Tema IX. El diseño experimental

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Tema IX. El diseño experimental"

Transcripción

1 9.1. El problema: - Necesidades Prácticas:. Tiempo y recursos limitados. Obtención de resultados claros y repetibles - Esfuerzo experimental versus diseño experimental:. Metodológico. Estadístico 1

2 9.2. El procedimiento experimental ideal: - Evaluación teórica del problema:. Clarificación del problema en forma de objetivos e hipótesis. Comprobación de lo realizado por terceros (bases de datos, bibliografía) - Evaluación metodológica del problema:. Los métodos y técnicas son posibles y factibles (para nosotros). Acomodo del diseño a posibilidades y recursos (N máximo) - Realización de un experimento piloto o uso de datos publicados - Evaluación estadística:. El análisis estadístico y variables que se utilizarán. El cálculo de N. El control de los grados de libertad (número de tratamientos por factor) - Realización del experimento - Análisis y conclusiones 2

3 9.3. El cálculo de N: - En el test t:. Necesitamos μx y σx de experiencia piloto o de bibliografía. Relación directa entre la significación y n. Objetivo (pregunta) y evaluación de su n en función de p Si el objetivo es confirmar que la media es significativamente diferente de 10 unidades Ejemplo (datos bibliografía): nivel de amilasa en suero x = 96 unidades/100ml s x = 35 unidades n t α s 2 (x μ) sólo nos falta conocer t y n: t dependerá del nivel de significación que se quiera asumir: (de entrada asumimos que n = ; distribución z) t 5% = 1,96 t 1% = 2,576 n 5% 48 n 1% 81 Se puede repetir el proceso para n = 50 n 5% 49 3

4 9.3. El cálculo de N: - En el ANOVA:. Formula iterativa:. Se asume un n, se obtiene otro. Se repite el proceso hasta que n cambie poco. Ejemplo: s n t α(gl) 2 Dif Ejemplo (datos bibliografía): nivel de amilasa en suero x = 96 unidades/100ml s x = 35 unidades Dif = 10 unidades 2 tratamientos y n = 10 Gl = i(n-1) = 18 Asumimos una potencia de 0,5 t 5%(18) = 2, n 1 2, = 15,4 10 Si n = 16; GL 2 = 30 t 5%(30) = 2, n 2 2, = 14,6 10 En la segunda iteración ya llegamos a un valor útil de n (n 1 n 2 < 1) 4

5 . Independiente versus Dependientes:. Dependiente: niveles de HDL en sangre. Independiente: Enfermedad (Fija) Nivel de fumador (Aleatoria). Diseño básico. Evaluación del nº máximo de réplicas por estudio (60 análisis de HDL). Designación de nº de tratamientos por factor Nada fumador (1) Enfermos (1): Sanos (a): Muy fumador (b) Factores Componentes Test GL Enfermedad (E) CM E = σ 2 w + nσ2 EV + bnσ2 E /(a-1) CM E /CM EV a-1 Vicio (V) CM V = σ 2 w +anσ2 V CM V b-1 Interacción (EV) CM EV = σ 2 w + nσ2 EV CM EV (a-1)(b-1) Residuo (w) CMw = σ 2 w ab(n-1) Total abn-1 Si a = b = 2 (mínimo) 60 = abn // n = (60/ab) = 60/4 = 15 Si lo que más nos interesa es evaluar el fator Enfermedad: su test F será de 1 y 1 grados de libertad 5

6 . Tabla F 6

7 . Independiente versus Dependientes:. Dependiente: niveles de HDL en sangre. Independiente: Enfermedad (Fija) Nivel de fumador (Aleatoria). Diseño básico. Evaluación del nº máximo de réplicas por estudio (60 análisis de HDL). Designación de nº de tratamientos por factor Nada fumador (1) Enfermos (1): Sanos (a): Muy fumador (b) Factores Componentes Test GL Enfermedad (E) CM E = σ 2 w + nσ2 EV + bnσ2 E /(a-1) CM E /CM EV a-1 Vicio (V) CM V = σ 2 w +anσ2 V CM V b-1 Interacción (EV) CM EV = σ 2 w + nσ2 EV CM EV (a-1)(b-1) Residuo (w) CMw = σ 2 w ab(n-1) Total abn-1 60 = abn necesitamos que (a-1)(b-1) sea igual o mayor que 4 a 3; b 3 n = 60/9 = 6 ó 7 7

8 . Independiente versus Dependientes:. Dependiente: niveles de HDL en sangre. Independiente: Enfermedad (Fija) Nivel de fumador (Aleatoria). Diseño básico. Evaluación del nº máximo de réplicas por estudio (60 análisis de HDL). Designación de nº de tratamientos por factor Nada fumador (1) Enfermos (1): Sanos (a): Muy fumador (b) Factores Componentes Test GL Enfermedad (E) CM E = σ 2 w + nσ2 EV + bnσ2 E /(a-1) CM E /CM EV a-1 Vicio (V) CM V = σ 2 w +anσ2 V CM V b-1 Interacción (EV) CM EV = σ 2 w + nσ2 EV CM EV (a-1)(b-1) Residuo (w) CMw = σ 2 w ab(n-1) Total abn-1 Si lo que más nos interesa es evaluar el factor Vicio: su test F será de 1 y 56 grados de libertad 8

9 . Tabla F 9

10 . Independiente versus Dependientes:. Dependiente: niveles de HDL en sangre. Independiente: Enfermedad (Fija) Nivel de fumador (Aleatoria). Diseño básico. Evaluación del nº máximo de réplicas por estudio (60 análisis de HDL). Designación de nº de tratamientos por factor Nada fumador (1) Enfermos (1): Sanos (a): Muy fumador (b) Factores Componentes Test GL Enfermedad (E) CM E = σ 2 w + nσ2 EV + bnσ2 E /(a-1) CM E /CM EV a-1 Vicio (V) CM V = σ 2 w +anσ2 V CM V b-1 Interacción (EV) CM EV = σ 2 w + nσ2 EV CM EV (a-1)(b-1) Residuo (w) CMw = σ 2 w ab(n-1) Total abn-1 Se puede dejar como está o como mucho aumentar a 3 tratamientos para vicio 10

11 Referencias Bibliográficas LIBROS: Daniel, W.W Bioestadística. Base para el análisis de las ciencias de la salud. Limusa, México. Sokal,R.R., Rohlf, F.J Biometry. Freeman and co., New York Underwood, A.J Techniques of analysis of variance in experimental marine biology and ecology. Oceanogr. Mar. Biol. Ann. Rev., 19: PÁGINAS WEB: (software de estadística que se puede descargar gratis por 30 días) 11

Tema V. EL ANOVA multifactorial

Tema 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 detalles

Tema IV. EL ANOVA de un factor

Tema IV. EL ANOVA de un factor 4.1. La estrategia del Análisis de varianza: - Los test t múltiples (múltiples tratamientos); corrección a posteriori - La mejora del ANOVA: necesidad de análisis a posteriori C Test t A versus B A versus

Más detalles

Tema VII. La predicción de variables

Tema VII. La predicción de variables 7.1. La ecuación lineal de regresión: - Variable dependiente e independiente (fijas ó aleatorias):. Fijas (modelo I de regresión). Aleatorias (modelo II; más complejo) - Objetivo predictivo (básico en

Más detalles

6. DISEÑOS FACTORIALES 2 K NO REPLICADOS

6. DISEÑOS FACTORIALES 2 K NO REPLICADOS 6. DISEÑOS FACTORIALES 2 K NO REPLICADOS 6.1 INTRODUCCION El aumentar el numero de factores en un diseño 2 k crece rápidamente el numero de tratamientos y por tanto el numero de corridas experimentales.

Más detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Fabrizio Marcillo Morla Guayaquil, 1966. BSc. Acuicultura. (ESPOL 1991). Magister

Más detalles

ANOVA 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 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 detalles

Calculadora de Tamaño muestral GRANMO

Calculadora de Tamaño muestral GRANMO Calculadora de Tamaño muestral GRANMO Versión 7.12 Abril 2012 http://www.imim.es/ofertadeserveis/software-public/granmo/ Entre las distintas ofertas que existen para el cálculo del tamaño muestral, ofrecemos

Más detalles

Diseño de un estudio de investigación de mercados

Diseño de un estudio de investigación de mercados Diseño de un estudio de investigación de mercados En cualquier diseño de un proyecto de investigación de mercados, es necesario especificar varios elementos como las fuentes a utilizar, la metodología,

Más detalles

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud

Más detalles

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II.

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II. PROGRAMA DE ESTUDIOS A. ANTECEDENTES GENERALES Nombre de la asignatura Carácter de la asignatura Pre requisitos Co requisitos Créditos Ubicación dentro del plan de estudio Número de clases por semana Número

Más detalles

DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA

DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 2011 UNED DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 7] Diseños con más de dos grupos independientes. Análisis de varianza con dos factores completamente aleatorizados 1 Índice 7.1 Introducción...

Más detalles

Diseño Estadístico de Experimentos

Diseño Estadístico de Experimentos Capítulo 3 Diseño Estadístico de Experimentos Una prueba o serie de pruebas en las cuales se introducen cambios deliberados en las variables de entrada que forman el proceso, de manera que sea posible

Más detalles

Tema II. Las muestras y la teoría paramétrica

Tema II. Las muestras y la teoría paramétrica 2.1. Muestras y muestreos: - La muestra:. Subconjunto de elementos de la población. Necesidad práctica:. Motivos económicos. Imposibilidad (práctica/teórica) de estudiar TODA la población. Inconveniencia

Más detalles

ESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS

ESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño de medidas parcialmente repetidas DISEÑOS DE MEDIDAS REPETIDAS Definición

Más detalles

EXPERIMENTACIÓN. Eduardo Jiménez Marqués

EXPERIMENTACIÓN. Eduardo Jiménez Marqués EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6

Más detalles

1 Ejemplo de análisis descriptivo de un conjunto de datos

1 Ejemplo de análisis descriptivo de un conjunto de datos 1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos

Más detalles

ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta

Más detalles

CONFIRMACIÓN EPIDEMIOLÓGICA DE LA ENFERMEDAD DE AUJESZKY ANTE LA PRESENCIA DE ANIMALES POSITIVOS AISLADOS O FALSOS POSITIVOS

CONFIRMACIÓN EPIDEMIOLÓGICA DE LA ENFERMEDAD DE AUJESZKY ANTE LA PRESENCIA DE ANIMALES POSITIVOS AISLADOS O FALSOS POSITIVOS MINISTERIO DE MEDIO AMBIENTE Y MEDIO RURAL Y MARINO DG DE RECURSOS AGRICOLAS Y GANADEROS SUBDIRECCIÓN GENERAL DE SANIDAD DE LA PRODUCCIÓIN PRIMARIA PROTOCOLO DE ACTUACIÓN PARA LA CONFIRMACIÓN EPIDEMIOLÓGICA

Más detalles

Pruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Pruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

Objetivos Generales. Objetivos específicos. Que el estudiante:

Objetivos Generales. Objetivos específicos. Que el estudiante: ASIGNATURA: MÉTODOS NUMPERICOS I (ANÁLISIS Y PROCESAMIENTO DE LOS DATOS EXPERIMENTALES CON INTRODUCCIÓN A LA COMPUTACIÓN) Objetivos Generales Comprender y manejar los conceptos relacionados con el manejo,

Más detalles

Plataforma para la Gestión de Reservas Online

Plataforma para la Gestión de Reservas Online Plataforma para la Gestión de Reservas Online sobre nosotros Gestion de Instalaciones Online nace con la idea de ayudar a las empresas a dar un mejor servicio en la gestión y reservas de sus negocios.

Más detalles

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11 Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales

Más detalles

Parte 7: Análisis de los datos

Parte 7: Análisis de los datos Metodología de la investigación Curso 2008 Parte 7: Análisis de los datos Los ejemplos han sido tomados en su mayoría de la bibliografía recomendada para el curso Análisis de los datos El análisis de datos

Más detalles

Tamaño muestral Cómo estimar n adecuadamente? Estimación puntual. Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics

Tamaño muestral Cómo estimar n adecuadamente? Estimación puntual. Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics Tamaño muestral Cómo estimar n adecuadamente? Estimación puntual Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics Índice Conceptos básicos Diseño Problemas Qué es necesario?

Más detalles

AVISOS. Diseño Factorial 30/03/2015. Bioestadística II. Diseño Factorial. El miércoles 1 Abril no hay clases de BIO II

AVISOS. 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 detalles

EL DISEÑO FACTORIAL COMPLETO 2 2

EL DISEÑO FACTORIAL COMPLETO 2 2 EL DISEÑO FACTORIAL COMPLETO 2 2 Joan Ferré Grupo de Quimiometría y Cualimetría Departamento de Química Analítica y Química Orgánica Universidad Rovira i Virgili (Tarragona) INTRODUCCIÓN Para optimizar

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

Detergente 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

Detergente 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 detalles

REGRESION simple. Correlación Lineal:

REGRESION simple. Correlación Lineal: REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)

Más detalles

Capítulo 3 Marco Metodológico.

Capítulo 3 Marco Metodológico. Capítulo 3 Marco Metodológico. 3.0 METODOLOGÍA DE LA INVESTIGACIÓN 3.1 FORMULACIÓN DE HIPÓTESIS DE TRABAJO 3.1.1 Hipótesis General HG. La creación de un plan estratégico permite mejorar el uso de los servicios

Más detalles

Empresa de telefonía celular: Transintelcel

Empresa de telefonía celular: Transintelcel Empresa de telefonía celular: Transintelcel El proceso metodológico de esta investigación de mercados está dividido en las siguientes etapas: 1. Datos generales de la empresa 2. Planteamiento del problema

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones

EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

ESTRUCTURA DE LA DOCUMENTACIÓN A ENTREGAR PARA LA PUBLICACIÓN

ESTRUCTURA DE LA DOCUMENTACIÓN A ENTREGAR PARA LA PUBLICACIÓN ESTRUCTURA DE LA DOCUMENTACIÓN A ENTREGAR PARA LA PUBLICACIÓN DOCUMENTOS A ENVIAR ARCHIVO 1 Ficha del artículo: Ficha para rellenar y enviar firmada. Archivo titulado: ficha articulo, seguido de los apellidos

Más detalles

Análisis estadístico y uso de bases de datos!!!!! Diseños factoriales! Diseños anidados

Análisis 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 detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. PROBABILIDAD Y ESTADÍSTICA

Más detalles

Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π

Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π EQUILIBRIO DE FASES Reglas de las fases. Teorema de Duhem Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P, T y (N-1) fracciones mol tal que Σxi=1 para

Más detalles

MASTER OFICIAL UNIVERSITARIO EN PREVENCIÓN DE RIESGOS LABORALES

MASTER OFICIAL UNIVERSITARIO EN PREVENCIÓN DE RIESGOS LABORALES MASTER OFICIAL UNIVERSITARIO EN PREVENCIÓN DE RIESGOS LABORALES DESTINATARIOS El Master Oficial Universitario en Prevención de Riesgos Laborales está dirigido a profesionales y técnicos que deseen desempeñar

Más detalles

PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS

PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS La finalidad de una prueba de k muestras es evaluar la aseveración que establece que todas las k muestras independientes provienen de poblaciones

Más detalles

Para trabajar con Audacity lo primeros que debemos hacer es grabar un archivo de sonido propio o importar un archivo de sonido de nuestro ordenador.

Para trabajar con Audacity lo primeros que debemos hacer es grabar un archivo de sonido propio o importar un archivo de sonido de nuestro ordenador. Trabajar con Audacity Que podemos hacer con Audacity? Para trabajar con Audacity lo primeros que debemos hacer es grabar un archivo de sonido propio o importar un archivo de sonido de nuestro ordenador.

Más detalles

Métodos no paramétricos para el análisis de la varianza

Métodos no paramétricos para el análisis de la varianza Capítulo 4 Métodos no paramétricos para el análisis de la varianza MÉTODOS PARAMÉTRICOS Y NO-PARAMÉTRICOS Los procedimientos inferenciales que presentan estimaciones con respecto a losparámetrosdelapoblacióndeinteréssellamanmétodos

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones

Más detalles

CUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS

CUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS CUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS UN ESTUDIO SOBRE CARBOXIHEMOGLOBINA EN SANGRE En el estudio experimental que aquí presentamos se seleccionó al azar una muestra de 37 estudiantes de una

Más detalles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO

Más detalles

Introducción 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 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 detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

TUTORMATES Discovery: potenciando GeoGebra

TUTORMATES Discovery: potenciando GeoGebra TUTORMATES Discovery: potenciando GeoGebra Seminario Internacional: IV Jornada de la Associació Catalana de GeoGebra Barcelona, 3 de febrero de 2012 2010, Addlink Research TutorMates es una marca registrada

Más detalles

INGENIERÍA DEL SOFTWARE

INGENIERÍA DEL SOFTWARE INGENIERÍA DEL SOFTWARE Sesión No. 2 Nombre: Procesos de ingeniería del software INGENIERÍA DEL SOFTWARE 1 Contextualización La ingeniería de software actualmente es muy importante, pues con los avances

Más detalles

DIVISIBILIDAD SOLUCIÓN:

DIVISIBILIDAD SOLUCIÓN: DIVISIBILIDAD 1. Si a, b y c son números naturales tales que c = a. b, se dice: a) c es divisor de a y de b. b) c es múltiplo de a y de b. c) a y b son múltiplos de c. Todo número descompuesto en un producto

Más detalles

Pruebas de. Hipótesis

Pruebas de. Hipótesis Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar

Más detalles

AHORRACOM SOLUCIONES AVANZADAS S.L. Avda. de la Industria 13, Oficina 25. 28108 Alcobendas, Madrid. www.ahorracom.com

AHORRACOM SOLUCIONES AVANZADAS S.L. Avda. de la Industria 13, Oficina 25. 28108 Alcobendas, Madrid. www.ahorracom.com PAGTE Plan de Ahorro y Gestión de Telecomunicaciones para Empresas En Ahorracom nos ponemos de su parte. Por eso nos interesa que usted, nuestro cliente, esté al tanto de todos los procesos que llevamos

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Tema: Unidad I: Conceptos Generales. Profesor(a): Psic. Martha Patricia Sierra Guzmán

Tema: Unidad I: Conceptos Generales. Profesor(a): Psic. Martha Patricia Sierra Guzmán Área Académica: Investigación Tema: Unidad I: Conceptos Generales Profesor(a): Psic. Martha Patricia Sierra Guzmán Periodo: Enero-Junio 2012 Tema: Conceptos básicos Abstract Give to students the basics

Más detalles

Modelos de regresión: lineal simple y regresión logística

Modelos de regresión: lineal simple y regresión logística 14 Modelos de regresión: lineal simple y regresión logística Irene Moral Peláez 14.1. Introducción Cuando se quiere evaluar la relación entre una variable que suscita especial interés (variable dependiente

Más detalles

Tema 3. Comparaciones de dos poblaciones

Tema 3. Comparaciones de dos poblaciones Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:

Más detalles

Curso Comparabilidad de resultados

Curso Comparabilidad de resultados Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación

Más detalles

STATMEDIA: UN CURSO MULTIMEDIA DE ESTADÍSTICA

STATMEDIA: UN CURSO MULTIMEDIA DE ESTADÍSTICA 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 STATMEDIA: UN CURSO MULTIMEDIA DE ESTADÍSTICA M. Calvo, A.Villarroya, A.Miñarro, S.Vives, A.Arcas Departamento

Más detalles

Prezi: editor de presentaciones

Prezi: editor de presentaciones Prezi: editor de presentaciones Descripción Francisco Mora En momentos en que la Web 2.0 es un entorno de interacción, aparecen múltiples servicios que permiten compartir y editar recursos de forma conjunta.

Más detalles

Solución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2

Solución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2 Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación

Más detalles

CAPITULO III MARCO METODOLÓGICO 3.1 DISEÑO Y TÉCNICAS DE RECOLECCIÓN DE INFORMACIÓN:

CAPITULO III MARCO METODOLÓGICO 3.1 DISEÑO Y TÉCNICAS DE RECOLECCIÓN DE INFORMACIÓN: CAPITULO III MARCO METODOLÓGICO 3.1 DISEÑO Y TÉCNICAS DE RECOLECCIÓN DE INFORMACIÓN: El modelo de estudio que se utilizó en la investigación es: 3.2.1. DISEÑO CUASI EXPERIMENTAL En los diseños cuasi experimentales

Más detalles

Documentación de los programas/aplicativos. Documentación de los programas/aplicativos

Documentación de los programas/aplicativos. Documentación de los programas/aplicativos Documentación de los programas/aplicativos Documentación de los programas/aplicativos Historia de Revisiones Fecha Versión Descripción Autor 24/04/13 1.0 Primera Versión del Plan de Desarrollo de Software.

Más detalles

Programa de Cátedra Desarrollo de Aplicaciones Cliente Servidor

Programa de Cátedra Desarrollo de Aplicaciones Cliente Servidor Programa de Cátedra Desarrollo de Aplicaciones Cliente Servidor Profesor: Ing Martin I. Scattini Aux: Ing. Lucas Kloster Índice Análisis de la materia... 3 Objetivos... 3 Programa sintético... 3 Programa

Más detalles

Práctica 5. Contrastes paramétricos en una población

Práctica 5. Contrastes paramétricos en una población Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media

Más detalles

Comparación de Herramientas de Oficina OpenOffice vs. Microsoft Office.

Comparación de Herramientas de Oficina OpenOffice vs. Microsoft Office. Comparación de Herramientas de Oficina OpenOffice vs. Microsoft Office. Lennys R. Camargo B. Postgrado en modelado y simulación de sistemas, Universidad de los Andes, Mérida 5, Venezuela ( Dated: 4 de

Más detalles

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación Sistemática de Layout, SLP por sus siglas en inglés. Se hará uso de la simulación para comparar el

Más detalles

CAPITULO II SISTEMAS DE NUMERACIÓN Y CÓDIGOS

CAPITULO II SISTEMAS DE NUMERACIÓN Y CÓDIGOS SISTEMA DE NUMERACIÓN Y CÓDIGOS CAPITULO II SISTEMAS DE NUMERACIÓN Y CÓDIGOS CÓDIGO Un código es un grupo de símbolos que representan algún tipo de información reconocible. En los sistemas digitales, los

Más detalles

Sesión No. 7. Contextualización: Nombre de la sesión: Intelisis Business Intelligence PAQUETERÍA CONTABLE

Sesión No. 7. Contextualización: Nombre de la sesión: Intelisis Business Intelligence PAQUETERÍA CONTABLE Paquetería contable 1 Sesión No. 7 Nombre de la sesión: Intelisis Business Intelligence Contextualización: Llegamos al tema de los sistemas contables o de paquetería contable basados en los sistemas conocidos

Más detalles

Tema 12: Contrastes Paramétricos

Tema 12: Contrastes Paramétricos Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de

Más detalles

Principalmente existen dos modos de gestionar nuestro gasto en teléfono móvil:

Principalmente existen dos modos de gestionar nuestro gasto en teléfono móvil: Todos los sectores comerciales tienen la necesidad de realizar fuertes campañas publicitarias para conseguir clientes y según cuál sea el producto del que se trate la oferta nos resulta más o menos sencillo

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se

Más detalles

Brújula Digital Banamex. Conociendo a los bancarizados de México.

Brújula Digital Banamex. Conociendo a los bancarizados de México. 2014 Brújula Digital Banamex Conociendo a los bancarizados de México. En Banamex, con 130 años de ser el Banco Nacional de México, somos un Banco joven siempre a la vanguardia, y estamos conscientes de

Más detalles

PRÁCTICA 1: ANÁLISIS DE LA VARIANZA

PRÁCTICA 1: ANÁLISIS DE LA VARIANZA LADE Y DERECHO Departamento de Estadística Asignatura: Estadística II Curso: 2008/2009 Relación número 1 de prácticas PRÁCTICA 1: ANÁLISIS DE LA VARIANZA 1. Objetivo Esta práctica tiene como objetivo enseñar

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Financiación Francisco Pérez Hernández Departamento de Financiación e Investigación de la Universidad Autónoma de Madrid Objetivo del curso: Dentro del contexto de Economía de la

Más detalles

GUIA PARA GENERAR PROSPECTOS Y VENTAS EN WEB

GUIA PARA GENERAR PROSPECTOS Y VENTAS EN WEB GUIA PARA GENERAR PROSPECTOS Y VENTAS EN WEB La importancia de estar en Internet -70% De los compradores antes de comprar hace búsquedas por internet. -Compañías que hacen Internet Marketing obtienen 150

Más detalles

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma: Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE --------------------------------------------------------- 1. Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial

Más detalles

ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos)

ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos) ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos) (Aplicaciones de Microsoft Excel ) Curso a distancia (EDICIÓN Junio 2012) ASECAL, S.L. MADRID-ESPAÑA RONDA DE TOLEDO, 8, LOCAL 1º- 28005 MADRID. Teléfono:

Más detalles

Marketing. Satisfacción del cliente desde adentro hacia fuera Rubén Roberto Rico Definición de Marketing Interno Alineación interna y externa

Marketing. Satisfacción del cliente desde adentro hacia fuera Rubén Roberto Rico Definición de Marketing Interno Alineación interna y externa Marketing. Satisfacción del cliente desde adentro hacia fuera Rubén Roberto Rico Un producto no compite contra otro producto: la competencia es integral entre modelos empresarios. Esto implica que si la

Más detalles

CAPITULO III DISEÑO METODOLOGICO. aplicación de campo-experimental, ya que el mismo grupo funcionó como

CAPITULO III DISEÑO METODOLOGICO. aplicación de campo-experimental, ya que el mismo grupo funcionó como 82 CAPITULO III DISEÑO METODOLOGICO 3.1 Tipo de Investigación Tomando en cuenta el tipo de investigación, la naturaleza del programa que se aplicó y considerando el problema estudiado, la investigación

Más detalles

Este informe está publicado bajo la licencia Licencia Creative Commons 3.0

Este informe está publicado bajo la licencia Licencia Creative Commons 3.0 C/ Balmes 1, primera planta 08225 Terrassa (Barcelona) www.portalprogramas.com Este informe está publicado bajo la licencia Licencia Creative Commons 3.0 Puedes copiar, distribuir y comunicar públicamente

Más detalles

La clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda

La clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda La clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda Qué SPC? SPC (Statistical Process Control) CEP (Control Estadístico de Proceso) El SPC es una herramienta estadística que nos permite analizar,

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

Qué es la Estadística Ambiental?

Qué es la Estadística Ambiental? Qué es la Estadística Ambiental? La Estadística Ambiental es simplemente la aplicación de la Estadística a problemas relacionados con el ambiente. Ejemplos de las actividades que requieren del uso de estas

Más detalles

ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ

ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ Presentado a: MARIA ESTELA SEVERICHE CORPORACION UNIVERSITARIA

Más detalles

Simulación de Monte Carlo aplicada a fenómenos superficiales en el marco de los modelos de gas de red

Simulación de Monte Carlo aplicada a fenómenos superficiales en el marco de los modelos de gas de red Simulación de Monte Carlo aplicada a fenómenos superficiales en el marco de los modelos de gas de red A. J. Ramirez Pastor Dpto. de Física, Universidad Nacional de San Luis, CONICET. Universidad Nacional

Más detalles

Razonamiento clínico. Aplicación práctica en la consulta de. pediatría

Razonamiento clínico. Aplicación práctica en la consulta de. pediatría Razonamiento clínico Aplicación práctica en la consulta de pediatría Teresa Arana Navarro. Pediatra C.S. Sagasta-Miraflores Zaragoza. Profesor Asociado Facultad Medicina Zaragoza. José Galbe. Pediatra

Más detalles

Relación entre variables cuantitativas

Relación entre variables cuantitativas Investigación: Relación entre variables cuantitativas 1/8 Relación entre variables cuantitativas Pita Fernández S., Pértega Díaz S. Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario

Más detalles

BIM y los desafíos del hormigón armado Augusto Holmberg

BIM y los desafíos del hormigón armado Augusto Holmberg BIM y los desafíos del hormigón armado Augusto Holmberg BIM - tendencia o una moda? Necesidad? BIM - tendencia o una moda? Necesidad? o Preferencia? Los nuevas tendencias Impresión 3D A escala real en

Más detalles

Campos, A. (1988). Manual de prácticas de Psicología Básica. Barcelona: Grupo editor Universitario. pp 15-23.

Campos, A. (1988). Manual de prácticas de Psicología Básica. Barcelona: Grupo editor Universitario. pp 15-23. EL EXPERIMENTO PSICOLÓGICO Campos, A. (1988). Manual de prácticas de Psicología Básica. Barcelona: Grupo editor Universitario. pp 15-23. Adaptacion: J.Antonio Aznar y Manuel Moreno Introducción En la mayoría

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

NORMA INTERNACIONAL DE AUDITORÍA 520 PROCEDIMIENTOS ANALÍTICOS

NORMA INTERNACIONAL DE AUDITORÍA 520 PROCEDIMIENTOS ANALÍTICOS NORMA INTERNACIONAL DE AUDITORÍA 520 PROCEDIMIENTOS ANALÍTICOS (NIA-ES 520) (adaptada para su aplicación en España mediante Resolución del Instituto de Contabilidad y Auditoría de Cuentas, de 15 de octubre

Más detalles

ASESOR: XXV CONGRESO DE INVESTIGACIÓN CUAM - ACMOR. AUTORES: Kevin Emanuel Duarte Guerrero Christian Candia Altamirano Eduardo López Amador

ASESOR: XXV CONGRESO DE INVESTIGACIÓN CUAM - ACMOR. AUTORES: Kevin Emanuel Duarte Guerrero Christian Candia Altamirano Eduardo López Amador AUTORES: Kevin Emanuel Duarte Guerrero Christian Candia Altamirano Eduardo López Amador ASESOR: Prof. Enrique Barrera Herrera 1 INTRODUCCIÓN Comencemos por lo básico: definiendo conceptos. Según Philip

Más detalles

3.1 Metodología de la investigación

3.1 Metodología de la investigación 3.1 Metodología de la investigación La metodología de investigación para el proyecto de propuesta de la implementación de la norma ISO 9001:2000 en la Granja Avícola la Asunción S.A. de C.V. se llevó a

Más detalles

ESTUDIO SOBRE LA DINÁMICA DE ERRADICACIÓN DE LA ENFERMEDAD DEL MAEDI-VISNA EN LA REPOSICIÓN DE EXPLOTACIONES DE ASSAF.E DE ALTA PREVALENCIA.

ESTUDIO SOBRE LA DINÁMICA DE ERRADICACIÓN DE LA ENFERMEDAD DEL MAEDI-VISNA EN LA REPOSICIÓN DE EXPLOTACIONES DE ASSAF.E DE ALTA PREVALENCIA. ESTUDIO SOBRE LA DINÁMICA DE ERRADICACIÓN DE LA ENFERMEDAD DEL MAEDI-VISNA EN LA REPOSICIÓN DE EXPLOTACIONES DE ASSAF.E DE ALTA PREVALENCIA. Autores: Marqués Prendes, S*. ; Grau Vila, A*. ; Mínguez González,

Más detalles

PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.

PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos. PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de

Más detalles

Programa de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso.

Programa de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. Programa de Statgraphics TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. AUTOR: JUAN VICENTE GONZÁLEZ OVANDO ANALISIS Y CALCULOS A) Planteamos los

Más detalles

SPSS: ANOVA de un Factor

SPSS: ANOVA de un Factor SPSS: ANOVA de un Factor El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de igualdad de

Más detalles

Design Thinking aplicado al Project Management

Design Thinking aplicado al Project Management Design Thinking aplicado al Project Management Evento Networking Directores de Proyectos 21 de junio de 2012 Earned Value Management y Risk Management www.gedpro.com José Moro Melón facebook.com/josemoromelon

Más detalles

ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral

ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral Enero 2005 1.- INTRODUCCIÓN En múltiples ocasiones el analista o investigador se enfrenta al problema de determinar

Más detalles