En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza
|
|
- Martín Cordero Peña
- hace 6 años
- Vistas:
Transcripción
1 Bioestadística II
2 Bioestadística II
3 En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza Bioestadística II
4 Bioestadística II Modelo lineal de Anova a un factor Y ij es la j-ésima observación del i-ésimo tratamiento, realizada sobre cada unidad experimental μ es la media general de las observaciones Variable respuesta: conjunto de observaciones que se obtienen de las unidades experimentales τ i es el efecto del i-ésimo tratamiento ɛ ij es un término que representa al error aleatorio asociado a la observación Y ij Tratamiento: conjunto de acciones que se aplican a las unidades experimentales con el fin de observar cómo responden
5 Bioestadística II Modelo lineal de Anova a un factor con bloques Y ij es la observación en el i-ésimo tratamiento del j-ésimo bloque μ es la media general de las observaciones β j es el efecto del j-ésimo bloque, con j=1,,b τ i es el efecto del i-ésimo tratamiento, con i=1,,a ɛ ij es un término que representa al error aleatorio asociado a la observación Y ij
6 Ahora introduciremos los, donde se evalúan -o más- aplicados a las mismas unidades de observación. En este caso, se asume el supuesto de aditividad entre los factores estudiados Bioestadística II
7 El modelo para un diseño a dos factores es el siguiente Y ij es la respuesta al i-ésimo nivel del factor A y j-ésimo nivel de factor B α i es el efecto del i-ésimo nivel del factor A, con i=1,,a μ es la media general de las observaciones β j es el efecto del j-ésimo nivel del factor B, con j=1,,b ɛ ij es un término que representa al error aleatorio asociado a la observación Y ij Bioestadística II
8 Bioestadística II Hipótesis Estadísticas H 0 : α 1 = α 2 = = α a H 1 : al menos un α i es diferente a los demás H 0 : β 1 = β 2 = = β b H 1 : al menos un β j es diferente a los demás
9 Fuente de Variación Suma de Cuadrados Grados de Libertad Cuadrado Medio F Factor A SCA= a i=1 (y i ) 2 a - (y ) 2 ab gla= a-1 CMA= SCA gla CMA CME Factor B SCB= b j=1 (y j ) 2 b - (y ) 2 ab glb= b-1 CMB= SCB glb CMB CME Error SCE= SCT-SCA-SCB gle= (gla)- (glb) CME= SCE gld Total SCT= a b i=1 k=1 2 y ij - (y ) 2 ab glt= ab - 1 Bioestadística II
10 Supuestos del modelo Todos los análisis de la varianza presentan los mismos supuestos para el término correspondiente al error aleatorio: La varianza de los errores es constante (homogeneidad de varianzas) Los errores son variables aleatorias normales con esperanza cero Los errores (y por ende los datos) son independientes unos de otros ~ N I ( 0, ij 2 ) Mediante interpretaciones gráficas y test estadísticos pueden evaluarse los supuestos de normalidad y homogeneidad de varianzas. Bioestadística II
11 Supuestos del modelo Verificar la distribución normal de los errores: gráficamente: Q-Q plot Test de Shapiro-Wilk Las hipótesis que se someten a prueba son: H 0 : los residuos tienen distribución normal H 1 : los residuos no tienen distribución normal Verificar la homogeneidad de varianzas gráficamente: residuos vs. predichos Test de Levene Las hipótesis que se someten a prueba son: H 0 : σ 1 2 = σ 2 2 = = σ a 2 H 1 : al menos dos varianzas son distintas Bioestadística II
12 Bioestadística II
13 En este caso, si el investigador supone que la respuesta a dos factores no se puede explicar como la suma de sus efectos individuales, el modelo debe incluir términos que incorporen estas hipótesis Bioestadística II
14 Se incorpora entonces un al modelo. Permite la partición de la variabilidad considerando los efectos de cada factor y la interacción entre ellos. El modelo correspondiente es el siguiente: Y ijk es la respuesta de la k-ésima repetición de cada uno de los tratamientos (definidos como todas las posibles combinaciones de los a niveles del factor A con los b niveles del factor B) μ es la media general de las observaciones α i es el efecto del i-ésimo nivel del factor A, con i=1,,a β j es el efecto del j-ésimo nivel del factor B, con j=1,,b δ ij representa los efectos para cada combinación de los niveles de los factores, es decir, la interacción entre factores ɛ ijk es un término que representa al error aleatorio asociado a la observación Y ijk Bioestadística II
15 Bioestadística II Hipótesis Estadísticas H 0 : δ 11 = = δ a1 = δ 12 = = δ 1b = = δ ab H 1 : al menos un δ ij es diferente a los demás H 0 : α 1 = α 2 = = α a H 1 : al menos un α i es diferente a los demás H 0 : β 1 = β 2 = = β b H 1 : al menos un β j es diferente a los demás
16 Bioestadística II
17 Supuestos del modelo Todos los análisis de la varianza presentan los mismos supuestos para el término correspondiente al error aleatorio: La varianza de los errores es constante (homogeneidad de varianzas) Los errores son variables aleatorias normales con esperanza cero Los errores (y por ende los datos) son independientes unos de otros ~ N I ( 0, ij 2 ) Mediante interpretaciones gráficas y test estadísticos pueden evaluarse los supuestos de normalidad y homogeneidad de varianzas. Bioestadística II
18 Ejemplo de aplicación En un estudio sobre la potencialidad forrajera de Atriplex cordobensis, un arbusto que crece en depresiones del chaco árido argentino, se evaluó la concentración de proteínas en hojas cosechadas en invierno y verano sobre plantas masculinas y femeninas. Para cada combinación de sexo y estación, se obtuvieron tres determinaciones del contenido proteico medido como porcentaje del peso seco. Los resultados se presentan en la siguiente tabla. Estación Invierno Verano Femenino Sexo Masculino
19 Ejemplo de aplicación A continuación se presenta la tabla correspondiente al Análisis de la Varianza (salida de Infostat). Análisis de la varianza Variable N R² R² Aj CV Conc.Prot. 12 0,93 0,91 6,30 Cuadro de Análisis de la Varianza (SC tipo III) F.V. SC gl CM F p-valor Modelo 198, ,00 37,71 <0,0001 Factor A 3,00 1 3,00 1,71 0,2268 Factor B 3,00 1 3,00 1,71 0,2268 Factor A*Factor B 192, ,00 109,71 <0,0001 Error 14,00 8 1,75 Total 212,00 11
20 Ejemplo de aplicación Se grafica aquí la media ± el error estándar asociado de la concentración de proteínas en hojas de Atriplex cordobensis, por efecto del sexo y la época de cosecha. Se observa que los perfiles de respuesta se cruzan en este caso donde la interacción resultó significativa.
21 Ejemplo de aplicación Para poner a prueba los supuestos del modelo, se solicitó al programa que guarde los residuos. En primer lugar, esta información fue utilizada para evaluar los supuestos mediante interpretaciones gráficas. Finalmente, se llevaron a cabo los test estadísticos correspondientes. A continuación se detallan las pruebas referidas a la normalidad de los residuos Q-Q plot (normal) Test de Shapiro-Wilks Shapiro-Wilks (modificado) Variable n Media D.E. W* p (una cola) RDUO_Conc.Prot. 12 0,00 1,13 0,94 0,6672
22 Ejemplo de aplicación Se incluyen aquí las pruebas para evaluar la homogeneidad de varianzas Gráfico de dispersión de Residuos (RDUO_Conc.Prot.) vs. Predichos (PRED_Conc.Prot.) Test de Levene (Anova tomando como variable respuesta el valor absoluto de los residuos, RABS_Conc.Prot.) Análisis de la varianza Variable N R² R² Aj CV RABS_Conc.Prot. 12 0,06 0,00 87,64 Cuadro de Análisis de la Varianza (SC tipo III) F.V. SC gl CM F p-valor Modelo 0,33 1 0,33 0,62 0,4475 Factor A 0,33 1 0,33 0,62 0,4475 Error 5, ,53 Total 5,67 11
23 Actividad de cierre Ejercicio integrador: Se desea estudiar cómo afecta la aplicación de distintas dosis de droga sobre la concentración de cierta hormona en ratas. Dado que se trata de hormonas esteroides, en el diseño del experimento se consideró también el sexo de las ratas tratadas. Los resultados se encuentran en la siguiente tabla, expresados como concentración plasmática de hormona en pg/ml. A continuación explique: Sexo Femenino Masculino 2,3 1,8 1. Cuál es la variable respuesta y cuál la unidad de observación, cuáles son los factores y tratamientos resultantes, y cuántas Droga Control Dosis mínima 2,1 2 1,9 2,1 2,5 2,1 3 2,6 2,3 1,9 repeticiones hay por tratamiento. 2.El modelo estadístico correspondiente al diseño utilizado, explicitando, en términos estadísticos y prácticos, cada uno Dosis máxima 3,2 2,5 2,9 2,9 3,3 2,7 de los componentes. 3.Dócimas de hipótesis en términos estadísticos y prácticos. 4.Finalmente, qué conclusiones pueden obtenerse a partir de esta experiencia?
EXPERIMENTOS FACTORIALES
EXPERIMENTOS FACTORIALES En los modelos de los experimentos factoriales los parámetros τi que hacen referencia a los efectos de tratamientos se descompone en un conjunto de parámetros que dan cuenta de
Más detallesEXPERIMENTOS FACTORIALES CON RESTRICCIONES DE ALEATORIZACION
EXPERIMENTOS FCTORILES CON RESTRICCIONES DE LETORIZCION Diseño de Parcela Dividida Diseño de Bloques Divididos o en Franjas Características generales de estos diseños Esquemas a campo y aleatorización
Más 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 detallesCapítulo 6. Análisis de la covarianza ANÁLISIS DE LA COVARIANZA UNIFACTORIAL INTRODUCCIÓN
Capítulo 6 Análisis de la covarianza INTRODUCCIÓN Es una combinación de dos técnicas: Análisis de la Varianza y Análisis de Regresión. En el Análisis de la Covarianza: F La variable respuesta es cuantitativa
Más detallesANOVA de dos factores Tema Objetivo. Concepto de interacción
AOVA de dos factores ema 7. Objetivo. Concepto de interacción. AOVA de dos factores, efectos fijos, completamente aleatoriazado (AOVA-AB-EF-CA). Comparaciones múltiples . Objetivo: estudiar si los valores
Más detallesEXPERIMENTOS FACTORIALES
EXPERIMENTOS FCTORILES Generalidades Simbología Diseños Experimentales Ventajas Desventajas nálisis Estadístico Ventajas - Desventajas Ventajas 1. Economía en el material experimental, al obtener información
Más detallesDiseño de Experimentos
Diseño de Experimentos Estudios experimentales vs observacionales Experimento vs Muestreo La palabra experimento se utiliza en un sentido preciso, implicando una investigación donde un sistema bajo estudio
Más detallesDISEÑO EN PARCELAS DIVIDIDAS
DISEÑO EN PARCELAS DIVIDIDAS Este es un diseño experimental combinado que resulta útil cuando al estudiar simultáneamente varios factores, alguno o algunos de ellos deben ser aplicados sobre unidades experimentales
Más detallesIdeas básicas del diseño experimental
Ideas básicas del diseño experimental Capítulo 4 de Analysis of Messy Data. Milliken y Johnson (1992) Diseño de experimentos p. 1/23 Ideas básicas del diseño experimental Antes de llevar a cabo un experimento,
Más detallesAVISOS. Diseño Factorial 30/03/2015. Bioestadística II. Diseño Factorial. El miércoles 1 Abril no hay clases de BIO II
Facultad de Ciencias EYactas, Físicas y Naturales Universidad Nacional de Córdoba AVISOS Bioestadística II 2015 El miércoles 1 Abril no hay clases de BIO II http://estadisticaybiometria.wordpress.com seguir
Más detallesMétodos de Diseño y Análisis de Experimentos
1 / 28 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM marzo 2018 Ideas básicas del diseño experimental Capítulo 4 de Analysis
Más detallesAnálisis de la Varianza
Análisis de la Varianza El Análisis de la Varianza -ANOVA- es una herramienta del área de la inferencia estadística, utilizada en las investigaciones científico-técnicas. Objetivo: probar hipótesis referidas
Más detallesDISEÑO EXPERIMENTAL FACTORIAL DE GRUPOS
TEMA III ESQUEMA GENERAL Definición del diseño factorial Clasificación del diseño factorial Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar: Estructura Diseño factorial
Más 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 detallesDiseños Factoriales. Diseño de experimentos p. 1/25
Diseños Factoriales Diseño de experimentos p. 1/25 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más detallesDISEÑO DE CUADRADOS LATINOS
DISEÑO DE CUADRADOS LATINOS a vimos que el diseño de bloques al azar, era el diseño apropiado cuando se conocía de antemano algún factor que fuera fuente de variabilidad entre las unidades experimentales.
Más 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 detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesDISEÑO EN BLOQUES ALEATORIZADOS
DISEÑO EN BLOQUES ALEATORIZADOS DISEÑO EN BLOQUES ALEATORIZADOS COMPLETOS DISEÑO EN BLOQUES INCOMPLETOS ALEATORIZADOS DISEÑO EN CUADRADOS LATINOS DISEÑO EN CUADRADOS GRECO-LATINOS DISEÑO EN CUADRADOS DE
Más detallesDISEÑO FACTORIAL MODELO JERÁRQUICO (0 ANIDADO)
DISEÑO FACTORIAL Niveles de B Niveles de A 1 2 3 4 5 1 y 11 y 12 y 13 y 14 y 15 2 y 21 y 22 y 23 y y 3 y 31 y 32 y 33 y 34 y 35 4 y 41 y 42 y 43 y 44 y 45 Todos los niveles de cada factor están combinados
Más detallesESQUEMA GENERAL DISEÑO FACTORIAL
TEMA III ESQUEMA GENERAL Definición Clasificación Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar Representación de la interacción DISEÑO FACTORIAL Definición El
Más detallesCLAVE Lab 11 - Regresión Lineal Simple y Polinomial
Escala común CLAVE Lab 11 - Regresión Lineal Simple y Polinomial 1. A mano, construya los siguientes gráficos: a. Grafique la línea recta correspondiente a la ecuación y 2x 1 b. Grafique la línea recta
Más detallesTema V. EL ANOVA multifactorial
5.1. El ANOVA de múltiples factores: - Factorial (ortogonal): los no ortogonales no los veremos - Factores fijos, aleatorios y mixtos (consecuencias prácticas) - El Anova encajado La variable que vamos
Más detalles4. DISEÑOS MULTIFACTORIALES O FACTORIALES
4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4.1 PRINCIPIOS Y DEFINICIONES BASICAS Los arreglos factoriales se utilizan cuando en una investigación se pretende estudiar simultáneamente la influencia del cambio
Más detallesESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación
TEMA V ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación Análisis de la covarianza (ANCOVA) Modelos alternativos de análisis DISEÑO DE GRUPO CONTROL NO
Más detallesAGRO Examen Parcial 1. Nombre:
Examen Parcial 1 Nombre: AGRO 6600 2013 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
Más detallesDiseños Factoriales. Diseño de experimentos p. 1/18
Diseños Factoriales Diseño de experimentos p. 1/18 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más 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 detallesAGRO Examen Parcial 1. Nombre:
Examen Parcial 1 Nombre: AGRO 6600 2008 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
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 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 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 detallesSegundo Examen Parcial
Segundo Examen Parcial Nombre: AGRO 6600 2009 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallesExamen Parcial 1. En la muestra se determinó la concentración de E. coli, en logufc. Se presentan algunos análisis relevantes a continuación.
Examen Parcial 1 Nombre: AGRO 6600 2009 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
Más detallesDepartamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff
Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff Tema 5 Modelos de dos factores-tratamiento. Se continua trabajando
Más 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 detallesModelos de ANOVA. Distinguir diferentes tipos de ANOVA
Modelos de ANOVA Distinguir diferentes tipos de ANOVA Modelos de efectos fijos Modelos de efectos aleatorios (Modelo II) Modelos 2- a multifactoriales Modelos mixtos, anidados. ANOVA Situación básica Variables
Más detallesCLAVE - LAB 12 - Regresión Múltiple y Selección de Variables
Revisado_May_2018_LW B CLAVE - LAB 12 - Regresión Múltiple y Selección de Variables Para estudiar la relación entre ciertas características del suelo y la producción de biomasa (g) de una planta forrajera
Más detallesbloques SC Suma de Cuadrados k trat bloques
Análisis de un diseño en bloques aleatorios Cuando sólo hay dos tratamientos, el análisis de varianza de una vía equivale al test t de Student para muestras independientes. A su vez, el análisis de varianza
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más 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 detallesCLAVE-LAB 3-Supuestos del Análisis de la Varianza
CLAVE-LAB 3-Supuestos del Análisis de la Varianza El archivo Excel con los datos para este laboratorio está en la página del curso. Los datos provienen de un estudio realizado para comparar los efectos
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 detallesMétodos de Diseño y Análisis de Experimentos
1 / 16 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM mayo 2018 Ejemplo Modelos Mixtos 2 / 16 3 / 16 Ejemplo 1 (2 factores
Más detallesDISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos
DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN Los diseños en bloques utilizan una restricción en la aleatorización. Los cuadrados latinos utilizan dos restricciones en la aleatorización.
Más detallesANOVA mul)factorial. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
ANOVA mul)factorial Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Se puede examinar más de un factor simultáneamente (ANOVA de 2 factores, de 3 factores, etc.) Por qué un único análisis
Más 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 detallesAGRO Examen Final. Nombre:
PesoSeco (g) Examen Final Nombre: AGRO 5005 2010 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallesESTADISTICA AVANZADA. Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman)
ESTADISTICA AVANZADA Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman) Factor Análisis de la Variancia El análisis de varianza One Way es una generalización de la Prueba t para mas
Más detallesAnálisis estadístico y uso de bases de datos!!!!! Diseños factoriales! Diseños anidados
Diseños anidados Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Ejemplo: Diseños anidados Hipótesis: La abundancia total de peces es menor en una zona rocosa colonizada por C. taxifolia
Más detallesEstadística aplicada al medio ambiente
Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de
Más detallesExperimentos con factores aleatorios. Diseño de experimentos p. 1/36
Experimentos con factores aleatorios Diseño de experimentos p. 1/36 Introducción Hasta ahora hemos supuesto que los factores de un experimento son factores fijos, esto es, los niveles de los factores usados
Más 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 detallesDiseños factoriales con tres factores
Capítulo 6 Diseños factoriales con tres factores SupongamosquehayanivelesparaelfactorA,bnivelesdelfactorBycnivelespara el factor C y que cada réplica del experimento contiene todas las posibles combinaciones
Más detallesTema 9: Introducción al problema de la comparación de poblaciones
Tema 9: Introducción al problema de la comparación de poblaciones Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema
Más detallesDiferentes tamaños de u.e. Diseño de experimentos p. 1/24
Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Introducción Los diseños experimentales que tienen varios tamaños de u.e. son: diseños de mediciones repetidas, diseños de parcelas divididas,
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detalles2013-B. Diseño y análisis de experimentos. El chocomilk ideal
2013-B El chocomilk ideal Nadia Berenice Haro Mares Ulises Guadalupe Herrera Sillas Violeta María Isabel Martínez Mercado Angélica Rivera Pulido Proyecto Final Angélica, Nadia, Violeta y Ulises, acaban
Más 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 detallesDiseño de Experimentos Experimentos factoriales
Diseño de Experimentos Experimentos factoriales Dr. Héctor Escalona Definición El termino genérico de diseño factorial se aplica a aquellos experimentos donde se desea evaluar el efecto de 2 o mas factores
Más detallesClave Lab 7- Experimentos con dos Factores
Clave Lab 7- Experimentos con dos Factores 1. Se realizó un experimento para estudiar los efectos de tres niveles de ácido sórbico (0, 100 y 200 ppm) y seis niveles de actividad de agua (AW) en la supervivencia
Más detalles30 años 40 años 50 años 60 años Universidad Autónoma de Madrid
Para verificar si la memoria cambia con la edad se ha realizado un experimento con cuatro grupos de seis suetos cada uno. Los grupos difieren en la edad de los suetos. Se muestra a cada sueto una serie
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 detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesANOVA Análisis de la Varianza en diseño de experimentos
ANOVA Análisis de la Varianza en diseño de experimentos NATURALEZA DEL DISEÑO EXPERIMENTAL El diseño experimental tiene sus orígenes en los trabajos de Ronald Aylmer Fisher (1890 1962) desarrollados en
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 8. Diseño de Bloques al Azar JAIME MOSQUERA RESTREPO DISEÑO DE BLOQUES El principio básico del diseño de experimentos consiste en garantizar la homogeneidad de las Unidades
Más detalles5. DISEÑO FACTORIALES 2 k
5. DISEÑO FACTORIALES 2 k Los diseños factoriales son ampliamente utilizados en experimentos en los que intervienen varios factores para estudiar el efecto conjunto de éstos sobre una respuesta. Un caso
Más detallesCLAVE - LAB 4 - Determinación de Tamaño Muestral y Comparaciones Múltiples
Potencia Revisado_febrero_2016_LWB/CL CLAVE - LAB 4 - Determinación de Tamaño Muestral y Comparaciones Múltiples 1. Considere el problema 2 del laboratorio 2. Se está planificando realizar de nuevo este
Más detallesESTADÍSTICA APLICADA A LA MEDICINA LABORAL
ESTADÍSTICA APLICADA A LA MEDICINA LABORAL ---oo--- II Curso 29/ Pedro Femia Marzo Bioestadística - Facultad de Medicina http://www.ugr.es/local/bioest Un esquema general de comparación de medias 2 Asumible
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Experimentos factoriales Introducción Los diseños factoriales se utilizan para estudiar los efectos en una respuesta o salida de al menos dos variables
Más detallesESQUEMA GENERAL. Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto
TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto DISEÑOS DE MEDIDAS REPETIDAS Definición En el diseño medidas
Más detallesModelo de Análisis de la Covarianza. Introducción al modelo de Medidas Repetidas
Modelo de Análisis de la Covariza. Introducción al modelo de Medidas Repetidas Modelo de Análisis de la Covariza Introducción El diseño por bloques se considera para eliminar el efecto de los factores
Más detallesSeminario de Evaluación Estadística de Ensayos de Aptitud por Comparación Interlaboratorio
19/11/014 Seminario de Evaluación Estadística de Ensayos de Aptitud por Comparación Interlaboratorio a cargo de Pablo Calello La participación en actividades de ensayo de aptitud es uno de los mecanismos
Más detallesModelos mixtos. Diseño de experimentos p. 1/26
Modelos mixtos Diseño de experimentos p. 1/26 Introducción Cuando en la estructura de tratamientos de un experimento se tienen tanto factores fijos como aleatorios, el modelo que describe tales experimentos
Más detalles5 ANÁLISIS Y RESULTADOS
5 ANÁLISIS Y RESULTADOS 5. ANÁLISIS Y RESULTADOS 5.1 Curvas de Calibración Se obtuvieron las curvas de calibración para cada una de las soluciones base, con dispersante y sin dispersante. Se hicieron en
Más detallesAnálisis de la Varianza (ANOVA).
{ H0 : µ = µ 2 = = µ p Análisis de la Varianza (ANOVA) Planteamiento del problema Se desea contrastar si las medias de p poblaciones independientes son todas iguales o si existen diferencias entre al menos
Más 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 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 detallesU ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7
Diseños de Investigación y Análisis de Datos Preguntas de exámenes TEMA 7: A OVA PARA MUESTRAS I DEPE DIE TES (2 FACTORES) 1.- Se dice que un diseño bifactorial es equilibrado si: A) Los grupos tienen
Más detallesDiseño de experimentos - Experimentos multifactoriales.
Diseño de experimentos - Experimentos multifactoriales http://www.academia.utp.ac.pa/humberto-alvarez/diseno-deexperimentos-y-regresion Introducción Los casos anteriores explicaban los diseños en bloques
Más 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 detallesANÁLISIS DE LA VARIANZA PARTE PRIMERA
ANÁLISIS DE LA VARIANZA PARTE PRIMERA Febrero de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO COMPLETAMENTE ALEATO- RIZADO....................................
Más detallesVIII Parcelas Divididas Experimentación en localidades
VIII Parcelas Divididas Experimentación en localidades Dr. Jesús Mellado 3 8.1 Características del diseño El diseño parcelas divididas se puede aplicar en diferentes modelos de experimentos, pero su mayor
Más detallesAGRO 6600 Segundo Examen Parcial
AGRO 6600 Segundo Examen Parcial Nombre: 2012 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallesDiseño de Bloques Aleatorios y. Cuadrados Latinos
Capítulo 2 Diseño de Bloques Aleatorios y Cuadrados Latinos 2.1. Diseño de Bloques Aleatorios Como se ha dicho antes, uno de los principales objetivos que se persigue al diseñar un experimento, es reducir
Más detallesRegresión Lineal Múltiple
Unidad 4 Regresión Lineal Múltiple Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 35 Introducción La idea de la regresión lineal múltiple es modelar el valor esperado de la variable respuesta
Más detallesCLAVE-LAB 3-Supuestos del Análisis de la Varianza
(Revisado enero 016_LWB/CL) CLAVE-LAB 3-Supuestos del Análisis de la Varianza El archivo Excel con los datos para este laboratorio está en la página del curso. Los datos provienen de un estudio realizado
Más detallesPruebas estadís,cas para evaluar relaciones
Pruebas estadís,cas para evaluar relaciones Asociación entre dos variables categóricas Hipótesis: frecuencias de ocurrencias en las categorías de una variable son independientes de los frecuencias en la
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesAGRO 5005 Examen Final 2005 Nombre: Número de estudiante:
AGRO 5005 Examen Final 2005 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Se proveen las tablas y las
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesRegresión múltiple. Efecto de varias variables ambientales sobre una especie de ganso migratorio. Luz
Nombre: AGRO 6600 LAB 12 Regresión múltiple Los datos adjuntos se tomaron para estudiar el efecto de varias variables ambientales sobre el tiempo en el que una especie de ganso migratorio deja su nido
Más detallesExperimentos Simples
Experimentos Simples: Análisis de supuestos del ANOVA 1 Experimentos Simples Análisis de supuestos del ANOVA En cada ocasión que se realice un análisis de varianza (ANOVA), rutinariamente deben examinarse
Más detallesDiseño Factorial. Introducción
Diseño Factorial Introducción n un experimento factorial se analizan todas las posibles combinaciones de los niveles de los factores en cada réplica del experimento. Por ejemplo, si el factor tiene a niveles
Más detallesDISEÑOS DE PARCELAS DIVIDIDAS
Experimentos Factoriales: Diseño de parcelas divididas y de bloques divididos 1 DISEÑOS DE PRCELS DIVIDIDS Este tipo de diseños se utiliza frecuentemente en experimentos factoriales cuando uno de los factores
Más detallesDiseño de experimentos. Introducción
Diseño de experimentos Introducción Objetivo: Introducción Es estudiar la influencia de FACTORES en la RESPUESTA RESPUESTA Variable de interés FACTOR(ES) Pueden ser controlados OTRAS VARIABLES Que pueden
Más detalles