Mostrar el registro sencillo del documento

Diseño de experimentos : métodos y aplicaciones

dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional
dc.contributor.authorMelo M., Oscar O.
dc.contributor.authorLópez P., Luis A.
dc.contributor.authorMelo M., Sandra E.
dc.date.accessioned2023-03-13T05:16:45Z
dc.date.available2023-03-13T05:16:45Z
dc.date.issued2007
dc.identifier.isbn9789587018158
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/83614
dc.description.abstractEsta obra que ponemos a consideración de la comunidad estadística, se concibió ante el incremento constante del manejo de métodos experimentales en diferentes campos de la investigación científica; por ello presenta temas de interés relevantes en muchas áreas del conocimiento científico, en un lenguaje asequible a los investigadores a quienes se le demanda conocimiento básico de Métodos Estadísticos. La temática que se aborda, en general puede encontrarse en muchos otros textos del área de los Diseños de Experimentos, los Modelos Lineales y la Superficies de Respuesta, sin embargo, el enfoque teórico práctico que le damos al libro le da una particularidad especial dentro del marco de los diferentes textos de Diseños de Experimentos de los cuales tenemos conocimiento. Nuestra motivación fundamental lo constituyen los trabajos de Hinkelmann y Kempthorne (1993, 2005), como libros básicos, estos autores contribuyeron a darnos una visión más amplia de la estadística experimental. (texto tomado de la fuente)
dc.description.tableofcontentsPrefacio -- 1. Principios del diseño de experimentos -- 1.1. Método científico. -- 1.2. Tipos de experimentos -- 1.3. Unidades experimentales y muestrales -- 1.4. Fuentes de variación -- 1.5. Control de la variación del no tratamiento -- 1.6. Propiedades del diseño estadístico -- 1.7. Replicación -- 1.8. Aleatorización -- 1.9. Control local -- 1.10.Clasificación de los diseños. --1.11. Estrategia de diseño -- 1.11.1. Efecto de diseño de control del error -- 1.11.2. Diseño de tratamientos . -- 1.11.3. Diseño de muestreo -- 1.12. Recomendaciones para abordar un estudio experimental -- 1.13. Principio general de inferencia y tipos de análisis estadísticos -- 1.14. Ejercicios -- 2. Inferencia sobre dos muestras aleatorias -- 2.1. Introducción. -- 2.2. Teoría basada en normalidad -- 2.2.1. Inferencia sobre diferencia de medias poblacionales cuando las varianzas son iguales . -- 2.2.2. Inferencia sobre el cociente de varianzas -- 2.2.3. Inferencia sobre diferencia de medias poblacionales cuando las varianzas son desiguales -- 2.3. Efecto de no normalidad -- 2.3.1. Pruebas no paramétricas. -- 2.3.2. Estimación robusta. -- 2.4. Prueba estadística multivariada -- 2.5. Comparaciones pareadas, estudio de un test simultáneo -- 2.5.1. Prueba de rangos con signo de Wilcoxon para compa- raciones pareadas -- 2.6. Ejercicios -- 3. Modelos lineales -- 3.1. Introducción. -- 3.2. Conceptos básicos de modelos lineales -- 3.2.1. Modelo super parametrizado (Modelo S) -- 3.2.2. Modelo de medias de celdas. -- 3.3. Estimabilidad -- 3.3.1. Estimadores lineales insesgados (ELIS) -- 3.3.2. Transformaciones lineales y estimabilidad en modelos super parametrizados -- 3.4. Modelos lineales particionados y sumas de cuadrados asociadas 92 3.4.1. Modelo particionado en dos partes -- 3.4.2. Modelo particionado entre s partes -- 3.4.3. Modelo particionado en K partes ordenadas -- 3.5. Sumas -- 3.5.1. Sumas de cuadrados y funciones estimables tipo I -- 3.5.2. Sumas de cuadrados tipo I -- 3.5.3. Funciones estimables tipo I -- 3.5.4. Sumas de cuadrados y funciones estimables tipo II -- 3.5.5. Funciones estimables tipo II -- 3.5.6. Sumas de cuadrados y funciones estimables tipo III -- 3.5.7. Funciones estimables tipo III -- 3.5.8. Sumas de cuadrados y funciones estimables tipo IV -- 3.5.9. Funciones estimables tipo IV -- 3.6. Hipótesis más comunes sobre filas y columnas -- 3.7. Implementación en SAS -- 3.8. Ejercicios -- Clasificación de modelos en el análisis de varianza -- 4.1. Clasificación de los modelos en el análisis de varianza -- 4.1.1. Supuestos fundamentales -- 4.2. Diagramas de estructuras y análisis de varianza -- 4.2.1. Diagramas de estructuras -- 4.2.2. Derivación de fórmulas -- 4.3. Ilustración del procedimiento -- 4.4. Implementación en SAS -- 4.5. Ejercicios -- 5. Diseños completamente aleatorizados -- 5.1. Diseño completamente aleatorizado -- 5.2. Principios del análisis de varianza -- 5.3. DCA a través del modelo super parametrizado -- 5.3.1. Hipótesis asociadas de cuadrados y funciones estimables -- 5.4. Análisis de varianza con base en el modelo (5.2) -- 5.5. Análisis de varianza corregido por la media con base en el modelo 5.2. -- 5.6. Análisis de varianza para los datos del ejemplo 5.1 en el estudio sobre dietas. -- 5.7. Análisis de varianza para el modelo 5.1. -- 5.8. Tabla ANOVA a una vía para efectos aleatorios -- 5.9. Pesos de los terneros al nacer en una evaluación genética -- 5.10. ANOVAparalosdatosdelejemplo5.5 -- 5.11. Rangos asociado al esquema de datos de la tabla 5.3 para un modelo a una vía de clasificación -- 5.12. Datos sobre tensión arterial sistólica y rangos asociados -- 5.13. Valores de r para diferentes valores de los parámetros ∆, σ y 1−β. .197 -- 5 . 1 4 . Número de réplicas en un DCA -- 5.15. Diferencias entre las medias de grasa absorbidas por buñuelos. -- 5.16. ANOVA para un DCA con submuestreo-- 5.17. Número de réplicas y tamaño de submuestras para r = 12 -- 5.18. Análisis de varianza con factores aleatorios y submuestreo en un DCA. -- 5.19. Esperanza de los cuadrados medios para el modelo 5.36 -- 5.20. Análisis de varianza para el conjunto de datos del % de infestación -- 6.1. Significancia de las diferencias en valor absoluto entre las medias de las dietas a través de cuatro métodos de comparación no-planeada -- 6.2. Residuales de la pérdida o ganancia de peso en kilogramos de 20 personas que asistieron a un gimnasio al aplicarles una dieta -- 6.3. Diferencia entre los rangos de los valores predichos y los residuales para la prueba de Spearman -- 6.4. Análisis de varianza para los residuos de Levene -- 6.5. Diferencias entre la distribución acumulada muestral y la teórica con el estadístico de Kolmogorov-Smirnov -- 6.6 Transformaciones que linealizan el modelo -- 6.7 Transformaciones recomendadas según Bartlett (1947) cuando hay relación entre media y varianza -- 6.8 Transformación de la variable dependiente a través de la escogencia de λ -- 7.1. Arreglo de datos para un diseño por bloques completos aleatorizados -- 7.2 Análisis de varianza de un DBCAconk̸=1 -- 7.3. Producción (en kg/parcela) de cebada bajo varias fuentes de nitrógeno -- 7.4 Análisis de varianza para la producción de cebada según varias fuentes de nitrógeno. -- 7.5 Tabla de datos para DBCA con un dato faltante -- 7.6. Análisis de varianza corregido cuando se estima una observación faltante. . 7.7. -- Cantidad de nitrógeno a través del tiempo que permanece después de su aplicación 7.8 -- Análisis de varianza para la cantidad de nitrógeno (mg/dm2) que permanece en las hojas. -- 7.9. Diseño en bloques en diferentes localidades-- 7.10. Cuadrados medios esperados para un diseño en bloque en diferentes localidades. -- 7.11. Análisis de varianza para cualquier estructura de bloques in- completos equilibrados. .-- 7.12 Análisis de varianza para los datos del ejemplo 7.4. -- 7.13.Tiemposdereacción del proceso. -- 7.14. Análisis de varianza para los tiempos de reacción del proceso. -- 7.15. Análisis de varianza para los tiempos de reacción del proceso (Bloques ajustados por tratamientos)-- 8.1. Cuadrados latinos estándares y número de cuadrados latinos. -- 8.2. Análisis de varianza del DCL.-- 8.3. Datos sobre resistencia del concreto a la compresión en kg/cm2. -- 8.4. Análisis de varianza para la resistencia a la compresión en kg/cm2. -- 8.5. Análisis de varianza para estimar un dato faltante. -- 8.6. Análisis de varianza para una serie de cuadrados latinos. -- 8.7. Arreglo de tratamientos en un diseño en cuadro Greco-Latino 4×4. .-- 8.8. Análisis de varianza para un DCGL. -- 8.9. DCGL para el problema de la resistencia del concreto a la compresión . . 3-- 8.10. Análisis de varianza para la resistencia a la compresión a través de DCGL. . -- 8.11. Rapidez de corte en rpm sobre la cantidad de metal eliminado (y)y dureza del material(x). -- 8.12. Análisis de covarianza para un DCA con covariable-- 8.13. Resultados para el ANCOVA con los datos de la cantidad de metal eliminado en una operación de maquinado-- 8.14.Análisis de covarianza para un DBCA-- 8.15. Rendimiento de la parcela en tres variedades. . -- 8.16. Análisis de covarianza para el rendimiento de la parcela al ensayar tres variedades. .-- 9.1. Análisis de varianza para el peso de la producción. -- 9.2. Notaciones para un diseño23. -- 9.3. Coeficientes para calcular los efectos en un diseño 23. -- 9.4. Análisis de varianza para un diseño23 . -- 9.5. Número de respuestas correctas (C) e incorrectas (I). . -- 9.6. Datos transformados-- 9.7. Signos para efectos principales e interacciones en un 23 -- 9.8. Análisis de varianza para el porcentaje de respuestas correctas enunarreglo23. .-- 9.9. Análisis de varianza para el arreglo factorial 2k. -- 9.10. Diseño factorial 32 en dos notaciones .-- 9.11. Análisis de varianza para el diseño factorial 32-- 9.12. Efecto de la temperatura del ambiente y viscosidad del líquido en la energía gastada por las abejas. . -- 9.13. Análisis de varianza para la energía gastada por las abejas. -- 9.14. Coeficientes para contrastes en un factorial 32, con ambos factores cuantitativos. -- 9.15. Sumas de cuadrados para la energía gastada por las abejas. . -- 9.16. Análisis de varianza para el efecto de curvatura en la energía gastada por las abejas. -- 9.17. Análisis de varianza para un diseño factorial 33 en bloques. . -- 9.18. Efecto de los factores días, operadores y concentraciones en el rendimiento de la planta. -- 9.19. Análisis de varianza para la producción de la planta-- 9.20. Partición de las sumas de cuadrados de contraste lineal y cuadrático para la interacción triple. -- 9.21. Análisis de varianza para el efecto de curvatura en la producción de la planta . . -- 10.1. Análisis de varianza para un factorial 23 con b = 2 bloques incompletos en cada una de los R grupos de réplicas -- 10.2. Arreglo de tratamientos para la pureza observada de un producto químico en un factorial 23 confundido totalmente. -- 10.3. Arreglo de signos para el diseño del ejemplo 10.1-- 10.4. Análisis de varianza para los datos de la pureza de un producto químico en un factorial 23 confundido totalmente. -- 10.5.Totaldetratamientos -- 10.6. El diseño 24 en cuatro bloques con ABC, BCD y AD confundidos. -- 10.7. Resultados del ANOVA para los datos del ejemplo 9.4 al confundir el efecto T1S2. -- 10.8. Confusión parcial en un diseño factorial 23-- 10.9. Análisis de varianza de un diseño 23 parcialmente confundido. -- 10.10.Rendimientos de la paja, en un experimento de invernadero con confusión parcial. -- 10.11.Totales por tratamiento y efectos principales e interacciones. -- 10.12.Análisis de varianza para los rendimientos de paja al aplicar confusión parcial . .-- 11.1. Signos positivos y negativos del diseño factorial 23.-- 11.2. Rendimientos en la planta al realizar un factorial fraccionado 24−1 con la relación de definición I=ABCD. . -- 11.3. Estimación de los efectos y los alias para los datos sobre el rendimiento. -- 11.4. Análisis de varianza para el rendimiento de un proceso.-- 11.5. Rendimiento del proceso al realizar un diseño factorial fraccionado con la relación de definición I = −ABCD. -- 11.6. Análisis de varianza para los datos del tiempo de filtrado-- 11.7. Estructura de alias del diseño factorial fraccionado 34−2. -- 11.8. Análisis de varianza para el diseño en bloques en parcelas divididas. .-- 11.9. Análisis de varianza para el rendimiento en la producción de arroz. .-- 11.10.Rendimientosenlaproducción de arroz por variedad y fecha. -- 11.11. Análisis de varianza para el diseño factorial con dos factores en bloques. -- 11.12. Producción de Granos en Kg/Ha. -- 12.1. Análisis de varianza para el modelo de regresión -- 12.4. -- 12.2. Peso por alimento consumido en ratones para los datos de Khuriy Cornell. -- 12.3. Coeficientes estimados al ajustar el modelo (12.8). -- 12.4. Análisis de varianza para el peso por alimento consumido en los ratones. -- 12.5. Predicciones y residuales al ajustar el modelo 12.8. -- 12.6. Análisis de varianza para la falta de ajuste en el modelo de regresión ( 1 2 . 5 ) -- 12.7. Porcentaje de pureza de un producto según la temperatura y el tiempo de reacción. -- 12.8. Experimentos adicionales para el porcentaje de pureza de un producto según la temperatura y el tiempo de reacción -- 12.9. Porcentaje de producción de un producto según la temperatura y el tiempo de reacción. -- 1 2 . 1 0 . Coeficientes estimados al relacionar porcentaje de producción con la temperatura y tiempo de reacción. -- 12.11. Análisis de varianza para el peso por alimento consumido en los ratones. -- 12.12.Análisis de cordillera para la fuerza de arrastre-- A.1. Percentiles de la distribución normal estándar: P(Z ≥ z) = 1−Φ(z) -- A.2. Cuantiles de la distribución t Student -- A.3. Cuantiles de la distribución chi-cuadrada. Para v > 100 tómese X2 = 1/2(Zα + √2v − 1)2; con Zα la desviación normal estandarizada correspondiente al nivel de significancia que se muestra en la parte inferior de la tabla. -- A.4. Cuantiles de la distribución F: P(F ≥ F de tabla) = α. gl: Grados de libertad. -- A.5. Valores de la función de distribución de U P (U ≤ U0); U0 es elargumento;n1≤n2;3≤n2≤10. -- A.6. Valores críticos de T en la prueba del rango signado de Wil- coxon-- A.7. Valores críticos para la estadística de prueba de Kruskal-Wallis -- A.8. Valores de ∆∗ para determinar el número de replicaciones en un DCA-- A.9. Valores de K′ para β = 0,80 α = 0,05 para pruebas a una cola, α=0,1 para pruebas a dos colas-- A.10.Valores de cuantiles superiores de la distribución de la estadísticaDn de Kolmogorov-Smirnov. .-- A.11.Rangos significativos para la prueba del rango múltiple de Duncan. -- A.12.Puntos porcentuales del estadístico del rango estudentizado (Student,Newman-Keuls,SNKyTukey). -- A.13.Valores críticos para la prueba de Dunnett para comparar tratamientos con un control. -- A.14.Valores críticos de la estadística de Spearman. Valores críticos aproximados de rs∗ del extremo superior de la curva, donde P(r>rs∗)≤α,r=4(1)30niveldesignificanciaα.
dc.language.isospa
dc.publisherUniversidad Nacional de Colombia. Facultad de Ciencias
dc.rightsUniversidad Nacional de Colombia, 2007
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.ddc510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
dc.titleDiseño de experimentos : métodos y aplicaciones
dc.typeLibro
dc.type.driverinfo:eu-repo/semantics/book
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dc.description.editionPrimera edición
dc.identifier.instnameUniversidad Nacional de Colombia
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourlhttps://repositorio.unal.edu.co/
dc.publisher.departmentSede Bogotá
dc.publisher.placeBogotá
dc.relation.referencesAcosta, M. E. (1999), Algoritmos de Cómputo para la Construcción de Diseños Factoriales Fraccionados 2 a la k-p, Technical report, Facultad de Ciencias, Universidad Nacional de Colombia, Trabajo de grado, Bogotá, D. C.
dc.relation.referencesAnscombe, F. J. (1947), ‘The Validity of Comparative Experiments’, Journal Royal of the Statistical Society 61, 181–211.
dc.relation.referencesBartlett, M. S. (1937), ‘Properties of Sufficiency and Statistical Tests’, Proceedings of the Royal Society of London, Series A 160, 268 – 282.
dc.relation.referencesBartlett, M. S. (1947), ‘The Use of Transformations’, Biometrics 3, 39–52. Bhattacharya, G. & Johnson, R. (1977), Statistical Concepts and Methods, John Wiley & Sons, New York.
dc.relation.referencesBowman, K. & Kastenbaum, M. A. (1975), ‘Sample Size Requirement: Single and Double Classification Experiments’, In Selected Tables in Mathe- matical Statistics. (Harter, H. L. and Owen, I. B. eds.) III, 111–232.
dc.relation.referencesBox, G. E. P. (1952), ‘Multifactor Designs of First Order’, Biometrika 39, 49–57.
dc.relation.referencesBox, G. E. P. (1954), ‘Some Theorems on Quadratic Forms Applied in the Study of Analysis of Variance Problems, ii. Effects of Inequality of Variance and of Correlation Between Errors in the Two-Way Classifi- cation’, Annals of Mathematical Statistics 25, 484 – 498.
dc.relation.referencesBox, G. E. P. (1957), ‘Integration of Techniques in Process Development’, ASA .
dc.relation.referencesBox, G. E. P. & Anderson, S. C. (1955), ‘Non-normality and Test on Variance’, Biometrika 40, 318–335.
dc.relation.referencesBox, G. E. P. & Cox, D. R. (1964), ‘An Analysis of Transformation’, Journal of the Royal Statistical Society Series B 26, 244–252.
dc.relation.referencesBox, G. E. P. & Hunter, J. S. (1957), ‘Multi-Factor Experimental Designs for Exploring Response Surfaces’, Annals of Mathematical Statistics 28, 195–241.
dc.relation.referencesBox, G. E. P. & Hunter, J. S. (1961), ‘The 2k−p Fractional Factorial Designs I’, Tecnometrics 3, 311–351.
dc.relation.referencesBox, G. E. P., Hunter, W. G. & Hunter, J. S. (1978), Statistics for Experimenters, John Wiley & Sons, New York.
dc.relation.referencesBox, G. E. P. & Wilson, K. B. (1951), ‘On the Experimental Attainment of the Optimum Conditions’, Journal Royal of the Statistical Society 13, 1–45.
dc.relation.referencesBradley, E. L. & Blackwood, L. G. (1989), ‘Comparing Paired Data: A Simultaneous Test for Means and Variances’, The American Statistician 43, 234–235.
dc.relation.referencesBrown, H. & Prescott, R. (1999), Applied Mixed Models in Medicine, John Wiley & Sons, New York.
dc.relation.referencesBrownlee, K. A. (1957), ‘The Principles of Experimental Design Industrial Quality Control’, 13, 1–9.
dc.relation.referencesCochran, W. G. & Cox, G. M. (1957), Experimental Designs, Second Edition, John Wiley & Sons, New York.
dc.relation.referencesCochran, W. G. & Cox, G. M. (1974), Diseños Experimentales, Editorial Trillas, México.
dc.relation.referencesConover, W. J. (1980), Practical Nonparametric Statistics, John Wiley & Sons, New York.
dc.relation.referencesConover, W. J., Johnson, M. E. & Johnson, M. M. (1981), ‘A Comparative Study of Tests for Homogeneity of Variances, with Applications to the Outer Continental Shelf Bidding Data’, Technometrics 23, 351–361.
dc.relation.referencesCorzo, J. A. (2005), Notas de Clase: Estadística no Paramétrica - Métodos Basados en Rangos, Technical report, Facultad de Ciencias, Universidad Nacional de Colombia, Bogotá, D.C.
dc.relation.referencesDe Campos, H. (1984), Estadística Aplicada A’ Experimenta ̧c ̃ao con Cana De Acu ̧car, FEAlq USP, Sa ̃o Paulo.
dc.relation.referencesDel Castillo, E. & Montgomery, D. C. (1993), ‘A Nonlinear Programming Solution to the Dual Response Problem’, Journal of Quality Technology 25, 199–204.
dc.relation.referencesDerringer, G. C. (1969), ‘Sequential Methods for Estimating Response Sur- faces’, Industrial and Engineering Chemistry 61, 6–13.
dc.relation.referencesDerringer, G. C. & Suich, R. (1980), ‘Simultaneous Optimization of Several Responses Variables’, Journal of Quality Technology 12, 214–219.
dc.relation.referencesDiaz, L. G. (2002), Estadística Multivariada: Inferencia y Métodos, Bogotá, D.C.
dc.relation.referencesDraper, N. R. & Smith, H. (1998), Applied Regression Analysis, Third Edi- tion. John Wiley & Sons, New York.
dc.relation.referencesDunnett, C. W. (1955), ‘A Multiple Comparisons Procedure for Comparing Several Treatments with a Control’, Journal of the American Statistical Association 50, 1096 – 1121.
dc.relation.referencesEisenhart, C. (1947), ‘The Assumptions Underlying the Analysis of Varian- ce’, Biometrics 3, 1–21.
dc.relation.referencesFederer, W. T. (1955), Experimental Design Theory and Applications, Mc- Millan Company, .
dc.relation.referencesFinney, D. J. (1945), ‘The Fractional Replication of Factorial Experiments’, Annals Eugenics 12, 291–301.
dc.relation.referencesFinney, D. J. (1946), ‘Recent Developments in the Design of Field Experi- ments III Fractional Replication’, Journal Agriculture Science 36, 184– 191.
dc.relation.referencesFinney, D. J. (1955), An Introduction to the Theory of Experimental Design, The University of Chicago Press, Chicago.
dc.relation.referencesFisher, R. A. (1935), The Design of Experiments, Oliver & Boyd, Edinburgh.
dc.relation.referencesFisher, R. A. (1945), ‘A System of Confounding for Factors with More than two Alternatives, Giving Completely Orthogonal Cubes and Higher Powers’.
dc.relation.referencesFisher, R. A. & Yates, F. (1957), Statistical Tables for Biological, Agricul- tural and Medical Research, 5th edition. Hafner Public Co., Inc., New York.
dc.relation.referencesGardiner, D. A., Grandage, A. H. & Hader, R. J. (1959), ‘Third Order Designs’, Tecnometrics 16, 613–616.
dc.relation.referencesGill, J. L. (1978), Design and Analysis of Experiments, Vol 1 y 2. Iowa State University Press., Ames Iowa.
dc.relation.referencesGonzález, L. M. (1997), ‘Ajuste de Bloques Incompletos Mediante el Proce- dimiento IML de SAS’.
dc.relation.referencesGoodnight, J. H. (1978), Test of Hypotheses in Fixed Effects Linear Model SAS, Technical report, SAS institute, R 101 Carry N.C.
dc.relation.referencesGraybill, F. A. (1976), Theory and Applications of the Linear Model, North Scituate, MA: Duxbury Press, Boston.
dc.relation.referencesHarrington, J. E. C. (1965), ‘The Desirability Function’, Industrial Quality Control 21(10), 494–498.
dc.relation.referencesHarris, M., Horvitz, D. G. & Mood, A. M. (1948), ‘On the Determination of Sample Sizes in Designing Experiments’, Journal of the American Statistical Association 43, 391–402.
dc.relation.referencesHartley, H. O. (1950), ‘The Maximum F-Ratio as a Short-Cut Test for He- terogeneity of Variance’, Biometrika 37, 308–312.
dc.relation.referencesHenderson, C. R. (1953), ‘Estimation of Variance and Covariance Compo- nents’, Biometrics 9, 226–252.
dc.relation.referencesHenderson, C. R. (1984), Application of Linear Models in Animal Breeding University of Guelp, Guelp university press, Canada.
dc.relation.referencesHinkelman, K. & Kempthorne, O. (1994), Design and Analisys of Experi- ments Vol I. Introduction to Experimental Design, John Wiley & Sons, New York.
dc.relation.referencesHinkelman, K. & Kempthorne, O. (2005), Advanced Experimental Design, John Wiley & Sons, New York.
dc.relation.referencesHocking, R. R. (1985), The Analysis of Linear Models, Belmont,CA: Brooks/Cole Publishing Co, Monterrey.
dc.relation.referencesHocking, R. R. & Speed, F. M. (1975), ‘A Full Rank Analysis of Some Li- near Model Problems’, Journal of the American Statistical Association 70, 706–712.
dc.relation.referencesHodges, J. L. & Lehmann, E. L. (1963), ‘Estimates of Location Bassed on Rank Test’, Annals of Mathematical Statistics 34, 598–611.
dc.relation.referencesLemma, A. F. (1993), Análisis de Varianza de Experimentos con Celdas Vacías, Escuela Superior De Agricultura ”Luiz De Queiroz”. Universidade De Sao Paulo., S. P-Brasil, chapter II, III, V.
dc.relation.referencesLemma, A. F., López, L. A. & Rincón, L. F. (1999), ‘Proyectores Ortogonales Esperados’, Revista Investigación Operacional 20, 107–114.
dc.relation.referencesJohn, P. W. M. (1971), Incomplete Block Design, Marcel Dekker, New York and Basel.
dc.relation.referencesJorgensen, B. (1993), The Theory of Linear Models, Chapman-Hall, New York.
dc.relation.referencesKempthorne, O. (1952), The Design and Analysis of Experiments, John Wiley & Sons, New York.
dc.relation.referencesKenett, R. S. & Zacks, S. (2000), Estadística Industrial Moderna: Diseño y Control de la Calidad y la Confiabilidad, Internacional Thompson Editores, S. A., México.
dc.relation.referencesKeuls, M. (1952), ‘The Use of the Studentized Range in Connection with an Analysis of Variance’, Euphytica 1, 112–122.
dc.relation.referencesKhuri, A. I. & Colon, M. (1981), ‘Simultaneous Optimization of Multiples Responses Represented by Polynomial Regression Functions’, Technometrics 23(4), 363–375.
dc.relation.referencesKhuri, A. I. & Cornell, J. A. (1987), Response Surfaces: Designs an Analysis, Marcel Dekker, New York.
dc.relation.referencesKruskal, W. H. & Wallis, W. A. (1952), ‘Use of Ranks in One-criterion Variance Analysis’, Journal of the American Statistical Association 47, 583–621.
dc.relation.referencesKuehl, R. O. (2001), Diseño de Experimentos. Principios Estadísticos para el Diseño y Análisis de Investigaciones, 2da edición, Thomson, México.
dc.relation.referencesLaw, A. M. & Kelton, W. D. (1991), Simulation Modeling and Analysis, 2nd ed. McGraw-Hill, New York.
dc.relation.referencesLevene, H. (1960), Robust Tests for Equality of Variance, Stanford University Press, Palo Alto, CA, pp. 278–292.
dc.relation.referencesLin, D. K. J. & Tu, W. (1995), ‘Dual Response Surface Optimization’, Journal of Quality Technology 27, 34–39.
dc.relation.referencesMann, H. B. & Whitney, D. R. (1947), ‘On a Test of Whether One of Two Randon Variables is Stochastically Larger Than the Other’, Annals of Mathematical Statistics 18, 50–60.
dc.relation.referencesMartin, F. G. (1989), Statistical Design and Analysis of Experiments, Technical report, University of Florida Gainesville, Florida.
dc.relation.referencesMartínez, A. (1972), Diseño y Análisis de Experimentos con Caña de Azúcar, México.
dc.relation.referencesMartínez, A. (1981), Diseños Experimentales, CEC-CP, México.
dc.relation.referencesMartínez, A. (1988), Diseños Experimentales. Métodos y Elementos de Teoría, Trillas, México.
dc.relation.referencesMcLean, R. A. & Anderson, V. L. (1984), Applied Factorial and Fractional Design, Marcel Dekker, Inc, New York.
dc.relation.referencesMendenhall, W. (1968), Introduction to Linear Models and the Design and Analysis of Experiments, Duxbury Press, Belmont.
dc.relation.referencesMiller, B. (1986), Anova Basics of Applied Statistics, John Wiley & Sons, New York.
dc.relation.referencesMéndez, I. (1981), Algunos Aspectos del Diseño Experimental, Comunicaciones, IIMAS-UNAM.
dc.relation.referencesMéndez, I. (1993), Diseño de Experimentos, in ‘Memorias del X Coloquio Distrital de Matemáticas y Estadística’, Bogotá.
dc.relation.referencesMontgomery, D. C. (1984), Design and Analysis of Experiments, John Wiley & Sons, New York.
dc.relation.referencesMontgomery, D. C. (2003), Diseño y Análisis de Experimentos, Segunda Edición, Grupo Editorial Limusa, S.A, México.
dc.relation.referencesMyers, R. H. & Carter, W. H. (1973), ‘Response Surface Tecniques for Dual Response Systems’, Technometrics 15, 301–317.
dc.relation.referencesMyers, R. H. & Montgomery, D. C. (1995), Response Surface Methodology: Process and Product Optimization Using Designed Experiments, John Wiley & Sons, New York.
dc.relation.referencesNeter, J., Wasserman, W. & Kutner, M. H. (1990), Applied Linear Statistical Models, 3rd ed. Richard D.Irwin, Inc, Homewoud, IL Boston, MA.
dc.relation.referencesNewman, D. (1939), ‘The Distribution of the Range in Samples from a Normal Population, Expresed in Terms of an Independent Estimate of Standard Deviation’, Biometrika 31, 20–30.
dc.relation.referencesOstle, B. (1981), Estadística Aplicada, Editorial Trillas, México.
dc.relation.referencesPachón, A. J. (2003), Estudio de Potencia para Diferentes Pruebas de Normalidad T, Technical report, Facultad de Ciencias, Universidad Nacional de Colombia, Trabajo de grado, Bogotá, D. C.
dc.relation.referencesPearson, E. S. & Hartley, H. O. (1996), ‘Biométrika Tables for Statisticians’, Biométrika, Cambridge University-Press 1.
dc.relation.referencesPeterson, R. G. (1985), Design and Analysis of Experiments, Marcel Dekker inc, New York.
dc.relation.referencesRao, C. R. (1973), Linear Statistical Inference and Its Applications, Second Edition, John Wiley & Sons, New York.
dc.relation.referencesRao, C. R. & Mitra, S. (1971), Generalized Inversa of Matrices and Its Applications, John Wiley & Sons, New York.
dc.relation.referencesRoy, R. K. (1990), A Primer on the Taguchi Method, Van Nostrand Rein- hold, New York.
dc.relation.referencesSAS (2001), ‘Statistical Analysis Sistem-SAS User’s’
dc.relation.referencesSatterthwaite, F. E. (1946), ‘Aproximate Distribution of Estimates of Variance Components, Bull’, Biometrics 2, 110 – 114.
dc.relation.referencesScheffé, H. (1953), ‘A Method for Judging All Contrasts in the Analysis of Variance’, Biometrika 40, 87 – 104.
dc.relation.referencesScheffé, H. (1959), The Analysis of Variance, John Wiley & Sons, New York.
dc.relation.referencesSearle, S. R. (1971), Linear Models, John Wiley & Sons, New York.
dc.relation.referencesSearle, S. R. (1987), Linear Models for Unbalanced Data, John Wiley & Sons, New York.
dc.relation.referencesSearle, S. R., Casella, G. & McCulloch, C. E. (1987), Variance Components, John Wiley & Sons, New York.
dc.relation.referencesShapiro, S. S. & Wilk, M. B. (1965), ‘An Analysis of Variance Test for Normality (complete samples)’, Biometrika 52, 591–611.
dc.relation.referencesSiqueira, A. L. (1983), Uso de Transformaciones en Análisis de Varianza y Análisis de Regresión, Disertación USP/IME, .
dc.relation.referencesSnedecor, G. W. & Cochran, W. G. (1967), Statistical Method, Iowa State University Press, Iowa.
dc.relation.referencesSokal, R. R. & Rohlf, F. J. (1969), Biometry, the Principles and Practice of Statistics in Biological Research, W. H. Freeman and Company, San Francisco, California.
dc.relation.referencesSpeed, F. M., Hocking, R. R. & Hackney, O. P. (1978), ‘Methods of Analysis of Linear Models with Unbalanced Data’, Journal of American Statistical Association 73, 105 – 112.
dc.relation.referencesSteel, R. G. & Torrie, J. H. (1982), Principles and Procedures of Statistics, McGraw-Hill Book Co., New York.
dc.relation.referencesTaguchi, G. (1986), Introduction to Quality Engineering, American Supplier Inst., Dearborn.
dc.relation.referencesTaguchi, G. (1987), Systems of Experimental Design: Engineering Methods to Optimize Quality and Minimize Cost, UNIPUB/Kraus International Publications, New York.
dc.relation.referencesTang, L. C. & Xu, K. (2002), ‘A Unified Approach for Dual Response Surface Optimization’, Journal of Quality Technology 34, 437–447.
dc.relation.referencesTaylor, W. H. & Hilton, H. G. (1981), ‘A Structura Diagram Symbolization for Analysis of Variance’, The American Statistician 35, 85–93.
dc.relation.referencesTukey, J. W. (1949), ‘One Degree of Freedom for Non-Aditivity’, Biometrics 5, 232–242.
dc.relation.referencesTukey, J. W. (1953), The Problem of Multiple Comparisons, Notas inéditas, Pricenton University.
dc.relation.referencesVining, G. (1998), ‘A Compromise Approach to Multiresponse Optimization’, Journal of Quality Technology 30(4), 309–313.
dc.relation.referencesVining, G. & Myers, R. (1990), ‘Combining Taguchi and Response Surface Philosophies: A Dual Response Approach’, Journal of Quality Technology 22, 38–45.
dc.relation.referencesWilcoxon, F. (1945), ‘Individual Comparison by Ranking Methods’, Biometrics 1, 80–83.
dc.relation.referencesWiner, B. J. (1991), Statistical Principles in Experimental Design, Mc Graw Hill, New York.
dc.relation.referencesYates, F. (1934), ‘Design and Analysis of Factorial Experiments’, Imperial Bureau of Soil Sciences. 35.
dc.relation.referencesYates, F. (1936), ‘Incomplete Randomized Blocks’, Annals of Eugenics 7, 121–140.
dc.relation.referencesYouden, W. J. (1964), ‘Answer to Query I’, Technometrics 1, 103–104.
dc.relation.referencesYuen, K. K. & Dixon, W. J. (1973), ‘The Approximate Behaviour and Performance of the Two-sample Trimmed t’, 60, 369–374.
dc.relation.referencesZyskind, G. (1980), Teoría de las Hipótesis Lineales, Colegio de Postgraduados., México.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.lembMetodología científica
dc.subject.lembAnálisis de varianza
dc.subject.lembMuestreo (Estadística)
dc.type.coarhttp://purl.org/coar/resource_type/c_2f33
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2
dcterms.audience.professionaldevelopmentEstudiantes
dcterms.audience.professionaldevelopmentMaestros


Archivos en el documento

Thumbnail
Nombre:
12. Dise¤o de Experimentos ...
Tamaño:
4.136Mb
Formato:
PDF
Descripción:
Libro Diseño de experimentos
Descargar

Este documento aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del documento

Atribución-NoComercial-SinDerivadas 4.0 InternacionalEsta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito