TALLER DE REPASO ANLISIS DE VARIANZA I) Se realiz un estudio de ingeniera de trnsito sobre los retrasos en las intersecciones con semforos

en las calles de una ciudad. Se usaron tres tipos de semforos: 1) programado, 2) semiactivado y 3) activado. Se usaron cinco intersecciones para cada tipo de semforo. La medida de retraso utilizada fue el promedio de tiempo que cada vehculo permanece detenido en cada interseccin (segundos/vehculo). Los datos son los siguientes: a) Escriba el modelo estadstico para este estudio y explique sus componentes b) Establezca las suposiciones necesarias para un anlisis de varianza de los datos. c) Calcule el anlisis de varianza. d) Calcule las medias del retraso en el trnsito y sus errores estndar por tipo de semforo. e) Calcule el intervalo de confianza del 95% estimado para las medias de los tipos de semforo y para sus efectos. f) Pruebe la hiptesis de que no hay diferencia entre las medias de retraso para los tipos de semforo a un nivel de significancia de 0.05. g) Estime los siguientes contrastes y sus errores estndar: 1) Los semforos programados vs. los semiactivados y activados 2) Los semforos semiactivados vs. los activados h) Pruebe la hiptesis nula para cada contraste en g), H0: W=0, con la prueba t de student a un nivel de significancia de 0.05. i) Pruebe la hiptesis nula para cada contraste en g), H0: W=0, con la prueba F a un nivel de significancia de 0.05 j) cul es la relacin entre las pruebas de los incisos h) e i) ? k) Valide los supuestos del modelo l) Utilice los datos del ejercicio para determinar cuntas intersecciones necesita el ingeniero de trnsito con cada tipo de semforo para rechazar la hiptesis nula a un nivel de significancia de 0.01, con una potencia de 0.90, si los retrasos medios respectivos en los tres tipos de seal fueron 20, 18 y 16 segundos. programado 36.6 39.2 30.4 37.1 34.1 semiactivado 17.5 20.6 18.7 25.7 22.0 activado 15.0 10.4 18.9 10.5 15.2 PROGRAMA SAS:
options nodate nocenter nonumber; goptions colors=(black,black,black) cback=white cback=white ftext=simplex ftitle=simplex htitle=0.9 htext=0.7; data transito; do i=1 to 3; input tiemporet @; output; end; cards; 36.6 17.5 15.0 39.2 20.6 10.4 30.4 18.7 18.9 37.1 25.7 10.5 34.1 22.0 15.2 ; run; data transito (drop=i); set transito; if i=1 then tiposemaf='programado'; if i=2 then tiposemaf='semiactiv'; if i=3 then tiposemaf='activado'; run; proc sort data=transito; by tiposemaf; run; title1'Boxplot Comparativo de tiempos de detencion';

title2'Tres tipos de Semaforo'; proc boxplot data=transito; plot tiemporet*tiposemaf; run; quit; title1'Graficos de medias de tiempos de detencion'; title2'Tres tipos de Semaforo'; proc gplot data=transito; plot tiemporet*tiposemaf=1/frame; symbol1 i=stdj v=star c=black l=1; run; quit; title'ANOVA Y ESTIMACIONES'; PROC GLM DATA=TRANSITO; class tiposemaf; FIJOS: model tiemporet=tiposemaf/SS1 CLPARM; means tiposemaf; means tiposemaf/hovtest=bartlett duncan tukey; estimate 'efecto activado' tiposemaf 2 -1 -1/divisor=3; estimate 'efecto programado' tiposemaf -1 2 -1/divisor=3; estimate 'efecto semiactiv' tiposemaf -1 -1 2/divisor=3; estimate 'programado vs. otros' tiposemaf -1 2 -1/divisor=2; contrast 'programado vs. otros' tiposemaf -1 2 -1; estimate 'semiactivado vs. activado' tiposemaf -1 0 1; contrast 'semiactivado vs. activado' tiposemaf -1 0 1; output out=ESTAD residual=res predicted=pred stdp=std lclm=lim_infc uclm=lim_supc; run; quit; proc print data=estad;run; title'Grafico de residuales'; proc gplot data=estad; plot res*tiposemaf=1/vref=0 lvref=2; plot res*pred=2/vref=0 lvref=2; symbol1 i=none v=star; symbol2 i=none v=star; run; quit; proc univariate data=estad normaltest noprint; var res; probplot res; inset normaltest probn; run; quit; /*CALCULO DE TAMAO DE MUESTRAS*/ /*VARIANZA ESTIMADA=MSE=(137.828/12), ALPHA(activado)=-2, ALPHA(semiactiv)=0, ALPHA(programado)=2*, v1=2, v2=3(n-1) potencia deseada=0.90, significancia=0.01*/ data tamano; do n=2 to 30; v2=3*(n-1); fcr=finv(0.99,2,v2); nc=(96/137.828)*n; pot=1-probf(fcr,2,v2,nc); output; end; run; title'tamao de muestra'; proc print data=tamano;run;

SALIDAS SAS:
The GLM Procedure
ANOVA Y ESTIMACIONES Class Level Information Class Levels Values tiposemaf 3 activado programado semiactiv Number of observations 15 Dependent Variable: tiemporet Sum of Source DF Squares Mean Square Model 2 1202.628000 601.314000 Error 12 137.828000 11.485667 Corrected Total 14 1340.456000 R-Square Coeff Var Root MSE tiemporet Mean 0.897178 14.44608 3.389051 23.46000 Source DF Type I SS Mean Square tiposemaf 2 1202.628000 601.314000

F Value 52.35

Pr > F <.0001

F Value 52.35

Pr > F <.0001

Medias y Desviaciones Estndar Level of ----------tiemporet ----------tiemporet---------tiemporet---------N Mean Std Dev tiposemaf tiposemaf activado programado semiactiv 5 5 5 14.0000000 35.4800000 20.9000000 3.59374457 3.37001484 3.19139468

Bartlett's Test for Homogeneity of tiemporet Variance Source DF Chi-Square Pr > ChiSq tiposemaf 2 0.0510 0.9748 Duncan's Multiple Range Test for tiemporet NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error rate. Alpha 0.05 Error Degrees of Freedom 12 Error Mean Square 11.48567 Number of Means 2 3 Critical Range 4.670 4.888 Means with the same letter are not significantly different. Grouping Mean N tiposemaf A 35.480 5 programado B 20.900 5 semiactiv C 14.000 5 activado Tukey's Studentized Range (HSD) Test for tiemporet NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher Type II error rate than REGWQ. Alpha 0.05 Error Degrees of Freedom 12 Error Mean Square 11.48567 Critical Value of Studentized Range 3.77278 Minimum Significant Difference 5.7181 Means with the same letter are not significantly different. Grouping Mean N tiposemaf A 35.480 5 programado B 20.900 5 semiactiv C 14.000 5 activado Contrast DF Contrast SS Mean Square F Value Pr > F programado vs. otros 1 1083.603000 1083.603000 94.34 <.0001 semiactivado vs. activado 1 119.025000 119.025000 10.36 0.0074 Efectos y contrastes estimados estimados Parameter efecto activado efecto programado efecto semiactiv programado vs. otros semiactivado vs. activado Estimate -9.4600000 12.0200000 -2.5600000 18.0300000 6.9000000

Standard Error 1.23750645 1.23750645 1.23750645 1.85625968 2.14342405

t Value -7.64 9.71 -2.07 9.71 3.22

Pr > |t| <.0001 <.0001 0.0608 <.0001 0.0074

Intervalos de Confianza para efectos y contrastes Parameter 95% Confidence Limits efecto activado -12.1562949 -6.7637051 efecto programado 9.3237051 14.7162949 efecto semiactiv -5.2562949 0.1362949 programado vs. otros 13.9855576 22.0744424 semiactivado vs. activado 2.2298802 11.5701198

V) En un naranjal se llev a cabo un experimento de irrigacin con un diseo de bloques completos aleatorizado en el que se usaron seis tratmientos de irrigacin en ocho bloques de rboles. Los siguientes datos se refieren al peso en libras de la fruta cosechada en cada parcela: Mtodo goteo canal rocio aspesor asp_rocio anegado 1 450 358 331 317 479 245 2 469 512 402 423 341 380 3 249 281 183 379 404 263 Bloque 4 5 125 280 058 352 070 258 063 289 115 182 062 336 6 352 293 281 239 349 282 7 221 283 219 269 276 171 8 251 186 046 357 182 098 a) Escriba el modelo para el experimento, explique los trminos y clacule el anlisis de varianza. b) Cules son las suposiciones necesarias para que el anlisis de varianza sea vlido? cmo se relacionan con el experimento? c) Estime las medias de tratamiento, los efectos y sus intervalos de confianza del 95%, haga las comparaciones mltiples para establecer grupos de tratamientos.

d) Calcule la eficiencia relativa de este diseo respecto a un diseo totalmente aleatorizado. Concluya. e) Obtenga grfica de residuales e interprtelas. PROGRAMA SAS:
options nodate nocenter nonumber; goptions colors=(black,black,black) cback=white cback=white ftext=simplex ftitle=simplex htitle=0.9 htext=0.7; data naranjas; input metodo $ @; do arbol=1 to 8; input peso @; output; end; cards; goteo 450 469 249 125 280 352 221 251 canal 358 512 281 058 352 293 283 186 rocio 331 402 183 070 258 281 219 046 aspesor 317 423 379 063 289 239 269 357 asp_rocio 479 341 404 115 182 349 276 182 anegado 245 380 263 062 336 282 171 098 ; run; proc sort data=naranjas; by arbol; run; proc boxplot data=naranjas; plot peso*arbol; run; quit; proc sort data=naranjas; by metodo; run; proc boxplot data=naranjas; plot peso*metodo; run; quit; proc gplot data=naranjas; plot peso*metodo=arbol/frame; symbol1 i=stdj v='1' c=black l=1; symbol2 i=stdj v='2' c=blue l=2; symbol3 i=stdj v='3' c=red l=3; symbol4 i=stdj v='4' c=green l=4; symbol5 i=stdj v='5' c=brown l=5; symbol6 i=stdj v='6' c=orange l=6; symbol7 i=stdj v='7' c=green l=7; symbol8 i=stdj v='8' c=orange l=8; run; quit; title'ANOVA y Estimaciones'; proc glm data=naranjas; class metodo arbol; model peso=metodo arbol/ss1 clparm; means metodo arbol; means metodo/duncan tukey; estimate 'efecto anegado' metodo 5 -1 -1 -1 -1 -1/divisor=6; estimate 'efecto asp_roci' metodo -1 5 -1 -1 -1 -1/divisor=6; estimate 'efecto aspersor' metodo -1 -1 5 -1 -1 -1/divisor=6; estimate 'efecto canal' metodo -1 -1 -1 5 -1 -1/divisor=6; estimate 'efecto goteo' metodo -1 -1 -1 -1 5 -1/divisor=6; estimate 'efecto rocio' metodo -1 -1 -1 -1 -1 5/divisor=6; estimate 'efecto arbol1' arbol 7 -1 -1 -1 -1 -1 -1 -1/divisor=8; estimate 'efecto arbol2' arbol -1 7 -1 -1 -1 -1 -1 -1/divisor=8; estimate 'efecto arbol3' arbol -1 -1 7 -1 -1 -1 -1 -1/divisor=8; estimate 'efecto arbol4' arbol -1 -1 -1 7 -1 -1 -1 -1/divisor=8;

estimate 'efecto arbol5' arbol -1 -1 -1 -1 7 -1 -1 -1/divisor=8; estimate 'efecto arbol6' arbol -1 -1 -1 -1 -1 7 -1 -1/divisor=8; estimate 'efecto arbol7' arbol -1 -1 -1 -1 -1 -1 7 -1/divisor=8; estimate 'efecto arbol8' arbol -1 -1 -1 -1 -1 -1 -1 7/divisor=8; estimate 'rocio vs. otros' metodo -1 -1 -1 -1 -1 5/divisor=5; contrast 'rocio vs. otros' metodo -1 -1 -1 -1 -1 5; estimate 'anegado y rocio vs. otros' metodo 2 -1 -1 -1 -1 2/divisor=4; contrast 'anegado y rocio vs. otros' metodo 2 -1 -1 -1 -1 2; estimate 'anegado vs rocio ' metodo 1 0 0 0 0 -1; contrast 'anegado vs rocio ' metodo 1 0 0 0 0 -1; output out=ESTAD residual=res predicted=pred; run; quit; output out=ESTAD residual=res predicted=pred; run; quit; title'Grafico de residuos'; proc gplot data=estad; plot res*metodo=1/vref=0 lvref=2; plot res*arbol=2/vref=0 lvref=2; plot res*pred=3/vref=0 lvref=2; symbol1 i=none v=star; symbol2 i=none v=dot; symbol3 i=none v=diamond; run; quit; proc univariate data=estad normaltest noprint; var res; probplot res; inset normaltest probn; run; quit;

ANOVA y Estimaciones The GLM Procedure Class Level Information Class Levels Values metodo 6 anegado asp_roci aspesor canal goteo rocio arbol 8 1 2 3 4 5 6 7 8 Number of observations 48 Dependent Variable: peso Sum of Source DF Squares Mean Square F Model 12 505348.3333 42112.3611 Error 35 146888.4792 4196.8137 Corrected Total 47 652236.8125 R-Square Coeff Var Root MSE peso Mean 0.774793 23.89959 64.78282 271.0625 Source DF Type I SS Mean Square F metodo 5 47841.6875 9568.3375 arbol 7 457506.6458 65358.0923 Medias y Desviaciones estndar por tratamiento Level of -------------peso-----------metodo N Mean Std Dev anegado 8 229.625000 111.407793 asp_roci 8 291.000000 124.751181 aspesor 8 292.000000 110.432914 canal 8 290.375000 132.303696 goteo 8 299.625000 117.127449 rocio 8 223.750000 122.266395

Value 10.03

Pr > F <.0001

Value 2.28 15.57

Pr > F 0.0678 <.0001

Medias y Desviaciones estndar por bloque Level of -------------peso-----------arbol N Mean Std Dev 1 6 363.333333 87.307884 2 6 421.166667 61.694138 3 6 293.166667 83.422819 4 6 82.166667 29.728213 5 6 282.833333 60.730278 6 6 299.333333 43.720323 7 6 239.833333 43.700877 8 6 186.666667 110.293548 Duncan's Multiple Range Test for peso NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error rate. Alpha 0.05 Error Degrees of Freedom 35 Error Mean Square 4196.814 Number of Means 2 3 4 5 6 Critical Range 65.76 69.13 71.32 72.90 74.09 Means with the same letter are not significantly different. Duncan Groupi ng Mean N metodo A 299.63 8 goteo A B A 292.00 8 aspesor B A B A 291.00 8 asp_roci B A B A 290.38 8 canal B A B A 229.63 8 anegado B B 223.75 8 rocio Tukey's Studentized Range (HSD) Test for peso NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher Type II error rate than REGWQ. Alpha 0.05 Error Degrees of Freedom 35 Error Mean Square 4196.814 Critical Value of Studentized Range 4.26141 Minimum Significant Difference 97.604 Means with the same letter are not significantly different. Grouping Mean N metodo A 299.63 8 goteo A A 292.00 8 aspesor A A 291.00 8 asp_roci A A 290.38 8 canal A A 229.63 8 anegado A A 223.75 8 rocio Contrast rocio vs. otros anegado y rocio vs. otros anegado vs rocio DF 1 1 1 Contrast SS 21489.33750 47259.37500 138.06250 Mean Square 21489.33750 47259.37500 138.06250 F Value 5.12 11.26 0.03 Pr > F 0.0300 0.0019 0.8571

Efectos estimados Parameter efecto anegado efecto asp_roci efecto aspersor efecto canal efecto goteo efecto rocio efecto arbol1 efecto arbol2 efecto arbol3 efecto arbol4 efecto arbol5 efecto arbol6 efecto arbol7 efecto arbol8 I.C para efectos Parameter efecto anegado efecto asp_roci efecto aspersor efecto canal efecto goteo efecto rocio efecto arbol1 efecto arbol2 efecto arbol3 efecto arbol4 efecto arbol5 efecto arbol6 efecto arbol7 efecto arbol8 Contrastes Estimados Parameter rocio vs. otros anegado y rocio vs. otros anegado vs rocio I.C para contrastes Parameter rocio vs. otros anegado y rocio vs. otros anegado vs rocio

Estimate -41.437500 19.937500 20.937500 19.312500 28.562500 -47.312500 92.270833 150.104167 22.104167 -188.895833 11.770833 28.270833 -31.229167 -84.395833

Error 20.9085651 20.9085651 20.9085651 20.9085651 20.9085651 20.9085651 24.7393478 24.7393478 24.7393478 24.7393478 24.7393478 24.7393478 24.7393478 24.7393478

t Value -1.98 0.95 1.00 0.92 1.37 -2.26 3.73 6.07 0.89 -7.64 0.48 1.14 -1.26 -3.41

Pr > |t| 0.0554 0.3468 0.3235 0.3620 0.1806 0.0300 0.0007 <.0001 0.3777 <.0001 0.6372 0.2609 0.2152 0.0016

95% Confidence Limits -83.884144 1.009144 -22.509144 62.384144 -21.509144 63.384144 -23.134144 61.759144 -13.884144 71.009144 -89.759144 -4.865856 42.047287 142.494379 99.880621 200.327713 -28.119379 72.327713 -239.119379 -138.672287 -38.452713 61.994379 -21.952713 78.494379 -81.452713 18.994379 -134.619379 -34.172287

Estimate -56.775000 -66.562500 5.875000

Standard Error 25.0902781 19.8356065 32.3914097

t Value -2.26 -3.36 0.18

Pr > |t| 0.0300 0.0019 0.8571

95% Confidence Limits -107.710972 -5.839028 -106.830922 -26.294078 -59.883058 71.633058