CLAVE - Lab 5 - Contrastes
|
|
- Mariano Gómez Valdéz
- hace 5 años
- Vistas:
Transcripción
1 CLAVE - Lab 5 - Contrastes 1. Se realizó un experimento para comparar cuatro conservadore diferentes para fresas congeladas (C1, C2, C3, C4). Se cosecharon suficientes fresas para obtener 32 muestras de 250 g de fresas. Se asignaron 8 muestras aleatoriamente a cada uno de los cuatro conservantes. Las muestras se trataron con el conservador asignado, y se empacaron las frutas en ocho bolsas plásticas pequeñas para ser congeladas a 0 C. Luego de seis meses de almacenamiento a 0 C, el contenido de cada bolsa se descongeló y se le asignó un valor de descoloración (escala de 1 a 10 puntos, con valores bajos indicando poca descoloración). a. Qué tipo de diseño experimental fue utilizado en este experimento? DCA Define los valores de: t = 4 n = 8 gl tratamientos = 3 gl error = 28 gl total = 31 b. Cuál sería la prueba más apropiada (contrastes versus comparaciones múltiples) para comparar las medias de los cuatro conservadores? Por qué? Qué tipo de información se necesita para utilizar contrastes para comparar medias? Contrastes, porque el conjunto de tratamientos tiene estructura (se puede formar grupos de tratamientos para comparar) c. Digamos que los 4 conservadores utilizados en el experimento fueron los indicados en la tabla abajo. Utilice la tabla para escribir los coeficientes correspondientes a cada uno de los siguientes contrastes de interés: i. el control vs. los otros ii. ácido cítrico 10ppm vs. ácido cítrico 20ppm iii. ácido cítrico 20ppm vs. fructosa iv. promedio de ácido cítrico vs. fructosa v. control vs. promedio de ácido cítrico. Conservador Media control vs. los otros ácido cítrico 10ppm vs 20ppm ácido cítrico 20ppm vs fructosa Promedio de ácido cítrico vs fructosa Control Ácido Cítrico 10 ppm Ácido Cítrico 20 ppm Fructosa Verifique que c i = control vs promedio de ácido cítrico AGRO 6600 CLAVE Lab 5 Page 1
2 d. Escriba los coeficientes para un conjunto ortogonal de contrastes en la siguiente tabla (se puede seleccionar entre los contrastes en la parte b). Para cada contraste, pruebe la hipótesis que el contraste es 0 usando =.05. El cuadrado medio del error fue Utilice la tabla para anotar los valores intermedios de la prueba (L, L 2, etc.) Indique sus conclusiones. Al redactar sus conclusiones, considere las medias (por ej.: en vez de decir que hubo una diferencia en descoloración entre las dos concentraciones de ácido cítrico, especifique cuál tratamiento fue superior). Conservador Media Contraste 1 Contraste 2 Contraste 3 Control Ácido Cítrico 10 ppm Ácido Cítrico 20 ppm Fructosa L = abajo L 2 = c i 2 = n i = CM lineal = F obs = F tab = Conclusión: L 1 = 3(8.31) 1(6.44) 1(4.00) 1(2.50) = L 1 2 = Σ(c 2 /n) = (3) 2 + (-1) 2 + (-1) 2 + (-1) 2 = SC(L 1 ) = /1.5 = L 2 = 2.44 Σ(c 2 /n) = 0.25 SC(L 2 ) = L 3 = 5.44 Σ(c 2 /n) = 0.75 SC(L 3 ) = F obs : F = CM(L)/CME, donde CM(L) = SC(L) AGRO 6600 CLAVE Lab 5 Page 2
3 F L1 = / = F L2 = / = F L3 = / = F tab = 4.20 Conclusiones: En los tres casos el Fobservado es mayor que el F tabular; por lo tanto, se rechaza Ho en favor de Ha. Esto significa que: i. el control produjo más decoloración que los otros tratamientos ii. el cítrico 10 ppm produjo más decoloración que el cítrico 20 ppm iii. el promedio de ácido cítrico produjo más decoloración que la fructosa. e. Utilizando la tabla en la próxima página, escribe los coeficientes para realizar un contraste entre el promedio de los dos grupos con mayor descoloración versus el promedio de los dos grupos con menor descoloración. Por qué es éste un contraste a posteriori? Pruebe la hipótesis que el contraste es 0 usando =.05 usando una prueba apropiada para un contraste a posteriori (CME=0.9531). Utilice la tabla para anotar los valores intermedios de la prueba (L, L 2, etc.) Indique sus conclusiones. Conservante Media Contraste: los dos grupos con mayor discolor. vs. los dos grupos con menor descoloración. Control Ácido Cítrico 10 ppm Ácido Cítrico 20 ppm Fructosa **Ftab de una prueba posteriori L = Abajo L 2 = c i 2 = n i = CM lineal = F obs = **F tab = Este contraste es A posteriori porque los coeficientes se basan en los resultados (no en los tratamientos). Es por esto que usaremos la Prueba Scheffé. Prueba de hipótesis: AGRO 6600 CLAVE Lab 5 Page 3
4 Ho: L = 0 Ha: L 0 L = 8.25 Σ(c 2 /n) = 0.50 SC(L) = F L = / = Prueba de Scheffé: F > (t-1)f α, t-1, gle > 8.84 Conclusión: Como el F observado es mayor que el valor crítico de 8.84, se rechaza Ho a favor de Ha. Esto nos indica que existe diferencia entre el promedio con mayor decoloración versus el promedio con menor decoloración. 2. Considere los datos presentados y analizados en el laboratorio 2 (ejercicio 1), que representan los resultados de un experimento realizado para determinar si cinco fuentes de nitrógeno difirieron en sus efectos sobre la producción de arroz. Se aplicaron los tratamientos al azar a 20 parcelas en un diseño completamente aleatorizado. La tasa de N era constante y los tratamientos eran: T1=Ca(NO 3 ) 2, T2=Na NO 3, T3= NH 4 NO 3, T4=(NH 2 ) 2 CO, T5=(NH 4 ) 2 SO 4. a. Dada la naturaleza de los tratamientos, nos interesa realizar las siguientes comparaciones: i. Tratamientos 1, 2 y 3 versus 4 y 5 (nitratos vs. no-nitratos). ii. Tratamientos 1 y 2 versus 3. iii. Tratamiento 1 versus 2. iv. Tratamiento 4 versus 5. Defina los coeficientes necesarios en la siguiente tabla y realice estos contrastes usando Infostat. Fuente de Nitrógeno Tratamientos 1, 2 y 3 versus 4 y 5 (nitratos vs. nonitratos) (L1) Tratamientos 1 y 2 versus 3 (L2) Tratamiento 1 versus 2 (L3) Tratamiento 4 versus 5 (L4) T1=Ca(NO 3 ) T2=Na NO T3=NH 4 NO T4=(NH 2 ) 2 CO T5=(NH 4 ) 2 SO i. Tratamientos 1, 2 y 3 versus 4 y 5 (nitratos vs. no-nitratos). L1: μ1 + μ2 + μ3 = μ4 + μ5 3 2 ii. Tratamientos 1 y 2 versus 3. L2: (μ1 + μ2)/2 = μ3 AGRO 6600 CLAVE Lab 5 Page 4
5 iii. Tratamiento 1 versus 2. L3: μ1 = μ2 iv. Tratamiento 4 versus 5. L4: μ4 = μ5 Análisis de la varianza Variable N R² R² Aj CV Prod Cuadro de Análisis de la Varianza (SC tipo III) F.V. SC gl CM F p-valor Modelo < Tratam < Error Total Contrastes trt SC gl CM F p-valor Contraste < Contraste Contraste Contraste Total < Coeficientes de los contrastes trt Cont. 1 Cont. 2 Cont. 3 Cont b. Son ortogonales estos contrastes? Si lo son, verifique que la suma de sus sumas de cuadrados es igual a la suma de cuadrados de tratamiento. Si no lo son, aplique la prueba de Bonferroni (es decir, compare el p-valor con ( ). Indique sus conclusiones. m Sí son ortogonales, porque la suma de sus sumas de cuadrados es igual a la suma de cuadrados de tratamiento. También se puede verificar directamente haciendo la suma de los productos cruzados. Por ejemplo para verificar que los contrastes 1 y 2 son ortogonales: ab ( 2) ( 3) 0 ( 3) 0 0 i i 3. En un experimento se desea conocer si hay alguna variedad de geranio que produce más flores. Se probaron 5 variedades (B1 y B2, dos híbridos belgas; C1 y C2, dos híbridos canadienses, y Te, una variedad comúnmente usada (testigo)). Se realizó un DBCA con 4 repeticiones. AGRO 6600 CLAVE Lab 5 Page 5
6 Número de flores Revisado marzo 2016_LWB/RS Rep Variedad Flores 1 B B C C Te 36 2 B B C C Te 28 3 B B C C Te 31 4 B B C C Te 33 a. Grafique los datos con diagramas de cajas en Infostat. 69 Número de flores por variedad de geranio B1 B2 C1 S1 C2 S2 Te Variedad de geranio b. Formule y pruebe los contrastes ortogonales de interés e interprete sus resultados. Use SAS. Anote los coeficientes en la siguiente tabla: Variedad Contraste 1 Contraste 2 Contraste 3 Contraste 4 B1 - híbrido belga B2 - híbrido belga C1 - híbrido canadiense AGRO 6600 CLAVE Lab 5 Page 6
7 C2 - híbrido canadiense Te testigo L1: Variedad común vs. los demás: μte = μb1 + μb2 + μs1 + μs2 4 L2: Variedades híbridas belgas vs. Variedades híbridas canadienses: μb1 + μb2 = μs1 + μs2 L3: Una variedad híbrida belga vs. la otra: μb1 = μb2 L4: Una variedad híbrida canadiense vs. la otra: μs1 = μs2 Prueba de hipótesis: Ho: L = 0 Ha: L 0 SAS: Class Level Information Class Levels Values Rep Var 5 B1 B2 S1 S2 Te Number of Observations Read 20 Number of Observations Used 20 Source DF Sum of Squares Mean Square F Value Pr > F Model Error Corrected Total R-Square Coeff Var Root MSE Flores Mean Source DF Type I SS Mean Square F Value Pr > F Var Rep AGRO 6600 CLAVE Lab 5 Page 7
8 Source DF Type III SS Mean Square F Value Pr > F Var Rep Level of Var N Mean Flores Std Dev B B S S Te Contrast DF Contrast SS Mean Square F Value Pr > F L2: B VS S L1: Te vs otros L3: B1 VS B L4: S1 VS S Conclusiones: En los primeros tres contrastes (L1, L2 y L3) hubo un p (0.0035, y , respectivamente) menor que Por lo tanto, se rechaza Ho y esto significa que: 1) las variedades híbridas belgas producen más flores que las variedades híbridas canadienses porque mostraron diferencia significativa, 2) la variedad comúnmente usada produce menos flores que el promedio de las demás porque hubo diferencia significativa, y 3) la variedad híbrida belga B1 produce más flores que la variedad híbrida belga B2 porque la diferencia fue significativa. Por el contrario, el contraste 4 (L4) mostró tener un p (0.5928) mayor que Por lo tanto, para este contraste se acepta Ho. Esto significa que no hubo diferencia en el número de flores entre la variedad híbrida canadiense S1 y la variedad híbrida canadiense S2. c. Se ha observado que los híbridos belgas (B1 y B2) muestran más flores que las otras tres variedades estudiadas. Es esta diferencia significativa? (Observar que éste es un contraste sugerido por los datos) Se utilizará la Prueba Scheffé porque está sugerido por los datos; o sea, es un contraste a posteriori. Contraste: L 5 : Dos variedades híbridas belgas vs. Las demás: μb1 + μb2 = μs1 + μs2 + μte 2 3 AGRO 6600 CLAVE Lab 5 Page 8
9 L 5 = Σ(c 2 /n) = 7.50 SC(L 5 ) = F L5 = / = Prueba de Scheffé: F > (t-1)f α, t-1, gle > Conclusión: Como el F observado es mayor que el valor crítico, se rechaza Ho. Esto nos indica que existe diferencia significativa entre la media de las dos variedades híbridas belgas versus la media de las demás variedades. Las variedades belgas producen más flores que las otras variedades. 4. Los siguientes datos provienen de un diseño completamente aleatorizado con 4 tratamientos y 5 repeticiones. La variable observada fue la agresión de ratones (0=muy pasivo a 50=muy agresivo). Decida cuáles serían las pruebas más apropiadas para comparar las medias (contrastes o comparaciones múltiples) en cada una de las dos situaciones expuestas en la tabla siguiente. Para el (los) caso(s) en que decida usar contrastes, escriba los coeficientes correspondientes y verifique su ortogonalidad. Tratamiento Situación 1 Situación II 1 cepa A cepa A, machos 2 cepa B cepa A, hembras 3 cepa C cepa B, machos 4 cepa D cepa B, hembras Situación I: Prueba de comparaciones múltiples. Situación II: Prueba de contrastes. Contrastes: L1: Cepa A vs. Cepa B: μam + μah = μbm + μbh L2: Machos vs. Hembras: μam + μbm = μah + μbh L3: Cepa A Macho vs. Cepa B Macho: μam = μbm L4: Cepa A Hembra vs. Cepa B Hembra: μah = μbh Grupo Coeficientes L1 L2 L3 L4 Cepa A, Macho Cepa A, Hembra Cepa B, Macho Cepa B, Hembra Ortogonalidad: L1L2: = 0 (SI) L1L3: = 2 (NO) L1L4: = 2 (NO) AGRO 6600 CLAVE Lab 5 Page 9
10 L2L3: = 0 (SI) L2L4: = 0 (SI) L3L4: = 0 (SI) Por lo tanto, los contrastes ortogonales (= independientes, o sea, donde la suma de los productos de los coeficientes = 0) son: (1) L1 y L2 (2) L2, L3, L4 (también cualquier par de estos contrastes es un conjunto ortogonal) AGRO 6600 CLAVE Lab 5 Page 10
CLAVE - LAB 2 - Diseños Completamente Aleatorizado y en Bloques
CLAVE - LAB 2 - Diseños Completamente Aleatorizado y en Bloques 1. Se realizó un experimento para determinar si cinco fuentes de nitrógeno difirieron en sus efectos sobre la producción de arroz. El diagrama
Más detallesCLAVE - LAB 4 - Determinación de Tamaño Muestral y Comparaciones Múltiples
Potencia Revisado_febrero_2016_LWB/CL CLAVE - LAB 4 - Determinación de Tamaño Muestral y Comparaciones Múltiples 1. Considere el problema 2 del laboratorio 2. Se está planificando realizar de nuevo este
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 detallesCLAVE Lab 11 - Regresión Lineal Simple y Polinomial
Escala común CLAVE Lab 11 - Regresión Lineal Simple y Polinomial 1. A mano, construya los siguientes gráficos: a. Grafique la línea recta correspondiente a la ecuación y 2x 1 b. Grafique la línea recta
Más detallesCLAVE Laboratorio 14: Diseño en bloques completos aleatorizados
CLAVE Laboratorio 14: Diseño en bloques completos aleatorizados 1. Digamos que estamos interesados en conducir un experimento para comparar los efectos de tres insecticidas diferentes en habichuela. Pensamos
Más detallesAGRO Examen Final. Nombre:
Examen Final Nombre: AGRO 6600 2008 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detallesExamen Final. Class Level Information Class Levels Values trat Number of Observations Used 15
Examen Final Nombre: AGRO 6600 2013 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detallesCLAVE - Laboratorio 11: Análisis de la Varianza
CLAVE - Laboratorio 11: Análisis de la Varianza 1. Se está diseñando un experimento para comparar 4 variedades de habichuela. Se usarán 6 parcelas con cada una de las variedades en un diseño completamente
Más detallesAGRO Examen Final
AGRO 6600 Examen Final 2004 Nombre: Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detallesCLAVE - LAB 1 - Repaso de Notación, Prueba de t y ANOVA. Introducción a SAS
(Revisado enero 016_LWB/CL) CLAVE - LAB 1 - Repaso de Notación, Prueba de t y ANOVA. Introducción a SAS PARTE A: Los siguientes datos corresponden a la cantidad de flores a los 60 días en plantas de dos
Más detallesExamen Final. a. Identifique los factores en estudio, y si éstos son fijos o aleatorios.
AGRO 6600 Examen Final 2002 Nombre: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas deben
Más detallesExamen Parcial 1. The GLM Procedure Class Level Information Class Levels Values trat
Examen Parcial 1 Nombre: AGRO 6600 2011 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
Más detallesSegundo Examen Parcial
Nombre: Segundo Examen Parcial AGRO 6600 2010 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallesClave Lab 7- Experimentos con dos Factores
Clave Lab 7- Experimentos con dos Factores 1. Se realizó un experimento para estudiar los efectos de tres niveles de ácido sórbico (0, 100 y 200 ppm) y seis niveles de actividad de agua (AW) en la supervivencia
Más detallesRegresión múltiple. Efecto de varias variables ambientales sobre una especie de ganso migratorio. Luz
Nombre: AGRO 6600 LAB 12 Regresión múltiple Los datos adjuntos se tomaron para estudiar el efecto de varias variables ambientales sobre el tiempo en el que una especie de ganso migratorio deja su nido
Más detallesAGRO Examen Final
AGRO 6600 Examen Final 2010 Nombre: Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detallesAGRO Examen Parcial 1. Nombre:
Examen Parcial 1 Nombre: AGRO 6600 2013 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
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 detallesCLAVE-LAB 3-Supuestos del Análisis de la Varianza
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 para comparar los efectos
Más detallesAGRO Examen Parcial 1. Nombre:
Examen Parcial 1 Nombre: AGRO 6600 2008 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
Más detallesCLAVE-Laboratorio 9: Pruebas t para una y dos muestras independientes
(revisado_oct 15_LWB/RS) CLAVE-Laboratorio 9: Pruebas t para una y dos muestras independientes 1. Calcule las siguientes probabilidades usando la tabla t e InfoStat. Incluya un diagrama en cada caso. a.
Más detallesAGRO 5005 Examen Final 2014 Nombre: Número de estudiante:
AGRO 5005 Examen Final 04 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial
Más detallesAGRO Examen Final. Nombre:
PesoSeco (g) Examen Final Nombre: AGRO 5005 2010 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallesAGRO 5005 Examen Final 2005 Nombre: Número de estudiante:
AGRO 5005 Examen Final 2005 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Se proveen las tablas y las
Más detallesCLAVE - LAB 13 (Regresión y correlación lineal)
CLAVE - LAB 13 (Regresión y correlación lineal) 1. Se condujo un experimento para examinar el efecto de diferentes concentraciones de pectina sobre la firmeza de batata enlatada. Se usaron tres concentraciones
Más detallesTEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN
TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene
Más detallesAnálisis A Variable N R² R² Aj CV pesotejido(g)
Nombre: Segundo Examen Parcial 1 AGRO 6600 2015 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallesOne way anova using SAS
One way anova using SAS With Duncan test El paquete SAS es un sistema computacional de los mas completos que existen, tiene el respaldo de un centro de investigación en estadística y es el mas usado por
Más detallesExamen Parcial 1. En la muestra se determinó la concentración de E. coli, en logufc. Se presentan algunos análisis relevantes a continuación.
Examen Parcial 1 Nombre: AGRO 6600 2009 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
Más detallesDCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.
completamente aleatorizado (DCA): 1 solo factor con diferentes tratamientos. DCA: Es el más simple de todos los diseños, solamente se estudia el efecto de un factor, el cual se varía en diferentes tratamientos
Más detallesEXPERIMENTOS FACTORIALES CON RESTRICCIONES DE ALEATORIZACION
EXPERIMENTOS FCTORILES CON RESTRICCIONES DE LETORIZCION Diseño de Parcela Dividida Diseño de Bloques Divididos o en Franjas Características generales de estos diseños Esquemas a campo y aleatorización
Más detallesAGRO Examen Final. Nombre:
Examen Final Nombre: AGRO 5005 20 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar
Más detallesExamen Final. F.V. SC gl CM F p-valor Método Error Total
Examen Final Nombre: AGRO 5005 009 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar
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 detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detallesAGRO Examen Final. Nombre:
Examen Final Nombre: AGRO 5005 2012 Instrucciones: Apague celulares. Se descontarán 10 puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detallesPruebas t para muestras pareadas
AGRO 55 LAB 1 Pruebas t para muestras pareadas PARTE I. Incluya en cada caso todos los pasos necesarios para probar las hipótesis correspondientes, una gráfica con t tab (t crítico), el cálculo del t obs
Más detallesAVISOS. Diseño Factorial 30/03/2015. Bioestadística II. Diseño Factorial. El miércoles 1 Abril no hay clases de BIO II
Facultad de Ciencias EYactas, Físicas y Naturales Universidad Nacional de Córdoba AVISOS Bioestadística II 2015 El miércoles 1 Abril no hay clases de BIO II http://estadisticaybiometria.wordpress.com seguir
Más detallesCLAVE- Lab 10 - Diseño en Parcelas Divididas
Parte I CLAVE- Lab 10 - Diseño en Parcelas Divididas e desea estudiar el efecto de ablandadores y tiempo de cocción sobre la terneza de carne de res. eis canales de res se obtuvieron aleatoriamente de
Más detallesSegundo Examen Parcial
Segundo Examen Parcial Nombre: AGRO 6600 2009 Instrucciones: Apague celulares. Se descontarán puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente.
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesEn clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza
Bioestadística II Bioestadística II En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza Bioestadística II Bioestadística
Más detallesMétodos de Diseño y Análisis de Experimentos
1 / 28 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM marzo 2018 Ideas básicas del diseño experimental Capítulo 4 de Analysis
Más detallesAGRO 5005 Examen Final 2013 Nombre: Número de estudiante:
AGRO 5005 Examen Final 2013 Nombre: Número de estudiante: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial
Más detallesANOVA mul)factorial. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
ANOVA mul)factorial Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Se puede examinar más de un factor simultáneamente (ANOVA de 2 factores, de 3 factores, etc.) Por qué un único análisis
Más detallesAplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas
Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento Centro 1 Estadística e Investigación
Más detallesPara este ensayo se requiere 12 parcelas grandes y dividirla cada una en dos subparcelas.
1 Diseño en Parcela Dividida (Split plot) El diseño consiste en dividir las parcelas en subparcelas y aplicar un grupo de tratamientos en las parcelas y otro grupo de tratamientos en las subparcelas. La
Más detallesCLAVE - LAB 12 - Regresión Múltiple y Selección de Variables
Revisado_May_2018_LW B CLAVE - LAB 12 - Regresión Múltiple y Selección de Variables Para estudiar la relación entre ciertas características del suelo y la producción de biomasa (g) de una planta forrajera
Más detallesAGRO Examen Parcial 2. Nombre:
1 Nombre: Examen Parcial 2 AGRO 5005 2016 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico
Más detallesDISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS
DISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS EXPERIMENTOS FACTORIALES PRINCIPIOS FUNDAMENTALES CONCEPTOS IMPORTANTES 1 } Experimentos factoriales se refiere al arreglo de los tratamientos, no es un
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 detallesAGRO Examen Parcial 1. Nombre:
Examen Parcial 1 Nombre: AGRO 6600 2015 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora y la hoja de fórmulas provista. Para obtener
Más detalles14 horas. 20 horas
EJERCICIOS PROPUESTOS ANALISIS DE VARIANZA. Se realiza un ANOVA para comparar el tiempo que demora en aliviar el dolor de cabeza de varios tipos de analgésicos. Se obtiene como resultado un test observado
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 detallesCapítulo 6. Análisis de la covarianza ANÁLISIS DE LA COVARIANZA UNIFACTORIAL INTRODUCCIÓN
Capítulo 6 Análisis de la covarianza INTRODUCCIÓN Es una combinación de dos técnicas: Análisis de la Varianza y Análisis de Regresión. En el Análisis de la Covarianza: F La variable respuesta es cuantitativa
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 detallesFactoriales 1 EXPERIMENTOS CON FACTORIALES
Factoriales 1 EXPERIMENTOS CON FACTORIALES Los factoriales son combinaciones de factores (nitrógeno, fósforo, variedades, sustancias, niveles de concentrado, etc.) para formar tratamientos, los cuales
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 detallesDISEÑO PARCELAS DIVIDIDAS
DISEÑO PARCELAS DIVIDIDAS Este es un diseño experimental combinado que resulta útil cuando al estudiar simultáneamente varios factores, alguno o algunos de ellos deben ser aplicados sobre unidades experimentales
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
Más detallesESQUEMA GENERAL DISEÑO FACTORIAL
TEMA III ESQUEMA GENERAL Definición Clasificación Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar Representación de la interacción DISEÑO FACTORIAL Definición El
Más detallesANÁLISIS DE LA VARIANZA CON UN SOLO FACTOR
Instituto Valenciano de Investigaciones Agrarias Seminario MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN AGRONÓMICA Tema 6 ANÁLISIS DE LA VARIANZA CON UN SOLO FACTOR Análisis de la Varianza con un solo factor
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 detallesDISEÑO EN PARCELAS DIVIDIDAS
DISEÑO EN PARCELAS DIVIDIDAS Este es un diseño experimental combinado que resulta útil cuando al estudiar simultáneamente varios factores, alguno o algunos de ellos deben ser aplicados sobre unidades experimentales
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 detallesDISEÑOS DE PARCELAS DIVIDIDAS
Experimentos Factoriales: Diseño de parcelas divididas y de bloques divididos 1 DISEÑOS DE PRCELS DIVIDIDS Este tipo de diseños se utiliza frecuentemente en experimentos factoriales cuando uno de los factores
Más detallesINFORME DEL ENSAYO DE EFICACIA DEL PRODUCTO POWERGROW PARA EL DESARROLLO DE LA INFLORESCENCIA EN EL CULTIVO DE VID EN LA ZONA DE PIURA.
INFORME DEL ENSAYO DE EFICACIA DEL PRODUCTO POWERGROW PARA EL DESARROLLO DE LA INFLORESCENCIA EN EL CULTIVO DE VID EN LA ZONA DE PIURA. I. INTRODUCCIÓN: La Vid se cultiva en numerosos países del mundo;
Más detallesModelo 1: MCO, usando las observaciones 1994: :03 (T = 218) Variable dependiente: INFLACION
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA DPTO. ACAD. DE ECONOMIA 1º El investigador especifica el modelo siguiente: EXAMEN PARCIAL DE ECONOMETRIA I Se le pide estimar el modelo por el método
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 6. Validación de Supuestos JAIME MOSQUERA RESTREPO VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Los procedimientos estudiados son validos únicamente bajo el cumplimiento de 4 supuestos
Más detallesBASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL
BASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL ETAPAS DE UNA INVESTIGACION a. Planteamiento y formulación del PROBLEMA b. Justificación c. Objetivos d. Hipótesis e. Procedimiento / diseño experimental
Más detallesUNIDAD IV COMPARACION DE MEDIAS DE TRATAMIENTOS ANALISIS Y DISEÑO DE EXPERIMENTOS
UNIDAD IV COMPARACION DE MEDIAS DE TRATAMIENTOS UNIDAD DE APRENDIZAJE: ANALISIS Y DISEÑO DE EXPERIMENTOS LICENCIATURA DE INGENIERO AGRONOMO EN FLORICULTURA FACULTAD DE CIENCIAS AGRÍCOLAS Elaborado por:
Más detallesTema 18 Análisis de la varianza de un factor (ANOVA) Contraste paramétrico de hipótesis
Tema 18 Análisis de la varianza de un factor () Contraste paramétrico de hipótesis Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) Pruebas de contraste
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesEstadística III. Carrera: FOR Participantes Representante de las academias de Ingeniería Forestal de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística III Ingeniería Forestal FOR - 0619 2 1 5 2. HISTORIA DEL PROGRAMA Lugar
Más detallesDiseño de Experimentos. Diseños Factoriales
Diseño de Experimentos Diseños Factoriales Luis A. Salomón Departamento de Ciencias Matemáticas Escuela de Ciencias, EAFIT Luis A. Salomón (EAFIT) Inspira Crea Transforma Curso 2016 Índice 1 Introducción
Más detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
Más detallesANÁLISIS E INTERPRETACIÓN DE DATOS EXPERIMENTALES EN EL MEJORAMIENTO GENÉTICO VEGETAL. Ing. Agr. Pablo Mansilla MGV-FCA, UNC.
ANÁLISIS E INTERPRETACIÓN DE DATOS EXPERIMENTALES EN EL MEJORAMIENTO GENÉTICO VEGETAL. Ing. Agr. Pablo Mansilla MGV-FCA, UNC. ALGUNAS DEFINICIONES NECESARIAS.. UNIDAD EXPERIMENTAL (UE) Porción de material
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Métodos complementarios al análisis de varianza Comparaciones múltiples Comparación o pruebas de rangos múltiples Después de que se rechazó la hipótesis
Más detallesManual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University.
Manual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University. Estadísticas con MegaStat AgeCat Gender Seconds 1 2
Más detallesRESPUESTA A LA FERTILIZACIÓN CON BORO EN SOJA EN EL SUR DE SANTA FE
RESPUESTA A LA FERTILIZACIÓN CON BORO EN SOJA EN EL SUR DE SANTA FE Dr Fernando Salvagiotti. Nutrición Vegetal y Fertilidad de suelos EEA Oliveros INTA Introducción La degradación química de los suelos
Más detallesPROF. LUIS NAVA PUENTE MAYO 2010
PROF. LUIS NAVA PUENTE MAYO 2010 INTRODUCCIÓN El diseño de experimentos tiene una amplia aplicación en muchas disciplinas, de hecho, se puede ver la experimentación como parte del proceso científico y
Más detallesRegresión ponderada y falta de ajuste
Capítulo 4 Regresión ponderada y falta de ajuste 4.1. Introducción En este capítulo se presentan la regresión ponderada y la prueba de falta de ajuste como un conjunto adicional de herramientas usadas
Más detallesInferencia: Tarea 3. medio número de mujeres media(años ) des. estándar(años) Rural Urbano
Inferencia: Tarea 3 1. Un sociólogo registró el número de años cumplidos por una mujer al momento de su primer parto. Se clasificó a las mujeres de acuerdo al medio en que vivían, rural y urbano, y se
Más detallesc. (4 puntos) Identifique el factor A (aplicado a nivel de parcela completa) e indique el número de niveles de este factor:
1 AGRO 6600 Examen Final Nombre: 2015 Instrucciones: Apague celulares. Se descontarán 10 puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detallesAGRO Examen Parcial 2. Nombre:
1 Nombre: Examen Parcial 2 AGRO 5005 2015 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
Más detallesSOLUCIONES EJERCICIOS MISCELANEA. Problema 1. Dagoberto Salgado Horta Página 1
SOLUCIONES EJERCICIOS MISCELANEA Problema 1 Dagoberto Salgado Horta Página 1 Como se observa en la tabla la Fcal es mayor que la Ftab por lo que podemos concluir diciendo que existen diferencias significativas
Más detallesDiseño de Experimentos
Diseño de Experimentos Estudios experimentales vs observacionales Experimento vs Muestreo La palabra experimento se utiliza en un sentido preciso, implicando una investigación donde un sistema bajo estudio
Más detallesESTADISTICA AVANZADA. Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman)
ESTADISTICA AVANZADA Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman) Factor Análisis de la Variancia El análisis de varianza One Way es una generalización de la Prueba t para mas
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 detallesUNIDAD III DISEÑOS EXPERIMENTALES RELACIONADOS CON UN SOLO FACTOR DE ESTUDIO ANALISIS Y DISEÑO DE EXPERIMENTOS
UNIDAD III DISEÑOS EXPERIMENTALES RELACIONADOS CON UN SOLO FACTOR DE ESTUDIO UNIDAD DE APRENDIZAJE: ANALISIS Y DISEÑO DE EXPERIMENTOS LICENCIATURA DE INGENIERO AGRONOMO FITOTECNISTA FACULTAD DE CIENCIAS
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesESTIMACIÓN DE PARÁMETROS Y PRUEBA DE HIPÓTESIS
ANÁLISIS EXPLORATORIO TRABAJOS DE APLICACIÓN INFORMÁTICA EJERCICIO N 1: Realice un análisis exploratorio utilizando el archivo que incluya las siguientes etapas a) Confección de tablas de distribución
Más detallesSnapstat: Comparación de Varias Muestras
Snapstat: Comparación de Varias Muestras Resumen La Comparación de Varias Muestras en SnapStat crea un resumen de una página que compara dos o más muestras independientes de datos. Incluye pruebas para
Más detallesCLAVE - Lab 9 - Efectos Aleatorios y Mixtos. Diseños Anidados
PARTE I CLAVE - Lab 9 - Efectos Aleatorios y Mixtos. Diseños Anidados 1. Los humedales generalmente son alimentados por dos posibles fuentes de agua: agua de precipitación (P) y agua subterránea (ST).
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 8. Diseño de Bloques al Azar JAIME MOSQUERA RESTREPO DISEÑO DE BLOQUES El principio básico del diseño de experimentos consiste en garantizar la homogeneidad de las Unidades
Más detallesDiseño de Experimentos Experimentos factoriales
Diseño de Experimentos Experimentos factoriales Dr. Héctor Escalona Definición El termino genérico de diseño factorial se aplica a aquellos experimentos donde se desea evaluar el efecto de 2 o mas factores
Más detallesCAPÍTULO 3. Los datos de las seis variables fueron analizados estadísticamente. diseño experimental de bloques completamente al azar.
61 CAPÍTULO 3 3. ANÁLISIS DE RESULTADOS Los datos de las seis variables fueron analizados estadísticamente mediante el análisis de varianza (ADEVA), que es utilizado para evaluar el diseño experimental
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 detalles