Modelos mixtos. Diseño de experimentos p. 1/26
|
|
- David Fuentes Bustos
- hace 7 años
- Vistas:
Transcripción
1 Modelos mixtos Diseño de experimentos p. 1/26
2 Introducción Cuando en la estructura de tratamientos de un experimento se tienen tanto factores fijos como aleatorios, el modelo que describe tales experimentos se llama modelo mixto. Si un efecto principal es un efecto aleatorio, entonces cualquier interacción que involucre tal efecto principal es también un efecto aleatorio. Es decir, las únicas interacciones que son efectos fijos son aquellas cuyos efectos principales son todos fijos. Por ejemplo, un modelo de tres criterios de clasificación donde A y B son efectos fijos y C es aleatorio es: y ijkl = µ + α i + β j + γij + c k + d ik + f jk + g ijk + ǫ ijkl donde la parte de efectos fijos del modelo es: µ + α i + β j + γij Diseño de experimentos p. 2/26
3 Introducción y la parte de efectos aleatorios: c k + d ik + f jk + g ijk + ǫ ijkl suponemos que c k N(0, σ 2 c), d ik N(0, σ 2 d ), f jk N(0, σ 2 f ), g ijk N(0, σ 2 g), ǫ ijkl N(0, σ 2 ) y que c k, d ik, f jk, g ijk y ǫ ijkl son variables aleatorias independientes. Diseño de experimentos p. 3/26
4 Ejemplo (2 factores balanceado) Una compañía quiere reemplazar, en una de sus fábricas, las máquinas usadas para hacer cierto componente. Hay tres diferentes marcas de máquinas en el mercado. El gerente diseña un experimento para evaluar la productividad de las máquinas cuando son operadas por su propio personal. Se seleccionaron aleatoriamente seis empleados para participar en el experimento, cada uno de los cuales operó la máquina en tres diferentes ocasiones. Los datos son calificaciones globales, que toman en cuenta el número y calidad de componentes producidos. Diseño de experimentos p. 4/26
5 Ejemplo (2 factores balanceado) Repetición Máquina Persona Diseño de experimentos p. 5/26
6 Ejemplo (2 factores balanceado) Repetición Máquina Persona Diseño de experimentos p. 6/26
7 Ejemplo (2 factores balanceado) El modelo es: y ijk = µ + τ i + p j + g ij + ǫ ijk i = 1, 2, 3 j = 1,...,6 k = 1, 2, 3 Donde µ es la media general, τ i efecto del tipo de máquina i, p j efecto de la persona j, g ij interacción máquina-persona y ǫ ijk error asociado a la j-ésima persona operando la máquina i en el tiempo k. Los componentes aleatorios y sus correspondientes varianzas son: p j N(0, σ 2 p) g ij N(0, σ 2 g) ǫ ijk N(0, σ 2 ) ej23_1_messy.jmp Diseño de experimentos p. 7/26
8 Ejemplo (2 factores balanceado) F.V. gl SS CM F E(CM) Máquina ** σ 2 + 3σg θm 2 Persona ** σ 2 + 3σg 2 + 9σp 2 Maq x Pers ** σ 2 + 3σg 2 Error σ 2 La estimación de los componentes de varianza por el método de Momentos: Componente Estimación % del total Persona Máq x Pers Error Total Diseño de experimentos p. 8/26
9 Diseños con factores fijos y aleatorios, cruzados y anidados Realidad diseño modelo análisis El modelo debe representar lo más cercanamente posible a la realidad estudiada, esta representación está mediada por el diseño. Un factor y ij = µ + A i + ǫ j(i) i = 1,...,a j = 1,...,n i A puede ser aleatorio o fijo. ǫ siempre es aleatorio con ǫ j(i) N(0, σ 2 ) La prueba de A se hace con CM A /CME. Si A es fijo H 0 : A 1 = A 2 =... = A a = 0. Si A es aleatorio H 0 : σ 2 a = 0. Diseño de experimentos p. 9/26
10 Diseños con factores fijos y aleatorios, cruzados y anidados Dos factores cruzados y ijk = µ + A i + B j + (AB) ij + ǫ ijk i = 1,...,a j = 1,...,b k = 1,...,n ij Diseño de experimentos p. 10/26
11 Diseños con factores fijos y aleatorios, cruzados y anidados Dos factores anidados y ijk = µ + A i + B j(i) + ǫ k(ij) i = 1,...,a j = 1,...,b k = 1,...,n ij Diseño de experimentos p. 11/26
12 Diseños con factores fijos y aleatorios, cruzados y anidados Tres factores cruzados y ijkl = µ+a i +B j +(AB) ij +C k +(AC) ik +(BC) jk +(ABC) ijk +ǫ l(ijk) i = 1,...,a j = 1,...,b k = 1,...,c l = 1,...,n ij Diseño de experimentos p. 12/26
13 Diseños con factores fijos y aleatorios, cruzados y anidados Tres factores, uno anidado en el cruce de los otros dos y ijkl = µ + A i + B j + (AB) ij + C k(ij) + ǫ l(ijk) i = 1,...,a j = 1,...,b k = 1,...,c l = 1,...,n ij A- Método de estudio B- Escuela pública o privada C- Grupos al azar en cada combinación u.e. alumno dentro de grupo Diseño de experimentos p. 13/26
14 Ejemplo 1. Evaluación de un espectrofotómetro (Ejemplo 7.5 Kuehl) Un investigador está desarrollando un nuevo espectrofotómetro para aplicaciones en laboratorios médicos, que tiene que ser probado. El investigador tiene que determinar si la variabilidad y consistencia de los resultados obtenidos en múltiples corridas y días están dentro de las especificaciones requeridas. Diseño de tratamientos: factorial con concentraciones de glucosa y días como factores. Las muestras de suero en sangre fueron inoculadas con tres niveles diferentes de glucosa para cubrir el rango de concentraciones de glucosa que el instrumento debe ser capaz de analizar. Las tres concentraciones fueron analizadas en cada día, por lo que el factor concentraciones y el factor día están cruzados. Se hicieron dos corridas en cada día, así que corridas están anidadas en día. Diseño de experimentos p. 14/26
15 Ejemplo 1 Diseño del experimento: Se prepararon cuatro réplicas de muestras de suero para cada una de las tres concentraciones de glucosa cada día. Dos réplicas de cada concentración fueron asignadas aleatoriamente a cada corrida de cada día. Las 6 muestras fueron analizadas en orden aleatorio en cada corrida. El mismo técnico preparó las muestras y operó el instrumento a lo largo del experimento. El diseño tiene factores anidados y cruzados con a = 3 concentraciones cruzadas con b = 3 días, con c = 2 corridas anidadas en cada día y r = 2 repeticiones en cada concentración en cada día. Las concentraciones de glucosa (mg/dl) observadas en el espectrofotómetro son: Diseño de experimentos p. 15/26
16 Ejemplo 1 Día 1 Día 2 Día 3 Concen Corr 1 Corr 2 Corr 3 Corr 4 Corr 5 Corr Diseño de experimentos p. 16/26
17 Ejemplo 1 El modelo para este experimento es: y ijkl = µ + a i + b j + c k(j) + (ab) ij + (ac) ik(j) + e ijkl i = 1, 2, 3 j = 1, 2, 3 k = 1, 2 l = 1, 2 a i efecto fijo de concentración b j efecto aleatorio de día c k(j) efecto aleatorio de corrida dentro de cada día (ab) ij es el efecto aleatorio de la interacción concentración x día (ac) ik(j) efecto aleatorio de la interacción de concentración x corrida dentro de día ej7_5_kuehl.jmp Diseño de experimentos p. 17/26
18 Ejemplo 1 Componente E(CM) Concentración σ 2 + 2σac 2 + 4σab θ2 a Día σ 2 + 2σac 2 + 4σab 2 + 6σ2 c + 12σb 2 Corrida(dia) σ 2 + 2σac 2 + 6σc 2 Dia x Concentr σ 2 + 2σac 2 + 4σab 2 Concentr x corrida(dia) σ 2 + 2σac 2 Error σ 2 Componente Concentración Día Corrida(día) Día x concentra Concentra*corrida(día) Denominador (CM) Dia x concentra Corrida(día) + Día x concentra - concentra*corrida(día) concentra*corrida(día) concentra*corrida(día) error Diseño de experimentos p. 18/26
19 Ejemplo 1 F.V. gl SS CM F Prob > F Concentra < Día Corrida(día) Día x concentra Concentra x corrida(día) < Fué significativa la interacción de concentración x corrida(día), lo que significa que se necesita inspeccionar la consistencia de corrida a corrida a lo largo de las concentraciones. La inconsistencia podría ser debida a la operación del instrumento o la falta de consistencia en la preparación de las muestras para cada una de las concentraciones de corrida a corrida. Diseño de experimentos p. 19/26
20 Ejemplo 2 Un ingeniero industrial está estudiando la inserción a mano de componentes electrónicos en tarjetas de circuitos impresos para mejorar la velocidad de la operación de ensamblaje. Ha diseñado 3 dispositivos de ensamblaje y 2 esquemas que se ven prometedores. Se requieren operadores para realizar el ensamblado, por lo que decide seleccionar aleatoriamente 4 operadores para cada tipo de esquema. Ya que hay diferentes lugares donde se van a probar estos 2 factores, es difícil usar los mismos 4 operadores, por lo que los 4 operadores escogidos para el esquema 1 son diferentes a los 4 del esquema 2. Se corren en forma aleatoria la combinación de tratamientos y se obtienen 2 repeticiones. Se mide el tiempo de ensamblado en segundos. Diseño de experimentos p. 20/26
21 Ejemplo 2 Esquema 1 2 Operador D i s p o s i t Diseño de experimentos p. 21/26
22 Ejemplo 2 Este es un modelo mixto ya que dispositivos y esquemas son fijos y operador es aleatorio. En este modelo operadores están anidados en los niveles de esquema, mientras que dispositivos y esquemas están cruzados. y ijkl = µ + τ i + β j + γ k(j) + (τβ) ij + (τγ) ik(j) + ǫ l(ijk) τ i es el efecto del i-ésimo esquema, i = 1, 2 β j es el efecto del j-ésimo dispositivo, j = 1, 2, 3 γ k(i) es el efecto del k-ésimo operador dentro del i-ésimo esquema, k = 1, 2, 3, 4 (τβ) ij interacción esquema x dispositivo (τγ) jk(i) interacción dispositivo x operador dentro de esquema ǫ l(ijk) error, l = 1, 2 Diseño de experimentos p. 22/26
23 Ejemplo 2 Note que no puede haber interacción esquema x operador por que no todos los operadores usan todos los esquemas, por lo tanto no puede haber interacción dispositivo x esquema x operador. ej13_2_mont.jmp Diseño de experimentos p. 23/26
24 Ejemplo 2 Componente E(CM) Esquema σ 2 + 6σo θe 2 Disposit σ 2 + 2σod(e) θ2 d esqxdis σ 2 + 2σod(e) 2 + 8θ2 ed op(esq) σ 2 + 6σo 2 op x dis(esq) σ 2 + 2σod(e) 2 Error σ 2 Componente Esquema Dispositivo Esq x Dispo Operador(esq) Opera x Dispo(esq) Denominador (CM) Operador(esquema) Operador x Dispositivo(esquema) Operador x Dispositivo(esquema) error error Diseño de experimentos p. 24/26
25 Ejemplo 2 F.V. gl SS CM F Prob > F Esquema Dispositivo Esq x Disp Operador(esq) Op x Disp(esq) Error Diseño de experimentos p. 25/26
26 Reglas para encontrar E(CM) en diseños completos balanceados 1. El error, considerado jerárquico dentro de los demás factores, tendrá un componente de varianza σ 2 y es siempre aleatorio. 2. En cada hilera del A. de V. escriba los componentes de varianza que tienen todos los suscritos contenidos en los suscritos del factor en la hilera. 3. Determine qué suscritos no están presentes en cada componente de varianza. Multiplique el coeficiente de ese componente por el tamaño de muestra (número de niveles) de los factores correspondientes a los suscritos faltantes. 4. Multiplique el componente por (1 h/h) donde h es el número de niveles de un factor y H es el tamaño de la población de efectos. Así para efectos fijos h = H y para efectos aleatorios H =. El factor (1 h/h) multiplica a los componentes para cada factor H que está en el suscrito del componente y que no aparece dentro de un paréntesis y/o no está en el encabezado de la hilera. Excepto para σ 2. Diseño de experimentos p. 26/26
Métodos de Diseño y Análisis de Experimentos
1 / 16 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM mayo 2018 Ejemplo Modelos Mixtos 2 / 16 3 / 16 Ejemplo 1 (2 factores
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 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 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 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 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 detallesDiseño de experimentos - Experimentos multifactoriales.
Diseño de experimentos - Experimentos multifactoriales http://www.academia.utp.ac.pa/humberto-alvarez/diseno-deexperimentos-y-regresion Introducción Los casos anteriores explicaban los diseños en bloques
Más detallesDISEÑO 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 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 detallesUniversidad de Puerto Rico Recinto de Mayagüez
Universidad de Puerto Rico Recinto de Mayagüez Notas de Clase 17 de Octubre 2008 Diseño de experimentos Autores: Rafael Victoria Bournigal & Juan Balbuena Merle Plan de Trabajo: Continuación Medias Cuadradas
Más detallesDiseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos
Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos Tema 4 (III) Estadística 2 Curso 08/09 Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 1 / 17 ANOVA
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 detallesDISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos
DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN Los diseños en bloques utilizan una restricción en la aleatorización. Los cuadrados latinos utilizan dos restricciones en la aleatorización.
Más 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 detallesAVISOS. Diseño Factorial 30/03/2015. Bioestadística II. Diseño Factorial. El miércoles 1 Abril no hay clases de BIO II
Facultad de Ciencias EYactas, Físicas y Naturales Universidad Nacional de Córdoba AVISOS Bioestadística II 2015 El miércoles 1 Abril no hay clases de BIO II http://estadisticaybiometria.wordpress.com seguir
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 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 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 detallesIntroducción al diseño experimental y al análisis de datos. Construcción de diseños factoriales
Introducción al diseño experimental y al análisis de datos Construcción de diseños factoriales Introducción Tipos de factores Diseños ortogonales Diseños anidados Diseños ad-hoc Jose Jacobo Zubcoff Dept.
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 detallesEXPERIMENTOS FACTORIALES CON RESTRICCIONES DE ALEATORIZACION
EXPERIMENTOS FCTORILES CON RESTRICCIONES DE LETORIZCION Diseño de Parcela Dividida Diseño de Bloques Divididos o en Franjas Características generales de estos diseños Esquemas a campo y aleatorización
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 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 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 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 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 detallesMétodos de Diseño y Análisis de Experimentos
1 / 30 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM abril 2018 Diseño de Bloques al azar 2 / 30 3 / 30 Introducción En
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 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 detallesAnálisis estadístico y uso de bases de datos!!!!! Diseños factoriales! Diseños anidados
Diseños anidados Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Ejemplo: Diseños anidados Hipótesis: La abundancia total de peces es menor en una zona rocosa colonizada por C. taxifolia
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 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 detalles4. 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 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 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 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 detallesExamen Final 22 de mayo de 2009 (16 a 19 horas) Diseño de Experimentos y Teoría de Muestreo (80/100 puntos) SOLUCIONES
Examen Final 22 de mayo de 2009 (16 a 19 horas) Diseño de Experimentos y Teoría de Muestreo (80/100 puntos) SOLUCIONES 1.- [Correcta: 0.8 puntos, Incorrecta: -0.2 puntos] Se está interesado en el efecto
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 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 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 detallesDISEÑO EXPERIMENTAL FACTORIAL DE GRUPOS
TEMA III ESQUEMA GENERAL Definición del diseño factorial Clasificación del diseño factorial Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar: Estructura Diseño factorial
Más detalles5 ANÁLISIS Y RESULTADOS
5 ANÁLISIS Y RESULTADOS 5. ANÁLISIS Y RESULTADOS 5.1 Curvas de Calibración Se obtuvieron las curvas de calibración para cada una de las soluciones base, con dispersante y sin dispersante. Se hicieron en
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 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 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 detallesAnálisis A Variable N R² R² Aj CV pesotejido(g)
Nombre: Segundo Examen Parcial 1 AGRO 6600 2015 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallesDiseño y análisis de experimentos
Diseño y análisis de experimentos Universidad Nacional de Colombia Sede Medelĺın Kenneth Roy Cabrera Torres 06 de febrero de 2018 1 / 16 Un factor Familia de diseños Modelos Supuestos Prueba de Hipótesis
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 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 detallesDISEÑO DE CUADRADOS LATINOS
DISEÑO DE CUADRADOS LATINOS a vimos que el diseño de bloques al azar, era el diseño apropiado cuando se conocía de antemano algún factor que fuera fuente de variabilidad entre las unidades experimentales.
Más detallesCLAVE - Lab 5 - Contrastes
CLAVE - Lab 5 - Contrastes 1. Se realizó un experimento para comparar cuatro conservadore diferentes para fresas congeladas (C1, C2, C3, C4). Se cosecharon suficientes fresas para obtener 32 muestras de
Más detallesBiometría 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 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 detallesDispositivos experimentales
Curso sobre mitigación de los efectos adversos del Cambio Climático mediante programas de reforestación Cartagena de Indias(Colombia), 12-16 septiembre 2016 Dispositivos experimentales Eduardo Notivol
Más detallesNOTAS SOBRE DISEÑO DE EXPERIMENTOS
INTRODUCCIÓN DISEÑO DE EXPERIMENTOS El Diseño de Experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald A. Fisher, quién sentó la base de la teoría del Diseño Experimental y que a la fecha
Más detallesDiseño de Experimentos con varios factores. Jhon Jairo Padilla Aguilar, PhD.
Diseño de Experimentos con varios factores Jhon Jairo Padilla Aguilar, PhD. Experimento Factorial En cada ensayo completo o réplica del experimento se investigan todas las combinaciones posibles de los
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 detallesPropiedades tecnológicas de la madera de Grevillea robusta y desarrollo de programas de secado adaptados a la pequeña y mediana industria regional
Propiedades tecnológicas de la madera de Grevillea robusta y desarrollo de programas de secado adaptados a la pequeña y mediana industria regional PIA 10044 Ing. Ftal Mariano Hernández Corrientes, 14 de
Más detallesESTADISTICA AVANZADA. Sesión D6/m2 Introducción DOE
ESTADISTICA AVANZADA Sesión D6/m2 Introducción DOE DOE - Definiciones Básicas Experimento Es un cambio en las condiciones de operación de un sistema o proceso, que se hace con el objetivo de medir el efecto
Más detallesFactoriales 1 EXPERIMENTOS CON FACTORIALES
Factoriales 1 EXPERIMENTOS CON FACTORIALES Los factoriales son combinaciones de factores (nitrógeno, fósforo, variedades, sustancias, niveles de concentrado, etc.) para formar tratamientos, los cuales
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
Máster en Gestión Forestal Basada en Ciencia de Datos Seminario de Innovación: Datos e información científica: Cómo preparar y administrar Palencia, 11 abril 2018 Diseño de Experimentos Eduardo Notivol
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 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
Diseño de Experimentos Estudios experimentales vs observacionales Experimento vs Muestreo La palabra experimento se utiliza en un sentido preciso, implicando una investigación donde un sistema bajo estudio
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 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 DE EXPERIMENTOS Licenciatura en Estadística Práctica 3.
Ejercicio 1. En la realización de marcas de localización en una tarjeta de circuito impreso se utiliza una rebajadora. Se considera que el nivel de vibración en la superficie de la tarjeta al ser cortada
Más detalles9. DISEÑOS 2 K CON PUNTOS AL CENTRO 9.1 INTRODUCCION
9. DISEÑOS 2 K CON PUNTOS AL CENTRO 9.1 INTRODUCCION Un motivo de preocupación potencial en el uso de diseños factoriales de dos niveles es la suposición de linealidad en los efectos de los factores, dado
Más detallesIntroducción. Diseño de experimentos p. 1/65
Introducción Diseño de experimentos p. 1/65 Introducción Historia R.A. Fisher, en la década de los 20 s, fué el iniciador del Diseño de Experimentos, con experimentos en el área de agricultura en Inglaterra.
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 detallesRotaciones. R es ortogonal. Esto es :RR T = 1, donde R T ij =R ji. En efecto. R T R =1, R es una matriz ortogonal
Rotaciones Convención de Einstein: Dos índices repetidos en un monomio significan la suma de esos índices de 1 a la dimensión del espacio. Las rotaciones son transformaciones lineales, definidas por la
Más detallesTarea - Examen. No reaparece Sí reaparece Crema Crema
Tarea - Examen 1. Un juego consiste en elegir al azar una carta de una baraja de 52 cartas. Si esta carta es un corazón negro nos pagan 200 pesos y si es un diamante 100 pesos, pero en otro caso hemos
Más detallesCáculo de estimadores de los Cuadrados Medios y Denominadores de la F
Cáculo de estimadores de los Cuadrados Medios y Denominadores de la F Departamento de Ciencias del Mar y Biología Aplicada Jose Jacobo Zubcoff Aitor Forcada a partir de principios generales 1. Definir
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 detallesSecretaría de Docencia Dirección de Estudios Profesionales
PROGRAMA DE ESTUDIO POR COMPETENCIAS PLAN DE ESTUDIOS F2 MÉTODOS ESTADÍSTICOS I. IDENTIFICACIÓN DEL CURSO Espacio Educativo: Facultad de Ingeniería Licenciaturas: Ingeniería Civil Área de docencia: Matemáticas
Más detallesPráctica. Diseño factorial 2 x 2
Práctica Diseño factorial x Supuesto 1: Refuerzo positivo y nivel de impulso Tanto la variable intensidad del refuerzo como nivel del impulso han sido repetidamente analizadas en relación al aprendizaje
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 detallesDiseños Factoriales. Existen situaciones en la que se esta interesado en estudiar el efecto conjunto de dos
Capítulo 3 Diseños Factoriales 3.1. Introducción. Existen situaciones en la que se esta interesado en estudiar el efecto conjunto de dos omásfactores sobre la respuesta. Si esta es la situación ninguno
Más detallesDISEÑOS DE PARCELAS DIVIDIDAS
Experimentos Factoriales: Diseño de parcelas divididas y de bloques divididos 1 DISEÑOS DE PRCELS DIVIDIDS Este tipo de diseños se utiliza frecuentemente en experimentos factoriales cuando uno de los factores
Más detallesSegundo Examen Parcial
Nombre: Segundo Examen Parcial AGRO 6600 2010 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
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 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 detallesESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación
TEMA V ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación Análisis de la covarianza (ANCOVA) Modelos alternativos de análisis DISEÑO DE GRUPO CONTROL NO
Más detallesEXPERIMENTOS FACTORIALES
EXPERIMENTOS FACTORIALES En los modelos de los experimentos factoriales los parámetros τi que hacen referencia a los efectos de tratamientos se descompone en un conjunto de parámetros que dan cuenta de
Más detallesAlgunos Problemas y Soluciones en el Análisis de Experimentos Ajustados con MLG s.
Algunos Problemas y Soluciones en el Análisis de Experimentos Ajustados con MLG s. Víctor Aguirre Torres Departamento de Estadística, ITAM. Seminario de Estadística, CIMAT. 5 de Nov 2007. Créditos Trabajo
Más detallesEscribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos.
Ejercicio 1: Se aplican pinturas tapaporos para aeronaves en superficies de aluminio, con dos métodos: inmersión y rociado. La finalidad del tapaporos es mejorar la adhesión de la pintura, y puede aplicarse
Más detallesSegundo Examen Parcial
Segundo Examen Parcial Nombre: AGRO 6600 2009 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
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 detallesNúmeros Hipercomplejos y su relación con la
Números Hipercomplejos y su relación con la Física Aldo Martínez-Merino División de Ciencias e Ingeniería Universidad de Guanajuato, Campus León Facultad de Ciencias en Física y Matemáticas, UNACH 23 de
Más detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
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 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 detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesUN ENOQUE UNIFICADO DE SISTEMA DE HORMIGAS PARA RESOLVER PROBLEMAS VRP
UN ENOQUE UNIFICADO DE SISTEMA DE HORMIGAS PARA RESOLVER PROBLEMAS VRP Emely Arráiz Oscar Meza Guillermo Palma Departamento de Computación y Tecnología de la Información Universidad Simón Bolívar Caracas,
Más detallesNORMAS El examen consta de dos partes: Diez Cuestiones: (tiempo: 60 minutos)
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 detallesEscribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos.
Ejercicio 1: Se aplican pinturas tapaporos para aeronaves en superficies de aluminio, con dos métodos: inmersión y rociado. La finalidad del tapaporos es mejorar la adhesión de la pintura, y puede aplicarse
Más detallesDISEÑO DE EXPERIMENTOS 1/13 Maestría en Ciencias en Ingeniería Industrial
DISEÑO DE EXPERIMENTOS 1/13 EJERCICIO DE APLICACIÓN Programa: Diseño de Experimentos Maestro Juan José Hurtado Moreno Alumna : Ivonne Evelia Caballero Hernández Febrero julio 2009 DISEÑO DE EXPERIMENTOS
Más detalles