Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
MARCO TEORICO
En este capitulo se presenta las herramientas teóricas necesarias que posteriormente el
algoritmo de la prueba DE utilizará para calcular el valor P. Esto nos proporcionará un
acercamiento al principio de dicha prueba y su anterior elección.
4
CAPÍTULO 2. MARCO TEÓRICO
modo se usa la información del experimento para establecer nueva s conjeturas o hipótesis,
que lleva a realizar nuevos experimentos y así sucesivamente.
x1 x2 . . . xn
Proceso
Entrada Y
z1 z2 . . . zn
Fig. 2.1
5
CAPÍTULO 2. MARCO TEÓRICO
Con el objetivo de hacer afirmaciones válidas a cerca del proceso o del sistema, que a partir
de ahora denominaremos también población, únicamente en base a las observaciones o
muestras, se emplean métodos de inferencia estadística, como es el caso del Análisis de
Varianza
Y ij = µ + τ i + ε ij i = 1,..., a; j = 1,..., b
6
CAPÍTULO 2. MARCO TEÓRICO
donde:
Este tipo de arreglo se le conoce como Diseño experimental, ya que se inves tigan
los efectos de diferentes niveles o magnitudes de un solo factor, ver tabla 2.1 que se
presenta a continuación. Un ejemplo completo de análisis de varianza de expondrá en la
siguiente sección para el modelo bloques al azar.
Y.. Y..
Tabla 2.1
Y ij = µ + τ i + β j + ε ij i = 1,..., a; j = 1,..., b
7
CAPÍTULO 2. MARCO TEÓRICO
Y donde:
Yij = observación j del tratamiento i
µ = media general del experimento
ιi = efecto del tratamiento i.
β j = efecto bloque j.
SCTRA SCBLOQ
(a − 1) (b − 1)
FcTRAT = , FcBLOQUES =
SCerror SCerror
G.L.error G.L.error
Donde:
a
Yi • 2 Y • • 2
SC Tratamient os = ∑ b
−
ab
i =1
b
Y • j2 Y ••2
SC Bloques = ∑ −
j =1 a ab
a b
Y • •2
SCTotales = ∑∑ Yij 2 −
i =1 j =1 ab
8
CAPÍTULO 2. MARCO TEÓRICO
Análisis de Varianza
F.V. SC GL CM Fc
Tabla 2.3
decir, F0.5 , 3, 9 =3.86. Se tiene Fc < Fα , por lo tanto no hay efecto debido a la velocidad de
agitación en el tamaño del grano, es decir, no hay variación debida a los niveles del
tratamiento, se acepta la hipótesis de igualdad de los tratamientos. De este modo, como se
mencionó anteriormente, se analizan comúnmente los datos en un diseño de experimentos,
en la sección siguiente se expone a grandes rasgos lo problemas que dicho procedimiento
implica, recomendando la prueba DE como alternativa.
9
CAPÍTULO 2. MARCO TEÓRICO
permite llevar a cabo una comparación sobre bases objetivas, con un conocimiento sobre
los riesgos asociados si se llegara a tomar una decisión equivocada.
10
CAPÍTULO 2. MARCO TEÓRICO
autores, la prueba F del ANOVA adolece de cualidades que se le han atribuido, ver
Burguete, Tamborero y Morales (2003). El trabajo aquí presentado, constituye una
alternativa al uso de la prueba F y poder incurrir en menos riesgos de tomar una decisión
inadecuada, en cuanto a bloques completamente al azar se refiere.
2.4 El VALOR P
establecido por el observador que es igualmente un área que define un valor Fα sobre el
mismo eje.
Es así como se rechaza la hipótesis nula según caiga en la zona de no rechazo (Fig.
2.2) o de rechazo (Fig. 2.3) definido por Fα . La comparación se hace en base a la f.d.p. de
F donde compararemos dos valores, sea:
Fc Fα
Se acepta Ho dado que P > α
Fig. 2.2
11
CAPÍTULO 2. MARCO TEÓRICO
Fig. 2.3
2.5 CONTRASTE
Los contrastes son comparaciones individuales de las medias de los tratamientos, esto
conlleva a realizar combinaciones lineales convexas entre los totales de los tratamientos,
que es el principio de un contraste, una combinación lineal. El objetivo es el de probar
atributos de los tratamientos, y por ende, cuales de ellos son significativos.
Si bien los contrastes forman parte de las pruebas de rango múltiple que sirven para
determinar que tratamientos son los que provocan las diferencias observadas, no todo
contraste es una PRM como aclara Burguete y Tamborero (2003). Las PRM se realizan
después de haber analizado los datos. Es decir una vez que se rechazaron las hipótesis
pertinentes.
Y ij = µ + τ i + ε ij i = 1,..., a; j = 1,..., b
a a
∑ Ciτ i = 0 , sujeto a
i =1
∑C
i =1
i =0.
12
CAPÍTULO 2. MARCO TEÓRICO
a a
Dos contrastes ∑ C iτ i = 0 y ∑Dτ i i = 0 son ortogonales si sus coeficie ntes {C i } y
i =1 i =1
a
{Di } se relacionan de la misma manera, ya sea ∑ C i Di =0
i =1
En las pruebas de rango múltiple, donde comparamos los totales de los tratamientos
involucrados, en particular en la prueba de Student, en la prueba de Tukey, y
particularmente en la prueba de rango múltiple que se desarrolla en la presente tesis, es
decir, la prueba DE, los estadísticos de orden son fundamentales, como lo explica
Burguete, Tamborero y Morales (2003), debido a que es necesario ordenar dichos totales,
para poder hacer sus respectivas diferencias, dado que al tomar muestras aleatorias de
diferentes poblaciones por razón natural quedarán ordenadas. Sea de la definición de
Mood y Graybill (1972).
Y1 < Y 2 < ... < Yn . De este modo las Y1 , Y 2 ,..., Y n son conocidas como los estadísticos de
muestra aleatoria de tamaño n de una población normal(0,1), Y1 < Y 2 < ... < Y n los
13
CAPÍTULO 2. MARCO TEÓRICO
Yn − Y i
q= ,
V/ m
Como se verá en el capitulo siguiente, es nece sario producir números con ciertas
características, simularlos, una de ellas es la aleatoriedad, esta sección pretende poner al
tanto al lector sobre los métodos que se utilizan para generar dichos números. Y como se
explicará más adelante igualmente, la necesidad de hacerlo como único camino para poder
realizar la prueba DE, en el afán de comparar los dos tipos de modelos.
2.8.1 GENERADOR
Los números aleatorios uniformes, son números aleatorios cuya función de distribución es
la uniforme U en el intervalo I = [0,1] ver DeGroot (1986), la función de distribución se
define como:
0 t
14
CAPÍTULO 2. MARCO TEÓRICO
Sea su f.d.p.:
u(t)
0 1 t
0 para t < 0
u ( t ) = 1 para 0 ≤ t ≤ 1
0 para t > 0
Antes de exponer el algoritmo, cabe mencionar que los números aleatorios son generados
por secuencias determinísticas, basadas en procedimientos recursivos, y la producción de
estás es en última estancia periódica, nuevamente recurrimos a Niederreiter (1992) para tal
afirmación. De este modo realmente estamos generando pseudo números aleatorios (PRN)
que son relativamente fácil de producirse computacionalmente, con algunos parámetros de
entrada.
15
CAPÍTULO 2. MARCO TEÓRICO
∈ I = [0,1]
yn
xn = para n = 0, 1, ...
M
De esta manera se estarán generando números aleatorios distribuidos uniforme
(0,1), para ser precisos PRN uniformes.
En el caso de los números aleatorios, se distinguen los seudo números aleatorios uniformes
de los no uniformes. Los PRN (Pseudo Random Numbers) no uniformes, usualmente se
generan a partir de los PRN que se distribuyen uniforme (0,1), para después ser
transformados en una función de distribución dada F ≠ U .
Para tal propósito, existen varios métodos, como son por mencionar algunos, el
método de rechazo, el método de composición, el método de ración de números uniformes,
aquí se expondrá solamente el método de la función inversa descrita en Niederreiter (1992)
para generar números aleatorios de cualquier distribución
16
CAPÍTULO 2. MARCO TEÓRICO
x2
1 −2
f ( x) = e -∞ < x < ∞ .
2π
Z1 = (− 2 ln x1 ) 2 cos 2πx2
1
Z 2 = (− 2 ln x1 ) 2 sin 2πx 2
1
2 Calcular simultáneamente Z1 , Z 2
Ejemplo:
17
CAPÍTULO 2. MARCO TEÓRICO
Z1 = 1.027721
Z 2 = 0.113156
∑x
i =1
i − nµ
yi = ,
nυ 2
∑x
i =1
i − n/ 2
yi = ,
n / 12
12
yi = ∑x
i =1
i −6,
18
CAPÍTULO 2. MARCO TEÓRICO
Ejemplo:
x1 = 0.124687
x2 = 0.506689
x3 = 0.623556
x3 = 0.403274
x4 = 0.156447
x5 = 0.763077
x6 = 0.868261
x7 = 0.816153
x8 = 0.649292
x9 = 0.027089
x10 = 0.577379
x11 = 0.573792
x12 = 0.657173
12
Entonces yi = ∑x
i =1
i − 6 =6.173078-6=0.746869
El Bootstrap es una técnica recientemente desarrollada, por medio de la cual se hace algún
tipo de inferencia estadística, ya que requiere de los elementos que las computadoras
modernas pueden proporcionar, en la siguiente sección se profundiza sobre dichas técnicas.
En dicho método basado en al computadora envuelve las mismas explicaciones que la
inferencia estadística tradicional, lo único realmente diferente es la implementación de
dichas ideas esto establece Efron y Tibshirani (1998).
19
CAPÍTULO 2. MARCO TEÓRICO
n, con reemplazo de los datos originales x1 , x2 ,.... xn . Correspond iente a cada muestra
bootstrap se genera una réplica bootstrap s( x *b ) que nos es más que el valor del error
1
[ ]
B 2 2
∑ s( x ) − s(•)
*b
b =1
seˆ boot =
( B −1)
∑ s( x
b =1
*b
)
donde s(•) = , ver figura 2.2
B
20
CAPÍTULO 2. MARCO TEÓRICO
Réplicas bootstrap
s ( x *2 )
*1
s( x * B )
s(x )
x *2
x *1 Muestras bootstrap
x *B
Fig., 2.2
Puesto sobre otras palabras, y de manera más general como describen Efron y
Tibshirani (1998). , supongamos que se tiene muestras aleatorias x = ( x1 , x2 ,.... xn ) de una
distribución de probabilidad F, de la cual se desea estimar el parámetro θ = t ( F ) con base
De este modo, se define una muestra bootstrap como una muestra aleatoria de
tamaño n obtenida por reemplazo a partir de F̂ sea Fˆ → ( x1* , x2*...x *n ) = x * , ver esquema
de la figura 2.3
21
CAPÍTULO 2. MARCO TEÓRICO
x *1 θˆ * (1) = s ( x *1 )
x*2 θˆ * ( 2) = s ( x *2 )
x*3 θˆ * (3) = s( x * 3 )
F̂ . .
. .
. .
x*b θˆ * (b) = s ( x *b )
. .
. .
. .
x*B θˆ * ( B ) = s ( x * B )
1
B *
[ ]
2 2
∑ θˆ (b) − θˆ (• )
*
b= 1
seˆB =
( B − 1)
donde B
∑θˆ (b) *
θˆ (•) =
* b =1
B
Fig. 2.3
2.10 SIMULACIÓN
La simulación puede verse como una técnica de carácter numérico que controla
experimentos en un ordenador digital en la obtención de información. La metodología
implica el uso de ciertos tipos de modelos, tanto matemáticos como lógicos que
22
CAPÍTULO 2. MARCO TEÓRICO
23
CAPÍTULO 2. MARCO TEÓRICO
2.11 FORTRAN
2.11.1 Introducción
24
CAPÍTULO 2. MARCO TEÓRICO
2.11.3 SINTAXIS
La forma de escribir el código fuente, tiene un conjunto de reglas estrictas, lo que hace de
Fortran, como se mencionó antes un lenguaje de alto nivel, dentro de las reglas más
importantes son las de la posición en columnas. Fortran acepta información con un
máximo de 80 caracteres o columnas por fila o por línea, este espacio puede considerase
dividido en cuatro secciones o campos ver figura 2.4
1 2 5 6 7 72 73 80
Campo de continuación
Campo de etiquetas
Campo de comentarios
Campo de número de secuencia
Figura 2.4
25
CAPÍTULO 2. MARCO TEÓRICO
Cada uno de los cinco primeros modos del lenguaje Fortran permiten la definición
de constantes y de variables, éstas últimas representadas por nombres. El modo
alfanumérico se usa para representar datos literales, así se producen comentarios, títulos,
encabezamientos, etc.
Las constates enteras, se escriben en forma literal y sin punto decimal, estas pueden ser
positivas o negativas.
Las variables enteras se representa por nombres de uno a seis caracteres, el modo
entero de la variable se denota por medio del primer carácter el cual debe ser: I, J, K, L,
M, N.
Las primeras se pueden representar de dos maneras, con exponente o sin el. El valor de una
constante con exponente se representa de una manera similar a la notación científica. En
FORTRAN el numero se representa como una constante real sin exponente, seguida por la
letra E y una constante entera de uno o dos dígitos; la constante entera representa la
potencia y puede ser positiva o negativa. En lo que concierne a una constate real sin
exponente, ésta se representa con un conjunto de dígitos y un punto decimal.
26
CAPÍTULO 2. MARCO TEÓRICO
La variables reales al igual que las enteras se representan por nombres, compuestos
de uno a seis caracteres, el cual puede ser una letra cualquiera diferente de: I, J, K, L, M, N.
** Exponenciación.
* Multiplicación
/ División
+ Suma
- Resta
Por medio de las proposiciones el operador controla la operación del conmutador, como se
dijo anteriormente, un conjunto de estas proposiciones colocadas en un orden adecuado
constituyen un programa fuente.
· Proposiciones de asignación
· Proposiciones de control
· Proposiciones de trasferencia incondicional
· Proposiciones de trasferencia condicional
· Proposiciones de entrada salida
· Declaración de especificación
27
CAPÍTULO 2. MARCO TEÓRICO
· Declaración de tipo
· Declaración de definición
v = exp
Donde v es una variable entera, real, de precisión doble, o compleja, sin signo, y
exp es cualquier expresión numérica. Se evalúa primeramente el lado derecho y se asigna
el valor del resultado a la variable de la izquierda, la expresión de la derecha no está exenta
de contener otras variables, pero éstas no cambiaran de valor.
Una expresión lógica, únicamente puede tomar el valor lógico de .TRUE. o bien del
valor lógico de .FALSE. Dichos valores aparecen como resultado de la comparación
aritmética en el uso de los siguientes operadores de relación, ver tabla 2.4:
Las expresiones lógicas pueden combinarse con los operadores lógicos .AND.
.OR. .NOT. que corresponden a los operadores lógicos conocidos Y, O, y la negación
respectivamente.
28
CAPÍTULO 2. MARCO TEÓRICO
WRITE ( m, n ) lista
PRINT n lista
Donde n y lista tiene el mismo significado descrito anteriormente, PRINT hace que
los datos se impriman de acuerdo al formato especificado, en pantalla..
29
CAPÍTULO 2. MARCO TEÓRICO
2.11.16 PROPOSICIÓN GO TO
Antes dicho, el computador lleva a cabo las instrucciones en orden, dicha secuencia se
puede alterar a través de preposiciones de transferencia, existen las trasferencias de tipo
condicional donde se produce un cambio o salto claramente especificado, como de tipo
30
CAPÍTULO 2. MARCO TEÓRICO
GO TO n
2.11.17 PROPOSICION IF
IF (exp) prop1
prop2
Donde exp es una expresión lógica y las prop1 y prop2 son ejecutables en Fortran,
se prosigue de la siguiente manera, si el valor es .TRUE. el programa procesa prop1 , en
cambio si la valor es .FALSE. el programa pasa inmediatamente a procesar prop2 y se
ignora prop1 .
2.11.18 EL CICLO DO
Un algoritmo es un proceso para resolver un problema como enfatiza Schick. (1974), para
que este sea conciso, debe ser verdadero, también debe de explorar todas la alternativas y
debe arrojar una respuesta en un numero finito de pasos. En dichos algoritmos, es necesario
realizar un cálculo varias veces usando un valor diferente para cada variable, en cada
repetición o iteración. Esto se conoce como repetición de ciclo.
31
CAPÍTULO 2. MARCO TEÓRICO
2.11.19 PROPOSICIÓN DO
DO n i = n1 , n 2 , n3 , o bien,
DO n i = n1 , n2
Donde se tiene n, que es el número correspondiente a la última proposición del
ciclo, i es una variable entera, sin índice cuyo valor se aumenta en cada iteración.
Finalmente se tiene:
2.11.20 FUNCIONES
Las funciones en Fortran son bastante similares a las funciones matemáticas: ambas toman
un conjunto de variables de entrada (parámetros) y regresan un valor de algún tipo.
x = cos (π / 3 .0 )
32
CAPÍTULO 2. MARCO TEÓRICO
2.11.21 SUBRUTINAS
33
CAPÍTULO 2. MARCO TEÓRICO
La sintaxis es la siguiente:
integer a, b
integer Tmp
tmp = a
a= b
b = Tmp
return
end.
34
CAPÍTULO 2. MARCO TEÓRICO
COMMON v1 , v 2 ,..., v n
35
CAPÍTULO 2. MARCO TEÓRICO
Esta es una proposición ejecutable que se usa en los subprogramas Esta proposición hace
que el computador transfiera control al programa principal que hizo referencia al
subprograma. Así el programa principal se retorna inmediatamente después del lugar
donde se llamó a la subrutina.
Cualquier variable del lenguaje Fortran puede tener uno, dos o tres subíndices. Esto quiere
decir que cualquier nombre de una variable pude representar un arreglo de una dos o tres
dimensiones.
DIMENSION nombre ( n1 , n2 , n 3 )
36