Apuntes de diseño de experimentos

Diseño unifactorial

Hipótesis nula H0 :los tratamientos no difieren

Alterna H1: difieren

Tratamiento 🡺poblaciones

Mediante el análisis de la varianza

Factor de interés = resistencia de neumático

Niveles 🡺 las 6 marcas de neumático

Unidad experimental: auto/neumático

Observación 🡺 respuesta

Y, variable de respuesta🡺 cantidad de resistencia

Aleatorización 🡺metodología inicial planificada para minimizar  los errores aleatorios

Se asume distribución normal varianza de sigmaˆ2

Yij i #tratamiento j #observaciones

Modelo de efecto fijo :seleccionas los niveles que vas a evaluar , sumatoria de efectos igual a 0

Modelo de efecto aleatorio: la sumatoria de efectos NO es igual a 0, no fijas los niveles , seleccionas aleatorio

Replicas 🡺# de muestras de un nivel

Importante estimar la vairanza del error ,dentro de los tratamientos  y entre ellos , si hay diferencia entre estos dos errores , entonces difieren , si no se acepta la nula

F de Fisher(estadístico)

ANALISIS DE VARIANZA +2 POBLACIONES (ANOVA

SPSS

PASOS:

1. Analizar🡺comparar medias🡺anova de un factor

2.arrastra la variable que quieres contrastar y en factor serian :ciudades , tipos , tratamientos etc

3 opciones🡺descriptivos

4.post hoc🡺turkey

5 aceptar a todo

En el cuadro ANOVA:

H0:no hay dif(nula)

H1: si hay diferencia(investigador)

Nivel significancia 0,005

Si p<0,05 gana investigador

p>0,05 gana nula

para comparar las poblaciones(turkey)

cuadro comparaciones multiples(turkey):  

p<0,05 hay diferencia

subconjuntos homogéneos

te dira quienes son iguales a quienes  y quienes no

PRUEBA NORMALIDAD KORMOGOLOV:

PASOS

1. analizar🡺prueba no paramétrica🡺cuadro diálogos antiguos🡺k-s de una muestra

2.arrastramos la vas a analizar (normal)

3. aceptar

H0:hip nula , es homogénea

H1 hip alterna, es diferente a la normal

P<0,05 gana la alterna

p>0,05 gana la nula

si quieres hacerlo para cada “tratamiento”:

1.datos🡺segmentar archivo🡺organizar resultados por grupos

2:grupos basados en: variable tratamientos 🡺aceptar

3. repite el mismo proceso para prueba normalidad

Detectar outliers

Un outlier es un dato muy atípico ,extremo

Para esto transformamos los datos en puntuaciones típicas (z) y usamos este razonamiento:

Datos<80 si z da 2,5 es outlier

Datos>80 si z  da 3 es outlier

Vamos : hacemos el mismo proceso de estandarizar variables, Z son las variables que se crean , luego indentificalos mas claramente asi:

Tabla de las nuevas variables🡺click derecho al nombre de la variable 🡺ordenar de forma descendente 🡺ordenar de forma ascendente

Anota los que se pases del rango ya sea negativo o positivo

Luego de indentificar , haz tus análisis estadisticos con y sin los outliers para ver si cambian tus resultados

sem Estandarizar valores atípicos :

teniendo tus variables ingresadas🡺analizar🡺estadísticos descriptivos🡺descriptivos…

pasas las variables que quieras estandarizar🡺chuleas “guardar valores estandarizados como variables”🡺aceptar

te sale una tabla de min/max y mean

ahora vas a la tabla de variables y ves que se te crearon mas variables estandarizada

repites el mismo proceso quitando las antiguas variables e ingresando son las estándar y quitas el chulo 🡺aceptar

...