Enviar pesquisa
Carregar
Shawn
•
Transferir como DOCX, PDF
•
0 gostou
•
750 visualizações
E
eliacosta2010
Seguir
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 20
Baixar agora
Recomendados
Plano de la ciudad 2017 publico-model
Plano de la ciudad 2017 publico-model
bolbila
Reglas para ser feliz
Reglas para ser feliz
angielopoliz
Rdc 19 2011 - dispõe sobre a inclusão, retificação e exclusão de denominações...
Rdc 19 2011 - dispõe sobre a inclusão, retificação e exclusão de denominações...
DESENVOLVA CONSULTORIA
LA FELICIDAD
LA FELICIDAD
Vanessa Macías
7 Leyes Para El Exito Profesional
7 Leyes Para El Exito Profesional
Juan Carlos Fernandez
Conferencia de la felicidad al éxito aritac 2014 toluca
Conferencia de la felicidad al éxito aritac 2014 toluca
aritactoluca
Gerente De Sueños
Gerente De Sueños
Antonio Pablo García Martín
La felicidad como pilar para lograr efectividad
La felicidad como pilar para lograr efectividad
Juan Mauricio
Recomendados
Plano de la ciudad 2017 publico-model
Plano de la ciudad 2017 publico-model
bolbila
Reglas para ser feliz
Reglas para ser feliz
angielopoliz
Rdc 19 2011 - dispõe sobre a inclusão, retificação e exclusão de denominações...
Rdc 19 2011 - dispõe sobre a inclusão, retificação e exclusão de denominações...
DESENVOLVA CONSULTORIA
LA FELICIDAD
LA FELICIDAD
Vanessa Macías
7 Leyes Para El Exito Profesional
7 Leyes Para El Exito Profesional
Juan Carlos Fernandez
Conferencia de la felicidad al éxito aritac 2014 toluca
Conferencia de la felicidad al éxito aritac 2014 toluca
aritactoluca
Gerente De Sueños
Gerente De Sueños
Antonio Pablo García Martín
La felicidad como pilar para lograr efectividad
La felicidad como pilar para lograr efectividad
Juan Mauricio
Shawn
Shawn
eliacosta2010
Simpatía
Simpatía
eliacosta2010
Elizabeth envio
Elizabeth envio
eliacosta2010
Amigos uta
Amigos uta
eliacosta2010
AMIGOS UTA
AMIGOS UTA
eliacosta2010
AMIGOS UTA
AMIGOS UTA
eliacosta2010
Mais conteúdo relacionado
Mais de eliacosta2010
Shawn
Shawn
eliacosta2010
Simpatía
Simpatía
eliacosta2010
Elizabeth envio
Elizabeth envio
eliacosta2010
Amigos uta
Amigos uta
eliacosta2010
AMIGOS UTA
AMIGOS UTA
eliacosta2010
AMIGOS UTA
AMIGOS UTA
eliacosta2010
Mais de eliacosta2010
(6)
Shawn
Shawn
Simpatía
Simpatía
Elizabeth envio
Elizabeth envio
Amigos uta
Amigos uta
AMIGOS UTA
AMIGOS UTA
AMIGOS UTA
AMIGOS UTA
Shawn
1.
16.33 Shawn. Se
realiza un experimento para saber si el color del cabello y la altura de mujeres adultas en estados unidos tienen alguna influencia en el rendimiento escolar.<br />PelirrojaRubiaCastaño<br />Alta757880<br />Media 817679<br />Bajo737577<br />> cris=data.frame(Notas,Estatura,CC)<br />> cris<br /> Notas Estatura CC<br />1 75 alta pelirroja<br />2 78 alta Rubia<br />3 80 alta Castaño<br />4 81 media pelirroja<br />5 76 media Rubia<br />6 79 media Castaño<br />7 73 baja pelirroja<br />8 75 baja Rubia<br />9 77 baja Castaño<br />><br />> Notas=c(75,78,80,81,76,79,73,75,77)<br />> CC=factor(rep(rep(1:3,each=1),3),labels=c(quot; pelirrojaquot; ,quot; Rubiaquot; ,quot; Castañoquot; ))<br />> Estatura=factor(rep(1:3,each=3),labels=c(quot; altaquot; ,quot; mediaquot; ,quot; bajaquot; ))<br />> cris=data.frame(Estatura,CC,Notas)<br />> cris<br /> Estatura CC Notas<br />1 alta pelirroja 75<br />2 alta Rubia 78<br />3 alta Castaño 80<br />4 media pelirroja 81<br />5 media Rubia 76<br />6 media Castaño 79<br />7 baja pelirroja 73<br />8 baja Rubia 75<br />9 baja Castaño 77<br />> AA=aov(Notas~Estatura+CC)<br />> summary(AA)<br /> Df Sum Sq Mean Sq F value Pr(>F)<br />Estatura 2 21.5556 10.7778 1.9208 0.2602<br />CC 2 10.8889 5.4444 0.9703 0.4534<br />Residuals 4 22.4444 5.6111 <br />><br />> interaction.plot(CC,Estatura,Notas)<br />><br />2476512700<br />interaction.plot(Estatura,CC,Notas)<br />310515110490><br />Ejercicio 2<br />La siguiente tabla da artículos producidos por 4 trabajadores en dos maquinas distintas en diferentes días a la semana.<br />Maq IMaq II<br /> L M Mie J V L M Mie J V<br />A 15 18 17 20 1214 16 18 17 15<br />B 12 16 14 18 1111 15 12 16 12<br />C 14 17 18 16 1312 14 16 14 11<br />D 19 16 21 23 18 17 15 18 20 17<br />> Numerart=c(15,18,17,20,12,12,16,14,18,11,14,17,18,16,13,19,16,21,23,18,14,16,18,17,15,11,15,12,16,12,12,14,16,14,11,17,15,18,20,17)<br />> length(Numerart)<br />[1] 40<br />> Operario=factor(rep(rep(1:4,each=5),2),labels=c(quot; Aquot; ,quot; Bquot; ,quot; Cquot; ,quot; Dquot; ))<br />> Maquina=factor(rep(1:2,each=20),labels=c(quot; MAQ 1quot; ,quot; MAQ 2quot; ))<br />> trab=data.frame(Maquina,Operario,Numerart)<br />> trab<br /> Maquina Operario Numerart<br />1 MAQ 1 A 15<br />2 MAQ 1 A 18<br />3 MAQ 1 A 17<br />4 MAQ 1 A 20<br />5 MAQ 1 A 12<br />6 MAQ 1 B 12<br />7 MAQ 1 B 16<br />8 MAQ 1 B 14<br />9 MAQ 1 B 18<br />10 MAQ 1 B 11<br />11 MAQ 1 C 14<br />12 MAQ 1 C 17<br />13 MAQ 1 C 18<br />14 MAQ 1 C 16<br />15 MAQ 1 C 13<br />16 MAQ 1 D 19<br />17 MAQ 1 D 16<br />18 MAQ 1 D 21<br />19 MAQ 1 D 23<br />20 MAQ 1 D 18<br />21 MAQ 2 A 14<br />22 MAQ 2 A 16<br />23 MAQ 2 A 18<br />24 MAQ 2 A 17<br />25 MAQ 2 A 15<br />26 MAQ 2 B 11<br />27 MAQ 2 B 15<br />28 MAQ 2 B 12<br />29 MAQ 2 B 16<br />30 MAQ 2 B 12<br />31 MAQ 2 C 12<br />32 MAQ 2 C 14<br />33 MAQ 2 C 16<br />34 MAQ 2 C 14<br />35 MAQ 2 C 11<br />36 MAQ 2 D 17<br />37 MAQ 2 D 15<br />38 MAQ 2 D 18<br />39 MAQ 2 D 20<br />40 MAQ 2 D 17<br />> AA=aov(Numerart~Maquina+Operario)<br />> summary(AA)<br /> Df Sum Sq Mean Sq F value Pr(>F) <br />Maquina 1 19.600 19.600 3.8324 0.0582818 . <br />Operario 3 129.800 43.267 8.4600 0.0002322 ***<br />Residuals 35 179.000 5.114 <br />---<br />Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 <br />> AA=aov(Numerart~Maquina*Operario)<br />> summary(AA)<br /> Df Sum Sq Mean Sq F value Pr(>F) <br />Maquina 1 19.600 19.600 3.6129 0.0663727 . <br />Operario 3 129.800 43.267 7.9754 0.0004139 ***<br />Maquina:Operario 3 5.400 1.800 0.3318 0.8023881 <br />Residuals 32 173.600 5.425 <br />---<br />Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 <br />><br />> AA=aov(Numerart~Operario*Maquina)<br />> summary(AA)<br /> Df Sum Sq Mean Sq F value Pr(>F) <br />Operario 3 129.800 43.267 7.9754 0.0004139 ***<br />Maquina 1 19.600 19.600 3.6129 0.0663727 . <br />Operario:Maquina 3 5.400 1.800 0.3318 0.8023881 <br />Residuals 32 173.600 5.425 <br />---<br />Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 <br />><br />> tapply(Numerart,list(Maquina,Operario),mean)<br /> A B C D<br />MAQ 1 16.4 14.2 15.6 19.4<br />MAQ 2 16.0 13.2 13.4 17.4<br />><br />> interaction.plot(Operario,Maquina,Numerart)<br />> <br />> interaction.plot(Maquina,Operario,Numerart)<br />> <br />> boxplot(Numerart~Operario*Maquina)<br />> <br />> boxplot(Numerart~Operario+Maquina)<br />><br />> boxplot(Numerart~Operario,Maquina)<br />> <br />> boxplot(Numerart~Operario,Maquina)<br />> AATukey=TukeyHSD(AA,quot; Operarioquot; )<br />> AATukey<br /> Tukey multiple comparisons of means<br /> 95% family-wise confidence level<br />Fit: aov(formula = Numerart ~ Operario * Maquina)<br />$Operario<br /> diff lwr upr p adj<br />B-A -2.5 -5.3221614 0.3221614 0.0974246<br />C-A -1.7 -4.5221614 1.1221614 0.3756566<br />D-A 2.2 -0.6221614 5.0221614 0.1709897<br />C-B 0.8 -2.0221614 3.6221614 0.8682166<br />D-B 4.7 1.8778386 7.5221614 0.0004533<br />D-C 3.9 1.0778386 6.7221614 0.0037944<br />> AATukey=TukeyHSD(AA,quot; Maquinaquot; )<br />> AATukey<br /> Tukey multiple comparisons of means<br /> 95% family-wise confidence level<br />Fit: aov(formula = Numerart ~ Operario * Maquina)<br />$Maquina<br /> diff lwr upr p adj<br />MAQ 2-MAQ 1 -1.4 -2.900295 0.1002951 0.0663727<br />Nonononono <br />Notas=c(3,15,2,3,14,3,6,18,6,8,10,5,1,13,2,3,4,0)<br />En determinado colegio secundario se probaron 3 tipos de programas de enseñanza de Inglés, Historia y Matemática. A través de videos. Después, los investigadores midieron el nivel de aprendizaje. Había 2 alumnos por casilla y los resultados son los siguientes.<br />> Notas=c(3,3,15,14,2,3,6,8,18,10,6,5,1,3,13,4,2,0)<br />> length(Notas)<br />[1] 18<br />> Asignatura=factor(rep(rep(1:3,each=2),1),labels=c(quot; Inglesquot; ,quot; Histoquot; ,quot; Matemquot; ))<br />> Programas=factor(rep(1:3,each=6),labels=c(quot; PAquot; ,quot; PBquot; ,quot; PCquot; ))<br />> estudio=data.frame(Programas,Asignatura,Notas)<br />> estudio<br /> Programas Asignatura Notas<br />1 PA Ingles 3<br />2 PA Ingles 3<br />3 PA Histo 15<br />4 PA Histo 14<br />5 PA Matem 2<br />6 PA Matem 3<br />7 PB Ingles 6<br />8 PB Ingles 8<br />9 PB Histo 18<br />10 PB Histo 10<br />11 PB Matem 6<br />12 PB Matem 5<br />13 PC Ingles 1<br />14 PC Ingles 3<br />15 PC Histo 13<br />16 PC Histo 4<br />17 PC Matem 2<br />18 PC Matem 0<br />> AA=aov(Notas~Programas+Asignatura)<br />> summary(AA)<br /> Df Sum Sq Mean Sq F value Pr(>F) <br />Programas 2 75.444 37.722 5.0096 0.02438 * <br />Asignatura 2 315.111 157.556 20.9240 8.632e-05 ***<br />Residuals 13 97.889 7.530 <br />---<br />Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 <br />><br />> tapply(Notas,list(Programas,Asignatura),mean)<br /> Ingles Histo Matem<br />PA 3 14.5 2.5<br />PB 7 14.0 5.5<br />PC 2 8.5 1.0<br />><br />> tapply(Notas,list(Programas,Asignatura),sd)<br /> Ingles Histo Matem<br />PA 0.000000 0.7071068 0.7071068<br />PB 1.414214 5.6568542 0.7071068<br />PC 1.414214 6.3639610 1.4142136<br />><br />> interaction.plot(Programas,Asignatura,Notas)<br />> <br />interaction.plot(Asignatura,Programas,Notas)<br />> <br />> boxplot(Notas~Programas*Asignatura)<br />> <br />> AATukey=TukeyHSD(AA,quot; Programasquot; )<br />> AATukey<br /> Tukey multiple comparisons of means<br /> 95% family-wise confidence level<br />Fit: aov(formula = Notas ~ Programas + Asignatura)<br />$Programas<br /> diff lwr upr p adj<br />PB-PA 2.166667 -2.016549 6.3498820 0.3853160<br />PC-PA -2.833333 -7.016549 1.3498820 0.2118233<br />PC-PB -5.000000 -9.183215 -0.8167846 0.0193608<br />><br />
Baixar agora