Documente Academic
Documente Profesional
Documente Cultură
Psicología, Educación,
Teoría de diseños Asignaciones Mercadeo, y otras disciplinas
óptimos aleatorizadas también fueron testigo de
aplicaciones de experimentos
diseñados
Diseño robusto
GEOESTADISTICA
LOS CONCEPTOS Y TERMINOLOGÍA BÁSICA DE
EXPERIMENTACIÓN
Planeación incorrecta
Otro planteamiento:
Variar muchos factores a la vez
En el diseño y análisis de un experimento, es necesario
que quienes lo desarrollen :
Tukey afirma
“ Estadístico, es el experto que piensa con el
cerebro del otro”
Los pasos que se siguen en la experimentación
método experimental
El método científico
formulan hipótesis
experimentación
DEFINICIONES BASICAS
Cuantitativos:
Cuantitativos edad-altura - profundidad
Factor BLOQUE
Cualitativos Cualitativo:
estaciones (inv-prim-ver-otoño)
Efectos fijos
Niveles Efectos aleatorios
Efectos Mixtos
tratamiento
Tratamientos testigo
Variable respuesta
EL DISEÑO DE EXPERIMENTOS
Consiste en determinar cuantos factores,
niveles y tratamientos se estudian y como
se asignaran los tratamientos a las
unidades experimentales.
Variable sustituta
Covariable
Material experimental
Variables Explicatorias
Error experimental
PRINCIPIOS DEL DISEÑO EXPERIMENTAL
Principio de aleatorización
Previene la existencia de Repetición del Homogeneidad
sesgos experimento estadística de las
Evita la dependencia entre Es la asignación del comparaciones –
observaciones mismo tratamiento a Control local
Confirma la validez de los mas de una u.e. Filosofía de diseños
procedimientos estadísticos independientes. clásicos - moderna
más comunes
PASOS NECESARIOS PARA PLANIFICAR, LLEVAR A
CABO Y ANALIZAR UN EXP. DISEÑADO
ij i ij
i = 1, 2, 3, . . . t j = 1,2, 3, . . r
i 1,2,... j 1,2,...
Y X
rango=2
parámetro ,
6x3
1, y 2 no
puede ser
estimada por
ˆ ( X T X ) 1 X T y
, i no son únicos y por consiguiente no pueden ser estimados
Para remediar la falta de unicidad de los parámetros en el
modelo sobreparametrizados
ri Z i 0
SOLUCION
S.E.N. : XTX=XTY + ri Z i 0 parámetros
Los supuestos del modelo son:
•Los errores se distribuyen normal con media 0 y varianza 2, ij N(0, 2)
•Los errores tienen varianza constante
•Los errores son independientes, COV (ij, i’j’)=0 ii’; jj’
ANOVA
ANÁLISIS DE VARIANZA
PARA EL MODELO COMPLETAMENTE ALEATORIO
El método empleado para comparar las medias de los tratamientos se
denomina ANALISIS DE VARIANZA (ANOVA), mediante el cual se prueban
las hipótesis planteadas.
Inferencia
FUENTE
Pr>F
DE g.l S.C C.M Fc
VARIACIÓN
CMTrat
Entre tratamientos t-1 2 2 SCTrat
t y i. y..
CME
(Modelos) t 1
i 1 ri n
Error (dentro de los n-t 2 SCE
Y
Y T Y i.
tratamientos)
ri nt
Total n-1 t r
y..2
y ij n 2
i 1 j 1
t
y 2 i. y..2
SCTRAT: ri
n
si es balanceado.
i 1
2
Y
SCERROR : Y T Y i. si es balanceado.
ri
t 2 2 2
y1. y 2. yt.
SCERROR: Y Y (
T
... ) si el diseño es
i 1 r1 r2 rt desbalanceado
DISEÑO DE EXPERIMENTOS
VALIDACION DE LOS SUPUESTOS DEL MODELO
ij i ij
y
e y yˆ
e y y
Ho: i ~ normal Ha: i No ~ normal
DETECCIÓN
Pruebas formales Gráficos de residuales con
Ho: 2122=...=2 bandas crecientes, decrecientes o
Comparaciones múltiples: combinaciones de ambas.
Prueba de Levene's: datos continuos, no
necesariamente con distribución normal. Este método
considera las distancias de las observaciones de su
mediana de la muestra en lugar de su media de la
muestra, hace que la prueba sea más robusto para
muestras pequeñas
SUPUESTO 3: LOS ERROR SON INDEPENDIENTES
M.M.C.O Se basa en que los errores son independientes uno del otro.
0 1
eij
eij
-1 0
10
-2 -1
-3 -2
t t
3 3
2
2
1
1
0
eij
eij
9
0
-1
1
-1 -2
-2 -3
-3 -4
t t
Durbin watson
a
i
( ) 2
( 1 ) 2
( 2 ) 2
... ( a ) 2
i 1
2. Estimación de la varianza : Se puede obtener mediante :
•Investigaciones similares .
•Prueba pilote : De todas las varianzas de cada tratamiento,
debemos escoger la más grande, debido a que esta cubre las
demás.
t
(i ) 2 ri 2K
K i 1
2 2 t
3.3 Buscamos el valor en la tabla de la F-no centrada. En
está ubicamos :
Nivel de significancia deseado ( = 0.005, 0.025, 0.05, 0.10)
Los grados de libertad del numerados : (t-1)
Los grados de libertad del denominador : t (ri-1)
El valor
Diferencia mínima :
(1)2(1.281.09)2 0,034
(2)2(1.291.09)2 0,038
(3)2(1.251.09)2 0,024
(4)2(0.991.09)2 0,010
(5)2(0.661.09)2 0,189
( )2 0,295
2 = 0.0007 la mas grande de los tratamientos
t = 5 tratamientos
Poder de la prueba: -Parámetro de no centralidad.
-Factor de no centralidad :
t 2K 2K
2
( i ) r
K i 1
0.295
* r 209.66 * r t 5
2 2 2 * 0.0007
V1=(t-1) 4 4
ri 8 10
V2=t(ri-1) 35 45
k 1677,3 2096,6
25,9 29,0
0,01 0.01
1 0.99 0.99
residuales
storage
Comparaciones múltiples
resultados
Validación de supuestos
Normalidad
HOMOGENEIDAD