ESQUEMA GENERAL. Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto
|
|
- Teresa Nieto González
- hace 6 años
- Vistas:
Transcripción
1 TEMA IV
2 ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto DISEÑOS DE MEDIDAS REPETIDAS
3 Definición En el diseño medidas repetidas todos los sujetos de la muestra reciben todos los tratamientos. De este modo, el uso del procedimiento de medidas repetidas proporciona un control más efectivo de las fuentes de variación extrañas asociadas, por lo general, a las características individuales; es decir, se consigue una reducción de la varianza del error. Esto es así porque la variabilidad debida a las diferencias individuales es eliminada del error. De este modo, el diseño de medidas repetidas constituye una estructura más potente que los diseños completamente aleatorizados...//..
4 El principal problema de los diseños de medidas repetidas son los efectos de orden que se derivan de la propia estructura del diseño. Estos efectos deben ser neutralizados para que no confundan los efectos de los tratamientos.
5 Tipos de efectos de orden A) Efecto de período B) Efecto residual
6 Efecto de período Los efectos de período ocurren cuando, independientemente del tratamiento aplicado, el sujeto responde al período o posición que, en la secuencia, ocupa el tratamiento (período de administración). Cabe, por lo tanto, la posibilidad de que el sujeto responda mejor al período que al tratamiento en sí mismo. Cuando esto ocurre, el efecto de período confunde la acción del tratamiento. Solución: contrabalanceo o aleatorización de los tratamientos.
7 Efecto residual El efecto residual, conocido por error progresivo, se caracteriza por la persistencia de la acción de un tratamiento más allá del período o tiempo de aplicación. Representa la progresiva acumulación tanto de los efectos facilitadores de la respuesta (efecto de la práctica, aprendizaje, etc.) como de los efectos obstaculizadores (como la fatiga mental, cansancio físico, etc.)..//..
8 Cuando, como es frecuente en esos casos, se produce una persistencia del efecto del tratamiento anterior sobre el tratamiento siguiente, se corre el riesgo de que los efectos queden contaminados. Solución: Aumentar el intervalo de tiempo entre un tratamiento y el siguiente.
9 Clasificación De un grupo o muestra Simple (S x A) Factorial (S x A x B, S x A x B x C, etc.) Multigrupo o Factorial Mixto (S(A) x B)
10 Diseño simple de medidas repetidas
11 Estructura del diseño La estructura del diseño de medidas repetidas simple es similar al formato factorial de dos variables independientes. A diferencia del diseño factorial, la variable de sujetos no se manipula ya que se trata de un pseudo-factor. La variable de tratamiento está manipulada por el experimentador y se considera como un auténtico factor.
12 Ejemplo Se pretende estudiar el efecto de la frecuencia de tres tonos auditivos de igual intensidad (65 db) sobre el tiempo de reacción para identificar el tono. De la variable independiente se eligen tres valores: 300 cps. (condición A 1 ), 600 cps. (condición A 2 ) y 1200 cps. (condición A 3 )
13 Modelo de prueba de hipótesis Paso 1. Se asume, por hipótesis de nulidad, que los efectos de los tratamientos son nulos. Es decir, H 0 : µ 1 = µ 2 = µ 3
14 Paso 2. Según la hipótesis experimental o hipótesis de efectividad se asume que, uno o más tratamientos o efectos es significativo (distinto de cero). En términos estadísticos se afirma que: H 1 :µ 1 µ 2, oµ 1 µ 3, oµ 2 µ 3 Por lo menos una desigualdad
15 Paso 3. Se asume un modelo ANOVA de medidas repetidas. El estadístico de la prueba es la F normal, a un nivel de significación deα = El tamaño de la muestra experimental es N=n=3. Paso 4. El cálculo del valor empírico de F se realiza a partir de la correspondiente matriz de datos, una vez ejecutado el experimento.
16 Matriz de datos TONOS Sujeto A 1 A 2 A 3 medias medias
17 Modelo estructural del ANOVA de medidas repetidas Y ij = µ + η + α + i j ε ij
18 Descripción y supuestos Y ij = la puntuación del i sujeto bajo la j condición experimental o tratamiento µ = la media global de todos los datos del experimento η i =µ i µ=el efecto asociado al iésimo sujeto α j =µ j µ=el efecto de jésimo nivel de la variable de tratamiento A ε ij = el error experimental asociado al i sujeto bajo el j tratamiento..//..
19 Asimismo, para que el modelo sea válido, se asume que: a) η i NID(0,σ η ²) b) ε ij NID(0,σ ε ²) c) Σ = σ η ²11' + σ ε ²I
20 Cuadro resumen del ANOVA F.V. SC g.l CM F p Sujetos 3.42 (n-1)= >0.05 Tratamiento 9.49 (a-1)= >0.05 Residual 3.25 (n-1)(a-1)= Total an-1=8 F 0.95 (2/4) = 6.94
21 Modelo de prueba de hipótesis Paso 5. Dado que el valor empírico de F es menor que el teórico, se acepta la hipótesis de nulidad relativa a la variable de sujetos y a la de tratamiento, a un nivel del riesgo del cinco por ciento.
22 Condición de aplicación: Supuesto de esfericidad Esta condición requiere que las varianzas de las diferencias entre todos los pares de medidas repetidas sean iguales (prueba de esfericidad de Mauchley, 1940)
23 Prueba de esfericidad de Mauchly Medida: MEASURE_1 Efecto intra-sujetos FACTOR1 Prueba de esfericidad de Mauchly b Epsilon a Chi-cuadrado Greenhous W de Mauchly aprox. gl Sig. e-geisser Huynh-Feldt Límite-inferior,619,479 2,788,724 1,000,500 Contrasta la hipótesis nula de que la matriz de covarianza de error de las variables dependientes transformadas es proporcional a una matriz identidad. a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Diseño: Intercept Diseño intra sujetos: FACTOR1
24 Alternativas de análisis del diseño de medidas repetidas F normal Diseño de medidas repetidas ANOVA F ajustada MANOVA
25 Fórmulas para el cálculo de los grados de libertad Grados de libertad de F F normal F ajustada Numerador (a-1) ε(a-1) Denominador (n-1)(a-1) ε(n-1)(a-1) ε de Greenhouse y Geisser (1959)
26 ANOVA de medidas repetidas Pruebas de efectos intra-sujetos. Medida: MEASURE_1 Fuente FACTOR1 Error(FACTOR1) Esfericidad asumida Greenhouse-Geisser Huynh-Feldt Límite-inferior Esfericidad asumida Greenhouse-Geisser Huynh-Feldt Límite-inferior Suma de cuadrados Media tipo III gl cuadrática F Sig. 9, ,743 5,832,065 9,487 1,448 6,550 5,832,097 9,487 2,000 4,743 5,832,065 9,487 1,000 9,487 5,832,137 3,253 4,813 3,253 2,897 1,123 3,253 4,000,813 3,253 2,000 1,627
27 Diseño factorial de medidas repetidas
28 Sujetos Formato del diseño factorial de medidas repetidas, S x A x B Tratamientos A 1 A 2 A j B 1 B k B 1 B k B 1 B k Medias S 1 Y Y 11k Y Y 12k Y 1j1.. Y 1jk Y 1.. S 2... Y Y 22k Y Y 22k Y 2j1.. Y 2jk Y S n Medias Y n11.. Y n1k Y n21.. Y n2k Y nj1.. Y njk Y Y. 12 Y Y. 2k Y. j1.. Y. jk Y n.. Y
29 Diseño factorial mixto
30 Estructura del diseño El diseño factorial mixto combina, en un mismo experimento, el procedimiento de grupos independientes y el procedimiento con sujetos de control propio. Se trata de un diseño donde están presentes, por lo menos, dos variables independientes: una variable entre o de agrupación y una variable intra o de medidas repetidas
31 Ejemplo Un experimentador pretende estudiar el efecto que sobre la memoria icónica tienen dos variables: campo pos-exposición y tiempo de presentación. De la variable entre, selecciona dos valores: campo pos-exposición brillante (A 1 ) y campo pos-exposición oscuro (A 2 ). De la segunda intra, elige cuatro valores: B 1 = 45 c/sg, B 2 = 90 c/sg, B 3 = 180 c/sg, y B 4 = 240 c/sg...//..
32 Para ejecutar este experimento, confecciona tarjetas donde aparecen letras consonantes, seleccionadas al azar y las dispone en matrices 3 x 4. La tarea a realizar por los sujetos consiste en identificar, de forma correcta, la máxima cantidad de letras. A su vez, decide que cada sujeto ejecute 40 ensayos (diez tarjetas por tiempo de presentación). La variable dependiente es la cantidad de identificaciones correctas en bloques de 10 ensayos.
33 Matriz de datos DISEÑO FACTORIAL MIXTO TRATAMIENTOS Nº Suj. B 1 B 2 B 3 B 4 TOTALES Suj. V.A A A TOTALES
34 Modelo de prueba estadística Paso 1. Formulación de las hipótesis de nulidad: H 0 : α 1 = α 2 = 0 H 0 : ß 1 = ß 2 = ß 3 = ß 4 = 0 H 0 : αß 11 = αß 12 = αß 13 = αß 14 = αß 21 = αß 22 = αß 23 = αß 24 = 0
35 Paso 2. A cada hipótesis de nulidad está asociada la siguiente hipótesis alternativa: H 1 : por lo menos una desigualdad
36 Paso 3. Se asume el modelo ANOVA de medidas repetidas. El estadístico de la prueba es la F normal (bajo el supuesto de homogeneidad y simetría), con un nivel de significación de α = El tamaño de la muestra experimental es N = an = 8 y la cantidad de observaciones abn = 32. Paso 4. Se calcula el valor empírico de F a partir de la correspondiente matriz de datos del experimento.
37 Modelo estructural del diseño Y ijk = µ + [α j + η i/j ] + [β k + (αβ) jk + (ηβ) ik/j ] + ε ijk
38 ANOVA de medidas repetidas y supuestos Y ijk = la puntuación del i sujeto bajo el j valor A y el k valor de B µ = la media común a todos los datos del experimento α j = es el efecto de j nivel de la variable A η i/j = el efecto asociado al i sujeto dentro de j nivel de A ß k = el efecto del k nivel de B (αß) jk = el efecto de la interacción de A j y B k (ηß) ik/j ε ijk = el efecto de la interacción de S i y B k, intra A j = el error de medida..//..
39 Dado que sólo hay un dato por casilla combinación de S, A y B, no hay variabilidad intra-casilla, Así, SxB/A estima la varianza del error. Se asume que: a)η i NID(0,σ η ²) b) (ηß) ik/j NID(0,σ η ß²) b)ε ijk NID(0,σ ε ²)
40 Prueba de esfericidad de Mauchly Medida: MEASURE_1 Efecto intra-sujetos FACTOR1 Prueba de esfericidad de Mauchly b Epsilon a Chi-cuadrado Greenhous W de Mauchly aprox. gl Sig. e-geisser Huynh-Feldt Límite-inferior,783 1,157 5,950,888 1,000,333 Contrasta la hipótesis nula de que la matriz de covarianza de error de las variables dependientes transformadas es proporcional a una matriz identidad. a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Diseño: Intercept+VA Diseño intra sujetos: FACTOR1
41 Modelo de prueba estadística Paso 5. De los resultados del análisis, se infiere la aceptación de la hipótesis de nulidad para la variable A y su no-aceptación para la variable B y la interacción AxB, con una probabilidad de error del 5 por ciento.
42 Factor intra-sujetos Pruebas de efectos intra-sujetos. Medida: MEASURE_1 Fuente FACTOR1 FACTOR1 * VA Error(FACTOR1) Esfericidad asumida Greenhouse-Geisser Huynh-Feldt Límite-inferior Esfericidad asumida Greenhouse-Geisser Huynh-Feldt Límite-inferior Esfericidad asumida Greenhouse-Geisser Huynh-Feldt Límite-inferior Suma de cuadrados Media tipo III gl cuadrática F Sig. 878, ,875 37,723, ,625 2, ,852 37,723, ,625 3, ,875 37,723, ,625 1, ,625 37,723,001 95, ,708 4,084,022 95,125 2,664 35,712 4,084,028 95,125 3,000 31,708 4,084,022 95,125 1,000 95,125 4,084, , , ,750 15,982 8, ,750 18,000 7, ,750 6,000 23,292
43 Factor entre-sujetos Medida: MEASURE_1 Variable transformada: Promedio Fuente Intercept VA Error Pruebas de los efectos inter-sujetos Suma de cuadrados Media tipo III gl cuadrática F Sig , , ,274,000 91, ,125,846, , ,708
44 Medias de grupos de tratamiento B 1 B 2 B 3 A B 4 A
45 Gráfico de interacción A1 (Campo brillante) A2 (Campo oscuro) B2 (90c/sg) B3(180c/sg) B4(240c/sg) B1 (45c/sg) Identificaciones correcta
ESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS
TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño de medidas parcialmente repetidas DISEÑOS DE MEDIDAS REPETIDAS Definición
Más detallesCAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS
CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular
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 detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
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 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 detallesANEXO I. ANÁLISIS DE LA VARIANZA.
ANEXO I. ANÁLISIS DE LA VARIANZA. El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias. Cuando se quiere comparar más de dos medias es incorrecto utilizar
Más detallesEJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS
EJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS Las soluciones a estos ejercicios y los outputs del SPSS se encuentran al final. EJERCICIO 1. Comparamos dos muestras de 10
Más detallesEsquema (1) Análisis de la Varianza y de la Covarianza. ANOVA y ANCOVA. ANOVA y ANCOVA 1. Análisis de la Varianza de 1 Factor
Esquema (1) Análisis de la arianza y de la Covarianza ANOA y ANCOA 1. (Muestras independientes). () 3. Análisis de la arianza de Factores 4. Análisis de la Covarianza 5. Análisis con más de Factores J.F.
Más detallesPRÁCTICA 3: Ejercicios del capítulo 5
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
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesDISEÑO Diagrama Características Ventajas Estadísticos
Diseño con post prueba únicamente y grupo control R G 1 X O 1 R G 2 O 2 Grupo que recibe tratamiento y un grupo control. Manipulación de la VI; Presencia o Ausencia. Grupos de comparación, es decir, manipulando
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesDISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA
2011 UNED DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 7] Diseños con más de dos grupos independientes. Análisis de varianza con dos factores completamente aleatorizados 1 Índice 7.1 Introducción...
Más detallesVARIANTES EN EL DISEÑO DE LOS ENSAYOS CLÍNICOS CON ASIGNACIÓN ALEATORIA. Sandra Flores Moreno. AETSA 21 de Diciembre de 2006
VARIANTES EN EL DISEÑO DE LOS ENSAYOS CLÍNICOS CON ASIGNACIÓN ALEATORIA Sandra Flores Moreno. AETSA 21 de Diciembre de 2006 VARIANTES EN EL DISEÑO DE ENSAYOS CLÍNICOS CON ASIGNACIÓN ALEATORIA *INTRODUCCIÓN
Más detallesEJERCICIOS DE DISEÑO DE INVESTIGACIÓN EXPERIMENTAL (Práctica)
EJERCICIOS DE DISEÑO DE INVESTIGACIÓN EXPERIMENTAL (Práctica) Curso 1999/000 Contenido: i) Respuestas ejercicios apuntes teoría ii) 8 Ejercicios prácticos (resueltos) Prof. Manuel Perea RESPUESTAS A LOS
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesCapítulo 16 Análisis de varianza con medidas repetidas: El procedimiento MLG: Medidas repetidas
Capítulo 6 Análisis de varianza con medidas repetidas: El procedimiento MLG: Medidas repetidas Los modelos de análisis de varianza (ANOVA) con medidas repetidas (MR) sirven para estudiar el efecto de uno
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
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 detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
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 detallesObjetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis
Objetivos del tema Conocer el proceso para contrastar hipótesis y su relación con el método científico. Diferenciar entre hipótesis nula y alternativa Nivel de significación Test de Hipótesis Introducción
Más detallesLos modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:
Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE --------------------------------------------------------- 1. Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesAPLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES
APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES Autores Alberto Gallegos Araya, Ramon Araya Gallardo Departamento Mecánica. Universidad de Tarapacá. 8 Septiembre Arica -e-mail: gallegos@uta.cl
Más detallesLAB 13 - Análisis de Covarianza - CLAVE
LAB 13 - Análisis de Covarianza - CLAVE Se realizó un experimento para estudiar la eficacia de un promotor de crecimiento en terneros en lactación. Se usaron cuatro dosis de la droga (0, 2.5, 5 y 7.5 mg).
Más detallesPráctica 9: Anova (2).
Práctica 9: Anova (2) Dedicamos esta práctica al estudio de modelos bifactoriales del análisis de la varianza Veremos concretamente diseños bifactoriales con y sin interacción, diseño por bloques al azar
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ
ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ Presentado a: MARIA ESTELA SEVERICHE CORPORACION UNIVERSITARIA
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detalles1. CURSO: ESTADÍSTICA DESCRIPTIVA Y NOCIONES DE ESTADÍSTICA INFERENCIAL. 2. EN EL MARCO DE ACTIVIDADES DE POSGRADO: Acreditado para Doctorado.
1. CURSO: ESTADÍSTICA DESCRIPTIVA Y NOCIONES DE ESTADÍSTICA INFERENCIAL 2. EN EL MARCO DE ACTIVIDADES DE POSGRADO: Acreditado para Doctorado. 3. PERIODICIDAD: Anual 4. DIRECTORAS: Dra. Teresita Terán CODIRECTORA:
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesManual de psicología experimental
Juan Pascual Llobell María Dolores Frías Navarro José Fernando García Pérez Universitat de València Manual de psicología experimental Metodología de investigación Ariel Psicología, 199 1 Capítulo III
Más detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Más detallesMarco de referencia. a) Es útil saber si la estrategia de tratamiento sin un. biológico (menos costosa), tiene mejor o igual eficacia
Marco de referencia a) Es útil saber si la estrategia de tratamiento sin un biológico (menos costosa), tiene mejor o igual eficacia que la estrategia con un biológico en AR temprana. b) No hay estudios
Más detallesEXPERIMENTACIÓN. Eduardo Jiménez Marqués
EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesEstadística Espacial en Ecología del Paisaje
Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detalles10. DISEÑOS EXPERIMENTALES
10. DISEÑOS EXPERIMENTALES Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Diseños Experimentales de Clasificación Simple En un diseño experimental
Más detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detallesFactores no controlables
Acepto la Ho y ιj μ α ι β j ε ιj Dr. Alfredo Matos Ch. Universidad Peruana Unión amatosch@upeu.edu.pe Factores Controles Entradas PROCESO FUNCION ACTIVIDAD Salidas Factores no controlables 2 1 Se entiende
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesPrograma de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso.
Programa de Statgraphics TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. AUTOR: JUAN VICENTE GONZÁLEZ OVANDO ANALISIS Y CALCULOS A) Planteamos los
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detalles1.- Test de hipótesis de normalidad. 2.- Test de hipótesis para una proporción 6-1
Estadística º curso l Grado en Ciencias la Actividad Física y el Deporte Estadística º Curso l Grado en Ciencias la Actividad Física y el Deporte ---o0o--- Tests hipótesis con una y dos muestras Bioestadística
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 detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesFACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES CRIVISQ
PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES EDU DUARDO CRIVISQ RIVISQUI PRESENTACIÓN DE LOS MÉTODOS DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES
Más detallesDiseños de Investigación 40 conceptos que debes conocer
Diseños de Investigación 40 conceptos que debes conocer 1. El método científico: Se puede realizar desde dos enfoques distintos, hipotético deductivo y analítico inductivo. Con frecuencia los dos ocurren
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesMuestreo e inferencia
Images created with STATA software. 1 Muestreo e inferencia Calidad de los datos y las mediciones Razones para hablar de muestreo Formación académica de la población Comprender los datos que se van a utilizar
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
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 detalles2. Análisis de varianza
1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una
Más detallesMaterial del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez
Curso de Análisis de investigaciones con programas Informáticos 1 UNIVERSIDAD DE JAÉN Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos
Más detallesCapitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS
Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS INTRODUCCIÓN En el mundo real, tanto en las relaciones económicas como en las políticas o sociales, son muy frecuentes las situaciones en las que, al
Más detallesPrácticas y problemas de diseño de experimentos.
Capítulo 1 Prácticas y problemas de diseño de experimentos. 1.1. Problemas de diseño de experimentos con ordenador. Problema 3.1. Datos apareados. El Ministerio de Trabajo desea saber si un plan de seguridad
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesCONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS
CONTENIDOS Y CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 1º DE ESO. Bloque 1: Contenidos Comunes Este bloque de contenidos será desarrollado junto con los otros bloques a lo largo de todas y cada una de las
Más detallesEJERCICIOS DE ESTADÍSTICA:
EJERCICIOS DE ESTADÍSTICA: 1º/ Una biblioteca desea estimar el porcentaje de libros infantiles que posee. La biblioteca está compuesta de 4 salas (orte, Sur, Este y Oeste) con 2500, 2740, 4000 y 6900 libros,
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesRepresentación en el espacio de estado. Sistemas Control Embebidos e Instrumentación Electrónica UNIVERSIDAD EAFIT
Representación en el espacio de estado Representación en espacio de estado Control clásico El modelado y control de sistemas basado en la transformada de Laplace, es un enfoque muy sencillo y de fácil
Más detallesDIPLOMADO EN ESTADÍSTICA APLICADA
DIPLOMADO EN ESTADÍSTICA APLICADA DIPLOMADO EN ESTADÍSTICA APLICADA FUNDAMENTACIÓN El Diplomado en Estadística Aplicada posibilitará la actualización profesional y el desarrollo de competencias específicas
Más detallesObjetivo. variables factores F Principios básicos. Parsimonia Interpretabilidad
ANÁLISIS FACTORIAL 1. Introducción 2. Examen de la matriz de correlación 3. Extracción de los factores 4. Rotación de los factores 5. Puntuaciones factoriales 6. Caso práctico Introducció Objetivo. Resumir
Más detallesDeterminantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A).
Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno a 11 = a 11 5 = 5 Determinante
Más detallesINTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS
INTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS CONTENIDOS APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL... 2 1. Probabilidad...
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesDiseño completamente aleatorizado: análisis de la varianza con un solo factor.
Tema 4 Diseño de experimentos Introducción. Qué es el diseño experimental? Diseño completamente aleatorizado: análisis de la varianza con un solo factor. Diseño en bloques aleatorizados. Diseño factorial
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesCAPÍTULO 10 DISEÑOS EXPERIMENTALES
CAPÍTULO 10 DISEÑOS EXPERIMENTALES 10.1 Diseños Experimentales de Clasificación Simple En un diseño experimental de clasificación simple, se trata de comparar varios grupos generalmente llamados Métodos
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesUNIVERSIDAD ABIERTA PARA ADULTOS UAPA ESCUELA DE POSTGRADO MAESTRÍA EN CIENCIAS DE LA EDUCACIÓN MENCIÓN GESTION DE CENTROS EDUCATIVOS
UNIVERSIDAD ABIERTA PARA ADULTOS UAPA ESCUELA DE POSTGRADO MAESTRÍA EN CIENCIAS DE LA EDUCACIÓN MENCIÓN GESTION DE CENTROS EDUCATIVOS PROGRAMA DE LA ASIGNATURA METODOLOGÍA DE LA INVESTIGACIÓN EDUCATIVA
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detalles