DISEÑO DE EXPERIMENTOS (UN FACTOR) Yij ∼ N (µi ; σ 2 ) independientes; i = 1, ..., I; j = 1., ..., ni ; ȳi. = 1 X yij ; ni j ȳ.. = i ni = n 1X ni ȳi. n i µ̂i = ȳi. = 1 X yij , i = 1, ..., I ni j σ̂ 2 = SR2 = 1 XX (yij − ȳi. )2 n−I i j s à IC1−α (µi ) = P ȳi. ± tn−I;α/2 SR 1 ni ! (n − I)SR2 (n − I)SR2 ; IC1−α (σ 2 ) = 2 χn−I;α/2 χ2n−I;1−α/2 H0 : µi ≤ µ∗i ⇒ H0 : µi ≥ µ∗i ⇒ ȳ − µ∗ i. q i > tn−I;α R= 1 S R ni ȳ − µ∗ i. q i < −tn−I;α R= 1 S R ni Tabla ANOVA: Suma de cuadrados SCE = SCR = SCT = P i j (yij P P i Varianza I −1 SCE I−1 − ȳi. )2 n − I SCR n−I ni (ȳi. − ȳ.. )2 P P i G.l. j (yij Estadı́stico F = SCE/(I−1) SCR/(n−I) − ȳ.. )2 n − 1 s à IC1−α (µi − µj ) = ȳi. − ȳj. ± tn−I;α/2 SR 1 1 1 + ni nj ! DISEÑO DE EXPERIMENTOS (DOS FACTORES) Yij ∼ N (µ + αi + βj ; σ 2 ) independientes; i = 1, ..., I; j = 1., ..., J µ̂ = ȳ.. = 1 XX yij IJ i j α̂i = ȳi. − ȳ.. = 1X yij − ȳ.. J j 1X yij − ȳ.. I i XX 1 = SR2 = (yij − ȳi. − ȳ.j + ȳ.. )2 (I − 1)(J − 1) i j β̂j = ȳ.j − ȳ.. = σ̂ 2 Tabla ANOVA: Suma de cuadrados P SCE(α) = J SCE(β) = I SCR = P P i SCT = − ȳ.. )2 I −1 SCE(α) I−1 F (α) j (ȳ.j − ȳ.. )2 J −1 SCE(β) J−1 F (β) − ȳi. − ȳ.j + ȳ.. )2 (I − 1)(J − 1) P P i Varianza Estadı́stico i (ȳi. P j (yij G.l. j (yij − ȳ.. )2 SCR (I−1)(J−1) IJ − 1 siendo los estadı́sticos: F (α) = SCE(α)/(I − 1) ; SCR/(I − 1)(J − 1) F (β) = SCE(β)/(J − 1) SCR/(I − 1)(J − 1) s IC1−α (αi − αj ) = ȳi. − ȳj. ± t(I−1)(J−1);α/2 SR s IC1−α (βi − βj ) = ȳ.i − ȳ.j ± t(I−1)(J−1);α/2 SR 2 1 1 + J J 1 1 + I I DISEÑO DE EXPERIMENTOS (DOS FACTORES CON INTERACCIÓN) Yijk ∼ N (µ+αi +βj +(αβ)ij ; σ 2 ) independientes; i = 1, ..., I; j = 1., ..., J; k = 1, ..., K µ̂ = ȳ... = 1 XXX yijk IJK i j k α̂i = ȳi.. − ȳ... = 1 XX yijk − ȳ... JK j k 1 XX yijk − ȳ... IK i k 1 X = ȳij. − ȳi.. − ȳ.j. + ȳ... = yijk − ȳi.. − ȳ.j. + ȳ... K k XXX 1 = SR2 = (yijk − ȳij. )2 IJ(K − 1) i j k β̂j = ȳ.j. − ȳ... = ˆ (αβ) ij σ̂ 2 Tabla ANOVA: Suma de cuadrados SCE(α) = JK SCE(β) = IK SCE(αβ) = K SCR = SCT = P P i P − ȳ... )2 I −1 SCE(α) I−1 j (ȳ.j. − ȳ... )2 J −1 SCE(β) J−1 P j (ȳij. j − ȳi.. − ȳ.j. + ȳ... )2 (I − 1)(J − 1) k (yijk P P P i j Varianza i (ȳi.. P P P i G.l. k (yijk − ȳij. )2 IJ(K − 1) − ȳ... )2 IJK − 1 SCE(αβ) (I−1)(J−1) SCR IJ(K−1) siendo los estadı́sticos: SCE(α)/(I − 1) SCE(β)/(J − 1) ; F (β) = SCR/IJ(K − 1) SCR/IJ(K − 1) SCE(αβ)/(I − 1)(J − 1) F (αβ) = SCR/IJ(K − 1) F (α) = 3 REGRESIÓN LINEAL SIMPLE Yi ∼ N (β0 + β1 xi ; σ 2 ) independientes, i = 1, ..., n β̂0 = ȳ − β̂1 = cov vx cov x̄ vx 1 X 1 X (yi − ŷi )2 = (yi − β̂0 − β̂1 xi )2 n−2 i n−2 i σ̂ 2 = SR2 = s 1 x̄2 + n nvx IC1−α (β0 ) = β̂0 ± tn−2;α/2 SR s à β̂1 ± tn−2;α/2 SR IC1−α (β1 ) = 1 nvx ! (n − 2)SR2 (n − 2)SR2 ; IC1−α (σ 2 ) = 2 χn−2;α/2 χ2n−2;1−α/2 Tabla ANOVA: Suma de cuadrados SCE = SCR = SCT = P P G.l. Varianza 1 SCE 1 i (ŷi − ȳ)2 i (yi − ŷi )2 n − 2 P i (yi − ȳ)2 Estadı́stico F = SCE/1 SCR/(n−2) SCR n−2 n−1 cov r=√ ; vx vy SCR = nvy (1 − r2 ) s IC1−α (estimación) = ŷ0 ± tn−2;α/2 SR s IC1−α (predicción) = ŷ0 ± tn−2;α/2 SR 4 1 (x0 − x̄)2 + n nvx 1 (x0 − x̄)2 1+ + n nvx REGRESIÓN LINEAL MÚLTIPLE Yi ∼ N (β0 + β1 x1i + ... + βk xki ; σ 2 ) independientes, i = 1, ..., n σ̂ 2 = SR2 = 1 n−k−1 P i (yi − ŷi )2 = 1 n−k−1 P i (yi − β̂0 − β̂1 x1i − ... − β̂k xki )2 ³ ´ IC1−α (βi ) = β̂i ± tn−k−1;α/2 (error tı́pico de β̂i ) , i = 0, ..., k ( H0 : βi ≤ 0 ⇒ R = H0 : βi ≥ 0 ⇒ R = ) β̂i error tı́pico de β̂i ( β̂i error tı́pico de β̂i > tn−k−1;α ) < tn−k−1;1−α Tabla ANOVA: Suma de cuadrados SCE = SCR = SCT = P P Varianza k SCE k i (ŷi − ȳ)2 i (yi − ŷi )2 n − k − 1 P R2 = G.l. i (yi − ȳ)2 Estadı́stico F = SCE/k SCR/(n−k−1) SCR n−k−1 n−1 SCE SCT − SCR = ; SCT SCT 5 F = R2 n − k − 1 1 − R2 k