Diseños en cuadrados greco-latinos
|
|
- Vicenta Zúñiga Jiménez
- hace 8 años
- Vistas:
Transcripción
1 Capítulo 8 Diseños en cuadrados greco-latinos 8.1. Introducción El modelo en cuadrado greco-latino se puede considerar como una extensión del cuadrado latino en el que se incluye una tercera variable de control o variable de bloque. En este modelo, como en el diseño en cuadrado latino, todos los factores deben tener el mismonúmerodeniveles yelnúmerodeobservacionesnecesariassiguesiendo.este diseño es, por tanto, una fracción del diseño completo en bloques aleatorizados con un factor principal y 3 factores secundarios que requeriría observaciones. Los cuadrados greco-latinos se obtienen por superposición de dos cuadrados latinos del mismo orden y ortogonales entre sí, uno de los cuadrados con letras latinas el otro con letras griegas. Dos cuadrados reciben el nombre de ortogonales si, al superponerlos, cada letra latina y griega aparecen juntas una sola vez en el cuadrado resultante. En el Apéndice C se muestra una tabla de cuadrados latinos que dan lugar, por superposición de dos de ellos, a cuadrados greco-latinos. Notamos que no es posible formar cuadrados greco-latinos de orden 6. La Tabla 5-8 ilustra un cuadrado greco-latino para= Tabla 5-8. Cuadrado greco-latino Aα Bβ Cγ Dδ Dγ Cδ Bα Aβ Bδ Aγ Dβ Cα Cβ Dα Aδ Bγ 1
2 Diseños en cuadrados greco-latinos 8.. Planteamiento del modelo En un diseño en cuadrado greco-latino la variable respuestay ij(hp) viene descrita por la siguiente ecuación donde y ij(hp) =µ+τ i +β j +γ h +δ p +ǫ ij(hp) µ es un efecto constante, común a todas las unidades.,...,,..., h=1,..., p=1,...,, (8.1) τ i es el efecto producido por el i-ésimo nivel del factor fila. Dichos efectos están sujetos a la restricción i τ i=0. β j eselefectoproducidoporelj-ésimoniveldelfactorcolumna.dichosefectosestán sujetos a la restricción j β j=0. γ h es el efecto producido por elh-ésimo nivel del factor letra latina. Dichos efectos están sujetos a la restricción h γ h=0. δ p es el efecto producido por elp-ésimo nivel del factor letra griega. Dichos efectos están sujetos a la restricción p δ p=0. ǫ ij(hp) son variables aleatorias independientes con distribuciónn(0,σ). La notación y ij(hp) indica que los niveles i y j determinan los niveles h y p para un cuadrado greco-latino especificado. Es decir, los subíndices h y p toman valores que dependen de la celdilla(i, j). Se utiliza la siguiente notación: N= es el número total de observaciones. El total y el promedio de todas las observaciones y... = i j y ij(..) ȳ... = y... El total y el promedio para cada fila y i... = y ij(..) ȳ i... = y i... (8.)
3 8.3 Estimación de los parámetros del modelo 3 El total y el promedio para cada columna y.j.. = y ij(..) El total y el promedio para cada letra latina ȳ.j.. = y.j.. (8.3) y..h. = i,j y ij(h.) ȳ..h. = y..h. (8.) El total y el promedio para cada letra griega y...p = i,j y ij(.p) ȳ...p = y...p (8.5) y..h. seobtienesumandolas observacionesenlasquelaletralatinasehafijadoal nivel h. y...p seobtienesumandolas observacionesenlasquelaletragriegasehafijadoal nivel p. Comentario 8.1 Uno de los inconvenientes del cuadrado greco-latino, al igual que el cuadrado latino, es que requiere el mismo número de niveles para los cuatro factores que intervienen. Además no hay cuadrados greco-latinos de dimensión Estimación de los parámetros del modelo Siguiendo el mismo proceso que en los diseños anteriores se obtienen los siguientes estimadores máximos verosímiles de los parámetros del modelo µ= i j y ij(..) =ȳ..., (8.6) τ i = 1 β j = 1 y ij(..) µ=ȳ i... ȳ..., (8.7) y ij(..) µ=ȳ.j.. ȳ..., (8.8)
4 Diseños en cuadrados greco-latinos γ h = 1 y ij(h.) µ=ȳ..h. ȳ..., i,j (8.9) δp = 1 y ij(.p) µ=ȳ...p ȳ..., (8.10) i,j σ = 1 N y ij.. µ τ i β j γ h δ p i,j. (8.11) Residuos Los residuos en este modelo adoptan la expresión e ij(hp) = y ij(hp) y ij(hp) =y ij(hp) µ τ i β j γ h δ p = y ij(hp) ȳ i... ȳ.j.. ȳ..h. ȳ...p +3ȳ.... (8.1) Comoeneldiseñoencuadradolatinolosresiduossumanceroporfilas,porcolumnas, para cada letra latina y además también deben sumar cero para cada letra griega. Por lo tanto, el número de grados de libertad de los residuos es( 1)( 3). En efecto (+3( 1))=( 1)( 3) Se verifican las mismas propiedades para los estimadores máximo-verosímiles que en los modelos anteriores. En este modelo la expresión de la varianza residual tiene la siguiente forma σ = S R= yij(hp) y ij(hp) ( 1)( 3) = e ij(hp) ( 1)( 3). (8.13) 8.. Descomposición de la variabilidad Siguiendo el mismo procedimiento que en los modelos anteriores se comprueba que la ecuación básica del análisis de la varianza es
5 8. Descomposición de la variabilidad 5 (y ij(hp) ȳ... ) = (ȳ i... ȳ... ) + (ȳ.j.. ȳ... ) + (ȳ..h. ȳ... ) + (ȳ...p ȳ... ) + h=1 p=1 (8.1) que simbólicamente se puede escribir (y ij(hp) ȳ i... ȳ.j.. ȳ..h. ȳ...p +3ȳ... ) SCT =SCF+SCC+SCL+SCG+SCR, denominandopor esassiglas los términos enelordenen quefiguranenla ecuación 8.1y que reciben los siguientes nombres 1) SCT suma total de cuadrados. ) SCF suma de cuadrados debida al efecto fila. 3) SCC suma de cuadrados debida al efecto columna. ) SCLsuma de cuadrados debida a las letras latinas. 5) SCGsuma de cuadrados debida a las letras griegas. 6) SCRsuma de cuadrados del error. Basándonos en estas sumas de cuadrados se construyen los correspondientes cuadrados medios que denotamos por S T, S F, S C, S L, S G, y S R o bien por CMT, CMF, CMC, CML,CMG ycmr ocme. Siguiendo el mismo razonamiento que en la subsección?? del Capítulo 1, se demuestra que los valores esperados de los cuadrados medios correspondientes a las filas, columnas, letras latinas, letras griegas y residual, son, respectivamente: E(CMF)= E(S F )= σ + τ i 1 (8.15)
6 6 Diseños en cuadrados greco-latinos E(CMC)= E(S C )= σ + β j 1 h=1 E(CML)= E(S L )= σ + 1 E(CMG)= E( S G )= σ p=1 + 1 γ h δ p (8.16) (8.17) (8.18) E(CMR)= E(S R )= σ (8.19) Como en el modelo anterior, este diseño tiene la propiedad de que todos los contrastes H 0τ : τ i =0, i H 0β : β j =0, j ; H 0γ : γ h =0, h H 0δ : δ p =0, p (8.0) son ortogonales. Y los estadísticos de contraste para verificar dichas hipótesis son, respectivamente F τ = SCF/σ 1 SCR/σ ( 1)( 3) = S F S R ; F γ = SCL/σ 1 SCR/σ ( 1)( 3) = S L S R F β = SCC/σ 1 SCR/σ ( 1)( 3) = S C S R ; F δ = SCG/σ 1 SCR/σ ( 1)( 3) = S G S R. (8.1) Bajo las hipótesis nulas (8.0) cada uno de los estadíticos de contraste sigue una distribución F de Snedecor con 1 y ( 1)( 3) grados de libertad. Por tanto, se rechazará la hipótesis nula correspondiente cuando el valor experimental del estadístico
7 8. Descomposición de la variabilidad 7 seamayorqueelencontradoenlastablasdeladistribuciónf con 1y( 1)( 3) grados de libertad al nivel de significación α. La tabla ANOVA para este diseño es Tabla 5-9. Tabla ANOVA para el modelo de cuadrado greco-latino Fuentes de Suma de Grados de Cuadrados F exp variación cuadrados libertad medios E. fila (ȳ i... ȳ... ) 1 S F S F / S R E. col. (ȳ.j.. ȳ... ) 1 S C S C / S R E. l. l. (ȳ..h. ȳ... ) 1 S L S L / S R E. l. g. h=1 (ȳ...p ȳ... ) 1 S G p=1 Residual SCT SCF ( 1)( 3) S R SCC SCL SCG TOTAL yij(hp) ȳ... 1 S T i j Las expresiones abreviadas desct,scf,scc,scl,scg yscr, son S G / S R SCT = SCF = 1 SCG= 1 p=1 y ij.. y... y i... y... y...p y... ; SCC= 1 SCL= 1 La suma de cuadrados del error se obtiene por diferencia h=1 y.j.. y... y..h. y... (8.) SCR= SCT SCF SCC SCL SCG. (8.3)
8 8 Diseños en cuadrados greco-latinos Y utilizando las expresiones abreviadas de SCT, SCF, SCC, SCL, SCG y SCR, dadas en (8.), se construye la siguiente tabla ANOVA. Tabla Forma práctica de la tabla ANOVA para el modelo de cuadrado greco-latino Fuentes de Suma de Grados de Cuadrados F exp variación cuadrados libertad medios E. fila 1 yi S F S F / S R E. col. E. l. l. E. l. g i j h p y.j.. y... 1 S C y..h. y... 1 S L S C / S R S L / S R y...p y... 1 S G S G / S R Residual SCT SCF ( 1)( 3) S R SCC SCL SCG TOTAL yij(hp) y... 1 S T i j Coeficiente de determinación A continuación se define el coeficiente de determinación como R = SCF+SCC+SCL+SCG SCT =R τ+r β +R γ+r δ, donderτ,r β,r γ yr δ son los cocientes entre la variación explicada por cada uno de los efectos y la total y se denominan coeficientes de determinación parciales Ejemplo numérico A fin de ilustrar el análisis de la varianza de los diseños en cuadrado greco-latino, consideremos el siguiente ejemplo:
9 8.5 Ejemplo numérico 9 Ejemplo 8. En la obtención de un determinado producto químico se está interesado en comparar procedimientos. Se supone que en dicha obtención también puede influir la temperatura, presión y tipo de catalizador empleado, decidiéndose realizar un experimento en cuadrado greco-latino. Para ello, se consideran niveles de cada uno de estos factores. La tabla adjunta muestra el cuadrado greco-latino que resulta elegido y las cantidades de producto obtenidas. En dicha tabla: Las filas representan el factor principal, procedimientos. Las columnas representan el factor temperatura. Las letras latinas representan el factor presión. Las letras griegas representan el factor tipo de catalizador. Tabla 5-11 Datos para el Ejemplo 5- Temperaturas Procedimientos T1 T T3 T y i... yi... P1 C β B α A δ D γ P B γ C δ D α A β P3 D δ A γ B β C α P A α D β C γ B δ y.j y.j y ij(hp) Porotraparte,lostotalesysuscuadradosparalasletraslatinasygriegassemuestran en las tablas 5-1 y 5-13
10 10 Diseños en cuadrados greco-latinos Tabla 5-1. letra latina Observaciones y..h. y..h. A B C D Tabla letra griega Observaciones y...p y...p α β γ δ Seguidamente calculamos las sumas de cuadrados SCT = y ij.. y... = =15,375 SCF = 1 SCC= 1 yi... y... = =57,6875 y.j.. y... = =,1875 SCL= 1 h=1 y..h. y... = =36,6875 SCG= 1 p=1 y...p y... = =3,1875, y la suma de cuadrados del error SCR=SCT SCF SCC SCL SCG=3,6875. La tabla ANOVA para este diseño es la siguiente
11 8.5 Ejemplo numérico 11 Tabla5-1. Análisis de la varianza para los datos del Ejemplo 5- Fuentes de Suma de Grados de Cuadrados variación cuadrados libertad medios F exp E. fila E. columna E. letra latina E. letra griega Residual TOTAL Sirealizamoselcontrasteal5%ycomparamoslosvaloresdelasF exp conelvalordela F teórica(f 0,05;3,3 =9,8),seconcluyequeseaceptanlashipótesisdeigualdaddeefectos de columnas y de letra griega y se rechazan las hipótesis de igualdad de efecto de filas y de letra latina. Es decir, son significativos los efectos de los procedimientos y presión, pero no lo son los efectos de la temperatura y catalizador. Bibliografía utilizada García Leal, J.& Lara Porras, A.M.(1998). Diseño Estadístico de Experimentos. Análisis de la Varianza. Grupo Editorial Universitario. Lara Porras, A.M. (000). Diseño Estadístico de Experimentos, Análisis de la Varianza y Temas Relacionados: Tratamiento Informático mediante SPSS. Proyecto Sur de Ediciones.
Diseños en cuadrados latinos
Capítulo 7 Diseños en cuadrados latinos 7.1. Introducción En el modelo en bloques aleatorizados, que estudiamos en el capítulo anterior, considerábamos un factor principal y un factor de control o variable
Más detallesDiseños en bloques aleatorizados
Capítulo 5 Diseños en bloques aleatorizados 5.1. ntroducción En las situaciones que hemos estudiado en el Capítulo 1 hemos supuesto que existe bastante homogéneidad entre las unidades experimentales, así,
Más detallesDiseño Estadístico de Experimentos
Capítulo 3 Diseño Estadístico de Experimentos Una prueba o serie de pruebas en las cuales se introducen cambios deliberados en las variables de entrada que forman el proceso, de manera que sea posible
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesDiseños factoriales con dos factores
Capítulo 6 Diseños factoriales con dos factores Enprimerlugarvamosaestudiarlosdiseñosmássimples,esdeciraquellosenlos queintervienensólodosfactores.supongamosquehayanivelesparaelfactoraybniveles del factor
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesTema 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 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 detallesCapítulo IV Diseños de cuadrados latinos y diseños afines
Capítulo IV Diseños de cuadrados latinos y diseños afines Estos diseños clásicos son una extensión lógica y natural del diseño en bloques completos al azar y poseen una serie de características muy similares,
Más detallesESTADISTICA 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 detallesTema 7: Modelos de diseños de experimentos
Tema 7: Modelos de diseños de experimentos Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Modelos de diseños de experimentos Curso
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 detallesExperimentos 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 detalles3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO
Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio
Más detallesANÁLISIS 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 detallesANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ
ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ Presentado a: MARIA ESTELA SEVERICHE CORPORACION UNIVERSITARIA
Más detallesANÁLISIS 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 detallesANÁLISIS DE LA VARIANZA PARTE SEGUNDA
ANÁLISIS DE LA VARIANZA PARTE SEGUNDA Septiembre de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO EN BLOQUES ALEATORIZADOS 1 3. EJEMPLO DE DISEÑO EN BLOQUES
Más detallesANÁLISIS 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 detallesDISEÑOS 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 detallesPrograma 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 detallesMétodos 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 detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesLos 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 detallesPRUEBA 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 detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesCapítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante
Capítulo 15 Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el efecto
Más detallesDiseños en cuadrados de Youden
Capítulo 9 Diseños en cuadrados de Youden 9.1. Introducción Hemosestudiadoqueeneldiseñoencuadradolatinosetienequeverificarquelos tres factores tenganelmismo númerodeniveles,es decir quehaya elmismonúmerode
Más detallesMATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS
Tema 1.- MATRICES MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Fundamentos Matemáticos de la Ingeniería 1 Un poco de historia Lord Cayley es uno de los fundadores de la teoría
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesEXPERIMENTACIÓN. 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 detallesESTADISTICA 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 detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detalles2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
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 detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesDiseños en bloques Incompletos aleatorizados
Capítulo 6 Diseños en bloques ncompletos aleatorizados 6.0.1. ntroducción Cuando se construye un diseño en bloques aleatorizados, puede suceder que no sea posible realizar todos los tratamientos en cada
Más 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 detallesSPSS: 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 detallesGUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 2011/12 GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias Bibliografía apartados : Greene, 8.2 A.F.Gallastegui:
Más detallesESQUEMA 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 detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesSe llama dominio de una función f(x) a todos los valores de x para los que f(x) existe. El dominio se denota como Dom(f)
MATEMÁTICAS EJERCICIOS RESUELTOS DE FUNCIONES FUNCIONES A. Introducción teórica A.1. Definición de función A.. Dominio y recorrido de una función, f() A.. Crecimiento y decrecimiento de una función en
Más detallesCircuito RC, Respuesta a la frecuencia.
Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un
Más detallesAnálisis de la varianza (un factor): ANOVA
Capítulo 9 Análisis de la varianza (un factor): ANOVA 91 Introducción Veíamos cómo contrastar la igualdad de medias en dos poblaciones normales e independientes En ocasiones necesitamos contrastar la igualdad
Más detallesPRUEBAS NO PARAMÉTRICAS
PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la
Más detallesA estas alturas de nuestros conocimientos vamos a establecer dos reglas muy prácticas de cómo sumar dos números reales:
ADICIÓN Y RESTA DE NUMEROS REALES ADICIÓN L a adición o suma de números reales se representa mediante el símbolo más (+) y es considerada una operación binaria porque se aplica a una pareja de números,
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detallesAnálisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias
Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía
Más detallesANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Más detallesEstadística; 3º CC. AA. Examen final, 4 de septiembre de 2009
Estadística; 3º CC. AA. Examen final, 4 de septiembre de 2009 Apellidos Nombre: Grupo: DNI. (5 puntos) Se observa la variable Porcentaje de masa boscosa perdida anualmente en 0 provincias elegidas al azar
Más detallesDISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA
DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo. las unidades experimentales homogéneas se agrupan formando grupos homogéneos llamados
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO
Más detallesPruebas 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 detallesREGRESION 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 detallesAnálisis de la Varianza de un Factor
Práctica de Estadística con Statgraphics Análisis de la Varianza de un Factor Fundamentos teóricos El Análisis de la Varianza con un Factor es una técnica estadística de contraste de hipótesis, cuyo propósito
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesESTIMACIÓN. 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 detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detalles10. DISEÑOS EXPERIMENTALES
10. DISEÑOS EXPERIMENTALES Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Diseños Experimentales de Clasificación Simple En un diseño experimental
Más detallesTema 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 detallesNombre...Apellidos... Grado en:...grupo:...
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA - Soluciones Estadística- Curso 01/1. 9 de Julio de 01 Nombre...Apellidos... Grado en:...grupo:... 1. Considera la variable aleatoria (v.a.) X cuyos posibles
Más detallesTema 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 detallesDiagonalización de matrices
diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla
Más detallesProcesos de Media Móvil y ARMA
Capítulo 4 Procesos de Media Móvil y ARMA Los procesos AR no pueden representar series de memoria muy corta, donde el valor actual de la serie sólo está correlado con un número pequeño de valores anteriores
Más detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Más detallesPRUEBA 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 detallesContraste de Independencia entre Variables Cualitativas
Contraste de Independencia entre Variables Cualitativas Grado en NHD. Grupos C y E Ejemplo I Ejemplo: Supóngase que se desea estudiar la posible relación entre dos variables de tipo cualitativo (tipo de
Más detallesProf. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS
Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA
Más detallesClase 8: Distribuciones Muestrales
Clase 8: Distribuciones Muestrales Distribución Muestral La inferencia estadística trata básicamente con generalizaciones y predicciones. Por ejemplo, podemos afirmar, con base a opiniones de varias personas
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesEn la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y
Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de
Más detallesMatemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
Más detallesPruebas 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 detallesECUACIONES DE PRIMER GRADO
ECUACIONES DE PRIMER GRADO 1- ECUACION DE PRIMER GRADO CON UNA INCOGNITA Una ecuación de primer grado con una incógnita es una igualdad en la que figura una letra sin eponente y que es cierta para un solo
Más detallesEL DISEÑO FACTORIAL COMPLETO 2 k
EL DISEÑO FACTORIAL COMPLETO 2 k Joan Ferré Grupo de Quimiometría y Cualimetría Departamento de Química Analítica y Química Orgánica Universidad Rovira i Virgili (Tarragona) INTRODUCCIÓN En el primer artículo
Más detallesPRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis
Más detallesTema 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 detallesEL 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 detallesLa demanda de plazas en la licenciatura de Medicina en España
La demanda de plazas en la licenciatura de Medicina en España Estudio econométrico por Comunidades Autónomas de la demanda de plazas en las facultades de Medicina españolas para el curso 2006/2007 Asignatura:
Más detallesDepartamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA
ESCUELA UIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA E CIECIAS EMPRESARIALES ESTADÍSTICA Ejercicios Resueltos AÁLISIS ESTADÍSTICO DE DOS VARIABLES Y RE- GRESIÓ LIEAL SIMPLE Curso 6-7 Curso 6-7 1)
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallescapitulo3 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 detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesUna serie temporal o cronológica es en una sucesión de valores que adopta una variable (Y):
INTRODUCCIÓN Nos vamos a ocupar ahora de estudiar un fenómeno desde la perspectiva temporal, observando su evolución a través del tiempo, lo que se denomina investigación diacrónica o longitudinal, en
Más detallesApéndice A. Repaso de Matrices
Apéndice A. Repaso de Matrices.-Definición: Una matriz es una arreglo rectangular de números reales dispuestos en filas y columnas. Una matriz com m filas y n columnas se dice que es de orden m x n de
Más detallesTema 4 Técnicas de reducción de la dimensión
Tema 4 Técnicas de reducción de la dimensión José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid En qué dirección es conveniente proyectar? 2 1 0 1 2 1 0 1 2 Componentes principales
Más detallesIntroducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS
Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS ESTIMACIÓN DE UN MODELO DE REGRESIÓN LINEAL CON EXCEL La Herramienta para análisis Regresión
Más detallesTEMA 6: Gráficos de Control por Variables
TEMA 6: Gráficos de Control por Variables 1 Introducción 2 Gráficos de control de la media y el rango Función característica de operación 3 Gráficos de control de la media y la desviación típica 4 Gráficos
Más detallesSOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION.
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA DE LA PRODUCCIÓN INGENIERÍA INDUSTRIAL SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE
Más detallesPráctica 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 detalles6. 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 detallesPrácticas y problemas de diseño de experimentos.
Capítulo 1 Prácticas y problemas de diseño de experimentos. 1.1. Problemas de diseño de experimentos con ordenador. Problema 3.1. Datos apareados. El Ministerio de Trabajo desea saber si un plan de seguridad
Más detallesf(x)=a n x n +a n-1 x n-1 +a n-2 x n-2 +...a 2 x 2 +a 1 x 1 +a 0
FUNCIÓN POLINOMIAL. DEFINICIÓN. Las funciones polinomiales su representación gráfica, tienen gran importancia en la matemática. Estas funciones son modelos que describen relaciones entre dos variables
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detalles