AGRO 6600 Segundo Examen Parcial

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

Download "AGRO 6600 Segundo Examen Parcial"

Transcripción

1 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. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas deben ser consistentes. Tenga en cuenta que algunos de los resultados parciales presentados podrían no ser relevantes al problema en cuestión. Todo acto de deshonestidad académica conllevará una nota de 0 en el examen y la radicación de cargos disciplinarios. El examen dura 1.5 horas 1. (35 puntos) Se desea estudiar la cantidad promedio de semillas de Leucaena leucocephala, un arbusto introducido que crece en bosques secos y semi-secos en Puerto Rico. Para ello se colocaron 12 trampas de semillas (aleatoriamente ubicadas) en áreas de bosque nativo en el mes de agosto (época lluviosa), otras 12 trampas en áreas de bosque nativo en el mes de febrero (época seca), otras 12 trampas en áreas de bosque exótico en el mes de agosto (época lluviosa), y otras 12 trampas en áreas de bosque exótico en el mes de febrero (época seca). En cada una de las 48 trampas se contó el número de semillas recogidas durante 60 días. a. (6 puntos) Cuáles son los factores en estudio? Son fijos o aleatorios? Cuántos niveles tiene cada uno de los factores?

2 b. (5 puntos) Complete los grados de libertad en la tabla siguiente (5 cantidades): Fuente de Variación gl CM Tipo de bosque Época del año Tipo bosque * Epoca Error 61.0 Total c. (9 puntos) Realice las pruebas de hipótesis que considere convenientes. Indique sus conclusiones claramente. Use α=0.05

3 d. (10 puntos) Los siguientes son las medias observadas de cada combinación de tipo de bosque y época. Use estas medias para construir un gráfico que le permitan interpretar mejor la presencia o no de interacción entre tipo de bosque y época. Indique claramente lo que observa en el gráfico, y relaciónelo con los resultados obtenidos en la parte (c). Tipo de bosque Época Media nativo agosto 48.7 nativo febrero 26.3 exótico agosto 86.7 exótico febrero 91.0 e. (5 puntos) Hay diferencias significativas (α=0.05) entre las medias de agosto y febrero en bosques exóticos?

4 2. (28 puntos) Las ensaladas pre-cortadas y empacadas listas para servir se han convertido en un producto muy importante en la industria de alimentos. Se probaron tres tratamientos en empaque con atmósfera modificada (AM, con poco oxígeno) en cinco variedades de lechuga ( Clemente, Green Forest, Brave Heart, Triton, and Sunbelt ). Se usaron 6 lechugas, de aproximadamente el mismo tamaño, de cada una de las 5 variedades utilizadas en el experimento (o sea, un total de 30 lechugas). Cada lechuga se cortó en trocitos de tamaño para ensalada (aproximadamente 3 cm 2 ). Los trozos de cada lechuga se dividieron en 3 porciones (150 g cada una), y cada porción se asignó (al azar) a bolsas con una de las tres atmósferas modificadas (AM) (0.2%, 1% y 5% O 2 ). A los 15 días se separó el tejido saludable del deteriorado y se pesó. Las medias presentadas son el peso del tejido deteriorado ( peso tejido(g) ) en cada caso (g). Observar que éste es un diseño en parcelas divididas. a. (8 puntos) Identifique los factores en estudio y el número de niveles de cada uno. b. (6 puntos) Identifique la parcela completa y la subparcela. c. (4 puntos) Identifique el diseño experimental para las parcelas completas d. (10 puntos) Realice un esquema de la tabla de ANOVA con las fuentes de variación, los grados de libertad y las pruebas F correspondientes. Indique los números (no las letras) cuando sea posible.

5 3. (37 puntos) Una productora de pollos desea estudiar la calidad del alimento que compra. A cada una de las cuatro compañías que producen el alimento se le compran 5 sacos de 100kg. En cada saco se obtienen 6 muestras aleatorias, y se analiza el contenido de proteína de cada muestra. La tabla de ANOVA fue la siguiente: F. de variación g.l. S.C. C.M. C.M. Esperado F Compañía Saco (Compañía) Error (=muestra) Total a. (6 puntos) Clasifique cada efecto como fijo o aleatorio: Compañía: Saco (Compañía): b. (18 puntos) Complete la tabla de ANOVA. Ud. debe completar 12 cantidades: grados de libertad para las 4 fuentes de variación; cuadrados medios para compañía, saco(compañía) y error; cuadrados medios esperados para compañía, saco(compañía) y error; y estadísticos F para compañía y saco(compañía). Indique los números (no las letras) cuando sea posible. c. (8 puntos). Formule y pruebe las hipótesis de interés. Indique sus conclusiones clara y brevemente. d. (5 puntos). Estime la varianza de saco(compañía).

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

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

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

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

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

ESQUEMA GENERAL DISEÑO FACTORIAL

ESQUEMA GENERAL DISEÑO FACTORIAL TEMA III ESQUEMA GENERAL Definición Clasificación Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar Representación de la interacción DISEÑO FACTORIAL Definición El

Más detalles

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

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

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

TEMA 2 Diseño de experimentos: modelos con varios factores

TEMA 2 Diseño de experimentos: modelos con varios factores TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial

Más detalles

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

Diseño de Experimentos Experimentos factoriales

Diseño de Experimentos Experimentos factoriales Diseño de Experimentos Experimentos factoriales Dr. Héctor Escalona Definición El termino genérico de diseño factorial se aplica a aquellos experimentos donde se desea evaluar el efecto de 2 o mas factores

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

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

Diferentes tamaños de u.e. Diseño de experimentos p. 1/24

Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Introducción Los diseños experimentales que tienen varios tamaños de u.e. son: diseños de mediciones repetidas, diseños de parcelas divididas,

Más detalles

Tema V. EL ANOVA multifactorial

Tema V. EL ANOVA multifactorial 5.1. El ANOVA de múltiples factores: - Factorial (ortogonal): los no ortogonales no los veremos - Factores fijos, aleatorios y mixtos (consecuencias prácticas) - El Anova encajado La variable que vamos

Más detalles

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

Bloque II (Columnas) B= Y212 C= Y322 D= Y432 C= Y313 D= Y423 E= Y533. A= Y1k2. B= Y2k3

Bloque II (Columnas) B= Y212 C= Y322 D= Y432 C= Y313 D= Y423 E= Y533. A= Y1k2. B= Y2k3 DISEÑO EN CUADRO LATINO En el diseño en cuadro latino (DCL) se controlan dos factores de bloque y se estudia un solo factor de interés. En este sentido, se tienen cuatro fuentes de variación: Los tratamientos

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

Para este ensayo se requiere 12 parcelas grandes y dividirla cada una en dos subparcelas.

Para este ensayo se requiere 12 parcelas grandes y dividirla cada una en dos subparcelas. 1 Diseño en Parcela Dividida (Split plot) El diseño consiste en dividir las parcelas en subparcelas y aplicar un grupo de tratamientos en las parcelas y otro grupo de tratamientos en las subparcelas. La

Más detalles

Experimentos con factores aleatorios. Diseño de experimentos p. 1/36

Experimentos con factores aleatorios. Diseño de experimentos p. 1/36 Experimentos con factores aleatorios Diseño de experimentos p. 1/36 Introducción Hasta ahora hemos supuesto que los factores de un experimento son factores fijos, esto es, los niveles de los factores usados

Más detalles

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

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

Más detalles

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

Encontrando el área y circunferencia de un círculo. Nombre: Encuentra el área y circunferencia de cada círculo. Los círculos no están a escala.

Encontrando el área y circunferencia de un círculo. Nombre: Encuentra el área y circunferencia de cada círculo. Los círculos no están a escala. 12 6.5 1a. 113.1 cm 2 1c. 37.7 cm 2a. 132.73 cm 2 20 25 2c. 0. cm 3a. 31.16 cm 2 3c. 62.3 cm a. 0.7 cm 2 c. 7.5 cm.5 5.5 5a. 63.62 cm 2 5c. 2.27 cm 6a. 5.03 cm 2 6c. 3.56 cm 1 0.5 7a. 23.53 cm 2 7c. 5.6

Más detalles

Cap 7 Intervalos de Confianza

Cap 7 Intervalos de Confianza Cap 7 Intervalos de Confianza Mate 3015 7.1-1 INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN 7.1-2 Estadísticas inferencial Ahora discutimos estadística inferencial -el proceso de generalizar la información

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

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

Estudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos

Estudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos Contrastes 2 χ Estudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos de una determinada distribución? Homogeneidad

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

Bloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F

Bloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F Bloque 3 Tema 4 AÁLISIS DE LA VARIAZA. PRUEBA F El objetivo fundamental de la experimentación es estudiar la posible relación de causalidad existente entre dos o más variables. Este estudio representa

Más detalles

ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ

ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ Presentado a: MARIA ESTELA SEVERICHE CORPORACION UNIVERSITARIA

Más detalles

DISEÑO EN PARCELAS DIVIDIDAS

DISEÑO 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 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

TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN

TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene

Más detalles

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

PATRONES DE DISTRIBUCIÓN ESPACIAL

PATRONES DE DISTRIBUCIÓN ESPACIAL PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de

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

Problemas Propuestos de Análisis de la Varianza

Problemas Propuestos de Análisis de la Varianza Problemas Propuestos de Análisis de la Varianza EXPERIMENTOS DE UN FACTOR 4.1 La Tabla 4.1 da las producciones en quintales por hectárea de una cierta variedad de trigo que crece en terrenos tratados con

Más detalles

DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos

DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN Los diseños en bloques utilizan una restricción en la aleatorización. Los cuadrados latinos utilizan dos restricciones en la aleatorización.

Más detalles

Contraste de Hipótesis

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

Más detalles

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8. UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía

Más detalles

Pruebas de hipótesis. Comparación de 2 muestras. Álvaro José Flórez. Febrero - Junio Facultad de Ingenierías

Pruebas de hipótesis. Comparación de 2 muestras. Álvaro José Flórez. Febrero - Junio Facultad de Ingenierías Pruebas de hipótesis Comparación de 2 muestras Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Comparación de medias La comparación de dos

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

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

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

RELACIÓN 1. DESCRIPTIVA

RELACIÓN 1. DESCRIPTIVA RELACIÓN 1. DESCRIPTIVA 1. En un estudio sobre el número de bacterias que aparecen en determinados cultivos se tomaron 1 de estos cultivos y se contó el número de bacterias que aparecieron en cada uno

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

Diseño Muestreo y Experimental -->fundamental para análisis estadísticos. Escogencia de factores (V. independientes), niveles de factores,

Diseño Muestreo y Experimental -->fundamental para análisis estadísticos. Escogencia de factores (V. independientes), niveles de factores, Diseño Muestreo y Experimental -->fundamental para análisis estadísticos Escogencia de factores (V. independientes), niveles de factores, (tratamientos), Unidades de repuesta (replicas), Unidades de muestreo

Más detalles

12. (SEPTIEMBRE 2004) Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

12. (SEPTIEMBRE 2004) Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos DEPARTAMENTO DE MATEMÁTICAS UNIDAD 5. Estadística IES Galileo Galilei EJERCICIOS DE SELECTIVIDAD 1. (JUNIO 2000) Una variable aleatoria X tiene distribución normal siendo su desviación típica igual a 3.

Más detalles

Práctica 2. Hipótesis de investigación

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

Más detalles

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN SEPTIEMBRE, 2015 INTRODUCCIÓN Los diseños experimentales

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

DISEÑO FACTORIAL MODELO JERÁRQUICO (0 ANIDADO)

DISEÑO 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 detalles

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

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

Más detalles

CLAVE-LAB 3-Supuestos del Análisis de la Varianza

CLAVE-LAB 3-Supuestos del Análisis de la Varianza (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

Más detalles

CONTRASTACIÓN DE HIPÓTESIS

CONTRASTACIÓN DE HIPÓTESIS UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN ESCUELA DE POSTGRADO MAESTRIA EN DOCENCIA SUPERIOR E INVESTIGACIÓN UNIVERSITARIA ASIGNATURA: ESTADÍSTICA PARA LA INVESTIGACIÓN EDUCATIVA CONTRASTACIÓN

Más detalles

PRINCIPIOS ESTADÍSTICOS Y DISEÑOS EXPERIMENTALES USADOS EN LA INVESTIGACIÓN AGRICOLA

PRINCIPIOS ESTADÍSTICOS Y DISEÑOS EXPERIMENTALES USADOS EN LA INVESTIGACIÓN AGRICOLA PRINCIPIOS ESTADÍSTICOS Y DISEÑOS EXPERIMENTALES USADOS EN LA INVESTIGACIÓN AGRICOLA ESTADISTICA Es la ciencia que estudia la recolección, clasificación, presentación e interpretación de datos numéricos

Más detalles

UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA

UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:

Más detalles

Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez. Maíz (Zea mays)

Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez. Maíz (Zea mays) Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez Cadelga Maíz (Zea mays) Científica Objetivos Medir el Efecto Fisiológico AgCelence del Fungicida

Más detalles

PARTE COMÚN MATERIA: FUNDAMENTOS DE MATEMÁTICAS

PARTE COMÚN MATERIA: FUNDAMENTOS DE MATEMÁTICAS CALIFICACIÓN: Consejería de Educación, Cultura y Deportes. PRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR DE FORMACIÓN PROFESIONAL SEPTIEMBRE 2013 Resolución de 02/04/2013, de la Viceconsejería

Más detalles

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

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

Más detalles

En el pasado, en la realización de experimentos que envolvían más de un factor, y cada

En el pasado, en la realización de experimentos que envolvían más de un factor, y cada Capitulo 4. Planeamiento Factorial (Convencionales) 4.1 Introducción. En el pasado, en la realización de experimentos que envolvían más de un factor, y cada factor con más de una variable, se adoptaba

Más detalles

Metodologías De Investigación

Metodologías De Investigación Metodologías De Investigación Pfra. Dolores Frías Navarro M. Dolores Frías http://www.uv.es/friasnav 1 Diseños Experimentales Al menos una variable independiente de tratamiento que es introducida por el

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

Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1

Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta

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

Práctica 5: Estimación de parámetros. Una población.

Práctica 5: Estimación de parámetros. Una población. Práctica 5: Estimación de parámetros. Una población. 1. Considere el conjunto f1; 3; 5; 7; 9g (a) Enumere todas las muestras de tamaño 2 que pueden ser seleccionadas con reposición de ese conjunto. Calcule

Más detalles

UNIVERSIDAD AUTONOMA DE TAMAULIPAS

UNIVERSIDAD AUTONOMA DE TAMAULIPAS R-RS-01-25-03 UNIVERSIDAD AUTONOMA DE TAMAULIPAS NOMBRE DE LA FACULTAD O UNIDAD ACADEMICA NOMBRE DEL PROGRAMA INGENIERO INDUSTRIAL NOMBRE DE LA ASIGNATURA DISENO Y ANALISIS DE EXPERIMENTOS PROGRAMA DE

Más detalles

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

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

Más detalles

ANOVA de dos factores Tema Objetivo. Concepto de interacción

ANOVA de dos factores Tema Objetivo. Concepto de interacción AOVA de dos factores ema 7. Objetivo. Concepto de interacción. AOVA de dos factores, efectos fijos, completamente aleatoriazado (AOVA-AB-EF-CA). Comparaciones múltiples . Objetivo: estudiar si los valores

Más detalles

Diseños Factoriales. Diseño de experimentos p. 1/18

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

Más detalles

Biometría II / Repaso Modelos

Biometría II / Repaso Modelos Variable respuesta cuantitativa Variable explicatoria cualitativa (o cuantitativa*) ANOVA Factores Fijos Aleatorios Cruzados Anidados Entre Dentro Anova de 1, 2, 3, etc. Factores Fijos Anova de 1, 2, 3,

Más detalles

bloques SC Suma de Cuadrados k trat bloques

bloques SC Suma de Cuadrados k trat bloques Análisis de un diseño en bloques aleatorios Cuando sólo hay dos tratamientos, el análisis de varianza de una vía equivale al test t de Student para muestras independientes. A su vez, el análisis de varianza

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

1. Ejercicios. 2 a parte

1. Ejercicios. 2 a parte 1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de

Más detalles

ESQUEMA GENERAL. Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto

ESQUEMA GENERAL. Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto DISEÑOS DE MEDIDAS REPETIDAS Definición En el diseño medidas

Más detalles

6.1. Prueba de Wilcoxon. 6.2 Prueba de Kruskal Wallis.

6.1. Prueba de Wilcoxon. 6.2 Prueba de Kruskal Wallis. 6 PRUEBAS DE HIPÓTESIS NO PARAMÉTRICAS (Prof. Jimmy Reyes R-) CONTENIDOS: OBJETIVOS: 6.. Prueba de ilcoxon. 6. Prueba de Kruskal allis. Plantear hipótesis no paramétricas en dos o más poblaciones. Determinar

Más detalles

PROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL

PROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL 1 PROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL Prof.: MSc. Julio R. Vargas A. I. INTRODUCCION El presente trabao está orientado a aplicar los conocimientos de estadística inferencial a un caso práctico

Más detalles

= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =

= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) = SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden

Más detalles

Diseños Factoriales. Diseño de experimentos p. 1/25

Diseños Factoriales. Diseño de experimentos p. 1/25 Diseños Factoriales Diseño de experimentos p. 1/25 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de

Más detalles

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

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

Más detalles

Experimentos factoriales con factores aleatorios

Experimentos factoriales con factores aleatorios Experimentos factoriales con factores aleatorios Hasta el momento hemos presumido que los factores en nuestros experimentos eran de naturaleza fija; esto es los niveles en que los factores fueron evaluados

Más detalles

ESTABLECIMIENTO DE Leucaena leucocephala EN ALTA DENSIDAD DE SIEMBRA BAJO COCOTERO (Cocus nucifera)

ESTABLECIMIENTO DE Leucaena leucocephala EN ALTA DENSIDAD DE SIEMBRA BAJO COCOTERO (Cocus nucifera) ESTABLECIMIENTO DE Leucaena leucocephala EN ALTA DENSIDAD DE SIEMBRA BAJO COCOTERO (Cocus nucifera) 1 Anguiano, J.M.; 2 Rodríguez, J.; 1 Aguirre, J. y 3 Palma. J.M. 1 Posgrado en Ciencias Biológicas Agropecuarias

Más detalles

Capitulo. Describir la relación entre dos variables Pearson Prentice Hall. All rights reserved

Capitulo. Describir la relación entre dos variables Pearson Prentice Hall. All rights reserved Capitulo 34 Describir la relación entre dos variables Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta fundamental debe ser si podemos utilizar el valor

Más detalles

DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA

DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo. las unidades experimentales homogéneas se agrupan formando grupos homogéneos llamados

Más detalles

Centro Universitario de Tonalá

Centro Universitario de Tonalá Presentación Este curso de estadística y evaluación de datos se encuentra diseñado para los estudiantes del Doctorado en Agua y Energía del Centro Universitario de Tonalá. Competencias genéricas de la

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

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 10 Estadísticos muestrales y sus aplicaciones Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las propiedades de los estadísticos muestrales.

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

EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)

EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.

Más detalles

: Andrea Canals/ Catalina Canals Año Académico : 2017 P R O G R A M A

: Andrea Canals/ Catalina Canals Año Académico : 2017 P R O G R A M A 1 ASIGNATURA : Estadística Requisito : Matemática 2 Profesores : Andrea Canals/ Catalina Canals Año Académico : 2017 Carácter : Semestral Clases Teóricas : 3 horas Ayudantía : 1,5 horas P R O G R A M A

Más detalles

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

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

Más detalles

Teorema Central del Límite (1)

Teorema Central del Límite (1) Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico

Más detalles

INSTRUCCIONES. Lee cuidadosamente cada pregunta antes de contestarla

INSTRUCCIONES. Lee cuidadosamente cada pregunta antes de contestarla INSTRUCCIONES 1. Las cuestiones respondidas correctamente valen un punto. Hay una única respuesta correcta para cada cuestión. Las respuestas fallidas tienen una penalización de 0. puntos, por tanto, es

Más detalles

Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo

Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las

Más detalles

Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL

Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión

Más detalles

Guía del estudiante Grado Séptimo Bimestre IV Semana 1 Número de clases 1-3

Guía del estudiante Grado Séptimo Bimestre IV Semana 1 Número de clases 1-3 CIENCIAS Grado Séptimo Bimestre IV Semana 1 Número de clases 1-3 Clase 1 Tema: La materia Son las preguntas la clave para aprender ciencias? Actividad 1 Observe el video responda la siguiente pregunta:

Más detalles

MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO

MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO Resultados obtenidos por los hombres ganadores de las medallas de oro en salto de longitud y salto de altura en las olimpiadas desde

Más detalles