Documente Academic
Documente Profesional
Documente Cultură
http://www.statsoft.com/textbook/Stathome.html
Lo referente a regresin lineal simple
15
20
25
30
34
10
10
N automoviles robados
40
35
7; 35
30
6; 30
25
5; 25
20
4; 20
15
Serie1
3; 15
10
2; 10
5
0
0
Operativos
Correlacin Negativa
-1
+1
Correlacin Positiva
No hay
11
18
16
14
12
10
Serie1
8
6
4
2
0
0
r=
+0.8
12
18
16
14
12
10
Serie1
8
6
4
r = -0.7
2
0
0
13
40
35
30
25
20
Serie1
15
10
5
0
0
r=0
14
CORRELACIN
VALOR O RANGO
Perfecta
|R| = 1
Excelente
Buena
Regular
Mala
|R|< 0.5
15
XY ) ( X )( Y )
n( X ) ( X ) n(Y ) ( Y )
n(
2
16
10
15
20
25
30
34
X2
XY
Y2
27
17
18
19
Numero de
anuncios por
hora
X
Ventas
semanales
12
10
11
X2
XY
Y2
20
21
22
r2 = coeficiente de determinacin
23
24
Tarea:
Investigar, acerca de las operaciones con matrices:
1.-Adicin y sustraccin de matrices.
2.-Multiplicacin de matrices.
3.-Multiplicar un escalar por una matriz
4.-Resolver un sistema de ecuaciones por Gauss-Jordan
5.-Obtener la inversa de una matriz.
Anexar una definicin y un ejemplo, para cada una de ellas.
25
1 / 2 1 / 3 1 / 6 2
2 3 1 / 5 5
2 1 6 2 3
5 1 2 0
3
2 1
1 2 0
1 0 3 2 1 2 3 1
7
1 1
4
0
0
1
0
2
3
4
0
1
2
3
2
26
Dibuja la siguiente
ecuacin.
Y =2X +3
-2
-1
0
Damos valores
X para
encontrar los
correspondient
es de Y
1
2
3
27
28
Y = 3X + 5
-2
-1
m=
b=
0
1
2
29
30
Numero de
anuncios por
hora
X
Ventas
semanales
12
10
11
30
40
X2
XY
Y2
210
274
370
31
32
m = pendiente de la recta
m
n(
XY ) ( X )(Y )
n( X ) ( X )
2
b=
b(
ordenada al origen
Y / n) m( X / n)
33
34
1.
2.
3.
4.
Ao
Tasa de
matrimonios
Tasa de
divorcios
1905
10.0
0.8
1925
10.3
1.5
1935
10.4
1.7
1945
12.2
3.5
1955
9.3
2.3
1965
9.3
2.5
1975
10.1
4.9
1985
10.2
5.0
35
x
Ao
Grado de
responsabilidad
Tasa de
divorcios
1905
10.0
0.8
1925
10.3
1.5
1935
10.4
1.7
1945
12.2
3.5
1955
9.3
2.3
1965
9.3
2.5
1975
10.1
4.9
1985
10.2
5.0
x2
xy
y2
36
37
38
39
40
Recursos
invertidos en
MMP =
X
ndice de
Criminalidad
(presuntos
delincuentes
por cada
100000 hab.)
=Y
2000
159
4000
160
6000
158
8000
160
10000
160
20000
160
X2
Y2
XY
42
43
Numero de violaciones
Enero
14
Febrero
16
15
Marzo
22
21
Abril
25
20
Mayo
32
45
Junio
31
42
Julio
26
37
Agosto
28
40
Septiembre
25
31
Octubre
21
18
Noviembre
15
12
Diciembre
12
44
45
46
47
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones
0.85558115
0.7320191
0.70522101
0.43380824
12
48
Sy / x
b(
Y ) m( XY )
n2
49
Aplicacin
Para el siguiente ejercicio encontrar (tabla anexa en la siguiente
diapositiva)
1. Coeficiente de correlacin
2. Realiza la interpretacin del coeficiente de correlacin, es
buena, excelente , regular o mala.
3. Coeficiente de determinacin
4. m= pendiente
5. b= ordenada al origen
6. Ecuacin de regresin y=m x +b
7. Grafico de dispersin.
8. Error estndar de estimacin
9. Si un alumno tiene un coeficiente intelectual de 141, cual ser la
calificacin estimada de acuerdo a la formula de regresin.
10.Grafica la ecuacin de regresin, toma los valores de x de la
tabla y para los de y toma los que salen de aplicar la formula
de regresin.
2
Y
b( Y ) m( XY )
Sy / x
n2
50
51
Estudiante N
CI coeficiente
intelectual=x
Promedio
calificaciones=y
110
1.0
112
1.6
118
1.2
119
2.1
122
2.6
125
1.8
127
2.6
130
2.0
132
3.2
10
134
2.6
11
136
3.0
12
138
3.6
Y de acuerdo a la
ecuacin de
regresin
y=m x + b
52
53
54
1
( x )2
Y t ( Sy.x)
n ( x )2
55
En donde:
Y es el valor pronosticado para cualquier valor X seleccionado.
X es cualquier valor seleccionado de X
es la media de las x
n es el nmero de observaciones
Sy.x es el error estndar de la estimacin (error tpico)
t es el valor t tomado de la tabla t student, para n-2 grados de
libertad.
1
( x )2
Y t ( Sy.x)
n ( x )2
56
Si prueba es de dos
colas, el valor de
alfa que te dan lo
divides entre dos.
57
Puntuacin
de prueba
x
Real
Y
Arturo
Jorge
12
Sal
Marco
Gonzalo
10
11
Total
30
40
Pronosticada
Y=mx+b
(x-)2
Limite
inferior
Limite
superior
(x-)2 =
58
vendedor
Puntuacin
de prueba
x
Real
Y
Pronosticada
Y=mx+b
(x-)2
Limite
inferior
Limite
superior
Arturo
5.73
(4-6)2
2.14
9.32
Jorge
12
Sal
Marco
Gonzalo
10
11
Total
30
40
1
(x )2
Y t ( Sy / x)
n
(x )2
(x-)2 =30
=(4+7+3+6+10)/5=6
Media de las x
t= el valor de t lo buscas en la tabla,
95%, 0.05/2=0.025
n-2, grados libertad
59
1
(x )2
Y t ( Sy / x)
n
(x )2
Y= 8
t=
60
1
(x )2
Y t ( Sy / x)
n
(x )2
61
62
MATRICES
Una matriz es una tabla ordenada de escalares ai
por (ai
j ), i
de la forma
j ).
Los trminos horizontales son las filas de la matriz y los verticales son sus columnas.
Una matriz con m filas y n columnas se denomina matriz m por n, o matriz m n.
63
Ejemplo:
64
CLASES DE MATRICES
Segn el aspecto de las matrices, stas pueden clasificarse en:
Matrices cuadradas
Una matriz cuadrada es la que tiene el mismo nmero de filas que de columnas. Se
dice que una matriz cuadrada n n es de orden n y se denomina matriz n-cuadrada.
Ejemplo: Sean las matrices
65
Matriz identidad
Sea A = (ai
Matrices triangulares
Una matriz cuadrada A = (ai
matriz triangular, si todas las entradas bajo la diagonal principal son iguales a cero. As
pues, las matrices
66
67
Matrices diagonales
Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son cero o nulas.
Se denota por D = diag (d11, d22, ..., dnn ). Por ejemplo,
69
Producto de matrices
Para poder multiplicar dos matrices, la primera debe tener el mismo nmero de
columnas que filas la segunda. La matriz resultante del producto quedar con el mismo
nmero de filas de la primera y con el mismo nmero de columnas de la segunda.
Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra de orden 3 5, la
matriz resultante ser de orden 2 5.
(2 3) (3 5) = (2 5)
1.
2.
70
Ejemplo:
Entonces:
71
Divisin de matrices
La divisin de matrices se define como el producto del numerador multiplicado por la
matriz inversa del denominador. Es decir, sean las matrices A y B tal que A/B = AB-1:
Si una matriz est dividida entre un escalar, todos los trminos de la matriz quedarn
divididos por ese escalar.
Ejemplo:
72
MATRICES INVERTIBLES
Se dice que una matriz cuadrada A es invertible, si existe una matriz B con la propiedad
de que
AB = BA = I
siendo I la matriz identidad. Denominamos a la matriz B la inversa de A y la denotamos
por A-1.
Ejemplo:
73
Ejercicios de repaso:
Dadas las siguientes matrices:
a. Encuentra el orden de las matrices
A, B, C y D
b. Cul es el orden del producto AD?
c. Multiplica A por D
d. Multiplica B por C
e. Cul es el orden del producto BC?
f. Encuentra AT
g. Encuentra x, y, z, w
1 1 x
2 4 z
1 3
A
4
5
B 1 8
1
C
2
3 2
D
0
1
y 1 0
w 0 1
74
1
1
Y 2
2
4
1
1
X 1
1
1
1
2
3
4
5
1.2.3.4.5.6.7.8.9.-
75
Ejercicio 3
Realiza las siguientes operaciones
1.
2.
3.
4.
5.
AB
AT
AAT
A-1
(AAT)-1
1 1
1 2
A 1 3
1 0
1 0
2 3
0 0
B 7 2
6 0
0 1
0
0
0
5
1
0
1
1
0
2
0
3
4
2
0
1
1
1
1
1
76
y 0 1 x1 2 x2 ... p x p
ECUACIN DE REGRESIN MLTIPLE ESTIMADA
y b b x b x ... b x
0
1 1
2 2
p p
y gorrito, indica el valor estimado de
y , variable dependiente.
77
Punto de
datos
Valor de y
x1
x2
xk
Error
aleatorio
no
observable
y1
X11
X12
X1k
y2
X21
X22
X2k
yn
xn1
xn2
xnk
78
y1
y 2
Y y 3
...
yn
0
1
2
...
k
1
1
X 1
...
1
...
... ... ...
xn1 xn2 ... xnk
x11
1
2
3
...
n
El modelo lineal
general se puede
expresar en forma
de matriz como
Y=X +
79
X X X Y
T
X X
T
X Y
80
81
82
83
Resultado= 22.5
84
85
Aplicacin 2
Encuentre la lnea de mnimos cuadrados para los datos de
compresin de aislante que se dan en la tabla.
Muestra
Presin
Compresin
86
1
1
Y 2
2
4
1
1
X 1
1
1
2
3
4
5
Ecuacin de regresin
Y=0.7x -0.1
87
88
y 0 1 x 2 x
Aplicacin 3
Consumo mensual
X, Pies cuadrados
Y , kilowatts hora
1,290
1,182
1,350
1,172
1,470
1,264
1,600
1,493
1,710
1,571
1,840
1,711
1,980
1,804
2,230
1,840
2,400
1,956
2,930
1,954
89
1,182
1,172
1,264
1
,
493
1,571
Y
1,711
1,804
1,840
1,956
1,954
1 1,290 (1,290) 2
1 1,350 1822500
Completa esta
matriz, no
esta
completa.
Ecuacin de regresin
Y=-1216+2.39893x-0.00045x2
90
Y=-1216+2.39893x-0.00045x2
91
92
93
Aplicacin: (Tarea)
13
15
1
T
X X
7
35
7
35
2
35
94
95
96
Ecuacin de regresin:
Y= -2.22E-15 + 0.8571X
97
Tarea:
Crear un video, con alguno de los temas visto en clase, donde se
explique el tema, este tema ira dirigido a los alumnos, para explicar
el tema seleccionado, desde la parte bsica, teora, que utilidad
tiene el tema, como lo aplico, con preguntas y respuestas, ejercicio
de aplicacin(2), conclusiones.
Esta tarea se har en equipos de mximo 4 personas y tendr valor
dentro del rubro de tareas.
El video deber subirse a la pagina de youtube, con el nombre del
tema.
Fecha limite para subirlo: una semana antes del segundo parcial
98
SSE Y T Y T X T Y
la diapositiva
como vas ha
0
y
1 ,
de parmetros
99
Recordando
Encuentre la lnea de mnimos cuadrados para los datos de
compresin de aislante que se dan en la tabla. Despus que
ya la encontraste, encuentra el valor de la varianza s2 y de la
desviacin estndar.
Muestra
Presin
Compresin
4
Y=0.7x -0.1
s2 = 0.367
10
0
10
1
i t / 2 s cii
Donde t/2 se basa en el nmero de grados de
libertad asociados a s.
Para nuestro ejemplo anterior n=5 y los grados de
libertad son n-2.
Cuando nos dicen 95% de confianza, buscamos un
5% en la tabla (t student) dividido entre dos
0.05/2=0.025
10
2
Qu es cii ?
Por ejemplo, de la matriz
X X
T
1.1 3
0
.
3
0
.
1
Qu es s ? Es la desviacin estndar
Respuesta:
Intervalo de confianza para o
LS=1.92
LI=-2.12
Intervalo de confianza para 1
LS=1.30
LI=0.09
10
3
10
4
Aplicacin
En una instalacin de produccin, es muy importante para la
gerencia estimar con exactitud las horas/hombre requeridas para
llevar a cabo una tarea, a fin de tomar decisiones como el nmero
correcto de obreros que debe contratar, la fecha de entrega que debe
proponer al cliente, o decisiones de anlisis de costos relativas a los
presupuestos. Un fabricante de tambores para calderas quiere
utilizar regresin para predecir el nmero de horas/hombre
necesarias para erigir los tambores en proyectos futuros. Con este
fin, recabo datos para 35 calderas. Adems de las horas/hombre (y),
las variables que se midieron fueron la capacidad de la caldera (X1,
en lb/h), la presin diseada la caldera (X2, en libras por pulgada
cuadrada)
10
5
10
7
10
8
10
9
Si prueba es de dos
colas, el valor de
alfa que te dan lo
divides entre dos.
11
0
( Sy.12)
(Y Y)
n k 1
n= nmero de datos
Puntuacin
de prueba
X1
Calificacin
de
desempeo
X2
Ventas
semanales
Y
Ventas
semanales
Pronosticad
as
Y
Arturo
5.35
Arnulfo
12
Sal
Marco
Gonzalo
10
11
n=5
k=2
Y-Y
(Y-Y)2
11
2.65
11
2
11
3
ANOVA
114
115
11
6
Qu prueba la ANOVA
La prueba se basa en la idea de que si las muestras
provienen de la misma poblacin, la varianza de la muestra
combinada deber ser igual a las varianzas de las muestras
individuales, dado que el nivel y la dispersin sern
homogneos.
En cambio, si las poblaciones de las que vienen la muestras
son diferentes (y tienen niveles diferentes), la varianza de la
combinacin ser mayor que las varianzas individuales.
La prueba ANOVA usa las varianzas para evaluar la
significacin separando, por un lado, la varianza entre
muestras y por otro lado, la varianza al interior de las
muestras.
11
7
Media
muestral
Sra.
Lourdes
15
10
9
5
16
Sr.
Gabriel
15
10
12
11
12
Sr.
Manuel
19
12
16
16
17
11
12
16
11
8
x1
x 12
x2
x 22
x3
15
15
19
10
10
12
12
16
11
16
16
12
17
Tc
nc
x2
195
5
734
x 32
1306 2727
11
9
x1
x 12
x2
x 22
x3
x 32
15
225
15
225
19
361
10
100
10
100
12
144
81
12
144
16
256
25
11
121
16
256
16
256
12
144
17
289
Tc
55
60
80
195
nc
15
x2
687
734
1306 2727
12
0
12
1
SST =
[ Tc2 / nc ]
( x)2 / N
2535
= 70
122
12
3
2727
= 2727 2605
= 122
12
4
SST = 70
SSE = 122
K = Numero de tratamientos (vendedores) = 3
N = Numero total de observaciones=15
12
5
Paso 1:
Hiptesis nula: Ho expresa que no hay
diferencia significativa entre las ventas
medias de los tres vendedores.
1 = 2 = 3
12
6
12
7
Fuente de
variacin
Suma de
cuadrados
Grados Cuadrado
de
medio
libertad
Entre
SST
tratamientos
K-1
En los
SSE
tratamientos
N-K
Total
Total SS
F = MSTR / MSE
3.44
12
8
Escribe la hiptesis
aqu
Conclusin de acuerdo
al p-value
Si el p-value es menor
a 0.05 se rechaza la
hiptesis nula.
Hiptesis nula: Ho
Hiptesis alterna: Ha
129
Regin de rechazo
13
0
1.
2.
3.
4.
5.
Compare
Multiple Samples
Multiple-sample Comparison
OK
Seleccionas tus tres variables a
comparar
6. Luego le das clic en el :
7. OK
13
1
ANOVA EN STATGRAPHICS
13
2
ANOVA EN MINITAB
13
3
13
4
13
5
136
13
7
138
13
9
Aplicacin
Media
31
41.3
43.3
140
14
1
14
2
Qu es Xi , Xj ?
Son las medias del tiempo de duracin para cada uno de
los tratamientos (Tipo de envase y envasado)
LDS t / 2, N a
1
1
SME (
)
ni n j
t=2.052
145
alfa = 0.05 y
N-a =
CONCLUSIONES E INTERPRETACION
14
7
4.
5.
COMPARE
MULTIPLE SAMPLES
MULTIPLE SAMPLE COMPARISON
TABULAR OPTION (BOTON AMARILLO LADO
IZQUIERDO)
SELECCIONA LA ANOVA Y LA PRUEBA MULTIPLE RANGE
TESTS
148
149
15
0
15
1
15
2
15
3
15
4
15
5
156
LDS=6.92
157
158
159
160
Material Necesario:
10 pilas de 3 tres marcas diferentes, 10 de cada marca de pilas.
Voltmetro
De este proyecto debern realizar
Anova de comparacin
1. Plantear la hiptesis nula y alterna
2. Escribir la conclusin.
LDS, diferencia mnima significativa
1. Escribir la conclusin, a la que se llega con esta prueba, Cul marca
es la que indica, menos desgaste, en el periodo de prueba.
16
1
162
Diseos
163
164
165
166
Tratamientos
Suma de
Grados de
Cuadrados
libertad
Cuadrado medio
SSTratamientos a-1
SSBloques
b-1
SSBloques/ b-1
SSE
(a-1)(b-1)
SST
N-1
MST/ MSE
Bloques
(factor
perturbador)
Error
Total
167
16
8
a = Numero de tratamientos
b = Numero de bloques
N = Total de datos muestreados = a b
b
a
SCT =
Yij2 - Y2../N
j =1 i =1
SCTRAT = Yi2/b - Y2../N
SCBLOQUE = Yj2/a - Y2../N
SCERROR = SCT - SCTRAT - SCBLOQUE
16
9
170
Tipo de
punta
Operador.1
9.3
9.4
9.6
10
Operador.2
9.4
9.3
9.8
9.9
Operador.3
9.2
9.4
9.5
9.7
Operador.4
9.7
9.6
10
10.2
171
172
17
3
17
4
17
5
17
6
17
7
178
17
9
180
18
1
18
2
18
3
18
4
185
18
6
187
18
8
18
9
19
0
TIPO DE
MATERIAL
1
2
3
Yj
TEMPERATURA (F)
15
130
74
150
159
138
168
70
155
180
188
126
110
160
1738
539
623
576
34
80
136
106
174
150
125
40
75
122
115
120
139
1291
229
479
583
20
82
25
58
96
82
Yi
70
58
70
45
104
60
770
230
998
198
1300
342
1501
3799
191
yijk i j ( ) ij ijk
i 1,2,..., a
j 1,2,...,b
k 1,2,..., n
promedio global
i efecto del nivel i esimo, del factor A
j efecto del nivel j esimo, del factor B
( ) ij efecto de la int eraccin
i 1,2,..., a
j 1,2,..., b
k 1,2,..., n
19
2
19
3
19
4
TIPO DE
MATERIAL
1
2
3
Yj
TEMPERATURA (F)
15
130
74
150
159
138
168
70
155
180
188
126
110
160
1738
539
623
576
34
80
136
106
174
150
125
40
75
122
115
120
139
1291
229
479
583
20
82
25
58
96
82
Yi
70
58
70
45
104
60
770
230
998
198
1300
342
1501
3799
195
TIPO DE
MATERIAL
1
2
3
Yj
TEMPERATURA (F)
15
130
74
150
159
138
168
70
155
180
188
126
110
160
1738
539
623
576
34
80
136
106
174
150
125
40
75
122
115
120
139
1291
229
479
583
20
82
25
58
96
82
Yi
70
58
70
45
104
60
770
230
998
198
1300
342
1501
3799
19
6
TIPO DE
MATERIAL
1
2
3
Yj
TEMPERATURA (F)
15
130
74
150
159
138
168
70
155
180
188
126
110
160
1738
539
623
576
34
80
136
106
174
150
125
40
75
122
115
120
139
1291
229
479
583
20
82
25
58
96
82
Yi
70
58
70
45
104
60
770
230
998
198
1300
342
1501
3799
19
7
TIPO DE
MATERIAL
1
2
3
Yj
TEMPERATURA (F)
15
130
74
150
159
138
168
70
155
180
188
126
110
160
1738
539
623
576
34
80
136
106
174
150
125
40
75
122
115
120
139
1291
229
479
583
20
82
25
58
96
82
Yi
70
58
70
45
104
60
770
230
998
198
1300
342
1501
3799
198
Cuadrado
medio
F0
Valor P
5341.86111 7.91137227
0.002
19559.3611 28.9676919
2403.44444 3.5595354
675.212963
0.0001
0.0186
199
200
Ejercicio:
Realizar en Excel, Statgraphics y MiniTab la tabla de ANOVA, para
el ejemplo de la batera.
20
1
Statgraphics
Versin 5
202
203
20
4
205
Diseo Factorial
Con MiniTab-15
206
20
7
Diseo Factorial
Mas de dos factores
Minitab-15
Minitab-16
208
20
9
21
0
21
1
Procedimiento:
1. Determinar cual ser la variable de respuesta?
2. Haz una lista con las posibles variables de respuesta y escoge una
3. Haz una lista con los posibles factores a trabajar
4. Determinar Cules sern los factores?
5. Cada factor en cuantos niveles se trabajarn?
6. Realiza todas las combinaciones para todos tus factores y sus
niveles.(Realzalo directamente en el Statgraphics)
7. Ya que tienes todas las combinaciones, empieza la construccin de tus
aviones de acuerdo a lo anteriormente diseado, en cada avin que
construyas antale que combinacin es.
8. Ya que tienes los aviones, debes de empezar a correr el experimento en
forma aleatoria, no se te olvide aleatorizar tus corridas.
9. Para la prxima clase hay que entregar un reporte de practica que contenga
lo siguiente:
REPORTE DE PRACTICA
1. Nombre de la practica
2. Integrantes
3. Objetivo
4. Variable de respuesta
5. Factores
6. Niveles
7. Forma en que se realizo el experimento
8. Plantear las hiptesis nulas
9. Plantear las hiptesis alternas.
10.ANOVA
11.LSD
12.Graficas de Medias
13.Graficas de Interacciones
14.Conclusiones.
21
5
21
6
21
7
21
8
21
9
Tarea:
Revisar esta liga:
Quality & Technology. Department of Food Science
http://www.models.kvl.dk/courses/DOE/index.asp
22
0
221
22
2
22
3
5 hojas recicladas
5 clips
Una tijera
Una regla de 30 centmetros (que tenga tambin medidas en
pulgadas)
5. Un helicptero hecho a mano, de acuerdo al video
proporcionado.
224
Tiempo
estimado=
2 hrs.
A
2 (-1 Nivel bajo)
3 (+1 Nivel alto)
1 centro
Cortar
Doblar _ _ _ _
B
6 (-1 Nivel bajo)
7 (+1 Nivel alto)
22
5
6 (nivel bajo)
2 (nivel bajo)
7 (nivel alto)
6 (nivel bajo)
3 (nivel alto)
7 (nivel alto)
22
6
227
22
8
Procedimiento:
1. Determinar cual ser la variable de respuesta?
2. Haz una lista con las posibles variables de respuesta y escoge una
3. Haz una lista con los posibles factores a trabajar
4. Determinar Cules sern los factores?
5. Cada factor en cuantos niveles se trabajarn?
6. Realiza todas las combinaciones para todos tus factores y sus
niveles.(Realzalo directamente en el Statgraphics)
7. Ya que tienes todas las combinaciones, empieza la construccin de tus
helicpteros de acuerdo a lo anteriormente diseado, en cada helicptero
que construyas antale que combinacin es.
8. Ya que tienes los aviones, debes de empezar a correr el experimento en
forma aleatoria, no se te olvide aleatorizar tus corridas.
9. Para la prxima clase hay que entregar un reporte de practica que contenga
lo siguiente:
1.
2.
3.
4.
5.
6.
7.
Nombre de la practica
Integrantes
Objetivo
Variable de respuesta
Factores
Niveles
Forma en que se realizo el experimento (anexar, fotos y
video)
8. Plantear las hiptesis nulas
9. Plantear las hiptesis alternas.
10.ANOVA (Statgraphics o Minitab) de preferencia en los
dos programas
11.LSD
12.Graficas de Medias
13.Graficas de Interacciones
14.Conclusiones.
8 aspirinas
4 vasos desechables
2 botellas de agua mineral
2 botellas de agua natural
Una cucharita de plstico.
Kg de azcar
Reloj con cronometro o celular.
231
23
2
Unidad 5
Series de Tiempo:
Modelo clsico de series de tiempo
Anlisis de fluctuaciones
Anlisis de tendencia
Anlisis de variaciones cclicas
Medicin de variaciones estacionales e
irregulares
Aplicacin de ajustes estacionales
Pronsticos basados en factores de tendencia y
estacionales.
233