Diseño de Experimentos
|
|
- Ramona Duarte Díaz
- hace 6 años
- Vistas:
Transcripción
1 Diseño de Experimentos Tema 6. Validación de Supuestos JAIME MOSQUERA RESTREPO
2 VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Los procedimientos estudiados son validos únicamente bajo el cumplimiento de 4 supuestos básicos sobre el modelo: yij = µ + τ + ε SUPUESTO 1: Los errores tienen media cero E ( ε ij ) = 0 SUPUESTO : La varianza de los errores es constante V ( εij) = σ, SUPUESTO 3: Los errores son aleatorios e independientes SUPUESTO 4: Los errores tienen una distribución normal i j Corr ( ε ; ε ) = 0 i, j ε ij hk ij N(0, σ ) i ij
3 VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Las violaciones de los supuestos básicos y la adecuación del modelo pueden investigarse con facilidad mediante el examen de residuales. El residual de la observación j ésima en el tratamiento i ésimo se define como: e ij = y ij yˆ ij.. ( yi. y.. ) yi. y ˆ = ˆ µ + ˆ τ = y + = ij i e ij = y ij y i.
4 VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO La validación de los supuestos del modelo se puede hacer de dos formas : Por métodos gráficos: Los cuales son fáciles de entender puede apreciar comportamientos atípicos. y se Por métodos formales : hipótesis. Basados en la ejecución de pruebas de
5 VALIDACIÓN DE SUPUESTOS Las conclusiones obtenidas a partir de una ANOVA solo presentan total validez si se cumplen los supuestos que sustentan al termino error. En la validación de supuestos se presentan dos enfoques Validación mediante análisis grafico Validación mediante Pruebas de Hipótesis
6 Análisis Grafico de Residuales SUPUESTO 1: Los errores tienen media cero Grafico de Residuales versus Respuesta Estimada ˆij ε 0 yˆij Errores con media cero y varianza constante Prueba Formal: Test T Student Errores con media cero, pero varianza no constante H 0 : µ e = 0 vs H a : µ e 0
7 Análisis Grafico de Residuales SUPUESTO : La varianza de los errores es constante Varianza constante Varianza no constante Varianza no Constante ˆij ε ˆij ε ˆij ε yˆij yˆij yˆij Pruebas Formales: Test Bartlett Test de Levene H 0 : σ1 = σ = σ 3 =... = σ a vs H1 : σ i σ j
8 Análisis Grafico de Residuales SUPUESTO : La varianza de los errores es constante Test para igualdad de varianzas Temperatura a Bartlett's Test Test Statistic 5,59 P-Value 0,133 Levene's Test Test Statistic 1,19 P-Value 0, ,0 0,5 1,0 1,5,0,5 95% Bonferroni Confidence Intervals for StDevs
9 Análisis Grafico de Residuales SUPUESTO 3: Los errores son aleatorios e independientes Grafico de Residuales en Función del Orden de Corrida 3 eij eij Situación Ideal (independencia) - t -3 t 3 3 eij eij t -4 t Tendencia de los residuos en función del tiempo
10 Análisis Grafico de Residuales SUPUESTO 3: Los errores son aleatorios e independientes Gráficos de Residuales Rezagados e t vs. e t-1 Autocorrelación Positiva Autocorrelación Negativa No Autocorrelación Pruebas Formales: Test Durbin -Watson, Test de Rachas
11 Análisis Grafico de Residuales SUPUESTO 3: Los errores son aleatorios e independientes 0,50 Gráfica de los residuales contra el tiempo 0,5 Residua ales 0,00 0-0,5-0,50-0, Tiempo Prueba Formal: Test de Rachas o Test Durbin Watson H0: los residuales son independientes vs H1: los residuales no son independientes
12 Análisis Grafico de Residuales SUPUESTO 4: Los errores tienen una distribución normal Histograma de Frecuencia de los Residuales Indica Normalidad del error Indica no normalidad del error Pruebas Formales: Test Kolmogorov, Test Shapiro Wilks H 0 : La distribución es Normal vs H 1 : la distribución no es normal
13 Plot de normalidad Normal Percent Mean -1,55431E-15 StDev 0,754 N 16 RJ 0,963 P-Value >0, ,75-0,50-0,5 0,00 Residuales 0,5 0,50
14 Diseño de Experimentos Caso Ejemplo Anova 1 via JAIME MOSQUERA RESTREPO
15 CASO DE ESTUDIO Se realizó un estudio sobre el peso de 4 nuevas variedades forrajeras, frente a una variedad ya conocida. Se dispuso realizar el ensayo en la época de verano en la selva, dividiendo el área total experimental en 15 parcelas divididas en 3 grupos relativamente homogéneos, los resultados se presentan a continuación. Realice el procedimiento adecuado para identificar la variedad que presenta el mayor peso, y si esta mejora el rendimiento de la variedad conocida
16 Gráficos Descriptivos,5 Individual Value Plot of Peso 0,0 17,5 15,0 Peso 1,5 10,0 7,5 5,0 Testigo V1 V Variedad V3 V4 Individual Plot, puesto que solo se dispone de 3 observaciones y el boxplot necesita de 5 indicadores
17 ANOVA Source DF SS MS F P Variedad 4 364,044 91,011 9,53 0,00 Error 10 95,533 9,553 Total ,577 Según la Anova, existe suficiente evidencia para pensar que al menos Según la Anova, existe suficiente evidencia para pensar que al menos una de las variedades presenta un rendimiento diferente
18 POST ANOVA - COMPARACIÓN Como la Anova rechaza la Hipótesis nula, es necesario realizar la prueba postanova para identificar los tratamientos cuyos efectos sobre el peso difieren. En este caso Dunnet, por tener un tratamiento control Dunnett Simultaneous Tests Response Variable Peso Comparisons with Control Level Variedad = Testigo subtracted from: Difference SE of Adjusted Variedad of Means Difference T-Value P-Value V1 14,333,405 5,960 0,0006 V 1,033,405 5,004 0,0017 V3 9,300,405 3,867 0,0076 V4 7,100,405,95 0,078 Al parecer cualquiera de las variedades mejora el rendimiento del testigo
19 POST ANOVA - COMPARACIÓN Cual es la mejor entre las nuevas variedades? Tukey Simultaneous Tests Response Variable Peso All Pairwise Comparisons among Levels of Variedad Variedad = V1 subtracted from: Difference SE of Adjusted Variedad of Means Difference T-Value P-Value V -,300,405-0,956 0,8670 V3-5,033,405 -,093 0,3083 V4-7,33,405-3,008 0,091 Variedad = V subtracted from: Difference SE of Adjusted Variedad of Means Difference T-Value P-Value V3 -,733,405-1,137 0,7844 V4-4,933,405 -,051 0,343 Variedad = V3 subtracted from: Difference SE of Adjusted Variedad of Means Difference T-Value P-Value V4 -,00,405-0,9148 0,8836
20 VALIDACIÓN DE SUPUESTOS Los Errores Tienen Distribución Normal? Test Normalidad Normal Mean -5,3907E-16 StDev,6 N 15 AD 0,47 P-Value 0, Histograma Residuales Normal Mean -5,3907E-16 StDev,6 N 15 Percent Frequency ,0 -,5 0,0 RESI,5 5, RESI 4 Parece razonable el supuesto de normalidad
21 VALIDACIÓN DE SUPUESTOS Los Errores Tienen Varianza Constante? Testigo Test Statistic 7,50 P-Value 0,11 V1 Test Igualdad de Varianzas Bartlett's Test Levene's Test Test Statistic 1,1 P-Value 0,364 Variedad V V3 V % Bonferroni Confidence Intervals for StDevs Según barttlet parece razonable pensar que las varianzas son iguales
22 VALIDACIÓN DE SUPUESTOS Los Errores Tienen Promedio = 0? Versus Fits 5,0 Residu ual,5 0,0 -,5-5, Fitted Value 0 Test of mu = 0 vs not = 0 Variable N Mean StDev SE Mean 95% CI T P RESI 15-0,000,6 0,575 (-1,33. 1,33) -0,00 1,000
23 VALIDACIÓN DE SUPUESTOS Los Errores son Independientes? Versus Order 5,0 Scatterplot of resid vs RESI 0 5,0 Resi idual,5 0,0 -,5 id resi,5 0,0 0-5,0 -, Observation Order ,0-5,0 -,5 0,0 RESI,5 5,0 Runs test for RESI Runs above and below K = 0 The observed number of runs = 8 The expected number of runs = 8, observations above K. 8 below * N is small, so the following approximation may be invalid. P-value = 0,80
24 Diseño de Experimentos Tema 7. Determinación Tamaño de Muestra Numero de Replicaciones JAIME MOSQUERA RESTREPO
25 Calculo del Tamaño de la Muestra Recuerde: La potencia de la prueba es la probabilidad de rechazar la hipótesis nula cuando es falsa: Condición real Decisión H 0 verdadera H 0 falsa Rechazar H 0 Error Tipo I ok Aceptar H 0 ok Error Tipo II Potencia de la Prueba = 1- P(Error Tipo II) = 1- β La determinación del tamaño de muestra depende en gran medida del nivel de potencia deseado para la prueba estadística
26 Curvas Características de Operación Curva que representa la probabilidad de error tipo II en función del tamaño de muestra o algún otro indicador operativo de la prueba.
27 Curvas Características de Operación 1-potencia Φ = n a i = 1 a σ τ i
28 Curvas Características de Operación 1-potencia Φ = n a i = 1 a σ τ i
29 EJEMPLO Considere un experimento para un factor y cuatro niveles. Suponga que el experimentador está interesado en rechazar la hipótesis nula con una probabilidad de al menos 0.90 y piensa que la desviación estándar del error es 1. Si la medias de los cuatro tratamientos son: µ 1 = 19 µ = 0 µ 3 = 1 µ 4 = µ = (1/ 4)(8) = 0.5 Se planea utilizar α = Determine el tamaño de muestra optimo τ = µ µ = = 1.5 τ = µ µ = = 0.5 τ 3 = µ 3 µ = = τ = µ µ = 0.5 =
30 EJEMPLO φ = n a i= 1 τ aσ i = n(5) 4(1) = 1.5n φ φ β β n a (n-1) Potencia (1- ) Se requiere de al menos 6 repeticiones por tratamiento
31 Determinación del Tamaño de Muestra Como se puede observar, calcular la cantidad Φ requiere conocer de antemano los parámetros, lo cual implica: τ ; σ i 1. Apoyarse en un experto en el tema o en la revisión bibliográfica para identificar estos parámetros. Realizar un Experimento piloto para obtener las estimaciones Ejemplo: Asuma que usted desea una potencia del 90% en el experimento de la resistencia a la tensión, tomando los resultados obtenidos hasta ahora como una prueba piloto, determine el tamaño de muestra adecuado.
32 Determinación del Tamaño de Muestra Una Solución Alternativa: Es posible expresar Φ en función de la máxima diferencia tolerable D, a partir de la cual se declara que un par de tratamientos son diferentes Φ = n D a σ D: A partir de este valor, según concepto del investigador, no se puede considerar que dos tratamientos son iguales
33 Determinación del Tamaño de Muestra Considere un experimento para un factor y cuatro niveles. Suponga que el experimentador está interesado en rechazar la hipótesis nula con una probabilidad de al menos Un estudio anterior, muy similar, el cuadrado medio del error fue de 1 y desea que la prueba identifique como diferentes a todas aquellas parejas de tratamientos cuya diferencia de promedios sea mayor que 5. Determine el tamaño de muestra optimo.
ANOVA (Análisis de varianza)
ANOVA (Análisis de varianza) Las pruebas de hipótesis son una herramienta útil cuando se trata de comparar dos tratamientos La experimentación usualmente requiere comparación de más de dos tratamientos
Más detallesSe asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación.
EJEMPLO 1 Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación. DIETA1 DIETA2 DIETA3 DIETA4 62 63 68 56 60 67 66 62 63 71 71
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 detallesAPÉNDICE B ANOVA para las salsas comerciales
APÉNDICE B ANOVA para las salsas comerciales ANOVA de una vía para Densidad de salsas comerciales One-way ANOVA: Densidad versus Marca Marca 3 8727.7 2909.2 41.22 0.000 Error 8 564.6 70.6 Total 11 9292.4
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 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 detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
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 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 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 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 detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
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 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 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 detallesAnálisis de Regresión
Análisis de Regresión Diplomado en Lean Six Sigma Objetivo 1.Identificar problemas que incluyan una Y continua y una X continua 2. Entender la diferencia entre regresión lineal y no lineal 3. Ajustar modelos
Más detallesAnálisis matemático de la función de Nelson y Siegel
Anexos Anexo 1 Análisis matemático de la función de Nelson y Siegel La función que define el tipo forward según el modelo propuesto por Nelson y Siegel (1987) es la siguiente: con m 0 y τ 0. 1 > m m m
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 detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
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 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 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 detallesUAP PRUEBAS DE HIPÓTESIS NO PARAMÉTRICAS
PRUEBAS DE HIPÓTESIS NO PARAMÉTRICAS Estas pruebas no se basan en ninguna suposición en cuanto a la distribución de probabilidad a partir de la que fueron obtenidos los datos. Son muy útiles cuando no
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 detallesAnálisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa
Análisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa Paola Ilabaca Baeza 1 José Manuel Gaete 2 paolailabaca@usal.es jmgaete@usal.es
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
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 detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más 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 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 detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesProyecto Tema 8: Tests de hipótesis. Resumen teórico
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 8: Tests de hipótesis Resumen teórico Tests de hipótesis Concepto de test de hipótesis Un test de hipótesis (o
Más detallesTécnicas Cuantitativas para el Management y los Negocios
Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis
Más detalles(a) Calculate a point estimate of the mean pull-off force of all connectors in the population. State which estimator you used and why.
PROBLEMAS DE CLASE Problema 7.22 Data on pull-off force (pounds) for connectors used in an automobile engine application are as follows: 79.3, 75.1, 78.2, 74.1, 73.9, 75.0, 77.6, 77.3, 73.8, 74.6, 75.5,
Más detallesEjemplos del Suplemento 1 resueltos con Minitab
O1 Ocho pasos para el desarrollo de una investigación Ejemplos del Suplemento 1 resueltos con Minitab O2 Tabla de Contenido Prueba de Normalidad... 3 Regresión Lineal... 7 Prueba t... 10 Prueba Z... 13
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 detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
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 detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
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 detallesViernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo
Viernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo Favor de abrir el navegador Mozilla Firefox y escriba la siguiente dirección http://math.uprag.edu/area.mtw
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 detallesEl análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar K muestras.
4. ANÁLISIS DE LA VARIANZA DE UN FACTOR 4. INTRODUCCIÓN 8 El análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar K muestras. Hemos visto
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 detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 13 Inferencia en una población Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar el procedimiento de pruebas en la inferencia estadística. Aplicar
Más detallesb.- Realiza las comparaciones múltiples mediante los métodos LSD, Bonferroni y Tuckey.
Ejercicio 1: Se someten 24 muestras de agua a 4 tratamientos de descontaminación diferentes y asignados al azar. Para cada muestra se mide un indicador de la calidad del agua ( cuanto más alto es el indicador,
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
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 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 detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesEJERCICIOS DE PRUEBA DE HIPOTESIS
EJERCICIOS DE PRUEBA DE HIPOTESIS Protocolo 1. Identifique la aseveración original que se probará y exprésela en forma simbólica 1. 2. Dar la forma simbólica que debe ser verdad si la aseveración original
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 detallesMedidas de posición relativa
Medidas de posición relativa Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 3.1-1 Medidas de posición relativa Son medidas que pueden utilizarse para comparar valores de diferentes
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesCómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase.
Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. M. C. Blanca Evelia Flores Soto. Dpto. de Matemáticas Universidad de Sonora Introducción. Actividad desarrollada
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 detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
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 detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesPodemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para
VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
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 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 detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesEs una proposición o supuesto sobre los parámetros de una o más poblaciones
HIPOTESIS ESTADISTICA Es una proposición o supuesto sobre los parámetros de una o más poblaciones http://www.itch.edu.mx/academic/industrial/estadistica1/cap02.html POR LUIS M. BAQUERO ROSAS, MBA JUNIO
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesPATRONES DE DISTRIBUCIÓN ESPACIAL
PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de
Más detallesCAPÍTULO 7 INFERENCIA ESTADÍSTICA
CAPÍTULO 7 INFERENCIA ESTADÍSTICA La Inferencia Estadística comprende los métodos que son usados para obtener conclusiones de la población en base a una muestra tomada de ella. Incluye los métodos de estimación
Más detallesMedidas de tendencia central y dispersión
Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:
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 detallesIntroducción al análisis de la varianza (ANOVA)
Introducción al análisis de la varianza (ANOVA) Albert Sorribas Departament de Ciències Mèdiques Bàsiques Universitat de Lleida albert.sorribas@cmb.udl.cat última versión: 6 de febrero de 2014 Índice 1.
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 detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesDiseño Estadístico de Experimentos
Capítulo 3 Diseño Estadístico de Experimentos Una prueba o serie de pruebas en las cuales se introducen cambios deliberados en las variables de entrada que forman el proceso, de manera que sea posible
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesAnálisis de Regresión
Análisis de Regresión por Universidad Nacional de Colombia, Sede Medellín 202 Tipos de gráficos para el análisis residuales Percen nt Normal Probability Plot of the Residuals 99 90 50 0-3.0 -.5 0.0.5 3.0
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 detallesPrueba de hipótesis para la diferencia de medias
Estadística Técnica Prueba de hipótesis para la diferencia de medias Cladera Ojeda, Fernando Conceptos previos Inferencia estadística Población Muestra Parámetro Estadístico Hipótesis estadística Pruebas
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 detallesCLAVE-LAB 3-Supuestos del Análisis de la Varianza
(Revisado enero 016_LWB/CL) CLAVE-LAB 3-Supuestos del Análisis de la Varianza El archivo Excel con los datos para este laboratorio está en la página del curso. Los datos provienen de un estudio realizado
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 detallesEsta proposición recibe el nombre de hipótesis
Pruebas de hipótesis tesis. Refs: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua, Apuntes de Estadística, Dr. Pedro Juan Rodríguez Esquerdo, Departamento de Matemáticas,
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 detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
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 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesCAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS. El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de
CAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de respuesta que se había definido, la cual es la diferencia
Más detallesTema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.
Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. ---Intervalo de probabilidad (IP) Permite predecir el comportamiento de las muestras. Si de una población se sacan
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 detalles