ANÁLISIS ESTADÍSTICO
Name the character
Type in the name of the character whose change throughout the story you are going to analyze.
Example: Nick Carraway.
EXPERIMENTOS CON DOS FACTORES
Hipótesis y análisis de varianza
Este análisis es completamente aleatorizado donde debe de considerarse el caso de n replicas de las combinaciones, determinadas por a niveles del factor A y b niveles del factor B.
El modelo estadístico para este diseño es:
yij = µ + τi + βj + (τβ)
ij + uij i = 1, 2, · · · , a ; j = 1, 2, · · · , b , donde:
uij son vv aa. independientes con distribuciónN(0, σ).
(τ β) ij: Efecto producido por la interacción entre A×B, i(τβ)ij =j(τβ) ij = 0
βj: Efecto producido por el nivel j-ésimo del factor B,(βj = 0)
τi: Efecto producido por el nivel i-ésimo del factor A, (τi = 0).
µ: Efecto constante denominado media global.
yij : Representa la observación correspondiente al nivel (i) del factor A y al nivel (j)
del factor B.
Puede describirse mediante el modelo de efectos dado por la media general, el efecto i-esimo del factor A.
Comparación de medias
Se usa un ANOVA y se rechaza H0 y así mismo saber cuales medias causan las diferencias detectadas.
EXPERIMENTOS CON UN FACTOR
La ecuación que modela dicho fenómeno es de la siguiente manera:
Desde el punto de vista estadístico, la hipótesis fundamental a probar cuando se comparan varios tratamientos es:
En función de los tratamientos
H1: Ti ≠ 0 para algún i
H0: T1 = T2= ... = Tk = 0
En función de las medias:
H1: µi ≠ µj para algún i ≠ j
H0: µ1= µ2=...=µk =µ
Yij = µ + Ti + Єij { i = 1,2, ... , a y j = 1,2, ... , n
Con el fin de tomar una decisión en la solución de un problema real.
Por lo general las comparaciones se hacen en términos de las medias poblacionales, aunque también es importante la comparación de varianzas y capacidad actual para cumplir con ciertas especificaciones como calidad y productividad.
Habitualmente un diseño de un solo factor aleatorio se compone de las siguientes características:
Configuración matricial para recolección de los datos.
Hipótesis y respectivas pruebas.
El diseño de un solo factor es el mas simple de todos, pues contempla solo dos fuentes de variabilidad: los tratamientos (o niveles) y el error aleatorio. Se denominan en algunas ocasiones diseños completamente aleatorizados por que las corridas experimentales se realizan en orden aleatorio, dado en este caso que no tienen restricciones impuestas por factores como el bloqueo.
Los experimentos con un solo factor comprenden experimentos que se usan cuando el objetivo es comparar más de dos tratamientos, pero que corresponden a niveles de un mismo factor. Vale la pena recordar que a los tratamientos también se les puede llamar niveles.
Algunos ejemplos podrían ser:
Comparar dietas.
Comparar varios materiales.
Comparar varios procesos para la obtención de un producto o un resultado.
Comparar dos o tres máquinas.
EXPERIMENTOS CON DOS O MÁS FACTORES
Character's behavior
Think of the character's behavior at the beginning of the story and look for the way it changed throughout the story.
Diseños para comparar dos o más tratamientos.
Diseño en cuadrados latinos y grecolatinos
Diseño de bloques completos al azar
Diseño completamente al azar
The reason for the change in behavior
What caused the character to change the first behavior you mentioned? Type in the reason for the change.
Example: 'because no one else was interested ', and he felt Gatsby shouldn't be left alone in his last moments.
Diseño factorial general
Dejando de lado estas pequeñas desventajas, un diseño factorial constituye uno de los pilares de muchas disciplinas científicas, ya que ofrece excelentes resultados en el campo.
La mayor desventaja es la dificultad de experimentar con más de dos factores o muchos niveles. Un diseño factorial debe ser planificado cuidadosamente, ya que un error en uno de los niveles o en la operacionalización general pondría en peligro una gran cantidad de trabajo.
El diseño factorial, además de simplificar el proceso y abaratar el costo de la investigación, permite muchos niveles de análisis. Además de resaltar las relaciones entre las variables, permite que sean aislados y analizados por separado los efectos de la manipulación de una sola variable.
Los diseños factoriales son muy útiles para el campo como estudio preliminar, ya que les permiten juzgar si existe una conexión entre las variables y reducen la posibilidad de un error experimental y de variables de confusión.
Change in behavior
In what way did the character change the other behavior(s) you mentioned? Type in a relevant quote.
Example:
'You said a bad driver was only safe until she met another bad driver? Well, I met another bad driver, didn't I? [...]
I thought you were rather an honest, straightforward person. I thought it was your secret pride.'
Un diseño factorial es utilizado generalmente por los que desean comprender el efecto de dos o más variables independientes respecto de una única variable dependiente.
Change in behavior
How did the character change the first behavior you mentioned? Type in a quote to prove your statement.
Example: Nick assumes the whole responsibility for Gatsby's funeral arrangements, 'with that intense personal interest to which every one has some vague right at the end.'
Transformaciones para estabilizar varianza
Transformaciones de estabilización del nivel. Un suave descenso de los valores de la FAS indica que todos los valores de la serie están estrechamente correlacionados con el valor anterior. Si analiza el cambio de los valores de la serie, obtendrá un nivel estable.
Initial behavior
What is the character's behavior at the beginning of the story? Type in a relevant quote for your statement.
Example: Nick seems to be an honest person, calling himself 'one of the few honest people that I have ever known'.
Diferenciación estacional. Es idéntica a la diferenciación simple, excepto en que se calculan las diferencias existentes entre cada valor y el valor estacional anterior.
Si se usa la diferenciación simple o estacional de forma simultánea con la transformación logarítmica o de raíz cuadrada, siempre se aplicará primero la transformación de estabilización de la varianza. Si se usan la diferenciación simple y estacional, los valores de la serie resultante son iguales independientemente de si se aplica primero una diferenciación u otra.
Diferenciación simple. Se calculan las diferencias existentes entre cada valor y el anterior de la serie, a excepción del valor más antiguo de la serie. Por tanto, la serie diferenciada tendrá un valor menos que la serie original.
Las series en las que la varianza cambia a lo largo del tiempo con frecuencia se pueden estabilizar con una transformación logarítmica natural o de raíz cuadrada. También reciben el nombre de transformaciones funcionales.
Initial behavior
How does the character act at the beginning of the story? Type in a relevant quote for your statement.
Example: Nick shows his immature side as he leaves to New York in order to avoid 'being rumored into marriage' with his girlfriend.
Raíz cuadrada. La función de raíz cuadrada se aplica a los valores de las series.
No se pueden usar las transformaciones logarítmica natural o de raíz cuadrada para series con valores negativos.
Logaritmo natural. El logaritmo natural se aplica a los valores de las series.
Sirve para reducir un conjunto de datos a una forma comprensible e interpretable mediante el uso de técnicas matemáticas que ayudan a categorizar, ordenar y manipular dicha información. El análisis estadístico se utiliza para realizar interpretaciones de un fenómeno y en diversos contextos constituye un insumo importante para la toma de decisiones.
Title
Type in the title and author of the literary work that introduces the character.
Example: The Great Gatsby, by F. Scott Fitzgerald.
