Diseño de experimentos : métodos y aplicaciones

Vista sencilla de ítem
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.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)spa
dc.description.editionPrimera ediciónspa
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.spa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.isbn9789587018158spa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/83614
dc.language.isospaspa
dc.publisherUniversidad Nacional de Colombia. Facultad de Cienciasspa
dc.publisher.departmentSede Bogotáspa
dc.publisher.placeBogotáspa
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.spa
dc.relation.referencesAnscombe, F. J. (1947), ‘The Validity of Comparative Experiments’, Journal Royal of the Statistical Society 61, 181–211.spa
dc.relation.referencesBartlett, M. S. (1937), ‘Properties of Sufficiency and Statistical Tests’, Proceedings of the Royal Society of London, Series A 160, 268 – 282.spa
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.spa
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.spa
dc.relation.referencesBox, G. E. P. (1952), ‘Multifactor Designs of First Order’, Biometrika 39, 49–57.spa
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.spa
dc.relation.referencesBox, G. E. P. (1957), ‘Integration of Techniques in Process Development’, ASA .spa
dc.relation.referencesBox, G. E. P. & Anderson, S. C. (1955), ‘Non-normality and Test on Variance’, Biometrika 40, 318–335.spa
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.spa
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.spa
dc.relation.referencesBox, G. E. P. & Hunter, J. S. (1961), ‘The 2k−p Fractional Factorial Designs I’, Tecnometrics 3, 311–351.spa
dc.relation.referencesBox, G. E. P., Hunter, W. G. & Hunter, J. S. (1978), Statistics for Experimenters, John Wiley & Sons, New York.spa
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.spa
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.spa
dc.relation.referencesBrown, H. & Prescott, R. (1999), Applied Mixed Models in Medicine, John Wiley & Sons, New York.spa
dc.relation.referencesBrownlee, K. A. (1957), ‘The Principles of Experimental Design Industrial Quality Control’, 13, 1–9.spa
dc.relation.referencesCochran, W. G. & Cox, G. M. (1957), Experimental Designs, Second Edition, John Wiley & Sons, New York.spa
dc.relation.referencesCochran, W. G. & Cox, G. M. (1974), Diseños Experimentales, Editorial Trillas, México.spa
dc.relation.referencesConover, W. J. (1980), Practical Nonparametric Statistics, John Wiley & Sons, New York.spa
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.spa
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.spa
dc.relation.referencesDe Campos, H. (1984), Estadística Aplicada A’ Experimenta ̧c ̃ao con Cana De Acu ̧car, FEAlq USP, Sa ̃o Paulo.spa
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.spa
dc.relation.referencesDerringer, G. C. (1969), ‘Sequential Methods for Estimating Response Sur- faces’, Industrial and Engineering Chemistry 61, 6–13.spa
dc.relation.referencesDerringer, G. C. & Suich, R. (1980), ‘Simultaneous Optimization of Several Responses Variables’, Journal of Quality Technology 12, 214–219.spa
dc.relation.referencesDiaz, L. G. (2002), Estadística Multivariada: Inferencia y Métodos, Bogotá, D.C.spa
dc.relation.referencesDraper, N. R. & Smith, H. (1998), Applied Regression Analysis, Third Edi- tion. John Wiley & Sons, New York.spa
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.spa
dc.relation.referencesEisenhart, C. (1947), ‘The Assumptions Underlying the Analysis of Varian- ce’, Biometrics 3, 1–21.spa
dc.relation.referencesFederer, W. T. (1955), Experimental Design Theory and Applications, Mc- Millan Company, .spa
dc.relation.referencesFinney, D. J. (1945), ‘The Fractional Replication of Factorial Experiments’, Annals Eugenics 12, 291–301.spa
dc.relation.referencesFinney, D. J. (1946), ‘Recent Developments in the Design of Field Experi- ments III Fractional Replication’, Journal Agriculture Science 36, 184– 191.spa
dc.relation.referencesFinney, D. J. (1955), An Introduction to the Theory of Experimental Design, The University of Chicago Press, Chicago.spa
dc.relation.referencesFisher, R. A. (1935), The Design of Experiments, Oliver & Boyd, Edinburgh.spa
dc.relation.referencesFisher, R. A. (1945), ‘A System of Confounding for Factors with More than two Alternatives, Giving Completely Orthogonal Cubes and Higher Powers’.spa
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.spa
dc.relation.referencesGardiner, D. A., Grandage, A. H. & Hader, R. J. (1959), ‘Third Order Designs’, Tecnometrics 16, 613–616.spa
dc.relation.referencesGill, J. L. (1978), Design and Analysis of Experiments, Vol 1 y 2. Iowa State University Press., Ames Iowa.spa
dc.relation.referencesGonzález, L. M. (1997), ‘Ajuste de Bloques Incompletos Mediante el Proce- dimiento IML de SAS’.spa
dc.relation.referencesGoodnight, J. H. (1978), Test of Hypotheses in Fixed Effects Linear Model SAS, Technical report, SAS institute, R 101 Carry N.C.spa
dc.relation.referencesGraybill, F. A. (1976), Theory and Applications of the Linear Model, North Scituate, MA: Duxbury Press, Boston.spa
dc.relation.referencesHarrington, J. E. C. (1965), ‘The Desirability Function’, Industrial Quality Control 21(10), 494–498.spa
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.spa
dc.relation.referencesHartley, H. O. (1950), ‘The Maximum F-Ratio as a Short-Cut Test for He- terogeneity of Variance’, Biometrika 37, 308–312.spa
dc.relation.referencesHenderson, C. R. (1953), ‘Estimation of Variance and Covariance Compo- nents’, Biometrics 9, 226–252.spa
dc.relation.referencesHenderson, C. R. (1984), Application of Linear Models in Animal Breeding University of Guelp, Guelp university press, Canada.spa
dc.relation.referencesHinkelman, K. & Kempthorne, O. (1994), Design and Analisys of Experi- ments Vol I. Introduction to Experimental Design, John Wiley & Sons, New York.spa
dc.relation.referencesHinkelman, K. & Kempthorne, O. (2005), Advanced Experimental Design, John Wiley & Sons, New York.spa
dc.relation.referencesHocking, R. R. (1985), The Analysis of Linear Models, Belmont,CA: Brooks/Cole Publishing Co, Monterrey.spa
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.spa
dc.relation.referencesHodges, J. L. & Lehmann, E. L. (1963), ‘Estimates of Location Bassed on Rank Test’, Annals of Mathematical Statistics 34, 598–611.spa
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.spa
dc.relation.referencesLemma, A. F., López, L. A. & Rincón, L. F. (1999), ‘Proyectores Ortogonales Esperados’, Revista Investigación Operacional 20, 107–114.spa
dc.relation.referencesJohn, P. W. M. (1971), Incomplete Block Design, Marcel Dekker, New York and Basel.spa
dc.relation.referencesJorgensen, B. (1993), The Theory of Linear Models, Chapman-Hall, New York.spa
dc.relation.referencesKempthorne, O. (1952), The Design and Analysis of Experiments, John Wiley & Sons, New York.spa
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.spa
dc.relation.referencesKeuls, M. (1952), ‘The Use of the Studentized Range in Connection with an Analysis of Variance’, Euphytica 1, 112–122.spa
dc.relation.referencesKhuri, A. I. & Colon, M. (1981), ‘Simultaneous Optimization of Multiples Responses Represented by Polynomial Regression Functions’, Technometrics 23(4), 363–375.spa
dc.relation.referencesKhuri, A. I. & Cornell, J. A. (1987), Response Surfaces: Designs an Analysis, Marcel Dekker, New York.spa
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.spa
dc.relation.referencesKuehl, R. O. (2001), Diseño de Experimentos. Principios Estadísticos para el Diseño y Análisis de Investigaciones, 2da edición, Thomson, México.spa
dc.relation.referencesLaw, A. M. & Kelton, W. D. (1991), Simulation Modeling and Analysis, 2nd ed. McGraw-Hill, New York.spa
dc.relation.referencesLevene, H. (1960), Robust Tests for Equality of Variance, Stanford University Press, Palo Alto, CA, pp. 278–292.spa
dc.relation.referencesLin, D. K. J. & Tu, W. (1995), ‘Dual Response Surface Optimization’, Journal of Quality Technology 27, 34–39.spa
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.spa
dc.relation.referencesMartin, F. G. (1989), Statistical Design and Analysis of Experiments, Technical report, University of Florida Gainesville, Florida.spa
dc.relation.referencesMartínez, A. (1972), Diseño y Análisis de Experimentos con Caña de Azúcar, México.spa
dc.relation.referencesMartínez, A. (1981), Diseños Experimentales, CEC-CP, México.spa
dc.relation.referencesMartínez, A. (1988), Diseños Experimentales. Métodos y Elementos de Teoría, Trillas, México.spa
dc.relation.referencesMcLean, R. A. & Anderson, V. L. (1984), Applied Factorial and Fractional Design, Marcel Dekker, Inc, New York.spa
dc.relation.referencesMendenhall, W. (1968), Introduction to Linear Models and the Design and Analysis of Experiments, Duxbury Press, Belmont.spa
dc.relation.referencesMiller, B. (1986), Anova Basics of Applied Statistics, John Wiley & Sons, New York.spa
dc.relation.referencesMéndez, I. (1981), Algunos Aspectos del Diseño Experimental, Comunicaciones, IIMAS-UNAM.spa
dc.relation.referencesMéndez, I. (1993), Diseño de Experimentos, in ‘Memorias del X Coloquio Distrital de Matemáticas y Estadística’, Bogotá.spa
dc.relation.referencesMontgomery, D. C. (1984), Design and Analysis of Experiments, John Wiley & Sons, New York.spa
dc.relation.referencesMontgomery, D. C. (2003), Diseño y Análisis de Experimentos, Segunda Edición, Grupo Editorial Limusa, S.A, México.spa
dc.relation.referencesMyers, R. H. & Carter, W. H. (1973), ‘Response Surface Tecniques for Dual Response Systems’, Technometrics 15, 301–317.spa
dc.relation.referencesMyers, R. H. & Montgomery, D. C. (1995), Response Surface Methodology: Process and Product Optimization Using Designed Experiments, John Wiley & Sons, New York.spa
dc.relation.referencesNeter, J., Wasserman, W. & Kutner, M. H. (1990), Applied Linear Statistical Models, 3rd ed. Richard D.Irwin, Inc, Homewoud, IL Boston, MA.spa
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.spa
dc.relation.referencesOstle, B. (1981), Estadística Aplicada, Editorial Trillas, México.spa
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.spa
dc.relation.referencesPearson, E. S. & Hartley, H. O. (1996), ‘Biométrika Tables for Statisticians’, Biométrika, Cambridge University-Press 1.spa
dc.relation.referencesPeterson, R. G. (1985), Design and Analysis of Experiments, Marcel Dekker inc, New York.spa
dc.relation.referencesRao, C. R. (1973), Linear Statistical Inference and Its Applications, Second Edition, John Wiley & Sons, New York.spa
dc.relation.referencesRao, C. R. & Mitra, S. (1971), Generalized Inversa of Matrices and Its Applications, John Wiley & Sons, New York.spa
dc.relation.referencesRoy, R. K. (1990), A Primer on the Taguchi Method, Van Nostrand Rein- hold, New York.spa
dc.relation.referencesSAS (2001), ‘Statistical Analysis Sistem-SAS User’s’spa
dc.relation.referencesSatterthwaite, F. E. (1946), ‘Aproximate Distribution of Estimates of Variance Components, Bull’, Biometrics 2, 110 – 114.spa
dc.relation.referencesScheffé, H. (1953), ‘A Method for Judging All Contrasts in the Analysis of Variance’, Biometrika 40, 87 – 104.spa
dc.relation.referencesScheffé, H. (1959), The Analysis of Variance, John Wiley & Sons, New York.spa
dc.relation.referencesSearle, S. R. (1971), Linear Models, John Wiley & Sons, New York.spa
dc.relation.referencesSearle, S. R. (1987), Linear Models for Unbalanced Data, John Wiley & Sons, New York.spa
dc.relation.referencesSearle, S. R., Casella, G. & McCulloch, C. E. (1987), Variance Components, John Wiley & Sons, New York.spa
dc.relation.referencesShapiro, S. S. & Wilk, M. B. (1965), ‘An Analysis of Variance Test for Normality (complete samples)’, Biometrika 52, 591–611.spa
dc.relation.referencesSiqueira, A. L. (1983), Uso de Transformaciones en Análisis de Varianza y Análisis de Regresión, Disertación USP/IME, .spa
dc.relation.referencesSnedecor, G. W. & Cochran, W. G. (1967), Statistical Method, Iowa State University Press, Iowa.spa
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.spa
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.spa
dc.relation.referencesSteel, R. G. & Torrie, J. H. (1982), Principles and Procedures of Statistics, McGraw-Hill Book Co., New York.spa
dc.relation.referencesTaguchi, G. (1986), Introduction to Quality Engineering, American Supplier Inst., Dearborn.spa
dc.relation.referencesTaguchi, G. (1987), Systems of Experimental Design: Engineering Methods to Optimize Quality and Minimize Cost, UNIPUB/Kraus International Publications, New York.spa
dc.relation.referencesTang, L. C. & Xu, K. (2002), ‘A Unified Approach for Dual Response Surface Optimization’, Journal of Quality Technology 34, 437–447.spa
dc.relation.referencesTaylor, W. H. & Hilton, H. G. (1981), ‘A Structura Diagram Symbolization for Analysis of Variance’, The American Statistician 35, 85–93.spa
dc.relation.referencesTukey, J. W. (1949), ‘One Degree of Freedom for Non-Aditivity’, Biometrics 5, 232–242.spa
dc.relation.referencesTukey, J. W. (1953), The Problem of Multiple Comparisons, Notas inéditas, Pricenton University.spa
dc.relation.referencesVining, G. (1998), ‘A Compromise Approach to Multiresponse Optimization’, Journal of Quality Technology 30(4), 309–313.spa
dc.relation.referencesVining, G. & Myers, R. (1990), ‘Combining Taguchi and Response Surface Philosophies: A Dual Response Approach’, Journal of Quality Technology 22, 38–45.spa
dc.relation.referencesWilcoxon, F. (1945), ‘Individual Comparison by Ranking Methods’, Biometrics 1, 80–83.spa
dc.relation.referencesWiner, B. J. (1991), Statistical Principles in Experimental Design, Mc Graw Hill, New York.spa
dc.relation.referencesYates, F. (1934), ‘Design and Analysis of Factorial Experiments’, Imperial Bureau of Soil Sciences. 35.spa
dc.relation.referencesYates, F. (1936), ‘Incomplete Randomized Blocks’, Annals of Eugenics 7, 121–140.spa
dc.relation.referencesYouden, W. J. (1964), ‘Answer to Query I’, Technometrics 1, 103–104.spa
dc.relation.referencesYuen, K. K. & Dixon, W. J. (1973), ‘The Approximate Behaviour and Performance of the Two-sample Trimmed t’, 60, 369–374.spa
dc.relation.referencesZyskind, G. (1980), Teoría de las Hipótesis Lineales, Colegio de Postgraduados., México.spa
dc.rightsUniversidad Nacional de Colombia, 2007spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.ddc510 - Matemáticas::519 - Probabilidades y matemáticas aplicadasspa
dc.subject.lembMetodología científica
dc.subject.lembAnálisis de varianza
dc.subject.lembMuestreo (Estadística)
dc.titleDiseño de experimentos : métodos y aplicacionesspa
dc.typeLibrospa
dc.type.coarhttp://purl.org/coar/resource_type/c_2f33spa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bookspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dcterms.audience.professionaldevelopmentEstudiantesspa
dcterms.audience.professionaldevelopmentMaestrosspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
12. Dise¤o de Experimentos (M‚todos y Aplicaciones) 1era Edici¢n.pdf
Tamaño:
4.14 MB
Formato:
Adobe Portable Document Format
Descripción:
Libro Diseño de experimentos
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
5.74 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Ciencia