Diseños en bloques Incompletos aleatorizados
|
|
- Marina Naranjo Moya
- hace 5 años
- Vistas:
Transcripción
1 Capítulo 6 Diseños en bloques ncompletos aleatorizados ntroducción Cuando se construye un diseño en bloques aleatorizados, puede suceder que no sea posible realizar todos los tratamientos en cada bloque. En estos casos es posible usar diseños en bloques aleatorizados en los que cada tratamiento no está presente en cada bloque. Estos diseño reciben el nombre de diseños en bloques incompletos. Hay varios tipos de diseños en bloques incompletos, siendo uno de los más utilizados el diseño en bloque incompletos balanceado (BB), que estudiaremos a continuación Planteamiento del modelo y análisis estadístico. Los diseño en bloques incompletos balanceados (BB) deben verificar: Cada tratamiento ocurre el mismo número de veces en el diseño. Cada par de tratamientos ocurren juntos el mismo número de veces que cualquier otro par. Supongamos que se tienen tratamientos de los cuales sólo se pueden experimentar K (K < ) tratamientos en cada bloque. Se puede construir un diseño BB tomando K bloques de forma que a cada bloque se le asigne una de las K combinaciones de tratamientos posibles. En algunas ocasiones es posible reducir el número de bloques necesarios para formar el diseño. En el Apéndice B se muestran tablas de construcción de diseños BB para ciertos valores de los parámetros del diseño. Los parámetros que caracterizan este modelo son los siguientes: 1
2 Diseños en bloques ncompletos aleatorizados, número de tratamientos o niveles del factor principal., número de bloques K, número de tratamientos por bloque. R, número de veces que cada tratamiento se presenta en el diseño, es decir el número de réplicas de un tratamiento dado. λ, número de bloques en los que un par de tratamientos ocurren juntos. N, número total de observaciones. Estos parámetros deben verificar las siguientes relaciones: i) N=R=K ii) λ=r K 1 1 iii) Cuando= el diseño recibe el nombre de simétrico. Al igual que en el diseño en bloques completos, la asignación de los tratamientos a las unidades experimentales en cada bloque se debe realizar de forma aleatoria. El modelo estadístico para este diseño es el mismo que para el diseño en bloques aleatorizados completos, es decir y ij =µ+τ i +β j +u ij. (6.1) En este diseño la variabilidad total SCT se descompone en donde SCT =SCTr +SCBl+SCR, (6.) SCTr es la suma de cuadrados de tratamientos ajustada, que tiene la siguiente expresión SCTr = K λ T i, (6.3)
3 Diseños en bloques ncompletos aleatorizados 3 siendot i el total ajustado por bloques deli-ésimo tratamiento, definido como con T i =y i. 1 K n ij y.j,,, (6.) 1 si el tratamientoiocurre en el bloquej n ij = 0 en otro caso Notamos que 1 K n ij y.j, es el valor medio de los totales de los bloques que contienen al tratamiento i-ésimo. Se verifica que T i =0, la suma de cuadrados ajustada de los tratamientos tiene, por tanto, 1 grados de libertad. Como en este diseño se realizank de los tratamientos en cada bloque, la suma de cuadrados correspondiente a los bloques tiene la siguiente expresión con 1 grados de libertad. SCBl= y.j K y.. N, (6.) SCT tiene la misma expresión que en el diseño en bloques completos aleatorizados, es decir conn 1 grados de libertad. SCT = y ij y.. N, (6.6) SCR se calcula a partir de las otras sumas de cuadrados, es decir
4 Diseños en bloques ncompletos aleatorizados SCR=SCT SCTr SCBl conn +1 grados de libertad, que se obtienen como la diferencia entre los grados de libertad desct y los grados de libertad desctr yscbl (N 1) ( 1) ( 1)=N +1. En este modelo el estadístico de contraste para los tratamientos es F τ = MCTr MCR donde los cuadrados medios tienen las siguientes expresiones i) ii) MCTr = SCTr 1 MCR= SCR N +1 La correspondiente tabla de análisis de la varianza se presenta a continuación Tabla -9. Análisis de la varianza para un diseño BB Fuentes de Suma de Grados de Cuadrados variación cuadrados libertad medios F exp Tra-ajustad. Bloq-no-ajustad. Residual TOTAL K i λ j T i y.j K y.. N 1 MCTr MCTr 1 SCT SCTr SCBl N +1 MCR yij y.. N 1 N i,j SCR En algunas ocasiones puede resultar de interés contrastar también la igualdad de efectos de los bloques, para ello la suma de cuadrados total se debe descomponer de la siguiente forma
5 Diseños en bloques ncompletos aleatorizados donde SCT =SCTr+SCBl +SCR SCT r es la suma de cuadrados de tratamientos no-ajustada SCTr= yi. R y.. N (6.7) SCBl es la suma de cuadrados ajustada de los bloques, que en el caso del diseño en bloques incompletos balanceado tiene la siguiente expresión SCBl = R λ B j siendob j el total ajustado por tratamientos delj-ésimo bloque, definido como B j =y.j 1 R Se verifica que n ij y i. B j =0, la suma de cuadrados ajustada de los bloques tiene, por tanto, -1 grados de libertad. En este caso el estadístico de contraste para los bloques es F β = MCBl MCR
6 6 Diseños en bloques ncompletos aleatorizados La correspondiente tabla de análisis de la varianza se muestra a continuación Tabla -10. Análisis de la varianza para un diseño BB Fuentes de Suma de Grados de Cuadrados variación cuadrados libertad medios F exp Trat-no-ajustad. y i. R y.. N i 1 R Bj Bloq-ajustad. 1 MCBl MCBl λ SCR Residual SCT SCTr SCBl N +1 MCR TOTAL yij y.. N N 1 i,j Como ilustración de este modelo se considera el siguiente ejemplo Una industria algodonera, interesada en maximizar el rendimiento de la semilla de algodón, quiere comprobar si dicho rendimiento depende del tipo de fertilizante utilizado para tratarla planta. A su disposición tiene tiposde fertilizantes. Como se cree que el tipo de terreno puede influir también en el rendimiento de la semilla de algodón se considera el terreno dividido en bloques. Para ello, divide el terreno en bloques 1 y cada bloque en parcelas, fumigando dentro de cada bloque cada una de las parcelas con un fertilizante, pero debido a la extensión de los bloques y a la falta de recursos, no se pueden aplicar todos los fertilizantes en cada bloque, sino que sólo se pueden aplicar de los fertilizantes en cada uno de ellos. Al recoger la cosecha se mide el rendimiento de la semilla, obteniéndose las siguientes observaciones. Un posible diseño BB para los parámetros = = lo proporciona la tabla correspondiente al Diseño del Apéndice B, con R =, = y λ = 3. La disposición del diseño y las observaciones obtenidas se muestran en la siguiente tabla, que dan lugar al Ejemplo -. 1 El terreno, en cada bloque, debe ser lo más homogéneo posible.
7 Diseños en bloques ncompletos aleatorizados 7 Tabla -11. Datos para el Ejemplo -. Bloques fertilizantes B1 B B3 B B Comprobemos que se verifican las relaciones exigidas a los parámetros del diseño. N=R=K. En efecto, ya quen=0,== yr=k= λ=r K 1 1 =3 =3. En este caso, puesto que==, es un diseño simétrico. Organizamos los datos en forma tabular como se muestra a continuación Tabla -1. Datos del Ejemplo - Bloques Fertil. B1 B B3 B B y i. yi. y ij y.j y.j Las sumas de cuadrados necesarias para el análisis de la varianza se calculan como sigue:
8 8 Diseños en bloques ncompletos aleatorizados SCT = SCBl= yij y.. N =16767 (183) 0 y.j K y.. N =6633 (183) 0 =160, =169,3 K T i SCTr = = λ 1 (1790,6)=77, donde los totales ajustados de los tratamientost i se calculan utilizando la ecuación de la siguiente manera T i =y i. 1 K n ij y.j,,, T 1 = (38) 1 ( )= 1, T = (338) 1 ( )=,7 T 3 = (371) 1 ( )= 7, T = (38) 1 ( )= 1,7 T = (37) 1 ( )= 19 Se comprueba que efectivamente i T i=0 Por último se calcula la suma de cuadrados del error SCR=SCT SCTr SCBl=813,7 El análisis de la varianza resultante se presenta en la siguiente tabla
9 Diseños en bloques ncompletos aleatorizados 9 Tabla -13. Análisis de la varianza para los datos del Ejemplo - Fuentes de Suma de Grados de Cuadrados Contraste variación cuadrados libertad medios F exp Trat-corregidos Bloq-no-correg Residual TOTAL Recordemos que los grados de libertad se obtienen como diferencia entre los grados de libertad de la suma de cuadrados total y los correspondientes a las sumas debidas a los tratamientos y a los bloques. Notemos que dichos grados de libertad también se pueden obtener como el producto de los grados de libertad de los tratamientos y los bloques (de forma similar al modelo en bloques completos) pero restando a este producto el número de observaciones faltantes con respecto al diseño completo, es decir =11. Si realizamos el contraste al% y comparamos el valor del estadístico de contrate con el correspondiente valor de laf teórica(f 0,0;,11 =3,36) concluimos que los efectos de los fertilizantes no son significativos. A continuación vamos a estudiar el efecto de los bloques, para lo cual calculamos: La suma de cuadrados ajustada de bloques SCBl = R λ B j = (79,37) 1 =0, donde los totales ajustados de los bloques,b j, se calculan utilizando la expresión B j =y.j 1 R de la siguiente manera n ij y i.
10 10 Diseños en bloques ncompletos aleatorizados B 1 = (39) 1 ( )= 10 B = (36) 1 ( )= 13, B 3 = (369) 1 ( )= 6 B = (368) 1 ( )= 3, B = (381) 1 ( )= 0,7 La suma de cuadrados de los tratamientos SCTr= yi. R y.. N =6663 (183) 0 =,3 El análisis de la varianza se presenta en la siguiente tabla Tabla -1. Análisis de la varianza para los datos del Ejemplo - Fuentes de Suma de Grados de Cuadrados variación cuadrados libertad medios F exp Trat-no-corregidos.3 Bloqu-corregidos Residual TOTAL Notamos que al nivel de significación del % tampoco son significativos los efectos del tipo de terreno. Puede observarse que la suma de cuadrados residual se puede obtener indistintamente como: o SCR=SCT SCTr SCBl SCR=SCT SCTr SCBl
11 Diseños en bloques ncompletos aleatorizados 11 Bibliografía utilizada García Leal,. & 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 nformático mediante SPSS. Proyecto Sur de Ediciones.
Diseños en cuadrados de Youden
Capítulo 9 Diseños en cuadrados de Youden 9.1. Introducción Hemosestudiadoqueeneldiseñoencuadradolatinosetienequeverificarquelos tres factores tenganelmismo númerodeniveles,es decir quehaya elmismonúmerode
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 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 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 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 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 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 detallesDiseños en cuadrados greco-latinos
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
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 detallesDiseños 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 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 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 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 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 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 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 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 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 detallesÍndice. Diseños factoriales. José Gabriel Palomo Sánchez E.U.A.T. U.P.M. Julio de 2011
Diseños factoriales José Gabriel Palomo Sánchez gabrielpalomo@upmes EUAT UPM Julio de 2011 Índice 1 Diseños factoriales con dos factores 1 Denición 2 Organización de los datos 3 Ventajas de los diseños
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 completos Aleatorizados. Jhon Jairo Padilla Aguilar, PhD.
Diseño de bloques completos Aleatorizados Jhon Jairo Padilla Aguilar, PhD. Introducción Factor perturbador: Factor del diseño que probablemente tenga un efecto sobre la respuesta, pero no existe un interés
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN
CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN SEPTIEMBRE, 2015 INTRODUCCIÓN Los diseños experimentales
Más detallesEn clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza
Bioestadística II Bioestadística II En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza Bioestadística II Bioestadística
Más detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
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 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 detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
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 detallesF X > F Y F X < F Y F X 6= F Y
Alternativas No paramétricas En el caso de comparación de medias, como se comentó, es fundamental que se cumplan los supuestos de normalidad y varianzas iguales pero, qué hay que hacer si alguno de ellos
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 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 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 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 detallesDISEÑO COMPLETAMENTE ALEATORIZADO
DISEÑO COMPLETAMENTE ALEATORIZADO yj µ + τ + uj ; :,..., I ; j:,..., n µ : Meda general ; τ : Efecto del tratamento esmo u j : Errores expermentales HIPOTESIS DEL MODELO La meda sea cero: La varanza sea
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 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 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 detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesPROF. LUIS NAVA PUENTE MAYO 2010
PROF. LUIS NAVA PUENTE MAYO 2010 INTRODUCCIÓN El diseño de experimentos tiene una amplia aplicación en muchas disciplinas, de hecho, se puede ver la experimentación como parte del proceso científico y
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 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 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 detallesDISEÑO ESTADÍSTICO DE EXPERIMENTOS
DISEÑO ESTADÍSTICO DE EXPERIMENTOS UNA PRUEBA O SERIE DE PRUEBAS EN LAS CUALES SE INTRODUCEN CAMBIOS DELIBERADOS EN LAS VARI- ABLESDEENTRADAQUEFORMANELPROCESO,DE MANERA QUE SEA POSIBLE OBSERVAR E IDENTIFICAR
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
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 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 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 detallesSoluciones a los ejercicios propuestos del Tema 6
Soluciones a los ejercicios propuestos del Tema 6 1 Soluciones a los ejercicios propuestos del Tema 6 6.1. Es un diseño de un factor (la estirpe). La tabla ANOVA es: actor (entre tratamientos) Error (dentro
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesPráctica. Diseño factorial 2 x 2
Práctica Diseño factorial x Supuesto 1: Refuerzo positivo y nivel de impulso Tanto la variable intensidad del refuerzo como nivel del impulso han sido repetidamente analizadas en relación al aprendizaje
Más 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 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 detallesTema1. Modelo Lineal General.
Tema1. Modelo Lineal General. 1. Si X = (X 1, X 2, X 3, X 4 ) t tiene distribución normal con vector de medias µ = (2, 1, 1, 3) t y matriz de covarianzas 1 0 1 1 V = 0 2 1 1 1 1 3 0 1 1 0 2 Halla: a) La
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 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 detallesANÁLISIS DE LA VARIANZA MULTIFACTORIALES
Instituto Valenciano de Investigaciones Agrarias Seminario MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN AGRONÓMICA Tema 7 ANÁLISIS DE LA VARIANZA MULTIFACTORIALES Análisis de la Varianza Multifactoriales
Más detallesINTRODUCCIÓN DIAGRAMA DE DISPERSIÓN. Figura1
Capítulo 5 Análisis de regresión INTRODUCCIÓN OBJETIVO DE LA REGRESIÓN Determinar una función matemática sencilla que describa el comportamiento de una variable dadoslosvaloresdeotrauotrasvariables. DIAGRAMA
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 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 detallesEXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)
EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.
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 detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesProblemas Sesión 5: Matrices I
Problemas Sesión 5: Matrices I P) Sean A 2 3 6 sin embargo B C. ; B 3 8 2 3 y C 5 2 2. Comprueba que AB AC y que El resultado de calcular los productos es: AB AC 7 2 2 6 P2) Considera las matrices A y
Más detallesAnálisis de la varianza
Análisis de la varianza José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 I 1 Introducción 1 Comparación de medias 2 El pricipio de aleatorización 2 El problema de un factor
Más detallesBloque II (Columnas) B= Y212 C= Y322 D= Y432 C= Y313 D= Y423 E= Y533. A= Y1k2. B= Y2k3
DISEÑO EN CUADRO LATINO En el diseño en cuadro latino (DCL) se controlan dos factores de bloque y se estudia un solo factor de interés. En este sentido, se tienen cuatro fuentes de variación: Los tratamientos
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 6 Problema 1.- Tengamos las variables sexo, nivel económico y consumo de tabaco. Los datos son los siguientes: Hombre Mujer Alto Bajo Alto Bajo 10 10
Más detalles1. Una sóla réplica del Diseño 2 4.
EJEMPLOS DISEÑOS 2 k 1. Una sóla réplica del Diseño 2 4. Ejemplo 1: Un producto químico se produce en un recipiente a presión. Se realiza un experimento factorial en la planta piloto para estudiar los
Más detallesTema 18 Análisis de la varianza de un factor (ANOVA) Contraste paramétrico de hipótesis
Tema 18 Análisis de la varianza de un factor () Contraste paramétrico de hipótesis Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) Pruebas de contraste
Más detalles1 El Análisis de Varianza
1 El Análisis de Varianza Objetivo: Explicar (controlar las variaciones de una v.a. Y continua (numérica, mediante factores (variables cualitativas que definen categorías que controlamos (no aleatorios.
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesFORMATO OFICIAL DE MICRODISEÑO CURRICULAR
FACULTAD: CIENCIAS EXACTAS Y NATURALES PROGRAMA: MATEMATICAS FORMATO OFICIAL DE MICRODISEÑO CURRICULAR 1. IDENTIFICACIÓN DEL CURSO NOMBRE DEL CURSO: ESTADISTICA APLICADA CÓDIGO: No. DE CRÉDITOS ACADÉMICOS:
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 detallesTema 2 Análisis de la varianza multifactorial
Tema 2 Análisis de la varianza multifactorial Tratamos de explicar el comportamiento de una variable aleatoria (variable respuesta) debido a la influencia de varios factores (variables explicativas) Definición
Más detallesBASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL
BASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL ETAPAS DE UNA INVESTIGACION a. Planteamiento y formulación del PROBLEMA b. Justificación c. Objetivos d. Hipótesis e. Procedimiento / diseño experimental
Más detallesIntroducción al Análisis de. Varianza.
Capítulo 1 Introducción al Análisis de Varianza. 1.1. Introducción. Hasta el momento se han realizado inferencias con respecto a un parámetro poblacional y a la comparación de un parámetro entre 2 poblaciones.
Más 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 detallesDiseño y análisis de experimentos
Diseño y análisis de experimentos Sesión 15 Pruebas para la adecuación del modelo ANOVA Ejemplo Un diseñador de telas está investigando la resistencia a la tensión de na nueva fibra sintética, que será
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesLa línea recta: Serie1
La línea recta: En una línea recta tenemos una relación entre dos variables, la independiente (x) y la dependiente (y). La forma en que se relacionan dependerá de la función que describa dicha relación.
Más detallesTEMA 3 Modelo de regresión simple
TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.
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 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 detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
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 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 detallesREGRESIÓN LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
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 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 detallesAnálisis de Correspondencias Simple
1 Capítulo 4 Análisis de Correspondencias Simple 41 INTRODUCCIÓN El Análisis de Correspondencias Simple permite describir las relaciones entre dos variables categóricas dispuestas en una tabla de contingencia
Más detalles2. Introducción al Diseño Estadístico de Experimentos
DISEÑO ESTADÍSTICO DE EXPERIMENTOS 1. Objetivos Identificar un diseño unifactorial de efectos fijos. Plantear y resolver el contraste sobre las medias de los tratamientos. Saber aplicar los procedimientos
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 detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesEXPERIMENTOS FACTORIALES
EXPERIMENTOS FACTORIALES En los modelos de los experimentos factoriales los parámetros τi que hacen referencia a los efectos de tratamientos se descompone en un conjunto de parámetros que dan cuenta de
Más detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
Más detalles