Professional Documents
Culture Documents
Tema 1
5 7 8 15 11 9 10
10 12 17 13 18 19 15
15 14 18 19 17 16 18
20 19 25 22 23 18 20
yij m i uij
Perturbaciones independientes.
m1, m2,…, mI
La varianza de la perturbación s2.
y3.
y2.
y1.
ij
e 2
i 1 j 1
s
ˆ 2
e
i
2
ij
SˆR2
i 1 j 1
n-I
El término que aparece en el cociente son los
grados de libertad.
Tenemos (n - I ) Sˆ R2
~ n-I
2
s 2
Regina Kaiser Depto. Estadística, Universidad Carlos III 24
Descripción breve del tema
1. Introducción al diseño de experimentos
2. El modelo
3. Estimación de los parámetros
4. Propiedades de los estimadores
5. Descomposición de la variabilidad
6. Estimación de la diferencia de medias
Método de Fisher o LSD, contrastes múltiples
7. Diagnosis
Regina Kaiser Depto. Estadística, Universidad Carlos III 25
Props. de los estimadores (medias)
yij mi uij yij ~ N ( mi , s ) 2
j 1, ni i 1, I
Esperanza: E[mˆ i ] E[ yi ] mi
(centrado o insesgado)
s2
Varianza: Var[ mˆ i ] Var[ yi ]
ni
Regina Kaiser Depto. Estadística, Universidad Carlos III 26
Props. de los estimadores (medias)
Además, como m̂ i es combinación lineal de
variables independientes y normales, sigue
distribución normal.
yI .
y2.
y1.
yi .
ij
( y - y
i 1 j 1
) 2
ij i i
( y - y ) 2
( y -
i 1 j 1
y ) 2
2 ( yij - yi )( yi - y )
i 1 j 1 i 1 j 1
I ni I ni I
ij
( y - y
i 1 j 1
) 2
ij i i i
( y - y ) 2
n ( y - y
i 1 j 1
) 2
i 1
VT VNE VE
Regina Kaiser Depto. Estadística, Universidad Carlos III 32
Descomposición de la variabilidad
La Variabilidad Explicada (VE) mide la
variabilidad entre los distintos grupos. Si es
pequeña, es porque las medias son similares.
s2
I
VE
Además, si m1=…=mI ~ 2
I -1
s 2
n (y Sˆe2
Entre grupos
n (y - y.. ) 2
- y.. ) 2 I-1 Sˆe2 i 1
i i.
ˆ
i i.
VE i 1 I -1 2
SR
Residual I ni I
( y
ni
( y
- yi. ) 2
ij - yi. ) 2
n-I SˆR2
i 1 j 1
ij
VNE i 1 j 1 n-I
I ni
( yij - y.. )
I ni
Total
2
n-1 ( y ij - y.. )2
i 1 j 1 Sˆ y2 i 1 j 1
n -1
Aceptación Rechazo
Aceptación
1-a
1-a
a Sˆe2
Regina Kaiser Depto. Estadística, Universidad Carlos III ˆ
SR 2 36
Descomposición de la variabilidad
Ejemplo: manufactura de papel
Sˆe2
SˆR2
a 0.05
F(3,20)
F0.05(3,20) 3.098
n1 n2 - 2
T
H1: m1 m2
0.5
y1 - y2
0.4
Si t > tn1 n2 -2,a / 2
sˆT 1 n1 1 n 2
0.3
0.2
rechazamos H0.
0.1
Acepto
En la gráfica c tn1n2-2,a/2
0.0
-c c
-0.1
H 0 : m1 m4 y1 j ~ N ( m1 , s 2 )
t 7.07 t(0.025,10) 2.228
2.22
H1 : m1 m4 y3 j ~ N ( m3 , s 2 )
H 0 : m 2 m3 y2 j ~ N ( m 2 , s 2 )
t 0.98
H1 : m 2 m3 y3 j ~ N ( m3 , s )2
H 0 : m2 m4 y2 j ~ N ( m 2 , s 2 ) t 3.49
H1 : m 2 m 4 y4 j ~ N ( m 4 , s 2 ) No hay diferencia en la
H 0 : m3 m 4 y3 j ~ N ( m3 , s 2 ) Resistencia al utilizar el
t 3.06 10 ó 15 % de celulosa
H1 : m3 m 4 y4 j ~ N ( m 4 , s 2 )
Regina Kaiser Depto. Estadística, Universidad Carlos III 44
Diferencia de medias
Ejemplo: manufactura de papel
H 0 : m1 m 2 y1 j ~ N ( m1 , s 2 )
H1 : m1 m 2 y2 j ~ N ( m 2 , s 2 )
H 0 : m1 m3 y1 j ~ N ( m1 , s 2 )
H1 : m1 m3 y3 j ~ N ( m3 , s 2 )
H 0 : m1 m 4 y1 j ~ N ( m1 , s 2 )
H1 : m1 m 4 y3 j ~ N ( m3 , s 2 )
Si todas las varianzas son
H 0 : m 2 m3
iguales, podemos utilizar
y2 j ~ N ( m 2 , s 2 )
la información de todas
H1 : m 2 m3 y3 j ~ N ( m3 , s 2 )
H 0 : m2 m4
las muestras para estimar
y2 j ~ N ( m 2 , s 2 )
la varianza
H1 : m 2 m 4 y4 j ~ N ( m 4 , s 2 )
H 0 : m3 m 4 y3 j ~ N ( m3 , s 2 )
H1 : m3 m 4 y4 j ~ N ( m 4 , s 2 )
Regina Kaiser Depto. Estadística, Universidad Carlos III Sˆ R2 45
Estimación de la diferencia de medias
Método Fisher o LSD
Deseamos hacer varios contrastes del tipo
H 0 : m1 m2
H1 : m1 m2
y, según las hipótesis del modelo, la varianza es la
misma en todos los niveles del factor. Utilizamos, así,
todos los datos para estimarla
I ni I
e 2
ij i i
( n - 1) ˆ2
S
SˆR2
i 1 j 1
i 1
n-I n-I
Regina Kaiser Depto. Estadística, Universidad Carlos III 46
Estimación de la diferencia de medias
Método Fisher o LSD
La distribución del estadístico es ahora:
y1 - y2
~ tn- I
SˆR 1 n1 1 n 2