Estadistica Pronosticos Unidad 4 Ago Dic 2013

Escuela de Negocios
Universidad Anhuac
Instructor: L.M. Vctor A. Crdenas Echazarreta
Subtemas:

1.1 ANOVA unidireccional.
1.2 ANOVA bidireccional.
1.3 Anlisis Factorial.
1.4 Diseo de Cuadro Latino.

Objetivo de la unidad:
El alumno aplicar el anlisis de varianza en una y dos
direcciones para comparar tres o ms medias de
poblacin.

Escuela de Negocios Universidad Anhuac Cancn
PROBLEMA: El director de capacitacin de una empresa est
tratando de evaluar tres diferentes mtodos de entrenamiento
para empleados nuevos.
El primer mtodo consiste en asignar un empleado nuevo con un
trabajador experimentado. El segundo mtodo consiste en
ubicar a todos los empleados nuevos en un saln de
entrenamiento separado de la fbrica, y el tercer mtodo
consiste en utilizar pelculas de entrenamiento y materiales de
aprendizaje.
El director de entrenamiento escoge al azar a 16 empleados
nuevos asignados a los tres mtodos y registra su produccin
diaria despus de que terminaron los programas de
entrenamiento. Los datos se indican en la siguiente tabla:

El director se pregunta si existen diferencias en cuanto a la
efectividad entre los tres mtodos.
Qu lograremos?
Realizar un Anlisis de Varianza para ayudar a responder esta
cuestin.
Mtodo 1 15 18 19 22 11
Mtodo 2 22 27 18 21 17
Mtodo 3 18 24 19 16 22 15
Prueba F (de Fisher)

a) Sirve para probar si dos muestras proceden de poblaciones con
variancias iguales, y cuando se desea comparar
simultneamente varias medias poblacionales (ANOVA)
b) Se forma con un cociente de varianzas, dando lugar a familias
de distribuciones F.
c) El valor de F no puede ser negativo y es continuo.
d) Tiene sesgo positivo (cola a la derecha)

NOTA: Recuerda que para comparar dos medias muestrales, se
utiliza la Distribucin Normal o la distribucin t-Student, segn
la muestra sea grande o pequea.
Prueba F (de Fisher)
Dado que se probar la hiptesis de que la varianza de una
poblacin normal es igual a la varianza de otra poblacin normal,
se expresar como
H
0
:
2
1
=
2
2
H
1
:
2
1

2
2
Debe conseguirse una muestra de n
1
elementos a partir de una
poblacin, y una muestra de n
2
elementos de una 2 poblacin.
El estadstico de prueba es s
2
1
/ s
2
2
(var. Muestrales, con el mayor
en el numerador)
Se debern localizar los valores con n
1
1 y n
2
1 grados de
libertad, respectivamente, en la tabla de distribucin F.
El valor crtico de F es con /2 (prueba de dos colas?)
Ejemplo 1 de la Prueba F (de Fisher)

Limusinas Princess ofrece sus servicios de transporte desde el
Ayuntamiento de Toledo, Ohio hasta el Aeropuerto Metro en
Detroit.
El presidente de la compaa analiza dos posibles rutas, la U.S.
25 y la I-75. Desea hacer un estudio en ambas y compararlas.
Registr los siguientes datos de muestra (ver tabla en la sig.)

Si se utiliza un nivel de significancia (error) de 0.10, existe una
diferencia significativa en la variacin para las dos rutas?
Ejemplo 1 de la Prueba F (de Fisher)

RUTA Tiempo
medio (min.)
Desv. Estndar
(min).
Tamao
de muestra
U.S. 25 56 12 7
I 75 58 5 8
SOLUCIN:
PASO 1: Hiptesis nula y alternativa
PASO 2: Elegir nivel de significancia
PASO 3: Construir el estadstico s
2
1
/ s
2
2

PASO 4: Encontrar el valor crtico en la tabla F
PASO 5: Comparar y rechazar si el estadstico es mayor que el valor
crtico obtenido.

Ejercicio 2 de la Prueba F (de Fisher)

Un corredor de bolsa en la empresa Critical Securities inform
que la tasa media de rendimiento en una muestra de 10 acciones
petroleras, fue de 12.6%, con una desviacin estndar de 3.9%.
La tasa media en una muestra de 8 acciones de servicios
pblicos fue de 10.9%, con una desviacin estndar de 3.5%.

A un nivel de significancia de 0.05, es posible concluir que hay
ms variacin en las acciones petroleras? (Sugerencia:
considerar prueba de una cola)
Ejercicio 3 de la Prueba F (de Fisher)
Un agente de bienes races en el rea costera de las Carolinas
(USA), desea comparar la variacin en el precio de venta de
casas ubicadas frente al ocano, con las que estn a una
distancia de entre una y tres calles desde la costa. Una muestra
de 21 inmuebles frente al mar vendidos el ao pasado, registr
una desviacin del precio por $45,600 USD. Una muestra de 18
casas, del segundo grupo y vendidas en el mismo ao, mostr
una desviacin de $21,330 USD.
A nivel de significancia de 0.10, se puede concluir que hay ms
variacin en los precios de venta de las casas frente al mar con
relacin a las que se localizan entre una y tres calles de la costa?
TAREA de la Prueba F (de Fisher)
La Ca. Stargell Research Associates realiz un estudio acerca de
los hbitos de escuchar la radio por parte de hombres y mujeres.
Un aspecto del estudio comprendi el tiempo promedio de
audicin. Se descubri que tal tiempo para los varones es de 35
min al da. La desv. est. de la muestra de 10 personas hombres,
fue de 10 minutos. El tiempo promedio para las 12 mujeres en el
estudio tambin fue de 35 min, con una desviacin de 12 min.

A nivel de significancia de 0.10, es posible concluir que existe
una diferencia entre la variacin en el nmero de minutos que
los hombres y mujeres escuchan la radio?
Definicin: El anlisis de varianza (ANOVA) es
un mtodo estadstico para determinar la
similitud o diferencias entre dos o ms grupos
de datos, bajo tratamiento.

Tratamiento: Causa o fuente especfica de
variacin en un conjunto de datos. Permite
identificar a las poblaciones examinadas.

Permite elevar el efecto de dos o ms variables independientes (X
k
)
sobre una variable dependiente (Y), bajo las siguientes condiciones

Las poblaciones siguen una distribucin normal
Todas las poblaciones tienen desviaciones estndares
iguales ()
Las muestras se seleccionan de modo independiente
Los errores son independientes con distribucin
normal de media cero

El estadstico de prueba es F
Si alguna condicin falla, la conclusin ser DUDOSA!
Por qu se necesita aplicar ANOVA?
Disminuye el error tipo I (rechazar H0 siendo verdadera)
al aplicar pruebas t por pares a ms de tres muestras.

Es prctico al analizar el efecto sobre una variable Y, de
uno o ms tratamientos (X) en diferentes niveles.
Cmo funciona la ANOVA?
Se desea determinar si las diversas medias de muestra
provinieron de una o de varias poblaciones con medias
distintas. Esto se analiza comparando sus varianzas.
Elementos para analizar en la ANOVA

Hiptesis

Variacin Total: Es la suma de las diferencias elevadas al
cuadrado, entre cada observacin y la media total.
Variacin de Tratamiento: Es la suma de las diferencias elevadas
al cuadrado, entre cada media de tratamiento y la media total.
Variacin Aleatoria: Es la suma de las diferencias elevadas al
cuadrado entre cada observacin y su media de tratamiento.
diferentes son s unas A Ha
Ho
a
. . ' . lg :
......... :
3 2 1
= = = =
Elementos para analizar en la ANOVA

Estadstico
Valor de la varianza poblacional basado en las
diferencias entre las medias de la muestra
Valor de la varianza poblacional basado en la
variacin dentro de las muestras
F =
TABLA FINAL DE ANOVA PARA SU INTERPRETACIN

TABLA DE ANOVA
FUENTE DE VARIACIN SUMA DE GRADOS DE CUADRADO VALOR F
CUADRADOS LIBERTAD MEDIO
Entre muestras (tratam.) SCTR k-1 CMTR = SCTR/(k-1) CMTR/CME
Dentro de muestras (error) SCE n-k CME = SCE/(n-k)
Variacin total SCT n-1 CMT = SCT/(n-1)
Regla: Rechazar Ho si la Fc de la muestra es mayor que la F de Excel para una cierta alfa
o si el valor p correspondiente a la Fc es menor al valor de alfa especificado
n
X
X
k
i
k
i
2
1
1
2
|
.
|
\
|
=
=
CLCULOS DE ANOVA
SUMA DE CUADRADOS TOTAL = SCT=
SUMA DE CUADRADOS
TRATAMIENTOS = SCTR=
SUMA DE CUADRADOS ERROR = SCE = SCT - SCTR
n
X
n
T
k
i
k
i
C
C
2
1
1
2
|
.
|
\
|
|
|
.
|
\
|

=
=
Tc = Total columna por tratamiento
nc = nmero de observaciones por tratamiento
EJEMPLO 1 (ANOVA EN UNA VA)
Un profesor pidi a un grupo de alumnos que evaluaran
su trabajo como excelente, bueno, regular o deficiente.
Un estudiante egresado recopil las evaluaciones y
asegur a los escolares que el profesor no las recibira
hasta finalizar el curso y l haya entregado sus actas. ?

La evaluacin (1 tratamiento o va) asignada por cada
estudiante se compar con la calificacin obtenida en
el curso (de 0 a 100) y se obtuvo la siguiente tabla:


Existe una diferencia en la calificacin promedio de los
alumnos en cada una de las cuatro categoras de la
evaluacin? Utiliza un nivel de significancia de 0.01
Excelente Bueno Regular Deficiente
94 75 70 68
90 68 73 70
85 77 76 72
80 83 78 65
88 80 74
68 65
65
Solucin:
Paso 1: Plantear hiptesis
H
o
:
1
=
2
=
3
=
4

H
o
: Los promedios no son todos iguales
Paso 2: Seleccionar nivel de significancia
Paso 3: Determinar el valor del estadstico de prueba (F)
Paso 4: Determinar la regla de decisin (Valor crtico F)
Paso 5: Seleccionar la muestra, realizar los clculos y
tomar decisin.
Dado que F = 8.99 > F
C
= 5.09, se rechaza la hiptesis H0.

Se concluye que las medias poblacionales no son todas
iguales. Las calificaciones promedio no son las mismas
en cada grupo de evaluacin.

Posiblemente, las calificaciones que obtuvieron los
alumnos estn relacionadas con la opinin que tienen
de la capacidad general y del trabajo en el aula, del
profesor.

Niveles del Factor Peso % de algodn y Resistencia de tela
Peso porc. Respuesta
de algodn Resistencia de la tela
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11
ANOVA EN UNA VA

Inferencia acerca de las medias de tratamiento
(comparando medias)
Es posible analizar cules medias fueron diferentes
Se debe realizar una prueba pareada (por parejas
de Tc)
Se aplicar un Intervalo de Confianza con
Distribucin t
Se usa el valor CME =Cuadrado Medio del Error
Comparacin de Medias de Tratamiento
)
1 1
( ) (
2 1
2 1
n n
CME t X X Intervalo + =
= Es la media del 1er. tratamiento
= Es la media del 2 tratamiento
t = valor de la tabla t-Student con n k g.l., dos colas
CME = Cuadrado medio del error [SCE/(n k)]
n
1
= nm. observaciones en el 1er. tratamiento
n
2
= nm. observaciones en el 2 tratamiento
1 X
2 X
15 = Es la media del 1er. tratamiento
10 = Es la media del 2 tratamiento
2.365 = valor de la tabla t
33.89 = Cuadrado medio del error
5 = nm. observaciones en el 1er. tratamiento
7 = nm. observaciones en el 2 tratamiento
Al obtener el intervalo de confianza resulta que se localiza
entre 3.04 y 13.04, por lo tanto, NO hay diferencia entre
las medias del primer y segundo tratamiento.
Del ejemplo del maestro calificado por sus alumnos,
consideremos el promedio de los estudiantes que calificaron al
maestro como EXCELENTE, 87.250; mientras que la de quienes
lo calificaron de DEFICIENTE, fue 69.000.
En apariencia, obtuvieron calificaciones ms altas los primeros
que los segundos.
Existe suficiente diferencia para justificar la conclusin de que
hay una desemejanza en las calificaciones medias de estos dos
grupos de alumnos? Aplica un nivel de confianza al 95%
Se obtuvo que el intervalo es 18.25 7.79, esto es, vara desde
10.46 hasta 26.04.
Al ser ambos positivos, podemos afirmar que S hay una
diferencia significativa entre las medias de los alumnos que
calificaron de EXCELENTE al maestro, contra los que le
pusieron una calificacin DEFICIENTE.
Esto se percibe al observar mayores calificaciones en el primer
grupo que en el segundo.
PRECAUCIN: El proceso de diferencias entre medias es
gradual. Si se rechaza la hiptesis nula en la ANOVA, entonces
se analizan pares de medias, en otro caso, es innecesario.
ANOVA Bidireccional
ANOVA unidireccional slo considera DOS fuentes
de variacin (por tratamientos y por el azar)
Podran afectar los resultados otras fuentes de
variacin (horas de estudio, habilidades
matemticas, gnero, etc.)
Al incluir y analizar ms factores, puede reducirse
la varianza del error (SSE).
Ejemplo 1: (ANOVA Bidireccional)
La organizacin WARTA (Warren Area Regional Transit
Authority) est ampliando el servicio de autobuses desde un
suburbio de Starbrick, hasta el distrito de Warren. Se
consideran cuatro rutas: (1) va U.S. 6, (2) va West End, (3)
va Hickory Street y (4) va Rte. 59.
Hicieron recorridos de prueba para determinar si haba
diferencia entre los tiempos del trayecto entre las 4 rutas.
Debido a que habr muchos conductores, se estableci la
prueba para que cada uno manejara por las cuatro vas.
Los registros de tiempo en minutos se muestran en la
siguiente tabla.
Al nivel de significancia de 0.05, existe una diferencia en el
tiempo medio de viaje a lo largo de las cuatro rutas? Si se
elimina el efecto de los conductores, habr una diferencia
en el tiempo promedio del trayecto?
Conductor Tiempo del recorrido de Starbrick a Warren (min)
U.S. 6 West End Hickory St. Rte. 59
Deans
18 20 20 22
Snaverly
21 22 24 24
Ormson
20 23 25 23
Zollaco
25 21 28 25
Filbeck
26 24 28 25
WARTA puede concluir que no hay diferencia en el tiempo
medio del recorrido entre las cuatro rutas. No hay razn
para elegir la ms rpida.
Afecta en nuestro anlisis la variacin de los conductores?
cmo afecta al error (SSE)?
TABLA FINAL ANOVA
Fuente de
variacin
Suma de
cuadrados G.L.
Cuadrado
medio F
F Crtico
(tabla F)
Tratamientos 32.40 3 10.80 3.24
Error 106.80 16 6.67
Total 139.20 19 7.33
1.62
ANOVA Bidireccional
Variable de bloqueo: Al incluir una segunda variable
de tratamiento en la ANOVA, llamada variable de
bloqueo, su efecto es reducir la suma de cuadrados
del error (SSE).
Lo anterior da lugar a un nuevo estadstico de prueba F,
para analizar el efecto de los errores por bloqueo (2
tratamiento). Cundo se debe bloquear?
ANOVA Bidireccional
El incluir bloques para analizar un segundo factor,
modifica la hiptesis de la ANOVA
1) H0:
1
=
2
= =
k

H1 : Las medias de tratamiento no son iguales
2) H0:
1
=
2
= =
b

H1 : Las medias de los bloques no son iguales
ANOVA Bidireccional
El nuevo efecto se mide como la suma de cuadrados
de variacin debido a los bloques con la siguiente
frmula compacta:
n
X
k
B
SCB
k
i
b
i
r
2
1
1
2
|
.
|
\
|
|
|
.
|
\
|
=

=
=
B
r
= suma total por bloque (por rengln)
k = nmero de elementos por bloque

ANOVA Bidireccional
El error de nuestra ANOVA se calcular como:
SCE = SCT SCTR SCB

Y la tabla ANOVA ser
Fuente de
variacin
Suma de
cuadrados
g.l. Cuadrado medio F
prueba

Tratamientos SCTR k 1 CMTR = SCTR/(k-1) CMTR/CME
Bloques SCB b 1 CMB = SCB/(b-1) CMB/CME
Error SCE (k 1)(b 1) CME = SCE/(k-1)(b-1)
Total SCT n 1

Para los tratamientos, H0 se rechaza y se acepta la
alternativa. El tiempo de viaje no es el mismo para las rutas.
Para los bloques, H0 se rechaza y se acepta tambin la
alternativa. Luego, existe diferencia en las rutas y en los
conductores.
TABLA FINAL ANOVA
Fuente de
variacin
Suma de
cuadrados G.L.
Cuadrado
medio F
F Crtico
(tabla F)
Tratamientos 32.40 3 10.80 4.53 3.49
Bloques 78.20 4 19.55 8.20 3.26
Error 28.60 12 2.38
Total 139.20 19 7.33
OTROS MODELOS EXPERIMENTALES
Hemos visto que el ANOVA es til para analizar un
tratamiento con uno o dos factores involucrados en el
problema estadstico.

Si hay ms de dos factores involucrados, existen
otras metodologas disponibles:
-El anlisis factorial
-El diseo de cuadrado latino

OTROS MODELOS EXPERIMENTALES
Es importante seguir los pasos para disear un
experimento
1. Seleccionar los factores (variables
independientes) a incluir e identificar los
parmetros a estudiar (medias, varianzas, etc.)
2. Escoger los tratamientos (combinaciones factor-
nivel)
3. Determinar el nmero de observaciones
(tamao de muestra)
4. Planear la asignacin de los tratamientos (el
diseo)
ANLISIS FACTORIAL
Este procedimiento permite un anlisis ms sencillo
de la informacin, estudiando grandes series de datos
mediante la reduccin de stos. Se consideran k
factores, cada uno en dos niveles, de ah que tambin
se les conozca como experimentos 2
k
.

-Una ventaja es que permite el manejo de todas las
condiciones de prueba al mismo tiempo.
-Una desventaja es que se consideran todas las
combinaciones posibles y demanda tiempo y
capital.
ANLISIS FACTORIAL
Ejemplo:
La compaa Crankmaster, fabricante de bateras
para automvil, est interesada en comparar su
producto con la competencia considerando su poder
de arranque. Para ello medir de forma muestral
El tiempo que tardan las bateras en agotarse
mientras encienden motores (podra ser otro)
Qu otros factores pueden intervenir si no controla
el experimento? Temperatura, edad del motor y
condiciones de los cables de la batera.
ANLISIS FACTORIAL
Ejemplo:
Crankmaster decide hacer la prueba bajo diferentes niveles
de Temperatura, edad del motor y condiciones de los cables
de la batera. cuntas pruebas se realizarn?
Poblacin de
estudio
FACTOR 1:
Temperatura
FACTOR 2: Edad
del motor
FACTOR 3:
Condicin del
cable de la
batera
A: Batera
Crankmaster
H: Caliente N: Nuevo G: Bueno
B: Batera de la
competencia
C: Fro O: Viejo W: Desgastado
Prueba Batera Temperatura
Condicin
del motor
Condicin
del cable
1 A H N G
2 A H N W
3 A H O G
4 A H O W
5 A C N G
6 A C N W
7 A C O G
8 A C O W
9 B H N G
10 B H N W
11 B H O G
12 B H O W
13 B C N G
14 B C N W
15 B C O G
16 B C O W
Ejemplo:
Para lograr
obtener TODA
la informacin
posible, se
combinan los
factores y se
obtienen 16
elementos para
la prueba de las
bateras.
ANLISIS FACTORIAL
Para realizar un ANOVA en este tipo de diseo, se deber
medir TODOS los efectos aleatorios al combinar los
factores que afecten, de otro modo se perder
informacin y precisin en el estudio estadstico.

En este curso, este modelo ser una ANOVA
BIDIRECCIONAL CON RPLICAS, esto es, se tendrn
varias muestras por bloque y por tratamiento. Veamos la
tabla ANOVA y un ejemplo .
TABLA ANOVA BIDIRECCIONAL CON RPLICAS (BLOQUES ALEATORIZADOS)
Fuente de
variacin
Suma de
cuadrados
g.l.
Cuadrado
Medio
SCTR CMTR
s
2
1
K - 1 CME s
2
SCB CMB
s
2
2
B - 1 CME s
2
SCI CMI
s
2
3
(K - 1)(B - 1) CME s
2
SCE
KB(n - 1)
Total SCT N - 1
=
Error SCE KB(n - 1)
s
2
=
=
=
Entre grupos
de TR (B)
SCB B - 1 s
2
2
=
Interaccin
entre factores
(A y B)
SCI (K - 1)(B - 1)
s
2
3
=
F prueba
Entre grupos
de TR (A)
SCTR K - 1 s
2
1
=
N
X
nk
T
SCTR
N
i
K
k
C
2
1
1
2
|
.
|
\
|
|
|
.
|
\
|
=

=
= N
X
nb
B
SCB
N
i
B
b
r
2
1
1
2
|
.
|
\
|
|
|
.
|
\
|
=

=
=
( )
N
X
X SCT
N
i
N
i
2
1
1
2
|
.
|
\
|
=

=
=
N
X
SCB SCTR X
n
SCI
N
i
B
b
K
k
n
i
2
1
1 1
2
1
1
|
.
|
\
|
|
.
|
\
|
=

=
= = =
SCE = SCT SCTR SCB SCI
Resumen de frmulas para ANOVA
BIDIRECCIONAL CON n
RPLICAS, K Tratamientos y B
Bloques
ANLISIS FACTORIAL
Ejercicio:
Se planea investigar el efecto del salario por hora y la
longitud de la jornada de trabajo sobre alguna medida, y,
de la productividad de los trabajadores. Tanto el salario
como la longitud de la jornada se establecern en tres
niveles, y se observar y para todas las combinaciones de
estos factores.
De qu tipo de experimento se trata?
Identifica los factores y clasifcalos (cualit. o cuant.)
Identifica los tratamientos a utilizar en el experimento.
ANOVA BIDIRECCIONAL CON REPLICACIN
Ejemplo:
Nueve estudiantes de cada una de cuatro reas
temticas se asignaron de manera aleatoria a tres
mtodos de capacitacin (tres estudiantes por cada
mtodo de capacitacin).
Realiza las diferentes hiptesis nulas que son de inters
para este diseo completamente aleatorizado, con un
nivel de significancia de 5%.
Describa sus conclusiones de forma clara y sencilla,
incluyendo la interaccin entre tratamientos y bloques.
A1 A2 A3
70 83 81
79 89 86
72 78 79
77 77 74
81 87 69
79 88 77
82 94 72
78 83 79
80 79 75
85 84 68
90 90 71
87 88 69
rea
temtica
B1
B2
B3
B4
Mtodos de capacitacin
Puntuacin de pruebas de
destreza de los participantes
en tres mtodos de
capacitacin y para cuatro
reas temticas
CUADRADO LATINO
Ejemplo:
Una compaa de productos de consumo desea probar
en el mercado una nueva pasta de dientes en cuatro
ciudades diferentes con cuatro tipos distintos de
paquetes y cuatro programas diferentes de publicidad.
Si consideramos un diseo factorial, obtendramos un
total de 4 x 4 x 4 = 64 combinaciones posibles para
realizar pruebas.
Cmo reducir la cantidad de pruebas sin sacrificar
informacin relevante?
CUADRADO LATINO
Es posible reducir el nmero de pruebas con CUADRADO
LATINO como se observa en la siguiente tabla
1 2 3 4
I C B D A
II B C A D
III D A B C
IV A D C B
P
a
q
u
e
t
e
s
Programa Publicitario
CIUDADES
De 64
pruebas se
redujeron a
realizar 16
pruebas.
Beneficios?
CUADRADO LATINO
Al introducir un tercer factor, se deber agregar una nueva fila a
la tabla ANOVA (SCTR), que disminuir el error.
TABLA ANOVA PARA CUADRADO LATINO r x r
Fuente de
variacin
Suma de
cuadrados
g.l.
Cuadrado
Medio
SCR
r - 1
SCC
r - 1
SCTR CMTR
s
2
3
r - 1 CME s
2
SCE
(r - 1)(r - 2)
Total SCT
r
2
- 1
F prueba
=
Error
SCR
SCC
SCTR
SCE
s
2
=
r - 1
r - 1
r - 1
(r - 1)(r - 2)
s
2
1
=
s
2
2
=
s
2
3
=
Renglones
Columnas
Tratamientos
CUADRADO LATINO
Ventajas Desventajas
Se puede comparar los
tratamientos de forma ms
precisa conociendo dos fuentes
de variabilidad.
Es fcil de analizar, slo se
agrega una suma de cuadrados.
Al tener cuadrados pequeos,
pueden utilizarse varios para
analizar de forma combinada en
cuadrados latinos repetidos.
El nmero de tratamientos,
filas y columnas debe ser igual
(diseo cerrado)
Se tienen pocos grados de
libertad para estimar el error, y si
aumentan el diseo, puede
perderse homogeneidad.
NO es adecuado si existe
interaccin entre los efectos de
fila, columna y tratamientos.
(Mejor Factorial)

Estadistica Pronosticos Unidad 4 Ago Dic 2013

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica Pronosticos Unidad 4 Ago Dic 2013

Cargado por

Copyright:

Formatos disponibles

Escuela de Negocios

También podría gustarte