2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
|
|
- Mariano Mendoza Belmonte
- hace 7 años
- Vistas:
Transcripción
1 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 con el diseño de un solo factor, que como su nombre lo indica es el estudio de un solo factor con respecto a una variable de respuesta. 2.1 EJEMPLO DE UN DISEÑO DE UN SOLO FACTOR En el desarrollo de un nuevo producto alimenticio se desea comparar el efecto del tipo de envase sobre la vida de anaquel del producto. Para ello existen tres tipos de envases: Envase A, Envase B, y Envase C. En el experimento se realizaron 10 replicas en cada tipo de envase y al final se mide los días de duración del producto. Los datos obtenidos se muestran en la tabla No Respuesta: Días de duración Media Factor: Tipo de envase A B C Tabla No.2.1 Resultados del experimento de la comparación de envases En el ejemplo, podemos ver que: LA VARIABLE DE RESPUESTA: Días de duración del producto alimenticio. EL FACTOR CONTROLADO: Tipo de envase (se tienen tres variantes). LOS NIVELES DEL FACTOR: 3 Tipos de envase 21
2 2.2 MODELO MATEMÁTICO O MODELO ESTADÍSTICO El modelo matemático del diseño unifactorial se expresa así, yij i ij Donde es días de duración; media global o media general; i efecto del factor o y ij efecto del tipo de envase; ij error aleatorio. 2.3 HIPOTESIS DEL EXPERIMENTO El planteamiento estadístico corresponde al contrastar las siguientes Hipótesis: Hipótesis Nula: H : No influye el tipo de envase en la duración de un producto alimenticio 0 Hipótesis Alternativa: H a : El tipo de envase influye en la duración de un producto alimenticio 2.4 ANALISIS ESTADISTICO DEL DISEÑO DE UN SOLO FACTOR (ANOVA) El Análisis de Varianza (ANOVA) es una técnica estadística muy poderosa para el estudio del efecto de uno o más factores sobre la media de una variable (y la varianza de la variable). La Idea básica es Descomponer la variabilidad total observada de los datos en dos partes; una debido a las diferencias de los tratamientos y otra debido a un error aleatorio. 22
3 2.4.1 DESCOMPOSICION DE LA SUMA TOTAL DE CUADRADOS (DESCOMPOSICION DE LA VARIABILIDAD) La variabilidad total de los datos se obtiene mediante la Suma de Cuadrados Totales (SC TOTALES ), el cual a su vez se descompone en dos elementos: 1. La Suma de Cuadrados de Tratamientos (SC TRATAMIENTOS ), 2. La Suma de Cuadrados del Error (SC error ). Considerando los datos del ejemplo, Suma de Cuadrados Total (SC TOTAL ): mide la variabilidad total en los datos, y matemáticamente se obtiene así, ( ) 2 +( ) ( ) 2 = Donde el es el promedio general de los treinta datos. Los Grados de libertad totales, se obtienen restándole uno al total de los datos (30-1=29). Suma de Cuadrados de Tratamientos (SC TRATAMIENTOS ): mide la variabilidad en los datos asociada a los tratamientos, que en este caso seria asociada a cada tipo de envase, su cálculo se efectúa de la siguiente manera: 10x( ) 2 +10x( ) 2 +10x( ) 2 = Donde el 10 representa el numero de replicas por tratamiento (o tipo de envase); el 31 es el promedio del envase A, el 41.3 es el promedio del envase B y el 43.3 es el promedio del envase C. Los grados de libertad son el numero de tratamientos menos uno, es decir cada tipo de envase es un tratamiento por consiguiente son 3 le restamos uno y obtenemos dos grados de libertad (3-1=2). Suma de Cuadrados Del Error (SC ERROR ): mide la variabilidad que no es debida a las diferencias entre tipo de envase o tratamientos es la variabilidad interna en los tratamientos o envases, en esta variabilidad se incluye la variabilidad de errores de medición, de experimentador o cualquier fuente externa al experimento. Los cálculos se efectúan de la siguiente manera, (23-31) 2 +.+(36-31) 2 +( ) 2 + +( ) 2 +( ) ( ) 2 =
4 El calculo de sus grados de libertad son el total de datos menos el numero de tratamientos, en este caso, es 30-3=27. Finamente, notemos que SC TOTAL = SC TRATAMIENTO + SC RESIDUAL, es decir = CUADRADOS MEDIOS Una vez obtenidos las sumas de cuadrados se procede a obtener los cuadrados medios, el primero es el Cuadrado Medio de los Tratamientos (CM TRATAMIENTOS ), el cual se obtiene dividiendo la SC TRATAMIENTOS entre sus grados de libertad, como se muestra a continuación CM TRATAMIENT OS SC TRATAMIENTOS a Donde a es el numero de tratamientos o envases. El segundo es el Cuadrado Medio del Error (CM error ), que se obtiene dividiendo la suma de cuadrados del error entre sus grados de libertad, su cálculo se efectúa así, CM ERROR SC ERROR N a Donde N es el total de datos y a es el numero de tratamientos OBTENCION DE LA F CALCULADA O DE LA La F-calculada o la F 0, se obtiene al dividir el cuadrado medio del tratamiento en tre el cuadrado medio del error, como se muestra a continuación, F CM CM TRATAMIENT O 0 ERROR F
5 2.4.4 OBTENCION DE LA F DE TABLAS F(tablas) En las tablas de la distribución F de Fisher (apéndice) podemos ver que para un 0.05 con 2 grados de libertad en el numerador y 27 grados de libertad en el denominador se tiene que el valor de la F(tablas) es COMPARACION DE LA Fo CON LA F(tablas) Si el valor de la Fo es mayor que el valor de la F(tablas) entonces se rechaza la hipótesis nula, en los resultados se puede ver que Fo=7.647>F(tablas)=3.35, entonces podemos concluir que si existen diferencias en los tipos de envase. En otras palabras el tipo de envase si influye en la duración de un producto alimenticio. Todos los resultados anteriores se pueden ver en la tabla 2.2, llamada Tabla de Análisis de Varianza. Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P EFECTOS PRINCIPALES P(F=7.65) A:ENVASE RESIDUOS TOTAL (CORREGIDO) Tabla 2.2 Tabla de Análisis de Varianza, usando el programa Statgraphics Centurion XV Nótese que el análisis de varianza (Tabla 2.2) solo indica que si existen diferencias entre los envases, pero no establece, ni propone, cual es mejor envase de los tres. Para ello se requiere hacer un análisis complementario conocido como Prueba de Rangos Múltiples. La prueba de rangos múltiples, es un conjunto de métodos, los cuales consisten en comparación de pares de medias de los tratamientos. Entre esos métodos, se pueden mencionar, el Método de la Mínima Diferencia Significativa (LSD), el método de la Máxima Diferencia significativa (HSD), y el método de Duncan, entre otros. 2.5 COMPARACIÓN DE PAREJAS DE MEDIAS DE TRATAMIENTOS Existen varios métodos de comparación de tratamientos, los cuales consisten en comparar todas las medias de tratamientos, uno de los más usuales es Método de la Mínima Diferencia Significativa 25
6 (LSD, del inglés least significant difference). Supongamos que después de haber rechazado la hipótesis nula, con base en una prueba F de análisis de varianza, se desea probar todas las posibles comparaciones de medias de los tratamientos. Para ello se realizan el siguiente procedimiento 1. Se calcula el valor del LSD mediante la siguiente formula, cuando el numero de replicas por nivel o tratamiento es el mismo, es decir n 1 =n 2 = n LSD= t /2,N-a 2 CM ERROR n Donde t /2 (N-a) es la t-student con un nivel de confianza y N-a grados de libertad; CM error es el cuadrado medio del error del análisis de varianza. En el ejemplo el valor del LSD es, t CM 2( ) n 10 Error LSD= (, ). 2 2 N a Donde el valor de t /2 (N-a) se obtuvo analizando las tablas de la distribución t-student, para un nivel de confianza =0.05 y 27 grados de libertad. 2. Se calculan las medias de los tratamientos Tipo de envase Media A 31 B 41.3 C Se calculan el valor absoluto de las diferencias de medias de todos los tratamientos El envase A con el envase B El envase A con el envase C El envase B con el envase C 26
7 Comparación del valor absoluto de la diferencia las medias de los tratamientos con el valor del LSD * > 6.92, por lo tanto el tipo de envase A es diferente al tipo de envase B * >6.92, por lo tanto el tipo de envase A es diferente al tipo de envase C * <6.92, por consiguiente no hay diferencias entre los envases B y el C 5. Conclusión: De acuerdo a los resultados anteriores podemos concluir que el tipo de envase A es el menos recomendable, ya que presenta menor promedio que los otros dos, por consiguiente se puede decidir por cualquiera de los dos tipos de envase restantes, es decir el tipo B o el tipo C, ya que en ellos no se encontraron diferencias. La salida de los resultados usando el programa de estadística Statgraphics versión Centurion, se puede ver en la tabla 2.3, ENVASE Casos Media Grupos Homogéneos A X B X C X Contraste Sig. Diferencia +/- Límites A - B * A - C * B - C * indica una diferencia significativa. Tabla 2.3 Prueba de comparación LSD Una gráfica representativa de esto resultados es la gráfica de medias. En la figura 2.1 se puede ver la grafica de medias de ejemplo del tipo de envase. Nótese que esta gráfica, se puede establecer que no hay diferencias entre el tipo de envase B y el envase C. De hecho, si se opta por usar el envase C se esperarían promedios entre y 46.76, mientras que si se decide por el envase B se esperarían promedios entre y (ver tabla 2.4). 27
8 DIAS Medias y 95.0% de Fisher LSD A B C ENVASE Figura 2.1 Graficas de medias, método LSD Error Est. ENVASE Casos Media (s agrupada) Límite Inferior Límite Superior A B C Total Tabla 2.4 Tabla de medias 2.6 SUPUESTOS Algo fundamental en el análisis de varianza son los supuestos de los residuales, los cuales deben cumplir con tres: 1.- Los residuales deben ser independientes 2.- Los residuales deben tener varianza constante 3.- Los residuales se distribuyen normal. Si alguno de esos tres no se cumple es suficiente para invalidar el Análisis de Varianza. Para checar estos tres supuestos se deben calcular primeramente los residuales mediante la siguiente formula: e ij y ij y i. Donde y i. y i. n es el promedio del i-ésimo tratamiento. Los residuales para el ejemplo de los envases están en la tabla 2.5, 28
9 residual Envase A Envase B Envase C 23-31= = = = = = = = = = = = = = = = = = = = = = = = = = = = = =-9.3 Tabla 2.5 Residuales para el ejemplo de los envases SUPUESTO DE VARIANZA CONSTANTE (PRUEBA GRAFICA) Para checar el supuesto de varianza constante, es necesario realizar una grafica tipo x-y, en la cual en el eje x se colocan los niveles o tratamientos y en el eje y los residuales correspondientes a cada tratamiento como se ilustra en la grafica de la figura 2.2, Residual Plot for DURACION A B C ENVASE Figura 2.2 Grafica de verificación de la varianza constante En la figura 2.2 se presentan gráficamente los niveles del factor contra los residuales. La interpretación de esta gráfica consiste en analizar los patrones o tendencias de comportamiento en los puntos graficados. La variación de los puntos para cada uno de los niveles A, B y C no debe presentarse diferencias. No se debe distinguir la presencia de un embudo. En la figura 2.2 no se 29
10 presenta patrón inusual por lo que podemos concluir que si se cumple el supuesto de varianza constante VERIFICACION DE VARIANZA CONSTANTE (PRUEBA ESTADISTICA) Existen varias pruebas estadísticas para verificar la igualdad de varianzas, en el statgraphics podemos encontrar 4 pruebas, entre las que destacan las siguientes: Prueba de Cochran: Compara la varianza máxima dentro de la muestra a la varianza promedio dentro de la muestra. Prueba de Bartlett: Compara un promedio ponderado de las varianzas dentro de la muestra a su media geométrica. Prueba de Harley: Calcula la proporción de la varianza muestral más grande a la varianza muestral más pequeña. Prueba de Levene: Ejecuta un análisis de varianza en desviaciones absolutas de las observaciones de sus medias muestrales. Los resultados usando la Prueba de Levene, se pueden observar en la tabla 2.6, donde se puede ver que el valor de p= es menor que un valor de significancia dado 0.05, indicando con esto, que no existen diferencias significativas entre las varianzas, con lo que comprobamos la varianza constante. Verificación de Varianza Prueba Valor-P Levene's Tabla 2.6 Verificación de la varianza de los tratamientos 30
11 2.6.2 SUPUESTO DE INDEPENDENCIA Para checar el supuesto de independencia se requiere tener el orden de corrida experimental, como se muestra a continuación: ORDEN DE ENVASE RESIDUAL CORRIDA 1 A -8 2 B C A -3 5 B B C A C B B A C A 4 15 B C C A C B A 6 22 C B A C B A 1 28 C B A 5 Y en seguida graficarlos como se muestra a continuación: 31
12 residual Residual Plot for DIAS row number RESIDUALES VS ORDEN DE CORRIDA (O SECUENCIA DE TIEMPO) Figura 2.3 Verificación de la independencia de los residuales En la figura 2.3 se presenta gráficamente el número de corrida contra el valor del residual. En esta gráfica no se debe presentar ningún tipo de patrón de comportamiento, los puntos deben verse completamente dispersos. De acuerdo a esta gráfica se puede concluir que si se cumple el supuesto de independencia SUPUESTO DE NORMALIDAD Un procedimiento útil consiste en construir una gráfica de probabilidad normal de los residuos. Una gráfica de este tipo es la representación de la distribución acumulada de los residuos sobre papel de probabilidad normal, en otras palabras, es papel para gráficas cuya escala de ordenadas es tal que la distribución normal acumulada sea una recta. Para construir una gráfica de probabilidad normal se hace el siguiente procedimiento: 1. Se ordenan los residuos en orden ascendente: RESIDUALES ORDENADOS
13 percentage A cada residuo se le calcula su punto de probabilidad acumulada mediante la siguiente formula: K e ( k 0. 5 ) K K ij P k e ( k 0. 5 ) ij P k ( k 0. 5 ) P k N eij P k ( k 0. 5 ) 3. Se grafican en el eje de las X's y los ( k 0. 5 ) en el eje de las Y's, como se muestra la figura 2.4 e ij P k 30 Normal Probability Plot for RESIDUALS RESIDUALS Figura 2.4 Grafico de probabilidad normal para los residuos En está gráfica se puede ver que la mayoría de los puntos se ajustan a la línea recta, lo que significa que los residuales si cumplen el supuesto de normalidad. 33
4. DISEÑOS MULTIFACTORIALES O FACTORIALES
4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4.1 PRINCIPIOS Y DEFINICIONES BASICAS Los arreglos factoriales se utilizan cuando en una investigación se pretende estudiar simultáneamente la influencia del cambio
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más 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 detalles5. DISEÑO FACTORIALES 2 k
5. DISEÑO FACTORIALES 2 k Los diseños factoriales son ampliamente utilizados en experimentos en los que intervienen varios factores para estudiar el efecto conjunto de éstos sobre una respuesta. Un caso
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 detalles2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que:
Análisis de varianza El análisis de la varianza, conocida también como ANVAR o ANOVA, por sus siglas en inglés (ANalysis Of VAriance) es un método que permite comparar dos o más grupos de datos a través
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 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 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 detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 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 detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detalles2013-B. Diseño y análisis de experimentos. El chocomilk ideal
2013-B El chocomilk ideal Nadia Berenice Haro Mares Ulises Guadalupe Herrera Sillas Violeta María Isabel Martínez Mercado Angélica Rivera Pulido Proyecto Final Angélica, Nadia, Violeta y Ulises, acaban
Más detallesESTADISTICA AVANZADA. Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman)
ESTADISTICA AVANZADA Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman) Factor Análisis de la Variancia El análisis de varianza One Way es una generalización de la Prueba t para mas
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 detallesAnálisis de la Varianza
Análisis de la Varianza El Análisis de la Varianza -ANOVA- es una herramienta del área de la inferencia estadística, utilizada en las investigaciones científico-técnicas. Objetivo: probar hipótesis referidas
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 detallesDiseño de bloques completos Aleatorizados. Jhon Jairo Padilla Aguilar, PhD.
Diseño de bloques completos Aleatorizados Jhon Jairo Padilla Aguilar, PhD. Introducción Factor perturbador: Factor del diseño que probablemente tenga un efecto sobre la respuesta, pero no existe un interés
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 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 detallesPROYECTO FINAL DISEÑO DE EXPERIMENTOS DISOLUCIÓN DE UNA ASPIRINA
PROYECTO FINAL DISOLUCIÓN DE UNA ASPIRINA Karina Arellano Ayala Juan Roberto de la Torre Escareño Raúl Vega Elvira Lucia Ramírez Michel 1 Estudio del efecto del tipo de solvente y la casa farmacéutica
Más detallesANÁLISIS DE LA VARIANZA CON UN SOLO FACTOR
Instituto Valenciano de Investigaciones Agrarias Seminario MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN AGRONÓMICA Tema 6 ANÁLISIS DE LA VARIANZA CON UN SOLO FACTOR Análisis de la Varianza con un solo factor
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 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 detallesDepartamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff
Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff Tema 5 Modelos de dos factores-tratamiento. Se continua trabajando
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 de Experimentos
Diseño de Experimentos Mejoramiento Continuo de Deming DOE Sí el análisis expuso una serie de factores de entrada para el proceso que deben ser controlados para maximizar o minimizar un resultado, entonces
Más detallesESTADISTICA PARA LA CALIBRACIÓN Y VALIDACIÓN DE METODOLOGÍAS ANALÍTICAS
ESTADISTICA PARA LA CALIBRACIÓN Y VALIDACIÓN DE METODOLOGÍAS ANALÍTICAS QUÍMICA ANALÍTICA EXPERIMENTAL III SILVIA CITLALLI GAMA GONZÁLEZ PROBLEMA Cuando la cantidad de materia del analito que se encuentra
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 detallesAplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas
Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento Centro 1 Estadística e Investigación
Más detallesFebrero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
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 detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más 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 detallesDiseños en bloques Incompletos aleatorizados
Capítulo 6 Diseños en bloques ncompletos aleatorizados 6.0.1. ntroducción Cuando se construye un diseño en bloques aleatorizados, puede suceder que no sea posible realizar todos los tratamientos en cada
Más detallesRegresión. Instituto Tecnológico de Ciudad Victoria Maestría en Ciencias en Biología Sesión de Cómputo. Modelo I
Regresión La regresión lineal estima la relación de una variable con respecto a otra, por medio de la expresión de una variable en términos de una función lineal de otra variable. Existen dos modelos de
Más detallesAnálisis de la varianza
Análisis de la varianza José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 I 1 Introducción 1 Comparación de medias 2 El pricipio de aleatorización 2 El problema de un factor
Más detallesF X > F Y F X < F Y F X 6= F Y
Alternativas No paramétricas En el caso de comparación de medias, como se comentó, es fundamental que se cumplan los supuestos de normalidad y varianzas iguales pero, qué hay que hacer si alguno de ellos
Más detallesAnova unifactorial I
Anova unifactorial I Grado de Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 28 de noviembre de 2017 Contexto del problema Relacionar dos variables
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más 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 detallesAnálisis de la Varianza (ANOVA).
{ H0 : µ = µ 2 = = µ p Análisis de la Varianza (ANOVA) Planteamiento del problema Se desea contrastar si las medias de p poblaciones independientes son todas iguales o si existen diferencias entre al menos
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más 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 detallesInferencia estadística
Población y muestra Estadística descriptiva e inferencial Herramientas de la estadística inferencial Intervalos de confianza para media y varianza poblacional Ejemplo de aplicación Población: Conjunto
Más detallesIntroducción al Análisis de. Varianza.
Capítulo 1 Introducción al Análisis de Varianza. 1.1. Introducción. Hasta el momento se han realizado inferencias con respecto a un parámetro poblacional y a la comparación de un parámetro entre 2 poblaciones.
Más detallesDistribuciones de muestreo importantes. Jhon Jairo Padilla Aguilar, PhD.
Distribuciones de muestreo importantes Jhon Jairo Padilla Aguilar, PhD. Distribución chi-cuadrado Si z1, z2,z3, zk son distribuciones normales estandarizadas, la variable aleatoria x 2 2 z1 z2... zk Sigue
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 detallesCAPÍTULO 3. Los datos de las seis variables fueron analizados estadísticamente. diseño experimental de bloques completamente al azar.
61 CAPÍTULO 3 3. ANÁLISIS DE RESULTADOS Los datos de las seis variables fueron analizados estadísticamente mediante el análisis de varianza (ADEVA), que es utilizado para evaluar el diseño experimental
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
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 detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesMétodos de Diseño y Análisis de Experimentos
1 / 28 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM marzo 2018 Ideas básicas del diseño experimental Capítulo 4 de Analysis
Más detallesDISEÑO EN BLOQUES ALEATORIZADOS
DISEÑO EN BLOQUES ALEATORIZADOS DISEÑO EN BLOQUES ALEATORIZADOS COMPLETOS DISEÑO EN BLOQUES INCOMPLETOS ALEATORIZADOS DISEÑO EN CUADRADOS LATINOS DISEÑO EN CUADRADOS GRECO-LATINOS DISEÑO EN CUADRADOS DE
Más detallesPROF. LUIS NAVA PUENTE MAYO 2010
PROF. LUIS NAVA PUENTE MAYO 2010 INTRODUCCIÓN El diseño de experimentos tiene una amplia aplicación en muchas disciplinas, de hecho, se puede ver la experimentación como parte del proceso científico y
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 detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más 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 detallesSnapstat: Comparación de Varias Muestras
Snapstat: Comparación de Varias Muestras Resumen La Comparación de Varias Muestras en SnapStat crea un resumen de una página que compara dos o más muestras independientes de datos. Incluye pruebas para
Más detallesCapítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T
Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesTema 18 Análisis de la varianza de un factor (ANOVA) Contraste paramétrico de hipótesis
Tema 18 Análisis de la varianza de un factor () Contraste paramétrico de hipótesis Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) Pruebas de contraste
Más detallesPROYECTO 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 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 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 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 detallesCapítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias
Capítulo 13 Contrastes sobre medias: Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
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 detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesEn clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza
Bioestadística II Bioestadística II En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza Bioestadística II Bioestadística
Más detallesANÁLISIS DE LA VARIANZA PARTE PRIMERA
ANÁLISIS DE LA VARIANZA PARTE PRIMERA Febrero de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO COMPLETAMENTE ALEATO- RIZADO....................................
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 detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesCAPÍTULO 5. Proyecciones de las Fuentes de Empleo Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes
CAPÍTULO 5 Proyecciones de las Fuentes de Empleo 5.1. Características Generales del Modelo de Regresión Lineal Múltiple de las Fuentes de Empleo a Nivel Nacional. Para la proyección de las fuentes de empleo
Más detallesESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com)
ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com) ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS... 1 DEFINICIONES BÁSICAS... 1 Estadística... 1 Estadística descriptiva... 1 Estadística inferencial...
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Sexta clase: Programa Técnico en Riesgo, 2016 Agenda 1 2 de una vía 3 Pasos para realizar una prueba de hipótesis Prueba de hipotesis Enuncia la H 0 ylah 1,ademásdelniveldesignificancia(a).
Más detallesCALIDAD DE MARCAS ECONÓMICAS DE ESMALTE DE UÑAS COMPARANDO TIEMPO DE SECADO Y DURACIÓN
CALIDAD DE MARCAS ECONÓMICAS DE ESMALTE DE UÑAS COMPARANDO TIEMPO DE SECADO Y DURACIÓN Espinoza Cárdenas Sara Dalila Flores Balderas Mayra Celeste Gómez Llanos Sandoval Ana Isabel LOS ESMALTES DE UÑAS
Más detalles4 Análisis de Varianza
4 Análisis de Varianza 4. Análisis de Varianza e.4.1. Quiénes obtienen mejores resultados en Matemáticas, los estudiantes que viven en zonas rurales, en pequeñas ciudades, en ciudades medias o en grandes
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 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 detallesDistribuciones de parámetros conocidos
10.3. CONTRASTE DE BONDAD DE AJUSTE PARA DISTRIBUCIONES265 350 300 observaciones esperado(x) 250 Frecuencias esperadas 200 150 100 Frecuencias observadas 50 0 55 60 65 70 75 80 85 90 Figura 10.2: En los
Más detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesEXPERIMENTOS FACTORIALES
EXPERIMENTOS FCTORILES Generalidades Simbología Diseños Experimentales Ventajas Desventajas nálisis Estadístico Ventajas - Desventajas Ventajas 1. Economía en el material experimental, al obtener información
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 11 - Junio - 2.010 SOLUCIONES Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que,
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 detallesMODELO 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 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 detallesANEXO I. ANÁLISIS DE LA VARIANZA.
ANEXO I. ANÁLISIS DE LA VARIANZA. El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias. Cuando se quiere comparar más de dos medias es incorrecto utilizar
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 detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
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 detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesElaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
Más detallesDISTRIBUCION 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 detallesElaboró: Luis Casas Vilchis
Correlación de Pearson (r P, r) Una correlación se define como la coincidencia en el patrón de valores altos de una variable con los valores altos en la otra variable, y bajos con bajos y moderados con
Más detallesEstadística Inferencial
Estadística Inferencial Contrastes de Hipótesis para Diferencias de medias y de proporciones ( ( Si H 0 es Verdadera entonces: ( Si H 0 es Verdadera entonces podemos estimar p con: 1 Para probar H 0 usamos
Más detalles