CLAVE-LAB 3-Supuestos del Análisis de la Varianza

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

Download "CLAVE-LAB 3-Supuestos del Análisis de la Varianza"

Transcripción

1 (Revisado enero 016_LWB/CL) CLAVE-LAB 3-Supuestos del Análisis de la Varianza El archivo Excel con los datos para este laboratorio está en la página del curso. Los datos provienen de un estudio realizado para comparar los efectos de un insecticida sintético y de un insecticida natural sobre la población de cierto insecto en plantas de habichuela. Se aplicaron 3 tratamientos diferentes (1=control, =insecticida natural, 3=insecticida sintético) a 30 parcelas homogéneas plantadas con la misma variedad de habichuela. La asignación de los tratamientos a las parcelas se hizo según un diseño completamente aleatorizado con 10 repeticiones de cada tratamiento. Para evitar contagios, cada parcela se rodeó con un pasto no susceptible al insecto. Las observaciones son los recuentos de insectos en un área de 1 m ubicada al azar en cada parcela. 1. Es éste un estudio experimental u observacional? Porqué? Es un estudio experimental porque a la unidad se le ha asignado el tratamiento.. Cuál es la unidad experimental? y la unidad de muestreo? Unidad experimental: Una parcela Unidad de muestreo: área de 1 m PARTE A trabajando con los datos originales (recuentos) En InfoStat: Residuos = RDUO Valor absoluto de residuos = RABS Predichos = PRED Residuos estandarizados = RE 3. En InfoStat, grafique los datos usando diagramas de cajas para los tres tratamientos. Comente sobre la validez del homogeneidad de. Utilice la Tabla A en la próxima página para resumir sus comentarios. AGRO 6600 CLAVE - LAB 3 Page 1

2 (Revisado enero 016_LWB/CL) 4 Boxplot de recuento en los tres tratamientos de insecticidas 18 Recuento Tratamiento 4. Indique las hipótesis, analice los datos en Infostat e indique sus conclusiones. Utilice la opción de guardar los residuos, valores predichos, y valores absolutos de residuos (InfoStat va a crear nuevas columnas rotulados RDUO, RABS, y PRED ) Ho: α1 = α = α3=0 Ha: al menos un α i es diferente (o al menos una α i no igual a 0) Recuento Modelo < Tratamiento < Error Total Rechazo Ho porque el p (0.0001) es menor que el α (0.05). Por lo tanto, acepto Ha que nos indica que existe diferencia en el efecto de los tratamientos (control, insecticida natural e insecticida sintético) sobre la población de cierto insecto en plantas de habichuela. 5. Grafique los residuales ( RDUO ) con un gráfico Q-Q. Comente sobre la validez del normalidad. AGRO 6600 CLAVE - LAB 3 Page

3 (Revisado enero 016_LWB/CL) n= 30 r= 0.97 (RDUO_Recuento) 7.60 Q-Q plot de los residuales de recuento Cuantiles observados(rduo_recuento) Cuantiles de una Normal( E-016,8.874) 6. Realice una prueba de normalidad de Shapiro-Wilks. Comente sobre la validez del supuesto de normalidad. Ho: Se cumple con el Normalidad Ha: No se cumple con el Normalidad Shapiro-Wilks (modificado) Variable n Media D.E. W* p (una cola) RDUO_Recuento Se acepta Ho porque el p (0.5475) es mayor que α (0.05). Sí se cumple con el Normalidad. 7. Grafique residuales vs. valores predichos. Comente sobre la validez del homogeneidad de. Residuales vs. Predichos AGRO 6600 CLAVE - LAB 3 Page 3

4 (Revisado enero 016_LWB/CL) 8.30 Residuales vs predichos de los recuentos 4.45 RDUO_Recuento Puntos en gráficos forman un embudo; por lo tanto, no hay homogeneidad de varianza. Los residuos para el insecticida control son más variables que los de insecticidas sintéticos o naturales. 8. Utilice Medidas Resumen para buscar las [var(n-1)] de los tres tratamientos. A mano, realice la prueba de Fmax(Hartley). Comente sobre la validez del homogeneidad de. Ho: Se cumple con el Homogeneidad de σ 1 = σ = σ 3 Ha: No se cumple con el Homogeneidad de Al menos un σ i es diferente Estadística descriptiva Tratamiento Variable n Media D.E. Var(n-1) 1 Recuento Recuento Recuento F max > F max tab con t = 3 y gl = n-1 = 10 1 = 9 S max/s min > F max tab.04/.3=9.49 > 5.34; por lo tanto, no hay homogeneidad de 9. Realice la prueba de Levene. Comente sobre la validez del homogeneidad de. Prueba Levene PRED_Recuento AGRO 6600 CLAVE - LAB 3 Page 4

5 (Revisado enero 016_LWB/CL) RABS_Recuento Modelo Tratamiento Error Total Se rechaza Ho porque el p (0.0077) es menor que el α (0.05). Por lo tanto acepto Ha y concluye que no hay homogeneidad de. PARTE B trabajando con los datos transformados - ln(recuentos+1) y raíz(recuentos) 10. A efectos de verificar los supuestos bajo distintas transformaciones, vamos a transformar cada observación Y en ln(y+1) y en Y. Las transformaciones se pueden hacer en forma muy sencilla en Infostat usando el menú Datos>Fórmulas. Si la variable recuento es la que tiene los recuentos, Ud. puede crear dos variables nuevas: en la ventana de la fórmula, escriba logrecuento=ln(recuento+1) o raizrec=raiz(recuento) (o raizrec=(recuento)^0.05). 11. Analice los datos transformados en ln(y+1) y Y, y repita 3 a 9. Título 4 3 raizrec Tratamiento lnrec raizrec AGRO 6600 CLAVE - LAB 3 Page 5

6 (Revisado enero 016_LWB/CL) Transformación logarítmica: Ho: α1 = α = α3 Ha: al menos un α i es diferente ANOVA LOGRECUENTO logrecuento Modelo < Tratamiento < Error Total Rechazo Ho porque el p (0.0001) es menor que el α (0.05). Por lo tanto, acepto Ha que nos indica que existe diferencia en el efecto de los tratamientos (control, insecticida natural e insecticida sintético) sobre la población de cierto insecto en plantas de habichuela. AGRO 6600 CLAVE - LAB 3 Page 6

7 (Revisado enero 016_LWB/CL) Q-Q plot RESIDUO LOGRECUENTO n= 30 r= (RE_logrecuento).08 Q-Q plot residuo log recuento Cuantiles observados(re_logrecuento) Cuantiles de una Normal(.945E-016,1.0345) Ho: Se cumple con el Normalidad Ha: No se cumple con el Normalidad Shapiro-Wilks (modificado) Variable n Media D.E. W* p (una cola) RDUO_logrecuento Se rechaza Ho porque el p (0.0103) es menor que α (0.05). No se cumple con el Normalidad. Residuales vs. Predichos RESIDUO LOGRECUENTO 0.61 REs vs Pred Res Log Rec 0.8 RDUO_logrecuento PRED_logrecuento Puntos en gráficos no forman un embudo; por lo tanto, sí hay homogeneidad de varianza. AGRO 6600 CLAVE - LAB 3 Page 7

8 (Revisado enero 016_LWB/CL) Ho: Se cumple con el Homogeneidad de σ 1 = σ = σ 3 Ha: No se cumple con el Homogeneidad de Al menos un σ i es diferente Estadística descriptiva Tratamiento Variable n Media D.E. Var(n-1) 1 logrecuento logrecuento logrecuento F max log rec > F max tab con t = 3 y gl = n-1 = 10 1 = 9 S max/s min > F max tab 0.18/0.09 > 5.34 < 5.34; por lo tanto, sí hay homogeneidad de. Prueba Levene log rec RABS_logrecuento Modelo Tratamiento Error Total Se acepta Ho porque el p (0.1449) es mayor que el α (0.05). Por lo tanto acepto Ho y concluyo que sí hay homogeneidad de. Transformación raíz cuadrada: Ho: α1 = α = α3 Ha: al menos un α i es diferente ANOVA RAIZRECUENTO raizrec Modelo < Tratamiento < Error Total Rechazo Ho porque el p (0.0001) es menor que el α (0.05). Por lo tanto, acepto Ha que nos indica que existe diferencia en el efecto de los tratamientos (control, AGRO 6600 CLAVE - LAB 3 Page 8

9 (Revisado enero 016_LWB/CL) insecticida natural e insecticida sintético) sobre la población de cierto insecto en plantas de habichuela. Q-Q plot RESIDUO RAIZRECUENTO n= 30 r= (RDUO_raizrec) 1.05 Q-Q plot Res Raiz Rec Cuantiles observados(rduo_raizrec) Cuantiles de una Normal(-1.953E-016,0.6685) Ho: Se cumple con el Normalidad Ha: No se cumple con el Normalidad Shapiro-Wilks (modificado) Variable n Media D.E. W* p (una cola) RDUO_raizrec Se acepta Ho porque el p (0.0864) es mayor que α (0.05). Sí se cumple con el Normalidad. Residuales vs. Predichos RESIDUO RAIZRECUENTO 1.00 REs vs Pred Res Raiz Rec 0.51 RDUO_raizrec PRED_raizrec Puntos en gráficos no forman un embudo; por lo tanto, sí hay homogeneidad de varianza. AGRO 6600 CLAVE - LAB 3 Page 9

10 (Revisado enero 016_LWB/CL) Ho: Se cumple con el Homogeneidad de σ 1 = σ = σ 3 Ha: No se cumple con el Homogeneidad de Al menos un σ i es diferente Estadística descriptiva Tratamiento Variable n Media D.E. Var(n-1) 1 raizrec raizrec raizrec F max raiz rec > F max tab con t = 3 y gl = n-1 = 10 1 = 9 S max/s min > F max tab 0.37/0. > < 5.34; por lo tanto, sí hay homogeneidad de Prueba Levene raiz rec RABS_raizrec Modelo Tratamiento Error Total Se acepta Ho porque el p (0.8071) es mayor que el α (0.05). Por lo tanto acepto Ho y concluyo que sí hay homogeneidad de. 1. Es necesaria una transformación para los datos de este problema? Cuál de las transformaciones le parece más apropiada? Es necesaria la transformación porque el homogéneas en la escala original no se cumple. La transformación raíz cuadrada parece más apropiada en este caso porque cumplimos con ambos supuestos: Homogeneidad de y Normalidad. Tabla A Diagnóstico Recuentos ln(recuentos+1) Recuentos Gráfico de Cajas No cumple con Cumple con supuesto Cumple con de AGRO 6600 CLAVE - LAB 3 Page 10

11 (Revisado enero 016_LWB/CL) ANOVA (prueba F) Hay diferencias significativas Hay diferencias significativas Hay diferencias significativas Q-Q Plot Shapiro-Wilks Residuos vs. Predichos Fmax (Hartley) Levene Cumple con supuesto de normalidad de errores (aunque la interpretación es bastante sujectivo!) Cumple con supuesto de normalidad de errores No cumple con No cumple con No cumple con No cumple con normalidad de errores (aunque la interpretación es bastante sujectivo!) No cumple con normalidad de errores Cumple con supuesto de Cumple con supuesto de Cumple con supuesto de Cumple con normalidad de errores (aunque la interpretación es bastante sujectivo!) Cumple con normalidad de errores Cumple con Cumple con Cumple con AGRO 6600 CLAVE - LAB 3 Page 11

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 - 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

MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.

MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En

Más detalles

Experimentos Simples

Experimentos Simples Experimentos Simples: Análisis de supuestos del ANOVA 1 Experimentos Simples Análisis de supuestos del ANOVA En cada ocasión que se realice un análisis de varianza (ANOVA), rutinariamente deben examinarse

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

Diseño de Experimentos

Diseño de Experimentos Diseño de Experimentos Tema 8. Diseño de Bloques al Azar JAIME MOSQUERA RESTREPO DISEÑO DE BLOQUES El principio básico del diseño de experimentos consiste en garantizar la homogeneidad de las Unidades

Más detalles

Ejemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)

Ejemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery) Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos

Más detalles

Tipo de punta (factor) (bloques)

Tipo de punta (factor) (bloques) Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos

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

Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS

Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS Red ibérica de evaluación de eficacia y efectos secundarios de tratamientos para el control de plagas en el olivar (RIESPO) 2ª Reunión, Madrid 10-11/06/2010 Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS ESTADÍSTICA

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

AGRO Examen Parcial 2 Nombre:

AGRO Examen Parcial 2 Nombre: Examen Parcial 2 Nombre: AGRO 5005 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

AGRO Examen Parcial 2. Nombre:

AGRO Examen Parcial 2. Nombre: Densidad Densidad Densidad Densidad Examen Parcial 2 AGRO 5005 Nombre: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro, las tablas con fórmulas y la

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

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

Estadística y Diseño de experimentos. PRÁCTICA No. 1. Estadística Descriptiva

Estadística y Diseño de experimentos. PRÁCTICA No. 1. Estadística Descriptiva Estadística y Diseño de experimentos. PRÁCTICA No. 1. Estadística Descriptiva 1. Los datos presentados a continuación representan el costo de la energía eléctrica durante julio de 2013 para una muestra

Más detalles

Modelo Lineal PRACTICA 5

Modelo Lineal PRACTICA 5 Modelo Lineal PRACTICA 5 1. La Tabla 3 (gener2.txt) contiene un conjunto de 30 datos generados correspondientes a dos variables: X e Y. a) Ajuste un modelo lineal utilizando la variable Y como respuesta

Más detalles

LAB 13 - Análisis de Covarianza - CLAVE

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

Más detalles

Diseño de Experimentos

Diseño de Experimentos Diseño de Experimentos Tema 6. Validación de Supuestos JAIME MOSQUERA RESTREPO VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Los procedimientos estudiados son validos únicamente bajo el cumplimiento de 4 supuestos

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

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

ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS

ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de

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

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

Análisis de Componentes de la Varianza

Análisis de Componentes de la Varianza Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable

Más detalles

Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.

Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de

Más detalles

Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández

Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema

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

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

Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma

Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma er. imposio Metodología eis igma Resumen Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Ejemplos de situaciones normales Ejemplos de situaciones no normales Resumen Implicaciones

Más detalles

ANÁLISIS E INTERPRETACIÓN DE DATOS EXPERIMENTALES EN EL MEJORAMIENTO GENÉTICO VEGETAL. Ing. Agr. Pablo Mansilla MGV-FCA, UNC.

ANÁLISIS E INTERPRETACIÓN DE DATOS EXPERIMENTALES EN EL MEJORAMIENTO GENÉTICO VEGETAL. Ing. Agr. Pablo Mansilla MGV-FCA, UNC. ANÁLISIS E INTERPRETACIÓN DE DATOS EXPERIMENTALES EN EL MEJORAMIENTO GENÉTICO VEGETAL. Ing. Agr. Pablo Mansilla MGV-FCA, UNC. ALGUNAS DEFINICIONES NECESARIAS.. UNIDAD EXPERIMENTAL (UE) Porción de material

Más detalles

ANALISIS EXPLORATORIO DE DATOS LIC. ESPERANZA GARCIA CRIBILLEROS

ANALISIS EXPLORATORIO DE DATOS LIC. ESPERANZA GARCIA CRIBILLEROS ANALISIS EXPLORATORIO DE DATOS LIC. ESPERANZA GARCIA CRIBILLEROS 2006 ENFOQUES DE ANALISIS ESTADISTICO Confirmatorio (Clásico) Exploratorio (Tukey( Tukey,, 1977) COMPARACION DE LOS ENFOQUES DE ANALISIS

Más detalles

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

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

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:

Más detalles

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.

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

1. Contesta las siguientes cuestiones rellenando los huecos.

1. Contesta las siguientes cuestiones rellenando los huecos. El fichero electricidad.sgd contiene información sobre 14 variables relativas a la energía eléctrica consumida en los 50 estados de los EEUU, conjuntamente con Washington, D.C., durante los primeros 11

Más detalles

Pruebas t para muestras pareadas

Pruebas t para muestras pareadas AGRO 55 LAB 1 Pruebas t para muestras pareadas PARTE I. Incluya en cada caso todos los pasos necesarios para probar las hipótesis correspondientes, una gráfica con t tab (t crítico), el cálculo del t obs

Más detalles

Pruebas para evaluar diferencias

Pruebas para evaluar diferencias Pruebas para evaluar diferencias Métodos paramétricos vs no paramétricos Mayoría se basaban en el conocimiento de las distribuciones muestrales (t- student, Normal, F): EsFman los parámetros de las poblaciones

Más detalles

EVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT

EVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT EVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT Nereida Delgado Puchi Instituto de Zoología Agrícola Facultad de Agronomía Universidad Central de Venezuela Introducción Estudios

Más detalles

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables

Más detalles

AGRO 6600 Segundo Examen Parcial

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

Más detalles

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

Modelos de ANOVA. Distinguir diferentes tipos de ANOVA

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

Más detalles

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

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

Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos

Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.

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 (ANOVA)

Análisis de la varianza (ANOVA) Análisis de la varianza (ANOVA) Mª Isabel Aguilar, Eugenia Cruces y Bárbara Díaz UNIVERSIDAD DE MÁLAGA Departamento de Economía Aplicada (Estadística y Econometría) Parcialmente financiado a través del

Más detalles

PRÁCTICA 8 INFORME ESTADÍSTICO DE LA ENCUESTA DE SATISFACCIÓN Descripción de los estudiantes en la muestra de encuestas recogidas

PRÁCTICA 8 INFORME ESTADÍSTICO DE LA ENCUESTA DE SATISFACCIÓN Descripción de los estudiantes en la muestra de encuestas recogidas PRÁCTICA 8 INFORME ESTADÍSTICO DE LA ENCUESTA DE SATISFACCIÓN 1. Estadística descriptiva 1.1. Descripción de los estudiantes en la muestra de encuestas recogidas sexo Frecuencia Válidos Hombre 5 13,5 13,5

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

paramétrica comparar dos grupos de puntuaciones

paramétrica comparar dos grupos de puntuaciones t de Student Es una prueba paramétrica de comparación de dos muestras independientes, debe cumplir las siguientes características: Asignación aleatoria de los grupos Homocedasticidad (homogeneidad de las

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

Parte de las notas tomadas de: Prof. Edgar Acuña UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ

Parte de las notas tomadas de: Prof. Edgar Acuña  UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Estadística stica No Paramétrica Parte de las notas tomadas de: Prof. Edgar Acuña http://math.uprm math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ METODOS ESTADISTICOS

Más detalles

Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0

Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar

Más detalles

peso edad grasas Regresión lineal simple Los datos

peso edad grasas Regresión lineal simple Los datos Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos

Más detalles

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................

Más detalles

1. Cómo introducir datos en SPSS/PC? - Recordatorio

1. Cómo introducir datos en SPSS/PC? - Recordatorio 1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones

Más detalles

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

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

Más detalles

Estadística I Guión de la Práctica 2 Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística

Estadística I Guión de la Práctica 2 Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística Estadística I Guión de la Práctica Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística 1. Simulación de las variables aleatorias En Excel podemos simular valores de variables

Más detalles

PROGRAMA. 2. MATERIA/ SEMINARIO/OBLIGACION ACADEMICA: Estadística

PROGRAMA. 2. MATERIA/ SEMINARIO/OBLIGACION ACADEMICA: Estadística UNIVERSIDAD DEL SALVADOR Delegación Provincia de Corrientes Campus San Roque González de Santa Cruz Plan. Res. Rec. 60/006 PROGRAMA 1. CARRERA: Agronomía. MATERIA/ SEMINARIO/OBLIGACION ACADEMICA: Estadística

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y

Más detalles

LABORATORIO DE CALIDAD NUTRICIONAL VALIDACIÓN DE MÉTODOS ANALÍTICOS: CASO LOWRY MÓNICA PIZARRO S.

LABORATORIO DE CALIDAD NUTRICIONAL VALIDACIÓN DE MÉTODOS ANALÍTICOS: CASO LOWRY MÓNICA PIZARRO S. LABORATORIO DE CALIDAD NUTRICIONAL VALIDACIÓN DE MÉTODOS ANALÍTICOS: CASO LOWRY MÓNICA PIZARRO S. Es un consorcio de instituciones que aspira reducir la desnutrición y mejorar la seguridad alimentaria

Más detalles

INFORME DE LABORATORIO No.5 Mesa No. Fecha: CARNET INTEGRANTES FIRMA SECCION NOTA

INFORME DE LABORATORIO No.5 Mesa No. Fecha: CARNET INTEGRANTES FIRMA SECCION NOTA UNIVERSIDAD TECNOLOGICA DE EL SALVADOR FACULTAD DE INFORMATICA Y CIENCIAS APLICADAS ESCUELA DE CIENCIAS APLICADAS CATEDRA DE FISICA Física III DETERMINAR LA RELACION DE PROPORCIONALIDAD ENTRE LA FUERZA

Más detalles

Viernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo

Viernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo Viernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo Favor de abrir el navegador Mozilla Firefox y escriba la siguiente dirección http://math.uprag.edu/area.mtw

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

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más

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

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

CLAVE - Laboratorio 5: Probabilidad y Distribución Binomial

CLAVE - Laboratorio 5: Probabilidad y Distribución Binomial CLAVE - Laboratorio 5: Probabilidad y Distribución Binomial 1. Para el experimento aleatorio de arrojar 3 monedas diferentes (una de $0.05, una de $0.10 y una de $0.25), realice una lista con los 8 resultados

Más detalles

Ejemplo de análisis de la Varianza (ANOVA).

Ejemplo de análisis de la Varianza (ANOVA). Ejemplo de análisis de la Varianza (ANOVA). temp TVBN temp TVBN temp TVBN 1 18,3 2 11,7 3 16,64 1 15,92 2 12,87 3 17,83 1 18,71 2 11,77 3 19,01 1 17,92 2 12,23 3 17,33 1 15,66 2 13,62 3 17,06 1 17,14 2

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

Perfiles Isométricos Infostat Ejemplo. Universidad Nacional de Colombia. 5 de junio de 2014

Perfiles Isométricos Infostat Ejemplo. Universidad Nacional de Colombia. 5 de junio de 2014 Perfiles Isométricos Ejemplo Universidad Nacional de Colombia 5 de junio de 2014 Tipos de variables Variables Usando las bases de datos correspondientes a los perfiles isométricos de 9539 alumnos de primaria

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

T2. El modelo lineal simple

T2. El modelo lineal simple T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de

Más detalles

El análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar K muestras.

El análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar K muestras. Anova Dra. Diana elmansky 85 6. ANÁLISIS DE LA VARIANZA DE UN FACTOR El análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar muestras. Hemos

Más detalles

Medidas de dispersión

Medidas de dispersión Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia

Más detalles

ANOVA Análisis de la Varianza en diseño de experimentos

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

Más detalles

MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros

MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas

Más detalles

Estadísticas Pueden ser

Estadísticas Pueden ser Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más

Más detalles

Estadística básica con R Commander. María Eugenia Fernández de Luco

Estadística básica con R Commander. María Eugenia Fernández de Luco Estadística básica con R Commander María Eugenia Fernández de Luco Facultad de Ciencias Exactas, Ingeniería y Agrimensura Universidad Nacional de Rosario 2014 ÍNDICE 1. Introducción... 2 2. Lectura de

Más detalles

Diseño de Experimentos Diseños de un Solo Factor Categórico

Diseño de Experimentos Diseños de un Solo Factor Categórico Diseño de Experimentos Diseños de un Solo Factor Categórico Resumen La selección de Diseños de un Solo Factor Categórico sobre el menú de Crear un Diseño crea diseños experimentales para situaciones donde

Más detalles

PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI

PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.

Más detalles

Objetivo. Conocer la forma de calcular las Medidas de Dispersión de una distribución con OpenOffice Calc CALC: MEDIDAS DE DISPERSIÓN

Objetivo. Conocer la forma de calcular las Medidas de Dispersión de una distribución con OpenOffice Calc CALC: MEDIDAS DE DISPERSIÓN Objetivo Conocer la forma de calcular las Medidas de Dispersión de una distribución con OpenOffice Calc CALC: MEDIDAS DE DISPERSIÓN La dispersión otorga el grado de distanciamiento de un conjunto de valores

Más detalles

DISTRIBUCION JI-CUADRADA (X 2 )

DISTRIBUCION JI-CUADRADA (X 2 ) DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra

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

TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS

TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis

Más detalles

TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS

TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de

Más detalles

Práctica 5 Prueba de Hipótesis

Práctica 5 Prueba de Hipótesis 05/08/08 1 Práctica 5 Prueba de Hipótesis PROGRAMA: SPSS ARCHIVOS: Equinos.sav; Temp.xls, Cabras.xls, Car_boer.xls, Malinois.xls. Conocimientos previos: Conocer y utilizar la distribución normal estándar,

Más detalles

Transformaciones de Potencia

Transformaciones de Potencia Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen

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

Estimación de Parámetros.

Estimación de Parámetros. Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un

Más detalles

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

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

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

Una vez realizados estos procesos conviene verificar que han aparecido las dos nuevas variables (columnas) en el archivo de datos.

Una vez realizados estos procesos conviene verificar que han aparecido las dos nuevas variables (columnas) en el archivo de datos. ECONOMETRÍA 09 PRACTICA 1: REPASO DE SPSS 1. Cuántas variables hay en el fichero? Y cuántas observaciones? Qué representa cada observación? Distingue entre variables cualitativas y cuantitativas. El fichero

Más detalles

Modelos lineales. Tema 4. Diagnóstico del modelo. 9 de febrero de Carmen Armero

Modelos lineales. Tema 4. Diagnóstico del modelo. 9 de febrero de Carmen Armero Carmen Armero 9 de febrero de 2011 Introducción Introducción En general, cuando utilizamos un modelo de regresión para analizar un conjunto de datos no estamos totalmente seguros de si el modelo es apropiado

Más detalles

F X > F Y F X < F Y F X 6= F Y

F X > F Y F X < F Y F X 6= F Y Alternativas No paramétricas En el caso de comparación de medias, como se comentó, es fundamental que se cumplan los supuestos de normalidad y varianzas iguales pero, qué hay que hacer si alguno de ellos

Más detalles

Estadística descriptiva y métodos diagnósticos

Estadística descriptiva y métodos diagnósticos 2.2.1. Estadística descriptiva y métodos diagnósticos Dra. Ana Dorado Díaz Consejería de Sanidad Diplomado en Salud Pública Diplomado en Salud Pública - 2 Objetivos específicos 1. El alumno aprenderá a

Más detalles

Índice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables

Índice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población

Más detalles

Estadística Inferencial. Estadística Descriptiva

Estadística Inferencial. Estadística Descriptiva INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y

Más detalles