Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Grupo: MG-5
pág. 1
INDICE
Tabla de contenido
................................................................................................................................................................................ 1
INDICE ................................................................................................................................................................... 2
INTRODUCCION. .................................................................................................................................................. 3
................................................................................................................................................................................ 8
pág. 2
INTRODUCCION.
Como parte de esta materia de estadística inferencial II, este trabajo se realizó para poder
buscar conceptos que nos ayudarán a lo largo de esta materia, estos conceptos serán de
gran utilidad ya que al momento de realizar algo trabajo/ ejercicio de algún tema en
específico, tengamos conocimiento previo y así poder identificarlo y tener el significado de
cada uno, debidamente con algunos ejemplos para tener una visión más clara de la palabra
investigada, para poder entrar con conocimiento previos, la cuarta unidad de la materia se
centra en la continuidad de la misma materia que cursamos el semestre anterior, algunos
temas que tendrán que ser impartidas en las clases son las siguientes:
En este documento se realizó una profunda investigación de todos los puntos anteriores
mencionados, con la finalidad de tener los conceptos mas adecuado y correcto para cada
punto y tener una mayor compresión para nuestros próximos temas.
pág. 3
El diseño de experimentos hoy.
Durante los años de 1930 la influencia de su trabajo estadístico se difundió a través del mundo de
habla inglesa y frecuentemente más allá, así que después de la segunda guerra mundial con la
formación de la sociedad internacional biométrica en 1947, un nuevo campo de la investigación
científica fue reconocido, como resultado de la introducción de métodos competentes y la purificación
del razonamiento inductivo por los cales Fisher había sido primeramente el responsable, fue el
innovador del uso de los métodos estadístico en el diseño de experimentos; desarrollo y uso por
primera vez el análisis de varianza como herramienta primaria para el análisis estadístico en el diseño
experimental, el diseño de experimentos tuvo su inicio teórico a partir de 1935 por Sir. Ronald A. Fisher
quien sentó la base de la teoría del Diseño Experimental y a que a la fecha se encuentra bastante
desarrollada y ampliada. Actualmente las aplicaciones son múltiples, especialmente en la
investigación de las ciencias naturales, ingeniería, laboratorios y casi todas las ramas de las ciencias
sociales. La experimentación proporciona los datos experimentales, en contrastes con los datos de la
observación; los datos de la observación se representan como su nombre indica por observaciones
de las unidades elementales de una población o de una muestra y no deben ser cambiados ni
modificados por ningún intento de parte de un investigador en el curso de la observación
pág. 4
Definiciones básicas en el diseño de experimentos
Finney (1960) afirma que el diseño de un experimento está constituido por: a) la serie de tratamientos
seleccionados para hacer comparaciones; b) la especificación de las unidades a las cuales se
aplicaran los tratamientos; c) las reglas por las cuales se asignaran los tratamientos a las unidades
experimentales, y d) la especificación de las medidas que van a tomarse de cada unidad (variable
dependiente).
Plutchnik (1968) lo define en términos de: a) las formas de disponer las condiciones experimentales
indicadas por la pregunta de investigación, y b) los métodos de control para minimizar o reducir el
error al establecer relaciones causales entre las variables implicadas.
Para Kirk (1972) un diseño experimental es un plan de acuerdo con el cual se asigna alos sujetos
a los diferentes grupos o condiciones experimentales. Hay cinco actividades interrelacionadas que lo
caracterizan: a) la formulación de hipótesis estadísticas, b) el establecimiento de reglas de decisión
para poner a prueba dichas hipótesis, c) la recogida de los datos de acuerdo con un plan que permita
evaluar las hipótesis, d) el análisis de los datos, y e) la toma de decisiones respecto a las hipótesis y
a la formulación de inferencias inductivas respecto de las hipótesis científicas o de investigación.
Kerlinger (1975) define el diseño de investigación como "el plan, la estructura y la estrategia de
investigación concebidos para obtener respuestas a preguntas de investigación y controlar la
varianza". Para este autor, el plan es el esbozo general del proyecto de investigación, e incluye todo
el proceso que va desde la formulación de las hipótesis hasta el análisis de los datos. La estructura
es, para Kerlinger, más específica que el plan, constituyendo el esquema y el paradigma de lo que
se hará con las variables.Por último, estrategia se refiere a los métodos de recogida y análisis de
datos.
pág. 6
1. EI objetivo deI experimento.
Estos cinco puntos no son independientes entre sí, pero es importante señaIarIos de
manera separada, ya que aI cambiar cuaIquiera de eIIos generaImente cambia eI
diseño experimentaI a utiIizar. Con base en aIgunos de estos cinco puntos es posibIe
cIasificar Ios diseños como Io hacemos a continuación.
El método ANOVA con un factor de clasificación también llamado Diseño Completamente al Azar
(DCA) es el más simple de los diseños experimentales para comparar distintas poblaciones y evaluar su
variabilidad, dado que solamente considera la variación entre poblaciones y el error aleatorio. Es muy
importante que no existan otras fuentes de variabilidad distintas a las que se han considerado en el
estudio ya que esta circunstancia invalidaría los resultados.
pág. 7
El modelo de efectos fijos
El modelo de efectos fijos de análisis de la varianza se aplica a situaciones en las que el experimentador
ha sometido al grupo o material analizado a varios factores, cada uno de los cuales le afecta sólo a la
media, permaneciendo la "variable respuesta" con una distribución normal. Este modelo se supone
cuando el investigador se interesa únicamente por los niveles del factor presentes en el experimento, por
lo que cualquier variación observada en las puntuaciones se deberá al error experimental
El modelo de efectos aleatorios
Los modelos de efectos aleatorios se usan para describir situaciones en que ocurren diferencias
incomparables en el material o grupo experimental. El ejemplo más simple es el de estimar la media
desconocida de una población compuesta de individuos diferentes y en el que esas diferencias se
mezclan con los errores del instrumento de medición. Este modelo se supone cuando el investigador
está interesado en una población de niveles, teóricamente infinitos, del factor de estudio, de los que
únicamente una muestra al azar (t niveles) están presentes en el experimento.
La suma total de cuadrados
En el análisis de varianza (ANOVA), la suma total de los cuadrados ayuda a expresar la variación total
que se puede atribuir a diferentes factores. Por ejemplo, usted hace un experimento para probar la
efectividad de tres detergentes para ropa.
La suma total de los cuadrados = suma de los cuadrados del tratamiento (SST) + suma de los cuadrados
del error residual (SSE)
La suma de los cuadrados del tratamiento es la variación atribuida a, o en este caso entre, los detergentes
para ropa. La suma de los cuadrados del error residual es la variación atribuida al error.
El convertir la suma de los cuadrados en cuadrados medios al dividir entre los grados de libertad le
permitirá comparar estas relaciones y determinar si existe una diferencia significativa debido al
detergente. Mientras mayor sea esta relación, más afectarán los tratamientos el resultado.
La tabla de ANDEVA
pág. 8
no necesita que el valor de F sea significativo para poder usarla.
Ejemplo:
pág. 9
pág. 10
MAPA MENTAL
Diseños
experimentales de
un factor
Análisis:
pág. 11
Diseños
experimentales de
un factor
Los diseños experimentaIes Existen muchos diseños El modelo de efectos fijos de análisis de la varianza se aplica a
experimentaIes para estudiar Ia gran diversidad de situaciones en las que el experimentador ha sometido al
El método ANOVA con un factor de clasificación Los modelos de efectos aleatorios se usan para
problemas o situaciones que ocurren en Ia práctica. grupo o material analizado a varios factores, cada uno de los
permite comparar los niveles del factor estudiado describir situaciones en que ocurren diferencias
Esta cantidad de diseños hace necesario saber cuales le afecta sólo a la media, permaneciendo la "variable
que participan en el diseño experimental. incomparables en el material o grupo experimental.
cómo eIegir eI más adecuado para una situación respuesta" con una distribución normal.
dada
Los cinco aspectos que más infIuyen en Ia seIección En muchas aplicaciones del ANOVA la comparación Este modelo se supone cuando el investigador se Este modelo se supone cuando el investigador está
de un diseño experimentaI: de los niveles del factor estudiado es prioritaria. interesa únicamente por los niveles del factor interesado en una población de niveles,
presentes en el experimento, por lo que cualquier teóricamente infinitos, del factor de estudio, de los
Es obvio que, al hacer tales comparaciones, existe que únicamente una muestra al azar (t niveles)
un interés y un objetivo claro. variación observada en las puntuaciones se deberá
al error experimental están presentes en el experimento.
pág. 12
FUENTE DE INFORMACION CONSULTADAS
HTTPS://WWW.STUDOCU.COM/ES-MX/DOCUMENT/ITEC-UNIVERSIDAD/ESTADISTICA-
INFERENCIAL/16-ANALISIS-RESIDUAL-APUNTES-1/12324032
HTTPS://WWW.UV.ES/CEACES/BASE/DESCRIPTIVA/MCORRE.HTM
HTTPS://WWW.IBM.COM/DOCS/ES/COGNOS-ANALYTICS/11.1.0?TOPIC=TESTS-MULTIPLE-LINEAR-
REGRESSION
pág. 13
VIDEOS DE YOUTUBE
• Prueba de ANOVA
https://www.youtube.com/watch?v=XK4tcMN9D4s
pág. 14