Diseño de experimentos Hugo Alexer Pérez Vicente
|
|
- Sandra Saavedra Aguilera
- hace 7 años
- Vistas:
Transcripción
1 Diseño de experimentos Hugo Alexer Pérez Vicente
2 Métodos complementarios al análisis de varianza Comparaciones múltiples
3 Comparación o pruebas de rangos múltiples Después de que se rechazó la hipótesis nula en un análisis de varianza, es necesario revisar a detalle y ver cuáles tratamientos son diferentes. Por lo general, estas comparaciones consisten en pruebas de hipótesis o en intervalos de confianza.
4 Comparación o pruebas de rangos Algunas estrategias son: múltiples Comparación de parejas de medias de tratamientos: Método LSD (diferencia significativa mínima de Fisher) Método de Tukey Prueba del rango múltiple de Duncan Comparación de tratamientos con un control: Método de Dunnet (exposición del grupo) Método de Hsu
5 Método LSD Es posible probar la igualdad de todos los posibles pares de medias con la hipótesis: H H A Para todo i distinto de j. 0 : i : i j j Por tanto, para k tratamientos se tiene k(k-1)/k pares de medias.
6 El estadístico de prueba t 0 cada una de las hipótesis planteadas anteriormente se calcula: Para una prueba de dos colas, el criterio de rechazo sería: A la expresión LSD se le llama diferencia mínima significativa. Método LSD j i E j i n n CM y y t j i E j i n n CM t y y a N 1 1 LSD donde, LSD, 2 /
7 Método LSD Si el diseño es balanceado, n 1 =n 2 = =n a =n, entonces: LSD t 2, / N a 2CM n Para usar este método, simplemente se compara la diferencia observada entre cada par de promedios con la LSD correspondiente. Si ȳ i. ȳ j. > LSD, se concluye que las medias poblacionales μ i y μ j difieren. Note que un intervalo de confianza al 100(1 α)% para la diferencia entre las medias de un solo par de tratamientos cualesquiera µ i µ j es igual a { ȳ i. ȳ j. ± LSD}. E
8 Ejemplo: comparación de cuatro métodos de ensamble Un equipo de mejora investiga el efecto de cuatro métodos de ensamble A, B, C y D, sobre el tiempo de ensamble en minutos. En primera instancia, la estrategia experimental es aplicar cuatro veces los cuatro métodos de ensamble en orden completamente aleatorio (las 16 pruebas en orden aleatorio).
9 Ejemplo: comparación de cuatro métodos de ensamble Los tiempos de ensamble se muestran en la tabla siguiente: Métodos de ensamble A B C D
10 Para investigar cuáles pares de medias son estadísticamente diferentes, se prueban los seis posibles pares de hipótesis: Ejemplo: comparación de cuatro métodos de ensamble D C D C D B D B C B C B D A D A C A C A B A B A A A A A A A H vs H H vs H H vs H H vs H H vs H H vs H : : : : : : : : : : : :
11 Ejemplo: comparación de cuatro métodos de ensamble Después de realizar el ANOVA se obtiene: CME = 2.46, G.L. Error = 16-4 =12 DISTR.T.INV(0.05,12)=2.18 2CM E 2* 2.46 LSD t 2.18 / 2, N k n
12 Ejemplo: comparación de cuatro métodos de ensamble La decisión sobre cada una de las seis hipótesis listadas antes se obtiene al comparar las correspondientes diferencias muestrales en valor absoluto con el número LSD. Por ejemplo: A B Por tanto, la diferencia entre ambas medias no son significativas.
13 Resultados del procedimiento LSD del ejemplo y A y B. 8.5 y D y C
14 Prueba de Tukey Tukey propuso una procedimiento para probar H 0 : μ i = μ j contra H 1 : μ i μ j para todos los p pares posible de medias, en el que el nivel de significación global es exactamente α g para tamaños de muestras iguales y es, a lo sumo, α g para tamaños de muestras diferentes. En este procedimiento se utiliza el estadístico de rango estudentizado q. q y max ymin CM / E n Donde ȳ max y ȳ min son las medias muestrales mayor y menor, respectivamente, sacadas de un grupo de p medias muestrales.
15 Prueba de Tukey La tabla de la siguiente diapositiva, contiene los valores de q α, los puntos porcentuales α g superiores de q, donde k es el número de tratamientos y df es el número de grados de libertad asociados con el error (CME).
16 Tabla del estadístico de rango estudentizado
17 Para una prueba de dos colas, el criterio de rechazo para cada par de medias sería: Si el diseño es balanceado, n 1 = n 2 = = n a = n, entonces: j i E j i n n CM df k q T T y y g g g ), ( donde, n CM df k q T E g g ), ( Prueba de Tukey
18 De manera equivalente, podría construirse una serie de intervalos de confianza de 100(1 αg)% para la diferencia de todos los pares de medias de la siguiente manera: Prueba de Tukey g g T y y T y y j i j i j i
19 Ejemplo: comparación de cuatro métodos de ensamble Usamos los datos de la comparación de métodos de ensamble, con α g = 0.05 y df = 12 grados de libertad para el error. Se obtiene que q 0.05 (4, 12) = 4.20 Así que: T q (4,12) CM n E Por lo tanto, cualquier par de promedios de los tratamientos que difiera en valor absoluto por más de implicaría que el par correspondiente de medias poblacionales es significativamente diferente.
20 Ejemplo: comparación de cuatro métodos de ensamble La decisión sobre cada una de las seis hipótesis listadas antes se obtiene al comparar las correspondientes diferencias muestrales en valor absoluto con el número T. Por ejemplo: g A B Por tanto, la diferencia entre ambas medias no son significativas.
21 Ejemplo: comparación de cuatro métodos de ensamble y A y B. 8.5 y D y C Resultados del Método de Tukey
22 Prueba de rango múltiple de Duncan Duncan propuso el siguiente procedimiento para probar H 0 : μ i = μ j contra H 1 : μ i μ j para todos los pares posibles de medias: 1. Los k promedio de los tratamientos se arreglan en orden ascendente 2. El error estándar de cada promedio se determina como: S y i CM n h E, donde n h k i 1 k (1/ n i ) Si el diseño es balanceado, n 1 = n 2 = = n k = n, entonces n h = n.
23 Prueba de rango múltiple de Duncan 3. Los valores de r α (p, df), para p = 2, 3,, a, donde α es el nivel de significación, y df es el número de grados de libertad del error 4. Luego obtenemos un conjunto de a 1 rangos mínimos de significación calculando: R p r ( p, df ) S para p y i 2, 3,..., k
24 Prueba de rango múltiple de Duncan 5. Se prueban todas las diferencias observadas entre las medias, empezando con la más grande contra la menor, la cual se compara con el rango mínimo de significación R k. Después, se calcula la diferencia de la mayor y la segunda menor y se compara con R k 1. Este proceso se continúa hasta que todas las medias se han comparado con la media mayor. Después se calcula la diferencia de la segunda media mayor y la menor y se compara con Rk 1. Este proceso se continúa hasta que todos los k(k 1)/2 pares de medias posibles se han comparado. Si alguna diferencia es mayor que su rango de significación correspondiente, se concluye que ese par de medias es significativamente diferente.
25 Tabla de rangos para la prueba Duncan
26 Prueba de rango múltiple de Duncan En la prueba de Duncan, a medida que el número de pares de medias aumenta, se requiere una diferencia observada más grande para detectar pares de medias significativamente diferentes. El nivel de significación global de la prueba es 1 (1 α) a 1, donde α es el nivel de significación para dos medias adyacentes.
27 Prueba de rango múltiple de Duncan El índice de error de reportar al menos una diferencia significativa incorrecta entre medias que están p pasos aparte es 1 (1 α) p 1. Por ejemplo, si α = 0.05, entonces 1 (1 0.05)¹ = 0.05 es el nivel de significación para comparar cualquier par de medias adyacentes. 1 (1 0.05)² = es el nivel de significación para medias que están un paso aparte y así sucesivamente.
28 Ejemplo: comparación de cuatro métodos de ensamble Continuando con el ejemplo anterior con α = 0.05 y f = 12 grados de libertad para el cuadrado medio del error. 1) Los promedios de los tratamientos en orden ascendente son: ȳ A. = 7.25, ȳ B. = 8.5, ȳ D. = 10.5, ȳ C. = ) El error estándar de cada promedio es S ȳ. = (2.46/4) ½ = 0.784
29 Ejemplo: comparación de cuatro métodos de ensamble 3) De la tabla de rangos se obtienen los valores de r 0.05 (p, 12), p = 2, 3, 4 r 0.05 (2,12) = r 0.05 (3,12) = r 0.05 (4,12) = ) Los rangos mínimos de significación quedan como: R 2 r 0.05 (2,12) S y i (3.081)(0.784) R 3 r 0.05 (3,12) S y i (3.225)(0.784) R 4 r 0.05 (4,12) S y i (3.312)(0.784) 2.597
30 Ejemplo: comparación de cuatro métodos de ensamble 5) Los resultados de las comparaciones serían: Comparación Diferencia RSM Resultado C vs A 5.50 R Significativa C vs B 4.25 R Significativa C vs D 2.25 R No significativa D vs A 3.25 R Significativa D vs B 2.00 R No significativa B vs A 1.25 R No significativa Veamos una gráfica de resultados: El nivel de significación global de la prueba es 1 (1 0.05) 4 1 = 0.142
31 Método Hsu El método Hsu es usado después de realizar el ANOVA y está diseñado para identificar cuál nivel de que factor es el mejor, e identificar a aquellos que están significativamente lejos de ése nivel.
32 Método Hsu Puedes definir el mejor tanto como a la media más alta y a las más pequeña, en dependencia del interés para el experimento.
33 Método Hsu El método HSU crea un intervalo de confianza para la diferencia entre las medias de cada tratamiento y el valor considerado como el mejor. Si el intervalo tiene cero como punto final hay una diferencia estadísticamente significativa entre las medias correspondientes. En caso contrario, no hay diferencia estadísticamente significativa.
34 Método Hsu Específicamente: Intervalo de confianza contiene el cero Intervalo de confianza por completo por encima de cero Intervalo de confianza en su totalidad por debajo de cero Mayor es mejor No hay diferencia Significativamente mejor Significativamente peor Menor es mejor No hay diferencia Significativamente peor Significativamente mejor
35 Ejemplo: comparación de cuatro métodos de ensamble Continuando con el ejemplo anterior y suponiendo que el menor tiempo de ensamble será considerado como el mejor método, los resultados con ayuda de Minitab 17, son: Interpretando los intervalos de confianza y con ayuda de la tabla anterior se puede decir que estadísticamente los peores métodos son D y A y, en consecuencia, estadísticamente no existe un método mejor.
36 Características y ventajas de algunos métodos de comparaciones múltiples Método Tukey Dunnet Inecuación de Bonferroni Inecuación de Sidák MCB de Hsu Datos normales Sí Sí - Sí Sí Fortaleza La prueba más poderosa cuando se ejecutan comparaciones por pares La prueba más poderosa cuando se compara con un control Procedimiento robusto, pero produce largos intervalos de confianza, usualmente conservador Ligeramente mejor que el procedimiento de Bonferroni, usualmente conservador La prueba más poderosa cuando no se tiene interés en las comparaciones por pares. Comparación con un control No Sí Sí Sí No Comparación por pares Sí No Sí Sí Sí
37 Observaciones La elección del método de comparación depende de la inferencia deseada. Es ineficiente usar el enfoque de Tukey para todas las diferencias cuando se dispone del método de Dunnett o de Hsu, ya que los intervalos de confianza de Tukey son más anchos y las pruebas de hipótesis menos potente para una tasa de error de familia determinado. La elección entre Tukey y Fisher depende de si desea especificar la familia o tasa de error individual.
38 Observaciones El método Hsu sólo compara un subconjunto de todas las posibles comparaciones por pares, a diferencia del método de Tukey que hace todas las comparaciones. Por lo tanto, el método Hsu va a generar intervalos de confianza más estrictos y pruebas más poderosas para cualquier tasa de error especificado.
39 Referencias Gutiérrez, H. y de la Vara, R. (2012). Análisis y diseño de experimentos. Méxic: McGraw Hill. Hsu, J. C. (1996). Multiple Comparisons: Theory and methods. EUA: Chapman and Hall/CRC. Minitab 17 Statistical Software (2010). [Computer software]. State College, PA: Minitab, Inc. ( Montgomery, D. (2007). Design and analysis of experiments. EUA: Limusa Wiley.
Diseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
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 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 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 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 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 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 detallesTEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN
TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene
Más 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 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 detallesANALIZAR Comparar medias
Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
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 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 Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesEstadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB - 0408 4 0 8 2.- HISTORIA DEL PROGRAMA
Más detallesCONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN
CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN Antonio Morillas A. Morillas: C. no paramétricos (II) 1 1. Contrastes de aleatoriedad. Contraste de rachas. 2. Contrastes de localización 2.1 Contraste
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
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 detallesTEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
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 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 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 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 detallesPrueba de Hipotesis de Grandes Muestras INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA
Prueba de Hipotesis de Grandes Muestras INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA Estadístico de Prueba de Muestra Grande para μ 1) Hipotesis Nula H 0 : μ = μ 0 2) Hipótesis Alternativa : Prueba de
Más detallesUnidad VI Pruebas de Hipótesis Dos Muestras
Ahora el análisis se hará extensivo a dos muestras, se verá la similitud que existe con la construcción de intervalos de confianza para dos muestras. En el material adjunto se detalla el procedimiento,
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 detallesComparación de dos métodos de aprendizaje sobre el mismo problema
Comparación de dos métodos de aprendizaje sobre el mismo problema Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación 2.
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesANÁLISIS DE EXPERIMENTOS
ANÁLISIS DE EXPERIMENTOS Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesAGRO Examen Parcial 2. Nombre:
Densidad Densidad Densidad Densidad Examen Parcial 2 AGRO 5005 Nombre: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro, las tablas con fórmulas y la
Más detallesCLAVE - Laboratorio 11: Análisis de la Varianza
CLAVE - Laboratorio 11: Análisis de la Varianza 1. Se está diseñando un experimento para comparar 4 variedades de habichuela. Se usarán 6 parcelas con cada una de las variedades en un diseño completamente
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesDIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN
DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN Beatriz Meneses A. de Sesma * I. INTRODUCCIÓN En todo centro educativo, es de suma importancia el uso que se haga
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detalles1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología
Exemple Examen Part II (c) Problema 1 - Solución. En un estudio sobre la elección de la carrera universitaria entre envió cuestionarios a una muestra aleatoria simple de estudiantes preguntando la carrera
Más 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 detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesPráctica 2. Hipótesis de investigación
Práctica 2. Hipótesis de investigación Teniendo en cuenta los resultados de la investigación anterior, un segundo equipo de investigadores diseña un nuevo fármaco para aumentar la extroversión. Han introducido
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más 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 detallesContrastes de hipótesis. 1: Ideas generales
Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que
Más detallesTeoría de la decisión Estadística
Pruebas de hìpótesis Unidad 8. Pruebas de hipótesis. Formulación general. Distribución de varianza conocida. Prueba para la bondad del ajuste. Validación de modelos 1 Formulación Una Hipótesis es una proposición
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 detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detallesContrastes para los parámetros de dos poblaciones Normales independientes. Varianzas desconocidas iguales
Contrastes para los parámetros de dos poblaciones Normales independientes. Ejercicios Tema 6 (Resuelto). Problema 4 En un estudio se determinaron las tasas de ramoneo de dos especies de erizo de mar, Paracentrotus
Más detallesComparación de varios métodos de aprendizaje sobre varios problemas
Comparación de varios métodos de aprendizaje sobre varios problemas Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación 2.
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 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 detallesANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes
ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar
Más detallesTema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.
Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. ---Intervalo de probabilidad (IP) Permite predecir el comportamiento de las muestras. Si de una población se sacan
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 detalles1) Características del diseño en un estudio de cohortes.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de cohortes CONCEPTOS CLAVE 1) Características del diseño en un estudio de cohortes. ) Elección del tamaño
Más detallesPRUEBAS DE BONDAD DE AJUSTE
PRUEBAS DE BONDAD DE AJUSTE Pruebas de bondad de ajuste xi cuadrada y Kolmogorov-Smirnov Facultad de Ciencias Químicas e Ingeniería, UAEM Simulación de Procesos Contenido Prueba de bondad de ajuste χ2...
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 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 detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesDISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas
DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas Hasta ahora hemos ido desarrollando las pruebas parámetricas para contrastar hipótesis de un grupo
Más detalles6.1. Prueba de Wilcoxon. 6.2 Prueba de Kruskal Wallis.
6 PRUEBAS DE HIPÓTESIS NO PARAMÉTRICAS (Prof. Jimmy Reyes R-) CONTENIDOS: OBJETIVOS: 6.. Prueba de ilcoxon. 6. Prueba de Kruskal allis. Plantear hipótesis no paramétricas en dos o más poblaciones. Determinar
Más detallesPruebas de chi-cuadrada
INFORME TÉCNICO SOBRE EL ASISTENTE DE MINITAB Este documento forma parte de un conjunto de informes técnicos que explican la investigación llevada a cabo por los especialistas en estadística de Minitab
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Tipos de errores Se pueden cometer dos tipos de errores: Decisión Población Ho es erdadera Ho es falsa No rechazar Ho Decisión correcta. Error tipo II Rechazar Ho Error tipo I Decisión
Más detallesPruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
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 detalles2. Análisis de varianza
1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una
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 detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de
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 detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación
Más 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 detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesObjetivo: Comprender cómo se calculan los intervalos de confianza y determinar el tamaño ideal de una muetra
PROBABILIDAD Y ESTADÍSTICA SESIÓN 9 7.6 Prueba de hipótesis para la proporción 7.7 Prueba de hipótesis para la diferencia de proporciones 7.8 Prueba de hipótesis para la varianza 7.9 Prueba de hipótesis
Más detalles4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
Más detallesAnálisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa
Análisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa Paola Ilabaca Baeza 1 José Manuel Gaete 2 paolailabaca@usal.es jmgaete@usal.es
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 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 detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesIntervalos de confianza para los coeficientes de una regresión lineal.
Intervalos de confianza para los coeficientes de una regresión lineal. Asumiendo que los errores del modelo de regresión lineal se distribuye en forma normal con media cero y varianza constante σ 2 y que
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 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 detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
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 detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesTest ANOVA. Prof. Jose Jacobo Zubcoff 1 ANOVA ANOVA. H 0 : No existen diferencias entre los k niveles H 1 : La hipótesis nula no es cierta
Test Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) H 0 : No existen diferencias entre los k niveles H : La hipótesis nula no es cierta Parte de
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesEstadística Inferencial. Sesión 4. Estimación por intervalos
Estadística Inferencial. Sesión 4. Estimación por intervalos Contextualización. Como se definió en la sesión anterior la estimación por intervalos es utilizada para medir la confiabilidad de un estadístico.
Más detallesPruebas de hipótesis. Comparación de 2 muestras. Álvaro José Flórez. Febrero - Junio Facultad de Ingenierías
Pruebas de hipótesis Comparación de 2 muestras Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Comparación de medias La comparación de dos
Más 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 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 detallesRESPUESTAS BREVES A LA PRÁCTICA 6
RESPUESTAS BREVES A LA PRÁCTICA 6 EJERCICIO [Prueba bilateral] Se rechaza la hipótesis nula con un nivel de significación del % (z =5). La evidencia muestral sostiene la hipótesis de que el puntaje medio
Más detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
Más detallesPrueba del % de defectuosos para 1 muestra
INFORME TÉCNICO SOBRE EL ASISTENTE DE MINITAB Este documento forma parte de un conjunto de informes técnicos que explican la investigación llevada a cabo por los especialistas en estadística de Minitab
Más detallesCONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES
CONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES INTRODUCCIÓN Un fabricante de pilas afirma que la duración media de sus pilas, funcionando ininterrumpidamente, es de 53 horas como mínimo y su desviación
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detalles