Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.
|
|
- Ángela Gil Figueroa
- hace 7 años
- Vistas:
Transcripción
1 Capítulo : Comparacón de varos tratamentos o grupos Muchas preguntas de nvestgacón en educacón, pscología, negocos, ndustra y cencas naturales tenen que ver con la comparacón de varos grupos o tratamentos. Ya estudamos como comparar dferencas entre dos tratamentos cuando las poblacones son ndependentes, ahora nos nteresa comparar más de dos poblacones. La pregunta de nterés del nvestgador será exsten dferencas sgnfcatvas entre las medas de los tratamentos? S comprueba que exsten dferencas sgnfcatvas, entonces le nteresará saber cuáles de las poblacones o tratamentos comparados son dferentes? Prmero necestamos saber cómo contestar la pregunta general. El procedmento para determnar s exsten dferencas sgnfcatvas entre varas poblacones o grupos se llama Análss de Varanza, y nos vamos a referr a él usando las letras ANOVA por Analyss of Varance, en nglés. ANOVA es un nombre genérco y se usa para una varedad nmensa de modelos de comparacón de medas, tambén conocdo como dseño de expermentos. Por ahora sólo hablaremos del ANOVA smple, de un factor, o de una vía (one way ANOVA), que se refere a la comparacón de medas de dos o más tratamentos. Vamos a llamar factor a una varable cualtatva que usaremos para desgnar a los grupos o tratamentos a comparar. Los nveles del factor serán el número de tratamentos o grupos. El análss de varanza es smlar al análss de regresón y en realdad los dos pertenecen a la gran famla de los modelos lneales. Los modelos lneales se caracterzan por nvestgar la relacón entre una varable respuesta cuanttatva y una o más varables explcatoras. Sn embargo el análss de varanza dfere del análss de regresón en que en el ANOVA las varables explcatoras son cualtatvas o factores. Lo que nos nteresa en el análss de varanza de una vía es extender el test t para dos muestras ndependentes, para comparar más de dos muestras. ANOVA smple, de un factor, de una vía (one way ANOVA) Caso : Un médco quere comparar la efectvdad de tres tratamentos para reducr el colesterol de pacentes con altos nveles de colesterol sanguíneo. Se asgnan aleatoramente 6 ndvduos a los tres tratamentos ( en cada uno) y se regstra la reduccón de colesterol de cada pacente. Caso : Una ecóloga está nteresada en comparar la concentracón de cadmo en 5 ríos. Recolecta 5 muestras de agua ( muestras en cada río) y mde la concentracón de cadmo. En cada uno de los casos, descrba: a) cuál es el dseño de la nvestgacón? b) cuál es la varable respuesta? c) cuál es el factor o varable explcatva? d) cuántos nveles tene cada factor? Estos dos casos tenen smltudes. En ambos tenemos una varable respuesta cuanttatva (reduccón del colesterol, concentracón de cadmo) medda en varas undades (personas y muestras de agua). Esperamos que la respuesta sea Normal en ambos casos. Queremos comparar varas poblacones, tres tratamentos en el caso y 5 ríos en el caso. El caso es un expermento en el cual los pacentes son El desarrollo de este tema de estudo se debe prncpalmente al trabajo de Sr Ronald Fsher, cuyas contrbucones a la estadístca, desde 9 hasta 96, tuveron una gran nfluenca en toda la estadístca moderna.
2 asgnados aleatoramente a los tratamentos. En el caso es un estudo observaconal smplemente se toman muestras de dstntos ríos. En ambos casos podemos usar el ANOVA para analzar los datos. El caso se analzará medante un análss de varanza de un factor con nveles. El caso se analzará medante un análss de varanza de un factor con 5 nveles. TOMATES Porqué las plantas de tomate crecen con dferente tamaño? Un agrcultor quere comparar el efecto de tres fertlzantes (A, B y C) en el crecmento de sus plantas de tomate. Selecconó plantas de tomate de una semana y las plantó en dferentes maceteros. Asgnó aleatoramente los fertlzantes y se los admnstró a las plantas por 45 días. La fgura adjunta muestra los resultados de la altura de las plantas (en cms) según cada fertlzante. Fgura: Altura de plantas, en centímetros, según tres tpos de fertlzantes. Qué ocurró con la altura de estas plantas? Las plantas de tomate son todas de la msma varedad y de la msma edad. Además recberon el msmo cudado. Qué razones hay para que las plantas crezcan a dferente altura? DATOS: Altura de plantas de tomates tratadas con dstntos fertlzantes: Fertlzante A B C De qué manera podríamos comparar estos tres tratamentos? La respuesta natural sería comparar cada par de tratamentos o grupos con una prueba t para muestras ndependentes. Sn embargo, no es correcto hacer pruebas t de Student entre todos los pares posbles de medas ya que se altera el nvel de sgnfcacón fjado para cada una de las pruebas. Específcamente, aumenta la probabldad de encontrar dferencas donde no exsten, es decr aumenta el Error Tpo I.
3 S tenemos grupos, son comparacones posbles. En el Ejemplo A con B, A con C y B con C. S tenemos 4 tratamentos el número posble de pares de pruebas sería 4 4!. El test de ANOVA 6 permte el estudo smultáneo de las dferencas con un nvel fjo de sgnfcacón. Problema de comparacones múltples S tenemos 4 grupos o tratamentos, necestamos hacer 6 test de hpótess: : µ µ : µ µ : µ µ : µ µ!! : µ µ 4 : µ µ α,5 α,5 α,5 : µ µ : µ µ : µ µ 4 : µ µ 4 4 : µ µ 4 : µ µ α,5 α,5 α,5 A medda que aumenta el número de grupos, no podemos garantzar que se mantenga el nvel de sgnfcacón. Para soluconar este problema es que hacemos prmero una pregunta global y dependendo del resultados segumos nvestgando pares de grupos. Comparando medas medante ANOVA: 4 Se tenen muestras aleatoras ndependentes N ( µ,σ ) N ( µ,σ ) N ( µ,σ ) m.a.s. m.a.s. tamaño tamaño n... n m.a.s. tamaño n Poblacón Poblacón Poblacón Tenemos una muestra aleatora smple de n observacones de una poblacón N ( µ,σ ). Tenemos una muestra aleatora smple de n observacones de una poblacón ( µ,σ )... Tenemos una muestra aleatora smple de n observacones de una poblacón ( µ,σ ) Las muestras aleatoras son ndependentes una de otra. N. N. Nota: La desvacón estándar poblaconal de cada grupo es gual a σ (homocedastcdad).
4 IPOTESIS GLOBAL Usaremos µ para representar la meda del grupo, entonces estaremos nteresados en docmar la sguente hpótess: : µ µ... Grafcamente podemos representar esta hpótess: µ : al menos dos medas no son guales o: las medas poblaconales son guales Normal : al menos una meda es dferente Normal Normal σ σ σ µ µ µ µ µ µ µ TOMATES contnuacón pótess de nterés: Con un nvel de sgnfcacón α,5 Datos: (Salda de SPSS) Altura de las plantas (cm) : µ µ µ : al menosdos medasno son guales. Intervalo de confanza para la meda al 95% N Meda Desvacón típca Error típco Límte nferor Límte superor Mínmo Máxmo A B C Total Notacón en las muestras (,,): n n y s n n y y y s s s 4
5 Fuentes de varacón El análss de varanza se defne como una técnca en la que la varabldad de un conjunto de datos se dvde en varos componentes y cada unos de ellos se asoca a una fuente específca de varacón, de manera que durante el análss es posble encontrar la magntud con la que contrbuye cada una de esas fuentes en la varacón total. El nombre ANOVA es porque para comparar las medas de los grupos o tratamentos necestamos dentfcar las dstntas fuentes de varabldad. La varabldad de la varable respuesta, sn referenca a nngún factor que la pudera estar afectando, se conoce como varabldad total. La varabldad de la varable respuesta que se atrbuye a factores específcos se conoce como varabldad explcada. Mde la varabldad entre los dferentes grupos. La varabldad de la varable respuesta de las undades (expermentales) dentro de cada nvel del factor se conoce como varabldad no-explcada. Se desprende que: Varabldad total varabldad explcada + varabldad no explcada En el ejemplo de los tomates dstnga las fuentes de varacón. Para docmar la hpótess global acerca de las medas usaremos el test estadístco F. Este test contrasta la varabldad entre los grupos con la varabldad que será natural dentro de los grupos. F varabldad ENTRE las medas muestrales varabldad DENTRO de las muestras Pensemos Caso A: S las medas muestrales son exactamente guales, cuál será el numerador del test F? Case B: S las medas muestrales son muy dstntas entre los grupos, como será la varabldad entre comparada con el caso A? Qué valores puede tener el estadístco F? F puede ser negatvo? Qué tpo de valores de F serán a favor de la hpótess alternatva? Medas cuadrátcas El test estadístco del ANOVA es la razón entre dos meddas de varacón de los datos muestrales. El test estadístco F compara la varacón entre los promedos de los grupos con la varacón natural dentro de los grupos. Formalmente estas dos meddas de varacón se llaman medas cuadrátcas, así en el numerador tendemos la meda cuadrátca entre los grupos (MCE) y en el denomnador la meda cuadrátca dentro de los grupos (MCD). varabldad ENTRE las medas muestrales F varabldad DENTRO de las muestras MCE MCD 5
6 Las dos meddas de varabldad en ANOVA, MCE y MCD tenen la msma forma. Suma de cuadrados (SC) Meda cuadrátca Grados de lbertad (gl) Entre más grande sea la varacón entre las medas muestrales comparada con la varacón natural dentro de las muestras, mayor evdenca a favor de dferencas entre las medas poblaconales. En vsta de que sólo valores grandes del test estadístco nos srven para rechazar la hpótess nula, los test F de ANOVA son unlaterales (de una cola) con la dreccón del extremo haca la derecha. El valor p será la probabldad de observar un test estadístco tan o más grande. Dstrbucón F de Fsher Bajo el test estadístco F que se calcula en el ANOVA tene una dstrbucón F de Fsher con (-, n-) grados de lbertad. Característcas: La dstrbucón es sesgada a la derecha Sus valores son postvos, empezan en cero y se extenden hasta nfnto La curva de la dstrbucón queda defnda por los grados de lbertad del numerador y del denomnador 6
7 GRAFICOS Se muestran dos gráfcos de caja. Cada uno representa el resultado de sacar muestras aleatoras ndependentes de tres poblacones normales. En cuál de los dos gráfcos cree usted que podemos rechazar la hpótess nula : µ µ µ? Respuesta Respuesta Grupo Grupo Grupo Grupo Grupo Grupo Cómo calculamos F? Cuando tenemos una muestra aleatora de una poblacón con varanza desconocda σ, vamos a estmar esta varanza con la varanza muestral s. La varanza muestral se calcula tomando la suma de los cuadrados de las desvacones a la meda y dvdendo por los grados de lbertad (n-). En este caso cada muestra aleatora, una por cada poblacones, tene su meda muestral y su varanza muestral representados por: y, y,..., y y s, s,..., s. Varacón ENTRE grupos: Bajo la hpótess nula, las medas poblaconales son guales. S la hpótess nula fuera certa, sería razonable promedar todas las observacones para tener una estmacón de la meda de la poblacón. La meda muestral común sería: n y + n y + L + n y y n La meda cuadrátca ENTRE los grupos o meda cuadrátca de los tratamentos se calcula como: SCE MCE donde la suma de cuadrados ENTRE (SCE) se calcula como: SCE n ( y y) + n ( y y) + L + n ( y y) n ( y y) ( tamaño muestra grupo)( meda muestral grupo meda muestral conjunta) grupos grupos 7
8 Varacón DENTRO de los grupos: Uno de los supuestos de ANOVA es que las poblacones tenen la msma varanza. Cada una de las varanza muestrales es un estmador de la varanza común σ, ndependente de s la hpótess nula es certa. Los grados de lbertad de cada varanza muestral es, n. La MCD esencalmente combna las varanza muestrales para obtener un estmador de σ. La meda cuadrátca dentro, es tambén llamada la meda cuadrátca del error. El denomnador del estadístco F es: MCD SCD n donde la suma de cuadrados DENTRO de los grupos se calcula: SCD ( n ) s + ( n ) s + + ( n ) s ( n ) L ( tamaño muestral grupo -)( varanza muestral grupo) grupos Note que esta cantdad es una extensón de la estmacón combnada de la varanza empleada para la prueba t de muestras: s grupos ( n ) s + ( n ) s + K + ( n ) p n + n + L + n Mdendo la varacón TOTAL: En ANOVA de una vía, la varanza total de todas las observacones esta dada por la suma de cuadrados total, SCT, que mde la varacón de cada observacón a la meda muestral de todas las observacones. s s SCT ( y j y) ( observacó n - meda muestral) observacones observacones La varacón total puede ser partconada entre las dos fuentes de varacón entre y dentro. La relacón entre las sumas de cuadrados es: SCT SCE + SCD. S se tenen dos de las sumas de cuadrados, se obtene la tercera fáclmente. 8
9 Tabla ANOVA Todo esto se resume en la tabla de Análss de Varanza, en que se presentan las fuentes de varacón, los grados de lbertad, las sumas de cuadrados y las medas cuadrátcas correspondentes: TABLA DE ANALISIS DE VARIANZA gl Fuente de varacón Grados de lbertad SC Suma de Cuadrados MC Medas cuadrátcas F Entre tratamentos SCE n ( y y) SCE F MCE MCD Dentro de tratamentos n SCD n ( ) n s SCD n Total n SCT n ( y j y) Salda SPSS para ANOVA TOMATES ANOVA Altura de las plantas (cm) Suma de cuadrados gl Meda cuadrátca F Sg. Inter-grupos Intra-grupos Total Realce los cálculos para docmar la hpotess de nterés del Sr. de los tomates. Compruebe sus resultados con tabla salda del SPSS. - Compruebe la relacón entre las sumas de cuadrados y la de los grados de lbertad. - Escrba su conclusón para el Sr. de los Tomates. Revsón de supuestos de ANOVA Los supuestos del ANOVA son exactamente los msmos que los de la prueba t para comparar dos grupos.. los grupos o tratamentos son ndependentes entre sí, por ejemplo en un dseño expermental, los tratamentos son asgnados a grupos de personas asgnados al azar. Este supuesto es parte del dseño expermental, o en caso de que el estudo sea observacones se verfca en los datos.. La dstrbucón de los resduos es Normal. En la práctca, esto mplca un problema sólo s se consdera que las poblacones tenen dstrbucones marcadamente asmétrcas y en dreccones opuestas. En general, la falta de En el lbro de opns & opns & Glass aparece una dscusón detallada sobre la verfcacón de supuestos pag
10 normaldad de los resduos no tene gran efecto en el nvel de sgnfcanca del test F (se dce que la prueba F es estadístcamente robusta). En otro capítulo hablaremos de una alternatva de análss cuando los resduos no son normales que se llama estadístca no paramétrca. En SPSS no obtenemos drectamente los resduos del ANOVA. Como alternatva vamos a verfcar el supuesto de Normaldad usando la varable respuesta en vez de los resduos. Se verfca normaldad hacendo gráfcos y test de hpótess. Para los resduos (respuesta) de cada tratamento construya un hstograma o tallo-y-hoja y verfque que no exsta un sesgo pronuncado. Para tamaños de grupos n pequeños, estos gráfcos serán de poca utldad. SPSS realza dos test estadístcos para verfcar normaldad, el test de Kolmogorov-Smrnov y el test de Shapro-Wl. El test de Kolmogorov-Smrnov es un test clásco y conocdo. El test de Shapro-Wl es más nuevo y recomendado para tamaños muestrales mayores a 5. En todo caso, se espera que las conclusones con cualquera de los dos test sean las msmas. La hpótess será: : los resduos provenentes del : los resduos provenentes del tratamento son normales tratamento NO son normales Por lo tanto s el valor p del correspondente test es mayor que,5 aceptamos la hpótess nula y conclumos que se cumple el supuesto de Normaldad. Note que en este caso especal la hpótess de nterés es la hpótess nula.. La varanza de cada una de las dstrbucones es la msma (homocedastcdad). El supuesto de homogenedad de varanza se verfca con el test de Levene, tal como vmos para el caso de comparar dos grupos. pótess Test Estadístco Dstrbucón bajo o σ σ L σ : :al menos una varanza dfere F F de Fsher con grados de lbertad (-, n-) S el valor p del test es mayor que,5 entonces aceptamos la hpótess nula y decmos que se cumple el supuesto de homocedastcdad. S el valor p fuera menor de,5 y entonces no se cumple el supuesto de homogenedad de varanza. En este caso ya no podremos usar el test F de ANOVA para comparar las medas o tratamentos, es decr no es aconsejable el análss paramétrco.
11 Salda SPSS para ANOVA TOMATES (contnuacón) Altura de las plantas (cm) Fertlzantes A B C *. Este es un límte nferor de la sgnfcacón verdadera. a. Correccón de la sgnfcacón de Lllefors Pruebas de normaldad Kolmogorov-Smrnov a Shapro-Wl Estadístco gl Sg. Estadístco gl Sg * * * Prueba de homogenedad de varanzas Altura de las plantas (cm) Estadístco de Levene gl gl Sg..6.4
12 Comparacones múltples En el ANOVA estamos tratando de comparar varos promedos poblaconales, es decr estamos hacendo comparacones múltples. El procedmento nos ndca que prmero hacemos un test global para saber s exsten dferencas en al menos uno los promedos. S la respuesta es negatva (es decr aceptamos la hpótess de que las medas son guales) no es necesaro, n útl, segur hacendo comparacones. Pero s los datos son estadístcamente sgnfcatvos, entonces la pregunta sguente es: cuáles medas o grupos dferen? El llamado problema de comparacones múltples se debe a que cuando tenemos más de dos grupos a comparar, aumenta el número de pares de comparacones y el nvel de sgnfcacón α establecdo ya no es,5 sno mayor. Exste controversa en este tema, pero las revstas de corrente prncpal en general requeren el uso de métodos de comparacones múltples al hacer un ANOVA en sus publcacones. Exsten dferentes métodos de comparacones múltples, prmero lo más smple sería realzar test t para cada par de medas, esto se conoce como contrastes y "están permtdos" cuando las comparacones a realzar han sdo pre-planeadas en el dseño o protocolo del estudo. Sn embargo, a pesar de poder justfcar como pre-planeadas o a- pror, los llamados métodos post-hoc son los más seguros. Los métodos de comparacones múltples o post-hoc nos permten comparar las medas con un nvel de sgnfcacón global de α,5. En este curso revsaremos los contrastes (a-pror) y el método de Tuey (post-hoc), SPSS realza muchos otros métodos que puderan ser útles y que sguen la msma flosofía de Tuey. Contrastes Realzar contrastes es equvalente a realzar test t para comparar medas de todos los posbles pares de combnacones: y y j t MCD + ( ) n n j Donde MCD es la meda cuadrátca dentro o la estmacón de la varanza poblaconal. En SPSS tenemos que ndcar cuales son los pares a comparar ndcándole cuales son los coefcentes de los contrastes. Cada contraste tene que sumar cero: Coefcentes de los contrastes Fertlzante Contraste A B C El contraste equvale a docmar la hpótess: µ µ + µ, es decr µ µ El contraste equvale a docmar la hpótess:, es decr El contraste equvale a docmar la hpótess:, es decr : : µ + µ µ : µ + µ µ : : µ µ : µ µ
13 Salda SPSS Pruebas para los contrastes Altura de las plantas (cm) Asumendo gualdad de varanzas No asumendo gualdad de varanzas Contraste Valor del contraste Error típco t gl Sg. (blateral) Test de Tuey El test de Tuey es bastante conocdo y aceptado en la lteratura. La prueba estadístca que utlza el método de Tuey es la estadístca de rango estudentzado, q, donde: q y y j MCD q ~ q(, n ) Exsten tablas para la estadístca de rango estudentzado pero no las vamos a necestar, usaremos los resultados de SPSS: Varable dependente: Altura de las plantas (cm) SD de Tuey (I) Fertlzantes A B C (J) Fertlzantes B C A C A B Comparacones múltples *. La dferenca de medas es sgnfcatva al nvel.5. Intervalo de confanza al 95% Dferenca de Límte medas (I-J) Error típco Sg. Límte nferor superor -9.* * * * Notar que el error estándar es el msmo, lo que camba es la dstrbucón que estamos usando como referenca, y por lo tanto camba el valor- p. SPSS nos entrega una tabla con el resumen de las comparacones:
14 SD de Tuey a Fertlzantes A C B Sg. Altura de las plantas (cm) Subconjunto para alfa.5 N Se muestran las medas para los grupos en los subconjuntos homogéneos. a. Usa el tamaño muestral de la meda armónca 5.. Una manera de presentar estos resultados es con el gráfco que muestra las medas de cada grupo y sus ntervalos de 95% de confanza. Nota fnal: - El método de Tuey es cas sempre bueno. - S se tenen muchos tratamentos, el método de Scheffe es el más conservador. - S se tene un grupo control con el cual se queren comprar los tratamentos, exste un método especal para ese caso, la prueba de Dunnet. 4
15 Pasos en ANOVA de un factor:. Descrbr los grupos y verfcar los supuestos, se recomenda una descrpcón numérca (promedo y error estándar) y descrpcón gráfca (box) Descrpcón gráfca de efecto de los fertlzantes en la altura de los tomates. Análss de los supuestos: Normaldad y omocedastcdad - Normaldad: Test de Kolmogorov-Smrnov y Shapro-Wls - omocedastcdad: Test de Levene a) S no se obtene normaldad, se pueden trasformar los datos o usar métodos no paramétrcos (otro capítulo). b) S no se obtene homogenedad de varanza: se pueden trasformar los datos o usar métodos no paramétrcos o realzar el Test de Welch (para comparar las medas). Tabla de ANOVA a) S F grande, valor p menor a,5 entonces: Test de comparacones múltples b) S valor p mayor a,5 quere decr que no hay dferencas estadístcamente sgnfcatvas entre los promedos y por lo tanto no hay más preguntas. Ver Aron & Aron capítulo 5 5
CAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más detallesInstituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm
Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesIN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco
Departamento de Ingenería Industral Facultad de Cs. Físcas y Matemátcas Unversdad de Chle IN540: Métodos Estadístcos para economía y gestón Profesores: Marcelo Henríquez, Felpe Avlés Auxlares: José Mguel
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesTema 9. Análisis de Varianza de un factor. Análisis de la Varianza (ANOVA) Conceptos generales
Tema 9 Análss de la Varanza (ANOVA) Conceptos generales La técnca del Análss de la Varanza consste en descomponer la varabldad de una poblacón (representada por su varanza) en dversos sumandos según los
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detalles1. Notación y tabulación
Tema 2: Descrpcón Unvarante. otacón y tabulacón 2. Descrpcón gráfca 3. Descrpcón numérca. Momentos estadístcos. Meddas de poscón. Meddas de dspersón v. Varable tpfcada v. Meddas de forma v. Meddas de concentracón
Más detallesEXPERIMENTOS ANIDADOS O JERARQUICOS NESTED
EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detalles16/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,
Más detallesa) DIAGRAMA DE DISPERSION
SIS 335 - A EJEMPLO.- Se ha recogdo datos de una localdad medante sendas encuestas sobre el consumo (Y) de productos de hogar y de la renta (X) de los consumdores consultados, obtenéndose los sguentes
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesRegresión múltiple k k
Métodos de Regresón Estadístca Ismael Sánchez Borrego Regresón múltple El modelo de regresón múltple es la extensón a k varables explcatvas del modelo de regresón smple estudado en el apartado anteror.
Más detallesDiseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesEl Impacto de las Remesas en el PIB y el Consumo en México, 2015
El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como
Más detallesUNIVERSIDAD DE CARABOBO FACULTAD DE INGENIERÍA ESTUDIOS BÁSICOS DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE CARABOBO FACULTAD DE INGENIERÍA ESTUDIOS BÁSICOS DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA MEDICIÓN DE LA POTENCIA DE PRUEBAS DE COMPARACIÓN MÚLTIPLE DE MEDIAS PARA EXPERIMENTOS DESBALANCEADOS
Más detallesComparación de Tasas. Ejemplo StatFolio: comparerates.sgp
STATGRAPHICS Rev. 9/4/2006 Comparacón de Tasas Resumen El procedmento Comparacón de Tasas esta dseñado para comparar las tasas observadas de un evento entre muestras. Este realza una prueba de dspersón
Más detallesHERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: ANOVA (PARTE I)
HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS DE DOS MUESTRAS: Módulo 13 APUNTES DE CLASE Profesor: Arturo Ruz-Falcó Rojas Madrd, Mayo 009 Pág. 1 Módulo 13. HERRAMIENTAS ESTADÍSTICAS-COMPARACIÓN DE MÁS
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
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 detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesModelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Unversdad Austral de Chle Escuela de Ingenería Comercal ICPM050, Econometría Clase 03 Modelo Lneal Múltple Profesor: Carlos R. Ptta Econometría, Prof. Carlos R. Ptta, Unversdad Austral de Chle. Análss
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesPrueba de Evaluación Continua
Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas
Más detallesPRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS 1. La Significación de Medias en Muestras Grandes
Departamento de Maneo Forestal FR00 SEMINARIO EN ESTADISTICA FORESTAL PRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS La Sgnfcacón de Medas en Muestras Grandes De las sesones anterores podemos entender
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística
ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta
Más detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesUNED. DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 5] Diseños con más de dos grupos independientes
0 UNED DSEÑOS DE NVESTGACÓN Y ANÁLSS DE DATOS [TEMA 5] Dseños con más de dos grupos ndependentes Índce 5..- ntroduccón 5..- Objetvos 5.3.- Conceptos báscos del ANOVA 5.4.- Fundamentos del ANOVA 5.5.- Análss
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesAplicación de modelos multiniveles: meta análisis y meta regresión. Aplicación de modelos multinivel
Aplcacón de modelos multnveles: meta análss y meta regresón Shrkant I. Bangdwala, PhD Profesor ttular Departamento de Boestadístca Lma Peru 01 1 Aplcacón de modelos multnvel Podemos utlzar la metodología
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesllamadas variables independientes, d e es, tomando valores en R las p+1 variables consideradas.
Análss de Regresón Lneal Mª Dolores Cubles de la Vega Departamento de Estadístca e Investgacón Operatva Unversdad de Sevlla El Análss de Regresón es un conjunto de técncas estadístcas cuyo objetvo es nvestgar
Más detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesSolución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal
Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
Más detallesDISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú
DISEÑO SEVERO PALACIOS C. SEVERO Consultor Metalúrgco espc@yahoo.com Lma Perú RESUMEN: Se ha desarrollado un nuevo dseño de mucha utldad para los procesos ndustrales al cual he denomnado Dseño Severo.
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesPrueba de Inferencia Estadística y Contraste de Hipótesis. 8 de octubre de 2012 GRUPO A
Prueba de Inferenca Estadístca y Contraste de Hpótess 8 de octubre de 01 GRUPO A 1.- Se ha observado un ángulo cnco veces, obtenéndose los sguentes valores: Se pde: 65º5 ; 65º33 ; 65º3 ; 65º8 ; 65º7 a)
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesResolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesModelos para más de una variable
1 Modelos para más de una varable Hasta ahora se han vsto dferentes modelos estadístcos para el caso de una sola magntud bológca medda. Pero en los expermentos es frecuente tratar el caso donde hay más
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesErratas y modificaciones
Erratas y modfcacones Págna 39 Tabla fnal: Dce: Expermental T Debe decr: Expermental T Págna 40 Tabla comenzo: Dce: T 0 Debe decr: T Dce: 3 T Debe decr: 3 T Págna 05 Párrafo : Debe qutarse el acento de
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesRegresión de Datos de Vida
Regresón de Datos de Vda Resumen El procedmento Regresón de Datos de Vda está dseñado para ajustar un modelo estadístco paramétrco relaconado con tempos de falla a una o más varables predctoras. Los predctores
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detalles