lunes, 3 de abril de 2017

Más conceptos(pendiente)


Conceptos

Datos crudos:Datos que no han sido transformados
Datos no crudos:Datos transformados,por lo general provienen de sumatorias o promedios.Como por ejemplo la precipitación,la radiación.

Las medidas más importantes en agronomía son el promedio(media,medida de tendencia central) y la varianza(medida de dispersión),normalmente,se le calculan a datos crudos.El promedio suele ser muy sensible a datos atipícos y por lo tanto muchas veces su valor no nos representa adecuadamente nuestros datos;por otra parte la varianza es importante ya que mis datos deben tener la menor variabilidad posible dentro de un mismo conjunto datos, ya que estos provienen de un mismo lugar y por lo tanto tienen que ser muy similares,allí,es donde cobra la importancia de la repetición de toma de datos(la variabilidad de datos solo puede ser posible en diferentes tratamientos).Cuando hay valores que no son similares estos reciben el nombre de datos atipícos,los cuales pueden ser producidos por errores intrumentales o humano.
Si hay muchos datos atipícos  se pueden eliminar o puede repetirse la toma de datos.

En R la varianza se calcula con 


 for
 como se que r me alculo varianza muestral o poblacional

sd---desviacion estandar
var---varianza
en R los anetriores son meustrales

varianza=sum cuadrados/grados libertad






Imágenes tomadas de :https://es.slideshare.net/helena0912/stats-muestreo
http://www.monografias.com/trabajos88/dispersion-relativa/image001.png 



ANOVA----->Análisis de varianza

El ANOVA me permite saber si mi varianza se debe a los tratamientos(ideal) o a las repeticiones.
Dicho ANOVA es diferente para cada diseño.
El ANOVA realiza una razón entre VarY/VarX,donde Y son los tratamientos y X el error.Dicha razón al graficarse se comporta como una curva de f .En el ANOVA se encuentra el f value y me dice cuanto son los tratamientos más variables que el error,donde lo que se desea es que dicho número sea grande .Sin embargo nuestro pr (f) es el valor con el que tomamos la decisión de la variabilidad de los datos .
 

No hay comentarios:

Publicar un comentario