Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 608 vistas

    Polinomios Ortogonales....

    Cargado por

    Nahomi Pexoxa
    Este documento describe los polinomios ortogonales y comparaciones ortogonales, que son herramientas del análisis funcional utilizadas para representar tendencias en los datos. Los polinomios ortogonales permiten terminar tendencias mediante ecuaciones de regresión y son aplicables a cualquier tipo de diseño o arreglo de factores cuantitativos igualmente espaciados. Las comparaciones ortogonales también pueden aplicarse a cualquier diseño y no requieren diferencias significativas, pero deben responder preguntas lógicas sobre los factores.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Polinomios Ortogonales....

    Cargado por

    Nahomi Pexoxa
    608 vistas3 páginas
    Este documento describe los polinomios ortogonales y comparaciones ortogonales, que son herramientas del análisis funcional utilizadas para representar tendencias en los datos. Los polinomios ortogonales permiten terminar tendencias mediante ecuaciones de regresión y son aplicables a cualquier tipo de diseño o arreglo de factores cuantitativos igualmente espaciados. Las comparaciones ortogonales también pueden aplicarse a cualquier diseño y no requieren diferencias significativas, pero deben responder preguntas lógicas sobre los factores.

    Descripción original:

    polinomios

    Título original

    POLINOMIOS ORTOGONALES....

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe los polinomios ortogonales y comparaciones ortogonales, que son herramientas del análisis funcional utilizadas para representar tendencias en los datos. Los polinomios ortogonales permiten terminar tendencias mediante ecuaciones de regresión y son aplicables a cualquier tipo de diseño o arreglo de factores cuantitativos igualmente espaciados. Las comparaciones ortogonales también pueden aplicarse a cualquier diseño y no requieren diferencias significativas, pero deben responder preguntas lógicas sobre los factores.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    608 vistas3 páginas

    Polinomios Ortogonales....

    Cargado por

    Nahomi Pexoxa
    Este documento describe los polinomios ortogonales y comparaciones ortogonales, que son herramientas del análisis funcional utilizadas para representar tendencias en los datos. Los polinomios ortogonales permiten terminar tendencias mediante ecuaciones de regresión y son aplicables a cualquier tipo de diseño o arreglo de factores cuantitativos igualmente espaciados. Las comparaciones ortogonales también pueden aplicarse a cualquier diseño y no requieren diferencias significativas, pero deben responder preguntas lógicas sobre los factores.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 3

    POLINOMIOS ORTOGONALES

    Las comparaciones y polinomios ortogonales son parte del análisis funcional:

     Se busca respuestas a preguntas previamente establecidas


     Trata de mostrar tendencias (polinomios ortogonales en la representación de los
    datos.

    Comparaciones Ortogonales

     Es aplicable a cualquier diseño o arreglo


     No requiere diferencia significativa en ADEVA
     Deben responder a preguntas lógicas
     Comparaciones =GLt
     Desdoblar la SCt
     Factores cualitativos o cuantitativos

    Polinomios Ortogonales

     Son ecuaciones de regresión


     Permiten terminar tendencias
     Aplicable a cualquier tipo de diseño o arreglo
     Polinomios =GLt
     Solo a factores cuantitativos igualmente espaciados

    Coeficientes y divisores para comparaciones ortogonales

    TRATAMIENTOS IGUALMENTE ESPACIADOS

    Numero de Grado del Ajuste Totales de tratamiento Divisor


    Tratamientos polinomio
    T1 T2 T3 T4 T5 T6
    2 1 lineal -1 +1 2
    3 1 Lineal -1 0 +1 2
    2 cuadrático +1 -2 +1 6

    4 1 lineal -3 -1 +1 +3 20
    2 cuadrático +1 -1 -1 +1 47
    3 cubico -1 +3 -3 +1 20

    5 1 Lineal -2 -1 0 +1 +2 10
    2 Cuadrático +2 -1 -2 -1 +2 14
    3 cubico -1 +2 0 -2 +1 10
    4 Cuartico +1 -4 +6 -4 +1 70

    6 1 Lineal -5 -3 -1 +1 +3 +5 70
    2 Cuadrático +5 -1 -4 -4 -1 +5 84
    3 Cubico -5 +7 +4 -4 -7 +5 180
    4 Cuartico +1 -3 +2 +2 -3 +1 28
    5 Quintico -1 +5 -10 +10 -5 +1 252

    Modelos de ajuste de los polinomios


    Polinomios Ortogonales

    Aspectos Generales

    Los polinomios ortogonales cuando se trabaja con valores promedio de Y


    correspondientes a cada nivel de la variable independiente (X) o cuando se cuenta con
    una observación.

    Habrá notado que el número de modelos polinómicos (respuestas) posible a probar, es


    igual a dos grados menos (n-2) que el número de niveles de estudiados (n).

    Es decir, con tres niveles de un factor solo se puede probar el efecto lineal: con cuatro
    niveles sus respuestas con lineal y cuadrática y con cinco niveles la respuesta es lineal,
    cuadrática y cubica.

    En el contexto de un Diseño Experimental se utilizan todos los valores de Y: luego como


    se verá más adelante el número de respuestas posibles de probar es igual a un grado menos
    (n-1) que el número de niveles estudiados (n). Así con tres niveles de un factor, hay dos
    grados de libertad que pueden particionarse en uno, asociado con la respuesta lineal, y
    otro con la respuesta cuadrática. Con una curva de segundo grado o mayor siempre pasa
    por tres puntos puede ser más apropiado referirse a la última como asociado a una
    respuesta no lineal o con falta de ajuste a una respuesta lineal.

    En investigaciones, sobre todo en carácter agronómico, es muy raro encontrar respuestas


    cuarticas o de mayor grado, por lo que, al estudiar más de cuatro niveles de un factor, lo
    más común es probar las respuestas lineal, cuadrática y cubica.

    La suma de cuadrados de los contrastes permite probar cual es el grado apropiado del
    polinomio. Cada uno de las SC se prueba mediante el termino de error, siendo la hipótesis
    nula que la media de la población para la comparación es cero. Si solo es efecto lineal es
    significativo, se concluye que el incremento en la respuesta entre niveles sucesivos del
    factor es constante dentro de la variación aleatoria del orden del error experimental.

    Un efecto cuadrático significante indica que una parábola se ajusta mejor a los datos; esto
    es, que explica significativamente más variación entre medias de tratamientos que una
    recta; es decir el aumento o disminución por cada incremento adicional no es constante,
    sino que varía progresivamente (STEELY TORRIE, 1992)

    También podría gustarte