ALLOCATION OF VARIATION Anteriormente, aprendimos a calcular los errores para cada experimento realizado en 2 r. Ahora, hablaremos de la varianza en 2.

Slides:



Advertisements
Presentaciones similares
Intervalos de Confianza para la Media de la Población
Advertisements

ANÁLISIS ESTADÍSTICO COMPUTARIZADO
Capítulo 28A – Circuitos de corriente directa
BUENAS TARDES.
Diseño de Experimentos
Matrices.
Curso de Bioestadística Parte 11 Comparación de dos proporciones
DISEÑO DE EXPERIMENTOS
Regresión lineal simple
Regresión mínimo cuadrada (I)
REGRESION LINEAL SIMPLE
Chapter 20 One-Factor Experiments 20.1 Model El Modelo 20.2 Computation of effects Calculo de los efectos Exponen: Lara García Héctor Manuel Villalpando.
MÉTODOS ESTADÍSTICOS.
RESTA DE DOS DIGITOS En esta lección aprenderás a restar números de dos dígitos... Fíjate en la siguiente resta:
Generación de Números Seudo-Aleatorios
Diferenciación e Integración Numérica
INFERENCIA ESTADÍSTICA
Comprobación de diferencias entre medias
Estimación e intervalos de confianza
Análisis Estadístico de Datos Climáticos Facultad de Ciencias – Facultad de Ingeniería 2009 M. Barreiro – M. Bidegain – A. Díaz Composites Regresión lineal.
La ley de los grandes números
3.7 LEYES DE KIRCHHOFF.
MODELO DE REGRESIÓN MÚLTIPLE
Estimación por intervalos de confianza.
DETERMINANTES DE UNA MATRIZ
NOCIONES DE MATEMÁTICAS FINANCIERAS
Probabilidad y estadística para CEA Mtra. Ma. Del Carmen López Munive Distribución Normal.
Estimación por Intervalos de confianza
MEDIDAS DE VARIABILIDAD O DISPERSION
Curso de Estadística Básica
Análisis de nodos y mallas
Curso de Estadística Básica
REGRESION LINEAL En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre factores (o variables).
SUMATORIAS Sumatoria de una sucesión a la forma abreviada de escribir sus términos expresados como sumandos.
Regresión Lineal Múltiple
MÉTODO BOOTSTRAP Considere una muestra aleatoria de tamaño n = 10 con las siguientes observaciones: X1 = -2.41, X2 = 4.86, X3 = 6.06, X4 = 9.11 X5 = 10.2,
Diseño en bloques completamente aleatorizados
Distribución Normal.
Pronósticos, Series de Tiempo y Regresión
VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD
Estadística Administrativa I
ANALISIS DE FRECUENCIA EN HIDROLOGIA (2)
Varianza.
Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos.
Inferencia Estadística
Análisis de variancia Capítulo once OBJETIVOS
ANÁLISIS DE REGRESIÓN SIMPLE
Modelo La forma general del modelo de regresión multiple es: y t =  1 x t1 +  2 x t  k x tk + u t o y t = x t ’  2 + u t y t =
Probabilidad y Estadística
Capitulo 4 Análisis descriptivo inferencial: comparaciones múltiples
Regresión Lineal Simple
Coeficiente de determinación y análisis de varianza de la regresión
MENORES Y COFACTORES.
DISEÑOS FACTORIALES 2 K. DISEÑOS FACTORIALES 2 K INTRODUCCION PROBLEMA HIPOTESIS SIGNOS DE LAS INTERACCIONES OBTENCION DEL CONTRASTE EFECTOS PROMEDIO.
INFERENCIA ESTADÍSTICA
FORMULARIO ESTADÍSTICA DESCRIPTIVA contar, medir, pesar, evaluar, observar es el punto de partida.
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
SUMATORIA Se llama sumatoria de una sucesión , a la forma abreviada de escribir sus términos expresados como sumandos.
DISEÑOS POR BLOQUES ALEATORIZADOS
REGRESIÓN LINEAL SIMPLE
RESUMEN DE LA DISTRIBUCION MUESTRAL PARA LA MEDIA MUESTRAL X INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL  TIPO DE PROBLEMA ESPERANZA Y VARIANZA.
TEMA : DISTRIBUCIONES DE PROBABILIDADES
ANALISIS DE VARIANZA.
Diseño factorial 32 Rafael Araujo-Jorge castilla Gustavo jimenez-cristian nieves-brayan ortega.
APANTANLLAMIENTO AB.
DISEÑOS EXPERIMENTALES
DISEÑO DE EXPERIMENTOS
Análisis de Regresión. Introducción Importancia Principal Aplicación: Determinación relación Y = F(X 1, X 2,... X n )
Sumas de cuadrados en Anova
Transcripción de la presentación:

ALLOCATION OF VARIATION Anteriormente, aprendimos a calcular los errores para cada experimento realizado en 2 r. Ahora, hablaremos de la varianza en 2 r Varianza Total, Total Sum of Squares Total Sum of Squares 2 2 SST = SSA + SSB + SSAB + SSE

TABLE 18.2 Computation of Errors in Example 18.2 Effect Estimated Response, Measured Responses Errors IABAB i y i1 y i2 y i3 e i1 e i2 e i3 11– –3 211– –303 31– – –2 4 y ij i esima combinacion de factores j esima repeticion

Calculando… ( y ij - )^ Σ (yij - )^2 7,032 Pero También SS0 es la suma de los cuadrados de la media,. Ahorita vemos donde la utilizaremos

Usando la ecuación del modelo 2 2r y ij = q 0 + q A x Ai + q B x Bi + q AB x Ai x Bi + e ij Su sumatoria al cuadrado SSY = SS0 + SSA + SSB + SSAB + SSE SST = SSY – SS0 = SSA + SSB + SSAB + SSE SSE = SSY – 2 2 r(q q A 2 + q b 2 + q AB 2 ) Tenemos otra manera de calcular SSE

Resumiendo… (formulas) SSY = Σ y 2 ij SS0 = 2 2 rq 2 0 SSA = 2 2 rq 2 A SSB = 2 2 rq 2 B SSAB = 2 2 rq 2 AB SSE = SSY – 2 2 r(q q 2 A + q 2 B + q 2 AB ) SST = SSY – SS0 SST = SSA + SSB + SSAB + SSE

INTERVALO DE CONFIANZA PARA LOS EFECTOS Asumiendo que los errores tienen una distribución normal con media cero y varianza σ e 2. Para el efecto Mean Square of Errors (MSE) o Varianza del error La varianza para q 0 es: s q0 2 = s e 2 /(2 2 r) Es la misma para otros efectos: q A,q B,q AB. Intervalo de confianza para cualquier efecto