Академический Документы
Профессиональный Документы
Культура Документы
1
2
Razones del uso del D.X
Por lo general, un experimento es realizado por
una o varias de las razones siguientes:
Identificar las principales causas de variación
en la respuesta
Encontrar las condiciones que permitan
alcanzar un valor ideal en la respuesta
Comparar las respuestas a diferentes niveles
de factores controlados por el investigador
Construir modelos que permitan obtener
predicciones de la respuesta.
3
VENTAJAS DEL DISEÑO EXPERIMENTAL
- Elimina el efecto de variables perturbadoras o extrañas,
mediante el azar.
- El control y manejo de las variables predictoras aclaran la
dirección y naturaleza de la causa.
- Requiere una estrecha colaboración entre los investigadores
aplicados y investigadores estadísticos con las consiguientes
ventajas en el análisis e interpretación de las etapas del
programa.
- Debe enfocarse la atención a las interrelaciones y a la
estimación y cuantificación de fuentes de variabilidad en los
resultados.
-El número de pruebas requerido puede determinarse con
certeza y a menudo puede reducirse.
- La comparación de los efectos de los cambios es más precisa
debido a la agrupación de resultados.
- La exactitud de las conclusiones se conoce con una precisión
matemáticamente definida.
4
DESVENTAJAS DEL DISEÑO EXPERIMENTAL
5
1. COMPRENSIÓN Y PLANTEAMIENTO DEL PROBLEMA
6. ANÁLISIS DE DATOS
7. CONCLUSIONES Y RECOMENDACIONES
7
LOS TRES PRINCIPIOS BÁSICOS
DEL
DISEÑO DE EXPERIMENTOS
1. Obtención de réplicas
2. Aleatorización y,
8
TAMAÑO DE MUESTRA EN EL D.X
Según Fisher, para tener una estimación valida del
error experimental (EE) se requiere como condiciones
básicas: 1) replicación y 2) aleatorización .
La necesidad de replicar en experimentación fue
reconocida por investigadores experimentales desde
1864, haciendo una observación, si los tratamientos
son aplicados a material experimental absolutamente
homogéneo entonces una única replicación es
suficiente para sacar conclusiones acerca de la
población.
El numero de observaciones para un experimento es
determinado por:
1. El grado de precisión deseado.
2. La cantidad de variabilidad presente en el material
experimental.
3. Los recursos disponibles, incluyendo personal y
equipo (costo del experimento).
4. El tamaño y forma de la unidad experimental.
9
TAMAÑO DE MUESTRA EN EL D.X
Consideraciones
12
Principios Básicos Del Diseño De
Experimentos
1) Control Local: son las acciones empleadas por el
investigador para disminuir o controlar el error
experimental
• Técnica
• Selección De Unidades Experimentales Homogéneas
• Bloquización
• Selección del Diseño Experimental Adecuado
• Utilizacion De Covariables
13
Principios Básicos Del Diseño De
Experimentos
14
REPLICACION
El número de réplicas (r ) necesario para cada grupo en
tratamiento, se estima mediante:
donde
15
Ejemplo
Considere el problema del número de semillas que germinan.
Suponga que el nivel de significancia es del 1%, una potencia del
95%, y un coeficiente de variación del 10% y un δ igual al 27% de µ
¿cuántas replicas son necesarias para cada grupo en tratamiento?
Reemplazando en la formula
Entonces, para cada una de las tres condiciones de fertilizantes, se
deberían considerar 5 repeticiones. El tamaño de muestra total sería
de 15 grupos.
16
Número de muestras necesarias para
obtener una potencia de 0.80 en una
prueba t, de dos colas y 2 muestras.
Margen Probabilidad de error de tipo I ()
Error(%) 0.01 0.05 0.10 0.20
Número de muestras necesarias para una
potencia de 0.80
5 376 253 199 145
10 96 64 51 37
15 44 29 23 17
20 26 17 14 10
25 17 12 9 7
30 13 9 7 5
40 8 6 4 3
50 6 4 3 3
17
Libreta de datos de campo
1. Nombre del sitio, 1. Geología/litología
2. Código de la muestra, 2. Precipitación media anual
3. Fecha del muestreo, 3. Pendiente media
4. Método de muestreo 4. Longitud de la pendiente
5. Superficie y profundidad de 5. Vegetación y uso de la tierra al
la muestra. muestrear
6. número del sitio y 6. Historia del uso de la tierra
7. Número de muestras 7. Profundidad máxima de
tomadas cultivo
8. Fecha del muestreo 8. Principales eventos de
9. Muestrista erosión(Agua, Viento)
10.Dueño propiedad (finca, 9. Condiciones del sitio en el
campo) momento del muestreo
11. Nombre de la propiedad 1. % cubierta de tierra
12.Mapa hoja 2. Presencia de erosivos
13.Escala del mapa 10.Otras características que se
14.Sistema de coordenadas consideren relevantes
15.Ubicación de los puntos
18
Muestreo de Areas
19
20
Para obtener el número de muestras se utiliza la norma MIL STD 105.
Esta norma presenta planes de muestreo simples, dobles y múltiples,
está basado en el NAC (nivel de calidad aceptado) y se puede usar para
controlar la proporción de defectos por unidad.
Para utilizar la norma MIL STD 105D se debe definir el nivel de
inspección, el cual está relacionado con el tamaño muestral.
Usualmente se utiliza el nivel II pero el nivel III se usa cuando el
costo de inspección es bajo y el nivel I cuando el costo es alto
21
PRINCIPIOS BÁSICOS DEL DISEÑO
DE EXPERIMENTOS
3) Aleatorización para validar la estimación de la variancia
del error experimental.
22
Aleatorización del DCA
Mediante una tabla de números al azar:
1º paso: localizar el punto de comienzo en una
tabla de números al azar
2º paso:
Utilizando el punto de comienzo obtenido en el 1º
paso,
seleccionar n números de tres dígitos, donde n es el
número total de UE (n=12).
Se prefiere números de tres dígitos porque es más
difícil encontrar valores iguales.
23
3º paso: Se ranquean los 12 números
seleccionados del menor al mayor.
4º paso: Asignar los tratamientos a las UE. Usar el rango como números de UE y la
secuencia con la cual se obtuvieron los números aleatorios para referirse a los
tratamientos. Por ejemplo el tratamiento A : al 2,7,4,1, el tratamiento B, al 8,6,9,12,
etc.
1 2 3 4
A C A
A
5 6 7 A 8
C B B
9 10 11 12
B C C B 24
Aleatorizacion DCA
Ejemplo 2: A cada conjunto de condiciones de empaque, (al
vacío, una mezcla de gases y 100% CO2), se le asignaron al azar
5 cortes del mismo tamaño (75 g). Cada corte tiene la misma
probabilidad de recibir cada uno de los tres tratamientos y se
asume que los cortes forman un grupo homogéneo (DCA). Se
mide el crecimiento bacterial se expresa como el número de
bacterias por centímetro cuadrado.
Los 15 cortes de carnes se enumeraron del 1 al 15, como muestra
el siguiente diagrama, asignando 5 a c/tratamiento luego se
generan 15 numeros aleatorios y se rankean, asignando cada
valor de rango a cada corte de carne y a su respectivo
tratamiento .
25
id trat rand_num rank
UE1 1-Trat Al vacio 0,516 8
UE2 1-Trat Al vacio 0,089 2
UE3 1-Trat Al vacio 0,388 6
UE4 1-Trat Al vacio 0,923 14
UE5 1-Trat Al vacio 0,824 13
UE6 2-Mezcla de gases 0,632 10
UE7 2-Mezcla de gases 0,713 11
UE8 2-Mezcla de gases 0,258 5
UE9 2-Mezcla de gases 0,231 4
UE10 2-Mezcla de gases 0,991 15
UE11 3-100% CO2 0,581 9
UE12 3-100% CO2 0,408 7
UE13 3-100% CO2 0,777 12
UE14 3-100% CO2 0,118 3
UE15 3-100% CO2 0,02 1
Por ejemplo, asigne el tratamiento 1 (Al vacio) a los cortes de
carnes # 8, 2, 6, 14 y 13. Así, por el estilo.
Posteriormente, se mide el número de bacterias por cm2
Ordenan
do los
datos
26
Verificación de normalidad en SPSS
27
CARGAR ARCHIVO DE CARPETA
PRACT1\DCA ej1-carne.SAV
28
29
COMPARACIONES MULTIPLES
30
¿Qué es la validez externa?
Validez externa: generalizar resultados
31
Regresion en el ANOVA
• Un polinomio ortogonal es una ecuación de regresión.
32
REGRESION Y CORRELACION LINEAL
ecuación de la recta
Supuesto 1: Graficar X vs Y
Supuesto 2 a 3: Graficar los errores
Supuesto 3: Calcular el D de Durbin Watson para ver si hay
independencia secuencial, si es cercano a cero entonces hay
correlación positiva, pero si esta cercano a 4 será negativa, SE DESEA
SEA CERCANO A 2.
34
ANOVA vs REGRESION
Regresión:
ANOVA:
• Los niveles de las variables predictoras son tratados
como poblaciones separadas, cada una conduciendo
a una distribución de probabilidad diferenciada por
su media.
• Las diferencias cuantitativas entre niveles de un
factor y sus relaciones estadísticas con los valores
separados de la variable respuesta no son
consideradas.
35
ANOVA vs REGRESION
36
servic tiempo
io
a) Trazar un diagrama de dispersión
1 10,30 b) Obtener la ecuación de regresión lineal
10 34,93 y cuadrática y comparar
15 46,59 c) Estimar el consumo de energía para un
15 44,88 ajuste de máquina de 20 con regresión
16 54,12 cuadrática
17 56,63 d) Obtener los intervalos de predicción y
6 22,13 de confianza para un ajuste de máquina
5 21,15
de 20
2 9,95
8 24,45 e) Obtener el coeficiente de correlación y
11 31,75 de determinación R2=0,98
10 35
El coeficiente de determinación(R2)
8 25,02
4 16,86
indica el porcentaje de la variación total
2 14,38 que es explicada por la regresión.
2 9,6 El coeficiente beta nos indica la variacion
9 24,35 en Y por cada cambio unitario en X, o sea
8 27,5 la pendiente
4 17,08 Alfa es la interseccion con el eje Y
11 37
12 41,95
2 11,66
4 21,65
4 17,89
37
20 69