Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Análisis y diseño de experimentos
Humberto Gutiérrez Pulido Román de la Vara Salazar
2
Experimentos con un solo factor (análisis de varianza)
Capítulo 3 Experimentos con un solo factor (análisis de varianza)
3
Análisis de varianza Principio de bloqueo. Consiste en evitar cualquier tipo de sesgo que puede afectar la comparación justa de los tratamientos Factores de bloqueo. son variables adicionales al factor de interés que se incorporan de manera explícita en un experimento comparativo
4
Familia de diseños para comparar tratamientos
Interacción entre dos factores. Se refiere a que el efecto de un factor depende del nivel en que se encuentra el otro Diseño en bloques completos al azar. Diseño que contempla sólo un factor de bloqueo, donde en cada nivel de éste, se prueban todos los tratamientos en orden aleatorio Diseño de cuadro latino. Diseño que contempla dos factores de tratamiento; los tres factores tienen la misma cantidad de niveles Diseño en cuadro grecolatino. Diseño que contempla tres factores de bloque y un factor de tratamiento; los cuatro tienen el mismo número de niveles
5
Diseño completamente al azar y anova
Diseño balanceado. Es cuando se utiliza el mismo número de repeticiones en cada tratamiento Modelo de efectos fijos. Es cuando se estudian todos los posibles tratamientos
6
Partiendo la variación total en sus componentes en un DCA
7
Anova para el diseño completamente al azar (DCA)
Análisis de varianza Notación de puntos Cuadrados medios Tabla de análisis Método de comparaciones múltiples
8
Representación de los efectos de tratamiento en el DCA
9
Diagramas de cajas simultáneos
Análisis comparativo de los tratamientos mediante diagramas de caja
10
Diagramas de cajas para los métodos de ensamble
11
Gráfico de medias con el método LSD
12
Comparaciones o pruebas de rango múltiples
Comparación de parejas de medias de tratamientos Comparación de tratamientos con un control (método de Dunnet) Comparación por contrastes
13
Verificación de los supuestos del modelo
Normalidad Varianza constante Independencia
14
Gráfica de probabilidad en papel normal y en papel ordinario
15
Ejemplos de gráficas de residuos donde no se cumplen los supuestos para el ANOVA
16
Gráficas de residuos para los tipos de cuero
17
Gráficas de diagnóstico
Son gráficas de residuos que sirven para verificar los supuestos de normalidad, varianza constante e independencia; también para constatar la ausencia de datos anómalos
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.