Asignación 5. Problema 1
|
|
- Sofia Aguirre Carmona
- hace 8 años
- Vistas:
Transcripción
1 Asignación 5 Problema 1 Consider the four factor factorial experiment where factor A is at a levels, factor B is at b levels, factor C is at c levels, factor D is at d levels, and there are n replicates. Write down the sums of square, the degrees of freedom, and the expected mean square for the following cases. Assume the restricted model for al mixed models: a) A, B, C, and D are fixed factors. b) A, B, C, and D are random factors. c) A is fixed and B, C, and D are random. Solución: La suma de cuadrados y los grados de libertad son iguales para las partes a, b y c Fuente de variación Suma de cuadrados Grados de libertad A SS A a-1 B SS B b-1 C SS C c-1 D SS D d-1 AB SS AB (a-1)(b-1) AC SS AC (a-1)(c-1) AD SS AD (a-1)(d-1) BC SS BC (b-1)(c-1) BD SS BD (b-1)(d-1) CD SS CD (c-1)(d-1) ABC SS ABC (a-1)(b-1)(c-1) ABD SS ABD (a-1)(b-1)(d-1) ACD SS ACD (a-1)(c-1)(d-1) BCD SS BCD (b-1)(c-1)(d-1) ABCD SS ABCD (a-1)(b-1)(c-1)(d-1) a) En este caso tenemos: Factores F F F F R a b c d e i j k l m Mean Square esperado
2 τ i 0 b c d n σ + [bcdn Σ τ i] / (a-1) β j a 0 c d n σ + [acdn Σ β j] / (b-1) γ k a b 0 d n σ + [abdn Σ γ k] / (c-1) δ l a b c 0 n σ + [abcn Σ δ l] / (d-1) (τβ) ij 0 0 c d n σ + [cdn ΣΣ (τβ) ij] / (a-1) (b-1) (τγ) ik 0 b 0 d n σ + [bdn ΣΣ (τγ) ik] / (a-1) (c-1) (τδ) il 0 b c 0 n σ + [bcn ΣΣ (τδ) il] / (a-1) (d-1) (βγ) jk a 0 0 d n σ + [adn ΣΣ (βγ) jk] / (b-1) (c-1) (βδ) jl a 0 c 0 n σ + [acn ΣΣ (βδ) jl] / (b-1) (d-1) (γδ) kl a b 0 0 n σ + [abn ΣΣ (γδ) jl] / (c-1) (d-1) (τβγ) ijk d n σ + [dn ΣΣΣ (τβγ) ijl] / (a-1) (b-1) (c-1) (τβδ) ijl 0 0 c 0 n σ + [dn ΣΣΣ (τβδ) ijl] / (a-1) (b-1) (d-1) (τγδ) ikl 0 b 0 0 n σ + [dn ΣΣΣ (τγδ) ikl] / (a-1) (c-1) (d-1) (βγδ) jkl a n σ + [dn ΣΣΣ (βγδ) jkl] / (b-1) (c-1) (d-1) (τβγδ) ijkl n σ + [dn ΣΣΣΣ (τβγδ) ijkl] / (a-1) (b-1) (c-1) (d-1) ε (ijkl)m σ b) Facto R R R R R Expected Mean Square rs a b c d e i j k l m τ i 1 b c d n σ +nσ τβγδ +bnσ τ γδ +cnσ τβδ +dnσ τ βγ +bcnσ τ δ +bdnσ τ γ +cdnσ τβ +bcdnσ τ β j a 1 c d n σ +nσ τβγδ +anσ βγδ +cnσ τβδ +dnσ τ βγ +acnσ βδ +adnσ βγ +cdnσ τβ +acdnσ β γ k a b 1 d n σ + nσ τβγδ + anσ βγδ + dnσ τβγ + abnσ τδ + adnσ βγ + cnσ τγ + abdnσ δ δ l a b c 1 n σ + nσ τβγδ + anσ βγδ + cnσ τβδ + abnσ τδ + acnσ βδ + bcnσ τδ + abcnσ δ (τβ) ij 1 1 c d n σ + nσ τβγδ + cnσ τβδ + dnσ τβγ + cdnσ τβ (τγ) ik 1 b 1 d n σ + nσ τβγδ + bnσ τγδ + dnσ τβγ + bcnσ τγ (τδ) il 1 b c 1 n σ + nσ τβγδ + bnσ τγδ + cnσ τβδ + bcnσ τδ (βγ) jk a 1 1 d n σ + nσ τβγδ + anσ βγδ + dnσ τβδ + adnσ βγ (βδ) jl a 1 c 1 n σ + nσ τβγδ + anσ βγδ + cnσ τβδ + acnσ βδ (γδ) kl a b 1 1 n σ + nσ τβγδ + anσ βγδ + abnσ γδ (τβγ) ij d n σ + nσ τβγδ + dnσ τβγ k (τβδ) ij l (τγδ) ik l (βγδ) j kl (τβγδ) ijkl 1 1 c 1 n σ + nσ τβγδ + cnσ τβδ 1 b 1 1 n σ + nσ τβγδ + bnσ τγδ a n σ + nσ τβγδ + anσ βγδ n σ + nσ τβγδ ε (ijkl)m σ Fac = E(MS AC ) + E(MS ABCD ) / E(MS ABC ) + E(MS ACD ) Fad = E(MS AD ) + E(MS ABCD ) / E(MS ABD ) + E(MS ACD ) Fbc = E(MS BC ) + E(MS ABC ) / E(MS ABC ) + E(MS BCD ) Fbd = E(MS BD ) + E(MS ABCD ) / E(MS ABD ) + E(MS BCD ) Fcd = E(MS CD ) + E(MS ABC ) / E(MS ACD ) + E(MS BCD )
3 Fa=[E(MS A )+E(MS ABD )+E(MS ACD )+E(MS ABC )+E(MS ACD )]/[E(MS AB )+E(MS AC )+E(MS AD )+E( MS ABCD )] Fb = [E(MS B ) + E(MS AD ) + E(MS ACD ) + E(MS BCD )] / [E(MS AB ) + E(MS BC ) + E(MS BD ) + E(MS ABCD )] Fc = [E(MS C ) + E(MS ABC ) + E(MS ACD ) + E(MS BCD )] / [E(MS AC ) + E(MS BC ) + E(MS CD ) + E(MS ABCD )] Fd = [E(MS D ) + E(MS ACD ) + E(MS BCD ) + E(MS ABD )] / [E(MS AD ) + E(MS BD ) + E(MS CD ) + E(MS ABCD )] c) Factors F R R R R Expected Mean Square a b c d e i j k l m τ i 0 b c d n σ +nσ τβγδ +bnσ τ γδ +cnσ τβδ +dnσ τ βγ +bcnσ τ δ +bdnσ τ γ +cdnσ τβ +(bcdnστ i)/(a-1) β j a 1 c d n σ + anσ βγδ + acnσ βδ + adnσ βγ + abdnσ β γ k a b 1 d n σ + anσ βγδ + abnσ δγ + adnσ βγ + abdnσ δ δ l a b c 1 n σ + anσ βγδ + abnσ δγ + acnσ βδ + abcnσ δ (τβ) ij 0 1 c d n σ + nσ τβγδ + cnσ τβδ + dnσ τβγ + cdnσ τβ (τγ) ik 0 b 1 d n σ + nσ τβγδ + bnσ τγδ + dnσ τβγ + bdnσ τγ (τδ) il 0 b c 1 n σ + nσ τβγδ + bnσ τγδ + cnσ τβδ + bcnσ τδ (βγ) jk a 1 1 d n σ + anσ βγδ + adnσ βγ (βδ) jl a 1 c 1 n σ + anσ βγδ + acnσ βδ (γδ) kl a b 1 1 n σ + anσ βγδ + abnσ γδ (τβγ) ijk d n σ + nσ τβγδ + dnσ τβγ (τβδ) ijl 0 1 c 1 n σ + nσ τβγδ + cnσ τβδ (τγδ) ikl 0 b 1 1 n σ + nσ τβγδ + bnσ τγδ (βγδ) jkl a n σ + anσ βγδ (τβγδ) ijkl n σ + nσ τβγδ ε (ijkl)m σ Problema A manufacturing engineer is studying the dimensional variability of a particular component that is produced on three machines. Each machine has two spindles, and four components are randomly selected from each spindle. The results follow. Analyze the data, assuming that machines and spindles are fixed factors.
4 Machine 1 Machine Machine Spindle ) Anova General de Maquinas: General Linear Model: variable versus maquinas, eje maquinas fixed 1,, eje(maquinas) fixed 6 1,, 1,, 1, Analysis of Variance for variable, using Adjusted SS for Tests maquinas eje(maquinas) Error Total S = 1.15 R-Sq = 78.97% R-Sq(adj) = 7.1% Unusual Observations for variable Obs variable Fit SE Fit Residual St Resid R R denotes an observation with a large standardized residual. Se observa entonces que tanto las maquinas como las boquillas son significativos, es decir, que ambos afectan la respuesta. Sin embargo no se puede discriminar a quien atribuir que, por esto se hace entonces un general linear model para analizar cada una de las maquinas y ver que tan significativas son las boquillas en ellas: General Linear Model: variable versus boquilla
5 MAQUINA 1 boquilla fixed 1, Analysis of Variance for variable, using Adjusted SS for Tests boquilla Error Total S = R-Sq = 5.64% R-Sq(adj) = 45.9% MAQUINA General Linear Model: variable versus boquilla boquilla fixed 1, Analysis of Variance for variable, using Adjusted SS for Tests boquilla Error Total S = R-Sq = 64.10% R-Sq(adj) = 58.1% MAQUINA General Linear Model: variable versus boquilla boquilla fixed 1, Analysis of Variance for variable, using Adjusted SS for Tests boquilla Error Total S = 1.85 R-Sq = 66.7% R-Sq(adj) = 60.65%
6 Analizando los valores de los P-value que me arroja para cada una de las boquillas se puede determinar que las boquillas de cada una de las maquinas resulta representativa al momento de generar el resultado final, pues todas arrojan como resultado un valor menor que Por lo tanto, las boquillas anidadas en cada máquina afectan significativamente la respuesta Problema An experiment is designed to study pigment dispersion in paint. Four different mixes of a particular pigment are studied. The procedure consists of preparing a particular mix and then applying that mix to a panel by three application methods (brushing, spraying, and rolling). The response measured is the percentage reflectance of pigment. Three days are required to run the experiment, and the data obtained follow. Analyze the data and draw conclusions, assuming that mixes and application methods are fixed. Day Application Method Mix Solucion
7 General Linear Model: Respuesta versus Dia, Metodo, Mezcla Dia random 1,, Metodo fixed 1,, Mezcla fixed 4 1,,, 4 Analysis of Variance for Respuesta, using Adjusted SS for Tests Dia x Metodo Mezcla Dia*Metodo Dia*Mezcla Metodo*Mezcla Dia*Metodo*Mezcla ** Error 0 * * * Total x Not an exact F-test. ** Denominator of F-test is zero. S = * * NOTE * Could not graph the specified residual type because MSE = 0 or the degrees of freedom for error = 0. Main Effects Plot (fitted means) for Respuesta En la Anova anterior se puede ver que los factores relevantes en el experimento fueron la mezcla y el método, situación que se puede notar al analizar los P-value arrojados por minitab, los cuales resultaron menores que De esta manera, tanto la mezcla como el método afectan el porcentaje de reflexión de la pintura. Ahora se presenta un grafico de los efectos principales de los factores con el fin de visualizar el impacto en la respuesta para cada factor y sus niveles:
8 Main Effects Plot (fitted means) for Respuesta 76 Dia Metodo 74 7 Mean of Respuesta Mezcla Se observa como el factor día no presenta cambios significativos en la respuesta al variar sus niveles, sin embargo, el factor método muestra que hay un cambio significativo en la respuesta al variar los niveles del factor; para el método se obtiene un porcentaje de reflexión mayor. Se observa también que el factor mezcla es significativo y que cuando la mezcla es de tipo se obtiene un porcentaje mayor de reflexión. Por lo tanto se recomienda utilizar un método con una mezcla para incrementar la respuesta.
Universidad de Puerto Rico Recinto de Mayagüez
Universidad de Puerto Rico Recinto de Mayagüez Notas de Clase 17 de Octubre 2008 Diseño de experimentos Autores: Rafael Victoria Bournigal & Juan Balbuena Merle Plan de Trabajo: Continuación Medias Cuadradas
Más detallesb)no es posible hacer modelo debido a que el tipo de vidrio es una variable categorica
a) Analysis of Variance for Light output, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Glass type 5865 5865 753 6.37. Temperature 97335 97335 98567 695.6. Glass type*temperature 955 955
Más detalles5 ANÁLISIS Y RESULTADOS
5 ANÁLISIS Y RESULTADOS 5. ANÁLISIS Y RESULTADOS 5.1 Curvas de Calibración Se obtuvieron las curvas de calibración para cada una de las soluciones base, con dispersante y sin dispersante. Se hicieron en
Más detallesa) Construct a normal probability plot of the effect estimates. Which effects appear to be large?
Problema 6- n experiment was run in a semiconductor fabrication plant in an effort to increase yield. Five factors each at two levels were studied. The factors and levels were = aperture setting (small,
Más detalles10. DISEÑOS EXPERIMENTALES
10. DISEÑOS EXPERIMENTALES Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Diseños Experimentales de Clasificación Simple En un diseño experimental
Más detallesAPÉNDICE B ANOVA para las salsas comerciales
APÉNDICE B ANOVA para las salsas comerciales ANOVA de una vía para Densidad de salsas comerciales One-way ANOVA: Densidad versus Marca Marca 3 8727.7 2909.2 41.22 0.000 Error 8 564.6 70.6 Total 11 9292.4
Más detallesExperimento Split-Plot (Parcelas o cuadrantes partidas/os):
Experimento Split-Plot (Parcelas o cuadrantes partidas/os): Este tipo de experimento se utiliza cuando no existe la posibilidad de aleatorizar por completo el orden de las corridas. Maneja tratamientos
Más detallesAnálisis de Regresión y Correlación con MINITAB
Análisis de Regresión y Correlación con MINITAB Primeras definiciones y conceptos de la regresión El análisis de la regresión es una técnica estadística que se utiliza para estudiar la relación entre variables
Más detalles6. DISEÑOS FACTORIALES 2 K NO REPLICADOS
6. DISEÑOS FACTORIALES 2 K NO REPLICADOS 6.1 INTRODUCCION El aumentar el numero de factores en un diseño 2 k crece rápidamente el numero de tratamientos y por tanto el numero de corridas experimentales.
Más detallesCAPÍTULO 10 DISEÑOS EXPERIMENTALES
CAPÍTULO 10 DISEÑOS EXPERIMENTALES 10.1 Diseños Experimentales de Clasificación Simple En un diseño experimental de clasificación simple, se trata de comparar varios grupos generalmente llamados Métodos
Más detallesANOVA 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 detallesConciencia Tecnológica ISSN: Instituto Tecnológico de Aguascalientes México
Conciencia Tecnológica ISSN: 1405-5597 contec@mail.ita.mx Instituto Tecnológico scalientes México Rivera Hernánz, J. Rosario; Montañez Muñoz, Laura; Olvera Cruz, Linda l Carmen Optimización la eficiencia
Más detallesMATRICES FACTORIALES
MATRICES FACTORIALES Quimiometría Estudio cuantitativo de factores: efectos principales (b j ) interacciones (b ji ) si cada variable puede tener un valor mayor o uno menor: diseño factorial de dos niveles
Más detallesDiseños Factoriales. Diseño de experimentos p. 1/18
Diseños Factoriales Diseño de experimentos p. 1/18 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más detallesANOVA (Análisis de varianza)
ANOVA (Análisis de varianza) Las pruebas de hipótesis son una herramienta útil cuando se trata de comparar dos tratamientos La experimentación usualmente requiere comparación de más de dos tratamientos
Más detallesESTADÍSTICA EXPERIMENTAL NOTAS DE CLASE OCTUBRE 14 DE 2008
ESTADÍSTICA EXPERIMENTAL NOTAS DE CLASE OCTUBRE 14 DE 2008 Temas tratados: a. Comentarios acerca de la asignación 4 b. Experimentos Foldover c. Experimentos Plackett Burmann d. Medias cuadradas esperadas
Más detallesCAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS. El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de
CAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de respuesta que se había definido, la cual es la diferencia
Más detallesIntroducción al diseño experimental y al análisis de datos. Construcción de diseños factoriales
Introducción al diseño experimental y al análisis de datos Construcción de diseños factoriales Introducción Tipos de factores Diseños ortogonales Diseños anidados Diseños ad-hoc Jose Jacobo Zubcoff Dept.
Más detallesTécnicas Cuantitativas para el Management y los Negocios
Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis
Más detallesDiseños Factoriales. Diseño de experimentos p. 1/25
Diseños Factoriales Diseño de experimentos p. 1/25 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más detallesOne 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 detallesPROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008
PROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008 Problema 1 Marketing estimates that a new instrument for the analysis of soil samples will be very successful, moderately successful, or unsuccessful,
Más detallesSe asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación.
EJEMPLO 1 Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación. DIETA1 DIETA2 DIETA3 DIETA4 62 63 68 56 60 67 66 62 63 71 71
Más detallesModelo 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 detallesTema IX. El diseño experimental
9.1. El problema: - Necesidades Prácticas:. Tiempo y recursos limitados. Obtención de resultados claros y repetibles - Esfuerzo experimental versus diseño experimental:. Metodológico. Estadístico 1 9.2.
Más detallesFactores no controlables
Acepto la Ho y ιj μ α ι β j ε ιj Dr. Alfredo Matos Ch. Universidad Peruana Unión amatosch@upeu.edu.pe Factores Controles Entradas PROCESO FUNCION ACTIVIDAD Salidas Factores no controlables 2 1 Se entiende
Más detallesDiseño de experimentos
Diseño de experimentos Quimiometría Por qué diseñar experimentos? Exploración: cuáles factores son importantes para realizar exitosamente un proceso Optimización: cómo mejorar un proceso Ahorro de tiempo:
Más detallesLean Six Sigma UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD EMPRESARIAL. Ing. Adrián Gabriele Noviembre de 2013
Lean Six Sigma UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD EMPRESARIAL Ing. Adrián Gabriele Noviembre de 203 Lean Six Sigma UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD EMPRESARIAL Introducción Casos
Más detallesDiseños factoriales a dos niveles
Diseños factoriales a dos niveles Tema 3. El diseño 4. Diseños k (tabla de signos) Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III
Más detalles4 INVESTIGACIÓN Y METODOLOGÍA
4 INVESTIGACIÓN Y METODOLOGÍA 4. INVESTIGACIÓN Y METODOLOGÍA La metodología propuesta en este trabajo de investigación, está basada en las pautas generales para diseñar un experimento planteadas por Douglas
Más detallesDiseño Factorial 2 k con bloques
iseño Factorial k con bloques Existen muchas situaciones en las cuales no es posible efectuar todos los tratamientos del experimento factorial bajo las mismas condiciones. En este caso usted puede considerar
Más detallesDiseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos
Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos Tema 4 (III) Estadística 2 Curso 08/09 Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 1 / 17 ANOVA
Más detallesPROBLEMAS MÉTRICOS. Página 183 REFLEXIONA Y RESUELVE. Diagonal de un ortoedro. Distancia entre dos puntos. Distancia de un punto a una recta
PROBLEMAS MÉTRICOS Página 3 REFLEXIONA Y RESUELVE Diagonal de un ortoedro Halla la diagonal de los ortoedros cuyas dimensiones son las siguientes: I) a =, b =, c = II) a = 4, b =, c = 3 III) a =, b = 4,
Más detallesDISEÑO FACTORIAL MODELO JERÁRQUICO (0 ANIDADO)
DISEÑO FACTORIAL Niveles de B Niveles de A 1 2 3 4 5 1 y 11 y 12 y 13 y 14 y 15 2 y 21 y 22 y 23 y y 3 y 31 y 32 y 33 y 34 y 35 4 y 41 y 42 y 43 y 44 y 45 Todos los niveles de cada factor están combinados
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesUso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo
CAPÍTULO 5. FASE DE MEJORA Definir Medir Analizar Mejorar Controlar 5.1 Introducción En la fase de Análisis se identificaron las causas de variación. En esta fase se utilizará el diseño de experimentos
Más detallesExamen Final 22 de mayo de 2009 (16 a 19 horas) Diseño de Experimentos y Teoría de Muestreo (80/100 puntos) SOLUCIONES
Examen Final 22 de mayo de 2009 (16 a 19 horas) Diseño de Experimentos y Teoría de Muestreo (80/100 puntos) SOLUCIONES 1.- [Correcta: 0.8 puntos, Incorrecta: -0.2 puntos] Se está interesado en el efecto
Más detallesDiseño completamente aleatorizado: análisis de la varianza con un solo factor.
Tema 4 Diseño de experimentos Introducción. Qué es el diseño experimental? Diseño completamente aleatorizado: análisis de la varianza con un solo factor. Diseño en bloques aleatorizados. Diseño factorial
Más detallesANALISIS COMBINATORIO
Universidad de San Carlos de Guatemala Centro Universitario de Occidente División Ciencias de la Salud Carrera de Médico y Cirujano, Primer Año, 2015 Teléfonos: 78730000, EXT. 2227-2221-2345-2244 CUNOC-USAC
Más detallesPrincipios 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 detallesANEXOS ANEXO 1. Medios de cultivo usados para mantenimiento y micropropagación de plantas in vitro de "oca".
ANEXOS ANEXO 1 Medios de cultivo usados para mantenimiento y micropropagación de plantas in vitro de "oca". Componentes Mantenimiento y micropropagación (mg / litro) MS + MS + Stock-Vitaminas (Ver anexo
Más detallesTema 3 : Algebra de Boole
Tema 3 : Algebra de Boole Objetivo: Introducción al Algebra de Boole 1 INTRODUCCIÓN George Boole creó el álgebra que lleva su nombre en el primer cuarto del siglo XIX. Pretendía explicar las leyes fundamentales
Más detallesAPLICACIONES DE LA MATEMATICA INTRODUCCION AL CALCULO AXIOMATICA DE LOS NUMEROS REALES
APLICACIONES DE LA MATEMATICA INTRODUCCION AL CALCULO AXIOMATICA DE LOS NUMEROS REALES PROFESOR: CHRISTIAN CORTES D. I) LOS NUMEROS REALES. Designaremos por R, al conjunto de los números reales. En R existen
Más detallesDIVISIBILIDAD SOLUCIÓN:
DIVISIBILIDAD 1. Si a, b y c son números naturales tales que c = a. b, se dice: a) c es divisor de a y de b. b) c es múltiplo de a y de b. c) a y b son múltiplos de c. Todo número descompuesto en un producto
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesAcuerdo de aprobación de la nueva redacción del Anexo XVIII de las Normas de Ejecución y Funcionamiento del Presupuesto vigente.
Acuerdo de aprobación de la nueva redacción del Anexo XVIII de las Normas de Ejecución y Funcionamiento del Presupuesto vigente. Visto el Presupuesto de la Universidad Miguel Hernández de Elche para el
Más detallesDISEÑO EN PARCELAS DIVIDIDAS
DISEÑO EN PARCELAS DIVIDIDAS Este es un diseño experimental combinado que resulta útil cuando al estudiar simultáneamente varios factores, alguno o algunos de ellos deben ser aplicados sobre unidades experimentales
Más detallesMACROECONOMÍA. Tema 6 El comercio internacional. - MACROECONOMÍA -
MACROECONOMÍA Tema 6 El comercio internacional. Introducción. En este tema vamos tratar de responder a las siguientes cuestiones: por qué los países comercian entre sí? quién gana y quién pierde con el
Más detalles1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS.
1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS. El sumatorio o sumatoria) es un operador matemático, representado por la letra griega sigma mayúscula Σ) que permite representar de manera abreviada sumas
Más detallesEL PODER ESTADÍSTICO. DIFERENCIAS OBSERVADAS CUANDO SE CAMBIA EL ALFA ESTABLECIDO EN UN ESTUDIO DE INVESTIGACIÓN
EL PODER ESTADÍSTICO. DIFERENCIAS OBSERVADAS CUANDO SE CAMBIA EL ALFA ESTABLECIDO EN UN ESTUDIO DE INVESTIGACIÓN Mylord Reyes Tosta, EdD Resumen Se utilizaron dos ejemplos para una prueba de hipótesis
Más detalles1. Metodología de respuesta
1. Metodología de respuesta En las secciones anteriores se ha estudiado el comportamiento de la variable respuesta cuando se ve afectada por diferentes factores, sin embargo no se ha tocado el tema a cerca
Más detallesPRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx
PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx Octubre, 2011 Introducción Un supuesto básico del modelo es la existencia de una relación lineal entre la variable
Más detallescircuitos digitales Oliverio J. Santana Jaria Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso 2006 2007
Oliverio J. Santana Jaria Sistemas Digitales 8. Análisis lógico l de los circuitos digitales Ingeniería Técnica en Informática de Sistemas Los Curso 26 27 El conjunto circuitos de puertas digitales lógicas
Más detallesLa Formulación de los Antecedentes del Problema de Investigación Científica. (The Formulation of the Scientific Research Problem Background)
La Formulación de los Antecedentes del Problema de Investigación Científica (The Formulation of the Scientific Research Problem Background) Abreu, José Luis* Resumen. Se establece que los antecedentes
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesDISEÑO DEL EQUIPAMIENTO DE UN ESTUDIO DE GRABACIÓN DIGITAL RESUMEN. Sergio Herreros Carballo
DISEÑO DEL EQUIPAMIENTO DE UN ESTUDIO DE GRABACIÓN DIGITAL RESUMEN Sergio Herreros Carballo El presente proyecto describe la instalación de audio de un estudio de grabación digital musical. La finalidad
Más detallesMatemáticas Muestra Cuadernillo de Examen
Matemáticas Muestra Cuadernillo de Examen Papel-Lápiz Formato Estudiante Español Versión, Grados 3-5 Mathematics Sample Test Booklet Paper-Pencil Format Student Spanish Version, Grades 3 5 Este cuadernillo
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones
EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Abril 2013 Aniel Nieves-González () Time Series Abril 2013 1 / 15 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por
Más detallesDISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos
DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN Los diseños en bloques utilizan una restricción en la aleatorización. Los cuadrados latinos utilizan dos restricciones en la aleatorización.
Más detallesTarea 4 Soluciones. la parte literal es x3 y 4
Tarea 4 Soluciones Extracto del libro Baldor. Definición. Término.-es una expresión algebraica que consta de un solo símbolo o de varios símbolos no separados entre sí por el signo + o -. Así, a, 3b, 2xy,
Más detallesPráctica 4 Diseño de circuitos con puertas lógicas.
Práctica 4 Diseño de circuitos con puertas lógicas. Descripción de la práctica: -Esta práctica servirá para afianzar los conocimientos adquiridos hasta ahora de simplificación, e implementación de funciones,
Más detallesComenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.
Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas
Más detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO
Más detallesDiseños factoriales con tres factores
Capítulo 6 Diseños factoriales con tres factores SupongamosquehayanivelesparaelfactorA,bnivelesdelfactorBycnivelespara el factor C y que cada réplica del experimento contiene todas las posibles combinaciones
Más detalles240EO011 - Estadística Aplicada
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 715 - EIO - Departamento de Estadística e Investigación
Más detallesINSTITUTO VALLADOLID PREPARATORIA página 37
INSTITUTO VALLADOLID PREPARATORIA página 37 página 38 SUMA DE FRACCIONES CONCEPTO Las cuatro operaciones fundamentales, suma, resta, multiplicación y división, con fracciones algebraicas se realizan bajo
Más detallesPruebas de Compatibilidad de Aplicaciones con SQL Server 2008
Pruebas de Compatibilidad de Aplicaciones con SQL Server 2008 Instrucciones Generales El objetivo de esta iniciativa es determinar si sus aplicaciones ejecutan apropiadamente en SQL Server 2008 y apoyar
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detalles8. ANÁLISIS DE DATOS. Dr. Edgar Acuña http://math.uprm.edu/~edgar. Departmento de Matematicas Universidad de Puerto Rico- Mayaguez
8. ANÁLISIS DE DATOS CATEGÓRICOS Dr. http://math.uprm.edu/~edgar Departmento de Matematicas - Mayaguez Introducción Datos categóricos representan atributos o categorías. Cuando se consideran dos variables
Más detallesCAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de
CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de cualquier modelo en el software Algor. La preparación de un modelo,
Más detallesUNIVERSIDAD COMPLUTENSE DE MADRID
TIEMPO: INSTRUCCIONES GENERALES Y VALORACIÓN 120 minutos INSTRUCCIONES: La prueba consiste en la realización de cinco ejercicios, a elegir entre dos opciones, denominadas A y B. El alumno realizará una
Más detallesESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS
TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño de medidas parcialmente repetidas DISEÑOS DE MEDIDAS REPETIDAS Definición
Más detallesEJERCICIOS RESUELTOS DE COMBINATORIA
MATEMÁTIAS EJERIIOS RESUELTOS DE OMBINATORIA Juan Jesús ascual OMBINATORIA A. Introducción teórica A.1. Variaciones. A.. ermutaciones. A.3. ombinaciones. A.. ropiedades de los números combinatorios. A.5.
Más detallesLÓGICA MATEMÁTICA. Álgebra de Boole Guía de trabajo
LÓGICA MATEMÁTICA Álgebra de Boole Guía de trabajo Favián Arenas A. y Amaury Camargo Universidad de Córdoba Facultad de Ciencias Básicas e Ingenierías Departamento de Matemáticas 4.15 Objetivos Lógica
Más detallesProcesamiento Analógico de Señales
Procesamiento Analógico de Señales Departamento de Electrónica y Automática Facultad de Ingeniería Análisis de AC en SIMetrix Andrés Lage Angel Veca Mario Ruiz Edición 2013 Análisis de AC en SIMetrix Una
Más detallesTema 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 detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detallesMULTICOLINEALIDAD Y OBSERVACIONES ATÍPICAS
MULTICOLINEALIDAD Y OBSERVACIONES ATÍPICAS Autores: Renatas Kizys (rkizys@uoc.edu), Ángel Alejandro Juan Pérez (ajuanp@uoc.edu). ESQUEMA DE CONTENIDOS Detección de multicolinealidad Presencia de multicolinealidad
Más detallesSon objetos cuya función es el tratamiento de varios registros exclusivamente durante la ejecución de un programa.
TABLAS INTERNAS Qué son? Cuando desde un programa realizamos una consulta en Base de Datos a través de sentencias SQL, solemos requerir que los resultados se guarden en alguna estructura de nuestro programa,
Más detallesColegio Hermanos Carrrera. Departamento de Matemática Prof. Roberto Medina
Colegio Hermanos Carrrera Departamento de Matemática Prof. Roberto Medina Unidad 2 Objetivos: - Conceptos algebraicos básicos - Valoración de expresiones algebraicas - Reducción de términos semejantes
Más detalles5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades
5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio
Más detallesPreparación para la XLVII Olimpiada Matemática Española (II) Soluciones
Preparación para la XLVII Olimpiada Matemática Española (II) Soluciones Eva Elduque Laburta y Adrián Rodrigo Escudero 5 de noviembre de 010 Problema 1. Construir un triángulo conocidos 1. un lado, su ángulo
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesSon las dispersiones diferentes?
ESTADÍSTICA BÁSICA II Prueba de significancia 2: F-test Análisis de Varianza (ANOVA) Identificación de valores anómalos (outliers) - Cochran y Grubbs test Taller 3 Leonardo Merino Science Department Swedish
Más detallesUnidad Didáctica. Leyes de Kirchhoff
Unidad Didáctica Leyes de Kirchhoff Programa de Formación Abierta y Flexible Obra colectiva de FONDO FORMACION Coordinación Diseño y maquetación Servicio de Producción Didáctica de FONDO FORMACION (Dirección
Más detallesMATEMÁTICAS PARA LA COMPUTACIÓN CAPÍTULO 5. ÁLGEBRA BOOLEANA
MATEMÁTICAS PARA LA COMPUTACIÓN CAPÍTULO 5. ÁLGEBRA BOOLEANA RESPUESTA Y DESARROLLO DE EJERCICIOS AUTOR: JOSÉ ALFREDO JIMÉNEZ MURILLO AVC APOYO VIRTUAL PARA EL CONOCIMIENTO 5.1.- a) F = A'B'C' + A'B'CD
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesOLIMPIADAS MATEMÁTICAS DEPR 4 DE ABRIL 2014
OLIMPIADAS MATEMÁTICAS DEPR 4 DE ABRIL 2014 Instrucciones: Conteste cada pregunta comenzando en la cara de la hoja de papel donde se presenta la pregunta y continuando al dorso de ser necesario. Se corregirá
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa
Más detallesTesis de Maestría titulada
Tesis de Maestría titulada EL ANALISIS DE CONFIABILIDAD COMO HERRAMIENTA PARA OPTIMIZAR LA GESTIÓN DEL MANTENIMIENTO DE LOS EQUIPOS DE LA LÍNEA DE FLOTACIÓN EN UN CENTRO MINERO RESUMEN En la presente investigación
Más detallesMÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS
MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS 1 ÍNDICE DEFINIR. 3 MEDIR.... 4 ANALIZAR..... 5 MEJORAR. 6 CONTROLAR... 7 GLOSARIO... 8 MAPA CONCEPTUAL. 10 2 DEFINIR: Iniciación del proyecto.
Más detallesMuchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8
Esta semana estudiaremos la definición de vectores y su aplicabilidad a muchas situaciones, particularmente a las relacionadas con el movimiento. Por otro lado, se podrán establecer las características
Más detallesPues, sí. La respuesta la podemos encontrar en el análisis combinatorio.
2. Análisis combinatorio 2.1. Introducción. Imagina que quieres saber de cuántas formas pueden acomodarse 15 libros en un estante sin importar el orden en que éstos vayan, o imagina que quieres escoger
Más detallesSOBRE LA DESIGUALDAD DE CAUCHY
SOBRE LA DESIGUALDAD DE CAUCHY Un enfoque heurístico y algunas aplicaciones Francisco Bellot Rosado En muchos problemas de concursos se puede utilizar la desigualdad de Cauchy como herramienta para demostrar
Más detallesAplicación 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 detallesTREATME 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 detallesa. Viva a más de 3 millas del centro de la ciudad dado que la persona cambiaria a transportación publica.
1) Entre 150 personas que fueron encuestadas como parte de un estudio de transporte urbano masivo, algunos vivían a más de 3 millas del centro de la ciudad (A), algunos de ellos van en sus propios carros
Más detallesPráctica 4 vgaribay PRÁCTICA 4. CONTRASTE DE HIPOTESIS. 1 ESTUDIO DE NORMALIDAD Plot de normalidad. Camino 1
PRÁCTICA 4. CONTRASTE DE HIPOTESIS OBJETIVOS: Estudiar el plot de normalidad Manejar los módulos de contrastes de hipótesis. Obtener las probabilidades de error de tipo I y II, la función de potencia y
Más detalles