DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos
|
|
- Ángela Plaza Reyes
- hace 7 años
- Vistas:
Transcripción
1 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. Diseños multifactoriales con restricciones de aleatorización: Extensión a Diseños con más de un factor. Diseños factoriales en los que es necesario restringir la aleatorización completa EJEMPLO Diseños en bloques completos aleatorizados con dos tratamientos En una industria alimenticia están interesados en estudiar si el volumen del pan está afectado por distintos tipos de grasas y de levaduras. Para ello se tomaron tres tipos de grasas y tres tipos de levaduras. Aunque la harina es el ingrediente principal del pan ésta no fue objeto de este experimento. Sin embargo, los investigadores pensaban que el tipo de harina tenía que influir y tomaron cuatro tipos de harinas como bloques. Para crear un diseño en bloques completos, todas las combinaciones de los tratamientos (tipos de grasas y levaduras) fueron asignadas aleatoriamente dentro de cada bloque (tipo de harina). Harinas Grasas Levaduras ,7 4,3 5, ,1 5,9 5,6 3 5,5 6,4 5,8 1 5,9 7,4 7, ,6 6,8 3 6,4 5,1 6,2 6,3 1 7,1 5, ,3 6,6 8,1 6,8 3 7,5 9,1 1
2 Celdas vacías ) el n o de ensayos de cada combinación varía a través de las filas. Todas las posibles combinaciones de tratamientos (grasa levadura) está representadas al menos una vez ) la estimación de esta interacción (grasa levadura) no está afectada por las celdas vacías. MODELO ESTADÍSTICO y ijk = µ + τ i + β j + γ k +(τ γ) ik +u ijk ; i =1, 2, 3 ; j =1, 2, 3, 4 ; k =1, 2, 3 τ i, β j, γ k, y (τ γ) ik son los efectos producidos por el nivel i-ésimo de la grasa, el j-ésimo de la harina, el k-ésimo la levadura y el (i, k)-ésimo de la grasa levadura, respectivamente. Las restricciones son: P i τ i = P j β j = P k γ k = P i (τγ) ik = P k (τγ) ik = 0 La interacción entre los bloques y los tratamientos es despreciable. Si estas interacciones existen, no hay forma de separarlas del componente de error El término error está formado por las interacciones (τβ) ij, (βγ) jk y (τβγ) ijk. F.V. S. C. G. L. C.M F exp Factor A (Grasa), ,059 5,059/0,165 =,385 Sig 1 % Factor B. (Harina) 8, ,897 2,897/0,165 = 17,513 Sig 1 % Factor C (Levadura) 0, ,499 0,499/0,165 = 3,014 No-Sig Inter. A C 5, ,4 1,4/0,165 = 8,522 Sig 1 % Error 2, ,165 TOTAL 24, Efecto de la interacción Sig =) Se deben comparar el efecto de la levadura con cada nivel de la grasa y el efecto de la grasa con cada nivel de la levadura (Gráficos de pérfil en SPSS) 2
3 EJEMPLO Diseños en bloques completos aleatorizados con dos tratamientos y con celdillas vacías. Consideremos de nuevo la situación del ejemplo anterior pero en este caso no hay datos disponibles para algunas combinaciones de grasas y levaduras. Harinas Grasas Levaduras Las celdillas correspondientes a las combinaciones de tratamientos (grasa 1 y levadura 3) y (grasa 2 y levadura 2) están vacias. El modelo matemático coincide con el modelo anterior No hay algunas de las combinaciones de tratamientos ) No se debe utilizar lass.c.tipoiii) Realizar los contrastes con S. C. de Tipo IV. (Estos tests comparan los niveles de un tratamiento promediando sobre uno o más niveles comunes de los otros tratamientos). F.V. S. C. Tipo IV G. L. C.M F exp Factor A 5, ,523 2,523/0,190 = 13,252 Sig 1 % Factor B. 7, ,591 2,591/0,190 = 13,609 Sig 1 % Factor C 2, ,8 1,8/0,190 = 6,343 Sig 5 % Inter. A C 5, ,700 2,700/0,190 = 14,183 Sig 1 % Error 2, ,190 TOTAL 22,338 3
4 DISEÑOS EN PARCELAS DIVIDIDAS Son diseños factoriales en los que intervienen bloques aleatorizados y no es posible aleatorizar totalmente el orden de los ensayos dentro de cada bloque. Esta situación suele conducir a una generalización del diseño en bloques aleatorizado. EJEMPLO Se lleva a cabo un experimento para determinar el efecto de la temperatura y el tiempo de tratamiento sobre la resistencia del acero. Se seleccionan dos niveles de la temperatura y tres niveles del tiempo. El experimento se lleva a cabo calentando el horno a una temperatura seleccionada e introduciendo tres probetas. Después de minutos se extrae una probeta. A los minutos se extrae una segunda probeta y a los la última. Después se cambia la temperatura al otro nivel y se repite el proceso. Sin embargo en cada turno de trabajadores sólo se pueden llevar a cabo seis ensayos diarios por lo que se debe realizar una réplica en cada turno durante cuatro turnos y considerar los turnos o las réplicas como bloques. Analice los datos y realice las conclusiones apropiadas suponiendo que los dos factores principales son fijos y el factor bloque es aleatorio. Temperatura Turnos Tiempo Baja Alta
5 Diseño multifactorial formado por dos factores de efectos fijos (la temperatura yeltiempo)yunbloque. La forma en que esta realizado el experimento ) no ha sido posible aleatorizar totalmente el orden de los ensayos en cada bloque ) generalización del diseño en bloques aleatorizados que se llama diseño en parcelas divididas. Si la forma de realizar este experimento es: Seleccionar dentro de cada bloque una combinación de tratamientos (una temperatura y un tiempo) y hacer la observación, después se selecciona otra combinación de tratamientos y se hace otra segunda observación y se continua de esta forma hasta completar las seis observaciones del bloque. Entonces, en esta situación estamos ante un diseño factorial con dos temperaturas (factor A) y tres tiempos (factor B) asignados a bloques aleatorizados. La forma de realizar este experimento es: Se calienta el horno a una temperatura seleccionada y se introducen tres probetas A los minutos se extrae una probeta, a los minutos se extrae una segunda probeta y a los la última. Repetir el proceso con la otra temperatura Nuestra situación es: Cada bloque del diseño (factor A : Turnos) se divide en tres partes llamadas tratamientos principales (factor B: los tiempos de cocción). Ambos forman la parcela completa Cada parcela completa se divide en dos partes llamadas subparcelas o parcelas divididas (factor C :temperatura). 5
6 MODELO ESTADÍSTICO y ijk = µ + τ i + β j + γ k +(τβ) ij +(τγ) ik +(βγ) jk +(τβγ) ijk : 8 < i =1, 2, 3, 4 j =1, 2, 3 k =1, 2 τ i, β j y (τβ) ij : representan la parcela completa y corresponden, respectivamente, a los bloques (factor A: turnos de lo trabajadores), los tratamientos principales (factor B: tiempos de cocción) y al error de la parcela completa (interacción A B) γ k, (τγ) ik, (βγ) jk y (τβγ) ijk : representan a la subparcela y corresponden, respectivamente, al tratamiento de la subparcela (factor C: temperatura), a las interacciones A C y B C y al error de la subparcela (interacción A B C) SUMAS DE CUADRADOS Se calculan como en un análisis de la varianza de tres factores sin réplicas. ANÁLISIS ESTADÍSTICO Al ser un modelo con dos factores fijos (tiempo (factor B) ytemperatura (factor C) y un factor aleatorio los turnos (factor A). El CMA se compara con el cuadrado medio residual CMR. F exp(a) = CMA CMR El CMB se compara con el cuadrado medio del error de la parcela completa CM(A B). F exp(b) = CMB CM(A B) 6
7 El CMC se compara con el cuadrado medio de la interacción del factor A (bloque) con el factor C, CM(A C) F exp(c) = CMC CM(A C) El CM(A C), CM(B C) y CM(A B) se compara con el cuadrado medio del error de la subparcela, CM(ABC). F exp(a C) = CM(A C) CM(ABC) ; F exp(b C) = CM(B C) CM(ABC) ; F exp(a B) = CM(A B) CM(ABC) F.V. S. C. G. L. C.M F exp Tipo IV Tempera. (F) 2340, , ,375/80,153 = 29,199 Tiempo (F) 159, ,625 79,625/79,736 = 0,999 Turnos (A) 145, ,486 48,486/119,153 = 0,407 Temp Tiemp (F) 795, , ,625/40,736 = 9,761 Temp Turnos (A) 240, ,153 80,153/40,736 = 1,968 Tiemp Turn (A) 478, ,736 79,736/40,736 = 1,957 Tem Tiem Turn 244, ,736 SCR 714, ,153 SCT 4874, Al nivel de significación del 5 % son significativos los efectos de la temperatura y de la interacción temperatura tiempo 7
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 detallesDISEÑO FACTORIAL MODELO JERÁRQUICO (0 ANIDADO)
DISEÑO FACTORIAL Niveles de B Niveles de A 1 2 3 4 5 1 y 11 y 12 y 13 y 14 y 15 2 y 21 y 22 y 23 y y 3 y 31 y 32 y 33 y 34 y 35 4 y 41 y 42 y 43 y 44 y 45 Todos los niveles de cada factor están combinados
Más 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 detallesDiseños Factoriales. Diseño de experimentos p. 1/18
Diseños Factoriales Diseño de experimentos p. 1/18 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más detallesDiseños factoriales con tres factores
Capítulo 6 Diseños factoriales con tres factores SupongamosquehayanivelesparaelfactorA,bnivelesdelfactorBycnivelespara el factor C y que cada réplica del experimento contiene todas las posibles combinaciones
Más detallesDiseños Factoriales. Diseño de experimentos p. 1/25
Diseños Factoriales Diseño de experimentos p. 1/25 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más 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 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 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 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 detallesDiseños en cuadrados de Youden
Capítulo 9 Diseños en cuadrados de Youden 9.1. Introducción Hemosestudiadoqueeneldiseñoencuadradolatinosetienequeverificarquelos tres factores tenganelmismo númerodeniveles,es decir quehaya elmismonúmerode
Más detallesExperimento Split-Plot (Parcelas o cuadrantes partidas/os):
Experimento Split-Plot (Parcelas o cuadrantes partidas/os): Este tipo de experimento se utiliza cuando no existe la posibilidad de aleatorizar por completo el orden de las corridas. Maneja tratamientos
Más 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 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 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 detallesAPLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES
APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES Autores Alberto Gallegos Araya, Ramon Araya Gallardo Departamento Mecánica. Universidad de Tarapacá. 8 Septiembre Arica -e-mail: gallegos@uta.cl
Más detallesDiseño 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 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 detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Experimentos factoriales Introducción Los diseños factoriales se utilizan para estudiar los efectos en una respuesta o salida de al menos dos variables
Más detallesDiseño Factorial. Introducción
Diseño Factorial Introducción n un experimento factorial se analizan todas las posibles combinaciones de los niveles de los factores en cada réplica del experimento. Por ejemplo, si el factor tiene a niveles
Más detallesDiseño de Bloques Aleatorios y. Cuadrados Latinos
Capítulo 2 Diseño de Bloques Aleatorios y Cuadrados Latinos 2.1. Diseño de Bloques Aleatorios Como se ha dicho antes, uno de los principales objetivos que se persigue al diseñar un experimento, es reducir
Más detallesBloque 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 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 detallesAgro 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 detallesDiseños factoriales con dos factores
Capítulo 6 Diseños factoriales con dos factores Enprimerlugarvamosaestudiarlosdiseñosmássimples,esdeciraquellosenlos queintervienensólodosfactores.supongamosquehayanivelesparaelfactoraybniveles del factor
Más detallesÍndice. Diseños factoriales. José Gabriel Palomo Sánchez E.U.A.T. U.P.M. Julio de 2011
Diseños factoriales José Gabriel Palomo Sánchez gabrielpalomo@upmes EUAT UPM Julio de 2011 Índice 1 Diseños factoriales con dos factores 1 Denición 2 Organización de los datos 3 Ventajas de los diseños
Más detallesTema 4. Análisis multivariante de la varianza
Máster en Técnicas Estadísticas Análisis Multivariante Año 2008 2009 Profesor: César Sánchez Sellero Tema 4 Análisis multivariante de la varianza 4 Presentación del modelo Se trata de comparar las medias
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 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 detallesFactores no controlables
Acepto la Ho y ιj μ α ι β j ε ιj Dr. Alfredo Matos Ch. Universidad Peruana Unión amatosch@upeu.edu.pe Factores Controles Entradas PROCESO FUNCION ACTIVIDAD Salidas Factores no controlables 2 1 Se entiende
Más detallesModelo de Análisis de la Covarianza. Introducción al modelo de Medidas Repetidas
Modelo de Análisis de la Covariza. Introducción al modelo de Medidas Repetidas Modelo de Análisis de la Covariza Introducción El diseño por bloques se considera para eliminar el efecto de los factores
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 detallesDISEÑO ESTADÍSTICO DE EXPERIMENTOS
DISEÑO ESTADÍSTICO DE EXPERIMENTOS UNA PRUEBA O SERIE DE PRUEBAS EN LAS CUALES SE INTRODUCEN CAMBIOS DELIBERADOS EN LAS VARI- ABLESDEENTRADAQUEFORMANELPROCESO,DE MANERA QUE SEA POSIBLE OBSERVAR E IDENTIFICAR
Más detallesANOVA mul)factorial. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
ANOVA mul)factorial Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Se puede examinar más de un factor simultáneamente (ANOVA de 2 factores, de 3 factores, etc.) Por qué un único análisis
Más 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 detallesDiseño Estadístico de Experimentos
Capítulo 3 Diseño Estadístico de Experimentos Una prueba o serie de pruebas en las cuales se introducen cambios deliberados en las variables de entrada que forman el proceso, de manera que sea posible
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 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 detallesPara 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 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 detallesEXAMEN DE ESTADISTICA. 3 o DE CCAA. 6 DE SEPTIEMBRE DE 2004.
EXAMEN DE ESTADISTICA. 3 o DE CCAA. 6 DE SEPTIEMBRE DE 2004. Apellidos y nombre: NOTAS: Cada ejercicio debe realizarse en la hoja correspondiente. En todos los ejercicios se deben indicar todas las operaciones.
Más detallesAnálisis 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 detallesTema 2 Análisis de la varianza multifactorial
Tema 2 Análisis de la varianza multifactorial Tratamos de explicar el comportamiento de una variable aleatoria (variable respuesta) debido a la influencia de varios factores (variables explicativas) Definición
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 detalles- UNIVERSIDAD AUTONOMA DE TAMAULIPAS
R-RS-01-25-03 Rev. 2 - UNIVERSIDAD AUTONOMA DE TAMAULIPAS UNIDAD ACADEMICA MULTIDISCIPLINARIA REYNOSA-AZTLAN NOMBRE DE LA CARRERA Maestría en Ciencias y Tecnología de Alimentos NOMBRE DE LA ASIGNATURA
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 detallesDiseños experimentales con los mismos sujetos. Diseños experimentales con los mismos sujetos. Diseños experimentales con los mismos sujetos
Diseños experimentales con los mismos Una de las constantes que aparecen en todas las variantes experimentales expuestas hasta el momento es que el experimentador presenta tareas diferentes, s diferentes,
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 detallesExperimentos 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 detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
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 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 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 detallesDepartamento de Estadística y Econometría. Curso EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2
Departamento de Estadística y Econometría. Curso 2002-2003 EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2 1.- Una empresa de elaboración de materiales pone en práctica un nuevo método
Más detallesLección 7.1. Diseños Especiales: Parcelas Divididas. Alfaomega. Alfaomega-UAQro CIMAT. Alfaomega (Alfaomega-UAQro CIMAT) Lección 7.
Lección 7.1 Diseños Especiales: Parcelas Divididas Alfaomega Alfaomega-UAQro CIMAT 2017 Alfaomega (Alfaomega-UAQro CIMAT) Lección 7.1 2017 1 / 44 Índice 1 Presentación 2 Introducción a parcelas divididas
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 detallesDISEÑO PARCELAS DIVIDIDAS
DISEÑO PARCELAS DIVIDIDAS Este es un diseño experimental combinado que resulta útil cuando al estudiar simultáneamente varios factores, alguno o algunos de ellos deben ser aplicados sobre unidades experimentales
Más detallesUNIVERSIDAD NACIONAL DEL CALLAO
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIERÍA PESQUERA Y DE ALIMENTOS BALDO ANDRÉS OLIVARES CHOQUE Periodo de Ejecución: del 1 de octubre de 2013 a 30 de septiembre de 2015 Resolución de Aprobación
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesDiseño de experimentos
Diseño de experimentos Quimiometría Por qué diseñar experimentos? Exploración: cuáles factores son importantes para realizar exitosamente un proceso Optimización: cómo mejorar un proceso Ahorro de tiempo:
Más detallesDiseños en cuadrados greco-latinos
Capítulo 8 Diseños en cuadrados greco-latinos 8.1. Introducción El modelo en cuadrado greco-latino se puede considerar como una extensión del cuadrado latino en el que se incluye una tercera variable de
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 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 detallesSe 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 detallesbloques 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 detallesCAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS
CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular
Más detallesDiseños en cuadrados latinos
Capítulo 7 Diseños en cuadrados latinos 7.1. Introducción En el modelo en bloques aleatorizados, que estudiamos en el capítulo anterior, considerábamos un factor principal y un factor de control o variable
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 detallesExperimento Gauge R & R.
Experimento Gauge R & R. Este tipo de experimento se usa para estudiar los componentes de variabilidad en un sistema de medida. Los componentes de usual interés son repetibilidad y reproducibilidad. La
Más detallesAnova unifactorial Grados de Biología y Biología sanitaria
Anova unifactorial Grados de Biología y Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 29 de noviembre de 2015 El problema Analizaremos la
Más detallesEstadística. Generalmente se considera que las variables son obtenidas independientemente de la misma población. De esta forma: con
Hasta ahora hemos supuesto que conocemos o podemos calcular la función/densidad de probabilidad (distribución) de las variables aleatorias. En general, esto no es así. Más bien se tiene una muestra experimental
Más detallesESTADÍSTICA ANOVA ANOVA
ESTADÍSTICA PROBLEMA (comparación de dos promedios) Un ingeniero de desarrollo de productos está interesado en maximizar la resistencia a la tensión de una nueva fibra sintética que se empleará en la manufactura
Más detalles(1 punto) (1.5 puntos)
Ejercicios de inferencia estadística. 1. Sea la población {1,2,3,4}. a) Construya todas las muestras posibles de tamaño 2, mediante muestreo aleatorio simple. b) Calcule la varianza de las medias muestrales.
Más detallesCLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO
Estadística Superior CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE 1.1. Regresión lineal simple 1.2. Estimación y predicción por intervalo en regresión lineal
Más detallesDiseño 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 detallesDiseño 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 detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO
Más 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 detallesAnálisis de Correspondencias Simple
1 Capítulo 4 Análisis de Correspondencias Simple 41 INTRODUCCIÓN El Análisis de Correspondencias Simple permite describir las relaciones entre dos variables categóricas dispuestas en una tabla de contingencia
Más detallesPROYECTO CIUDADES COMPETITIVAS. Documento de Análisis 001. Metodología de Análisis Factorial
PROYECTO CIUDADES COMPETITIVAS Documento de Análisis 001 Metodología de Análisis Factorial Gonzalo Escobar Elexpuru www.ciudadescompetitivas.org Enero 2014 METODOLOGIA DE ANÁLISIS FACTORIAL El índice de
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 detalles2 Modelo de Diseño de Experimentos con dos factores sin interacción. Hipótesis del modelo
MODELO DE DISEÑO DE EXPERIMENTOS (VARIOS FACTORES) Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Los modelos de diseño de experimentos sirven, en general, para tratar de explicar
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesDiseño y análisis de experimentos
Diseño y análisis de experimentos Sesión 15 Pruebas para la adecuación del modelo ANOVA Ejemplo Un diseñador de telas está investigando la resistencia a la tensión de na nueva fibra sintética, que será
Más detallesProblemas 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 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 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 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 detallesUnidad de aprendizaje 06: Investigación Experimental. José Loaiza Torres Magister en Marketing
Unidad de aprendizaje 06: Investigación Experimental José Loaiza Torres Magister en Marketing PROBLEMA Y COMPETENCIA SITUACIÓN PROBLEMICA: La aplicación de la investigación causal en forma inadecuada produce
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 detallesPRUEBA CHI-CUADRADO. Para realizar un contraste Chi-cuadrado la secuencia es:
PRUEBA CHI-CUADRADO Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesTema 3 Normalidad multivariante
Aurea Grané Máster en Estadística Universidade Pedagógica Aurea Grané Máster en Estadística Universidade Pedagógica Tema 3 Normalidad multivariante 3 Normalidad multivariante Distribuciones de probabilidad
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 detallesCapítulo 8 Métodos de Muestreo y el Teorema de Límite Central
Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central Objetivos: Al terminar este capítulo podrá: 1. Explicar por qué una muestra es la única forma posible de tener conocimientos acerca de una
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 detallesEn 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 detallesANOVA 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 detallesTema 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 detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
Más detalles