[Escriba el ttulo del documento]| [Seleccione la fecha]

UNIVERSIDAD AUTNOMA DE COAHUILA FACULTAD DE SISTEMAS UNIDAD SALTILLO

DIVISIN DE POSGRADO MAESTRA EN INGENIERA APLICADA CON ACENTUACIN EN MANUFACTURA INTEGRAL

T5 METODO DE BONFERRONI, BARTLLET Y LEVENE

IMPARTE: Dr. David Gonzlez Gonzlez

AUTOR: Ing. Iris Sara Snchez Leyva

Saltillo, Coah. A 5 Octubre de 2013.

[Escriba el ttulo del documento]| [Seleccione la fecha]

MTODO DE BONFERRONI Se utiliza frecuentemente cuando se quiere realizar un nmero pequeo de comparaciones. Suponga que un experimentador quiere hacer comparaciones .Entonces se rechaza si

Donde el error. En la tabla A.2 del Apndice del libro de Milliken Bonferroni para valores , glerror al 10, 15 al 50 (de cinco en cinco),100 y 250. Tenga en cuenta que en esta tabla Si , y entonces tambin en una tabla de distribucin significacin
Ejemplo 1

percentil de una distribucin de

variables multivariada con se encuentran los valores de de y nmero de comparaciones. . Este valor se puede encontrar pero utilizando como nivel de

para el cual

En el ejemplo de los medicamentos si se comparan todos los pares de medias posibles al nivel de significacin de 5% , entonces se tienen comparaciones y no con (contrastes simples), y as el valor de El valor porcentual de la distribucin de Bonferroni se busca con el valor de

pero el valor que se encuentra es el percentil. Los intervalos de confianza para el mtodo de Bonferroni que se pueden recomendar, tienen la forma

donde es en nmero de comparaciones. Este mtodo es particularmente bueno cuando el experimentador quiere hacer solamente un nmero pequeo de comparaciones. Milliken recomienda este mtodo en comparaciones planeadas cuando la prueba para la igualdad de medias ha sido significativa.
Ejemplo 2

(Ejemplo 10.2.1Pag 295 susan)

[Escriba el ttulo del documento]| [Seleccione la fecha]

Un ingeniero qumico est estudiando un polmero recientemente desarrollado para ser utilizado en la eliminacin de los residuos txicos del agua. Los experimentos se realizan a cinco temperaturas diferentes. La respuesta observada es el porcentaje de impurezas eliminadas por el tratamiento; se han obtenido los siguientes datos: La tabla de ANOVA aparece a continuacin en la cual se observa que la hiptesis se puede rechazar con .

Supongase que se desea realizar las ; ; ;

comparaciones posibles por parejas ;

Y se quiere que la probabilidad de cometer almenos un rechazo incorrecto sea como mximo de . Bajo la suposicin de que las varianzas poblacionales son iguales, puede contrastarse cada una de estas hiptesis utilizando una prueba de varianzas conjunta de dos colas, donde la prueba estadstica es:

Donde

Donde

es el estimador conjunto de

basado en muestras extradas de las

poblacionales y . Tambin se pueden disponer de otro estimador de , es decir de , el cual estaba dado en todos los datos disponibles y de esta manera la prueba puede mejorarse utilizando:

[Escriba el ttulo del documento]| [Seleccione la fecha]

Como la ejecucin de los test es laboriosa se procede con el test de Bonferroni basado en el estadstico anterior. Este procedimiento implica un serio problema que debe ser tratado con cuidado, es decir, si todos los test se ejecutan a un nivel de significacin , la probabilidad general de hacer al menos un rechazo incorrecto, indicado por , es mayor que y su valor generalmente es desconocido. Sin embargo se puede demostrar que siempre que se realice un conjunto de test , cada uno de ellos el nivel de significacin , es como mucho . Por ejemplo, si , entonces como se ha demostrado en el ejemplo que se est siguiendo hay pares posibles de medias que pueden compararse. Si cada test se realiza al nivel , entonces la probabilidad de efectuar al menos un rechazo incorrecto es como mucho . Es fcil apreciar que a medida que aumenta, la posibilidad general de error puede ser inaceptablemente alta. Para realizar los test de Bonferroni, de forma responsable, elegimos algn lmite superior razonablemente pequeo, , para la probabilidad de cometer al menos un rechazo incorrecto. A continuacin podemos realizar cada test al nivel de significacin donde indica el nmero actual de test a realizar, por ejemplo si queremos que sea de como mucho , realizaremos cada una de nuestras comparaciones por parejas al nivel de significacin. Para el ejemplo que tratamos la hiptesis nula puede rechazarse con Supongamos que se desean realizar las comparaciones por parejas y que queremos que la probabilidad de cometer al menos un rechazo incorrecto sea como mximo . Para alcanzar este objetivo, cada test debe realizarse al nivel El estadstico de contraste de dos colas es: .

Puesto que todos los tamaos de muestra son iguales entonces:

En forma de contraste se tiene. rechazar

si

Como el valor de no se encuentra en la tabla de Bonferroni al nivel , entonces se puede encontrar utilizando la tabla de con nivel de significacin

[Escriba el ttulo del documento]| [Seleccione la fecha]

Ahora de la tabla se puede obtener el valor crtico Para realizar cada test solo se necesita comparar las diferencias absolutas entre las medias mustrales respectivas con este valor Si y concluimos que las dos

entonces se rechaza

medias poblacionales y son diferentes. NOTA: Si los tamaos de muestra hubieran sido diferentes se deba haber calculado una diferencia crtica por separado para cada test.

EL MTODO DE BARTLETT Es un estimador consistente del espectro de potencia que realiza un promediado del periodograma. La mejora respecto al periodograma reside en la reduccin de varianza. Supongamos K realizaciones incorreladas de un proceso aleatorio x(n). Cada realizacin tiene una longitud L. El periodograma de cada realizacin xi(n) es:

El promedio de estos periodogramas define el estimador de Bartlett:

El valor medio de Sx(ejw):

donde WB(ejw) es la transformada de Fourier de la ventana de Bartlett, wB(k), que se extiende desde -L hasta L. Este estimador es asintticamente no sesgado. Con esta suposicin de realizaciones incorreladas, obtenemos una varianza de Sx(ejw):

K veces inferior a la del periodograma y tiende a cero cuando K tiende a infinito. En consecuencia, Sx(ejw) resulta ser un estimador consistente del espectro de potencia si K y L pueden tender a infinito (es decir, si son lo suficientemente altos). En este mtodo hemos supuesto realizaciones incorreladas de un proceso, pero esta situacin, en la prctica, es difcil de conseguir. Generalmente se dispone de una sola realizacin de un proceso x(n) de longitud N, y Bartlett propone dividir este proceso en K secuencias no solapadas de longitud L, donde N = KL: xi(n) = x(n + iL) n = 0, 1, ..., L-1 i = 0, 1, ..., K-1 El estimador de Bartlett con este supuesto es:

El estimador de Bartlett es asintticamente no sesgado:

[Escriba el ttulo del documento]| [Seleccione la fecha]

Los periodogramas utilizados para el promediado tienen longitud L, por ello, la resolucin de este mtodo es:

que es K veces mayor (peor) que en el periodograma. Como las secuencias xi(n) generalmente estn correladas, (a no ser que x(n) sea ruido blanco), la reduccin en la varianza no es tan grande como hemos visto anteriormente. De todas formas, la varianza va a ser inversamente proporcional a K, y asumiendo que las secuencias de datos estn aproximadamente incorreladas, para valores elevados de N, la varianza resulta ser, aproximadamente:

Si permitimos que K y L tiendan a infinito cuando N tiende a infinito, el estimador de Bartlett ser un estimador consistente del espectro de potencia. Para un valor fijo de N, el mtodo de Bartlett ofrece un compromiso entre resolucin y varianza a travs de los valores de K y L. Es decir, podremos reducir la varianza a costa de una prdida de resolucin espectral, y viceversa, pues al ganar en resolucin veremos incrementada la varianza. A continuacin,se resumen las propiedades del mtodo de Bartlett:

Sesgo o bias:

Resolucin:

Varianza:

PRUEBA DE LEVENE DE HOMOGENEIDAD DE VARIANZAS Uno de los pasos previos a la comprobacin de si existen diferencias entre las medias de varias muestras es determinar si las varianzas en tales muestras son iguales (es decir, si se cumple la condicin de homogeneidad de varianzas o homoscedasticidad), ya que de que se cumpla o no esta condicin depender la formulacin que empleemos en el contraste de medias. Existen varias pruebas que permiten comprobar la igualdad de varianzas (F de Fisher, Fmax de Hartley, prueba de Bartlett, etc), pero aqu desarrollaremos la prueba de Levene que es la que emplea SPSS. Para su clculo se siguen los siguientes pasos:

[Escriba el ttulo del documento]| [Seleccione la fecha]

1.- Calcular la diferencia (en valor absoluto) entre cada valor y la media de su grupo:

donde... Xij: es la puntuacin del sujeto i perteneciente al grupo j. es la media del grupo j. 2.- Calcular la media de las diferencias de cada grupo: donde... Dij: es la suma de las puntuaciones D en el grupo j. nj: es el tamao del grupo j. 3.- Calcular la media total de las diferencias: donde...
j:

Dij: es la suma de las puntuaciones D de todos los sujetos. N: es la suma de todos los sujetos. 4.- Calcular la suma de cuadrados intragrupo (SCintra):

5.- Calcular la suma de cuadrados intergrupo (SCinter):

6.- Calcular los grados de libertad: G.L.(inter) = k -1; siendo k el nmero de grupos.

G.L.(intra) = ; siendo nj el tamao muestral del grupo j. 7.- Calcular la media cuadrtica intergrupos (MCinter)= SCinter / G.L.inter 8.- Calcular la media cuadrtica intragrupos (MCintra)=SCintra / G.L.intra 9.- Calcular la F = MCinter / MCintra

[Escriba el ttulo del documento]| [Seleccione la fecha]

El mtodo de Bartlett (1948) es un estimador consistente del espectro de potencia que realiza un promediado del periodograma. La mejora respecto al periodograma reside en la reduccin de varianza. Supongamos K realizaciones incorreladas de un proceso aleatorio x(n). Cada realizacin tiene una longitud L. El periodograma de cada realizacin xi(n) es:

El promedio de estos periodogramas define el estimador de Bartlett:

El valor medio de Sx(ejw):

donde WB(ejw) es la transformada de Fourier de la ventana de Bartlett, wB(k), que se extiende desde -L hasta L. Este estimador es asintticamente no sesgado. Con esta suposicin de realizaciones incorreladas, obtenemos una varianza de Sx(ejw):

K veces inferior a la del periodograma y tiende a cero cuando K tiende a infinito. En consecuencia, Sx(ejw) resulta ser un estimador consistente del espectro de potencia si K y L pueden tender a infinito (es decir, si son lo suficientemente altos). En este mtodo hemos supuesto realizaciones incorreladas de un proceso, pero esta situacin, en la prctica, es difcil de conseguir. Generalmente se dispone de una sola realizacin de un proceso x(n) de longitud N, y Bartlett propone dividir este proceso en K secuencias no solapadas de longitud L, donde N = KL: xi(n) = x(n + iL) n = 0, 1, ..., L-1 i = 0, 1, ..., K-1 El estimador de Bartlett con este supuesto es:

El estimador de Bartlett es asintticamente no sesgado:

[Escriba el ttulo del documento]| [Seleccione la fecha]

Los periodogramas utilizados para el promediado tienen longitud L, por ello, la resolucin de este mtodo es:

que es K veces mayor (peor) que en el periodograma. Como las secuencias xi(n) generalmente estn correladas, (a no ser que x(n) sea ruido blanco), la reduccin en la varianza no es tan grande como hemos visto anteriormente. De todas formas, la varianza va a ser inversamente proporcional a K, y asumiendo que las secuencias de datos estn aproximadamente incorreladas, para valores elevados de N, la varianza resulta ser, aproximadamente:

Si permitimos que K y L tiendan a infinito cuando N tiende a infinito, el estimador de Bartlett ser un estimador consistente del espectro de potencia. Para un valor fijo de N, el mtodo de Bartlett ofrece un compromiso entre resolucin y varianza a travs de los valores de K y L. Es decir, podremos reducir la varianza a costa de una prdida de resolucin espectral, y viceversa, pues al ganar en resolucin veremos incrementada la varianza.

A continuacin, resumimos las propiedades del mtodo de Bartlett:

Sesgo o bias:

Resolucin:

Varianza: