Documente Academic
Documente Profesional
Documente Cultură
NODO:
Unión Hidalgo
Materia:
Estadística y Diseño de Experimentos
Nombre del Proyecto
Análisis de Experimentos de un Factor
Alumno:
Shunashi Guadalupe Barrera Cristóbal
Asesor:
Oscar Eduardo Guerra Cañada
Grupo: 2RA
MAYO/15/2020
INDICE
INTRODUCCIÓN............................................................................................................................3
ANÁLISIS DE EXPERIMENTOS DE UN FACTOR.............................................................................5
INTRODUCCIÓN A LOS EXPERIMENTÓ CON FACTORES................................................................5
FAMILIA DE DISEÑO PARA COMPARAR TRATAMIENTOS.............................................................7
MODELO DE EFECTOS FIJOS........................................................................................................8
MODELOS DE EFECTOS ALEATORIOS............................................................................................9
MODELO POR BLOQUES COMPLETAMENTE ALEATORIOS.........................................................10
CONCLUSIÓN..............................................................................................................................12
BIBLIOGRAFÍA.............................................................................................................................13
INTRODUCCIÓN
Los modelos de diseño de experimentos son modelos estadísticos clásicos
cuyo objetivo es averiguar si unos determinados factores influyen en una
variable de interés y, si existe influencia de algún factor, cuantificar dicha
influencia.
Unos ejemplos donde habría que utilizar estos modelos son los
siguientes:
En el rendimiento de un determinado tipo de máquina
(unidades producidas por día): sede sea estudiar la influencia
del trabajador que la maneja y la marca de la máquina.
Se quiere estudiar la influencia de un tipo de pila eléctrica y de la
marca, en la duración de las pilas.
Una compañía telefónica está interesada en conocer la
influencia de varios factores en
la variable duración de una llamada telefónica. Los factores que se
consideran son los siguientes: hora a la que se produce la llamada; día de
la semana en que se realiza la llamada; zona de la ciudad desde la que se
hace la llamada; sexo del que realiza la llamada; tipo de teléfono (público
o privado) desde el que se realiza la llamada.
Una compañía de software está interesada en
estudiar la variable porcentaje en que se
comprime un fichero, al utilizar un programa de
compresión teniendo en cuenta el tipo de
programa utilizado y el tipo de fichero que se
comprime.
Se quiere estudiar el rendimiento de los alumnos en una asignatura
y, para ello, se desean controlar diferentes factores: profesor que
imparte la asignatura; método de enseñanza; sexo del alumno.
Que se prueba con la técnica estadística llamada Análisis de Varianza (ANOVA) con
uno, dos, tres o cuatro criterios de clasificación, dependiendo del número de factores
de bloques incorporados al diseño.
El modelo estadístico que describe el comportamiento de la variable observada Y en
cada diseño, incorpora un término adicional por cada factor de bloqueo controlado.
De acuerdo con los modelos dados en la tabla, para cada diseño comparativo se tienen
al menos dos fuentes de variabilidad: los tratamientos o niveles del factor de interés y
el error aleatorio.
Se agrega una nueva fuente de variabilidad por cada factor de bloque que se controla
directamente. Se observa que los diseños suponen que no hay efectos de interacción
entre los factores, lo cual sería lo deseable que ocurra; de no ocurrir así, tal efecto se
recarga al error y el problema de comparación no se resuelve con éxito.
Un efecto de interacción entre dos factores hace referencia a que el efecto de cada
factor depende del nivel en que se encuentra el otro.
es decir supone que el error (εit) puede descomponerse en dos una parte
fija, constante para cada individuo (vi) y otra aleatoria que cumple los
requisitos MCO (uit) (εit = vi + uit), lo que es equivalente a obtener una
tendencia general por regresión dando a cada individuo un punto de
origen (ordenadas) distinto.
Esta operación puede realizarse de varias formas, una de ellas es
introduciendo una dummy por cada individuo (eliminando una de ellas
por motivos estadísticos) y estimando por MCO.
Otra es calculando las diferencias. Así, si (3) es cierto, también es cierto
que:
salvo que ahora vi es una variable aleatoria. Este modelo es más eficiente
(la varianza de la estimación es menor) pero menos consistente que el de
efectos fijos, es decir es más exacto en el cálculo del valor del parámetro
pero este puede estar más sesgado que el de efectos fijos.
BIBLIOGRAFÍA
George E.P. Box, William G. Hunter and Stuart Hunter, Statistics
for Experimentes: Design, Innovation, and Discovery, Second
Edition, Wiley 2005
MONTGOMERY, C.D.; G.C, RUNGER. 2010. Segunda edición.
Probabilidad y Estadística. LIMUSA WILEY
Hausman, J., McFadden, C. (1984): “Specification test in f”,
Econometrica, 52, 1219-1240
https://es.scribd.com/doc/249266040/4-4-Modelo-de-Efectos-
AleatoriosGarcía Leal, J. & Lara Porras, A.M. (1998). “Diseño
Estadístico de Experimentos. Análisis de la Varianza.” Grupo
Editorial Universitario.
Lara Porras, A.M. (2000). “Diseño Estadístico de Experimentos,
Análisis de la Varianza y Temas Relacionados: Tratamiento
Informático mediante SPSS” Proyecto Sur de Ediciones.