ANOVA mul)factorial. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
|
|
- Lucas Alvarado Caballero
- hace 6 años
- Vistas:
Transcripción
1 ANOVA mul)factorial Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
2 Se puede examinar más de un factor simultáneamente (ANOVA de 2 factores, de 3 factores, etc.) Por qué un único análisis para dos factores, en vez de dos análisis separados? eficacia disminuir la probabilidad de cometer un error Tipo I mayor información (efecto combinado de los factores)
3 R3 Ejemplo de diseño de 2 factores: Hipótesis 1: la abundancia total de los peces litorales mediterráneos responde a la protección pesquera en las reservas marinas R1 R2 Hipótesis 2: pueden haber diferencias regionales de abundancia, achacables a variaciones puramente espaciales (debidas a otros factores además de la protección)
4 Tenemos dos factores experimentales: nivel de protección P P NP p = 2 región R réplicas R1 R2 R3 R1 R2 R3 R1 R2 R3 r = 3 n = 3 P n n n NP n n n DISEÑO ORTOGONAL
5 Diseño ortogonal Buscamos explorar más de un factor experimental simultáneamente y en combinación Cada nivel de un factor está presente en el experimento en combinación con cada nivel del otro factor (ortogonalidad) Debemos asegurar la ortogonalidad con el fin de investigar las interacciones entre factores R1 R2 P NP P NP R3
6 Diseños Factoriales Mas de un factor a la vez Diseño Factorial Los efectos de un factor deben tener en cuenta los efectos de otros factores. (mas real) Cada observación proporciona información sobre todos los factores Son experimentos mas eficientes Se pueden estudiar las respuestas de un factor en diferentes niveles de otro Cuando los efectos de dos o mas factores no son independientes Interacción
7 Análisis para 2 factores Posibles efectos de un factor Efecto: Es un cambio en la respuesta medida ocasionado por un cambio en el nivel de ese factor Efectos Simples: comparaciones entre niveles de un factor (contrastes) Efectos principales: de un factor son comparaciones entre los niveles de un factor promediados para todos los niveles de otro factor Efectos de Interacción: son las diferencias entre efectos simples
8 Ejemplo para Diseño factorial 2 x 2 B A B1 B2 Medias del Factor A A EFECTO SIMPLE A EFECTO PRINCIPA Medias del Factor B
9 Ejemplo para Diseño factorial 2 x 2 Efectos Simples: (para factor A) l 1 = µ 21 - µ 11 = = -3 l 2 = µ 22 - µ 12 = = 37 B A B1 B2 Medias del Factor A A A Medias del Factor B Ef. simple Ef. princ Efectos principales: (promedio de los dos efectos) l 3 = µ 2. - µ 1. = = 17 Efectos de Interacción: Ef. simple B1 B2 l 4 = l 2 - l 1 = 37 (-3) = 40 A1 A2
10 Y el efecto del error aleatorio cómo se mide? B A B1 B2 Medias del Error aleatorio r 1 A1 68 r r n A Factor A EFECTO PRINCIPA Medias del Factor B
11 Diseño ortogonal Cuándo un factor es fijo? Y cuándo es aleatorio? Ejemplos: Niveles de protección, Regiones, Estaciones, Años, etc. Un factor será fijo si nos interesa saber si existen subconjuntos homogéneos (hacer un contraste a posteriori). En otro caso, será aleatorio. El análisis con factores fijos es más potente, pero requiere más análisis a posteriori, no siempre justificado y no siempre racional.
12 Hipótesis nula: Diseño ortogonal H 01 : µ 1 = µ 2 = = µ i = = µ a 2º) Efectos de los factores H 02 : µ 1 = µ 2 = = µ j = = µ b Ef. de la 1º) H 03 : las diferencias entre niveles del factor A son independientes de Interacción las diferencias entre niveles del factor B En nuestro ejemplo: H 01 : µ 1 = µ 2 = µ 3 H 02 : µ 1 = µ 2 H 03 : las diferencias entre niveles del factor P son independientes de las diferencias entre niveles del factor R
13 Diseño ortogonal Modelo lineal: X ijk = µ + A i +B j + AB ij + e k(ij) Aditividad y Efectos de los factores: Si no hubiera interacción µ ij = µ.. + α i + β j Siendo: α i = µ i. - µ.. X β j = µ.j - µ.. Los Efectos de los factores son aditivos en ausencia de Interacción
14 Diseño ortogonal Modelo lineal: X ijk = µ + A i +B j + AB ij + e k(ij) Si no hubiera interacción X
15 Diseño ortogonal Modelo lineal: Si existe la interacción X ijk = µ + A i +B j + AB ij + e k(ij) µ ij = µ.. + α i + β j + αβ ij αβ ij = (µ ij - µ.. ) - (µ i. - µ.. ) - (µ.j - µ.. ) αβ ij = (µ ij - µ i. - µ.j + µ.. ) Suma de Cuadrados para los efectos de los factores Σ Σ Σ(y ijk y ) 2 = r Σ Σ(y ij. y ) 2 + Σ Σ Σ(y ijk y ij. ) 2 a b r SC Total SC Trat. SC Error
16 Diseño ortogonal Modelo lineal con interacción: X ijk = µ + A i +B j + AB ij + e k(ij) Prueba de NO Aditividad Ho: (αβ) ij = µ ij µ i. µ.j + µ.. = 0 H 1 : (αβ) ij = µ ij µ i. µ.j + µ.. 0 F interacción = CM(AB) / CME 1 F crítico
17 Diseño ortogonal Modelo lineal con interacción: X ijk = µ + A i +B j + AB ij + e k(ij)
18 Diseño ortogonal Importancia de definir si los factores considerados son fijos o aleatorios: Matemáticamente se puede demostrar que el 2º término del estimador de la SC es 0 cuando el factor es fijo, puesto que AB ij = 0 En cambio, cuando uno de los factores (p.ej. B) es aleatorio, los valores B j constituyen una muestra de todos los posibles valores, y el sumatorio de las interacciones será 0 En nuestro ejemplo? Nivel de protección: FIJO Región: ALEATORIO
19 Diseño ortogonal: Fuente de var. g.l. Est. MC A B AB Residual Total A B AB Residual Total (a 1) (b 1) (a 1) (b 1) ab(n 1) abn 1 (a 1) (b 1) (a 1) (b 1) ab(n 1) abn 1 σ 2 e + nσ 2 AB + bnk 2 A σ 2 e + anσ 2 B σ 2 e + nσ 2 AB σ 2 e σ 2 e + bnk 2 A σ 2 e + ank 2 B σ 2 e + nk 2 AB σ e 2 A fijo B aleatorio A fijo B fijo A B AB Residual Total (a 1) (b 1) (a 1) (b 1) ab(n 1) abn 1 σ e 2 + nσ 2 AB + bnσ2 A σ 2 e + nσ 2 AB + anσ2 B σ 2 e + nσ 2 AB σ 2 e A aleatorio B aleatorio (distancia entre g.l.)
20 Diseño ortogonal: Comparaciones múltiples a posteriori (p.ej. SNK, Bonferroni,Tukey) H 0 no se rechaza (Test no significativo) Se rechaza H 0 (Test significativo) 95% family-wise confidence level 95% family-wise confidence level Lago4-Lago3 Lago3-Lago2 Lago3-Lago Lago4-Lago3 Lago3-Lago2 Lago3-Lago Differences in mean levels of grupo Differences in mean levels of grupo
21 Diseño ortogonal: Comparaciones múltiples a posteriori Problema de la multiplicidad de tests Si tenemos 6 test T simultáneos se incrementa el error Tipo I Solución: corrección de Bonferroni α B = 0,05 / 6 = 0,00833
22 Diseño ortogonal: Comparaciones múltiples a posteriori A x B ns A * B * SNK para A (bn casos) SNK para B (an casos) ANOVA A x B * SNK para todas las combinaciones de A y B STOP
23 Diseños ortogonales No hay límites matemáticos a la adición de factores ortogonales; ej: X ijkl = µ + A i + B j + C k + AB ij + AC ik + BC jk + ABC ijk + e l(ijk) 8 combinaciones de tipos de factores: fff ffa faf aff faa afa aaf aaa Los límites están en imaginar las hipótesis subyacentes interpretar las interacciones
Diseños Factoriales. Diseño de experimentos p. 1/18
Diseños Factoriales Diseño de experimentos p. 1/18 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más 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 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 detallesModelos mixtos. Diseño de experimentos p. 1/26
Modelos mixtos Diseño de experimentos p. 1/26 Introducción Cuando en la estructura de tratamientos de un experimento se tienen tanto factores fijos como aleatorios, el modelo que describe tales experimentos
Más detallesTest ANOVA. Prof. Jose Jacobo Zubcoff 1 ANOVA ANOVA. H 0 : No existen diferencias entre los k niveles H 1 : La hipótesis nula no es cierta
Test Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) H 0 : No existen diferencias entre los k niveles H : La hipótesis nula no es cierta Parte de
Más detallesEstadística. Análisis de la varianza de un factor (ANOVA) Tests a posteriori. Prof, Dr. Jose Jacobo Zubcoff
Análisis de la varianza de un factor () Tests a posteriori Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Ejemplo de problema a resolver: Uno de los focos de contaminación
Más detallesTema IX. El diseño experimental
9.1. El problema: - Necesidades Prácticas:. Tiempo y recursos limitados. Obtención de resultados claros y repetibles - Esfuerzo experimental versus diseño experimental:. Metodológico. Estadístico 1 9.2.
Más detallesESQUEMA 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 detallesDiseño de Experimentos
Diseño de Experimentos M. en E. Patricia I. Romero Mares Departamento de Probabilidad y Estadística IIMAS-UNAM Cursos PUMA Análisis estadísticos para proyectos de investigación ambiental 30 julio a 3 agosto
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 detallesTema IV. EL ANOVA de un factor
4.1. La estrategia del Análisis de varianza: - Los test t múltiples (múltiples tratamientos); corrección a posteriori - La mejora del ANOVA: necesidad de análisis a posteriori C Test t A versus B A versus
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 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 detallesIdeas básicas del diseño experimental
Ideas básicas del diseño experimental Capítulo 4 de Analysis of Messy Data. Milliken y Johnson (1992) Diseño de experimentos p. 1/23 Ideas básicas del diseño experimental Antes de llevar a cabo un experimento,
Más detallesDiseño 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 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 detallesAsignación 5. Problema 1
Asignación 5 Problema 1 Consider the four factor factorial experiment where factor A is at a levels, factor B is at b levels, factor C is at c levels, factor D is at d levels, and there are n replicates.
Más detallesIDE y Análisis de datos
IDE y Análisis de datos Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Presentación Objetivos Metodología Introducción IDE y Análisis de datos 1 Planeación de la investigación Proceso
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 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 detallesDISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos
DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN Los diseños en bloques utilizan una restricción en la aleatorización. Los cuadrados latinos utilizan dos restricciones en la aleatorización.
Más 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 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 detallesContrastes de hipótesis. 1: Ideas generales
Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesIntroducción a la Inferencia Estadística
Introducción a la Inferencia Estadística Prof. Jose Jacobo Zubcoff Universidad de Alicante 2008 1 Introducción En este tema explicaremos los contrastes para la media de una población normal. e estudiarán
Más detallesModelo de diseños factoriales y diseños 2 k
Modelo de diseños factoriales y diseños 2 k Introducción En el tema anterior se analizaron la posible influencia de un factor sobre la variable respuesta, aleatorizando las observaciones para eliminar
Más detallesBiometría II / Diseño de Medidas Repetidas
Grupo_1 (Morfina) Grupo_2 (Trimetafan) Basal 1min 3 min S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 S 1 S 2 S 3.. S 8 VRIBLE RESPUEST: UNIDD EXPERIMENTL: FCTORES
Más detallesESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta
Más detallesRepaso de Conceptos Estadísticos Básicos CONCEPTOS PREVIOS:
Repaso de Conceptos Estadísticos Básicos CONCEPTOS PREVIOS: PARÁMETROS: Valores que definen la distribución de una o más variables en una población. Se representan con caracteres griegos Ejemplos: Media
Más detallesDiferentes tamaños de u.e. Diseño de experimentos p. 1/24
Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Introducción Los diseños experimentales que tienen varios tamaños de u.e. son: diseños de mediciones repetidas, diseños de parcelas divididas,
Más detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
Más detallesExperimento Gauge R & R.
Experimento Gauge R & R. Este tipo de experimento se usa para estudiar los componentes de variabilidad en un sistema de medida. Los componentes de usual interés son repetibilidad y reproducibilidad. La
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 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 detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
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 I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
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 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 detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más 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 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 detallesPROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL
1 PROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL Prof.: MSc. Julio R. Vargas A. I. INTRODUCCION El presente trabao está orientado a aplicar los conocimientos de estadística inferencial a un caso práctico
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 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 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 detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
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 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 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 detallesESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO. Resumen
ESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO RIVAS C., Gerardo A. Escuela de Ingeniería Industrial. Universidad de Carabobo. Bárbula. Valencia. Venezuela Jefe
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 detallesTema 8: Introducción a la Teoría sobre Contraste de hipótesis
Tema 8: Introducción a la Teoría sobre Contraste de hipótesis Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Introducción a la Teoría
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
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 detallesPROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ
PROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ Resumen de Psicología Experimental 1 PSICOLOGÍA EXPERIMENTAL Manuel Miguel Ramos Alvarez. I. FUNDAMENTOS METODOLÓGICOS DE LA
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 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 detalles4 Análisis de Varianza
4 Análisis de Varianza 4. Análisis de Varianza e.4.1. Quiénes obtienen mejores resultados en Matemáticas, los estudiantes que viven en zonas rurales, en pequeñas ciudades, en ciudades medias o en grandes
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 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 detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesEstadísticos Aplicados en el SPSS 2008
PRUEBAS ESTADISTICAS QUE SE APLICAN (SPSS 10.0) PARAMÉTRICAS:... 2 Prueba t de Student para una muestra... 2 Prueba t par muestras independientes... 2 ANOVA de una vía (multigrupo)... 2 ANOVA de dos vías
Más detallesDISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas
DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas Hasta ahora hemos ido desarrollando las pruebas parámetricas para contrastar hipótesis de un grupo
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 detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente
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 detallesContraste de hipótesis paramétricas
Contraste de hipótesis paramétricas Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Proceso de la investigación estadística Etapas PROBLEMA HIPÓTESIS DISEÑO RECOLECCIÓN
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 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 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 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 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 detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesRESULTADOS. 4.1 ADAPTABILIDAD DEL SISTEMA. Los resultados de adaptabilidad del sistema cromatografico se detallan en la tabla 4.1
IV. RESULTADOS. 4.1 ADAPTABILIDAD DEL SISTEMA. Los resultados de adaptabilidad del sistema cromatografico se detallan en la tabla 4.1 Ver gráficos en ANEXO 1 4.2 SELECTIVIDAD Placebo de excipientes: No
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detalles4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
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 detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesDISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA
DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo. las unidades experimentales homogéneas se agrupan formando grupos homogéneos llamados
Más detallesMatrices y determinantes. Sistemas de ecuaciones lineales
Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo
Más detallesComencemos este breve estudio acerca de las propiedades angulares en la circunferencia describiendo algunos elementos básicos:
MATEMÁTICA MÓDULO 2 Eje temático: Geometría 1. PROPIEDADES ANGULARES EN LA CIRCUNFERENCIA Comencemos este breve estudio acerca de las propiedades angulares en la circunferencia describiendo algunos elementos
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 detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
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 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 detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones
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 detallesAnálisis Estadístico de Datos Climáticos. Pruebas de Hipótesis (Wilks, cap. 5)
Análisis Estadístico de Datos Climáticos Pruebas de Hipótesis (Wilks, cap. 5) 2015 PRUEBAS DE HIPÓTESIS (o pruebas de significación) Objetivo: A partir del análisis de una muestra de datos, decidir si
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesAnálisis de la varianza ANOVA
Estadística Básica. Mayo 2004 1 Análisis de la varianza ANOVA Francisco Montes Departament d Estadística i I. O. Universitat de València http://www.uv.es/~montes Estadística Básica. Mayo 2004 2 Comparación
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
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 detalles6. DISEÑOS FACTORIALES 2 K NO REPLICADOS
6. DISEÑOS FACTORIALES 2 K NO REPLICADOS 6.1 INTRODUCCION El aumentar el numero de factores en un diseño 2 k crece rápidamente el numero de tratamientos y por tanto el numero de corridas experimentales.
Más detalles