MEP- II.

Slides:



Advertisements
Presentaciones similares
Análisis de experimentos con submuestras balanceadas
Advertisements

DISEÑOS POR BLOQUES ALEATORIZADOS
Experimentos con un solo factor: anÁlIsis de varianza
OVA CURSO UNIDAD 1 Capitulo Cuarto: Definiciones y herramientas estadísticas aplicadas a los diseños experimentales Lección 5. Análisis de varianza.
DISEÑO FACTORIAL. En muchas situaciones experimentales resulta de interés estudiar los efectos producidos por dos o más factores simultáneamente; esto.
Diseño factorial 32 Rafael Araujo-Jorge castilla Gustavo jimenez-cristian nieves-brayan ortega.
DISEÑOS EXPERIMENTALES ESTADÍSTICA PARA INGENIERIA II.
DISEÑO EXPERIMENTAL Ma44D Mayo 2006.
MEP- II.
DISEÑO EN CUADRADO LATINO Y GRECOLATINO
MEP- II.
CLASE 43 5x y x 5 y P(x) x = x = 7x 7 x y – –3 2,
DISEÑOS EXPERIMENTALES
Facultad de Ciencias Sociales
Ejemplo Se va efectuar un estudio de los movimientos para determinar el mejor diseño de trabajo para ensamblar computadores PENTIUN IV; cinco diseños se.
Modelos estadísticos de los procesos II
MEP- II.
Bioestadística Inferencia estadística y tamaños de muestra para una y dos o más medias.
TABLA DE CONTENIDOS RESUMEN
EjEMPLO de diseños experimentales
Diseños en cuadrados greco-latinos
EXPERIMENTOS FACTORIALES
Diseños experimentales
UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN FACULTAD DE CIENCIAS ESCUELA ACADEMICAPROFESIONAL DE BIOLOGIA-MICROBIOLOGIA ASIGNATURA: DISEÑO EXEPERIMENTAL.
Análisis de Varianza a dos vías
ANALISIS DE LA VARIANZA PROF. GERARDO A. VALDERRAMA M.
MEP- II.
Christian Alave Rosas UNIVERSIDAD JORGE BASADRE GROHMANN BIOLOGÍA - MICROBIOLOGÍA Diseños experimentales Christian Alave Rosas
MODELOS DE DISEÑOS EXPERIMENTALES
Tema 1 El método científico
Bioestadística Regresión y Correlación Múltiple:
Procedimientos paramétricos
FÓRMULAS Una fórmula es la representación de una operación aritmética en una hoja de cálculo. Características: Siempre comienza por el signo igual(=) ó.
REGRESIÓN LINEAL SIMPLE
Análisis of varianza (ANOVA) De un factor o unidireccional
DISTRIBUCIÓN MUESTRAL DE UNA MEDIA.
VARIABLE INDEPENDIENTE Cualitativa dicotómica
Aplicaciones Estadísticas a las Finanzas
EXPERIMENTO FACTORIAL 23
ANALISIS DE VARIANZA
DISEÑO Y ANALISIS DE EXPERIMENTOS
EXPERIMENTOS FACTORIALES
MANOVA Factor A “variable cualitativa o de clasificación”
DISEÑO Y ANALISIS DE EXPERIMENTOS
REGRESIÓN LINEAL SIMPLE
PARA LA REGRESIÓN LINEAL SIMPLE
Identificación de los efectos de los diseños experimentales.
Regresión y Correlación Múltiple: Prueba de hipótesis.
Apuntes de Matemáticas 3º ESO
DISEÑOS DE EXPERIMENTOS FACTORIALES
7. Procedimientos paramétricos para datos cuantitativos
Sumas de cuadrados en Anova
ANOVA Permite evaluar dos o más tratamientos.
Regresión Lineal Simple
DISEÑO Y ANALISIS DE EXPERIMENTOS
Análisis de la Covarianza
Diseños anidados-jerarquicos
Análisis Factorial de la Varianza
2.- MODELO DE DISEÑO DE EXPERIMENTO COMPLETAMENTE ALEATORIZADO NO BALANCEADO Es recomendable cuando: La diferencia entre las unidades experimentales.
PROBLEMA TIPO MODELO COMPLETAENTE ALEATORIZADO NO BALANCEADO
Alumna : Karen Cabana Gil
Modelo Aleatorios y Mixtos
DISEÑOS FACTORIALES 2K PGG.
ANALISIS DE REGRESION SIMPLE
U de Mann Whitney.
DISEÑO Y ANALISIS DE EXPERIMENTOS
REGRESION LINEAL SIMPLE
REGRESION LINEAL SIMPLE
Transcripción de la presentación:

MEP- II

Conf. # 10.- Diseño de experimentos continuación Sumario Diseños en bloques al azar: Concepto de bloque. Supuestos sobre el bloque. Modelo del diseño.

Bibliografía Texto. Cap. 13. Epígrafes 13.8, 13.9 y 13.12 Materiales en red: El diseño de experimentos Problemas de análisis de la varianza.

DISEÑO EN BLOQUES AL AZAR Son aquellos diseños en los que se introduce un FACTOR BLOQUE, de tal forma que se crea un bloques de observaciones homogéneas respecto al mismo.

DISEÑO EN BLOQUE AL AZAR FACTOR BLOQUE: Es un factor que : Suponemos, a priori, que incide en la respuesta No tiene interacción con el resto de los factores incluidos en el experimento

División de la suma total de cuadrados de variación Cuadrados total Suma de Suma de cuadrados de tratamientos Suma de cuadrados de bloques de error

Presentación de los datos Bloque Factor 1 2 … b media Y11 Y12 Y1b Y21 Y22 Y2b . a Ya1 Ya2 Yab Yij =  + i + Bj + ij para i=1,2,…,a; j=1,2,…,b

Descomposición de la variabilidad SCT SCFac SCBloque SCRes

Tabla ANOVA Fuente SC GL CM F P - Value Factor SCFac a - 1 CMFac CMRes Bloque SCBlo b - 1 CMBlo Res SCRes (a -1)(b – 1) Total SCT ab - 1 Donde : a: cantidad de niveles del factor estudiado b: cantidad de niveles del factor bloque

Ejemplo.- Bloques al azar Se desea conocer si hay influencia de la tecnología empleada en la fabricación de unas barras de acero sobre su resistencia a la tracción. Como se conoce que el tipo de acero influye sobre la resistencia se ha seleccionado al azar 3 barras de cada uno de los 5 tipos de acero disponibles y se han procesado con cada una de las tres tecnologías. Tecnología I II III 1 553 528 Tipo de acero 2 550 579 530 (Bloque) 3 568 599 571 4 541 545 510 5 537 540 492

¿Ha sido bien seleccionado el bloque?

PLANTEAMIENTO Modelo general: Yij = µ + j + Bi + ij Donde: Yij : Valor de la respuesta µ : Media general j :Efecto del nivel j del factor “tecnología” sobre µ. (j = 1, 2, 3) Bi :Efecto del nivel i del factor “tipo de acero” sobre µ. (i = 1, 2, 3, 4, 5) ij : Error

Calculando las sumas de cuadrados Tecnología I II III media 1 553 528 544.67 Bloque 2 550 579 530 553.0 3 568 599 571 579.33 4 541 545 510 532.0 5 537 540 492 523.0 549.8 563.2 526.2 546.4 Hacer participar a los alumnos en el cálculo de las SC antes de poner sus resultados SCT = (553 – 546.4)2 +… + (492 – 546.4)2 =10053.6 SCTec = 5(549.8 – 546.4)2 +… + 5(526.2 – 546.4)2 = 3509.2 SCBloq = 3(544.7 – 546.4)2 + … + 3(523 – 546.4)2 = 5657.6 SCRes = 10053.6 – 3509.2 – 5657.6 = 886.8

Hipótesis, RC y Tabla Anova H0 : j = 0 H1: Algún j ≠ 0 RC: F > F 0.05; 2; 8 F 0.05; 2; 8 = 4.46 Fuente SC GL CM F P - value Tecnol. 3509.2 2 1754.6 15.83 Bloque 5657.6 4 1414.4 12.76 Residual 886.8 8 110.85 Total 10053.6 14 Por lo tanto podemos decir que las Tecnologías producen al menos dos resistencias promedio diferentes

¿Cuál tecnología es mejor?

Stat>Anova>GLM

Estudio independiente Estudiar los epígrafes señalados en la bibliografía. Resolver el ejercicio 11, página 524 (sin usar software )