Biometría II / Repaso Modelos
|
|
- José María Velázquez Farías
- hace 7 años
- Vistas:
Transcripción
1 Variable respuesta cuantitativa Variable explicatoria cualitativa (o cuantitativa*) ANOVA Factores Fijos Aleatorios Cruzados Anidados Entre Dentro Anova de 1, 2, 3, etc. Factores
2 Fijos Anova de 1, 2, 3, etc. Factores Modelo: todos los efectos fijos 1 factor Supuestos Por diseño Analíticamente Normalidad Homocedasticidad OK Más de 1 factor NO OK ANOVA NS ANOVA S Más de 1 Nivel Transformaciones Evaluar datos atípicos Estadística No param. Modelado de varianza, otros modelos Contrastes a priori Conclusiones: estadísticas y biológicas (Mag. Del efecto) Comparaciones
3 2 factores o más Supuestos Por diseño Analíticamente Normalidad Homocedasticidad OJO! Considerar Los tratamientos! ANOVA INTERACCIÓN NS ANOVA INTERACCIÓN S Ídem 1 factor Efectos principales Comparaciones de interacción Efectos simples CM error y GL tabla de ANOVA original Ídem 1 factor Más de 1 Nivel Conclusiones: estadísticas y biológicas (Mag. Del efecto) Comparaciones
4 Variable respuesta cuantitativa Variable explicatoria cualitativa ANOVA Factores Fijos Aleatorios Cruzados Anidados Modelos Aleatorios Modelos Mixtos, Anova de 1, 2, 3, etc. Factores
5 Modelos aleatorios o Mixtos Aleatorios Por diseño Supuestos Analíticamente Normalidad Homocedasticidad Para residuos en cada nivel donde están involucrados los factores aleatorios ANOVA Interacción aleatoria OK NO OK NS S Efectos principales Componentes de varianza Factores fijos Factores Aleatorios Conclusiones: estadísticas y biológicas NS Contrastes a priori S Más de 1 nivel Comparaciones a posteriori
6 Modelo Mixto Sin réplicas bloque * trat Control del error experimental Factor fijo tratamiento Factor aleatorio bloque Con réplicas Diseño de bloques al azar NS S (No contempla interacción, es el error ) NS S Más de 1 Nivel Contrastes a priori Comparaciones Conclusiones: estadísticas y biológicas
7 Variable respuesta cuantitativa Variable explicatoria cualitativa ANOVA Factores Fijos Aleatorios Cruzados Anidados Modelos Mixtos Anova de 1, 2, 3, etc. Factores
8 Anidados Anidamiento Biometría II / Repaso Modelos Completamente anidado? Anidado en la interacción? Anidado en un factor? MODELO Factores Fijos Factores Fijos o aleatorios? ANOVA Supuestos Factores Aleatorios Para residuos en cada nivel de anidamiento Ídem ANOVA FACTORES FIJOS Componentes de varianza Ídem ANOVA FACTORES ALEATORIOS Conclusiones: estadísticas y biológicas
9 Variable respuesta cuantitativa Variable explicatoria cualitativa ANOVA Factores Fijos Aleatorios Cruzados Anidados Modelos Mixtos Anova de 1, 2, 3, etc. Factores
10 Variable respuesta cuantitativa Variable explicatoria cualitativa ANOVA Factores Fijos Aleatorios Cruzados Anidados Entre Dentro Modelos Mixtos Anova de 1, 2, 3, etc. Factores
11 Medidas Repetidas: Supuestos Se rechaza No se rechazan Prueba de BOX / Normalidad ESFERICIDAD -Transformo - Evalúo datos atípicos Correcciones por epsilons Pruebas más conservadoras (disminuyo los GL del error) Sólo afecta a factores DENTRO Enfoque multivariado Recalculo los GL DENTRO (en gral. los programas ya los informan, x ej. SPSS) Enfoque modelos mixtos
12 Medidas Repetidas Supuestos No se rechazan Interacción Tiempo * trat significativa Interacción Tiempo*Trat no significativa Efectos simples, comparaciones de interacción Efectos principales, comparaciones
13 Conclusiones estadísticas y Biológicas. Factores fijos: Cálculo de la Magnitud del efecto en términos porcentuales, absolutos, o por intervalo de confianza. Factores aleatorios: componentes de varianza. Asignación de recursos, disminución de la variabilidad de y. Confección de un informe. Mat. y Mét.; Resultados y Conclusiones. Presentación de gráficos y tablas. Publicación de los resultados! Una mini receta Biometría II / Repaso Modelos Leer el problema biológico. Dependencia, independencia, u.e., asignación al azar de los tratamientos. Identificar los factores: número, fijos o aleatorios, cruzado o anidados, entre vs dentro. Plantear el modelo en términos del problema Plantear las hipótesis en términos del problema > ojo! Efectos fijos vs aleatorios Evaluar los supuestos (Por diseño y analíticamente) Resolver el ANOVA. Para esto tenemos que construir las F. Con el modelo ya identificado, obtenemos la información de la ECM. OJO CON LOS TÉRMINOS DE ERROR Concluir en función de la tabla de ANOVA 1. Interacción (si el modelo contempla) 2. Si corresponde Efectos principales 3. Si corresponde contrastes o comparaciones para efectos fijos 4. Si corresponde calculo de los componentes de varianza
14 Identificar correctamente el modelo, la u.e. o u.o., factores, niveles, tratamientos. Leer el ANOVA con atención. Chequear GL y Términos de error. Las SC y GL pueden sumarse. Los CM y las F, no! No hacer comparaciones si tengo sólo 2 niveles de un factor. OJO con el ni y CM error y GL error en Tukey. El error depende de cada factor que estoy poniendo a prueba. EL ni depende de con cuantos datos calculé las medias que estoy comparando No hacer comparaciones para factores aleatorios no me interesan los niveles en particular! Los valores suelen tener UNIDADES. Es importante escribirlas. Los gráficos y Tablas tienen epígrafes que aportan información para su comprensión. No olvidar en las conclusiones informar los posibles errores que podría estar cometiendo.
15 PROBLEMA 1 Biometría II / Repaso Modelos En los bosques templados de la Patagonia existen dos especies de árboles del género Nothofagus: N. nervosa, o raulí y N. dombeyi o coihue. Ambas especies son atacadas por dos tipos de insectos: un insecto masticador y un insecto minador Una investigadora de la Facultad de Agronomía, quiere poner a prueba la hipótesis de la existencia de competencia interespecífica entre estos insectos herbívoros en ambas especies de árboles. Para ello, planteó el siguiente diseño experimental: Se seleccionarán al azar 15 árboles jóvenes de similar tamaño de cada especie, se los dividirá de manera balanceada en tres grupos. A cada grupo se le asignará al azar un nivel de daño por herbivoría: 0%, 50% y 75%, simulando el daño provocado por un insecto masticador (realización de huecos en las hojas con una agujereadora). El daño se aplicará sobre todas las hojas de 3 ramas de cada árbol, elegidas al azar. Luego de 2 meses se medirá el número de minas (túneles) generados por la larva del insecto minador en cada rama, expresado como n minas/10hojas (un dato por rama).
16 PROBLEMA 1 Biometría II / Repaso Modelos En los bosques templados de la Patagonia existen dos especies de árboles del género Nothofagus: N. nervosa, o raulí y N. dombeyi o coihue. Ambas especies son atacadas por dos tipos de insectos: un insecto masticador y un insecto minador Una investigadora de la Facultad de Agronomía, quiere poner a prueba la hipótesis de la existencia de competencia interespecífica entre estos insectos herbívoros en ambas especies de árboles. Para ello, planteó el siguiente diseño experimental: Se seleccionarán al azar 15 árboles jóvenes de similar tamaño de cada especie, se los dividirá de manera balanceada en tres grupos. A cada grupo se le asignará al azar un nivel de daño por herbivoría: 0%, 50% y 75%, simulando el daño provocado por un insecto masticador (realización de huecos en las hojas con una agujereadora). El daño se aplicará sobre todas las hojas de 3 ramas de cada árbol, elegidas al azar. Luego de 2 meses se medirá el número de minas (túneles) generados por la larva del insecto minador en cada rama, expresado como n minas/10hojas (un dato por rama).
17 PROBLEMA 1 Cuál es el diseño? Con qué modelo estadístico tendrá que analizar los datos obtenidos en el campo la investigadora? Escriba el modelo en términos estadísticos indicando el rango numérico de los subíndices de cada término y complete (cuando corresponda) la siguiente tabla: Fte variación Fijo/aleatorio Cruzado/Anidado Entre/Dentro GL Construcción de F
18 PROBLEMA 2 Con el objetivo de evaluar la respuesta de los líquenes a la contaminación atmosférica generada por una ruta que atraviesa un Parque Nacional, se trazaron 15 transectas desde la ruta hacia el interior del parque, 5 en áreas de bosque primario y 5 en bosque secundario y 5 en un palmital. En tres puntos de cada transecta (elegidos según una hipótesis previa de gradiente decreciente de contaminación: 0 metros, 50 metros y 150 metros) se eligieron los 4 árboles más próximos y se contabilizó la cantidad total de líquenes en la corteza de dichos árboles. camino
19 PROBLEMA 2 1. Escriba el modelo estadístico 2. Identifique: Factores fijos/aleatorios y cruzados/anidados 3. Explique en el contexto del problema el término de error aleatorio 4. Plantee las hipótesis 5. Esquematice la tabla de ANOVA. Construya las F (Numerador/Denominador) 6. Qué supuestos deberían cumplirse para confiar en los resultados?
Biometría II / Diseño de Medidas Repetidas
Grupo_1 (Morfina) Grupo_2 (Trimetafan) Basal 1min 3 min S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 VRIBLE RESPUEST: UNIDD EXPERIMENTL: FCTORES
Más detallesEstas 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 detallesEscuela 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 detallesPROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ
PROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ Resumen de Psicología Experimental 1 PSICOLOGÍA EXPERIMENTAL Manuel Miguel Ramos Alvarez. I. FUNDAMENTOS METODOLÓGICOS DE LA
Más detallesDISEÑOS 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 detallesDCA: 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 detallesPlaneación experimental
Planeación experimental Diseño de Experimentos Diseño de Experimentos Ventajas Identifica uno o más factores influyen dentro de la variable de respuesta. Permite establecer la combinación adecuada de tratamientos
Más detallesDiseño 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 detallesTEMA 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 detalles2. 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 detallesModelos 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 detallesANÁLISIS 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 detallesTEMA 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 detallesDiseño 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 detalles1. 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 detallesANALIZAR Comparar medias
Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las
Más detallesPrueba 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 detallesDISEÑO DE EXPERIMENTOS
DISEÑO DE EXPERIMENTOS Dr. Héctor Escalona hbescalona@yahoo.com hbeb@xanum.uam.mx Diseño de 1. Introducción al diseño de 2. Herramientas de inferencia estadística 3. para la comparación de dos tratamientos
Más detallesDiseño 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 detallesLECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos
LECCIÓN PÚBLICA Tema 5 Algunas Pruebas Profa. María Fátima Dos Santos 1 TEMARIO Fundamentos de estadística inferencial Método hipotético deductivo (Juego de hipótesis) Elementos en el contraste de hipótesis
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Métodos complementarios al análisis de varianza Comparaciones múltiples Comparación o pruebas de rangos múltiples Después de que se rechazó la hipótesis
Más detallesPráctica 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 detallesLa lógica del diseño experimental y del análisis estadístico de los datos
La lógica del diseño experimental y del análisis estadístico de los datos TEMA 1 Susana Sanduvete Chaves Diseños experimentales curso 2005-2006 1 TIPOS DE DISEÑO De menor a mayor control: M. observacional
Más detallesIdeas 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 detallesGrupo 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 detallesTema 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 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 detallesDiseño 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 detalles14 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 detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesInferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Más detallesBloque 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 detallesCLAVE 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 detallesANOVA. 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 detallesTema IV. EL ANOVA de un factor
4.1. La estrategia del Análisis de varianza: - Los test t múltiples (múltiples tratamientos); corrección a posteriori - La mejora del ANOVA: necesidad de análisis a posteriori C Test t A versus B A versus
Más detallesANÁLISIS DE EXPERIMENTOS
ANÁLISIS DE EXPERIMENTOS Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA
Más detalles9.- Análisis estadísticos con R Commander
Tipos de datos - Cuantitativos: se expresan numéricamente. - Discretos: Toman valores numéricos aislados - Continuos: Toman cualquier valor dentro de unos límites dados - Categóricos o Cualitativos: No
Más detallesCLAVE - 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 detallesCURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara
CURSO-TALLER DE ANÁLISIS ESTADÍSTICO BÁSICO CON EXCEL Y SPSS Instructor: Mario Alberto Barajas Malacara Descripción: Los temas de estadística propuestos corresponden con los conocimientos mínimos que un
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesDiseño 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 detallesDISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas
DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas Hasta ahora hemos ido desarrollando las pruebas parámetricas para contrastar hipótesis de un grupo
Más detallesUNHEVAL HUÁNUCO FACULTAD CIENCIAS AGRARIAS E.A.P. ING. AGROINDUSTRIA
UNHEVAL HUÁNUCO FACULTAD CIENCIAS AGRARIAS E.A.P. ING. AGROINDUSTRIA 0bler Edwin Duran Sacramento Página 1 DCA (DISEÑO COMPLETAMENTE AL AZAR) EJEMPLO 2.- se presentan los resultados de la descendencia
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesEstadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB - 0408 4 0 8 2.- HISTORIA DEL PROGRAMA
Más detallesDISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS
DISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS EXPERIMENTOS FACTORIALES PRINCIPIOS FUNDAMENTALES CONCEPTOS IMPORTANTES 1 } Experimentos factoriales se refiere al arreglo de los tratamientos, no es un
Más detallesSIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS
SIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS 3datos 2011 Variables CUANTITATIVAS Valor más representativo: MEDIA aritmética Técnicas Inferenciales sobre la significación de la diferencia entre
Más detallesANOVA 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 detallesPROGRAMA. 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 detallesEvaluación del producto. Sprint Cuaje sobre la cuaja en. Cerezo (Prunus avium) cv. Bing
0 Evaluación del producto Sprint Cuaje sobre la cuaja en Cerezo (Prunus avium) cv. Bing José Manuel Astorga M. Asesor Técnico Walter Masman F. Ing. Agrónomo PUCV Asesor Técnico 1 INDICE Evaluación del
Más detallesDr. Fidel Ulin Montejo M.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
Programa elaborado por: PROGRAMA DE ESTUDIO Análisis Varianza Programa Educativo: Lic. en Matemáticas Área Formación : Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total Horas: 5 Total créditos:
Más detallesSupuestos 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 detallesMarco de referencia. a) Es útil saber si la estrategia de tratamiento sin un. biológico (menos costosa), tiene mejor o igual eficacia
Marco de referencia a) Es útil saber si la estrategia de tratamiento sin un biológico (menos costosa), tiene mejor o igual eficacia que la estrategia con un biológico en AR temprana. b) No hay estudios
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detalles1 El Análisis de Varianza
1 El Análisis de Varianza Objetivo: Explicar (controlar las variaciones de una v.a. Y continua (numérica, mediante factores (variables cualitativas que definen categorías que controlamos (no aleatorios.
Más detallesMétodos 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 detallesPRINCIPIOS 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 detallesModelos mixtos. Diseño de experimentos p. 1/26
Modelos mixtos Diseño de experimentos p. 1/26 Introducción Cuando en la estructura de tratamientos de un experimento se tienen tanto factores fijos como aleatorios, el modelo que describe tales experimentos
Más detallesESQUEMA 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 detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesTipo 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 detallesESTADISTICA 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 detallesCapítulo 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 detallesCURSO ECONOMETRÍA BÁSICA MULTISOFTWARE
CURSO ECONOMETRÍA BÁSICA MULTISOFTWARE El objetivo de este curso es la presentación de las técnicas econométricas básicas, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas
Más detallesExperimentos 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 detallesCENTRO 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 detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesTema 3 El método científico II. Diseño de experimentos
Tema 3 El método científico II. Diseño de experimentos. Diseño de un experimento 2. Variables dependientes/ independientes 3. Variables cuantitativas/cualitativas 5. La unidad experimental 6. Replicación
Más detallesCLAVE-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 detallesEstadística; 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 detallesEvaluación 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 detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
Más detallesUNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE MEDICINA
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE MEDICINA Módulo I Bioestadística Maestría en Investigación Médica PROGRAMA ACADÉMICO 2011-2 M.C. Enrique Villareal Ríos 1. ASIGNATURA: MÓDULO I BIOESTADÍSTICA
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesUNIDAD 7: SISTEMAS DE ECUACIONES. CONTENIDOS
UNIDAD 7: SISTEMAS DE ECUACIONES. * Ecuaciones lineales con dos incógnitas. * Sistemas de 2 ecuaciones con 2 incógnitas. Resolución gráfica y analítica. * Sistemas equivalentes. * Tipos de sistemas de
Más detallesTEMA 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 detallesContraste 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 detallesINDICE Semblanzas de los autores Prologo Introducción Capitulo 1: el proceso de la investigación y los enfoques
INDICE Semblanzas de los autores Prologo Introducción Capitulo 1: el proceso de la investigación y los enfoques cuantitativo y cualitativo hacia un modelo integral 3 Qué enfoques se han presentado par
Más detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesAnálisis estadístico de datos cualitativos
Análisis estadístico de datos cualitativos Estudio de metoprolol. 395 pacientes. Mortalidad 7,3%. Placebo 62/697 vs Grupo Metoprolol 40/698 Placebo 8,9% vs Metoprolol 5,7% Muerte no Metoprolol 40 658 698
Más detallesPRÁCTICA 3: Ejercicios del capítulo 5
PRÁCICA 3: Eercicios del capítulo 5 1. Una empresa bancaria a contratado a un equipo de expertos en investigación de mercados para que les asesoren sobre el tipo de campaña publicitaria más recomendable
Más detallesESQUEMA 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 detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesMATERIA: 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 detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación
Más detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesDiferentes 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 detallesContrastes para los parámetros de dos poblaciones Normales independientes. Varianzas desconocidas iguales
Contrastes para los parámetros de dos poblaciones Normales independientes. Ejercicios Tema 6 (Resuelto). Problema 4 En un estudio se determinaron las tasas de ramoneo de dos especies de erizo de mar, Paracentrotus
Más detallesTEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud
Más detallesANOVA 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 detallesAGRO 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 detallesALTERNATIVAS NO PARAMÉTRICAS AL ANÁLISIS DE LA VARIANZA
ALTERATIVAS O PARAMÉTRICAS AL AÁLISIS DE LA VARIAA 1.- Introducción... 2 2.- Prueba de Kruskal Wallis para muestras independientes... 3 3.- Prueba de Friedman para medidas repetidas... 6 1.- Introducción
Más detallesAnálisis de datos para investigadores en Biología Experimental
Análisis de datos para investigadores en Biología Experimental 12 PLAZAS BOLSA DE EMPLEO PRESENTACIÓN: Es un curso intensivo con un programa amplio que abarca desde aspectos básicos como son la introducción
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesDiseño de Experimentos
Diseño de Experimentos M. en E. Patricia I. Romero Mares Departamento de Probabilidad y Estadística IIMAS-UNAM Cursos PUMA Análisis estadísticos para proyectos de investigación ambiental 30 julio a 3 agosto
Más detallesMetodologías 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 detallesMATEMÁTICAS APLICADAS A LAS CCSS II. 1. Resolver sistemas de ecuaciones lineales mediante el método de Gauss.
MATEMÁTICAS APLICADAS A LAS CCSS II Criterios de evaluación. 1. Resolver sistemas de ecuaciones lineales mediante el método de Gauss. 2. Operar correctamente con matrices y utilizar el lenguaje matricial
Más detallesESTADISTICA 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