PRACTICA DE INFERENCIAS

1. Cmo seran las frmulas de las sumas de cuadrados en un modelo

factorial completo balanceado de tres factores?

y ijt =+ 1+ j+
Y = 262024.456 + 1062.075 + 9200.201 + 401.834 + 202.424

y ijt = 1 + j +
Y - 262024.456 = 1062.075 + 9200.201 + 401.834 + 202.424

2. Repetir el ejercicio como si hubiese un nico factor tratamiento con

seis niveles: 1 (tipo 1 nivel de agua 1), 2 (tipo 1 nivel de agua 2), 3
(tipo 1 nivel de agua 3), 4 (tipo 2 nivel de agua 1), 5 (tipo 2 nivel de
agua 2) y 6 (tipo 2 nivel de agua 3). Comprobar que no se modifica la
varianza residual ni el coeficiente de determinacin. Prueba esto que
se trata del mismo modelo? En qu estriban entonces las
diferencias?
Factores inter-sujetos
Etiqueta de
valor
factor_tratamiento

tipo 1 nivel de
agua 1

tipo 1 nivel de
agua 2

tipo 1 nivel de
agua 3

tipo 2 nivel de
agua 1

tipo 2 nivel de
agua 2

tipo 2 nivel de
agua 3

N
5

Pruebas de efectos inter-sujetos

Variable dependiente: valores
Tipo III de suma
Origen

de cuadrados

Cuadrtico
gl

promedio

Sig.

10664,110a

2132,822

252,874

,000

262024,456

262024,456

31066,410

,000

10664,110

2132,822

252,874

,000

Error

202,424

24

8,434

Total

272890,990

30

10866,534

29

Modelo corregido
Interceptacin
factor_tratamiento

Total corregido

a. R al cuadrado = ,981 (R al cuadrado ajustada = ,977)

Al realizar la comparacin de ambos modelos nos damos cuenta que no se

modifican los datos y se mantiene la misma varianza.

Las diferencias para este modelo es que agregu un nuevo valor llamado Factor
Tratamiento y luego realic los mismos pasos para obtener mis resultados y me
dio los mismos valores significativos.

3. De todas las familias de contrastes incluidas en este apartado del SPSS y

asumiendo que se trata de un diseo balanceado, cules estn formadas por
contrastes ortogonales?
Las variables: Tipo Planta y Nivel de Agua

4. Cmo se obtiene el error tpico de la estimacin de

1
1 ( 2 + 3) ?
2

Se obtiene aplicando la prueba de contraste y lo detallo lneas abajo.

Resultados de contraste (matriz K)
Variable
dependiente
nivel_agua contraste de Helmert
Nivel 1 versus posterior

valores

Estimacin de contraste

-32,470

Valor hipotetizado

Diferencia (Estimacin - Hipotetizado)

-32,470

Error estndar

1,125

Sig.

Nivel 2 versus nivel 3

,000

95% de intervalo de

Lmite inferior

-34,791

confianza para diferencia

Lmite superior

-30,149

Estimacin de contraste

-20,840

Valor hipotetizado

Diferencia (Estimacin - Hipotetizado)

-20,840

Error estndar

1,299

Sig.

,000

95% de intervalo de

Lmite inferior

-23,521

confianza para diferencia

Lmite superior

-18,159

Resultados de prueba
Variable dependiente: valores
Suma de
Origen
Contraste
Error

cuadrados

Cuadrtico
gl

promedio

9200,201

4600,100

202,424

24

8,434

F
545,402

Sig.
,000

5. Por qu la suma de cuadrados de los dos contrastes Helmert (9200,201)

coincide con la suma de cuadrados explicada por diferencias entre niveles de
agua del cuadro ANOVA (ver Tabla 2.1)?
Porque de esa manera podemos verificar que entre estas variables s existen diferencias
significativas.
6. Qu parte de 9200,201 es achacable al primer contraste Helmert y qu parte al
segundo?
Es achacable al primer contraste con un valor de 202,424 y con el segundo valor de
1062,075.

7. Se propone el siguiente ejercicio. Resolver el mismo ejemplo tratado en la

presente seccin pero seleccionando un modelo de dos vas de efectos
principales (esto es, sin interaccin entre los dos factores tratamiento). Pedir en
cualquier caso la realizacin del grfico de interaccin. Observars que no es el
mismo que en el caso del modelo completo (ver Figura 2.11). De hecho ahora
las lneas son exactamente paralelas. Cmo es ello posible si se trabaja con los
mismos datos? Qu conclusin obtienes de este ejercicio?

Las lneas son paralelas en los primeros grficos debido a que se analiz dato por dato
(Nivel
de
agua y
Tipo de
planta)
para
obtener
un
primer
anlisis
de cada
valor.
Pero
cuando
ya realizamos el
interaccin ya es diferente debido

grafico de
a que se analizan ambos valores

para saber si han obtenido menores o mayores resultados que en el primer anlisis.

2
8. Reflexionar sobre la similitud y las diferencias entre los coeficientes n (FV)

R2 (FV) (coeficiente de determinacin parcial para la fuente de variacin

FV).