Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD Y ESTADISTICAS
PROYECTO 2
MAI03-A
13 AGOSTO 2023
INTRODUCCION
Por lo tanto, los diagramas de dispersión sirven para analizar la relación entre dos
variables estadísticas.
Correlación débil: existe una relación entre las dos variables, pero resulta
difícil de identificar. Los puntos están muy separados en el diagrama de
dispersión.
Por otro lado, la correlación también se puede calcular numéricamente mediante
una fórmula, así se puede saber matemáticamente cuánto de relacionadas están
dos variables diferentes
Ventajas:
Las hipótesis de la regresión lineal son que los errores e_i siguen la misma
distribución normal N(0,s) y son independientes.
Análisis de resultados
Para ello, es importante tener claras las variables a medir y utilizar el diseño
experimental adecuado. Además, el análisis de resultados es fundamental para
determinar si existe una relación significativa entre las variables.
El diseño de bloques al azar se utiliza cuando se quiere controlar una variable que
puede afectar los resultados y que no se quiere medir como variable
independiente.
Diseño cuasi-experimental
El diseño requiere un análisis cuidadoso de las variables que pueden afectar los
resultados.
En conclusión, la elección del diseño experimental adecuado dependerá de los
objetivos del experimento y de la cantidad de variables involucradas.
Es importante tener en cuenta que cada diseño experimental tiene sus fortalezas y
debilidades y que es importante seleccionar el diseño más adecuado para obtener
resultados precisos y confiables.
Investigación científica
Control de calidad
Conclusiones
Rango intercuartil
Diferencia
Desviación estándar .
Distancia
Diferencia
Desviación Estándar
La desviación estándar le indica qué tan estrechamente se agrupan sus
datos alrededor de la media (el promedio ). Una SD pequeña indica que sus
datos están muy agrupados; también tendrá una curva de campana más
alta ; una SD grande le dice que sus datos están más dispersos.
En esta ecuación:
Yi = Eli en el conjunto
ȳ = la media de todos los elementos del conjunto
¿Qué son los cuadrados medios?
Regresión
Por ejemplo, usted hace un experimento para probar la efectividad de tres detergentes
para ropa. Recolecta 20 observaciones para cada detergente. La variación entre las
medias de Detergente 1, Detergente 2 y Detergente 3 es representada por el
cuadrado medio del tratamiento. La variación dentro de las muestras es representada
por el cuadrado medio del error.
Si usted no especifica que los factores son aleatorios, Minitab presupondrá que se
trata de factores fijos. En este caso, el denominador para los estadísticos F será el
MSE. Sin embargo, para los modelos que incluyen términos aleatorios, el MSE no
siempre es el término de error correcto. Puede examinar los cuadrados medios
esperados para determinar el término de error que se utilizó en la prueba F.
Cuando usted ejecuta Modelo lineal general, Minitab muestra una tabla de
cuadrados medios esperados, componentes estimados de la varianza y el término de
error (los cuadrados medios del denominador) utilizados en cada prueba F de forma
predeterminada. Los cuadrados medios esperados son los valores esperados de
estos términos con el modelo especificado. Si no hay una prueba F exacta para un
término, Minitab calcula el término de error apropiado para construir una prueba F
aproximada. Esta prueba se denomina prueba sintetizada.
Las estimaciones de los componentes de la varianza son las estimaciones sin sesgo
del ANOVA. Se obtienen al establecer cada cuadrado medio calculado en su
cuadrado medio esperado, lo cual proporciona un sistema de ecuaciones lineales en
los componentes desconocidos de la varianza, que luego se resuelve.
Desafortunadamente, este método puede generar estimaciones negativas, que deben
establecerse en cero. Sin embargo, Minitab muestra las estimaciones negativas
porque algunas veces indican que el modelo que se está ajustando no es apropiado
para los datos. Los componentes de la varianza no se calculan para los términos fijos.
CONCLUSION