DISEÑO EN BLOQUES ALEATORIZADOS

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Advertisements

ANOVA DE UN FACTOR.
Intervalos de Confianza para la Varianza de la Población
Diseño de Experimentos
DISEÑOS CON MEDIDAS REPETIDAS
Tema 17: Contraste paramétrico de hipótesis II: Pruebas de contraste para más de dos grupos independientes (ANOVA entresujetos): un y dos factores completamente.
EJEMPLO.
DISEÑO DE EXPERIMENTOS
DISEÑO DE EXPERIMENTOS
Introducción al análisis de la varianza
Inferencia Estadística
Contraste de Hipótesis
Pronósticos, Series de Tiempo y Regresión
Elementos del Diseño de Experimentos y Análisis de la Varianza
Bloques aleatorizados, cuadrados latinos y diseños relacionados
ANÁLISIS DE LA VARIANZA (ANOVA)
INTRODUCCION A LOS CONTRASTES BASADOS EN RANGOS
TEMA VII.
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
TEMA III.
EXPERIMENTOS CON UN SOLO FACTOR
Estimación por Intervalos de confianza
Análisis de varianza Análisis de varianza de un factor
Ejemplo de un diseño de Experimentos
Tema 6: Análisis de la Varianza (1ª parte: ANOVA simple)
9 Regresión Lineal Simple
Prueba de hipótesis Equivalencia entre la prueba de hipótesis y los intervalos de confianza Valor de probabilidad Valor de probabilidad unilateral Prueba.
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
Clase 5 Hipótesis de diferencias de grupos
Capítulo III Análisis de varianza.
Ingeniería Industrial. Estadística III Henry Lamos Díaz
Clases 3 Pruebas de Hipótesis
(niveles o categorías)
DISEÑOS DE EXPERIMENTOS FACTORIALES
Diseño en bloques completamente aleatorizados
ANOVA (Analysis of Variation)
UNIVERSIDAD INCA GARCILASO DE LA VEGA
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
Normalidad, Variabilidad y estimación del Modelo de Regresión
Análisis de la Varianza
Diseño Completamente Aleatorizado: ejemplo
U de Mann Whitney.
Estadística Administrativa II
CO-2124 Análisis de Varianza con Un Criterio de Clasificación En clases anteriores se deseaba determinar si existían diferencias entre las medias de dos.
Análisis y diseño de experimentos
USO DEL “ANÁLISIS DE VARIANZA UNA-VÍA”, PARA:
Clase 6 Hipótesis de diferencias de grupos
Regresión Lineal Simple
Método de mínimos cuadrados
Ingeniería Industrial. Estadística III Henry Lamos Díaz
DISEÑOS FACTORIALES 2 K. DISEÑOS FACTORIALES 2 K INTRODUCCION PROBLEMA HIPOTESIS SIGNOS DE LAS INTERACCIONES OBTENCION DEL CONTRASTE EFECTOS PROMEDIO.
DISEÑO Y ANALISIS DE EXPERIMENTOS DR. PORFIRIO GUTIERREZ GONZALEZ.
INFERENCIA ESTADISTICA Dr. Porfirio Gutiérrez González
DISEÑOS DE EXPERIMENTOS FACTORIALES
InfoStat. Software estadístico
Análisis de Varianza ANOVA Capitulo 10. Multiples grupos Ha: Por lo menos uno de los grupos no es igual a lo demás.
Estadística Administrativa II
Clase 17 Introducción a la Estadística Universidad de la República Centro Universitario Regional del Este Pablo Inchausti Licenciatura en Gestión Ambiental.
DISEÑOS POR BLOQUES ALEATORIZADOS
(niveles o categorías)
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
Experimentos con un solo factor: anÁlIsis de varianza
MÁS DE DOS MUESTRAS Procedimientos paramétricos. Pruebas de diferencias entre más de dos muestras *Con cálculos diferentes de SC y gl, según el caso.
1 REGRESIÓN CON VARIABLES DICOTÓMICAS TEMA 1 (CONTINUACIÓN)
METODO DE MAXIMA PENDIENTE
ANALISIS DE VARIANZA.
DISEÑOS EXPERIMENTALES
Transcripción de la presentación:

DISEÑO EN BLOQUES ALEATORIZADOS Introducción ¿Por qué el diseño por bloques? Problema Hipótesis Análisis de varianza (ANOVA) Comparaciones múltiples Verificación de supuestos Residuales Varianza constante Independencia Normalidad Construcción del Anova

Ejemplo: INTRODUCCION 45 43 51 47 44 52 50 49 57 42 37 Se diseño un experimento para estudiar el rendimiento de cuatro detergentes. Las siguientes lecturas de "blancura" se obtuvieron con un equipo especial diseñado para 12 cargas de lavado distribuidas en tres modelos de lavadoras: BLANCURA Detergente R1 R2 R3 A 45 43 51 B 47 44 52 C 50 49 57 D 42 37

Variable de respuesta: Blancura Factor controlado: Tipo de detergente Hipótesis: Ho: no hay efecto del tipo de detergente en la blancura de la ropa Ha: si hay efecto del tipo de detergente en la blancura de la ropa

Fuente Suma de cuadrados GL Cuadrados Medios Razón-F Valor P Detergentes 133.667 3 44.5556 2 0.1923 Within groups 178 8 22.25   Total (Corr.) 311.667 11 No existen diferencias en los tipos de detergente, con una confianza estadística de 95%. Ahora bien, notemos que en el texto del problema, que se habla del uso de tres modelos diferentes de lavadoras. Dichas lavadoras al ser diferentes producen una variación que puede afectar en el análisis.

FACTOR PERTURBADOR Factor perturbador es un factor del diseño que probablemente tenga efecto sobre la respuesta, pero en el que no existe interés especifico En cualquier experimento, la variabilidad que surge de un factor perturbador puede afectar los resultados.

¿Por qué el diseño por bloques? Cuando existe una fuente de variación adicional (debido a un factor perturbador) que puede y debe ser sistematizada y controlada durante el experimento, se deberá utilizar el diseño por bloques.  DE ESTA MANERA EL ERROR EXPERIMENTAL SE REDUCIRÁ, Y LA PRECISIÓN DEL DISEÑO AUMENTARÁ.

Ejemplo: Se diseño un experimento para estudiar el rendimiento de cuatro detergentes. Las siguientes lecturas de "blancura" se obtuvieron con un equipo especial diseñado para 12 cargas de lavado distribuidas en tres modelos de lavadoras: Lavadora Detergente 1 2 3 A 45 43 51 B 47 44 52 C 50 49 57 D 42 37

Variable de respuesta: Blancura Factor controlado: Tipo de detergente Bloque: Tipo de lavadora Hipótesis: Ho: no hay efecto del tipo de detergente en la blancura de la ropa Ha: si hay efecto del tipo de detergente en la blancura de la ropa

SCTOTAL=SCFACTOR+SCBLOQUE+SCERROR ANOVA SCTOTAL=SCFACTOR+SCBLOQUE+SCERROR Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P EFECTOS PRINCIPALES   A:LAVADORA 170.167 2 85.0833 65.17 0.0001 B:DETERGENTE 133.667 3 44.5556 34.13 0.0004 RESIDUOS 7.83333 6 1.30556 TOTAL (CORREGIDO) 311.667 11 Para un nivel de confianza  =0.05 se puede concluir que si existen diferencias significativas entre los tipos de detergentes con respecto a la blancura.

COMPARACIONES MULTIPLES ¿Cuál detergente es mejor? LSD  Suponiendo una hipótesis alterna bilateral, dos medias se consideran diferentes si   La cantidad se denomina mínima diferencia significativa.

A-B A-C A-D B-C B-D C-D A 46.3 B 47.6 C 52 D 42.6 1.333 5.667 3.667 Detergente Promedios A 46.3 B 47.6 C 52 D 42.6 Pares A-B A-C A-D B-C B-D C-D |Dif.| 1.333 5.667 3.667 4.333 5 9.333 Menor a LSD Mayor a LSD Conclusión La blancura del detergente A no es diferente al del detergente B Existe diferencia significativa de blancura entre el tipo de detergente A y el detergente C. Existe diferencia significativa de blancura entre el tipo de detergente A y el detergente D. Existe diferencia significativa de blancura entre el tipo de detergente B y el detergente C. Existe diferencia significativa de blancura entre el tipo de detergente B y el detergente D. Existe diferencia significativa de blancura entre el tipo de detergente C y el detergente D. El Detergente C es el que da mayor blancura, ya que presenta el mayor promedio significativo que los otros tres

Prueba de rangos múltiples (LSD) para detergentes Casos Media LS Sigma LS Grupos Homogéneos D 3 42.6667 0.659686 X A 46.3333 B 47.6667 C 52.0 Contraste Sig. Diferencia +/- Límites A - B   -1.33333 2.28282 A - C * -5.66667 A - D 3.66667 B - C -4.33333 B - D 5.0 C - D 9.33333 Hay 3 grupos homogéneos, un grupo es el detergente D, otro grupo lo son los detergentes A y B, finalmente el tercer grupo lo es el detergente C. Para maximizar la blancura de la ropa se recomienda el detergente C.

GRAFICAS DE MEDIAS   Error Límite Nivel Media Est. Inferior Superior MEDIA GLOBAL 47.1667 DETERGENTE A 46.3333 0.659686 44.7191 47.9475 B 47.6667 46.0525 49.2809 C 52.0 50.3858 53.6142 D 42.6667 41.0525 44.2809 Se puede establecer que en promedio el detergente C es mejor, ya que presenta el mejor promedio de los 4 tipos de detergentes. Si el detergente C es el recomendado se esperarían promedios entre 50.38 y 53.61

Verificación de supuestos Modelo Verificar si los residuos cumplen con los supuestos de: VARIANZA CONSTANTE INDEPENDENCIA NORMALIDAD Para ello, primeramente se calculan los residuales mediante la siguiente formula: Donde yij es el valor obtenido en el experimento, es el promedio del i-ésimo detergente, es el j-ésimo bloque, es el promedio general.  Ejemplo:  e11=45-46.33-46+47.167=-0.16

RESIDUALES Tabla de residuales: DETERGENTES A B C D -0.1667 0.5 -0.833 0.5833 0.25 0.9166 -1.75 -0.41667 -0.75 -0.0833 1.25

SUPUESTO DE VARIANZA CONSTANTE  Para checar el supuesto de varianza constante, es necesario realizar la siguiente grafica:  GRAFICA DE RESIDUALES VS LOS NIVELES DEL FACTOR  En este caso no se presenta patrón inusual por lo que podemos concluir que si se cumple el supuesto de varianza constante.

SUPUESTO DE INDEPENDENCIA Para verificar el supuesto de independencia se requiere ordenar los residuales según el orden en que se corrió el experimento DETERGENTES A B C D -0.167 (2) 0.5 (1) -0.833 (4) 0.5 (3) 0.583 (4) 0.25 (2) 0.916 (1) -1.75 (3) -0.416 (2) -0.75 (1) -0.083 (4) 1.25 (3) De acuerdo a esta gráfica se puede concluir que si se cumple el supuesto de independencia.

NORMALIDAD   En está gráfica se puede ver que la mayoría de los puntos se ajustan a la línea recta, lo que significa que los residuales si cumplen el supuesto de normalidad.

Análisis de varianza (ANOVA) de un diseño de bloques completos aleatorios Fuente de variación Suma de cuadrados Grados de libertad Cuadrados medios F0 F (Tabla) Tratamientos SSTratamientos a-1 Bloques SSBloques b-1 Error SSError (a-1)(b-1) Total SSTotal Si F0 es mayor a se rechaza Ho, de igual manera si el P-value es menor al nivel de significancia ( ) se rechaza H0, Y se concluye que factor si afecta significativamente a la variable de respuesta.