Deber de Diseño

4
FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS -DISEÑO DE EXPERIMENTOS -Geovanny Cárdenas Falcones- Ejercicio 7.11 >Datos=expand.grid(A=c(-1,1),B=c(-1,1), C=c(-1,1)) >Datos A B C 1 -1 -1 -1 2 1 -1 -1 3 -1 1 -1 4 1 1 -1 5 -1 -1 1 6 1 -1 1 7 -1 1 1 8 1 1 1 >s=Datos[,1]*Datos[,3] >s [1] 1 -1 1 -1 -1 1 -1 1 >Datos$vals=c(-3,0,-1,2,-1,2,1,6) >Datos$vals [1] -3 0 -1 2 -1 2 1 6 >m2=lm(vals~A+B+C+p,data=Datos) >summary(m2) Call: lm(formula = vals ~ A + B + C + p, data = Datos) Residuals: 1 2 3 4 5 6 7 8 0.25 0.25 -0.25 -0.25 0.25 -0.75 -0.25 0.75 Coefficients: Estimate Std. Error t value Pr(>|t|)

description

e

Transcript of Deber de Diseño

FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS

-DISEÑO DE EXPERIMENTOS-Geovanny Cárdenas Falcones-

Ejercicio 7.11

>Datos=expand.grid(A=c(-1,1),B=c(-1,1), C=c(-1,1))>Datos

A B C1 -1 -1 -12 1 -1 -13 -1 1 -14 1 1 -15 -1 -1 16 1 -1 17 -1 1 18 1 1 1

>s=Datos[,1]*Datos[,3]>s

[1] 1 -1 1 -1 -1 1 -1 1

>Datos$vals=c(-3,0,-1,2,-1,2,1,6)>Datos$vals

[1] -3 0 -1 2 -1 2 1 6

>m2=lm(vals~A+B+C+p,data=Datos)>summary(m2)

Call:lm(formula = vals ~ A + B + C + p, data = Datos)

Residuals: 1 2 3 4 5 6 7 8 0.25 0.25 -0.25 -0.25 0.25 -0.75 -0.25 0.75

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.75 0.25 3 0.05767 . A 1.75 0.25 7 0.00599 **B 1.25 0.25 5 0.01539 * C 1.25 0.25 5 0.01539 * p 0.25 0.25 1 0.39100 ---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.7071 on 3 degrees of freedomMultiple R-squared: 0.9709, Adjusted R-squared: 0.932 F-statistic: 25 on 4 and 3 DF, p-value: 0.01221

INTRODUCCION

Las técnicas multivariantes son, en su mayoría, herramientas muy poderosas que permiten al investigador extraer abundante información de los datos disponibles. Estas técnicas son, en sí mismas, relativamente complejas y requieren para su utilización un conocimiento profundo de sus fundamentos y condiciones de aplicabilidad, en este trabajo se presentan varias de estas técnicas:

análisis clúster es una técnica que sirve para agrupar elementos o variables tratando de lograr la máxima homogeneidad en cada grupo y la mayor diferencia entre ellos,

análisis de coordenadas principales, análisis de componentes principales, es una técnica estadística que sirve para reducir

la dimensión(numero de variables), es decir, ante una base de datos con muchas variables, el objetivo será reducirlas a un menor número perdiendo la menor cantidad de información posible.

análisis de correspondencia, con este procedimiento se puede evidenciar de manera perceptible el grado de relación entre las categorías de cada variable, cuando el grado de

asociación es alto, éstas aparecerán en el diagrama relativamente juntas

Todo esto nos va a permitir obtener resultados satisfactorios acorde con los objetivos

Objetivos generales:

Objetivos específicos:

Captación de datos.-

Los sistemas de información concebidos como el medio idóneo para estructurar, organizar y administrar la información, implican que su diseño y operación integren todos los conceptos, instrumentos y procedimientos necesarios para abordar y explicar la realidad. Un aspecto importante para la operación de un sistema de información es la base sobre la cual se captan los datos; en este sentido, es necesario señalar que en el ámbito sociodemográfi co existen tres fuentes de información básica: 1. Censos 2. Encuestas 3. Registros administrativos En el INEGI, la Dirección General de Estadística (DGE), es la responsable del Sistema Nacional de Estadísticas Vitales, entre las que se ubica la estadística de nacimientos.

Objetivos generales.-conocer y estudiar la interrelación entre las variables

Objetivos específicos.-

Establecer la influencia en el nivel de instrucción de las madres con su edad en el momento del parto

Conocer si Existe algún tipo de relación entre la peso del bebe con el tiempo de gestacion