Upload
juana-parra-gutierrez
View
232
Download
0
Embed Size (px)
Citation preview
Contrastes planeados y pruebas post hoc
Maestría Ingeniería Industrial
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Texto Guía Título:
Experimental Design and Analysis Autor:
Howard J. Seltman Año:
2012 Capítulo:
13 – Contrast and Custom Hipotheses
Contrastes Planeados
Ejemplo contraste :
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Se desea probar el grupo de control 1
Características: Al contrario del resultado del ANOVA prueban hipótesis específicas de las poblaciones. Se realizan para comparaciones de medias de grupos poblacionales. Permiten obtener información de grupos de control.
Uso: Diseñar las pruebas de hipótesis según las intenciones del experimentador y conocedor
del proceso. Evaluar las pruebas de hipótesis y obtener: Valor del contraste, estadístico de prueba,
intervalo de confianza y valor p. Se pueden generar sólo contrastes que deben ser pre-planeados y ortogonales.
Prueba de hipótesis del contraste
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Contraste canónico: Reordenamiento del contraste
para que sea igual a 0
Estadístico de prueba: Estadístico t-student
Intervalo de confianza Del valor del contraste
Los parámetros y estimadores de cada uno de los componentes del contraste expresados en el total de los tratamientos serán:
Los parámetros del contraste serán
Estadístico de prueba
Cálculo del estadístico de prueba
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Los parámetros y estimadores de cada uno de los componentes del contraste expresados en el promedio del total de los tratamientos serán:
Los parámetros del contraste serán
Intervalo de confianza
Intervalo de confianza
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Condiciones de los Contrastes
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Toda pareja de contrastes pertenecientes a la matriz A son ortogonales si:
Ortogonalidad: Garantiza que cada uno de los
contrastes sea linealmente independiente del otro
Máximo : Contrastes Incrementar el número de contrastes altera el error tipo 1.
Los contrastes deben ser pre-planeados Asegura cumplir con el valor del error tipo 1, de lo contrario
serían comparaciones obvias producto de ver los resultados del ANOVA.
Cálculo de contrastes en SPSS Anova un factor:
Analizar
Comparar medias
Anova una vía
Añadir variable dependiente y
factores
Contrastes
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Los contrastes polinómicos ayudan a evaluar el efecto no lineal de los factores.
Ingresar coeficientes de los contrastes
Aceptar
Cálculo de contrastes en SPSS Anova multifactorial:
Analizar
Diseño lineal general
UnivariadoAñadir variable dependiente y
factores
Contrastes
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Los diferentes tipos de contrastes comparan las medias de las poblaciones en diferente forma.
Los contrastes polinómicos prueban los efectos no lineales de los factores Es posible agregar contrastes especializados a través de sintaxis con la
función “contrast” ó “Lmatrix”.
Elegir el tipo de contraste
Cambiar Aceptar
Pruebas Post Hoc
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Características Son pruebas de comparación de medias que penalizan el
hecho de analizar antes los resultados del ANOVA, para que no se altere significativamente el error tipo 1 de la prueba.
Permiten realizar comparaciones múltiples para identificar los factores significativamente diferentes y así obtener una conclusión sobre qué tratamiento es el adecuado.
Las diferencias entre las familias de pruebas Post-Hoc dependen de qué tan grande es la penalización
Existe una gran cantidad de pruebas Post-Hoc, algunas más conservadoras como Bonferroni, Scheffé y otras un tanto menos como Tukey y DMS.
Cada una de las pruebas consiste en estimaciones diferentes de las comparaciones de medias.
Pruebas Post Hoc
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Consideraciones Consiste en un gran error forzar el uso de masivas técnicas Post-
Hoc para encontrar las conclusiones deseadas porque las pruebas perderían su potencia.
Bonferroni penaliza únicamente según el tamaño del total de comparaciones dependiendo del número de medias a comparar.
Dunnet penaliza según el tamaño del total de comparaciones posibles, por lo que no se recomienda cuando se utiliza en comparaciones con grupos “pequeños”
SPSS brinda para las pruebas de Duncan, Tukey y Dunnet conjuntos homogéneos que agilizan el análisis de los resultados de las pruebas.
Si existe interacción es necesario hacer análisis separados de las pruebas Post-Hoc a diferentes niveles del factor con interacción.
Las pruebas más comúnmente utilizadas son Bonferroni, Tukey y Dunnet.
Cálculo de contrastes en SPSS
Analizar
Diseño lineal general
UnivariadoAñadir variable dependiente y
factores
Post-Hoc
MII Diseño de Experimentos - Ing. Ricardo Fernando Otero - Maestría en Ingeniería Industrial – Pontificia Universidad Javeriana Sede Bogotá
Los resultados de las pruebas indican para cada comparación el valor p de la hipótesis nula de que las medias son iguales.
Los grupos homogéneos indican las medias que se consideran significativamente diferentes.
Es posible realizar pruebas Post-Hoc divididas según el valor de un factor (interacción) acudiendo a sintaxis con: /EMMEANS=TABLES(x*y) COMPARE(x) ADJ(BONFERRONI)
Elegir el tipo de prueba
Agregar variables
Aceptar
Anova multifactorial