Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Caractersticas:
bloques tienen la misma tendencia con respecto a los efectos de los tratamientos.
Las observaciones en las celdas constituyen muestras aleatorias de tamao 1
distribuidas,
Las varianzas de cada una de las poblaciones son iguales Si la primera
DISEO FACTORIAL
DEFINICIN: Es aquel diseo que se plantea cuando queremos someter a contrastacin el efecto de dos
o ms variables independientes (VVII) y de una posible interaccin entre ellas sobre la variable dependiente
(VD)
MAXWELL y DELANEY (1990): el diseo exp. factorial es aquel que se aplica cuando las muestra de
observaciones quedan determinadas por dos o ms factores.
KIRK (1995): diseo en el cual todas las posibles combinaciones de los niveles de dos o ms factores se dan
de forma conjunta.
PELEGRINA y SALVADOR (1999): es aquel diseo que se plantea cuando queremos someter a constrastacin
el efecto de dos o ms VI y de una posible interaccin entre ellas sobre la VD.
Tipos:
Completo: existen tantos grupos experimentales como posibilidades haya de formarlos.
Incompleto: no existen sujetos en algn grupo.
Se pueden caracterizar en funcin de los niveles de cada VI. Ejemplo: diseo
factorial A x B x C es el que considera tres variables independientes con A, B y
C niveles
Caractersticas
En un diseo experimental factorial:
Existe ms de una variable independiente
Se crean varias unidades de observacin en funcin de ellas
La variable dependiente puede ser una o ms
Se contrastan los efectos que producen cada una de las VVII sobre la VD y
tambin puede estudiarse el efecto de interaccin
criterios de clasificacin
REGRESIN LINEAL
R. L. SIMPLE
yi=0+1xi+ei
yi=f(yi)+ei=y^i+ei,
donde y^i es el valor ajustado a la recta del valore observado yi, y ei es el error que
cometemos y al que llamaremos residuo.
Una vez calculado el modelo, el valor de y^ queda determinado para cada xi, pero el
valor ei=yiy^i no queda determinado, puede haber dos observaciones con el mismo xi y
distinto ei. En este razonamiento se basar la hiptesis de independencia de los residuos.
2.3 Supuestos del modelo
Para cada xi, valor fijo de X, se cumple la ecuacin yi=0+1xi+ei, donde 0 y 1son
constantes desconocidas. Las hiptesis bsicas del modelo son:
1. Incorrelacin de los residuos Corr(ei,ej)=0. Cualquier par de errores ei y ej son
independientes.
2. Media cero de los residuos E(ei)=0.
(YX=xi)N(0+1xi,2).
SCT SCR r 2 = SCT SCE SCE 1 SCT SCT SCT: suma de cuadrados total
2 (y y) i SCR: Suma de cuadrados debida a la regresin 2 (y y) i
SCE: Suma de cuadrados debida al error 2 ( ) i i y y Pruebas de
significancia Prueba F H Unoo ms de los parmetrosno es cero
H p : : ... 0 1 0 1 2 =0.05 es el nivel de significacin de la prueba. C
CMR F CME ; CMR=SCE/p y CME=SCE/(n-p-1) Se rechaza H0 si el p-valor
de FC es menor que . nav Estadstica (complementos) 12 Los resultados se
acomodan en una tabla ANOVA. Tabla ANOVA Fuente de variacin Suma de
cuadrados Grados de libertad Cuadrados medios F p-valor o sig. Regresin
SCR p CMR=(SCR/p) FC=CMR/CME Error SCE n-p -1 CME=(SCE/(n - p -1))
total SCT n-1 Prueba t para coeficientes individuales (i) 0 0 i i i i
c b b t S ; con =n-p-1 Se rechaza H0 si |tc| > t /2; o alternativamente, si
p-valor de tc es menor que .
Multicolinealidad
PRUEBAS PARAMTRICAS
PRUEBAS NO PARAMTRICAS
BIBLIOGRAFA: