Diseño experimental II

Slides:



Advertisements
Presentaciones similares
Diseño experimental I.
Advertisements

ANÁLISIS DE COVARIANZA En algunas circunstancias, un experimento está afectado por la intervención de un factor muchas veces imprevisible y que no puede.
CAUSALIDAD Y VALIDEZ EN LOS ESTUDIOS EPIDEMIOLÓGICOS.
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
Ciclo: VIIIMódulo: I INGENIERIA DE METODOS II Semana Nº 1 Bertha Luz, Rafael Hidalgo.
Diseño factorial 32 Rafael Araujo-Jorge castilla Gustavo jimenez-cristian nieves-brayan ortega.
Ejemplos de  2 y prueba de contingencia Queremos saber: 1.- Si la diferencia entre los parentales en cuanto al color de la flor se debe a un solo gen.
DISEÑOS EXPERIMENTALES ESTADÍSTICA PARA INGENIERIA II.
Detección y corrección de errores.  es una importante práctica para el mantenimiento e integridad de los datos a través de diferentes procedimientos.
REFERENCIAS BIBLIOGRAFICAS
DISEÑO EXPERIMENTAL Ma44D Mayo 2006.
DISEÑO EN CUADRADO LATINO Y GRECOLATINO
Técnicas experimentales
Esfuerzos inducidos en torno a excavaciones
DISEÑOS EXPERIMENTALES
Diseño Experimental 1 Santiago Ulloa.
A este grupo de personas que tenemos aquí…
METODOS PARA ANALISIS DE TALUDES
Unidad 5. Capítulo VI. Sistemas lineales no homogéneos.
TEMA: ESTUDIOS DE CONSTRUCCION
ESTADÍSTICA II Ing. Danmelys Perozo MSc.
NORMALIZACION El proceso de normalización de bases de datos consiste en aplicar una serie de reglas a las relaciones obtenidas tras el paso del modelo.
EXPERIMENTOS FACTORIALES
UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN FACULTAD DE CIENCIAS ESCUELA ACADEMICAPROFESIONAL DE BIOLOGIA-MICROBIOLOGIA ASIGNATURA: DISEÑO EXEPERIMENTAL.
ANALISIS DE LA VARIANZA PROF. GERARDO A. VALDERRAMA M.
CONTROL POR EVENTOS PARA LA ESTABILIZACIÓN DEL PÉNDULO LINEAL
EXPERIMENTO FACTORIAL 23
Procedimientos paramétricos
Mantenimiento basado en el Riesgo (Inspección basada en el Riesgo)
REGRESÍON LINEAL SIMPLE
TEMA 1: MÉTODO CIENTÍFICO
DISEÑO DE EXPERIMENTOS
DATOS ESTADISTICOS DIANA MARCELA ALVAREZ YINED RAMIREZ JESUS FANDIÑO
EXPERIMENTO FACTORIAL 23
Tamaño de muestra Ecología Marina. Una población se define como un conjunto de individuos de una especie que habita un área determinada. Los métodos disponibles.
Capítulo 10 Test de Hipótesis Capítulo 10 Test de Hipótesis.
ACUMULACIÓN DE COSTOS. Introducción Las empresas buscan la utilidad surtiendo a sus clientes de bienes y servicios necesarios. Para.
ANALISIS DE VARIANZA
Metodología de la Investigación
DISEÑO Y ANALISIS DE EXPERIMENTOS
PRECISIÓN y EXACTITUD.
EXPERIMENTOS FACTORIALES
DISEÑO Y ANALISIS DE EXPERIMENTOS
METODOS PARA ANALISIS DE TALUDES
Unidad 4 Anexo 1. Capítulo V. Vibraciones libres amortiguadas.
logo Título INTRODUCCIÓN RESULTADOS OBJETIVO MÉTODO CONCLUSIONES
Identificación de los efectos de los diseños experimentales.
Requisito “perspectiva de género” en los proyectos
Dr. Carlomagno Araya Alpízar
Definición de solución (especificadores)
ANAVA a un factor con bloques
ANOVA Permite evaluar dos o más tratamientos.
DISEÑO Y ANALISIS DE EXPERIMENTOS
Establecimiento de Medidas Correctivas Paso Décimo / Principio 5 CAPÍTULO 3 Mod 10 El sistema de Análisis de Peligros y de Puntos Críticos de Control.
TALLER DE INVESTIGACIÓN II INTEGRANTES GARRIDO ROMÁN SERGIO ISRAEL RIVERA JIMÉNEZ RAMÓN ANTONIO.
MODELADO DE DATOS Tema 2: Normalizar un diseño de bases de datos.
ANÁLISIS DE COVARIANZA (ANCOVA)
Alumna : Karen Cabana Gil
Amortización MATEMATICA FINANCIERA. IDEAS FUERZA  1. Una deuda disminuye, sólo, por “amortización” (devolución del capital en partes).  2.El” interés”
Diseños evaluativos de alta intervención
MÉTODO OWAS. INTRODUCCIÓN El método Owas permite la valoración de la carga física derivada de las posturas adoptadas durante el trabajo. A diferencia.
Sobre la liberación de los insectos benéficos en el campo  La liberación de insectos benéficos en el campo es de mucha importancia, ya que dichos insectos.
Técnicas experimentales
TRATAMIENTO Y EVALUACION DE RESULTADOS ANALITICOS 1.Conceptos generales sobre la medida. Tipos de errores, concepto, componentes, corrección. Distribución.
1 Afectados de cierto grado de INCERTIDUMBRE SIEMPRE HAY UN ERROR EN SU MEDIDA ESTABLECER LA FIABILIDAD DE LOS DATOS ¿Podemos evaluar la magnitud del error.
ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN ¿Qué es una proyección? Es una estimación del comportamiento de una variable en el futuro. Específicamente, se.
DISEÑO Y ANALISIS DE EXPERIMENTOS
ESTADÍSTICA APLICADA  ZEUS DE JESÚS RODRÍGUEZ BUDA  GABRIELA MÁRQUEZ TORRES  MARÍA ENRIQUETA GIL CÓRDOVA  ELIÁN ANTONIO GONZALEZ GARCÍA  CRISTELL.
DISEÑOS 2 A LA K CON PUNTOS CENTRALES
Amortización MATEMATICA FINANCIERA. IDEAS FUERZA  1. Una deuda disminuye, sólo, por “amortización” (devolución del capital en partes).  2.El” interés”
Transcripción de la presentación:

Diseño experimental II

Análisis de grupos de experimentos En los diversos tipos de ensayos existe una influencia decisiva del momento y el lugar en que ellos se realizan, sobre los efectos de los tratamientos. Para facilitar el análisis y la combinación de los datos en un solo conjunto, deben presentar, preferiblemente todos los experimentos, los mismos tratamientos y el mismo tipo de delineamiento. Obtenidos los datos, agrupamos los experimentos, según los criterios adoptados en el estudio. Consideramos a continuación los cuadrados medios del error de los diversos experimentos. Para que los experimentos puedan ser reunidos con cierto rigor, será preciso que esos cuadrados del error no difieran mucho entre sí. Estudios de Box (1954) indican que si todos los experimentos tienen el mismo número de parcelas, la relación entre el mayor cuadrado medio y el menor de ellos podrá llegar hasta 3 o 4 sin que esto llegue a causar perjuicios serios.

Cómo hacer el análisis Consideramos ahora lo que llamaremos un grupo de experimentos, que resulten comparables de acuerdo con los criterios indicados anteriormente. Si cada uno de ellos tuviera más de una repetición haremos el análisis respectivo separadamente. A continuación haremos un análisis conjunto, reuniendo sólo los experimentos cuyas variancias del error no sean muy diferentes.

Experimento I N1 PK1 4,2 2,4 2,8 3,2 12,6 N1 PK2 3,6 2,2 1,8 10,8 N2 PK1 2,6 3,0 2,0 N2 PK2 11,8 Testigo 1,2 9,4 55,4 Experimento 2 11,0 10,5 9,0 39,5 10,0 9,5 8,0 36,5 12,0 40,0 11,5 42,5 8,5 7,0 33,5 192,0 Experimento 3 N1 PK1 7,0 7,5 6,5 5,5 26,5 N1 PK2 8,5 8,0 29,0 N2 PK1 9,0 6,0 N2 PK2 9,5 33,5 Testigo 4,5 24,5 140,0 Experimento 4 N1 PK1 8,0 6,9 6,0 6,5 27,4 N1 PK2 5,5 7,5 29,0 N2 PK1 7,0 4,7 9,0 26,2 N2 PK2 28,0 Testigo 3,5 3,0 3,9 17,4 128,0 Experimento 5 1,72 1,81 1,73 1,62 6,88 2,38 2,56 2,48 2,43 9,85 2,52 2,88 2,76 2,54 10,70 2,78 3,01 2,83 2,79 11,41 1,48 1,58 1,56 6,24 45,08

Experimento I Fuentes de variación GL SC CM F Tratamientos 4 1,45 0,363 0,73 Error 15 7,45 0,497 Total 19 8,90   Experimento 2 12,05 3,013 2,70 16,75 1,117 28,80 Experimento 3 12,00 3,000 1,96 23,00 1,533 35,00 Experimento 4 Fuentes de variación GL SC CM F Tratamientos 4 22,04 5,510 2,47 Error 15 33,42 2,228 Total 19 55,46   Experimento 5 5,3829 1,3457 117,02 0,1722 0,0115 5,5551

Fuentes de variación GL SC CM F Lugares 3 475,4 158,47 121,2 Tratamientos 4 31,85 7,96 6,09 Lugares x Tratamientos 12 15,69 1,308 0,98 Error 60 80,62 1,344 Total 79 603,56  

Cuando lo que interesa son resultados generales, los tratamientos deben ser testeados preferiblemente en relación al cuadrado medio de la interacción “lugares x tratamiento¨. Se podría criticar en este análisis que la interacción lugares por tratamiento puede no ser la misma para todos los contrastes entre tratamientos. Para evitar esta crítica, podemos estimar cada contraste en cada lugar y testearlo separadamente

Fuentes de variación GL SC CM F testigo vs trat. Fert. 1 26,11 19,96** N1 vs N2 1,00 0,77 K1 vs K2 2,10 1,61 Interacción N x K 2,64 2,02 Interacción Lug x Tra 12 15,69 1,308   Luego se testean cada contraste. Este último procedimiento tiene la desventaja de disminuir excesivamente los grados de libertad para los test, de manera que puede ser usado sin mucha desventaja cuando el número de lugares es grande.

Otro ejemplo Un modo práctico y usual de análisis conjunto de experimentos consiste en considerar las medias referentes a cada caso y analizarlas como si cada experimento fuese una repetición. También en este caso el error usado fue la interacción tratamientos x lugares.

El método de Cochran Cuando loas cuadrados medios del error son muy diferentes, lo más conveniente es separar los experimentos en donde ello no ocurra en subgrupos. Otro método, que puede ser usado, adaptado de Cochran, consiste en hacer un ajuste en el número de grados de libertad. SX2 x r2 C= GL

Ensayos con animales

Generalidades En el campo de la zootecnia, los ensayos con vacas lecheras son bastantes complejos debido a que generalmente se cuenta con material heterogeneo y poco numeroso. Esto obliga a numerosas restricciones que complican los ensayos. Caso opuesto es el de los pollos y aves en general. Delineamientos más simples, colocando generalmente varios animales en cada parcela. En el caso de los cerdos, ocupan una posición intermedia, y generalmente permiten el uso de delineamientos relativamente simples. En el caso de animales pequeños, no es raro que las mayores causas de error residan en el ambiente en que viven, ya sea por problemas de exposición, orientación o ubicación.

Ensayos de Dupla reversión o alternativos Switch-back, se destina generalmente a vacas lecheras o gallinas ponedoras. Cada animal se usa en 3 períodos experimentales sucesivos. Para evitar los efectos del error de un período sobre el siguiente los datos de la semana inicial de cada periodo debe despreciarse. Los periodos iniciales y finales tienen el mismo tratamiento, que es comparado con el segundo tratamiento. El fundamento esta en la disminución persistente en la producción despues de un periodo inicial de producción creciente. En caso de lecheras, el comienzo del ensayo se inicia una vez pasado el pico de lactación y que el final del ensayo no supere la mitad del periódo de gestación siguiente.