Diseño experimental 2137 Juan C. Benavides

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS
Advertisements

REGRESION Y CORRELACION LINEALES. REGRESION LINEAL SIMPLE Finalidad Estimar los valores de y (variable dependiente) a partir de los valores de x (variable.
EJERCICIOS RESUELTOS REGRESION
Regresión lineal Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra.
Módulo 5 Análisis de Regresión y Series de Tiempo.
Normalidad, Variabilidad y estimación del Modelo de Regresión
METODOLOGÍA Y TÉCNICAS DE INVESTIGACIÓN EN CIENCIAS SOCIALES
ALUMNA: I. CLAUDIA AVILA LEON MATRICULA TUTORA: NATALIA PEREZ RUL MATERIA: FORMULACION Y EVALUACION DE PROYECTOS ACTIVIDAD: METODO DE MINIMOS.
ANÁLISIS DE REGRESIÓN SIMPLE
Ecuación de la recta.
Coeficiente de determinación y análisis de varianza de la regresión
REGRESION LINEAL SIMPLE. REGRESION LINEAL  En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación.
DISEÑOS DE EXPERIMENTOS FACTORIALES
InfoStat. Software estadístico
Un criterio para detectar outliers. Otro criterio para detectar errores groseros (outliers)
Experimentos con un solo factor: anÁlIsis de varianza
PRONOSTICOS CON REGRESION LINEAL MULTIPLE En la regresión lineal simple se investiga la relación entre una variable independiente y otra dependiente. A.
REGRESIÓN Y CORRELACIÓN LINEAL, SERIES DE TIEMPO Msc. Esmelda Aguirre Téllez Master en Administración de Negocios.
Estadística y Biometría Modelación Estadística Regresión lineal.
Análisis Mediador y Moderador. Introducción Relación bivariada simple Un simple predictor y una dependiente (X y y) Dos o más variables predictoras (X.
ESTADÍSTICA II Ing. Danmelys Perozo MSc. Blog:
1 Pronósticos, Series de Tiempo y Regresión Capítulo 3: Regresión Lineal Simple.
Correlación y regresión
Facultad de Ciencias Sociales
El modelo simple de regresión
EjEMPLO de diseños experimentales
EXPERIMENTOS FACTORIALES
Facultad de Ciencias Sociales
Christian Alave Rosas UNIVERSIDAD JORGE BASADRE GROHMANN BIOLOGÍA - MICROBIOLOGÍA Diseños experimentales Christian Alave Rosas
Análisis y diseño de experimentos
Anova de una via Diseños completamente aleatorios
Comparación de medias-no paramétrico
Etapas del proceso de investigación
Bioestadística Regresión y Correlación Múltiple:
Anova de una via Diseños completamente aleatorios
REGRESIÓN LINEAL SIMPLE
PRUEBA DE HIPÓTESIS DE MEDIAS DE UNA MUESTRA ÚNICA GRANDE
Diseño experimental 2137 Juan C. Benavides
ANOVA DE UN FACTOR. Diferencias de Medias Independientes Dependientes Diferencias de Varianzas.
FUNCIONES, MATRICES Y DETERMINANTES
Anova de una via Diseños completamente aleatorios
Pendiente Observa las siguientes gráficas y = 3x y = x y = 2m y = 4x
EL EFECTO DE LA EDUCACIÓN SECUNDARIA EN EL INGRESO PER CÁPITA DEPARTAMENTAL DEL PERÚ
PASOS DEL PROCESO DE INVESTIGACION
EL PROCESO CUANTITATIVO
EXPERIMENTOS FACTORIALES
DISEÑO Y ANALISIS DE EXPERIMENTOS
Estadística Administrativa II
REGRESION LINEAL SIMPLE
REGRESIÓN LINEAL SIMPLE
PARA LA REGRESIÓN LINEAL SIMPLE
Regresión y Correlación Múltiple: Prueba de hipótesis.
DISEÑOS DE EXPERIMENTOS FACTORIALES
ANAVA a un factor con bloques
Diseño experimental 2137 Juan C. Benavides
Regresión Lineal Simple
Diseño en bloques y medidas repetidas
FASE DEPENDIENTE E INDEPENDIENTE DE LUZ FOTOSÍNTESIS.
Pasos a seguir para desarrollar un proceso investigativo.
HIPOTESIS DE AVOGADRO TEORIA.
PROBABILIDAD Y ESTADISTICA
Modelos Predictivos Regresion lineal simple
METODOLOGÍA Y TÉCNICAS DE INVESTIGACIÓN EN CIENCIAS SOCIALES
DISEÑOS EXPERIMENTALES Y APLICADOS
ANALISIS DE REGRESION SIMPLE
ANALISIS DE REGRESION MULTIPLE
DISEÑO Y ANALISIS DE EXPERIMENTOS
REGRESION LINEAL SIMPLE
REGRESION LINEAL SIMPLE
UNIDAD EDUCATIVA “MARIANO PICON SALAS REGRESION LINEAL SIMPLE
Transcripción de la presentación:

Diseño experimental 2137 Juan C. Benavides Ejemplos Regresión Diseño experimental 2137 Juan C. Benavides Tomado en parte de: http://webspace.ship.edu/pgmarr/Geo441/Lectures/

Ejercicios - pasos Determinar Variables dependientes e independientes Analizar diagrama de dispersión Calcular la ecuación de regresión Coeficientes

Pasos regresión múltiple Establecer hipótesis efectos principales, interacciones Seleccionar modelo optimo Diagnosticos Normalidad, varianzas, influencia, outliers Anova modelo general Pruebass e hipótesis coeficientes Si es predicción revisar R2 o R2 ajustado

Coeficiente de determinación Que es el R2 o R2 ajustado Pendiente 𝛽= 𝑐𝑜𝑣(𝑥,𝑦) 𝑣𝑎𝑟(𝑥) = ( 𝑥 𝑖 − 𝑥 )( 𝑦 𝑖 − 𝑦 ) ( 𝑋 𝑖 − 𝑥 ) 2 Intercepto 𝑦 =a+b 𝑥 a= 𝑦 -b 𝑥 Si: Entonces: Coeficiente de determinación 𝑅 2 = 𝑐𝑜𝑣(𝑥,𝑦) 2 𝑣𝑎𝑟 𝑥 ∗𝑣𝑎𝑟(𝑦)

Pruebas de hipotesis en regresión De dos lados Ho: 𝜷1=0 Ha: 𝜷1≠0 Valor t Regla de decisión Pendiente recta de regresión mayor o menora 0 val1<-sum((unif1-predict(reg1))^2) val2<-sum((x-mean(x))^2) n=length(x) sd_reg<-sqrt(1/(n-2))* (sqrt(val1)/sqrt(val2)) summary(reg1) 𝑡 𝑜𝑏𝑠 = 𝐵 1 𝜎 𝐵1 𝑡 𝑜𝑏𝑠 ≥ 𝑡 𝛼 2 ,𝑛−2

Anova en regresion Total=Modelo+Error

Residuos

Estrategia en regresion múltiple Diagnosticos Transformación (si es requerida) Selección de variables (modelos) Regresión múltiple es la busqueda de la estructura escondida de tu experimento

Ejemplo completo paso a paso Descargar https://goo.gl/MEzX5p https://goo.gl/55w73y library(ggplot2) luz1<-read.csv("luz.csv",header=TRUE)

Ejemplo completo paso a paso Respuesta de la fotosintesis a la radiación

Ejemplo completo paso a paso Respuesta de la fotosintesis a: Radiación Inundación Sitio Humedad Temperatura lm1<-lm(Pendiente_f~sitio*WT.depth*Par_f+Humedad+Temperatura,data=luz1)

Estrategia Diagnosticos Transformación (si es requerida) Selección de variables (modelos)

Como presentar los resultados de una regresión

Como presentar los resultados de una regresión

possibility of alternative conflicting models and seek them out”. “Sometimes the data speak with a clear and unanimous voice —the conclusions are incontestable. Other times, differing conclusions may be drawn depending on the model chosen. We should acknowledge the possibility of alternative conflicting models and seek them out”. Faraway 2002