00:00:30:02 Somos un equipo autogestionado, responsable, proactivo y autónomo, con gran compromiso social, aportando el pensamiento científico y el desarrollo latinoamericano, promoviendo el uso de software para investigación en todas las áreas del conocimiento. Generamos contenido de alta calidad teniendo en cuenta las distintas necesidades del mercado.

00:00:55:16 Realizamos actividades gratuitas constantemente. Abordamos temáticas vigentes, aplicaciones especializadas y elementos metodológicos que te permiten interactuar y generar redes para la difusión de tus proyectos. Contamos con servicio de asesoría, consultoría y acompañamiento personalizado, certificaciones internacionales, entrenamientos especializados y talleres prácticos.

00:01:16:12 Nuestro principal objetivo es promover el uso de tecnología en el campo investigativo, generando un impacto significativo en la región y de esta forma contribuir a la creación de comunidad para compartir conocimiento. Te invitamos a ser parte de este gran equipo Software Shop.

00:01:44:04 Visita nuestra página web y conoce nuestros servicios. Software Shop, la empresa líder en la implementación de herramientas analíticas y software especializado en Latinoamérica, les da la bienvenida a esta presentación. El día de hoy contamos con el acompañamiento de Yair Eduardo Rocha, Ingeniero Industrial y Maestría en Ingeniería Industrial, con mención en Producción e Investigación de Operaciones de la

00:02:07:20 Universidad Distrital Francisco José de Caldas en Colombia. Estudios de Maestría en Ingeniería con Mención en Logística en la Pontificia Universidad Javeriana y Estudios Doctorales en Ingeniería en la Universidad de Carabobo. Actualmente es docente de planta del Departamento de Ingeniería de Sistemas e Industrial de la Universidad Nacional de Colombia, Director del Laboratorio de Logística e investigador del Grupo

00:02:26:06 PRO en esta misma institución. Investigador junior y evaluador de proyectos reconocidos por el Ministerio de Ciencia y Tecnología. Bienvenidos. Para mí es un placer nuevamente estar hoy con ustedes, estar acá presente y pues demos inicio de lo que vamos a hacer.

00:02:41:14 Es una construcción de diseños de experimentos completamente al azar con esta gráfica. Bueno. ¿Qué vamos a hacer? Entonces vamos a iniciar a recordar como está recordando y en un experimento a empezar con un pequeño recordéis para todos nuevamente.

00:02:57:17 Bienvenidos. Espero que estén en toda Latinoamérica. No se estancan. Dejémoslo acá. Bueno, que es un diseño, experimentos. Un diseño, un experimento. Ese es el enfoque utilizado para planear y llevar a cabo experimentos a travez de una estrategia de experimentación.

00:03:15:03 Y lo que se busca es establecer el efecto de una o varios factores sobre una variable medible. ¿Qué es eso? En términos simples, lo que vamos a hacer es establecer un proceso en el cual vamos a hacer la experimentación que es este que estamos aquí viendo como una caja negra.

00:03:30:21 Eso depende del tipo experimento que tengamos y de lo que queramos medir. Vamos a tener unas entradas, esas entradas son que lo que vamos o unas entradas que vamos a llamar una señal muestrales y unos factores controlables. Eso es.

00:03:48:13 A esta señal muestrales le vamos a aplicar un factor controlable X1X2XP tantos factores como sean posibles que queramos medir. Entonces vamos a empezar con el diseño más simple que existe o en la forma estadística para analizar este efecto.

00:04:09:08 Y tenemos una salida. Es que esa salida es lo que vamos a medir de las unidades muestrales. Una vez hemos caracterizado nuestros factores de uno factores no controlables. Esos factores no controlables tienen que ver con algunos elementos que están a aparentemente dentro de la dentro del experimento, pero que no podemos manipular o que no podemos controlar

00:04:32:09 directamente. Entonces esos factores no controlables estarán presentes y ocasionan un efecto aleatorio o un error aleatorio sobre el sistema. Ahora bien, cuando vamos entonces en dos segundos se quedo. Entonces definamos que es un experimento con un solo factor completo al azar.

00:04:55:15 Un experimento con un solo factor completo al azar consiste en una estrategia en la cual se tiene un único factor al alfa, que tiene un solo factor que tiene diferentes niveles. Estos diferentes niveles de receptores son los que pretendemos evaluar y tenemos que tener una situación particular o esa situación particular que es ese factor con diferentes niveles

00:05:17:19 Sobre las unidades muestrales, no generando una respuesta. Esa respuesta es la que vamos a tener como variable aleatoria. El objetivo del experimento va a ser cual va a ser de determinar si existen diferencias significativas en las medias de las respuestas ocasionadas por diferentes tratamientos a través del uso del método que vamos a conocer como no o análisis

00:05:40:13 de variables. Es decir, que lo que tenemos aquí vamos a tener aquí diferentes unidades muestrales que son iguales en algún elemento. Esas unidades homogéneas se van a repartir en diferentes grupos en cada grupo que tenemos, entonces vamos a tener acá va a ser aplicado a un tratamiento ese tratamiento, entonces lo que vamos a caracterizar y vamos a

00:05:59:04 establecer si son iguales o son diferentes, es decir, para llevar esa condición al sistema vamos a tener que hacer un ejemplo y ese ejemplo va a ser un ejemplo muy solamente hace dos semanas, 15 en segundos, que estoy teniendo un problema estructural.

00:06:12:13 Entonces el ejemplo es que entonces vamos a suponer que un ingeniero de desarrollos de productos tiene interés en investigar la resistencia a la tensión de una fibra sintética en que se usará para hacer diferentes de las de Crónicas.

00:06:30:03 Se sabe por experiencia previa que la resistencia a la tensión es afectada por el peso porcentual de las son utilizadas en la mezcla materiales de la fibra. Para ello se decide probar cinco niveles de peso porcentual 15, 20, 25, hasta 35 en cinco ejemplares con cada contenido.

00:06:49:17 Algo en este caso o en este caso en particular. Lo que estamos teniendo es que unas unidades muestrales que se van agrupar en cinco, en cinco replicas para cada grupo, es decir, vamos a tener cinco unidades que van a ser o que van a tener un peso porcentual de 15%, cinco unidades que van a tener un 20%

00:07:10:05 cinco que va a tener 25% cinco, 35, 35. A esos les vamos a hacer una medida y esa medida va a ser sobre quien? Sobre la resistencia a la tensión. Es decir, las vamos a montar sobre la máquina de tensión y vamos a aplicar una fuerza para establecer cuál es la deformación que tienen la tensión a través

00:07:29:13 de un ejercicio de tensión. Entonces, el primer requisito que debe tener un experimento con un solo factor al azar es lo que se llama la autorización. Qué quiere decir eso? Quiere decir entonces que vamos a hacer o vamos a tener que para mi peso porcentual de algodón de 15%, voy a tener un número de corridas experimentales.

00:07:52:19 Esta la llamamos 12345. Y si se dan cuenta y se fijan bien a que cada grupo, cada grupo que tenemos acá tiene los cinco elementos y están codificados a través de un número de correo experimental. Entonces lo primero es hacer una autorización para que se hace esa, la autorización, esa la autorización lo que busca es minimizar el

00:08:14:09 efecto que pueden tener los factores no controlables, por ejemplo temperatura, por ejemplo otros elementos y esos otros elementos. Entonces que van a ser? Que si yo tengo y hago primero los de kilos de 15%, es decir, hago primero el número uno, el después el 234, el cinco podría tener un efecto.

00:08:31:17 Por ejemplo, la máquina puede ser que se caliente a través del tiempo, es decir, a través de eso los últimos tendrían un efecto no deseado. El calor, como lo que yo no busco, lo que busco es no tener efectos diferentes a la A, la A, a la a, la Al al esfuerzo que esté haciendo.

00:08:54:07 Resistencia, tensión. Hay que al autorizar y cuando ella teorizó entonces que lo que hago género y empiezo a correrlos los tratamientos y los sé los ejercicios experimentales en diferente orden, entonces el número de corrientes al saque, la primera que vamos a hacer es la corrida número ocho, que corresponde a una prueba por sentante 20 de 20% de

00:09:16:19 algo. Después vamos a hacer el 18. El 18 corresponde una prueba de 30% de algo y así sucesivamente. Dónde está eso? Entonces eso podemos hacerlo con estas gráficas y viene nuestra primera aplicación, nuestra primera aplicación. Entonces en esta gráfica lo vamos a hacer a través del menú de útiles, lo conocemos así y vamos a generar números aleatorios

00:09:37:01 eso en términos simples. Entonces qué es? Vamos a irnos acá siempre vamos. Íbamos a ir a un estar gratis en este esta traffic. Entonces que lo que hacemos. Entonces hacemos un útiles. Vamos a generación de número aleatorio. Y en la generación del número de la torre yo puedo generar un número de muestra.

00:09:53:19 Entonces vamos a llamar a ese proceso de ADN de autorización. En ese proceso de autorización tenemos un tamaño de muestra. Entonces lo que vamos a generar son 100 números aleatorios y los vamos a graduar en datos en una hoja de datos.

00:10:16:17 Cuando hacemos eso, entonces podemos tenerla la autorización y la vamos a generar con una de las distribuciones cualquiera distribución de las que se tienen teóricamente conocimiento. En ese caso, entonces, por ejemplo, podemos hacerlo con una distribución normal y podríamos generar o podemos hacerla con una distribución uniforme donde esta hay un límite inferior a un límite superior.

00:10:34:20 Entonces ellos me van a pedir los elementos suficientes para tener los parámetros de la distribución a través de los cuales entonces yo por ejemplo, puedo generar. Como tenemos 25 datos, entonces voy a generar 25, darles un acto, luego aceptar y luego aceptar acá.

00:11:00:23 Entonces en este caso me hice resumen del análisis del análisis, un resumen estadístico y percentiles y puedo sacar un gráfico de cuán tiles gráficos tenga y bigotes. Entonces, en este caso en Punto B, esto es exactamente lo mismo que un poco más simple y me preguntaba dónde pongo las dos segundos que tengo que repetir?

00:11:23:14 No hubiera que modelo, sino los que valen más que eso. Entonces aquí quedo. Estos son los números que tenemos acá desde ese punto de vista. Entonces me voy y le digo que son una variable entera a aceptar. Entonces tengo 14, 24, 13, tres, 14, 13, 24 cero uno 16.

00:11:37:16 Desde este punto de vista, entonces cuál sería la primera muestra que yo haría y cuál sería la muestra que precisaría? Primero, la muestra número 14. Después procesar la muestra número 24. La número tres es la número tres.

00:11:53:07 Aquí vuelve. Aparece la 14 y la tres. Entonces, en ese caso, lo que uno haría es descartar este sistema y volver a ser Gómez. Entonces volver y tomar el siguiente hijito. Aquí está otra vez el 13, el 24, el cero.

00:12:16:10 Estos cuatro se descarta y tomaría posterior a él el uno, el 16, el 22, el seis, el siete y de esa manera yo con esta graphics podría generar qué un sistema de autorización a través de números aleatorios. Entonces va a ser mucho más simple que ponerme a programar una simulación de Montecarlo para generar los 25 dígitos de

00:12:30:06 esta forma. Pues uno lo que hace es extraer esta información y establecer cuáles serían los que van o el orden en el cual voy a hacer la autorización para cumplir el primer requisito que requiere el sistema colaborativo.

00:12:50:17 O casi. Hasta ahí, no sé si hay alguna pregunta. Entonces seguimos. Entonces a partir de eso, entonces vamos con quién? Entonces ese proceso de la autorización cumple nuestro primer qué? Nuestro primer requisito de un modelo. De un modelo con un diseño experimental completamente autorizado.

00:13:08:17 Entonces ya podemos generarlo a partir del primer qué? Del primer elemento que es útiles y generación de números aleatorios. Bueno, seguimos. Entonces. Si no hay más. Si no hay preguntas al respecto. Posterior a ello. Entonces lo que hacemos es que.

00:13:24:05 Que una vez autorizados los sistemas. Hacemos la medición del experimento. Entonces aquí hay una máquina de torsión. Entonces, detención. Perdón? Lo que estamos haciendo es. Tensionan las fibras y entonces aparecen que hacemos nuestra medición.

00:13:47:12 Entonces nos da lo siguiente con el 15% tenemos siete, siete, 15, 11 y nueve. Eso fueron las mediciones que tuvimos en libras por pulgada cuadrada. Entonces, esas libras por pulgada cuadrada o esas observaciones hicieron el experimento, rompemos las fibras y nos dio como resultado 7 £ por pulgada cuadrada para un peso porcentual de 15%.

00:14:08:05 De esa manera, entonces, al tener la autorización, cuál habría hecho la. La autorización? Tenemos aquí un elemento y tenemos su total y su promedio. Entonces, estos cálculos son los cálculos experimentales que se traen. Entonces, lo primero que uno hace en un diseño completo al azar es establecer qué un análisis gráfico en el experimento.

00:14:26:15 Y ese análisis gráfico tiene que ver con quién? Con nuestro sistema. Entonces, nuestro sistema. Tenemos aquí que tenemos 1234 y cinco. El uno será el 15%, el dos el 20%. En el tres, el 25%. En el cuatro, el 30% y en el 5%.

00:14:43:05 Para eso se pueden usar varios tipos de gráficos que vamos a trabajar, que son los gráfico de cajas y bigotes, que es el que ustedes están viendo en el lado derecho y un diagrama de dispersión. Entonces inicialmente lo que hace es que establecer una hipótesis inicial del comportamiento de la variable en análisis.

00:15:12:23 Esa hipótesis inicial del comportamiento de la variable en análisis nos indicaría que, por ejemplo, en este caso 15, 20, 20, 25, 30,30% del vamos a encontrar que vamos a obtener la mayor resistencia a la tensión, mientras que con menores elementos o menores menores porcentajes de algodón en la tela vamos a tener menores resis, menores resistencias a la

00:15:34:08 tensión y pasando de 35 a 40. Si está el tono Tanaka, vamos a tener una resistencia a la tensión bastante baja. Entonces pareciese ser que tener niveles de porcentuales de algodón en la tela del 35% parece ser que es la mejor elección que vamos a tener eso inicialmente.

00:15:46:23 Pero cómo se realiza eso? Entonces, nuestro análisis gráfico previo en esta gráfica lo vamos a hacer a través del menú de gráficos que lo ven acá y vamos a ir a ver qué los gráficos de caja y bigotes que están acá.

00:16:01:18 Y posterior a eso vamos a hacer el diagrama de puntos. Entonces, en ese sentido, que vamos a hacer en ese sentido? Entonces lo que vamos hacer es volver a nuestro Stack Graphics. Entonces volvemos a esta gráfica y volvemos a nuestra página.

00:16:15:20 Entonces yo puedo tener como en Excel o como cualquier hoja de cálculo, diferentes páginas donde pongo tener. En este caso, qué pasó? Entonces vamos a tener acá nuestro sistema numéricos. Ya me tomé el trabajo de haberlos introducido. Sé que el tiempo es corto.

00:16:34:09 Entonces vienen acá. Entonces tenemos siete, siete, 15, 11 y nueve. Eso se para quién? Para el 15%, 12, 17, 12, 18 y 18. Para el tratamiento dos y 14, 18, 18, 19, 19 para el tratamiento tres. Y así consecutivamente.

00:16:51:08 Me tilak entonces. Es decir, voy a tener la data organizada en dos columnas, uno que se llama resistencia a la tensión media en libras por pulgada cuadrada y es una de índice índice numérico. Entonces, cómo hacemos eso? Rápidamente le vamos to le vamos a decir.

00:17:14:17 Cuando hagamos doble clic sobre la resistencia a la atención, vamos a tener un comentario. Las unidades y el tipo de variable que yo voy a tener. Numérico carácter entero si están tiempo, si están decimales, porcentajes, etcétera etc, entonces le decimos acá aceptar y voy a hacer aquí un cambio que a propósito lo deje para poderles mostrar a

00:17:37:17 ustedes como se hace entonces el peso porcentual del algodón. Recuerden que el porcentaje o la etiqueta vamos a tener acá uno y la etiqueta que le voy a poner es 15%, entonces yo puedo hacer eso. Entonces además de eso, entonces yo puedo ir pasando acá diferentes etiquetas, entonces eso me va a facilitar muchísimo con el valor de

00:17:59:02 dos que es nuestro tratamiento, entonces voy a tener que es el 20%. De contenido porcentual de algodón en la tela de legua. Agregar para tres entre lego, que es el 25%. Para cuatro. Le digo que es el 30%.

00:18:23:21 Y para cinco. Le digo que es el que quiere el 35%. Entonces agregas con estas etiquetas entonces el a generar algo y frente a lo que ustedes vieron en la presentación de igual sector nos vamos a donde? A gráficos, gráficos, caja y bigotes y le decimos de múltiples muestras.

00:18:38:03 Entonces en múltiples muestras vamos a decir resistencia a la tensión. Estos son mis datos y los códigos por nivel que son ale, autorización por nivel. Si ustedes ven aquí, la otra variable que tengo guardada también me aparece, pero esa ya no la voy a utilizar.

00:18:59:23 Esa fue antes del experimento. Luego aceptar. Entonces él me dice Resumen del análisis. El resumen estadístico gráfico. Vamos a generar todo. Entonces decimos aceptar. Y en este esta reporter nos muestra exactamente lo que vamos a tener. Entonces tenemos un gráfico múltiple de cajas y bigotes, resistencia de tensión por peso porcentual en algodón.

00:19:16:10 Entonces tenemos que mi variable dependiente me muestra. Siempre va a ser muy clara estas gráficas en lo que está mostrando resistencia de tensión en libros por pulgada cuadrada y el factor que estoy analizando espeso porcentual. Entonces tenemos 25 observaciones y tenemos cinco niveles.

00:19:35:11 Este procedimiento, es construir un gráfico de caja. Y además de eso, el esta data visor de estar gráficos, que es una de las herramientas bien importantes que tiene. Esta gráfica nos está mostrando que lo que se está haciendo entonces es miren acá, aquí está el promedio, el recuento, que es el número de observaciones.

00:19:59:13 Eso me sirve para hacer pagar si es un diseño balanceado o no es balanceado el total de observaciones que tengo, el promedio y la mediana para cada uno de los pesos porcentuales. Entonces, en este caso, qué pasa? Uno Entonces tenemos acá nuevamente 2345 y de esta manera tenemos estadísticos como la desviación estándar, el mínimo, el máximo y

00:20:20:08 tenemos los cuartiles y los cuartiles nos va mostrando como se va organizando y la posición de rango intergaláctico. Entonces a partir de eso, entonces yo puedo tener acá una que yo puedo hacer acá con el gráfico, es que es que yo puedo tener opciones gráficas en opciones gráficas como esa, que es donde hay click derecho sobre la

00:20:36:07 gráfica y hago opciones gráficas en las opciones gráficas entre yo puedo tener que cambiar si quiere mucho, le puedo poner malla, le puedo poner líneas, puntos, puedo cambiar el diseño o hacer el eje, la cx puedo cambiar la fuente.

00:20:53:11 Entonces si yo le doy cambia la fuente, puede, cambia las fuentes, etcétera, etcétera Entonces ahí no tengo que llevar el gráfico a donde hay que ser y modificado en Excel, sino simplemente de desde esta gráfica podemos hacer todo eso, todo lo que queramos respecto a que?

00:21:15:15 A todo diseño. Ahora bien, si yo quiero acá, entonces opciones tabular es también puedo cambiar las tablas. Entonces en este caso las tablas pueden cambiar dan agregando datos significativos o dígitos significativos, perdón haciendo o ampliando las tablas o ajustando las o haciéndolas más delgadas, más, más largas.

00:21:34:19 Y eso me va a permitir hacer una adición mucho más sencilla. De hecho, yo podría copiar todo esto y llevarlas al esta font en el estado folio. Yo puedo ir haciendo que me informe aquí el lado izquierdo este se encuentra en el estado folio y en el estar folio pueden ir haciendo los elementos que van estando y

00:21:48:10 van construyendo su documento sin necesidad de tener interfaz con o de estar copiando y pegando y llevando un documento. En Word tenemos nuestro primer gráfico que es el gráfico de caja y bigotes, que es el mismo que ustedes tenían acá.

00:22:09:22 Si yo quiero, entonces puedo hacer que el diagrama de puntos de múltiples muestras y vamos a hacer exactamente lo mismo. Entonces, resistencia, la atención, datos acá y peso porcentual. Entonces podemos decir acá va a aceptar? Y entonces en este caso tenemos que un diagrama de puntos múltiple y un diagrama de dispersión.

00:22:24:19 En este entonces estamos viendo que la desviación estándar, la resistencia, la tensión acá y el peso porcentual del algodón 15%. 20, 25, 30, 35. Entonces qué me está. Mira, me está mostrando como son cinco datos los que estamos teniendo acá.

00:22:39:16 Él me está mostrando ¿dónde están los datos dados? La referencia que tiene este línea que ustedes ven aquí es la media para el tratamiento de los 15%. Algo aquí está la media para el 20%, la media para el 25, la media para el 30.

00:23:01:07 Y esta que ustedes ven acá es la media general del sistema esta que está en un color diferente. Esa media es la media general del sistema que con ella podríamos inferir ya el sistema que vamos a tener. Que recuerden que en Anova lo que trabajamos es un modelo de media general del sistema, más los efectos de tratamientos

00:23:20:19 más de error aleatorio. Hasta ahí hay alguna pregunta. Qué efecto tiene nombrar los tratamientos como nuevos tres. Sino como numéricos? Entonces lo que uno hace los categóricas filas. Cuando uno tiene categóricos 1234 y cinco son iguales, como si yo lo tuviera acá.

00:23:35:19 Aquí realmente no es una variable numérica, porque no es una variable numérica, porque tú no estás trabajando 15, 16, 17, 18, sino estás trabajando en una variable categórica que es 15, 20, 25. Francisco. No sé si estoy siendo claro.

00:23:55:00 Tu variable en este caso no es numérica, es una variable categórica en la cual o si lo que quieres ver es una variable ordinal que lo que está haciendo es clasificando los subgrupos. Francisco. ¿Me escuchas? Ok. Fui claro.

00:24:28:22 Me hice entender la respuesta que te estoy dando. Entonces el sí sería como una concentración, pero tú no tienes en este caso 16, 17, 18 sí, sino lo que le está pasando es que tú estás en el experimento, tú hiciste las muestras, las muestras.

00:24:47:17 Acá abajo está la opción de micrófono por acá. Entonces en la opción, entonces en el no, tranquilo Francisco, no hay problema. Lo que tú haces es que si tú tienes una variable de 15, 16, 17, 18, tú no estás armando un experimento, sino que estarías tratando de hacer una correlación entre dos variables numéricas.

00:25:08:18 Entonces, en este sistema no puedo tener lo que vas a tener es que que solamente vas a hacer 15,15%. Hiciste cinco muestras con 20%. Cinco muestras con 25%, cinco muestras. No tienes entonces la variabilidad que tiene de tener 16, 17, porque no es el interés?

00:25:31:01 No, no es el interés. No es el interés del. Del experimento que estamos diseñando. No sé si ahora soy un poco más claro. Francisco. Ok. Con gusto, Francisco. Entonces, en este caso, ustedes ya están viendo aquí que su variable categórica de 15, 20, 25, 30 y 35.

00:25:49:14 Viéndola desde este punto, bueno, entonces ese análisis. Pues no, no es que no reafirma la hipótesis inicial que tenemos en el experimento, que parece ser que la tela con un 30% de algodón parece ser la que tiene mayor resistencia a la tensión.

00:26:11:05 Bueno, entonces volvemos nuevamente a nuestra presentación. Volviendo a la presentación. Entonces. Qué pasa? Tenemos que ya en ese momento. Entonces lo que empezamos a hacer es el desarrollo del diseño experimental a través de un comp, de un diseño o de un análisis de experimentos de un diseño experimental completo al azar.

00:26:24:09 Entonces, ese experimento descrito es posible o lo vamos a poder describir de la siguiente manera como Jeshua y J. Igual amigo, más o sui más es mi cuate para todos los I y para todos los j los Y.

00:26:45:22 Entonces que son los diferentes niveles de factor y J son el número de réplicas que tenemos. Entonces lo que yo busco es establecer 1JJ que es la o sea, o caracteriza la observación y J es mío. Va a ser entonces la medida general del sistema, que ya lo habíamos visto allá como una línea de color violeta.

00:27:00:20 Si no está mal, entonces y vamos a tener Tsui, que es el efecto del tratamiento del tratamiento, y decimos y el error aleatorio? Qué es eso en términos simples? En términos simples, lo que estamos buscando es que tener una prueba de igualdad de medias.

00:27:19:14 Anova Lo que sirve para ser estadísticamente una prueba igual a de maíz, donde h se observa, nos dice que la media de los tratamientos o muestras son iguales y h1 vamos a tener que. La hipótesis alternativa es que la media de los tratamientos o eres maestro no son iguales en al menos un par matemáticamente.

00:27:33:05 Entonces ese es H Subzero, mi Usui igual a mi, eso es J y H1 es igual a que mi uso es diferente a mis dos gotas en al menos un par. Eso en términos simples, lo podemos llevar a una nota.

00:27:49:11 Y en ese año, entonces qué hacemos? Que lo que tratamos de probar, que fue la hipótesis anterior, podemos traducirla en una hipótesis o llamémosla en un juego de hipótesis equivalentes, que los tratamientos de ahí son iguales o el tratamiento del delta, perdón?

00:28:05:08 El efecto del tratamiento es igual al tratamiento, al efecto del tratamiento J, es decir, va a ser cero la diferencia entre los tratamientos o la hipótesis alternativa. Vamos a decir que Tsui es diferente a su COT en al menos un par.

00:28:22:01 En términos simples, lo que estamos diciendo es que, en efecto, el tratamiento I es igual al tratamiento J en término o simplemente vamos a decir que no existe diferencia entre los tratamientos. Por eso el cero acá y vamos a utilizar entonces para qué?

00:28:37:22 Para probar estas dos hipótesis, un procedimiento estadístico que se conoce como no o análisis de varianza, en la cual tenemos un estadístico de prueba que decimos que vamos a calcular con F pro, lo vamos a comparar contra un F teórico.

00:29:00:04 Y si este valor calculado o este F, este f calculado es mayor que el f crítico h Subzero se va a rechazar y me permití extraer que el procedimiento o un resumen del procedimiento atrás de algo que conocemos como el cuadro o en la nube, que es donde vamos a tener la suma de cuadrados de los tratamientos

00:29:22:17 la suma de cuadrados del error y la suma cuadrada total del experimento, el número de grados de libertad, el cuadrado medio del sistema y las la el estadístico F, que es el que tenemos acá abajo. Eso nos tardaría un tiempo de explicar de manera muy matemática, pero asumiendo que conocemos la estadística y la matemática que hay detrás

00:29:35:00 del método. Yo lo voy a hacer en experimento. Con quién? Con estas gráficas. Y cómo lo hacemos? Hacemos o tenemos en el menú comparar? En el menú comparar vamos a tener algo que sea con ARSA como una nova simple.

00:29:56:12 Y a partir de la nueva simple, qué hacemos? Establecemos entonces el procedimiento estadístico que nos va a ahorrar mucho tiempo si lo hiciéramos con otro, si lo hiciéramos de manera manual. Entonces, a partir de eso, entonces vamos a ir a nuestro estado graphics, que tenemos ya abierto con los datos y vamos a ir.

00:30:13:00 Entonces miren que acá nos va guardando la información. Entonces voy a ir a volver al libro de datos que nuevamente tenemos acá, que nuestro sistema al tener nuestro sistema. Entonces nuevamente viene acá las etiquetas de valores, etcétera, etcétera nuevamente, entonces qué hacemos?

00:30:34:12 Vamos a nuestro sistema, a nuestro menú de comparación, vamos a la nueva simple y en la nueva simple tenemos resistencia a la atención como variable dependiente y como factor peso porcentual de alcohol. Nuevamente hacemos que aceptar nos va a dar el cuadro de diálogo y en el cuadro de diálogo entonces me dice el resumen del análisis.

00:30:52:02 Según resumen estadístico, una tabla nueva, una tabla de medias, una prueba de múltiples rangos, una verificación de varianza, una prueba tres iguales y una mediana. De modo y tenemos los gráficos. Los gráficos está el gráfico de dispersión, el la gráfico, las medias, el gráfico de medias y el gráfico.

00:31:14:04 Y así bigotes gráfico de residuos, el análisis de media o no, las medianas y las cuartiles. Entonces, si ustedes se fijan muy detenidamente en este tipo de análisis, el me presenta todos los procedimientos que yo puedo hacer sobre el análisis ANOVA, con el cual yo podría comprobar supuestos entre yo puedo comprobar los supuestos que tiene una nube

00:31:34:15 que eso lo vamos a hacer en un momento, que la prueba múltiple, la prueba, la verificación de varianza, por ejemplo, que es uno de los de los supuestos fuertes que tiene el Anova. También tenemos entonces otro tipo de elementos como iguales, que es cuando se viola el supuesto de normalidad y entonces ahí podemos hacer un no paramétrico

00:31:53:23 hoy y hoy estamos acá al tabla, a la tabla no? Entonces vamos a hacer resumen del análisis y el gráfico de dispersión, que es usualmente lo que generalmente se hace y se establece para el sistema. Podemos tener más, obviamente, pero lo vamos a aceptar y vamos mostrando como funciona en este caso.

00:32:13:23 Entonces, ¿qué pasa? En este caso lo que sucede es que ya tenemos una nueva simple. Nuevamente entonces en el stat reporter que tienen acá, el les va diciendo, el es establece qué es lo que hace y hace una, llamémosle así, una explicación del procedimiento, cuando yo no estoy muy seguro de que lo que acabo de procesar.

00:32:29:04 Entonces en este aviso, si ustedes se dan cuenta, él dice este presentó ejecuta un análisis de balance de un factor, de un factor para la resistencia.

Tensión: Construye varias pruebas y gráficas para comparar los valores de resistencia entre los cinco niveles de peso porcentual de algo.

00:32:42:12 Si se dan cuenta, él ya tomó las variables que yo le di el nombre y adapta un texto para que uno pueda entender lo que está pasando. La prueba de fe en la tabla determinará si hay diferencias significativas entre la lista.

00:33:00:00 Si las hay, entonces no me está diciendo qué es lo que yo puedo hacer después. Si hay diferencias extremas, entonces la prueba arranco múltiple. Le dirá en cuales medidas son significativamente diferentes de otras. Si le preocupa la presencia de valores atípicos, él es la prueba de que los cabales.

00:33:17:03 Eso es cuando no sé cómo no se cumple el supuesto de normalidad, la cual compara las medianas en lugar de las medias. Las diferencias gráficas ayudarán busca la significancia, práctica los resultados. Entonces, si se dan cuenta, ustedes pueden tener aquí una ayuda para su caso particular.

00:33:35:20 Una ventaja muy bacana de esta gratis. Y en la parte abajo, esto es encuentran la tabla ANOVA. Entonces en la tabla ANOVA en este caso se están viendo. Entonces, en esta tabla nueva, ustedes pueden cambiar el tamaño. De esto, entonces hay en la tabla, no?

00:33:59:19 Entonces se descompone la varianza. Entonces tenemos la entre grupos, entre grupos el sumo es la es para los tratamientos. Esto es, tenemos la suma de cuadrados de los tratamientos, los grados de libertad, los tratamientos el cuadrado medio de los tratamientos la razón F Este es razón F es 14.76 s 14 76 que indica indica como está en

00:34:20:22 rojo que hay diferencias significativas entre ellos. Probablemente si buscamos en la tabla de F con. 0.05. El número de grados de libertad de la F sería cuatro y para 20. Eso da 9.4. Sino si mi memoria no me falla.

00:34:38:08 Entonces como 14 76 es mayor a 9.9. Que es más o menos el valor para este. Entonces estoy en donde existen suficientes pruebas estadísticas para rechazar a que se observe. Es decir, la media de los tratamientos en este caso es diferente.

00:34:52:21 Es decir, los tratamientos o el efecto de los tratamientos es diferente para al menos uno de ellos. Eso es lo que estamos, o lo que me quiere decir es si lo quiero hacer de manera tal que yo no consulte la tabla.

00:35:15:10 Es decir, no tenga que tener impresas tablas de F. Puse el valor P, el valor P, en este caso fundamental. Su tema es atravez de qué? De establecer que si el p calculado el valor p calculado es inferior a 0.05 que es 0.05 es mi nivel de significancia h subzero se rechaza.

00:35:37:12 En este caso el valor P con cuatro cifras significantes es de cero. Eso qué quiere decir? Que como está por debajo de punto 05H, su error se rechaza. Es decir, me está confirmando que la media de la resistencia a la tensión que proporcionan los diferentes tratamientos es diferente en al menos un par.

00:35:57:10 O en términos o en otros términos. El efecto de los trata de los diferentes tratamientos o de los diferentes pesos porcentuales de algo es diferente en al menos un par. Entonces, cuál es el diferente? Yo podría decir y podría establecer que es este, pero yo no sé este que es de 30% de algodón en la tela.

00:36:14:14 Pero no lo sé hasta que yo no pueda. Hasta que yo no haga que una prueba de rango es múltiples. Por eso les dice que tienen que hacer una prueba de rangos múltiples. Entonces, si ustedes ven en el estatal visor o en el siguiente el pertinencia que tienen, entonces que es lo que dice?

00:36:30:02 Puesto que el valor de la P de la prueba es menor que cero cinco. Existe una diferencia estadísticamente significativa entre la medida de resistencia de tensión entre los niveles de peso por su empate algodón y otro con un nivel del 5% de significación.

00:36:48:09 Para determinar cuáles son las medidas significativas. Diferente de otras. Por múltiples pruebas de múltiples rangos. A partir de ese entonces, qué pasa? Pues si uno no sabe interpretar la tabla, la el, el advisor le está diciendo también cómo interpretarla.

00:37:11:02 Ventaja. Está gratis y es muy chévere en ese caso, porque nos ayuda a leer a veces las tablas cuando llevamos mucho tiempo, por ejemplo, sin hacer contenidos estadísticos, pues nos da una interpretación rápida de los resultados. Entonces, en este caso, mi primera conclusión con Anova del experimento que ya hicimos es que existe al menos un tratamiento o

00:37:28:03 un peso porcentual de algo que me garantiza una match, una resistencia a la tensión diferente. No sé si es más, no sé si es menos. Hasta ahí hay alguna pregunta, caballeros? Damas. Bueno, entonces hicimos a Noa. Ya hicimos una nueva con esta gráfica.

00:37:47:21 Si se dan cuenta, si, un procedimiento bastante rápido, entonces vamos a ir a donde vamos a ir. En este momento vamos a hacer otra situación. Entonces, usualmente cuando uno hace Anova que busca, pues uno a muchas. En muchas de las ocasiones, el mismo procedimiento se aplica para el diseño completo.

00:38:03:10 Azar con datos incompletos. Sí, María Esther. Entonces ahí lo que hace es que te va a decir exactamente o te va a decir en ese caso, como es un diseño no balanceado, se hace exactamente igual en este caso, pues simplemente para qué?

00:38:18:04 Para que cuando ustedes revisen esta grabación lo pueden comparar y esa es una de las partes que tiene este ejercicio o este problema. Lo saque el libro de diseño y análisis de experimentos del profesor Montgomery de la Universidad Alabama.

00:38:37:05 Él tiene su libro en español, en inglés, y este es el ejemplo que el trata en su capítulo tres, que es el ejemplo, el ejemplo típico para ejemplificar. Entonces lo que uno busca también es que ustedes con la grabación ya vayan, tomen el libro y miren que los valores que nos están dando son iguales a los que

00:39:05:12 están presentados por ya, por un por, por la literatura KRK en este caso, pero es exactamente igual. Maria Esther. No, con mucho gusto. Bueno. Alguna otra pregunta? Bueno, entonces pasamos. Entonces si ya está claro, ahí el ano. Entonces vamos a donde vamos a realizar qué?

00:39:19:13 Los supuestos. Entonces ahí teníamos el tabla Noa. Ahí está el reporte. Entonces como existía una diferencia, entonces vamos a hace la diferencia de medida por pares. Qué es eso? H Subzero. Y me excuso por el doble. H Subzero, la media mayor.

00:39:36:09 Los tratamientos o muestras son iguales. H1 La media de los tratamientos muestra no son iguales por. Entonces la diferencia de medias por pares. Estas pruebas de diferencia son bastantes, son un son generosas en su cantidad en la literatura y en la estadística.

00:39:53:22 Entonces lo que uno hace es establecer cada par en lo que organizáis, hacer en este caso 1,2, 1,3, 1,4, 1,5, después hacer 2,3, 2,4, vez con cinco y así sucesivamente hasta encontrar todas las combinaciones de pares entre los tratamientos.

00:40:09:09 Desde ese punto de vista, lo que él hace es establecer que tan diferentes son y la una de las programas conocidas, por ejemplo en la prueba LS de PH. La prueba es el sr. Fischer se define como que como este estadístico que está acá a partir de él.

00:40:28:06 Entonces que decimos? Decimos que si yes suit, o sea la media de un tratamiento o la diferencia entre las medias de los tratamientos son mayores a LST. H Subzero se rechaza. Entonces aquí tenemos la media de un tratamiento y la media de otro tratamiento y se hace la combinación.

00:40:45:14 Entonces, a partir de eso. Entonces. Qué hacemos a partir de eso, entonces? Pues nuestro sistema o nuestra forma de pensar nos va a llevar a qué? A que lleguemos y lo hagamos. ¿En dónde? En esta gráfica. Y cómo lo hacemos en esta gráfica?

00:41:06:16 Lo vamos a hacer de una manera muy simple. Entonces nos vamos a ir nuevamente a donde estábamos, que era comparar. No simple. Íbamos a hacerlo con pruebas de múltiples rangos. Es decir, la que tenemos acá. Entonces volvamos. A nuestro, a nuestro software, a nuestro esta graphics.

00:41:22:13 Y vamos a hacer. Entonces una forma es que nos vamos a comparar a Nueva Simple y volver a hacer todo nuevamente o simplemente le voy a dar acá clic derecho y le voy a dar aquí cuales opciones de análisis en las opciones?

00:41:46:17 Perdón, opciones de análisis. Discúlpeme que creo que la. Click derecho. Diálogo de captura. Ahí está. Vamos a verificar que está bien. Vamos a ir acá. ¿Comparar a no? Discúlpeme. Que estoy. Tablas y gráficas. Perdón? En tablas y gráficos aparecen acá.

00:42:02:15 Esto es lo que hay aquí. Prueba de múltiples rangos, que fue lo que nos decía la presentación que hicimos en todas las pruebas de múltiples rangos que debo aceptar. Cuando aceptó entonces me salió que la prueba LCD, entonces la probé de múltiples rangos.

00:42:23:18 Le doy doble clic para que me la ahora grande y poder establecer ya o leer el sistema de manera más fácil. Entonces tiene el nivel, entonces el nivel es 15, entonces aparece ordenado miren acá nueve, ocho, entonces me está diciendo acá grupos homogéneos, entonces en este caso hace el recuento de cada uno de las unidades muestrales que

00:42:42:11 tiene cada uno de los niveles. Me muestra la media ordenada de menor a mayor, si usted lo ven acá, entonces qué pasa? Nueve, ocho, 18, 15, cuatro, 17, seis y ordenó los niveles. De acuerdo a quiénes? A esa media, de menor a mayor y en los grupos homogéneos.

00:43:00:18 Entonces esta gráfica presenta cuáles parecen ser iguales y cuáles parecen ser diferentes. Entonces, en este caso las X indican o una columna x indica cuáles son iguales y cuáles son diferentes. Si usted lo ve bien, entonces parece ser que el tratamiento es de 15%.

00:43:19:16 El contenido porcentual de algodón es igual al treinta y cinco por ciento. Después es que esos dos son iguales, pero son diferentes a los niveles o a la resistencia a la tensión. Allá para veinte y veinticinco aquí hay otro nivel.

00:43:44:02 Y treinta es solo. Es decir, tenemos tres grupos en homogéneos diferentes. En términos simples, lo que voy a decir es lo siguiente quince o el nivel porcentual de algodón en la fibra de quince y treinta y cinco son estadísticamente similares y diferentes a veinte veinticinco, que son iguales entre sí, pero diferentes a los demás niveles, y treinta

00:44:05:20 es diferente a todos los cuatro anteriores. Eso en términos OK. Si yo quisiera analizar esta prueba de rangos múltiples de manera muy específica, me voy a mostrar aquí el contraste de quince y veinte. Miren que aquí hay una diferencia, como está en rojo, yo se que que hay una diferencia muy alta y por eso se da

00:44:18:16 Aquí la diferencia, por eso se da o se dice que entre quince y veinte hay diferencias significativas, porque el máximo de tres punto setenta y cuatro, la prueba LCD me fija que el máximo permitido es de tres setenta y cuatro.

0:44:30:15 Como la diferencia es de menos cinco punto seis, pues entonces está fuera de los límites. Es decir, que quince es uno o es muy diferente a veinte, quince a veinticinco, quince a treinta, a quince a treinta y cinco.

00:44:44:06 Si ustedes miran acá en quince a treinta y cinco aparece en color negro y al aparecer en color negro me está diciendo es que qué? Que son similares. Entonces ahí se ve de una vez todo. Si no tengo muy o.

00:45:05:04 No lo puedo interpretar de ninguna manera o no recuerdo muy bien como se leen. Entonces el me va diciendo acá estadísticamente lo que está pasando. Entonces me dice el asterisco que se encuentra al lado de los ocho pares indica que estos pares muestran diferencia estadísticamente significativas con el nivel del 95% de confianza en la parte superior de

00:45:21:01 la página científica o tres grupos homogéneos según la alineación de las X en columnas. No existe diferencia significativa de estadísticamente significativa entre aquellos niveles que comparten una misma columna ex. Entonces miren que nos da una. Una qué? Una.

00:45:38:14 Una explicación de cómo se está interpretando. Jorge Luis. Existe algún material para desarrollar el procedimiento como el webinar que nos puedan compartir? Muchas gracias. Bueno, eso ya lo hacen con Luisa. Pero sí, inicialmente te voy a decir que sí existe la grabación.

00:45:56:20 La grabación soporte chop a través de Elisa, de Ángela, a Erika les va dejar un link habilitado si lo estiman. Hace un momento Luisa lo compartió con nosotros. Aquí está. Luisa nos compartió la grabación de esta sesión para encontrar la próxima semana en nuestra página web.

00:46:27:11 Ahí está. Y entonces ahí vas a poderla encontrar. Jorge. Listo, Jorge. Con gusto, Jorge. Bueno preguntas hasta ahí te los rango es múltiples. Entonces, si quiero volver a nuestra página anterior, les doy aquí, en nuestro nuestro. Llamémoslo así, en nuestro menú de análisis.

00:46:53:15 Ahora bien, si usted está en editar, entonces acá. Necesitan más cosas, entonces podríamos hacer muchas más. LR elementos hasta ahí. No sé si hay alguna pregunta más. Ah, bueno, una de las preguntas que habitualmente hacen ustedes es esta que acabo de hacer?

00:47:09:20 Entonces le damos clic aquí derecho y me voy aquí a Opciones de Ventana. Y a veces uno no necesita únicamente LCD, sino uno necesita cambiarla o hacer varias pruebas de múltiples rangos. Entonces uno puede tener aquí un toque que fue Pon Perroni.

00:47:24:10 La prueba estoy en Neuman y Cols, la prueba de Duncan y la prueba de Cams. Entonces, si ustedes se dan cuenta, tenemos una colección de procedimientos alternativos. Qué pasa si yo lo hay aquí? TUC te vamos a ver tú que h de terminen.

00:47:47:23 Que hs de cambio nuestra. ¿Qué? Nuestra forma de ver. Entonces aquí está subgrupos homogéneos. Entonces miren que aquí está nuevamente a través de la explicación que acepto que nuevamente por columnas, entonces estos dos siguen siendo iguales. Estos dos siguen siendo iguales, aparentemente 35 y 20 son iguales ahora, y 20 y 25 son iguales entre sí, y 25

00:48:09:12 y 35 a veces. Entonces, qué es lo que hace? Uno establece cuáles son las pruebas con antelación. Entonces a veces uno escoge LSD. A veces uno es que escoge, por ejemplo Tuki. A veces uno escoge este Neumann y Claims depende de lo que ustedes están haciendo y depende del tipo de experimento que ustedes tengan.

00:48:31:19 Por ejemplo, si usted estuviese en grupo control, si tuvieran grupo control, hay que hacer Duncan. Duncan es la única que me permite hacer evaluaciones de o contra grupos de control. Entonces, si ustedes se dan cuenta que pueden cambiar muchísimo, muchísimo los procedimientos, entonces a buen pueden hacer una prueba de robustez.

00:48:47:13 Entonces acá cuando yo hago click derecho sobre la nota, sobre el cuadro, el anual, no sobre el de múltiples rangos, sino sobre la nueva. Yo puedo hacer opciones de ventana y puedo hacer pruebas de robustez. Entonces puedo hacer, por ejemplo, el procedimiento de Welch o el procedimiento de Brown y Forsyth.

00:49:04:04 Entonces aparece. Entonces miren que ahí está la prueba de robustez que les pueda indicar qué tan robusto ha sido su procedimiento estadístico entonces. Y aparece ahora, entonces que el desplegado también muestra el resultado una prueba robusta para la que hay medias donde se hace human.

00:49:28:04 Y entonces podemos mirar acá. Perdóneme por morir. Del grupo donde se suman variables diferentes debido a que el PIB vale para esa prueba es menor que cero cinco. Existe una diferencia estadística significante entre las medias al nivel de significancia 5%, es decir, la prueba robustez a que a llamemos a reconfirmar o a hecho una confirmación adicional de

00:49:48:11 qué? De que hay diferencia significativa entre los tratamientos. Vemos que tiene la mano levantada. Alguna pregunta comentario? Muchas gracias por este espacio. Existe algún material? No sé, pero segundo. Muchas gracias. Listo? Creo que no hay preguntas. Bueno, señores.

00:50:09:04 Listo. Vamos con la. Entonces. Creo que eso ha sido como un. Una. Una forma muy, muy, muy sencilla. Serrano. Vamos a volver a nuestra presentación. Entonces ya teníamos acá que hicimos pruebas, múltiples rankings, cuando existe diferencia significativo. Y vienen ahora los supuestos generalmente que hace uno cuando tiene ganó.

00:50:25:09 Entonces uno hace. Si hay diferencia significativa, hace la prueba múltiples rangos, identifica cuales son diferentes. Si son iguales, pues no hay problema. Y pasamos inmediatamente a la verificación de quién? De los supuestos. Entonces hablamos de una prueba de igualdad de varianzas en la prueba de igualdad de varianzas.

00:50:46:05 ¿Qué pasa? En la probada igualdad de varianzas. Hay algo más a cambiar? Tomar en la prueba de igualdad o una verificación de supuestos se hace a través de qué? De una prueba de igualdad de variantes. Uno de los supuestos muy fuertes que tiene a mano es establecer que los cada uno de los tratamientos o cada uno de

00:51:04:17 las muestras que toma son iguales en varianza. Y para eso entonces qué hacemos? Una prueba, una hipótesis nula donde decimos que la varianza del tratamiento es igual a la varianza. Los datos del tratamiento J. En términos simples estamos diciendo que que son iguales a aquí hay un error.

00:51:19:21 Cito de tipografía. No, no, no me fijé cuando elaboré la presentación y ahí es que la hipótesis nula es que que haces? O la h1 o la varianza o la hipótesis alternativas es que la varianza del tratamiento es diferente a la.

00:51:43:18 Varianza del tratamiento J en al menos un par y generalmente se hace una prueba leve. Si hacemos la prueba LD se utiliza lesta y grafo F y F. Entonces decimos que si el F calculado es mayor o igual al f alba de Alfa, b1, b2, h subzero se rechaza eso en esta gráfica donde se ve en la

00:52:00:10 misma tabla o en el mismo análisis que estamos haciendo acá, que es verificación de la varianza. Entonces con verificación de la varianza, entonces qué hacemos? Vamos a establecer el primer supuesto de una nueva pregunta y vamos a volver nuevamente a nuestro sistema que tenemos acá y que hacemos.

00:52:18:00 Entonces vamos a darle clic derecho. Ya sabemos que es Opciones de ventana. Perdón. Tablas y gráficos nuevamente. Entonces en tablas y gráficas. Entonces aquí aparece la verificación de la varianza. Yo puedo tener los mismos análisis o solamente lo podría generar?

00:52:30:20 Voy a generarlo ahí para que se vea. Y entonces, en la verificación de la varianza, si ustedes se dan cuenta que aparecen uno. Mis cuatro análisis. De manera que al mismo tiempo. Si yo necesito ver este de manera idéntica.

00:52:54:21 Entonces qué pasa? Ya voy a ver el análisis de level y en análisis del evento se me dice que hay un valor P de 0.6372. Si ustedes recuerdan, yo les decía que si ese nivel era inferior a cero puntos, 05H sub cero se rechaza en este caso que está diciendo que no existen suficientes pruebas estadísticas para rechazar

00:53:11:22 cero, lo cual valida mi Anova y dice que los tra todos los tratamientos tienen la misma varianza. Entonces ustedes lo pueden ver acá. Si usted lo ven acá, entonces esa es la comparación de la varianza tratamiento por tratamiento, que es lo que hace la prueba del even.

00:53:34:07 Entonces dice acá cuál es la que la varianza para Sigma uno y para asignados o la varianza para el tratamiento uno que es 15% y para el tratamiento dos que en este caso el 20% nos da la distribución F para S y nos muestra cero 90 0.9 como 0.9 no es menor a 0.0 5H0.

00:53:48:17 No se rechaza con No existen suficientes pruebas estadísticas para rechazar H0. Si no tengo claro eso, pues acudo a donde and advisors y el advisor me dice que que las desviaciones típicas para cada parte. Muestras por debajo de cero cinco.

00:54:10:03 No existen y entonces existen o indican una diferencia estadística significativa de OSI cinco nivel de por 100 de significación el es falta una si no existe una diferencia estadística significativa entre las definiciones estándar. Eso qué quiere decir? Que se está validando el supuesto de qué?

00:54:28:18 De sea, de homogeneidad, de variantes. Me vuelvo a ca entonces nuevamente, y si quiero yo le doy clic derecho acá me voy a Opciones de ventana y en Opciones de ventana aquí encontramos la prueba que correrán 1/1 de la prueba Hartley y la prueba leer, modificar.

00:54:48:10 Entonces recuerden mucho compran. Entonces se utiliza cuando que cuando es un diseño balanceado. Bartlett se usa cuando es un diseño balanceado y se cumple el supuesto de normalidad que no lo hemos probado. Hartley tiene es una prueba utilizada cuando tengo supuesto de normalidad la prueba.

00:55:07:07 El even ya se utiliza entonces cuando no hay supuesto normalidad garantizado y level modificada, entonces se establece cuando yo no tengo o ya no tengo ningún supuesto verificar. Entonces del eficaz se utiliza sobre medio. Para los que son curiosos de la estadística le ven así sobre que una medición sobre error.

00:55:26:22 Lo que hace es medir errores. Sobre una media global del sistema. El modificador calcula errores sobre la media. Entonces aceptar. Démosle el modificador y se van a dar cuenta que ya hay cambio y entonces ya tienen que las varianzas establecidas o calculadas sobre la mediana.

00:55:52:14 Bueno, 0.86 y 26 y se vale. Listo. Dos segundos. Como se varia el limite del rival en sino sea que sea cero cinco sino cero 25. Ok, entonces vamos acá. Voy a cerrar acá un poquito. Y entonces recuerdas entonces cuando hacíamos acá opciones de análisis?

00:56:30:06 Pero si tengo. Perdónenme y se excusan en que tengo pega hoy. Entonces. Cuando ustedes hicieron acá la resistencia a la tensión. Vamos a darle clic. Clic derecho. Diálogo de captura. Pero le mete dos segundos. Ya te muestro por donde lo hacemos.

00:57:13:11 Es una simple resistencia a la tensión que se porcentual factor aceptar. Entonces cuando tú ves acá, tú a saber aquí que hay almacén. Todos creo que sacan a saltar. Que esté bien. Sí. 95%. Hay una forma de hacerlo rápido para no cambiarlo.

00:57:33:11 Bucear más acá. Opciones tubulares. Entonces si tú te das cuenta que esta ni el alfa del valor pesa 5%. Si tu quieres cambialo al 0.25, entonces le has ahí que no sea el 5% sino el 2.5%. Vuelvo y te repito por donde lo hacemos.

00:57:51:00 Toy me voy a ca le digo que tablas y graficas le digo entonces quitémosle todo. Dejemos nuevamente los que estaban. Tabla de medias. Verificación de varianza. No esta. Y vamos a acá en estos cuatro. Y aquí teníamos solamente el gráfico de dispersión.

00:58:19:06 Entonces aceptar nuevamente. Entonces nos damos acá. Vamos a donde? Opciones tabular y entonces en opciones tubulares. Aquí tú le cambias. No sé si fue claro. Luisa. Listo. No hay más preguntas. Me. Me hice entender por dónde lo haces.

00:58:36:18 Me excuso por la demora un poquito mientras pensé dónde era que se cambiaba. Bueno, con mucho gusto. Bueno. Listo. Entonces ahí le cambian el valor. Entonces pueden cambiar los niveles de significancia. Desde ese punto de vista. Entonces teníamos entonces la verificación de la varianza.

00:58:59:07 Entonces, ahí está. Prueba el even las diferentes pruebas o K. Entonces vamos nuevamente acá. Entonces tenemos ahí a bueno, a quien nuestro. En nuestro menú auxiliar podemos ir viendo cada uno de los elementos de manera abierta, que es cuando le doy doble clic en sí.

00:59:14:09 Bueno, si se verifica ya en este modo, en este momento verificamos que verificamos homogeneidad de variantes. Entonces la apariencia son iguales para el tratamiento. Qué otro supuesto tiene esto? Entonces el otro supuesto que vamos a trabajar. Entonces es cuál?

00:59:28:23 Vamos a la siguiente. Entonce