Apuntes disenio experimentos

2010-06-08

DISEÑO DE EXPERIMENTOS
Antecedentes y Revisión de Literatura Ho Hipótesis (Procesos metodología) Ha: Hipótesis de la investigación Preguntas?? Y Objetivos y Metas Problema (Arranque)

Metodología Obtención de Resultados Análisis de Resultados Medico

Ho Ha

Esta sano Esta enfermo

Ha: La temperatura es un factor que determina la distribución de las especies. VariablesEscala Rol de la variable en una relación causa-efecto VI: V. Independientes

VD: Variables dependientes Variables y sus combinaciones en una relación causa-efecto. Las hipótesis y los métodos para probarla. VARIABLES V. DEPENDIENTES CATEGORICAS CATEGORICAS V. INDEPENDIENTES NUMERICAS

NUMERICAS

CATEGORICAS: H=1 EJEMPLO: SEXO M=0 Resultado DE LA OPERACIÓN: Exitosa, no tuvo efecto, malaSobrevivencia: Vivo o muerto

NUMERICAS Temperatura Peso Edad Altura Presión

X1 X2 0 0 1 0 1 0 p normal hipert hipoten

CATEGORICAS

VARIABLES V. DEPENDIENTES (%) CATEGORICAS B) Ho: P1 = P2 Z para Ha: P1 ≠ P2 prop X2 Modelo lineal para datos categoricos

(Medias) NUMERICAS Ho: µ1 = µ2 Ha: µ1 ≠ µ2

Independiente Pareada

Ho: µ1 = µ2 = µ3…. ANOVA Ha: al menos una es diferenteGeneralizacion prueba de T A) Ho: β1 = 0 Ha: β1 ≠ 0 Regresion Lineal

V. INDEPENDIENTES NUMERICAS

A)

Y Ho: Las variables son independientes Ha: Hay dependencia entre las variables

X

Yi = β0+βiXi+εi

B) En una investigación se quiere determinar la concentración requerida para el control de una plaga. Los bichos de la plaga se colocan en cajas petri, a la cual se le aplica una concentración deinsecticida. Luego se evalúa cada insecto en cuanto a su sobrevivencia. Se checa si está vivo o muerto. Insecticida Sobreviviencia de bichos Var. Indep. Var. Dependiente Numerica Vivo o muerto Categorica categorica.

% de Bichos muertos

Concentracion de insecticida

C) Impacto de una variable categorica sobre una variable numérica

Impacto del géenero (Genero) en las Calificaciones

Seobservaría la diferencia entre las medias (si es mucha entonces si hay efecto del género)

El SPSS trae una ayuda muy fuerte para identificar las variables categoricas (Ver ejemplo que hicimos en la hoja de SPSS)

Vivo Variables de tipo Nominal Muerto

Frio Temperatura Tibio Variables de tipo Ordinal

Caliente

Que es un modelo? Análisis de datos Yij = µ + i + ij Obtención deconclusiones

Tendencia de los actos delictivos en el Mpio. De Chihuahua

Ejemplo SPSS de Regresión Lineal Efecto de interacción años de experiencia con genero

Yi = βo + βiXi + i Regresion Lineal

Βo, βi (Tasa de cambio o pendiente) Y Cambio en Y por unidad de incremento en X

(Salario base)

i

X Βo (0, βo)

Diferencias en βo de H y M

Diferencias en pendientes

R2 = 0.95porcentaje de explicación del modelo R2 = 0.85

Si gen = F entocnes genum = 1

Si gen = M entonces genum = 0

9 de junio de 2010

Ho Las variables son independientes Ha Las variables son independientes

[P(AB) = P(A) * P(B)] X^2

Esperamos lo que sucede bajo Ho

vs

observado en la realidad

X^2 Bajo Ho

14.465 Si B

0.00072 Dir ------ X ------ P Inv ----- P ----- X Num Hil = HNum Col = C Gl = (H-1) (C-1)

GET DATA /TYPE=XLS /FILE='F:\Curso_Disenio_Experimentos\CHIC1.xls' /SHEET=name 'GRAL' /CELLRANGE=full /READNAMES=on /ASSUMEDSTRWIDTH=32767. CROSSTABS /TABLES=HABFUM BY SALUD /FORMAT=AVALUE TABLES /CELLS=COUNT EXPECTED ROW COLUMN TOTAL /COUNT ROUND CELL.

Crosstabs

Case Processing Summary Cases Valid N Habitos de fumar * Estado de Preseion 180 Percent 100.0% N0 Missing Percent .0% N 180 Total Percent 100.0%

Habitos de fumar * Estado de Preseion Crosstabulation Estado de Preseion H Habitos de fumar E Count Expected Count % within Habitos de fumar % within Estado de Preseion % of Total M Count Expected Count % within Habitos de fumar % within Estado de Preseion % of Total O Count Expected Count % within Habitos de fumar % within Estado de Preseion...