudiante: AGRO 5005 Examen Final 04 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial

Más detalles

AGRO Examen Parcial 1. Nombre:

AGRO Examen Parcial 1. Nombre: Examen Parcial 1 Nombre: AGRO 6600 2013 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas

Más detalles

CLAVE - Laboratorio 11: Análisis de la Varianza

CLAVE - Laboratorio 11: Análisis de la Varianza CLAVE - Laboratorio 11: Análisis de la Varianza 1. Se está diseñando un experimento para comparar 4 variedades de habichuela. Se usarán 6 parcelas con cada una de las variedades en un diseño completamente

Más detalles

AGRO Examen Parcial 1. Nombre:

AGRO Examen Parcial 1. Nombre: Examen Parcial 1 Nombre: AGRO 6600 2008 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas

Más detalles

CLAVE - LAB 13 (Regresión y correlación lineal)

CLAVE - LAB 13 (Regresión y correlación lineal) CLAVE - LAB 13 (Regresión y correlación lineal) 1. Se condujo un experimento para examinar el efecto de diferentes concentraciones de pectina sobre la firmeza de batata enlatada. Se usaron tres concentraciones

Más detalles

Análisis de datos estructurados. Santiago Ulloa Datos proporcionados por: Vinicio Uday (Infostat)

Análisis de datos estructurados. Santiago Ulloa Datos proporcionados por: Vinicio Uday (Infostat) Análisis de datos estructurados Santiago Ulloa Datos proporcionados por: Vinicio Uday (Infostat) Los datos Bloque Tratamiento Rendimiento 1 0 2010 1 75 2915 1 150 3049 1 225 3199 1 300 3381 2 0 1832 2

Más detalles

Examen Parcial 1. The GLM Procedure Class Level Information Class Levels Values trat

Examen Parcial 1. The GLM Procedure Class Level Information Class Levels Values trat Examen Parcial 1 Nombre: AGRO 6600 2011 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas

Más detalles

One way anova using SAS

One way anova using SAS One way anova using SAS With Duncan test El paquete SAS es un sistema computacional de los mas completos que existen, tiene el respaldo de un centro de investigación en estadística y es el mas usado por

Más detalles

Segundo Examen Parcial

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

Más detalles

AGRO 6600 Segundo Examen Parcial

AGRO 6600 Segundo Examen Parcial AGRO 6600 Segundo Examen Parcial 2014 Nombre: Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.

Más detalles

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por

Más detalles

ANEXO 3-A LA LECTURA DE UNA ESPECIE DE COMPUTADORA

ANEXO 3-A LA LECTURA DE UNA ESPECIE DE COMPUTADORA ANEXO 3-A LA LECTURA DE UNA ESPECIE DE COMPUTADORA La presente sección busca echar un vistazo en el mundo del análisis de regresión. Presentamos, pues, tres extractos de salidas de computadora que provienen

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

CLAVE- Lab 10 - Diseño en Parcelas Divididas

CLAVE- Lab 10 - Diseño en Parcelas Divididas Parte I CLAVE- Lab 10 - Diseño en Parcelas Divididas e desea estudiar el efecto de ablandadores y tiempo de cocción sobre la terneza de carne de res. eis canales de res se obtuvieron aleatoriamente de

Más detalles

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

Más detalles

Regresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t")

Regresión Múltiple b=read.table(datoempleado.dat,header=t,sep=\t) Regresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t") Ejemplo: (archivo datoempleado.dat) Fh (Referencia=Mujer) variables en el archivo names(b) [1] "id" "sexo" "fechnac" "educ" "catlab"

Más detalles

Primera práctica de REGRESIÓN.

Primera práctica de REGRESIÓN. Primera práctica de REGRESIÓN. DATOS: fichero practica regresión 1.sf3 1. Objetivo: El objetivo de esta práctica es aprender cuándo se puede utilizar el análisis de regresión. En la primera parte se presentan

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

Examen Parcial 1. En la muestra se determinó la concentración de E. coli, en logufc. Se presentan algunos análisis relevantes a continuación.

Examen Parcial 1. En la muestra se determinó la concentración de E. coli, en logufc. Se presentan algunos análisis relevantes a continuación. Examen Parcial 1 Nombre: AGRO 6600 2009 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas

Más detalles

CLAVE - Lab 9 - Efectos Aleatorios y Mixtos. Diseños Anidados

CLAVE - Lab 9 - Efectos Aleatorios y Mixtos. Diseños Anidados PARTE I CLAVE - Lab 9 - Efectos Aleatorios y Mixtos. Diseños Anidados 1. Los humedales generalmente son alimentados por dos posibles fuentes de agua: agua de precipitación (P) y agua subterránea (ST).

Más detalles

Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas

Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento Centro 1 Estadística e Investigación

Más detalles

DISEÑO PARCELAS DIVIDIDAS

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

Más detalles

Bioestadística. Curso Práctica: La recta de regresión

Bioestadística. Curso Práctica: La recta de regresión Bioestadística. Curso 2012-2013 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. El diagrama de dispersión 2 3. Covarianza 4 4. Coeciente de correlación

Más detalles

DISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS

DISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS DISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS EXPERIMENTOS FACTORIALES PRINCIPIOS FUNDAMENTALES CONCEPTOS IMPORTANTES 1 } Experimentos factoriales se refiere al arreglo de los tratamientos, no es un

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

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Estadística II Ejercicios Tema 5

Estadística II Ejercicios Tema 5 Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta

Más detalles

Práctica 3: Regresión simple con R

Práctica 3: Regresión simple con R Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar

Más detalles

CLAVE - LAB 12 - Regresión Múltiple y Selección de Variables

CLAVE - LAB 12 - Regresión Múltiple y Selección de Variables Revisado_May_2018_LW B CLAVE - LAB 12 - Regresión Múltiple y Selección de Variables Para estudiar la relación entre ciertas características del suelo y la producción de biomasa (g) de una planta forrajera

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.. Estimación y predicción por intervalo en regresión lineal

Más detalles

Estimación de una función de gasto en alimentos

Estimación de una función de gasto en alimentos Base de datos http://www.principlesofeconometrics.com/poe4/poe4stata.htm Definición de variables http://www.principlesofeconometrics.com/poe4/data/def/food.def food.def food_exp income Obs: 40 food_exp

Más detalles

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

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

Más detalles

Modelación estadística: La regresión lineal simple

Modelación estadística: La regresión lineal simple Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando

Más detalles

LADE/LADE-DER. 229, , , , , ,333 y. 3 i 1. y ij /3

LADE/LADE-DER. 229, , , , , ,333 y. 3 i 1. y ij /3 LADE/LADE-DER CURSO 2005/2006 EXAMEN DE ESTADÍSTICA II 04 de septiembre de 2006 PROBLEMAS (tiempo: 1 hora 40 minutos) 1. PROBLEMA 1 Una empresa de máquinas tragaperras tiene que decidir entre 3 posibles

Más detalles

ANÁLISIS DE LA VARIANZA. PASO 1: Planilla de toma de datos.

ANÁLISIS DE LA VARIANZA. PASO 1: Planilla de toma de datos. Autores: de la Torre, Ma. Virginia; Chiappero, Ma. Carolina Colaboradores: Biasutti, Carlos A.; Conrero, Juan M.; Nazar, Ma. Cristina; Carreras, Julia ; Allende, Ma. José y Mansilla, Pablo. MEJORAMIENTO

Más detalles

Principios de Estadística. Intro. En R. Ejercicios

Principios de Estadística. Intro. En R. Ejercicios Leonardo Collado Torres y María Gutiérrez Arcelus Licenciatura en Ciencias Genómicas, UNAM www.lcg.unam.mx/~lcollado/index.php www.lcg.unam.mx/~mgutierr/index.php Cuernavaca, México Febrero - Junio, 2009

Más detalles

Estadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...

Estadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:... Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes

Más detalles

Evaluación del efecto de la aplicación de Fertilizantes FULLTEC en semilla y en aplicaciones foliares sobre el rendimiento de soja CAMPAÑA

Evaluación del efecto de la aplicación de Fertilizantes FULLTEC en semilla y en aplicaciones foliares sobre el rendimiento de soja CAMPAÑA CONCEPCIÓN DEL URUGUAY Objetivo Evaluación del efecto de la aplicación de Fertilizantes FULLTEC en semilla y en aplicaciones foliares sobre el rendimiento de soja CAMPAÑA 2011-12 Norma Arias Evaluar el

Más detalles

UNIVERSIDAD DE PUERTO RICO

UNIVERSIDAD DE PUERTO RICO UNIVERIDAD DE PUERTO RICO RECINTO DE RIO PIEDRA FACULTAD DE ADMINITRACION DE EMPREA Instituto de Estadística y istemas Computadorizados de Información Elección de la mejor estrategia de promoción de ventas,

Más detalles

Taller Análisis de Datos Multinivel

Taller Análisis de Datos Multinivel Taller Análisis de Datos Multinivel Sergio R. Muñoz, Ph.D. CIGES & Departamento Salud Publica Facultad de Medicina Universidad de La Frontera munozs@ufro.cl 12-25 de Mayo, 2012 Datos Pacientes en clínicas

Más detalles

Métodos de Diseño y Análisis de Experimentos

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

Más detalles

Análisis de dos muestras

Análisis de dos muestras Análisis de dos muestras Supongamos el siguiente ejemplo. La resistencia a la rotura de un componente eléctrico constituye una característica importante de un cierto proceso. Un fabricante utiliza un material

Más detalles

Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A

Regresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs

Más detalles

Regresión ponderada y falta de ajuste

Regresión ponderada y falta de ajuste Capítulo 4 Regresión ponderada y falta de ajuste 4.1. Introducción En este capítulo se presentan la regresión ponderada y la prueba de falta de ajuste como un conjunto adicional de herramientas usadas

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

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

Más detalles

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

Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos. Nombre:... Grupo:...

Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos. Nombre:... Grupo:... Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. (10

Más detalles

Linear Regression and the Least-squares problem

Linear Regression and the Least-squares problem Linear Regression and the Least-squares problem Aniel Nieves-González Aniel Nieves-González () Linear Regression and the LSP 1 / 25 Variables cuantitativas y relaciones entre estas (Repaso) Recuerde que

Más detalles

EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES

EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES EXTENSIÓN DEL MODELO DE REGRESIÓN LINEAL DE DOS VARIABLES REGRESIÓN A TRAVÉS DEL ORIGEN Y Y i = β 1 + β 2X i + ε i Y i = β 2X i + ε i X A MENOS QUE EXISTA UNA EXPECTATIVA A PRIORI MUY FUERTE ES ACONSEJABLE

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

Cálculos de Regresión Logística en R, Caso de una covariable.

Cálculos de Regresión Logística en R, Caso de una covariable. Cálculos de Regresión Logística en R, Caso de una covariable. Carga de datos (Tabla 1.1, Hosmer-Lemeshow): CH=read.table( CHDAGE.txt,header = T) attach(ch) Gráfico de Dispersión: plot(age,chd,xlab= Edad,

Más detalles

CLAVE-Laboratorio 9: Pruebas t para una y dos muestras independientes

CLAVE-Laboratorio 9: Pruebas t para una y dos muestras independientes (revisado_oct 15_LWB/RS) CLAVE-Laboratorio 9: Pruebas t para una y dos muestras independientes 1. Calcule las siguientes probabilidades usando la tabla t e InfoStat. Incluya un diagrama en cada caso. a.

Más detalles

EVALUACIÓN DE PHOSTRON K EN TRIGO

EVALUACIÓN DE PHOSTRON K EN TRIGO EVALUACIÓN DE PHOSTRON K EN TRIGO INFORMACIÓN DE SIEMBRA DE LAS PARCELAS TRATAMIENTOS ESTABLECIDOS DISEÑO EXPERIMENTAL Y EVALUACIONES REALIZADAS Diseño en bloques aleatorizados con 4 repeticiones: MOMENTO

Más detalles

10. DISEÑOS EXPERIMENTALES

10. DISEÑOS EXPERIMENTALES 10. DISEÑOS EXPERIMENTALES Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Diseños Experimentales de Clasificación Simple En un diseño experimental

Más detalles

AGRO Examen Parcial 1. Nombre:

AGRO Examen Parcial 1. Nombre: Examen Parcial 1 Nombre: AGRO 6600 2015 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora y la hoja de fórmulas provista. Para obtener

Más detalles

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción

Más detalles

Ajuste de Regresión Lineal Simple

Ajuste de Regresión Lineal Simple Ajuste de Regresión Lineal Simple Hugo Alberto Brango García 1 1 Universidad de Córdoba Estadística II Mayo de 2014 Análisis de Regresión Mayo de 2014 1 / 33 Supuestos sobre los residuales del modelo Normalidad

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

Práctica 4 EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables

Práctica 4 EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables Marco elementos atípicos: b) Obtener la recta de regresión y comprobar

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

ANALISIS DE LA ESTATURA

ANALISIS DE LA ESTATURA ANALISIS DE LA ESTATURA OBJETIVO El objetivo de este trabajo es realizar un estudio de la de distintos individuos. DATOS Se realizan los distintos análisis de regresión simple, así como el análisis de

Más detalles

Considere la tasa de nacimiento (B) como la variable respuesta y la actividad económica de las mujeres (W) como variable regresora.

Considere la tasa de nacimiento (B) como la variable respuesta y la actividad económica de las mujeres (W) como variable regresora. ESTADISTICA (Q) - Ejercicio de regresión - Junio 2010 El archivo tasa_nacimiento.sx contiene datos de tasas de nacimiento y otras variables para 26 naciones. Fuente: Statistical Abstract of the United

Más detalles

Análisis de Covarianza

Análisis de Covarianza Capítulo VI Análisis de Covarianza El análisis análisis de covarianza es un procedimiento muy importante en experimentación, pero lamentablemente no se usa con frecuencia. Utiliza el análisis de varianza

Más detalles

Repaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013

Repaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013 Repaso de estadística básica Juan D. Barón Santiago de Chile, 8 de abril de 2013 1 I. CONCEPTOS ESTADÍSTICOS BÁSICOS 2 Las decisiones se toman bajo incertidumbre Las decisiones se basan en información

Más detalles

Estadística I Solución Examen Final - 28 Mayo de 2009

Estadística I Solución Examen Final - 28 Mayo de 2009 Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas

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 Ejercicios Tema 4

Estadística II Ejercicios Tema 4 Estadística II Ejercicios Tema 4 1. Los siguientes datos muestran la estatura (en cm.) y el peso (en Kg.) para una muestra de cinco alumnos de una clase: estatura (cm.) peso (Kg.) 154 60 158 62 162 61

Más detalles

Linear Regression and the Least-squares problem

Linear Regression and the Least-squares problem Linear Regression and the Least-squares problem Aniel Nieves-González Abril 2013 Aniel Nieves-González () Linear Regression and the LSP Abril 2013 1 / 25 Variables cuantitativas y relaciones entre estas

Más detalles

Diseño de Experimentos. Diseños Factoriales

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

Más detalles

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION

Modelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método

Más detalles

ANÁLISIS DE DATOS II

ANÁLISIS DE DATOS II ANÁLISIS DE DATOS II Febrero 1998 Problema 1.- En una determinada prueba de razonamiento mecánico aplicada a 20 personas (10 mujeres y 10 varones), la media ha sido de 5 puntos y la desviación tipo de

Más detalles

TREATME NT 1 0.11433013 0.11433013 391.77 0.0001 PATH*TRE AT 5 0.03680717 0.00736143 25.23 0.0001

TREATME NT 1 0.11433013 0.11433013 391.77 0.0001 PATH*TRE AT 5 0.03680717 0.00736143 25.23 0.0001 SAS SYSTEM General Linear Models Procedure DEPENDENT VARLABLE: Secreción intestinal total del potasio Fase C. SOURCE DF SUM OF SQUARES MEAN OF SQUARES F VALUE Pr > F Model: PATHOLO GY 5 0.05203730 0.01040746

Más detalles

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

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

Más detalles

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

Estadística I Examen Final - 19 de junio de Nombre:... Grupo:...

Estadística I Examen Final - 19 de junio de Nombre:... Grupo:... Estadística I Examen Final - 19 de junio de 2009 Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. La siguiente tabla muestra las distribuciones

Más detalles

Segundo modelo para una epidemia: Modelo Monomolecular

Segundo modelo para una epidemia: Modelo Monomolecular Segundo modelo para una epidemia: Modelo Monomolecular Se remonta al menos a 1909 (Mitscherlich) pero no fue usado para epidemias Apropiado en general para epidemias monocíclicas Muy diferente al modelo

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

EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016

EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016 EXAMEN EXTRAORDINARIO DE ECONOMETRÍA Universidad Carlos III de Madrid Junio 2016 Responda a las 4 preguntas en dos horas y media. 1. Se está llevando a cabo una investigación econométrica sobre los precios

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles