DISEÑOS ANIDADOS CON EFECTOS ALEATORIOS: GENERALIZACIÓN

Presentación del tema: "DISEÑOS ANIDADOS CON EFECTOS ALEATORIOS: GENERALIZACIÓN"— Transcripción de la presentación:

1 DISEÑOS ANIDADOS CON EFECTOS ALEATORIOS: GENERALIZACIÓN
Tema 11 DISEÑOS ANIDADOS CON EFECTOS ALEATORIOS: GENERALIZACIÓN (Universitat de València) (Universitat de València)

2 Diseño Unifactorial Univariado Diseño Factorial Univariado
DISEÑO DE INVESTIGACIÓN Diseño Unifactorial Univariado Diseño Factorial Univariado A  B A = 2 A = 3 A  B  C etc Diseño Factorial Completamente Aleatorio Diseño Aleatorio una variable bloqueada Variable de bloqueo Diseño de Bloques DISEÑO FACTORIAL COMPLETO (Universitat de València) (Universitat de València)

3 9 Condiciones experimentales
DISEÑO DE INVESTIGACIÓN FACTORIAL INCOMPLETO: ANIDAMIENTO 3 / 3  3 Diseño de Cuadrado Latino 9 Condiciones experimentales A / B  C Diseño con una variable anidada 6Condiciones experimentales 3 de B (b1, b2, b3) / a1 3 de B (b4, b5, b6) / a2 B / A 3 / 2 Variable anidada tratamiento (Universitat de València) (Universitat de València)

4 Diseño con una variable anidada
DISEÑO DE INVESTIGACIÓN Diseño con una variable anidada Y = Y – + A + B/A + E Ecuación estructural:  Variable Independente de Tratamiento Variable Independente Anidada de EFECTOS ALEATORIOS: término de error del factor A Efectos principales de los factores Media general Error Variable Dependiente — Yb/a - - A Y (Universitat de València) (Universitat de València)

5 Diseño con una variable anidada
Características: 1º. Diseño factorial incompleto 2º. La variable anidada no forma parte de la hipótesis experimental 3º. La variable anidada es de efectos aleatorios: las condiciones experimentales representan una muestra de todos los niveles de la variable anidada 4º. La variable anidada de efectos aleatorios (B / A) en la variable de tratamiento de efectos fijos se utiliza en la prueba de hipótesis como el término de error de la variable de tratamiento (FA = MCA/MC B/A) (Universitat de València) (Universitat de València)

6 Datos y medias (página 222)
Matriz de resultados A: Terapia B/A: Terapeuta Ya. – 24 16 b1/a1 b2/a1 b3/a1 b4/a2 b5/a2 b6/a2 a1 a2 27, 25 21, 21 23, 27 Yb./a1 – Y b./a2 26 25 21 16, 12 21, 19 14, 14 14 20 Y = 20 – (Universitat de València)

7 Estimación de Efectos (página 223)
glB/A= b/a - a (B/A) b 1 /a 2 3 4 5 6 (A) a 1 2 a. ^ 4 b./a 1 2 -3 4 -2 1 -2 -4 m = 20 (Universitat de València)

8 http://www.uv.es/friasnav (Universitat de València)
Y — y A B/A ^ E b 1 /a 2 3 4 5 6 7 8 10 9 12 11 SC gl TOTAL FACTORES ERROR 27 25 21 23 19 14 16 20 5088 4800 -1 -6 -4 -8 288 26 -3 -2 192 76 5068 (pág.223) (Universitat de València)

9 Análisis de la varianza
ANOVA factorial 3 / 2 Página 223 0.050 Fuentes SC gl MC Razón F p h ^ A Total Error B/A 288 11 192 20 76 1 6 4 192 3.333 19 10.105 < 0.667 0.264 5.700 < — Yb/a - - A Y Ftablas (4, 6, 0.05) = 4.534 Ftablas (1, 4, 0.05) 7.709 (Universitat de València) (Universitat de València)