UNIDAD I Conceptos: tipos de estudio, factores y niveles, unidad experimental Introducción al software R: estadísticas descriptivas, gráficos, anova paramétrico y no paramétrico Diseño completamente al azar Aplicación del Diseño completamente al azar Prueba de Tukey, Dunnett (prácticas con R) Prueba de Bonferroni, DLS (prácticas con R) UNIDAD II Diseño de bloques completamente al azar (DBCA) ventajas y desventajas Aplicación del Diseño de bloque completamente al azar (prácticas con R) Diseño Cuadrado Latino, ventajas y desventajas Aplicación del Diseño cuadrado latino Diseños Factoriales ventajas y desventajas Aplicaciones de los Diseños factoriales (prácticas con R) UNIDAD III Diseño con submuestreo en DCA y DBCA ventajas y desventajas Aplicación del submuestreso dentro un DCA y DBCA Diseños de medidas repetidas Análisis de Covarianza Forma eficaz de hacer pruebas Clarificar problemas y/o resolver problemas DISEÑO ESTADÍSTICO DE EXPERIMENTOS Obtener datos: análisis estadístico Determina cuál prueba y de que forma Mejorar un proceso requiere: Observar o monitorear Herramientas estadísticas Experimentar Hacer cambios estratégicos El “diseño de experimentos” es conjunto de técnicas que manipulan los procesos para que proporcione información importante HISTORIA DE LOS DISEÑOS EXPERIMENTALES • Ronald Fisher (1935): industria agrícola: The design of experiments: descubrió las fallas que obstaculizan los análisis. • George Box (1951): industria química: metodología de superficie de respuestas. • En 1950 – 1980: herramienta de aplicación frecuente en áreas de investigación. • Deming e Ishikawa (1980): diseño de experimentos. • Genichi Taguchi: diseño robusto. DEFINICIONES BÁSICAS Diseño de experimentos • Aplicación de método científico • Generar conocimientos de procesos. Experimento • Cambio de condiciones de un sistema o proceso • Objetivo de medir el efecto del cambio, Unidad Experimental • Muestra que se utiliza para generar un valor que sea representativo. • Importante definir de manera cuidadosa. Variables, factores y niveles Variable A través de ella se conoce el efecto de los resultados Controlados: Se pueden fijar en un nivel dado Factores No Controlados: Variables o características que no pueden controlarse Estudiadas: Las que se investigan en el experimento Niveles: Valores que se asignan a cada factor Niveles y Tratamientos Tratamiento: combinación de niveles de todos los factores estudiados ERROR Error Aleatorio Error Experimental Variabilidad observada que no se puede explicar Error aleatorio que refleja los errores del experimentador en planeación y ejecución ETAPAS EN EL DISEÑO EXPERIMENTAL PLANEACIÓN Y REALIZACIÓN CONCLUSIÓN ETAPAS INTERPRETACIÓN ANÁLISIS PRINCIPIO BÁSICOS Aleatorización • Corridas experimentales aleatorias. • Aumenta la probabilidad del supuesto de independencia se cumpla. Repetición • Es correr más de una vez un tratamiento o combinación de factores Bloqueo • Tomar en cuenta todos los factores que puedan afectar la respuesta https://quizizz.com/ https://quizizz.com/admin/quiz/608a9af56ad04d001b f563ef ¿QUÉ ES UN ANOVA? Indica “si existe o no existe diferencias entre medias de los tratamientos” lo que no hace referenciar entre cuales tratamientos difieren. Supuestos del ANOVA Independencia Normalidad Linealidad Varianzas homogéneas INDEPENDENCIA Si el comportamiento de lo puntos es aleatorio. El no cumplimiento indica: diferencias en planeación y ejecución del diseño. No se aplico en forma correcta la aleatorización. Prueba a usar: DurbinWatson. NORMALIDAD Tenemos los gráficos de probabilidad. Se realiza un contraste de hipótesis. Las pruebas son: • Shapiro Wilk • Ji cuadrado – bondad de ajuste • Anderson – Darling. Prueba de Shapiro – Wilks (Normalidad) • • • • Se ordenan lo datos de mayor a menor De la tabla se obtienen los coeficientes Se calcula el estadístico “W” Por último si el valor de estadístico es mayor a su valor crítico al nivel alfa; se rechaza la normalidad de los datos. 0 1 2 3 4 5 6 frequency raza = Angus 60 80 100 120 140 120 140 120 140 Peso.acumulado 0 1 2 3 4 5 6 frequency raza = Charolaise 60 80 100 Peso.acumulado 0 1 2 3 4 5 6 frequency raza = Criollo 60 80 100 Peso.acumulado Homogeneidad de varianzas Supuesto que se cumple los tratamientos tienen la misma varianza. En tal sentido el mejor tratamiento es el que tiene menor dispersión. Homogeneidad de Varianzas Prueba de Levene Prueba de Barlett Diagrama de “Cajas y Bigotes” • Muestra el valor de la mediana (percentil 50) y determinada por los percentiles 25 y 75. • Por tanto en el interior se encuentra el 50% de datos. • Útil para comparar varios conjuntos de datos en un solo diagrama 70 80 90 100 110 Peso.acumulado 120 130 48 16 Angus Charolaise raza Criollo
