Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos
|
|
- Cristóbal Córdoba Gutiérrez
- hace 6 años
- Vistas:
Transcripción
1 Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos Tema 4 (III) Estadística 2 Curso 08/09 Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 1 / 17
2 ANOVA III con interacción Diseño con tres factores completamente aleatorizado (ANOVA III con interacción) Se pretende estudiar si tres factores (A, B y C) in uyen en una variable (continua) respuesta. Se supone (en principio) la existencia de interacciones entre factores. Consideraremos también solo el caso de diseños equilibrados (balanceados). Utilizaremos una notación análoga a los casos anteriores: Y ijkr = r-ésima observación correspondiente a los niveles i, j, k de los factores A, B y C respectivamente, i = 1,..., I, j = 1,..., J, k = 1,..., K, r = 1,..., R. Se supone: Y ijkr N(µ ijk, σ 2 ) Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 2 / 17
3 ANOVA III con interacción Modelo Y ijk = µ + α i + β j + γ k + (αβ) ij + (αγ) ik + (βγ) jk +(αβγ) ijk + ε ijk donde: µ efecto global (media global) α i, β j, γ k efectos principales de los niveles i, j, k de los factores A, B y C respectivamente. (αβ) ij, (αγ) ik, (βγ) jk efectos de las interacciones de segundo orden. (αβγ) ijk efectos de las interacciones de tercer orden. ε ijkr i.i.d. N(0, σ 2 ) errores aleatorios independientes. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 3 / 17
4 ANOVA III con interacción Análisis de la varianza Análisis de la varianza El procedimiento es análogo a los casos anteriores, a partir de la descomposición de la suma de cuadrados se obtiene la tabla ANOVA: Fuente de variación SS gl MS F p-valor Factor A ss α I 1 ms α ˆF α p α Factor B ss β J 1 ms β ˆF β p β Factor C ss γ K 1 ms γ ˆF γ p γ Int. AB ss αβ (I 1) (J 1) ms αβ ˆF αβ p αβ Int. AC ss αγ (I 1) (K 1) ms αγ ˆF αγ p αγ Int. BC ss βγ (J 1) (K 1) ms βγ ˆF βγ p βγ Int. ABC ss αβγ (I 1) (J 1) (K 1) ms αβγ ˆF αβγ p αβ Residual ss R n IJK ms R Total ss T n 1 ms T Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 4 / 17
5 ANOVA III con interacción Análisis de la varianza Contrastes Los contrastes se realizan de forma análoga al caso de dos factores: comenzar por los correspondientes a interacciones de nivel superior en caso de aceptar que son nulas, continuar con las de orden inferior. Por ejemplo, si p αβγ es grande (> α) se acepta que no hay interacciones de orden tres (en caso contrario no continuaríamos, aceptaríamos que los tres factores in uyen y además interactúan entre sí). Si alguna de las interacciones de orden dos resultara signi cativa (p-valor pequeño) no se realizan los contrastes sobre los efectos principales de los correspondientes factores. Solo se contrasta el efecto individual de los factores si las interacciones correspondientes de orden superior resultaron no signi cativas. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 5 / 17
6 Diseños con tres o más factores Las ideas anteriores se extienden de forma inmediata para modelos factoriales completos con más de tres factores. El principal PROBLEMA de estos diseños es el elevado número de observaciones que requieren (necesitaríamos una muestra en cada combinación de niveles de factores). En la práctica se suele proceder de dos formas: 1 Reducir el número de niveles. 2 Diseños fraccionales. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 6 / 17
7 1 Reducir el número de niveles: Cuando se necesita estudiar un gran número de factores se suele considerar un n o de niveles pequeño (y proceder de forma secuencial si es necesario). Los habituales son: Diseños 2 K (K factores/2 niveles) Diseños 3 K (K factores/3 niveles) 2 Diseños fraccionales: No se consideran todas las posibles combinaciones entre niveles de los factores. Sólo se realiza una parte (fracción) del diseño completo. Los habituales son: Diseño en cuadrado latino (3 factores) Diseño en cuadrado greco-latino (4 factores) (se pasa de N F! N 2 combinaciones, N =niveles, F =factores). Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 7 / 17
8 Diseño en cuadrado latino Diseño en cuadrado latino Se consideran tres factores A, B y C (que se denominarán factor la, columna y letra latina). El número de niveles para cada factor es el mismo K. Se supone que no hay interacciones entre los factores. Nos centraremos en el modelo clásico sin replicación El diseño del experimento se realiza de forma que para cada combinación de niveles de los dos primeros factores (factor la y columna) se asigna un único nivel del tercer factor (letra latina) de forma que sólo aparece una letra por cada la o columna. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 8 / 17
9 Diseño en cuadrado latino Por ejemplo para el caso de K = 3, se consideraría un cuadrado de la forma: Factor B B 1 B 2 B 3 A 1 C 1 C 2 C 3 Factor A A 2 C 2 C 3 C 1 A 3 C 3 C 1 C 2 NOTA: Siguiendo el principio de aleatorización se reordenarían aleatoriamente las y columnas para prevenir sesgos. Ver apéndice. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 9 / 17
10 Diseño en cuadrado latino Fuente: Daniel Peña. Modelos lineales y series temporales. p. 145 Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 10 / 17
11 Ejemplo Diseños con tres o más factores Diseño en cuadrado latino Se realizó un experimento para estudiar cuatro algoritmos para la plani cación de las rutas de una empresa de entregas express. Para ello, se escogieron cuatro problemas habituales y cuatro servidores para su ejecución. La variable respuesta fué el tiempo (en minutos) necesario para resolverlos: Escenario Algoritmo E1 E2 E3 E4 A1 Servidor S1 S3 S4 S2 Tiempo A2 Servidor S2 S4 S3 S1 Tiempo A3 Servidor S3 S1 S2 S4 Tiempo A4 Servidor S4 S2 S1 S3 Tiempo Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 11 / 17
12 Diseño en cuadrado latino Modelo Y ijk = µ + α i + β j + γ k + ε ijk donde: µ efecto global (media global) α i efecto del nivel i del factor la A. β j efecto del nivel j del factor columna B. γ k efecto del nivel k del factor letra latina C. ε ijk i.i.d. N(0, σ 2 ) errores aleatorios independientes. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 12 / 17
13 Análisis de la varianza Diseño en cuadrado latino Procediendo de forma análoga se obtiene la tabla ANOVA: Fuente de variación SS gl MS F p-valor Factor la Factor columna Factor letra latina ss α K 1 ms α ˆF α p α ss β K 1 ms β ˆF β p β ss γ K 1 ms γ ˆF γ p γ Residual ss R (K 1) (K 2) ms R Total ss T K 2 1 ms T Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 13 / 17
14 Diseño en cuadrado greco-latino Diseño en cuadrado greco-latino Se consideran cuatro factores (que se denominarán factor la, columna, letra latina y letra griega). El número de niveles para cada factor es el mismo K. Se supone que no hay interacciones entre los factores. El diseño del experimento se realiza combinando dos cuadrados latinos (uno con letras latinas y otro con letras griegas) de forma que: cada letra latina sólo aparece una vez por cada la o columna cada letra griega sólo aparece una vez por cada la o columna y una vez con cada letra latina. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 14 / 17
15 Diseño en cuadrado greco-latino Por ejemplo para el caso de K = 3, se consideraría un cuadrado de la forma: Factor B B 1 B 2 B 3 A 1 Aα Bβ Cγ Factor A A 2 Cβ Aγ Bα A 3 Bγ Cα Aβ NOTA: Siguiendo el principio de aleatorización se reordenarían aleatoriamente las y columnas, y también se asignarían al azar letras latinas y griegas. Ver apéndice. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 15 / 17
16 Diseño en cuadrado greco-latino Modelo Y ijkl = µ + α i + β j + γ k + δ l + ε ijkl donde: µ efecto global (media global) α i efecto del nivel i del factor la. β j efecto del nivel j del factor columna. γ k efecto del nivel k del factor letra latina. δ l efecto del nivel l del factor letra griega. ε ijkl i.i.d. N(0, σ 2 ) errores aleatorios independientes. Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 16 / 17
17 Análisis de la varianza Diseño en cuadrado greco-latino Procediendo de forma análoga se obtiene la tabla ANOVA: Fuente de variación SS gl MS F p-valor Factor la Factor columna Factor letra latina Factor letra griega ss α K 1 ms α ˆF α p α ss β K 1 ms β ˆF β p β ss γ K 1 ms γ ˆF γ p γ ss δ K 1 ms δ ˆF δ p δ Residual ss R (K 1) (K 3) ms R Total ss T K 2 1 ms T Tema 4 (III) (Estadística 2) ANOVA multifactorial Curso 08/09 17 / 17
Diseño 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 detallesDiseños en cuadrados greco-latinos
Capítulo 8 Diseños en cuadrados greco-latinos 8.1. Introducción El modelo en cuadrado greco-latino se puede considerar como una extensión del cuadrado latino en el que se incluye una tercera variable de
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 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 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 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 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 detallesConjunto R 3 y operaciones lineales en R 3
Conjunto R 3 y operaciones lineales en R 3 Objetivos. Definir el conjunto R 3 y operaciones lineales en R 3. Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas en
Más detallesTema 2. Modelos de diseño de experimentos (varios factores)
Tema 2. Modelos de diseño de experimentos (varios factores) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 2: Diseño de experimentos (varios factores) 1 Introducción Estudiaremos si un conjunto
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
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 detallesModelos Lineales. 3 ọ Diplomatura de Estadística Ejercicios. 1. Probar que si los I grupos tienen el mismo número de observaciones se verifica
1 1 Análisis de la Varianza Modelos Lineales 3 ọ Diplomatura de Estadística Ejercicios 1. Probar que si los I grupos tienen el mismo número de observaciones se verifica (ȳ i. ȳ j. ) 2 = 2 I (ȳ i. ȳ.. )
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 detallesGramáticas independientes del contexto AUTÓMATAS Y LENGUAJES FORMALES LENGUAJES INDEPENDIENTES DEL CONTEXTO Y AUTÓMATAS DE PILA. Otras definiciones I
Gramáticas independientes del contexto UTÓMTS Y LENGUJES FORMLES LENGUJES INDEPENDIENTES DEL CONTEXTO Y UTÓMTS DE PIL Francisco Hernández Quiroz Departamento de Matemáticas Facultad de Ciencias, UNM E-mail:
Más detallesCapítulo IV Diseños de cuadrados latinos y diseños afines
Capítulo IV Diseños de cuadrados latinos y diseños afines Estos diseños clásicos son una extensión lógica y natural del diseño en bloques completos al azar y poseen una serie de características muy similares,
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 detallesANGULOS. La unidad de medida es el grado sexagesimal. La "circunferencia completa " mide 360º (grados sexagesimales). Además considere que.
PREUNIVERSITARIO PROGRAMA DE NIVELACIÓN Y REFORZAMIENTO M 04 PRO-OCTAV@ TEXTO Nº 2 GEOMETRÍA ANGULOS SISTEMAS DE UNIDADES DE MEDIDA: SISTEMA SEXAGESIMAL: La unidad de medida es el grado sexagesimal. La
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 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 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 detallesAGRO 6600 Segundo Examen Parcial
AGRO 6600 Segundo Examen Parcial Nombre: 2012 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
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 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 detalles2. El conjunto de los números complejos
Números complejos 1 Introducción El nacimiento de los números complejos se debió a la necesidad de dar solución a un problema: no todas las ecuaciones polinómicas poseen una solución real El ejemplo más
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 detallesELEMENTOS PRIMARIOS DEL TRIÁNGULO. también es el suplemento de α, por lo tanto,. α ' =β+γ
7.. TRIÁNGULOS 7..1. ELEMENTOS PRIMARIOS DEL TRIÁNGULO VÉRTICES: son los puntos donde se intersectan dos de los Lados del triángulo. Se designan con letras mayúsculas, A, B, C... LADOS: son los trazos
Más detalles3. Determinantes. Propiedades. Depto. de Álgebra, curso
Depto de Álgebra curso 06-07 3 Determinantes Propiedades Ejercicio 3 Use la definición para calcular el valor del determinante de cada una de las siguientes matrices: 3 0 0 α A = 5 4 0 A = 6 A 3 = 0 β
Más detallesExperimentos factoriales
Capítulo V Experimentos factoriales Se llaman Experimentos Factoriales a aquellos experimentos en los que se estudia simultáneamente dos o más factores, y donde los tratamientos se forman por la combinación
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 detallesGrupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
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 detallesDiseños en cuadrados latinos
Capítulo 7 Diseños en cuadrados latinos 7.1. Introducción En el modelo en bloques aleatorizados, que estudiamos en el capítulo anterior, considerábamos un factor principal y un factor de control o variable
Más detallesMétodos estadísticos aplicados para la Ingeniería Informática
Grado en Ingeniería Informática Métodos estadísticos aplicados para la Ingeniería Informática Rosa Mª Alcover Arándiga Departamento de Estadística e Investigación Operativa Aplicadas y Calidad Objetivo
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 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 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 detallesModelado de la aleatoriedad: Distribuciones
Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:
Más detallesEJERCICIOS del TEMA 3: Lenguajes independientes del contexto
EJERCICIOS del TEMA 3: Lenguajes independientes del contexto Sobre GICs (gramáticas independientes del contexto) 1. Sea G una gramática con las siguientes producciones: S ASB ε A aab ε B bba ba c ) d )
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesTransformaciones lineales y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
Más detallesIntroducción a los códigos compresores
Introducción a los códigos compresores Parte I de la Lección 2, Compresores sin pérdidas, de CTI Ramiro Moreno Chiral Dpt. Matemàtica (UdL) Febrero de 2010 Ramiro Moreno (Matemàtica, UdL) Introducción
Más detalles1. GENERALIDADES SOBRE LOS POLINOMIOS.
GENERALIDADES SOBRE LOS POLINOMIOS Funciones polinómicas LAS DEFINICIONES Sea p la función definida por: p ( ) = 2( 2 ) + 2 ( 2 ) + 2 2, p es una función de R en R Y para todo real, se tiene p ( ) = 2
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 detalles1 NOCIONES BÁSICAS SOBRE CONJUNTOS. SÍMBOLOS.
UNIDAD 1.- CONCEPTOS REQUERIDOS CONJUNTOS. AXIOMAS DE PERTENENCIA, PARALELISMO, ORDEN Y PARTICIÓN. 1 NOCIONES BÁSICAS SOBRE CONJUNTOS. SÍMBOLOS. 1.1 Determinaciones de un conjunto. Un conjunto queda determinado
Más detallesINSTITUTO DE PROFESORES ARTIGAS
INSTITUTO DE PROFESORES ARTIGAS ESPECIALIDAD MATEMÁTICA GEOMETRÍA UNIDAD 3 FICHA 2: PARALELISMO 1 Posiciones relativas de rectas. 2 Axioma de Euclides. 3 Paralelismo de recta y plano. 4 Paralelismo de
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 detallesANÁLISIS DE LA VARIANZA PARTE SEGUNDA
ANÁLISIS DE LA VARIANZA PARTE SEGUNDA Septiembre de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO EN BLOQUES ALEATORIZADOS 1 3. EJEMPLO DE DISEÑO EN BLOQUES
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 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 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 detalleswww.atalayadecristo.org
Marzo 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
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 detallesDiseños factoriales con dos factores
Capítulo 6 Diseños factoriales con dos factores Enprimerlugarvamosaestudiarlosdiseñosmássimples,esdeciraquellosenlos queintervienensólodosfactores.supongamosquehayanivelesparaelfactoraybniveles del factor
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 detallesConjuntos y matrices. Sistemas de ecuaciones lineales
1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución
Más detallesFACTORIALES FRACCIONADOS 2 f-p
1 FACTORIALES FRACCIONADOS 2 f-p Aun en los experimentos 2 f el número de condiciones experimentales crece exponencialmente con el número de factores f a estudiar. El n de interacciones de r factores combinados
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 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 detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales
PROLEMS RESUELTOS ÁLGER LINEL Tema. Transformaciones Lineales SUTEM: MTRICES SOCIDS UN TRNSFORMCIÓN Problema : Sean P P los espacios vectoriales de lo polinomios de grado menor o igual a dos menor o igual
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 detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesUNA ECUACIÓN es una igualdad de dos expresiones algebraicas.
UNA EXPRESIÓN ALGEBRAICA es una combinación de números, variables (o símbolos) y operaciones como la suma, resta, multiplicación, división, potenciación y radicación. Ejemplos. UNA ECUACIÓN es una igualdad
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
CONCEPTO MATRICES Se llama matriz de orden (dimensión) m n a un conjunto de m n elementos dispuestos en m filas y n columnas Se representa por A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn j=1,2,,n
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesUso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo
CAPÍTULO 5. FASE DE MEJORA Definir Medir Analizar Mejorar Controlar 5.1 Introducción En la fase de Análisis se identificaron las causas de variación. En esta fase se utilizará el diseño de experimentos
Más detallesMatrices y Determinantes
Capítulo 1 Matrices y Determinantes 11 Matrices Generalidades Definición 11 Sea E un conjunto cualquiera, m, n N Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12 a 1n a 21 a
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 detallesANOVA Multifactorial. StatFolio Muestra: anova.sgp
ANOVA Multifactorial Resumen El procedimiento ANOVA Multifactorial está diseñado para construir un modelo estadístico describiendo el impacto de dos o más factores categóricos X j de una variable dependiente
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
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 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 detallesSistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
Más detallesMÓDULO Nº 3. Nivelación. Matemática Módulo Nº3. Contenidos. Polígonos Circunferencia y Círculo Volúmenes
MÓDULO Nº 3 Nivelación Matemática 2005 Módulo Nº3 Contenidos Polígonos Circunferencia y Círculo Volúmenes Nivelación Polígonos Polígono Regular: Son aquellos polígonos que tienen todos sus lados y ángulos
Más detallesINSTITUTO RAÚL SCALABRINI ORTIZ CUADRILATERO
CUADRILATERO INTRODUCCION Son polígonos de 4 lados. La suma de los ángulos interiores es igual a 360º y la suma de los ángulos exteriores es igual a 360º. Vértices : A, B, C, D Lados : a, b, c, d Ángulos
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesEvaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez. Maíz (Zea mays)
Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez Cadelga Maíz (Zea mays) Científica Objetivos Medir el Efecto Fisiológico AgCelence del Fungicida
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
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 detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
3 RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES Página 74 Determinantes de orden 2 Resuelve cada uno de los siguientes sistemas de ecuaciones y calcula el determinante de la matriz de los coeficientes:
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
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 detallesExpresiones Regulares y Derivadas Formales
y Derivadas Formales Las Derivadas Sucesivas. Universidad de Cantabria Esquema 1 2 3 Derivadas Sucesivas Recordemos que los lenguajes de los prefijos dan información sobre los lenguajes. Derivadas Sucesivas
Más detallesCapítulo II Diseño Completamente Aleatorizado
Capítulo II Diseño Completamente Aleatorizado Es el diseño más simple y sencillo de realizar, en el cual los tratamientos se asignan al azar entre las unidades experimentales (UE) o viceversa. Este diseño
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
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 detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
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 detallesMatrices totalmente positivas
Matrices totalmente positivas Agustín García Iglesias Índice 1. Introducción. 1 2. Productos alternados. 2 3. Complementos de Schur e identidades asociadas a determinantes. 7 4. Criterios para la positividad
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 detalles67.- El triángulo ABC es equilátero; BD y DE son bisectrices. Entonces AED =?
GUIA 4 MEDIO MATEMATICA UNIDAD 3: GEOMETRIA. CONTENIDOS: Calculo de ángulos NOMBRE: 65.- Fecha:.. 66.- En el triángulo ABC de la figura, AC BC. Entonces α + β =? A) 90º B) 180º C) 240º D) 270º E) 290º
Más detallesModelo estadístico sobre el en. communications 1. Juan Carlos Vesga-Ferreira 4 Gerardo Granados-Acuña 5
Modelo estadístico sobre el en communications 1 2 3 Juan Carlos Vesga-Ferreira 4 Gerardo Granados-Acuña 5 - Resumen El rendimiento es uno de los aspectos de mayor interés dentro del análisis global en
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 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 detalles