Análisis de experimentos con submuestras balanceadas

Slides:



Advertisements
Presentaciones similares
ANOVA DE UN FACTOR.
Advertisements

ANALISIS PARAMÉTRICOS
MÉTODOS Y DISEÑOS DE INVESTIGACIÓN METODOLOGÍAS DE INVESTIGACIÓN
DISEÑO DE EXPERIMENTOS
Regresión mínimo cuadrada (I)
Investigación de Operaciones
Elementos del Diseño de Experimentos y Análisis de la Varianza
Bivariadas y Multivariadas
Bloques aleatorizados, cuadrados latinos y diseños relacionados
La prueba U DE MANN-WHITNEY
KRIGING.
Estadísticos de Prueba en el Modelo de Regresión Múltiple
PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES
MODELO DE REGRESIÓN MÚLTIPLE
TEMA VII.
Definición Este diseño de investigación, dominado inicialmente por Campbell y Stanley (1963) diseño de grupo control no equivalente, es un formato.
Introducción Los fenómenos biológicos no suelen ser constantes, por lo que será necesario que junto a una medida que indique el valor alrededor del cual.
Tema 6: Análisis de la Varianza (1ª parte: ANOVA simple)
Maracaibo, 5 de Noviembre de 2007 Universidad del Zulia Facultad de Ingeniería Instituto de Cálculo Aplicado Universidad del Zulia Facultad de Ingeniería.
José Francisco Valverde Calderón Sitio web: Profesor:
1 Planteamiento del problema ¿Tenemos los humanos la capacidad de percibir si nos miran desde atrás? O, más exactamente: ¿Es defendible que existen otras.
Población y Muestra.
Diseño en bloques completamente aleatorizados
Mt. Martín Moreyra Navarrete.
Investigación Experimental
ESTADÍSTICA BÁSICA EN ECOLOGÍA EVOLUTIVA Juan J. Soler Cruz Estación Experimental de Zonas Áridas Almería.
DISTRIBUCIONES DE MUESTREO
ANALISIS DE FRECUENCIA EN HIDROLOGIA (2)
Análisis de Varianza (I)
TEMA VII.
FACILITADOR JOSE HERIBERTO CRUZ GARCÍA
Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos.
Capítulo 7 Estimación de Parámetros Estadística Computacional
Amarilis García / Omaira De Los Santos.- Caracas, Diciembre 2009 USO DEL “ANÁLISIS DE VARIANZA UNA-VÍA”, PARA: Contrastar la hipótesis sobre, la diferencia.
Análisis de Covarianza
Inferencia Estadística
Análisis de la Varianza
Concepto Según la estrategia de medidas repetidas, las unidades son observadas a lo largo de una serie reducida de intervalos de tiempo u ocasiones.
Concepto El diseño de discontinuidad en la regresión ofrece mejores perspectivas que el diseño de grupos no equivalentes, dado que se conoce la naturaleza.
Estadística Intermedia
Diseño Completamente Aleatorizado: ejemplo
Definición La extensión lógica del diseño de grupo control no equivalente con medidas antes y después es el diseño con múltiples grupos no equivalentes;
MEDIDAS DE DISPERSIÓN. La dispersión es la variación en un conjunto de datos que proporciona información adicional y permite juzgar la confiabilidad de.
Análisis de Varianza II
Diseño de un grupo de sujetos
TEMA IX.
Sesión 13: Distribuciones Muestrales y Tamaño de Muestra
Análisis y diseño de experimentos
MÉTODOS DE ANÁLISIS EN LA TOMA DE DECISIONES EXISTEN PROCEDIMIENTOS DE ORDEN MATEMÁTICO, FINANCIERO, ECONÓMICO, ESTADÍSTICO ENTRE OTROS, PARA LA TOMA DE.
Maracaibo, 26 de Mayo de 2006 Universidad del Zulia Facultad de Ingeniería División de Postgrado Maestría en Computación Aplicada Universidad del Zulia.
PARA LA REGRESIÓN LINEAL SIMPLE
Regresión Lineal Simple
MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
Ingeniería Industrial. Estadística III Henry Lamos Díaz
Clase N°11 Métodos de reducción de varianza
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
REGRESIÓN LINEAL SIMPLE
ANOVA.  Se utiliza para probar hipótesis sobre la igualdad de 3 o más medias poblacionales  Implica hacer un examen de las varianzas muestrales (de.
UNIVERSIDAD DE ANTIOQUIA FACULTAD DE QUIMICA FARMACEUTICA
UNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA “Héctor Abad Gómez” Facultad Nacional de Salud Pública “Héctor Abad Gómez”
ANÁLISIS DE COVARIANZA En algunas circunstancias, un experimento está afectado por la intervención de un factor muchas veces imprevisible y que no puede.
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.
Teoría de la Generalizabilidad
Bioestadística Inferencia estadística y tamaño de muestra
DISEÑOS EXPERIMENTALES RELACIONADOS CON UN SOLO FACTOR DE ESTUDIO
Tarea # 1. Una variable es un símbolo que actúa en las funciones, las fórmulas, los algoritmos y las proposiciones de las matemáticas y la estadística.
ANALISIS DE VARIANZA.
Alvaro Alfredo Bravo Dpto. de Matemáticas y Estadística Universidad de Nariño - Colombia METODOS ALEATORIOS.
Transcripción de la presentación:

Análisis de experimentos con submuestras balanceadas

Presentar un algoritmo para analizar cualquier diseño experimental con igual número de submuestras en las unidades experimentales. OBJETIVO

Unidad experimental vs Unidad de observación Unidad experimental: estructura básica del material experimental a la que se asigna y aplica un tratamiento, independiente de las otras unidades, y en la que se registran los valores que toma la variable-respuesta. Unidad de observación: individuo al que se hace la medición (de la variable respuesta). En ocasiones, unidad de observación (o simplemente observación) y unidad experimental, son lo mismo. .....Algoritmo Diseños experimentales con submuestreo

Submuestreo: ¿qué es? y ¿para qué? En los diseños con submuestreo se toma (al azar) más de una observación por unidad experimental. En contraparte, en los diseños estándar se toma una sola observación por unidad experimental. El submuestro nos permite, además de estudiar la variabilidad entre unidades experimentales bajo condiciones similares, estimar la variabilidad de observaciones en las unidades experimentales. .....Algoritmo Diseños experimentales con submuestreo

Submuestreo en imágenes … Unidad experimental 2 Unidad experimental 1 En este ejemplo ilustrativo tenemos n unidades experimentales con r = 3 submuestras en cada una. Unidad experimental n .....Algoritmo Diseños experimentales con submuestreo

PROBLEMÁTICA Aunque los investigadores usan el submuestreo regularmente en sus experimentos: Con frecuencia interpretan las submuestras como repeticiones o usan los promedios para el análisis de varianza. En la mayoría de los libros sólo se presenta la forma de hacer el análisis con submuestreo en los diseños completamente al azar (dca) y bloques (dbca), dejando implícito que la extensión a otros diseños es directo (lo que no es cierto).

Análisis de un DCA con submuestreo .....Algoritmo Diseños experimentales con submuestreo

Análisis de un DBCA con submuestreo .....Algoritmo Diseños experimentales con submuestreo

DISEÑO DE LAS UNIDADES EXPERIMENTALES Cualquier diseño experimental puede ser conceptuado a través de un diseño de las unidades experimentales. Puesto que cada observación es tomada en una unidad experimental

Modelo general con submuestreo O bien,presentando Ui, en su parte fija más su parte aleatoria, Con el supuesto adicional de que .....Algoritmo Diseños experimentales con submuestreo

Identidad fundamental de las SC En cualquier diseño experimental con submuestreo, la suma de cuadrados total (SCT) se particiona en la suma de cuadrados de las unidades experimentales, SC(UE), y la suma de cuadrados de las observaciones en las unidades experimentales, (SCEM). Esta partición de la SCT, constituye el punto central para el análisis de cualquier diseño experimental con submuestreo .....Algoritmo Diseños experimentales con submuestreo

Datos de un diseño con submuestreo Sea Yij la j-ésima observación de la i-ésima unidad experimental, con i = 1, 2, …, n y j =1, 2, …, r, .....Algoritmo Diseños experimentales con submuestreo

Diseño de las unidades experimentales Sea Yij la j-ésima observación de la i-ésima unidad experimental, con i=1, 2, …, n y j =1, 2, …, r, Presentación de los datos Modelo lineal: Identidad fundamental de las sumas de cuadrados .....Algoritmo Diseños experimentales con submuestreo

Diseño de las unidades experimentales Las sumas de cuadrados de la identidad fundamental en el diseño de las unidades experimentales están dadas por: Suma de cuadrados de las unidades experimentales Suma de cuadrados del error de muestreo Suma de cuadrados total .....Algoritmo Diseños experimentales con submuestreo

Diseño de las unidades experimentales Forma matricial del modelo de las unidades experimentales .....Algoritmo Diseños experimentales con submuestreo

Diseño de las unidades experimentales En el modelo matricial del diseño de las unidades experimentales: El vector y: es el de la variable-respuesta La matriz de 0’s y 1’s es la matriz diseño cuya primera columna es un vector 1, que representa la media global. Un 1 indica que la observación fue tomada de una determinada unidad experimental, de otro modo se pone 0. Luego siguen los vectores de efectos fijos y aleatorios. Con el modelo matricial podemos reescribir las sumas de cuadrados de la identidad fundamental del siguiente modo. .....Algoritmo Diseños experimentales con submuestreo

Diseño de las unidades experimentales Jnr es una matriz de puros 1’s nr x nr .....Algoritmo Diseños experimentales con submuestreo

Diseño de las unidades experimentales .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo Matriz de varianzas y covarianzas del vector de observaciones y Esperanzas de las sumas de cuadrados Para escribir los elementos anteriores, se rescribieron las sumas de cuadrados, que ya están en forma matricial, usando formas cuadráticas. La matriz de varianzas y covarianzas del vector de observaciones, se establece con base en los supuestos del modelo lineal con submuestreo. Las esperanzas de sumas de cuadrados, se establecen con base en la definición de la esperanza de una forma cuadrática. Los resultados de este desarrollo, se escriben de forma directa en las siguientes diapositivas. .....Algoritmo Diseños experimentales con submuestreo

Matriz de varianzas y covarianzas del vector y Puesto que donde .....Algoritmo Diseños experimentales con submuestreo

Esperanzas de las sumas de cuadrados .....Algoritmo Diseños experimentales con submuestreo

Esperanzas de los cuadrados medios en diseño de las UE donde .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo Por un procedimiento similar al anterior se desarrollaron las esperanzas de los cuadrados medios en los diseños completamente aleatorizado y de bloques. Los resultados se presentan enseguida. Posteriormente estas E(CM*) del dca y dbca se concatenan con las del diseño general. .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo Esperanzas de los cuadrados medios en el Diseño Completamente Aleatorizado donde .....Algoritmo Diseños experimentales con submuestreo

Esperanzas de los cuadrados medios en el Diseño de Bloques donde .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo En este punto se desarrolló el análisis de diseños experimentales con igual número de submuestras en las unidades. Se dividió en dos pasos: 1. Primero sobre las observaciones Yij 2. Luego sobre las observaciones Yi. /r .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo SC y E(CM) sobre Yij con y en el DCA .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo SC y E(CM) sobre Yi. / r donde .....Algoritmo Diseños experimentales con submuestreo

EL ALGORITMO DE TRES PASOS Con base en el desarrollo presentado, el análisis de cualquier diseño experimental con el mismo número de submuestras en las unidades se resume en tres pasos.

Diseños experimentales con submuestreo Paso 1 Se ajusta un modelo basado en las unidades experimentales puede ver modelo (2) ó (10)  para obtener la suma de cuadrados total (SCT), la suma de cuadrados de las unidades (SC(UE)) y la suma de cuadrados del error muestral (SCEM). En este paso se usarán los datos originales Yij como variable respuesta. .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo Paso 2 Enseguida se ajusta el modelo del diseño particular, usando como variable respuesta a las Yi./r (total de la i-ésima unidad experimental entre la raíz cuadrada del número de submuestras). En este paso se particiona la SC(UE), del Paso 1, en las sumas de cuadrados de las fuentes de variación correspondientes al diseño experimental particular. Por ejemplo, en el diseño completamente al azar, la partición de la SC(UE) se hace en la suma de cuadrados de tratamientos (SCtrat) y la suma de cuadrados del error experimental (SCEE); en el diseño de bloques completos al azar, la partición de la SC(UE) se hace en la suma de cuadrados de bloques (SCbloq), la SCtrat y la SCEE. .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo Paso 3 Los valores de las sumas de cuadrados obtenidos en los pasos anteriores, se ordenan. Se toman las sumas de cuadrados en que se particionó la SC(UE) en el Paso 2 y la SCEM y la SCT obtenidos en el Paso 1 para que la Tabla de Análisis de Varianza (ANOVA) de su diseño con submuestreo quede completa. .....Algoritmo Diseños experimentales con submuestreo

En la computadora con SAS Para un diseño completamente aleatorizado En la computadora con SAS DATA DCAS; INFILE 'A:\EJDCA.DAT'; INPUT TRAT $ UE RESP;PROC ANOVA; CLASS UE; MODEL RESP = UE; TITLE 'PARTICION 1: "SCT = SC(UE) + SCEM"'; PROC SORT; BY TRAT UE; PROC MEANS; BY TRAT UE; VAR RESP; OUTPUT OUT=B SUM=SRESP; DATA DOS; SET B; RESPM=SRESP/SQRT(9); KEEP TRAT RESPM; PROC ANOVA; CLASS TRAT; MODEL RESPM = TRAT; TITLE 'PARTICION 2: "SC(UE) = SCtrat + SCEE"'; RUN; .....Algoritmo Diseños experimentales con submuestreo

En la computadora con SAS Para un diseño de bloques En la computadora con SAS DATA DBCAS; INFILE 'A;\EJDBCA.DAT'; INPUT BLOQUE TRAT RESP; UE = (10 *BLOQUE) + TRAT; PROC ANOVA; CLASS UE; MODEL RESP=UE; TITLE 'PARTICION 1: "SCT = SC(UE)+ SCEM"; PROC SORT;BY BLOQUE TRAT; PROC MEANS; BY BLOQUE TRAT; VAR RESP; OUTPUT OUT=B SUM=SRESP; DATA NUEVAS; SET B; Y=SRESP/SQRT(3); KEEP BLOQUE TRAT Y; PROC ANOVA; CLASSES BLOQUE TRAT; MODEL Y=BLOQUE TRAT; TITLE 'PARTICION 2: "SC(UE) = SCbloq + SCtrat + SCEE"'; RUN; .....Algoritmo Diseños experimentales con submuestreo

En la computadora con SAS Para un diseño en cuadrado latino En la computadora con SAS DATA DCLS; INFILE 'A:\EJDCL.DAT'; INPUT HIL COL TRAT $ RESP; UE=(HIL * 10)+ COL; PROC ANOVA; CLASS UE; MODEL RESP=UE; TITLE 'PARTICION 1: SCT = SC(UE) + SCEM '; PROC SORT;BY HIL COL TRAT; PROC MEANS; BY HIL COL TRAT; VAR RESP; OUTPUT OUT=B SUM=SRESP; DATA NUEVAS;SET B;Y=SRESP/SQRT(3); KEEP HIL COL TRAT Y; PROC ANOVA; CLASSES HIL COL TRAT; MODEL Y = HIL COL TRAT; TITLE 'PARTICION 2: SC(UE) = SCHIL +SCcol + SCtrat + SCEE '; RUN; .....Algoritmo Diseños experimentales con submuestreo

Diseños experimentales con submuestreo Gracias por su atención Arturo A. Alvarado Segura alsegar@hotmail.com a_alvaseg@yahoo.com.mx .....Algoritmo Diseños experimentales con submuestreo