PRÁCTICA 3: Ejercicios del capítulo 5
|
|
- Cristián Revuelta Toledo
- hace 7 años
- Vistas:
Transcripción
1 PRÁCICA 3: Eercicios del capítulo 5 1. Una empresa bancaria a contratado a un equipo de expertos en investigación de mercados para que les asesoren sobre el tipo de campaña publicitaria más recomendable para la venta de un producto. El equipo a propuesto tres campañas (C 1, C y C 3 ) y a aplicado cada una de ellas en 4 sucursales bancarias seleccionadas aleatoriamente. ranscurrido un tiempo se a registrado el número de ventas del producto. a) Indica las variables que intervienen y su función 1. ipo de campañas: (C 1, C y C 3 )... Variable independiente o factor. Nº ventas de un producto... Variable dependiente b) Selecciona el modelo más adecuado de ANOVA para resolver este problema enemos una VI a efectos fios (niveles pre-fiados por el investigador) odos los suetos (n 4; en este caso sucursales) pasan por todos los niveles del factor: Medidas Repetidas ANOVA de 1 factor a efectos fios con Medidas Repetidas c) Si F 4,78 y P(F 4,78) 0,86. Cuál sería tu decisión sobre la ipótesis planteada con α 0,01? Si P(F 4,78) 0,86 entonces p P(F 4,78) 0,14 Como p > α: Se mantiene H 0 con un nc de 0,99 4,78 F, 6 p 0,14 d) Podría afirmarse que la relación entre las variables es de tipo lineal? Por qué? No. Primero, porque emos mantenido la ipótesis nula, luego no puede afirmarse que aya relación entre las variables. En caso de aber recazado H 0, pese a que J 3 y pudiera admitir relación lineal y cuadrática (J-1), no puede ablarse en estos términos ya que el factor considerado no es de tipo cuantitativo sino cualitativo (campaña 1, y 3). 1.
2 . Un psicólogo clínico desea evaluar la eficacia de un fármaco para reducir la ansiedad. Para ello selecciona al azar 15 pacientes de su consulta que sufren este problema y forma aleatoriamente tres grupos del mismo tamaño. A cada grupo le administra aleatoriamente una dosis del fármaco (10 miligramos, 0 mg. y 30 mg). Al cabo de un tiempo les mide su nivel de ansiedad. Los resultados obtenidos se muestran en la siguiente tabla: 10 mg mg mg. 3 1 a) Indica las variables que intervienen en el problema y la función que desempeñan enemos una VI que es la dosis del fármaco con tres niveles asignados a efectos fios (pre-fiados por el investigador) El nivel de ansiedad es la variable dependiente cuantitativa b) Selecciona el modelo de ANOVA más apropiado, plantea la ipótesis pertinente y toma una decisión con α 0,05 ANOVA de 1 factor a efectos fios completamente aleatorizado 1. PLANEAMIENO DE HIPÓESIS H 0 : µ 1 µ µ 3. O bien: Σ α 0 Es decir: - Las J medias poblacionales son iguales - La VI o factor no se relaciona con la VD. H 1 : µ µ. Es decir: - No todas las µ son iguales; al menos 1 difiere de otra (no sabemos cuál) - La VI o factor influye sobre la VD.. SUPUESOS Independencia: Las J muestras son aleatorias y las N observaciones independientes Normalidad: Las J poblaciones de donde se extraen las J muestras son normales Homocedasticidad: Las J poblaciones tienen, todas, la misma varianza 3. ESADÍSICO DE CONRASE MCI F F J 1, N J Cálculo del estadístico de contraste: Y 10 mg mg mg otal: 75 5.
3 Cálculo de sumas de cuadrados: i 75 N 15 Y 473 i SC Yi i N SCI n N SCE SC - SCI Cálculo de Medias cuadráticas: MCI SCI J - 1 SCE N - J ) 0, Estadístico de contraste: MCI 45 F ) 67, 50 0,66... abla-resumen del ANOVA A-EF-CA FV SC g.l. MC Estadístico F INERGRUPOS (I) SCI 90 J 1 MCI 45 F 67,50 ERROR (E) O INRAGRUPOS SCE 8 N J 1 0,66 OAL () SC 98 N REGLA DE DECISIÓN Recazar H 0 si: F 1 - α F J 1, N J:... 0,95 F, 1 3,89 Donde: F 67,50 > 3,89 5. DECISIÓN Puesto que el estadístico F cae en la zona crítica, se recaza H 0 con un nc del 95% Podemos concluir que las medias poblacionales en ansiedad no son iguales. No sabemos cuáles difieren entre sí, pero al menos ay 1 que difiere de otra (puede comprobarse mediante las comparaciones múltiples). Por tanto, la dosis de fármaco afecta al nivel de ansiedad. 3.
4 c) Existe relación entre la dosis del fármaco y el nivel de ansiedad? Sí existe relación, pues cada dosis produce un nivel de ansiedad diferente. Además, emos recazado la ipótesis nula del ANOVA. d) En caso afirmativo: Interpreta gráfica y estadísticamente el tipo de relación Interpretación gráfica: Medias marginales estimadas mg 0 mg 30 mg Y 10 mg 8 0 mg 5 30 mg La relación aparentemente parece lineal inversa DOSIS Interpretación estadística: Comparaciones de tendencia 1. PLANEAMIENO DE HIPÓESIS H 0(lineal) : L Σ c µ (-1)µ 1 + (0)µ + (1)µ 3 0 H 1(lineal) : L Σ c µ (-1)µ 1 + (0)µ + (1)µ 3 0 H 0(cuadrática) : L Σ c µ (1)µ 1 + (-)µ + (1)µ 3 0 H 1(cuadrática) : L Σ c µ (1)µ 1 + (-)µ + (1)µ 3 0 Para obtener c ver tabla G (pág. 575).. SUPUESOS: Como en el ANOVA: independencia, normalidad y omocedasticidad 3. ESADÍSICO DE CONRASE Lˆ c X Lˆ (-1)X1 + (0) X + (1) X 3 (-1)(8) + (0)(5) + (1)() 6 (lineal) Lˆ (cuadráti ca) (1)X1 + () X + (1) X 3 (1)(8) + ()(5) + (1)() 0 Continuamos sólo para la ipótesis sobre linealidad: F SC(Lˆ l ineal ) (lineal) 1 - α F 1, g.l.error (Lˆ ) ( 6) Donde: SC(Lˆ ) 90 ; c /n ( ) / 5 90 F ( lineal) 134,33 0,95 F 1, 1 4,75 0,67 4. ZONA CRÍICA: Recazar H 0 si F lineal ) 1 - αf 1, g.l.error 0,95 F 1, 1 4,75 ( 5. DECISIÓN: Recazar H 0 pues el estadístico de contraste F (lineal) cae en la zona crítica. Por tanto, la relación entre tipo de dosis y nivel de ansiedad es lineal inversa: a más dosis, menor ansiedad. 4.
5 e) Cuantifica el tamaño de dica relación El tamaño del efecto puede medirse mediante: η SCI SC 90 0,9 98 SCI-ε 0,90 J-1) 90 ()(0,67) SC 98 SCI-ω 0,90 J-1) 90 ()(0,67) SC ,67 η, ε y ω son todos estimadores de ρ, (coeficiente de determinación: proporción de varianza explicada entre VI y VD). En este caso, la dosis del fármaco explica entre el 90 y el 9% del nivel de ansiedad experimentado por los suetos. f) Comprueba si el nivel de ansiedad con la dosis de 10 mg. difiere del nivel de las restantes consideradas untas 1. PLANEAMIENO DE HIPÓESIS H 0 : L Σ c µ ()µ 1 + (-1)µ + (-1)µ 3 0 ; Los promedios comparados son iguales H 1 : L Σ c µ ()µ 1 + (-1)µ + (-1)µ 3 0 ; algún (-os) promedio(-s) difiere(-n) significativamente de otro(-s). SUPUESOS: Como en el ANOVA: independencia, normalidad y omocedasticidad 3. ESADÍSICO DE CONRASE c DMSSceffé ( J 1) 1-α FJ 1, g. l. eror n ( 1 4. REGLA DE DECISIÓN: Recazar H 0 si Lˆ DMS 31) 0,95 F, 0,67( )/5 ()(3,89) (0,67)(1,),04 Lˆ ()X1 + (1) X + (1) X 3 ()(8) + (1)(5) + (1)() 9 Puesto que Lˆ DMS,04, se recaza H 0 : Puede concluirse que existen diferencias significativas en ansiedad cuando se administra una dosis de 10 mg que cuando se administra una de entre 0 y 30 mg. En el último caso la ansiedad es menor. 5.
6 3. Un investigador en psicología evolutiva a estudiado los efectos de cuatro técnicas de estudio sobre el aprendizae del idioma inglés en una muestra aleatoria de 0 niños. Los 4 grupos del mismo tamaño se an formado aleatoriamente y an sido asignados a cada tratamiento al azar. Algunos de los resultados se muestran en la siguiente tabla: F.V. SC g.l. MC F Punto crítico I ( ) ( ) ( ) ( ) 4,83 E ( ) ( ) 1,75 80 ( ) a) Define las variables y el tipo de diseño de ANOVA que se a aplicado ipo de técnica de estudio... Variable independiente a efectos fios Aprendizae del inglés... Variable dependiente ANOVA de 1 factor a efectos fios en un diseño completamente aleatorizado b) Completa la tabla Primero los grados de libertad: N 0, J 4 F.V. g.l. I ( J ) E (N - J ) ( N ) Luego las Sumas de Cuadrados: Se conoce SC 80 Se puede despear SCE ()(N - J) (1,75)(16) 8 SCI SC - SCE Luego las Medias Cuadráticas: Se conoce ya 1,75 MCI SCI / J / 3 17,33 Estadístico de contraste F: Se conoce F MCI / 17,33 / 1,75 9,90 c) Qué decisión estadística es razonable tomar según los datos? Puesto que F 9,9 > punto crítico 4,83: Se recaza H 0 6.
7 4. Un profesor de matemáticas de una facultad evalúa su asignatura a partir de tres controles que se realizan a lo largo del curso y acen media con la nota del examen final. El profesor desea saber si el rendimiento de los alumnos a ido aumentando en cada uno de los controles. Para ello selecciona aleatoriamente una muestra de 5 alumnos. Sus calificaciones obtenidas en los tres controles se muestran en la siguiente tabla: Control Control Control a) Indica las variables que intervienen en el problema y la función que desempeñan ipo de control: 1, y 3... Variable independiente Calificaciones de los alumnos... Variable dependiente b) Selecciona el modelo de ANOVA más apropiado, plantea la ipótesis pertinente y toma una decisión con α 0,05 ANOVA de 1 factor a efectos fios con medidas repetidas 1. PLANEAMIENO DE HIPÓESIS H 0 : µ +1 µ + µ +3 Es decir: - Las J medias poblacionales son iguales - La VI o factor no se relaciona con la VD. H 1 : µ + µ +. Es decir: - No todas las µ + son iguales; al menos 1 difiere de otra - La VI (o factor) influye sobre la VD.. SUPUESOS Independencia: n observaciones extraídas aleatoriamente e independientes entre sí Normalidad: Las J poblaciones de donde se extraen las J muestras son normales Homocedasticidad: Las J poblaciones tienen, todas, la misma varianza Aditividad: Los suetos no interactuan con los tratamientos ni con los errores. Las covarianzas entre las puntuaciones de cada par de tratamientos son iguales 3. ESADÍSICO DE CONRASE MCI F F J 1, (J - 1)( n 1) S 1 S S 3 S 4 S 5 + Y + Control ,6 Control ,6 Control i Y 4,73 Y i ,33 4,33 i Y 383 i N , 07 N 15 7.
8 Cálculo de sumas de cuadrados: SC Yi i N ,07 46,93 SCI + n N i SCB + J N i ,07 14, SCE SC - SCI - SCB 46,93 14,53 31,6 0,80 Cálculo de Medias cuadráticas: 336,07 31,6 MCI SCI J ,53 SCE ( J 1)( n 1) 7,65 0,80 ()(4) 0,10 MCI 7,65 Estadístico de contraste: F 7, 65 0,1 abla-resumen del ANOVA A-EF-CA FV SC g.l. MC Estadístico INERGRUPOS (I) SCI 14,53 J 1 MCI 7,65 F 7,65 INERSUJEOS (S) SCB 31,6 n 1 4 ERROR (E) O INRAGRUPOS SCE 0,80 (J - 1)(n - 1) 8 0,10 OAL () SC 46,93 N REGLA DE DECISIÓN Recazar H 0 si: F F J 1, (J - 1)( n 1):... 0,95 F, 8 4,46 Donde: F 7,65 > 4,46 5. DECISIÓN Puesto que el estadístico F cae en la zona crítica, se recaza H 0 con un nc del 95% Podemos concluir que las medias poblacionales en los controles no son iguales. No sabemos cuáles difieren entre sí, pero al menos ay 1 que difiere de otra. Por tanto, el tipo de control afecta al rendimiento de los alumnos. 8.
9 c) Puede afirmarse que los alumnos obtienen meores calificaciones en el último control? Y 1 1 Y Y Y 3,6 4,6 1 1 Y3 Y Y3 Y Y 3,6 6, 4 Y 4,6 6 1, 4 1. PLANEAMIENO DE HIPÓESIS H 0 : L µ i µ 0 ; Los promedios comparados son iguales H 1 : L µ i µ 0 ; Los promedios comparados difieren entre sí. SUPUESOS: Como en el ANOVA: independencia, normalidad y omocedasticidad 3. ESADÍSICO DE CONRASE DMS 1- q, n n ' ukey α J g l eror 0, ,95 q 3,8 + 4,04 0,0 0, REGLA DE DECISIÓN: Recazar H 0 si Lˆ Y Y DMS Control l y Control : Y1 Y 1 > DMS 0,57: Recazar H 0 : existen diferencias significativas entre la calificación en el control 1 y Control l y Control 3: Y1 Y3,4 > DMS 0,57: Recazar H 0 : existen diferencias significativas entre la calificación en el control 1 y 3 Control y Control 3: Y Y3 1,4 > DMS 0,57: Recazar H 0 : existen diferencias significativas entre la calificación en el control y 3 Los suetos obtienen meores calificaciones en el último control si se compara con el primero y con el segundo 9.
ANOVA 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 detallesAnálisis de varianza de un factor Tema Introducción al análisis de varianza. 2. ANOVA de efectos fijos, completamente aleatorizado (A-EF-CA)
Aálisis de variaza de u factor ema 5. Itroducció al aálisis de variaza. AOVA de efectos fios, completamete aleatorizado (A-EF-CA) 3. AOVA de efectos fios, co medidas repetidas (A-EF-MR) 4. Medidas de tamaño
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 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 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 detallesAnova unifactorial I
Anova unifactorial I Grado de Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 28 de noviembre de 2017 Contexto del problema Relacionar dos variables
Más detalles1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
Más 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 detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más 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 detallesU ED Tudela Introducción al Análisis de Datos - Tema 5
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 5: Relación entre variables (II) 1.- Cuál de las siguientes afirmaciones es verdadera? A) Una correlación de 0 78 entre dos variables X e Y tiene la misma intensidad
Más detallesAnova unifactorial Grados de Biología y Biología sanitaria
Anova unifactorial Grados de Biología y Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 29 de noviembre de 2015 El problema Analizaremos la
Más detallesTema 13B ESTE MATERIAL INCLUYE EL ANÁLISIS DE UN NUEVO EJERCICIO DE ANCOVA Y SUS SUPUESTOS
Tema 3B DISEÑOS CON VARIABLES COVARIADAS: continuación ESTE MATERIAL INCLUE EL ANÁLISIS DE UN NUEVO EJERCICIO DE ANCOVA SUS SUPUESTOS Mª Dolores Frías Navarro. Curso 008/00 Tabla Puntuaciones en Pretest
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 detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más 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 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 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 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 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 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 detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
Más detallesPROBLEMAS DE INVESTIGACIÓN A LOS QUE SE HA DE DAR RESPUESTA UTILIZANDO LAS DIFERENTES TÉCNICAS DE ANÁLISIS.
PROBLEMAS DE INVESTIGACIÓN A LOS QUE SE HA DE DAR RESPUESTA UTILIZANDO LAS DIFERENTES TÉCNICAS DE ANÁLISIS. Contraste t de diferencia de medias para muestras independientes En la bibliografía sobre memoria,
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 Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016.
DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 016. Problema 1.- En una determinada investigación se estudia el efecto del tipo de ejercicio (, andar y ) y tipo de dieta (poca grasa y mucha grasa)
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 DATOS EN PSICOLOGÍA II CUADERNO DE PRÁCTICAS DE SPSS. Ludgerio Espinosa Antonio Pardo Javier Revuelta Rafael San Martín
ANÁLISIS DE DATOS EN PSICOLOGÍA II CUADERNO DE PRÁCTICAS DE SPSS Ludgerio Espinosa Antonio Pardo Javier Revuelta Rafael San Martín ÍNDICE 1. Archivos de datos... 1 Lectura de datos con el SPSS... 1 Introducción
Más detallesBloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F
Bloque 3 Tema 4 AÁLISIS DE LA VARIAZA. PRUEBA F El objetivo fundamental de la experimentación es estudiar la posible relación de causalidad existente entre dos o más variables. Este estudio representa
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
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 detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
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 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 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 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 detallesPráctica 2. Hipótesis de investigación
Práctica 2. Hipótesis de investigación Teniendo en cuenta los resultados de la investigación anterior, un segundo equipo de investigadores diseña un nuevo fármaco para aumentar la extroversión. Han introducido
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
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 detallesTEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN
TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene
Más 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 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 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 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 detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesAGRO Examen Final. Nombre:
Examen Final Nombre: AGRO 5005 2012 Instrucciones: Apague celulares. Se descontarán 10 puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
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 detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
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 detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesGUIA DOCENTE ESTADISTICA
1 GUIA DOCENTE ESTADISTICA 1- Datos de identificación Asignatura: Estadística Carácter: Formación básica Titulación: Psicología Ciclo: Grado Curso: 1 Cuatrimestre: Anual Departamento: Metodología de las
Más detallesTema 15: Contrastes de hipótesis sobre algunos parámetros
ema 15: Contrastes de hipótesis sobre algunos parámetros 1. CORASE DE HIPÓESIS SOBRE LA MEDIA, Conocida Desconocida. CORASE DE HIPÓESIS SOBRE LA CORRELACIÓ, Bibliografía: ema 15 (págs. 379-4) Ejercicios
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 detallesAnálisis de datos en ciencias sociales y de la salud
Análisis de datos en ciencias sociales y de la salud Soluciones ejercicios volumen II Capítulo 1 1.1. La probabilidad de rechazar una hipótesis verdadera es la probabilidad de cometer un error Tipo I,
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
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 detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detalles14 horas. 20 horas
EJERCICIOS PROPUESTOS ANALISIS DE VARIANZA. Se realiza un ANOVA para comparar el tiempo que demora en aliviar el dolor de cabeza de varios tipos de analgésicos. Se obtiene como resultado un test observado
Más 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 detallesTEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA
TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,
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 detallesCONTRASTACIÓN DE HIPÓTESIS
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN ESCUELA DE POSTGRADO MAESTRIA EN DOCENCIA SUPERIOR E INVESTIGACIÓN UNIVERSITARIA ASIGNATURA: ESTADÍSTICA PARA LA INVESTIGACIÓN EDUCATIVA CONTRASTACIÓN
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 detallesTEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN
TEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN 1 MODELO LINEAL GENERAL applemodelo estadístico appledescribe una combinación lineal de los efectos aditivos que forman la puntuación
Más detallesAl nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).
A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesCLAVE Laboratorio 14: Diseño en bloques completos aleatorizados
CLAVE Laboratorio 14: Diseño en bloques completos aleatorizados 1. Digamos que estamos interesados en conducir un experimento para comparar los efectos de tres insecticidas diferentes en habichuela. Pensamos
Más 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 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 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 detallesPrueba de Hipótesis. Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional
Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea para la toma de decisión, es decir aceptar o rechazar el supuesto
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesPRÁCTICA 2: Ejercicios del capítulo 4
PRÁCTICA : Ejercicios del capíulo 4. Un psicólogo clínico desea evaluar la eficacia de una erapia para reducir la ansiedad de los ejecuivos que padecen esrés en la oma de decisiones empresariales. Para
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesCIS 0,234 en paro 0,226 0,431 0,192 0,151
MODELO C. Septiembre 2012 Calificación = (0,4 x Aciertos) (0,2 x Errores) SITUACIÓN 1: El barómetro del CIS de marzo de 2012 realizado en 240 municipios de 48 provincias señalaba que el 23,4% estaba en
Más detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesDepartamento de Estadística y Econometría. Curso EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2
Departamento de Estadística y Econometría. Curso 2002-2003 EJERCICIOS DE ESTADÍSTICA APLICADA A LA EMPRESA II. L.A.D.E. TEMA 2 1.- Una empresa de elaboración de materiales pone en práctica un nuevo método
Más detallesExamen Final. F.V. SC gl CM F p-valor Método Error Total
Examen Final Nombre: AGRO 5005 009 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Más detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
Más detallesGUIA DOCENTE. Curso Académico Licenciatura Administración y Dirección de Empresas
GUIA DOCENTE Curso Académico 2012-2013 1. ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA 1.1. Datos de la asignatura Tipo de estudios Licenciatura Titulación Administración y Dirección de Empresas Nombre
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detallesAGRO 5005 Examen Final 2013 Nombre: Número de estudiante:
AGRO 5005 Examen Final 2013 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial
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 sujetos cada uno. Los grupos difieren en la edad de los sujetos. Se muestra a cada sujeto una serie
Más detallesAGRO 5005 Examen Final 2014 Nombre: Número de estudiante:
AGRO 5005 Examen Final 04 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial
Más detallesRelación 3 de problemas
ESTADÍSTICA II Curso 2016/2017 Grado en Matemáticas Relación 3 de problemas 1. La Comunidad de Madrid evalúa anualmente a los alumnos de sexto de primaria de todos los colegios sobre varias materias. Con
Más detallesKIBBUTZ.ES. Si se pretende comprobar si la proporción de niños es igual a la de niñas en la población de la que proceden los datos:
Modelo C. Septiembre 015. No debe entregar los enunciados Fórmula de corrección: Aciertos (Errores / ) Material permitido: Formulario y cualquier tipo de calculadora en la que no se pueda introducir texto
Más detallesBioestadística y uso de software científico TEMA 7 COMPARACIONES DE MEDIAS: 3 O MÁS GRUPOS
Bioestadística y uso de software científico TEMA 7 COMPARACIONES DE MEDIAS: 3 O MÁS GRUPOS Hasta ahora... Tema Variable dependiente Variable independiente Test Tema 4 Categórica Categórica χ 2, McNemar
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 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 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 detalles