Estudio por simulación del desempeño de distintos métodos para el análisis de diseños experimentales bifactoriales con tamaños muestrales pequeños
El diseño de experimentos permite estudiar simultáneamente los efectos de varios factores de interés y de sus interacciones sobre una variable respuesta. El Análisis de la Variancia (ANOVA) es la herramienta estadística clásica que suele emplearse en este contexto pero su validez es limitada frente...
Guardado en:
| Autores principales: | , , , , , , |
|---|---|
| Formato: | Objeto de conferencia Resumen |
| Lenguaje: | Español |
| Publicado: |
2018
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/72787 http://47jaiio.sadio.org.ar/sites/default/files/LatinR_51.pdf |
| Aporte de: |
| Sumario: | El diseño de experimentos permite estudiar simultáneamente los efectos de varios factores de interés y de sus interacciones sobre una variable respuesta. El Análisis de la Variancia (ANOVA) es la herramienta estadística clásica que suele emplearse en este contexto pero su validez es limitada frente al incumplimiento de sus supuestos (normalidad, homocedasticidad e independencia de los errores aleatorios presentes en las observaciones), lo cual es frecuente en la experimentación en sistemas biológicos.
El objetivo de este trabajo fue evaluar la capacidad de distintas técnicas implementadas en R para ensayar el efecto interacción en diseños bifactoriales con tamaños muestrales pequeños a través de un estudio por simulación: el método clásico (MC), Aligned Rank Transform (ART), Puri-Sen (PS), Van der Waerden (VDW) y una alternativa robusta (R). |
|---|