Tar3 Rafael Ivan Valdes Ruiz GrupoA

Valds Ruiz Rafael Ivn Diseo de experimentos
Tarea 3 Grupo A
2) Un equipo de especialistas en remotivacin, en un hospital

psiquitrico, condujo un experimento para comprobar cinco
mtodos para remotivar a los pacientes. Estos fueron agrupados
de acuerdo con el nivel de motivacin inicial. En cada grupo, los
pacientes fueron asignados al azar a los cinco mtodos. Al final del
periodo experimental, un equipo de trabajo formado por un
psiquiatra, un psiclogo, una enfermera y un trabajador social
evaluaron a los pacientes. Ningn miembro del equipo de
evaluacin sabia de los mtodos que fueron asignados a los
pacientes. El equipo asign a cada paciente una calificacin como
medida de su nivel de motivacin. Los resultados fueron los
siguientes:
Mtodo de motivacin
Nivel de motivacin inicial A B C D E
NULO 58 68 60 68 64
MUY BAJO 62 70 65 80 69
BAJO 67 78 68 81 70
PROMEDIO 70 81 70 89 74
Proporcionan estos datos evidencia suficiente que indique una diferencia en

las calificaciones medias entre los mtodos? Sea = 0.05
Ajustar grupo
Anlisis univariante de altura con respecto a Nivel
ANOVA de un factor
Resumen del ajuste
R cuadrado 0.40384
R cuadrado ajustado 0.292059
Raz del error cuadrtico 6.593557
medio
Media de respuesta 70.6
Tarea 3 Grupo A
Observaciones (o suma de 20
pesos)
Anlisis de varianza
Fuente Grados Suma de Media de Razn F Prob > F
de cuadrados los
libertad cuadrados
Nivel 3 471.2000 157.067 3.6128 0.0365*
Error 16 695.6000 43.475
C. Total 19 1166.8000
Medias para ANOVA de un factor

Nivel Nmero Media Error Extremo Extremo
estnda inferior del IC superior del IC
r al 95% al 95%
Bajo 5 72.8000 2.9487 66.549 79.051
Muy bajo 5 69.2000 2.9487 62.949 75.451
Nulo 5 63.6000 2.9487 57.349 69.851
Promedio 5 76.8000 2.9487 70.549 83.051
El error estndar utiliza una estimacin combinada de la varianza del error

Comparaciones de medias
Comparaciones para cada par mediante la prueba t de Student
Cuantil de confianza
t Alpha
2.11991 0.05
Matriz de umbral LSD

Abs (Dif) - LSD
Promedi Bajo Muy Nulo

o bajo
Promedi -8.8403 -4.8403 -1.2403 4.3597
o
Bajo -4.8403 -8.8403 -5.2403 0.3597
Muy -1.2403 -5.2403 -8.8403 -3.2403
bajo
Nulo 4.3597 0.3597 -3.2403 -8.8403
Los valores positivos muestran pares de medias que son significativamente distintas.
Informe de letras de unin
Nivel Media
Promedio A 76.800000
Bajo A 72.800000
Muy bajo A B 69.200000
Nulo B 63.600000
Los niveles no conectados por la misma letra son significativamente distintos.

Informe de las diferencias ordenadas
Nivel - Diferen Error Lmite de Lmite de Valor
Nivel cia estndar control control p
de la inferior superior
diferencia
Prome Nulo 13.2000 4.170132 4.35972 22.04028 0.006
dio 0 0*
Tarea 3 Grupo A
Nivel - Diferen Error Lmite de Lmite de Valor
Nivel cia estndar control control p
diferencia
Bajo Nulo 9.20000 4.170132 0.35972 18.04028 0.042
3*
Prome Muy 7.60000 4.170132 -1.24028 16.44028 0.087
dio bajo 1
Muy Nulo 5.60000 4.170132 -3.24028 14.44028 0.198
bajo 1
Prome Bajo 4.00000 4.170132 -4.84028 12.84028 0.351
dio 7
Bajo Muy 3.60000 4.170132 -5.24028 12.44028 0.400
bajo 7
Comparaciones para todos los pares mediante la prueba HSD de

Tukey-Kramer
q* Alpha
2.86102 0.05
Matriz del umbral de HSD

Abs. (Dif.) - HSD
Promedi Bajo Muy Nulo

o bajo
Promedi -11.931 -7.931 -4.331 1.269
o
Bajo -7.931 -11.931 -8.331 -2.731
Muy -4.331 -8.331 -11.931 -6.331
bajo
Nulo 1.269 -2.731 -6.331 -11.931
Nivel Media
Promedio A 76.800000
Bajo A B 72.800000
Muy bajo A B 69.200000
Nulo B 63.600000

Nivel - Nivel Diferenc Error Lmite de Lmite de Valor
ia estndar de control control p
la inferior superior
diferencia
Promedi Nulo 13.20000 4.170132 1.26917 25.13083 0.0276
o *
Bajo Nulo 9.20000 4.170132 -2.73083 21.13083 0.1637
Promedi Muy 7.60000 4.170132 -4.33083 19.53083 0.2993
o bajo
Muy Nulo 5.60000 4.170132 -6.33083 17.53083 0.5506
bajo
Promedi Bajo 4.00000 4.170132 -7.93083 15.93083 0.7739
o
Bajo Muy 3.60000 4.170132 -8.33083 15.53083 0.8234
Tarea 3 Grupo A
Nivel - Nivel Diferenc Error Lmite de Lmite de Valor
ia estndar de control control p
diferencia
bajo
Comparaciones con control mediante el mtodo de Dunnett

Grupo control = Muy bajo
|d| Alpha
2.59232 0.05

Nivel Abs (Dif) - Valor p
LSD
Promedio -3.21 0.2028
Bajo -7.21 0.7248
Muy bajo -10.8 1.0000
Nulo -5.21 0.4195
Anlisis de medias para varianzas-Levene (ADM)
Tarea 3 Grupo A
Anlisis univariante de altura con respecto a metodo
ANOVA de un factor
Resumen del ajuste
R cuadrado 0.542338
medio
pesos)
Anlisis de varianza
Fuente Grados Suma de Media de Razn F Prob > F
de cuadrados los
libertad cuadrados
metodo 4 632.8000 158.200 4.4438 0.0144*
Error 15 534.0000 35.600
C. Total 19 1166.8000
Medias para ANOVA de un factor

Nivel Nmero Media Error Extremo Extremo
estnda inferior del IC superior del IC
r al 95% al 95%
A 4 64.2500 2.9833 57.891 70.609
B 4 74.2500 2.9833 67.891 80.609
C 4 65.7500 2.9833 59.391 72.109
D 4 79.5000 2.9833 73.141 85.859
E 4 69.2500 2.9833 62.891 75.609
El error estndar utiliza una estimacin combinada de la varianza del error

Tarea 3 Grupo A
Anlisis de medias para varianzas-Levene (ADM)
t Alpha
2.13145 0.05

Abs (Dif) - LSD
D B E C A
D -8.9926 -3.7426 1.2574 4.7574 6.2574
B -3.7426 -8.9926 -3.9926 -0.4926 1.0074
E 1.2574 -3.9926 -8.9926 -5.4926 -3.9926
C 4.7574 -0.4926 -5.4926 -8.9926 -7.4926
A 6.2574 1.0074 -3.9926 -7.4926 -8.9926
Nivel Media
D A 79.500000
B A B 74.250000
E B C 69.250000
C B C 65.750000
A C 64.250000

Nive - Diferen Error Lmite de Lmite de Valor
l Nivel cia estndar control control p
diferencia
D A 15.2500 4.219005 6.25740 24.24260 0.002
0 5*
Tarea 3 Grupo A
diferencia
D C 13.7500 4.219005 4.75740 22.74260 0.005
0 3*
D E 10.2500 4.219005 1.25740 19.24260 0.028
0 2*
B A 10.0000 4.219005 1.00740 18.99260 0.031
0 6*
B C 8.50000 4.219005 -0.49260 17.49260 0.062
2
D B 5.25000 4.219005 -3.74260 14.24260 0.232
5
B E 5.00000 4.219005 -3.99260 13.99260 0.254
4
E A 5.00000 4.219005 -3.99260 13.99260 0.254
4
E C 3.50000 4.219005 -5.49260 12.49260 0.419
8
C A 1.50000 4.219005 -7.49260 10.49260 0.727
1

Tukey-Kramer
q* Alpha
3.08792 0.05

Abs. (Dif.) - HSD
D B E C A
D -13.028 -7.778 -2.778 0.722 2.222
B -7.778 -13.028 -8.028 -4.528 -3.028
E -2.778 -8.028 -13.028 -9.528 -8.028
C 0.722 -4.528 -9.528 -13.028 -11.528
A 2.222 -3.028 -8.028 -11.528 -13.028
Nivel Media
D A 79.500000
B A B 74.250000
E A B 69.250000
C B 65.750000
A B 64.250000

diferencia
D A 15.2500 4.219005 2.2220 28.27797 0.018
0 4*
D C 13.7500 4.219005 0.7220 26.77797 0.036
Tarea 3 Grupo A
diferencia
0 3*
D E 10.2500 4.219005 -2.7780 23.27797 0.160
0 7
B A 10.0000 4.219005 -3.0280 23.02797 0.177
0 1
B C 8.50000 4.219005 -4.5280 21.52797 0.305
7
D B 5.25000 4.219005 -7.7780 18.27797 0.726
9
B E 5.00000 4.219005 -8.0280 18.02797 0.759
5
E A 5.00000 4.219005 -8.0280 18.02797 0.759
5
E C 3.50000 4.219005 -9.5280 16.52797 0.917
3
C A 1.50000 4.219005 -11.5280 14.52797 0.996
2

Grupo control = C
|d| Alpha
2.72731 0.05

LSD
D 2.243 0.0177*
B -3.01 0.1813
E -8.01 0.8218
C -11.5 1.0000
A -10 0.9889
Con los datos que nos da el ANOVA y los distintos mtodos de comparacin de
medias en un alpha=0.05 si nos proporciona los suficientes datos
3) La enfermera supervisora de un departamento de salud local

quera analizar el efecto de la hora del da en la duracin de las
visitas domiciliarias realizadas por el personal de enfermera.
Pensaba que las diferencias individuales entre las enfermeras
podan ser grandes, por lo que utiliz a las enfermeras como un
factor de formacin de bloques. Recolecto adems los siguientes
datos:
Enfermer Jornada
a En la Medio Tempran Por la
maana da o por la tarde
Tarea 3 Grupo A
tarde
A 27 28 30 23
B 31 30 27 20
C 35 38 34 30
D 20 18 20 14
Proporcionan estos datos evidencia suficiente para indicar una diferencia en la
duracin de las visitas domiciliarias en las diferentes horas del da? Sea =
0.05
Respuesta DURACION
Modelo completo
Grfico Observados frente a predichos
Resumen de efectos
Fuente Log Valor p
Utilidad
ENFERMER 5.199 0.00001
A
TURNO 2.729 0.00187
Grfico de residuos frente a valores predichos
Resumen del ajuste

R cuadrado 0.953393
Tarea 3 Grupo A
medio
pesos)
Anlisis de varianza
Fuente Grados Suma de Media de Razn F
de cuadrados los
libertad cuadrados
Modelo 6 655.87500 109.313 30.6842
Error 9 32.06250 3.563 Prob >
F
C. Total 15 687.93750 <.0001*
Pruebas de los efectos

Fuente N Grados Suma de Razn F Prob > F
parmetros de cuadrados
libertad
ENFERMER 3 3 531.18750 49.7018 <.0001*
A
TURNO 3 3 124.68750 11.6667 0.0019*
ENFERMERA
Grfico de apalancamiento
Tabla de medias de mnimos cuadrados

Nivel Media de Error Media
mnimos estndar
cuadrados
A 27.000000 0.9437293 27.0000
0
B 27.000000 0.9437293 27.0000
0
C 34.250000 0.9437293 34.2500
0
D 18.000000 0.9437293 18.0000
0
Tarea 3 Grupo A
Prueba t de Student de las diferencias de medias de mnimos

cuadrados
= 0.050 t= 2.26216
Media de mnimos cuadrados[i]PorMedia de mnimos cuadrados[j]
Media[i]-media[j] A B C D
Error estndar de la diferencia
Diferencia del lmite de control inferior
Diferencia del lmite de control
superior
A 0 0 -7.25 9
0 1.3346 1.3346 1.3346
0 3 3 3
0 - - 5.9808
3.0192 10.269 5
3.0191 - 12.019
5 4.2308 2
B 0 0 -7.25 9
1.3346 0 1.3346 1.3346
3 0 3 3
- 0 - 5.9808
3.0192 10.269 5
3.0191 - 12.019
5 4.2308 2
C 7.25 7.25 0 16.25
1.3346 1.3346 0 1.3346
3 3 0 3
4.2308 4.2308 0 13.230
5 5 8
10.269 10.269 19.269
2 2 2
D -9 -9 -16.25 0
1.3346 1.3346 1.3346 0
3 3 3 0
- - - 0
12.019 12.019 19.269
- - -
5.9808 5.9808 13.231
Nivel Media de
mnimos
cuadrados
C A 34.250000
A B 27.000000
B B 27.000000
D C 18.000000

Prueba HSD de Tukey de las diferencias de medias de mnimos
cuadrados
= 0.050 Q = 3.1218
Media[i]-media[j] A B C D
superior
A 0 0 -7.25 9
Tarea 3 Grupo A
0 1.3346 1.3346 1.3346
0 3 3 3
0 - - 4.8335
4.1665 11.416 3
4.1664 - 13.166
7 3.0835 5
B 0 0 -7.25 9
1.3346 0 1.3346 1.3346
3 0 3 3
- 0 - 4.8335
4.1665 11.416 3
4.1664 - 13.166
7 3.0835 5
C 7.25 7.25 0 16.25
1.3346 1.3346 0 1.3346
3 3 0 3
3.0835 3.0835 0 12.083
3 3 5
11.416 11.416 20.416
5 5 5
D -9 -9 -16.25 0
1.3346 1.3346 1.3346 0
3 3 3 0
- - - 0
13.166 13.166 20.416
- - -
4.8335 4.8335 12.084
Nivel Media de
mnimos
cuadrados
C A 34.250000
A B 27.000000
B B 27.000000
D C 18.000000

Prueba de Dunnett de las diferencias de medias de mnimos
cuadrados
= 0.050 Q= 2.81166 Control = B Ajuste = Dunnett
Nivel - Nivel Diferenci Error Lmite de Lmite de Valor p

a estndar de control control
la diferencia inferior superior
A B 0.00000 1.334635 -3.7525 3.7525 1.0000
C B 7.25000 1.334635 3.4975 11.0025 0.0011*
D B -9.00000 1.334635 -12.7525 -5.2475 0.0002*
Tarea 3 Grupo A
Diferencias de control
Grfico de las medias de mnimos cuadrados
TURNO

Tarea 3 Grupo A
mnimos estndar
cuadrados
A medio da 28.500000 0.9437293 28.5000
0
En la maana 28.250000 0.9437293 28.2500
0
Por la tarde 21.750000 0.9437293 21.7500
0
Temprano por la 27.750000 0.9437293 27.7500
tarde 0

cuadrados
= 0.050 t= 2.26216
Media[i]-media[j] A En la Por la Tempra

Error estndar de la diferencia medio maan tarde no por
Diferencia del lmite de control inferior da a la
Diferencia del lmite de control tarde
superior
A medio da 0 0.25 6.75 0.75
0 1.3346 1.3346 1.3346
0 3 3 3
0 - 3.7308 -
2.7692 5 2.2692
3.2691 9.7691 3.7691
5 5 5
En la maana -0.25 0 6.5 0.5
1.3346 0 1.3346 1.3346
3 0 3 3
- 0 3.4808 -
3.2692 5 2.5192
2.7691 9.5191 3.5191
5 5 5
Por la tarde -6.75 -6.5 0 -6
1.3346 1.3346 0 1.3346
3 3 0 3
- - 0 -
9.7692 9.5192 9.0192
- - -
3.7308 3.4808 2.9808
Temprano por la tarde -0.75 -0.5 6 0
1.3346 1.3346 1.3346 0
3 3 3 0
- - 2.9808 0
3.7692 3.5192 5
2.2691 2.5191 9.0191
5 5 5
Nivel Media de
mnimos
cuadrados
A medio da A 28.500000
En la maana A 28.250000
Temprano por la A 27.750000
tarde
Por la tarde B 21.750000
Tarea 3 Grupo A
cuadrados
= 0.050 Q = 3.1218
Media[i]-media[j] A En la Por la Tempra

Error estndar de la diferencia medio maan tarde no por
Diferencia del lmite de control inferior da a la
Diferencia del lmite de control tarde
superior
A medio da 0 0.25 6.75 0.75
0 1.3346 1.3346 1.3346
0 3 3 3
0 - 2.5835 -
3.9165 3 3.4165
4.4164 10.916 4.9164
7 5 7
En la maana -0.25 0 6.5 0.5
1.3346 0 1.3346 1.3346
3 0 3 3
- 0 2.3335 -
4.4165 3 3.6665
3.9164 10.666 4.6664
7 5 7
Por la tarde -6.75 -6.5 0 -6
1.3346 1.3346 0 1.3346
3 3 0 3
- - 0 -
10.916 10.666 10.166
- - -
2.5835 2.3335 1.8335
Temprano por la tarde -0.75 -0.5 6 0
1.3346 1.3346 1.3346 0
3 3 3 0
- - 1.8335 0
4.9165 4.6665 3
3.4164 3.6664 10.166
7 7 5
Nivel Media de
mnimos
cuadrados
A medio da A 28.500000
En la maana A 28.250000
Temprano por la A 27.750000
tarde
Por la tarde B 21.750000

cuadrados
= 0.050 Q= 2.81166 Control = En la maana Ajuste = Dunnett

A medio da En la 0.25000 1.334635 -3.5025 4.00254 0.9951
maana
Tarea 3 Grupo A
Por la tarde En la -6.50000 1.334635 -10.2525 -2.74746 0.0023
maana *
Temprano por la En la -0.50000 1.334635 -4.2525 3.25254 0.9643
tarde maana
Durbin-Watson
Durbin- Nmero de Autocorrelaci Prob<DW
Watson observacion n
es
1.7270955 16 0.0817 0.1214
Tarea 3 Grupo A
4) Cuatro individuos participaron en un experimento para

comparar tres mtodos de liberacin de la tensin nerviosa. Cada
individuo fue puesto en una situacin de tensin nerviosa en tres
ocasiones diferentes. Por cada vez utiliz un mtodo diferente para
reducir el estrs en cada individuo. La variable de respuesta es el
total de reduccin del nivel de tensin nerviosa antes y despus de
la aplicacin del tratamiento. Los resultados son los siguientes:
Es posible concluir a partir de estos datos que los tres mtodos difieren en
eficacia? Sea = 0.05
Si es posible concluir a partir de los datos anteriores que el tratamiento A, B y C

difieren en eficacia, sin embargo para obtener un resultado ms confiable, se
requiere realizar un anlisis de experimentos en bloques completos al azar.
Oneway Analysis of Nivel de estrs By Tratamiento

40
35
Block Centered
Nivel de estrs
30
25
20
15
A B C
Tratamiento
Oneway Anova
Analysis of Variance
Source DF Sum of Squares Mean Square F Ratio Prob > F
Tratamiento 2 90.50000 45.2500 1.3689 0.3027
Error 9 297.50000 33.0556
Tarea 3 Grupo A
C. Total 11 388.00000
Conclusin: P>0.05 (0.3027>0.05) por lo tanto Ho se rechaza y si difieren los

mtodos en eficacia.
5) Se realiza un experimento para investigar el efecto de la

temperatura de secado en granos de trigo con la finalidad de
mejorar la calidad en el horneado para producir pan. Se utilizaron
tres niveles de temperatura y la variable de respuesta medida fue
el volumen de la pieza de pan obtenida. Los datos obtenidos
fueron los siguientes:
(a) La temperatura de secado afecta el volumen de pan? Usar un =0.01
Anova
Temperatur 2 16265.200 8132.60 7.7201 0.0070
a
Error 12 12641.200 1053.43
C. Total 14 28906.400
Conclusin: p (.0070)<0.01 por lo tanto la temperatura de secado afecta el

volumen del pan.
(b) Utilizar el mtodo de LSD para determinar la diferencia de medias y cul

es el tratamiento ms adecuado que cumple con los fines de obtener un
mayor volumen.
LSD
Tarea 3 Grupo A
Response V olumen
Temperatura
Least Squares Means Table
Level Least Sq Mean Std Error Mean
70 1248.4000 14.515050 1248.40
75 1221.0000 14.515050 1221.00
80 1169.0000 14.515050 1169.00
LS Means Plot
1300
VolumenLS Means
1250
1200
1150
1100
70 75 80
Temperatura
LSMeans Differences Student's t

Alpha= 0.050 Q= 2.17881
LSMean[j]
Mean[i]-Mean[j] 70 75 80
Std Err Dif
Lower CL Dif
Upper CL Dif
70 0 27.4 79.4
0 20.5274 20.5274
0 -17.325 34.6747
0 72.1253 124.125
75 -27.4 0 52
20.5274 0 20.5274
LSMean[i]
-72.125 0 7.27468
17.3253 0 96.7253
80 -79.4 -52 0
20.5274 20.5274 0
-124.13 -96.725 0
-34.675 -7.2747 0
Conclusin: la temperatura de 70C y 75C son los tratamientos ms adecuados

para obtener un mayor volumen.
(c) Analizar el cumplimiento de normalidad y homogeneidad de varianzas por

los mtodos grficos y matemticos.
Normalidad
Tarea 3 Grupo A
Distributions
Volumen
1300
1250
1200
1150
1100
Normal(1212.8,45.4394)
Fitted Normal
Parameter Estimates
Type Parameter Estimate Lower 95% Upper 95%
Location Mu 1212.800 1187.636 1237.964
Dispersio Sigma 45.439 33.267 71.662
n
Tarea 3 Grupo A
Quantile Plot
3
1
Normal Quantile
-1
-2
1100 1150 1200 1250 1300
Volumen
Goodness-of-Fit Test
Shapiro-Wilk W Test
W Prob<W
0.891424 0.0712
Observaciones: En la prueba de Shapiro-Wilk se observa que el valor de P>alfa
(0.0712>0.01) por lo tanto se acepta la Ho y se comprueba la normalidad de los
datos.
Tarea 3 Grupo A
Homogeneidad
Oneway Analysis of Volumen By Temperatura
1300
1250
Volumen
1200
1150
1100
70 75 80
Temperatura
Tests that the Variances are Equal
Level Count Std Dev MeanAbsDif to MeanAbsDif to
Mean Median
70 5 20.92367 14.64000 12.60000
75 5 16.73320 13.20000 15.00000
80 5 49.42166 35.20000 38.00000
Test F Ratio DFNum DFDen Prob>F
O'Brien[.5] 1.7776 2 12 0.2108
Brown-Forsythe 2.9125 2 12 0.0931
Levene 2.0181 2 12 0.1756
Bartlett 2.4518 2 . 0.0861
Warning: Small sample sizes. Use Caution.
Welch Anova testing Means Equal, allowing Std Devs Not Equal
F Ratio DFNum DFDen Prob>F

5.8405 2 7.2951 0.0306
Tarea 3 Grupo A
Conclusin: los datos son homogneos porque el valor de P>alfa

(.0861>0.01) en la prueba de Bartlett.
Independencia
Response Volumen
Whole Model
Residual by Row Plot
75
50
25
Residual
-25
-50
-75
0 5 10 15
Row Number
Durbin-Watson
Durbin-Watson Number of Obs. AutoCorrelation Prob<DW
1.3616397 15 0.1021 0.0254
Conclusin: los datos son independientes porque en la prueba de Durbin-

Watson p>alfa (0.0254>0.01).
Tarea 3 Grupo A
8. An article in the Journal of Quality Technology (Vol. 14 No. 2,

1982, pp 80 90) described an experiment in which three different
methods of preparing fish are evaluated on the basis of sensory
criteria and quality score is assigned. Assume that these methods
have been randomly selected from a large population of
preparation methods. The data are in the following table:
Como Ho, planteamos que todos los mtodos son iguales, es decir, no hay
diferencia en cuanto a la evaluacin entre uno y otro.
Si se acepta Ho, quiere decir que los datos/mtodos son iguales.
a) Is there any difference in preparation methods? Use = 0.05
No hay diferencias entre los mtodos utilizados, comprobando esto porque el

valor de f (0.2107) es mayor que el valor de alfa (0.05) y aceptando Ho.
Oneway Analysis of PUNTUACION By METODO

26
25
24
23
PUNTUACION
22
21
20
19
18
17
1 2 3
METODO
Tarea 3 Grupo A
Response P UNTUACION
Whole Model
Effect Tests
Source Nparm DF Sum of Squares F Ratio Prob > F
METODO 2 2 13.552500 1.6786 0.2107
Onew ay Analysis of PUNTUACION By METODO

26
25
24
PUNTUACION
23
22
21
20
19
18
17
1 2 3 Each Pair All Pairs With Control
Student's t Tukey-Kramer Dunnett's
METODO 0.05 0.05 0.05
Means Comparisons
Dif=Mean[i]-Mean[j]
3 1 2
3 0.00000 0.03750 1.61250
1 -0.03750 0.00000 1.57500
2 -1.61250 -1.57500 0.00000
Alpha= 0.05
Comparisons for each pair using Student's t

t
Response P UNTUACION
2.07961 METODO
Abs(Dif)-LSD LSMeans Differences Student's t
3 1 2
Alpha= 0.050 Q= 2.07961
3 -2.08915 -2.05165 -0.47665
LSMean[j]
1 -2.05165 -2.08915 -0.51415
2 -0.47665 -0.51415 -2.08915
Std Err Dif
Lower CL Dif
Positive values show pairs of means that are significantly different.
Upper CL Dif
1 0 1.575 -0.0375
Comparisons for all pairs using Tukey-Kramer HSD
0 1.00459 1.00459
q*
0 -0.5142 -2.1267
2.52057
0 3.66415 2.05165
Abs(Dif)-LSD
2 -1.575 0 -1.6125
3 1 2
1.00459 0 1.00459
LSMean[i]
3 -2.53213 -2.49463 -0.91963

-3.6642 0 -3.7017
1 -2.49463 -2.53213 -0.95713
0.51415 0 0.47665
2 -0.91963 -0.95713 -2.53213
3 0.0375 1.6125 0
1.00459 1.00459 0
-2.0517 -0.4767 0
2.12665 3.70165 0
Comparisons with a control using Dunnett's Method
Control Group = 2 LSMeans Differences Tukey HSD
|d| Alpha= 0.050 Q= 2.52057
2.37033 LSMean[j]
Abs(Dif)-LSD Mean[i]-Mean[j] 1 2 3
2 Std Err Dif
3 -0.76871 Lower CL Dif
1 -0.80621 Upper CL Dif
2 -2.38121 1 0 1.575 -0.0375
0 1.00459 1.00459
Positive values show pairs of means that are significantly different. 0 -0.9571 -2.5696
0 4.10713 2.49463
2 -1.575 0 -1.6125
1.00459 0 1.00459
LSMean[i]
-4.1071 0 -4.1446
0.95713 0 0.91963
3 0.0375 1.6125 0
1.00459 1.00459 0
-2.4946 -0.9196 0
2.56963 4.14463 0
LS Means P lot
2 -1.575 0 -1.6125
1.00459 0 1.00459
LSMean[i]
-3.6642 0 -3.7017
0.51415 0 0.47665
3
Valds Ruiz Rafael Ivn 0.0375 1.6125
1.00459 1.00459
0
0
Diseo de experimentos
Tarea 3 -2.0517 -0.4767 0 Grupo A
2.12665 3.70165 0
LSMeans Differences Tukey HSD

Alpha= 0.050 Q= 2.52057
LSMean[j]
Std Err Dif
Lower CL Dif
Upper CL Dif
1 0 1.575 -0.0375
0 1.00459 1.00459
0 -0.9571 -2.5696
0 4.10713 2.49463
2 -1.575 0 -1.6125
1.00459 0 1.00459
LSMean[i]
-4.1071 0 -4.1446
0.95713 0 0.91963
3 0.0375 1.6125 0
1.00459 1.00459 0
-2.4946 -0.9196 0
2.56963 4.14463 0
LS Means P lot
PUNTUACIONLS Means
25
23
21
19
17
1 2 3
METODO
b) Analyze the residuals from this experiment and comment on model

adequacy.
Con los mtodos de LSD, Tukey y Dunnet, podemos combrobar que

todos los mtodos son iguales, por consiguiente, realizaremos
pruebas para saber si son independientes, homogneos y si tienen
distribucin normal.
c) Estimate the components of variance.
PRUEBA DE NORMALIDAD
25
24
Valds Ruiz Rafael Ivn 23 Diseo de experimentos

Tarea 3 22 Grupo A
21
Distributions
20
PUNTUACION
26 19
25 18
24 17
23
Normal(22.075,2.06761)
22
Fitted Normal
21
20
Shapiro-Wilk W Test
19 W Prob<W
18 0.929440 0.0967
17
Normal(22.075,2.06761)
Debido a que la probabilidad en la prueba de normalidad (0.0967) es

Fitted Normal
mayor al valor de alfa (0.05), podemos decir que los datos de los
Shapiro-Wilk W Test
diferentes W mtodos
Prob<W tienen distribucin normal.
0.929440 0.0967
PRUEBA DE HOMOGENEIDAD DE VARIANZAS
Response PUNTUACION
Whole Model
Residual by Predicted Plot
3
2
PUNTUACION Residual
1
0
-1
-2
-3
-4
-5
17 18 19 20 21 22 23 24 25
PUNTUACION Predicted
Tarea 3 Grupo A
Oneway Analysis of PUNTUACION By METODO
26
25
24
23
PUNTUACION
22
21
20
19
18
17
1 2 3
METODO
Level Count Std Dev MeanAbsDif to Mean MeanAbsDif to Median
1 8 2.500536 1.965625 1.812500
2 8 2.003167 1.634375 1.537500
3 8 1.358308 1.068750 1.025000
O'Brien[.5] 1.0969 2 21 0.3523
Brown-Forsythe 0.6151 2 21 0.5501
Levene 1.4794 2 21 0.2506
Bartlett 1.1565 2 . 0.3146

1.8018 2 13.13 0.2035
Debido a que la p en la prueba de Bartlett (0.3146) es mayor que alfa
(0.05), observamos que los datos son homogneos.
PRUEBA DE INDEPENDENCIA
Response PUNTUACION
Whole Model
3
1
Residual
-1
-3
-5
0 5 10 15 20 25
Row Number
METODO
Durbin-Watson
2.138527 24 -0.1015 0.4675
Tarea 3 Grupo A
Finalmente, mediante la prueba de independencia, logramos ve que la p

(0.4675) es mayor al valor de alfa (0.05), por lo que se dice que los
datos son independientes.
d) Calcular el valor F tablas
Oneway Anova
METODO 2 13.552500 6.77625 1.6786 0.2107
Error 21 84.772500 4.03679
C. Total 23 98.325000
F en tablas (2, 21) = 3.47.
EJERCICIO 9
ANOVA
TEMPERATURA-PESO-GANANCIA
A) LA TEMPERATURA SI TIENE EFECTO YA QUE p<alfa (0.0001<0.05)
Response GANANCIA
Whole Model
Effect Tests
TEMPERATURA 5 5 10.185178 27.1271 <.0001
PESO 2 2 0.222678 1.4827 0.2729
B) El LSD ARROJA QUE LAS TEMPERATURAS 60,70 Y 80

ESTADISTICAMENTE IGUALES, SON DIFERENTES AL RESTO Y SON
LAS MEJORES
Tarea 3 Grupo A
100 90 50 60 80 70
_______
___________
___________
_______
Tarea 3 Grupo A
Response GANANCIA C) PRUEBAS
TEMPE RATURA
DE
100 -0.1900000 0.15821106 -0.19000
50 1.3433333 0.15821106 1.34333
60 1.7466667 0.15821106 1.74667
70 2.1266667 0.15821106 2.12667
80 1.8200000 0.15821106 1.82000
90 1.1400000 0.15821106 1.14000
LS Means P lot
GANANCIALS Means
-1
100 50 60 70 80 90
TEMPERATURA

Alpha= 0.050 Q= 2.22814
LSMean[j]
Mean[i]-Mean[j] 100 50 60 70 80 90
Std Err Dif
Lower CL Dif
Upper CL Dif
100 0 -1.5333 -1.9367 -2.3167 -2.01 -1.33
0 0.22374 0.22374 0.22374 0.22374 0.22374
0 -2.0319 -2.4352 -2.8152 -2.5085 -1.8285
0 -1.0348 -1.4381 -1.8181 -1.5115 -0.8315
50 1.53333 0 -0.4033 -0.7833 -0.4767 0.20333
0.22374 0 0.22374 0.22374 0.22374 0.22374
1.0348 0 -0.9019 -1.2819 -0.9752 -0.2952
2.03187 0 0.0952 -0.2848 0.02187 0.70187
60 1.93667 0.40333 0 -0.38 -0.0733 0.60667
0.22374 0.22374 0 0.22374 0.22374 0.22374
1.43813 -0.0952 0 -0.8785 -0.5719 0.10813
2.4352 0.90187 0 0.11853 0.4252 1.1052
LSMean[i]
70 2.31667 0.78333 0.38 0 0.30667 0.98667

0.22374 0.22374 0.22374 0 0.22374 0.22374
1.81813 0.2848 -0.1185 0 -0.1919 0.48813
2.8152 1.28187 0.87853 0 0.8052 1.4852
80 2.01 0.47667 0.07333 -0.3067 0 0.68
0.22374 0.22374 0.22374 0.22374 0 0.22374
1.51147 -0.0219 -0.4252 -0.8052 0 0.18147
2.50853 0.9752 0.57187 0.19187 0 1.17853
90 1.33 -0.2033 -0.6067 -0.9867 -0.68 0
0.22374 0.22374 0.22374 0.22374 0.22374 0
0.83147 -0.7019 -1.1052 -1.4852 -1.1785 0
1.82853 0.2952 -0.1081 -0.4881 -0.1815 0
RESIDUALES
*NORMALIDAD
Tarea 3 Grupo A
Distributions
GANANCIA
2.5
1.5
0.5
-0.5
-1
Normal(1.33111,0.81018)
Fitted Normal
Parameter Estimates
Location Mu 1.331111 0.9282159 1.734006
Dispersion Sigma 0.810184 0.6079523 1.214583
Quantile Plot
3
.99
2
.95
.90
1
.75
Normal Quantile
0 .50
.25
-1
.10
.05
-2
.01
-1 -0.5 0 .5 1 1.5 2
GANANCIA
Tarea 3 Grupo A
Shapiro-Wilk W Test
W Prob<W
0.861675 0.0119
EN LA PRUEBA DE SHAPIRO-WILK SE OBSERVA QUE EL VALOR DE p<alfa

(0.0119<0.05) POR LO QUE SE RECHAZA LA Ho Y LOS DATOS NO SON
NORMALES.
*HOMOGENEIDAD
Response GANANCIA
Whole Model
0.6
0.4
GANANCIA Residual
0.2
-0.0
-0.2
-0.4
-0.6
-1.0 -0.5 .0 .5 1.0 1.5 2.0 2.5
GANANCIA Predicted
Tarea 3 Grupo A
Oneway Analysis of GANANCIA By TEMPERATURA
2.5
1.5
GANANCIA
0.5
-0.5
-1
100 50 60 70 80 90
TEMPERATURA
100 3 0.5800000 0.3866667 0.5800000
50 3 0.1418920 0.1022222 0.1266667
60 3 0.1650253 0.1111111 0.1633333
70 3 0.1137248 0.0844444 0.0933333
80 3 0.1500000 0.1000000 0.1500000
90 3 0.2600000 0.1733333 0.2600000
O'Brien[.5] 1.4286 5 12 0.2829
Brown-Forsythe 107.0788 5 12 <.0001
Levene 1.5213 5 12 0.2550
Bartlett 1.4616 5 . 0.1987

14.5786 5 5.5096 0.0037
EN LA PRUEBA DE LEVENE LA p>alfa (0.2550>0.05) POR LO TANTO LOS
DATOS SON HOMOGENEOS
*INDEPENDENCIA
Tarea 3 Grupo A
Response GANANCIA
Whole Model
0.6
Residual
0.2
-0.2
-0.6
0 5 10 15 20
Row Number
Durbin-Watson
2.0932002 18 -0.1769 0.1788
EN LA PRUEBA DE INDEPENDENCIA p>alfa (0.1788>0.05) POR LO TANTO
LOS DATOS SON INDEPENDIENTES
*9) An article in Agricultural Engineering (December 1964, pp. 672

673) described an experiment in which the daily weight gain of
swine is evaluated at different levels of housing temperature. The
mean weight of each group of swine at the start of the experiment
is considered to be a nuisance factor. The data from this
experiment are follows:
(a)Does housing air temperature affect mean weight gain? Use = 0.05
Tarea 3 Grupo A
Respuesta FACTOR
Modelo completo
Grfico Observados frente a predichos
Resumen de efectos
Fuente Log Valor p
Utilidad
TEMPERATUR 4.785 0.00002
E
MEAN 0.564 0.27294
WEIGHT
Resumen del ajuste

R cuadrado 0.932706
medio
pesos)
Anlisis de varianza
Fuente Grados Suma de Media de Razn F
de cuadrados los
libertad cuadrados
Modelo 7 10.407856 1.48684 19.8001
Error 10 0.750922 0.07509 Prob >
F
C. Total 17 11.158778 <.0001*

libertad
MEAN 2 2 0.222678 1.4827 0.2729
Tarea 3 Grupo A
libertad
WEIGHT
TEMPERATUR 5 5 10.185178 27.1271 <.0001*
E
MEAN WEIGHT

mnimos estndar
cuadrados
100 1.4516667 0.1118721 1.45167
2
150 1.3583333 0.1118721 1.35833
2
200 1.1833333 0.1118721 1.18333
2

cuadrados
= 0.050 t= 2.22814
Media[i]-media[j] 100 150 200

Tarea 3 Grupo A
superior
100 0 0.0933 0.2683
0 3 3
0 0.1582 0.1582
0 1 1
- -
0.2592 0.0842
0.4458 0.6208
5 5
150 - 0 0.175
0.0933 0 0.1582
0.1582 0 1
1 0 -
- 0.1775
0.4458 0.5275
0.2591 2
8
200 - -0.175 0
0.2683 0.1582 0
0.1582 1 0
1 - 0
- 0.5275
0.6208 0.1775
0.0841 2
8
Nivel Media de
mnimos
cuadrados
100 A 1.4516667
150 A 1.3583333
200 A 1.1833333

cuadrados
= 0.050 Q = 2.74129
Media[i]-media[j] 100 150 200

superior
100 0 0.0933 0.2683
0 3 3
0 0.1582 0.1582
0 1 1
- -
0.3404 0.1654
0.5270 0.7020
4 4
150 - 0 0.175
0.0933 0 0.1582
0.1582 0 1
1 0 -
-0.527 0.2587
0.3403 0.6087
Tarea 3 Grupo A
7
200 - -0.175 0
0.2683 0.1582 0
0.1582 1 0
1 - 0
-0.702 0.6087
0.1653 0.2587
7
Nivel Media de
mnimos
cuadrados
100 A 1.4516667
150 A 1.3583333
200 A 1.1833333

cuadrados
= 0.050 Q= 2.56837 Control = 150 Ajuste = Dunnett

100 150 0.093333 0.1582111 -0.313011 0.4996775 0.7845
200 150 -0.175000 0.1582111 -0.581344 0.2313442 0.4625
Tarea 3 Grupo A
TEMPERATURE

mnimos estndar
cuadrados
100 -0.190000 0.1582110 -0.1900
6
50 1.343333 0.1582110 1.3433
6
60 1.746667 0.1582110 1.7467
6
70 2.126667 0.1582110 2.1267
6
80 1.820000 0.1582110 1.8200
6
Tarea 3 Grupo A
mnimos estndar
cuadrados
90 1.140000 0.1582110 1.1400
6

cuadrados
= 0.050 t= 2.22814
Media[i]-media[j] 100 50 60 70 80 90
superior
100 0 - - - -2.01 -1.33
0 1.5333 1.9367 2.3167 0.2237 0.2237
0 0.2237 0.2237 0.2237 4 4
0 4 4 4 - -
- - - 2.5085 1.8285
2.0319 2.4352 2.8152 - -
- - - 1.5115 0.8315
1.0348 1.4381 1.8181
50 1.5333 0 - - - 0.2033
3 0 0.4033 0.7833 0.4767 3
0.2237 0 0.2237 0.2237 0.2237 0.2237
4 0 4 4 4 4
1.0348 - - - -
2.0318 0.9019 1.2819 0.9752 0.2952
7 0.0952 - 0.0218 0.7018
0.2848 7 7
60 1.9366 0.4033 0 -0.38 - 0.6066
7 3 0 0.2237 0.0733 7
0.2237 0.2237 0 4 0.2237 0.2237
4 4 0 - 4 4
1.4381 - 0.8785 - 0.1081
3 0.0952 0.1185 0.5719 3
2.4352 0.9018 3 0.4252 1.1052
7
70 2.3166 0.7833 0.38 0 0.3066 0.9866
7 3 0.2237 0 7 7
0.2237 0.2237 4 0 0.2237 0.2237
4 4 - 0 4 4
1.8181 0.2848 0.1185 - 0.4881
3 1.2818 0.8785 0.1919 3
Tarea 3 Grupo A
2.8152 7 3 0.8052 1.4852
80 2.01 0.4766 0.0733 - 0 0.68
0.2237 7 3 0.3067 0 0.2237
4 0.2237 0.2237 0.2237 0 4
1.5114 4 4 4 0 0.1814
7 - - - 7
2.5085 0.0219 0.4252 0.8052 1.1785
3 0.9752 0.5718 0.1918 3
7 7
90 1.33 - - - -0.68 0
0.2237 0.2033 0.6067 0.9867 0.2237 0
4 0.2237 0.2237 0.2237 4 0
0.8314 4 4 4 - 0
7 - - - 1.1785
1.8285 0.7019 1.1052 1.4852 -
3 0.2952 - - 0.1815
0.1081 0.4881
Nivel Media de
mnimos
cuadrados
70 A 2.126667
80 A B 1.820000
60 A B 1.746667
50 B C 1.343333
90 C 1.140000
100 D -0.190000

cuadrados
= 0.050 Q = 3.47332
Media[i]-media[j] 100 50 60 70 80 90
superior
100 0 - - - -2.01 -1.33
0 1.5333 1.9367 2.3167 0.2237 0.2237
0 0.2237 0.2237 0.2237 4 4
0 4 4 4 - -
- - - 2.7871 2.1071
2.3105 2.7138 3.0938 - -
- - - 1.2329 0.5529
0.7562 1.1595 1.5395
50 1.5333 0 - - - 0.2033
3 0 0.4033 0.7833 0.4767 3
0.2237 0 0.2237 0.2237 0.2237 0.2237
4 0 4 4 4 4
0.7562 - - - -
2.3104 1.1805 1.5605 1.2538 0.5738
7 0.3738 - 0.3004 0.9804
0.0062 7 7
60 1.9366 0.4033 0 -0.38 - 0.6066
7 3 0 0.2237 0.0733 7
0.2237 0.2237 0 4 0.2237 0.2237
4 4 0 - 4 4
1.1595 - 1.1571 - -
Tarea 3 Grupo A
3 0.3738 0.3971 0.8505 0.1705
2.7138 1.1804 4 0.7038 1.3838
7
70 2.3166 0.7833 0.38 0 0.3066 0.9866
7 3 0.2237 0 7 7
0.2237 0.2237 4 0 0.2237 0.2237
4 4 - 0 4 4
1.5395 0.0062 0.3971 - 0.2095
3 1.5604 1.1571 0.4705 3
3.0938 7 4 1.0838 1.7638
80 2.01 0.4766 0.0733 - 0 0.68
0.2237 7 3 0.3067 0 0.2237
4 0.2237 0.2237 0.2237 0 4
1.2328 4 4 4 0 -
6 - - - 0.0971
2.7871 0.3005 0.7038 1.0838 1.4571
4 1.2538 0.8504 0.4704 4
7 7
90 1.33 - - - -0.68 0
0.2237 0.2033 0.6067 0.9867 0.2237 0
4 0.2237 0.2237 0.2237 4 0
0.5528 4 4 4 - 0
6 - - - 1.4571
2.1071 0.9805 1.3838 1.7638 0.0971
4 0.5738 0.1704 - 4
7 0.2095
Nivel Media de
mnimos
cuadrados
70 A 2.126667
80 A B 1.820000
60 A B 1.746667
50 B 1.343333
90 B 1.140000
100 C -0.190000

cuadrados
= 0.050 Q= 2.9903 Control = 50 Ajuste = Dunnett

100 50 -1.53333 0.2237442 -2.20240 -0.86427 0.0002*
60 50 0.40333 0.2237442 -0.26573 1.07240 0.3128
70 50 0.78333 0.2237442 0.11427 1.45240 0.0219*
80 50 0.47667 0.2237442 -0.19240 1.14573 0.1945
90 50 -0.20333 0.2237442 -0.87240 0.46573 0.8277
Tarea 3 Grupo A
Como se observa la temperature del aire si afecta al peso de la carne por la

table de t de student
(b)Use Fishers LDS method to determine which temperature levels are

different.
Ajustar grupo
Anlisis univariante de FACTOR con respecto a MEAN WEIGHT
ANOVA de un factor
Tarea 3 Grupo A
Matriz de diferencias
Diferencia = media[i] - media[j]
100 150 200

10 0.00000 0.09333 0.26833
0
15 -0.09333 0.00000 0.17500
0
20 -0.26833 -0.17500 0.00000
0

Abs (Dif) - LSD
100 150 200

10 -1.0508 -0.9574 -0.7824
0
15 -0.9574 -1.0508 -0.8758
0
20 -0.7824 -0.8758 -1.0508
0
Informe de comparaciones detalladas

Comparacin de 150 con 100
Diferencia -0.0933 Razn t -0.18933
Error estndar de la diferencia 0.4930 Grados de 15
libertad
Diferencia del lmite de control 0.9574 Prob > |t| 0.8524
superior
Diferencia del lmite de control -1.1441 Prob > t 0.5738
inferior
Confianza 0.95 Prob < t 0.4262

libertad
superior
inferior
Tarea 3 Grupo A

libertad
superior
inferior

Tukey-Kramer
100 150 200

10 0.00000 0.09333 0.26833
0
15 -0.09333 0.00000 0.17500
0
20 -0.26833 -0.17500 0.00000
0

Abs. (Dif.) - HSD
100 150 200

10 -1.2805 -1.1872 -1.0122
0
15 -1.1872 -1.2805 -1.1055
0
20 -1.0122 -1.1055 -1.2805
0

Grupo control = 150

Tarea 3 Grupo A
LSD
100 -1.11 0.9741
150 -1.2 1.0000
200 -1.03 0.9129
Anlisis univariante de FACTOR con respecto a TEMPERATURE
ANOVA de un factor
t Alpha
2.17881 0.05
70 80 60 50 90 100
70 0.0000 0.3067 0.3800 0.7833 0.9867 2.3167
80 -0.3067 0.0000 0.0733 0.4767 0.6800 2.0100
60 -0.3800 -0.0733 0.0000 0.4033 0.6067 1.9367
50 -0.7833 -0.4767 -0.4033 0.0000 0.2033 1.5333
90 -0.9867 -0.6800 -0.6067 -0.2033 0.0000 1.3300
10 -2.3167 -2.0100 -1.9367 -1.5333 -1.3300 0.0000
0

Abs (Dif) - LSD
70 80 60 50 90 100
70 -0.5067 -0.2001 -0.1267 0.2766 0.4799 1.8099
80 -0.2001 -0.5067 -0.4334 -0.0301 0.1733 1.5033
60 -0.1267 -0.4334 -0.5067 -0.1034 0.0999 1.4299
50 0.2766 -0.0301 -0.1034 -0.5067 -0.3034 1.0266
90 0.4799 0.1733 0.0999 -0.3034 -0.5067 0.8233
10 1.8099 1.5033 1.4299 1.0266 0.8233 -0.5067
0
Tarea 3 Grupo A
Nivel Media
70 A 2.126667
80 A B 1.820000
60 A B 1.746667
50 B C 1.343333
90 C 1.140000
100 D -0.190000

Nive - Diferenc Error Lmite de Lmite de Valor
l Nivel ia estndar de control control p
diferencia
70 100 2.316667 0.2325702 1.80994 2.823394 <.000
1*
80 100 2.010000 0.2325702 1.50327 2.516727 <.000
1*
60 100 1.936667 0.2325702 1.42994 2.443394 <.000
1*
50 100 1.533333 0.2325702 1.02661 2.040060 <.000
1*
90 100 1.330000 0.2325702 0.82327 1.836727 <.000
1*
70 90 0.986667 0.2325702 0.47994 1.493394 0.0011
*
70 50 0.783333 0.2325702 0.27661 1.290060 0.0056
*
80 90 0.680000 0.2325702 0.17327 1.186727 0.0127
*
60 90 0.606667 0.2325702 0.09994 1.113394 0.0229
*
80 50 0.476667 0.2325702 -0.03006 0.983394 0.0629
60 50 0.403333 0.2325702 -0.10339 0.910060 0.1085
70 60 0.380000 0.2325702 -0.12673 0.886727 0.1282
70 80 0.306667 0.2325702 -0.20006 0.813394 0.2119
50 90 0.203333 0.2325702 -0.30339 0.710060 0.3991
80 60 0.073333 0.2325702 -0.43339 0.580060 0.7579
Informe de comparaciones detalladas

Diferencia 1.53333 Razn t 6.592992
libertad
Diferencia del lmite de control 2.04006 Prob > |t| <.0001*
superior
Diferencia del lmite de control 1.02661 Prob > t <.0001*
inferior
Tarea 3 Grupo A

libertad
superior
inferior
libertad
superior
inferior

libertad
superior
inferior
Tarea 3 Grupo A
libertad
Diferencia del lmite de control 1.29006 Prob > |t| 0.0056*
superior
Diferencia del lmite de control 0.27661 Prob > t 0.0028*
inferior
libertad
superior
inferior

libertad
superior
inferior
Tarea 3 Grupo A
libertad
superior
Diferencia del lmite de control -0.03006 Prob > t 0.0315*
inferior
libertad
superior
inferior
libertad
superior
inferior
Tarea 3 Grupo A

libertad
superior
inferior
libertad
superior
inferior
libertad
Diferencia del lmite de control -0.0999 Prob > |t| 0.0229*
superior
inferior
Confianza 0.95 Prob < t 0.0114*
Tarea 3 Grupo A
libertad
superior
inferior
libertad
superior
inferior

Tukey-Kramer
70 80 60 50 90 100
70 0.0000 0.3067 0.3800 0.7833 0.9867 2.3167
80 -0.3067 0.0000 0.0733 0.4767 0.6800 2.0100
60 -0.3800 -0.0733 0.0000 0.4033 0.6067 1.9367
50 -0.7833 -0.4767 -0.4033 0.0000 0.2033 1.5333
90 -0.9867 -0.6800 -0.6067 -0.2033 0.0000 1.3300
10 -2.3167 -2.0100 -1.9367 -1.5333 -1.3300 0.0000
0
Tarea 3 Grupo A

Abs. (Dif.) - HSD
70 80 60 50 90 100
70 -0.7812 -0.4745 -0.4012 0.0022 0.2055 1.5355
80 -0.4745 -0.7812 -0.7078 -0.3045 -0.1012 1.2288
60 -0.4012 -0.7078 -0.7812 -0.3778 -0.1745 1.1555
50 0.0022 -0.3045 -0.3778 -0.7812 -0.5778 0.7522
90 0.2055 -0.1012 -0.1745 -0.5778 -0.7812 0.5488
10 1.5355 1.2288 1.1555 0.7522 0.5488 -0.7812
0

Grupo control = 50
|d| Alpha
2.90126 0.05
70 80 60 50 90 100
70 0.0000 0.3067 0.3800 0.7833 0.9867 2.3167
80 -0.3067 0.0000 0.0733 0.4767 0.6800 2.0100
60 -0.3800 -0.0733 0.0000 0.4033 0.6067 1.9367
50 -0.7833 -0.4767 -0.4033 0.0000 0.2033 1.5333
90 -0.9867 -0.6800 -0.6067 -0.2033 0.0000 1.3300
10 -2.3167 -2.0100 -1.9367 -1.5333 -1.3300 0.0000
0

LSD
70 0.109 0.0219*
80 -0.2 0.2089
60 -0.27 0.3347
50 -0.67 1.0000
90 -0.47 0.8472
100 0.859 0.0001*
(c)Analyze the residuals from this experiment and comment on model

adequacy.
NORMAL
Tarea 3 Grupo A
Distribuciones
FACTOR
Normal(1.33111,0.81018)
Estadsticos de resumen
Media 1.3311111
Desviacin estndar 0.8101844
Error estndar de la media 0.1909623
Extremo superior del IC al 95% para la 1.7340063
media
Extremo inferior del IC al 95% para la 0.9282159
media
N 18
Normal ajustada
Estimaciones de los parmetros
Tipo Parmetr Estimaci Extremo Extremo
o n inferior del IC superior del IC
al 95% al 95%
Localizaci 1.3311111 0.9282159 1.7340063
n
Dispersin 0.8101844 0.6079523 1.214583
-2log(verosimilitud) = 42.5040227933926
INDEPENDENCIA
Respuesta FACTOR
Modelo completo
Tarea 3 Grupo A
Grfico de residuos frente a valores predichos

libertad
MEAN 2 2 0.222678 1.4827 0.2729
WEIGHT
TEMPERATUR 5 5 10.185178 27.1271 <.0001*
E
Durbin-Watson
Durbin- Nmero de Autocorrelaci Prob<DW
Watson observacion n
es
0.8738625 18 0.4328 0.0036*
HOMOGENEIDAD
Respuesta FACTOR
Modelo completo
Grfico de residuos frente a las filas
Ajustar grupo
Tarea 3 Grupo A
Prueba que las varianzas sean iguales
Nivel Conteo Desviaci Diferencia absoluta Diferencia absoluta

n media con respecto a media con respecto a
estndar la media la mediana
100 6 0.586904 0.3983333 0.3983333
150 6 0.832668 0.5888889 0.5516667
200 6 1.072113 0.7522222 0.7500000
Prueba Razn F Grados de Grados de Prob > F

libertad del libertad del
numerador denominador
O'Brien[.5] 0.5119 2 15 0.6094
Brown- 0.5053 2 15 0.6132
Forsythe
Levene 0.6263 2 15 0.5480
Bartlett 0.7917 2 . 0.4531
Prueba de Welch
ANOVA de Welch prueba la igualdad de las medias y permite que las desviaciones estndar no
sean iguales
Razn F Grados de Grados de Prob > F

0.1379 2 9.4285 0.8729
Prueba que las varianzas sean iguales

Tarea 3 Grupo A
Nivel Conteo Desviaci Diferencia absoluta Diferencia absoluta
n media con respecto a media con respecto a
estndar la media la mediana
100 3 0.5800000 0.3866667 0.3866667
50 3 0.1418920 0.1022222 0.0933333
60 3 0.1650253 0.1111111 0.1100000
70 3 0.1137248 0.0844444 0.0733333
80 3 0.1500000 0.1000000 0.1000000
90 3 0.2600000 0.1733333 0.1733333
Prueba Razn F Grados de Grados de Prob > F

O'Brien[.5] 1.4286 5 12 0.2829
Brown- 1.5083 5 12 0.2587
Forsythe
Levene 1.5213 5 12 0.2550
Bartlett 1.4616 5 . 0.1987
Advertencia: tamaos muestrales pequeos. Proceda con precaucin.

Prueba de Welch
ANOVA de Welch prueba la igualdad de las medias y permite que las desviaciones estndar no
sean iguales
Razn F Grados de Grados de Prob > F

14.5786 5 5.5096 0.0037*
Ejercicios del libro

1. En que situaciones se aplica un diseo de bloques completos al
azar? En que difieren los factores de tratamiento y de bloque?
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de
un factor sin que las posibles diferencias se deban a otros factores que
no se consideraron en el estudio. En el diseo DBCA, en cada bloque se
prueban todos los tratamientos. La aleatorizacin se hace dentro de
cada bloque. Un tratamiento es una combinacin de niveles de todos los
factores y los factores de bloque son las variables adicionales al factor
de inters que se incorporan de manera explcita en un experimento
comparativo para no sesgar la comparacin.
2. Qu diferencia hay entre un DBCA y los diseos en cuadro latino?

En el DBCA se consideran tres fuentes de variabilidad: el factor de
tratamientos, el factor de bloque y el error aleatorio, mientras que en el
Tarea 3 Grupo A
diseo en cuadro latino se controlan dos factores de bloque y uno de

tratamientos; los tres factores tienen la misma cantidad de niveles. Los
tratamientos se representan por letras latinas y se distribuyen en forma
adecuada en un cuadro.
3. De acuerdo con el modelo estadstico para un diseo en bloques,

porque a travs de este diseo se reduce el error aleatorio?
Porque ahora al considerar los bloques, la variabilidad observada que no
se poda explicar por los factores estudiados resulta del efecto de dichos
bloques y del error experimental
4. A continuacin se muestra parte del ANOVA para un diseo en

bloques que tiene tres tratamientos y cinco bloques con una sola
repeticin por tratamiento-bloque.
Fuente de S. De G. De C. Medio Razn F Valor-p
variacin cuadrados libertad
TRATAMIENT 600 2 300 4.8
O 850 4 212.5 3.4
BLOQUE 500 8 62.5
ERROR 1950 14
TOTAL
a) Agregar en esta tabla los grados de libertad, el cuadrado medio y

la razn F para cada uno de las fuentes de variacin.
b) Interprete en forma prctica, para cada caso, lo que est
estimando el cuadrado medio:
- El cuadrado medio interpreta una divisin de cada suma de
cuadrados entre sus respectivos grados de libertad.
c) Escriba el modelo estadstico y las hiptesis pertinentes.
Modelo Estadstico:
Yij= + i + j + ij ; {i = 1,2, k U j=1,2,,b}
Hiptesis
H0: 1 = 2= 3= = b = 0
HA: 0 para algn bloque j
d) Apyese en las tablas de la distribucin f para aceptar o rechazar

las hiptesis.
Para efecto tratamiento se rechaza la hiptesis nula (4.8 > 4.459)
Para efecto del bloque se acepta la hiptesis nula (3.4 < 3.838)
Tarea 3 Grupo A
Esto quiere decir que el factor tratamiento tiene efecto

significativo en la respuesta del experimento y el efecto del bloque
no es significativo.
e) Con apoyo de un software obtenga el valor-P para cada caso.

Interprete sus resultados.
Valor- P para tratamiento: 0.003 < 0.05 (Se
rechaza H0) Valor- P para bloque: 0.1014 > 0.05
(No se rechaza H0)
5. Realice el problema anterior, pero ahora suponga que no se

bloque se hubiesen obtenido las mismas conclusiones?
Argumente.
-
Las conclusiones serian idnticas, ya que el resultado del bloque no
tiene un efecto significativo en la respuesta y sin bloque, toda la
variacin se ira al trmino error.
6. Aunque en el anlisis de varianza para un diseo en bloques

completos al azar tambin se puede probar la hiptesis sobre
si hay diferencia entre los bloques, se dice que esta hiptesis
se debe ver con ciertas reservas. Explique por qu.
La hiptesis que se plantea:

H0: 1 = 2 = 3 = = b = 0
HA: 0 para algn bloque j
Esta no es una prueba F exacta, sino aproximada, debido a la

restriccin de aleatorizacin (slo se aleatoriza dentro del bloque). En la
prctica se recomienda su interpretacin porque es evidencia a favor o
en contra de que vali la pena el esfuerzo de controlar el factor de
bloque. Si resulta significativa implica que el factor de bloques tiene
influencia sobre la variable de respuesta, y debe ser tomado en cuenta
para mejorar la calidad de sta. Pero, si no se rechaza y se acepta que
los bloques son iguales en respuesta media, entonces se tiene el
argumento a favor de no controlar este factor en futuros experimentos
sobre esta misma respuesta, adems de que su influencia en la calidad
de la respuesta no es significativa.
Tarea 3 Grupo A
La restriccin de aleatorizacin se debe al hecho de que no se

aleatoriza el orden de las corridas experimentales en relacin a los
bloques. El experimento supone que slo se aleatoriza el orden de las
corridas dentro de cada bloque, lo cual evita sesgos en la comparacin
de los tratamientos, pero no los impide en la comparacin de los
bloques.
EJERCICIO 10- LIBRO

SE HACE UN ESTUDIO SOBRE LA EFECTIVIDAD DE 3 MARCAS DE
ATOMIZADOR PARA MATAR MOSCAS. PARA ELLO CADA PRODUCTO
SE APLICA A UN GRUPO DE 100 MOSCAS Y SE CUENTA EL NUMERO
DE MOSCAS MUERTAS EXPRESADO EN PORCENTAJES. SE HICIERON
6 REPLICAS PERO EN DIAS DIFERENTES, POR ELLO SE SOSPECHA
QUE PUEDE HABER ALGUN EFECTO IMPORTANTE DEBIDO A ESTA
FUENTE DE VARIACIN LOS DATOS OBTENIDOS SE MUESTRAN A
CONTINUACION:
NUMERO DE REPLICA (DA)
MARCA DE 1 2 3 4 5 6
ATOMIZAD
OR
1 72 65 67 75 62 73
2 55 59 68 70 53 50
3 64 74 61 58 51 69
A)
MODELO ESTADISTICO: Yij=+Ti+Yj+Eij
DONDE :
Yij= mortalidad
=media global
Ti=efecto del atomizador
Yi=dia
Eij=error aleatorio
HIPOTESIS DE UN DBCA
Factor Ho HA Donde i y j
Tarea 3 Grupo A
representan:
Marca de 1= 2= 3 1 2 3
2 atomizadores
atomizador diferentes
Da 1= 2= 3= 1 2 3 2 dias
4= 5= 6 4 5 6 diferentes
B) EN BASE AL ANOVA NINGUNO DE LOS FACTORES TIENEN EFECTO

PUES P> ALFA

Da 5 5 281.33333 1.0940 0.4207
Marca 2 2 296.33333 2.8808 0.1028
ANOVA

Da 5 281.3333 56.267 1.0940 0.4207
Marca 2 296.3333 148.167 2.8808 0.1028
Error 10 514.3333 51.433
C. Total 17 1092.0000
PERO Si existen diferencias de acuerdo a la prueba de LSD EN EL

ATOMIZADOR:
Tarea 3 Grupo A
M arca
Mo rtalida d L e ve rag e R es id u als

Lev erage Plot
75
70
65
60
55
50
45
0 67.5 70.0 57.5 60.0 62.5 65.0 67.5 70.0
207 Marca Leverage, P=0.1028

ror Mean Level Least Sq Mean Std Error Mean
50 63.6667 1 69.000000 2.9278358 69.0000
50 66.0000 2 59.166667 2.9278358 59.1667
50 65.3333 3 62.833333 2.9278358 62.8333
50 67.6667 LS M eans P lot
Mo rtalida d LS Me a ns
50 55.3333
50 64.0000 75
65
55
45
1 2 3
Marca
4 5 6
LSM eans Differences Student's t
Da Alpha= 0.050 Q= 2.22814
LSMean[j]
nt's t Mean[i]-Mean[j] 1 2 3
Std Err Dif
LSMean[j] Lower CL Dif
3 4 5 6 Upper CL Dif
1 0 9.83333 6.16667
0 4.14059 4.14059
0 0.60753 -3.0591
-1.6667 -4 8.33333 -0.3333 0 19.0591 15.3925
5.85567 5.85567 5.85567 5.85567 2 -9.8333 0 -3.6667
L S Me an [i]
-14.714 -17.047 -4.7139 -13.381 4.14059 0 4.14059

11.3806 9.04725 21.3806 12.7139 -19.059 0 -12.892
0.66667 -1.6667 10.6667 2 -0.6075 0 5.55913
5.85567 5.85567 5.85567 5.85567 3 -6.1667 3.66667 0
-12.381 -14.714 -2.3806 -11.047 4.14059 4.14059 0
13.7139 11.3806 23.7139 15.0472 -15.392 -5.5591 0
0 -2.3333 10 1.33333 3.05913 12.8925 0
0 5.85567 5.85567 5.85567
LSM eans Differences Tukey HS D
0 -15.381 -3.0472 -11.714
Alpha= 0.050 Q= 2.74129
2.33333
0 10.7139
0
23.0472
12.3333
14.3806
3.66667
c) SI EXISTE UN ATOMIZADOR MEJOR SON : 3 Y 1 EN BASE A LA PRUEBA LSD
LSMean[j]
5.85567 0 5.85567 5.85567 Mean[i]-Mean[j] 1 2 3
-10.714 0 -0.7139 -9.3806 Std Err Dif
15.3806 0 25.3806 16.7139 D) NO EXISTEN DIFERENCIAS EN LAS MEDIAS DE LOS VALORES
Lower CL Dif
Upper CL Dif
DE
-10 -12.333 0 -8.6667
5.85567 5.85567 0 5.85567 MORTALIDAD 00EN BASE
9.83333 6.16667
4.14059 4.14059
AL DIA DE ACUERDO
1
AL ANOVA Y LAS PRUEBAS DE LSD
-23.047 -25.381 0 -21.714
3.04725 0.71392 0 4.38058 Y TUKEY 0 -1.5172 -5.1839
0 21.1839 17.5172
-1.3333 -3.6667 8.66667 0
5.85567 5.85567 5.85567 0 2 -9.8333 0 -3.6667
L S Me an [i]
-14.381 -16.714 -4.3806 0 4.14059 0 4.14059

11.7139 9.38058 21.7139 0 -21.184 0 -15.017
1.51719 0 7.68386
HS D 3 -6.1667 3.66667 0
4.14059 4.14059 0
LSMean[j] -17.517 -7.6839 0
3 4 5 6 5.18386 15.0172 0
-1.6667 -4 8.33333 -0.3333

5.85567 5.85567 5.85567 5.85567
-22.005 -24.339 -12.005 -20.672
18.6719 16.3386 28.6719 20.0052
0.66667 -1.6667 10.6667 2
5.85567 5.85567 5.85567 5.85567
-19.672 -22.005 -9.6719 -18.339
21.0052 18.6719 31.0052 22.3386
0 -2.3333 10 1.33333
0 5.85567 5.85567 5.85567
0 -22.672 -10.339 -19.005
0 18.0052 30.3386 21.6719
2.33333 0 12.3333 3.66667
5.85567 0 5.85567 5.85567
-18.005 0 -8.0052 -16.672
22.6719 0 32.6719 24.0052
-10 -12.333 0 -8.6667
5.85567 5.85567 0 5.85567
-30.339 -32.672 0 -29.005
10.3386 8.00522 0 11.6719
-1.3333 -3.6667 8.66667 0
5.85567 5.85567 5.85567 0
-21.672 -24.005 -11.672 0
19.0052 16.6719 29.0052 0
LS M eans P lot
Mo rtalida d LS Me a ns
Mo rtalida d L
65
75
55
65
45
1 2 3
Valds Ruiz Rafael
55
Ivn Diseo de experimentos
Tarea 3 Grupo A
45 Marca
1 2 3 4 5 6
LSM eans Differences Student's t
Da Alpha= 0.050 Q= 2.22814
LSMean[j]
LSM eans Differences Student's t Mean[i]-Mean[j] 1 2 3
Alpha= 0.050 Q= 2.22814 Std Err Dif
LSMean[j] Lower CL Dif
Mean[i]-Mean[j] 1 2 3 4 5 6 Upper CL Dif
Std Err Dif 1 0 9.83333 6.16667
Lower CL Dif 0 4.14059 4.14059
Upper CL Dif 0 0.60753 -3.0591
1 0 -2.3333 -1.6667 -4 8.33333 -0.3333 0 19.0591 15.3925
0 5.85567 5.85567 5.85567 5.85567 5.85567 2 -9.8333 0 -3.6667
L S Me an [i]
0 -15.381 -14.714 -17.047 -4.7139 -13.381 4.14059 0 4.14059
0 10.7139 11.3806 9.04725 21.3806 12.7139 -19.059 0 -12.892
2 2.33333 0 0.66667 -1.6667 10.6667 2 -0.6075 0 5.55913
5.85567 0 5.85567 5.85567 5.85567 5.85567 3 -6.1667 3.66667 0
-10.714 0 -12.381 -14.714 -2.3806 -11.047 4.14059 4.14059 0
15.3806 0 13.7139 11.3806 23.7139 15.0472 -15.392 -5.5591 0
3 1.66667 -0.6667 0 -2.3333 10 1.33333 3.05913 12.8925 0
5.85567 5.85567 0 5.85567 5.85567 5.85567
LSM eans Differences Tukey HS D
-11.381 -13.714 0 -15.381 -3.0472 -11.714
Alpha= 0.050 Q= 2.74129
L S Me an [i]
14.7139 12.3806 0 10.7139 23.0472 14.3806

4 4 1.66667 2.33333 0 12.3333 3.66667 LSMean[j]
5.85567 5.85567 5.85567 0 5.85567 5.85567 Mean[i]-Mean[j] 1 2 3
-9.0472 -11.381 -10.714 0 -0.7139 -9.3806 Std Err Dif
17.0472 14.7139 15.3806 0 25.3806 16.7139 Lower CL Dif
5 -8.3333 -10.667 -10 -12.333 0 -8.6667 Upper CL Dif
5.85567 5.85567 5.85567 5.85567 0 5.85567 1 0 9.83333 6.16667
-21.381 -23.714 -23.047 -25.381 0 -21.714 0 4.14059 4.14059
4.71392 2.38058 3.04725 0.71392 0 4.38058 0 -1.5172 -5.1839
6 0.33333 -2 -1.3333 -3.6667 8.66667 0 0 21.1839 17.5172
5.85567 5.85567 5.85567 5.85567 5.85567 0 2 -9.8333 0 -3.6667
L S Me an [i]
-12.714 -15.047 -14.381 -16.714 -4.3806 0 4.14059 0 4.14059
13.3806 11.0472 11.7139 9.38058 21.7139 0 -21.184 0 -15.017
1.51719 0 7.68386
LSM eans Differences Tukey HS D 3 -6.1667 3.66667 0
Alpha= 0.050 Q= 3.47331 4.14059 4.14059 0
LSMean[j] -17.517 -7.6839 0
Mean[i]-Mean[j] 1 2 3 4 5 6 5.18386 15.0172 0
Std Err Dif
Lower CL Dif
Upper CL Dif
1 0 -2.3333 -1.6667 -4 8.33333 -0.3333
0 5.85567 5.85567 5.85567 5.85567 5.85567
0 -22.672 -22.005 -24.339 -12.005 -20.672
0 18.0052 18.6719 16.3386 28.6719 20.0052
2 2.33333 0 0.66667 -1.6667 10.6667 2
5.85567 0 5.85567 5.85567 5.85567 5.85567
-18.005 0 -19.672 -22.005 -9.6719 -18.339
22.6719 0 21.0052 18.6719 31.0052 22.3386
3 1.66667 -0.6667 0 -2.3333 10 1.33333
5.85567 5.85567 0 5.85567 5.85567 5.85567
-18.672 -21.005 0 -22.672 -10.339 -19.005
L S Me an [i]
22.0052 19.6719 0 18.0052 30.3386 21.6719

4 4 1.66667 2.33333 0 12.3333 3.66667
5.85567 5.85567 5.85567 0 5.85567 5.85567
-16.339 -18.672 -18.005 0 -8.0052 -16.672
24.3386 22.0052 22.6719 0 32.6719 24.0052
5 -8.3333 -10.667 -10 -12.333 0 -8.6667
5.85567 5.85567 5.85567 5.85567 0 5.85567
-28.672 -31.005 -30.339 -32.672 0 -29.005
12.0052 9.67189 10.3386 8.00522 0 11.6719
6 0.33333 -2 -1.3333 -3.6667 8.66667 0
5.85567 5.85567 5.85567 5.85567 5.85567 0
-20.005 -22.339 -21.672 -24.005 -11.672 0
20.6719 18.3386 19.0052 16.6719 29.0052 0
E) PRUEBAS DE SUPUESTOS
NORMALIDAD
Tarea 3 Grupo A
Distributions
Mortalidad
80
75
70
65
60
55
50
45
Normal(63.6667,8.01469)
Fitted Normal
Parameter Estimates
Location Mu 63.66667 59.68105 67.65228
Shapiro-Wilk W Test
W Prob<W
0.949445 0.4176
Conclusin:
Los datos son normales pues el valor de P>alfa (0.4176>0.05)

Tarea 3 Grupo A
HOMOGENEIDAD
Response Mortalidad
Whole Model
10
Mortalidad Residual
-5
-10
50 55 60 65 70 75
Mortalidad Predicted
PRESENTAN LA MISMA DISPERSIN
Oneway Analysis of Mortalidad By Da

75
70
Block Centered
Mortalidad
65
60
55
50
1 2 3 4 5 6
Da
1 3 3.723051 2.777778 3.000000
2 3 7.886345 5.888889 6.333333
3 3 6.207075 4.777778 3.666667
4 3 8.022538 5.888889 6.833333
5 3 3.059593 2.333333 2.166667
6 3 8.298260 6.333333 5.833333
O'Brien[.5] 0.5135 5 12 0.7614
Tarea 3 Grupo A
1 3 3.723051 2.777778 3.000000
Brown-Forsythe 0.5790 5 12 0.7158
Levene 1.3659 5 12 0.3036
Bartlett 0.5036 5 . 0.7738

2.2685 5 5.4446 0.1847
Conclusin: los datos son homogneos pues el valor de P> alfa

(0.7738> 0.05)
INDEPENDENCIA
Response Mortalidad
Whole Model
10
5
Residual
0
-5
-10
0 5 10 15 20
Row Number
Durbin-Watson
3.0362389 18 -0.5599 0.8948
Conclusin: los datos son independientes pues P> alfa (0.8948>0.05)

Tarea 3 Grupo A
EJERCICIO 12 LIBRO.
Se dise un experimento para estudiar el rendimiento de cuatro
detergentes. Las siguientes lecturas de blancura se obtuvieron con
un equipo especial diseado para 12 cargas de lavado, distribuidos
en 3 modelos de lavadoras:
DETERGENTE LAVADORA 1 LAVADORA 2 LAVADORA 3

A 45 43 51
B 47 44 52
C 50 49 57
D 42 37 49
a) Seale el nombre del diseo experimental utilizado.

Diseo por bloques
b) Formule la Hiptesis que se quiere probar en este problema.
Hiptesis de acuerdo a las lavadoras.
Ho : 1= 2= 3=
Ha: 1 j; para algni j
Hiptesis de acuerdo a los detergentes.
Ho : A=B=C=D =
Ha: A j; para algni j
c) Realice el anlisis estadstico ms apropiado para estos datos y

obtenga conclusiones.
ANOVA.
Whole Model
Effect Tests
LAVADORAS 2 2 170.16667 65.1702 <.0001
DETERGENTE 3 3 133.66667 34.1277 0.0004
EL valor p que nos arroja la tabla dice que se rechazan ambas hiptesis por lo tanto, las medias de los diferentes
tratamientos son significativamente diferentes de la media poblacional y para el factor de bloqueo podramos
deducir que influye directamente en la respuesta del experimento.
Tarea 3 Grupo A
NORMALIDAD
Distributions
ALTURA
60
55
50
45
40
35
Normal(47.1667,5.32291)
Moments
Mean 47.16667
Std Dev 5.32291
Std Err Mean 1.53659
upper 95% Mean 50.54869
lower 95% Mean 43.78464
N 12.00000
Fitted Normal
Parameter Estimates
Location Mu 47.16667 43.78465 50.54868
Shapiro-Wilk W Test
W Prob<W
0.985614 0.9865
En la prueba de Shapiro-Wilk se observa que el valor de p >alpha por lo tanto
se acepta Ho y se comprueba la Normalidad.
Tarea 3 Grupo A
HOMOGENEIDAD
Fit Y by X Group
Oneway Analysis of ALTURA By DETERGENTE
60
55
50
ALTURA
45
40
35
A B C D
DETERGENTE

A 3 4.163332 3.111111 3.333333
B 3 4.041452 2.888889 3.666667
C 3 4.358899 3.333333 3.000000
D 3 6.027714 4.222222 5.666667
O'Brien[.5] 0.2826 3 8 0.8367
Brown-Forsythe 0.8611 3 8 0.4995
Levene 0.2209 3 8 0.8792
Bartlett 0.1249 3 . 0.9454

1.3652 3 4.41 0.3647
Oneway Analysis of ALTURA By LAVADORAS
60
55
50
ALTURA
45
40
35
1 2 3
LAVADORAS

1 4 3.366502 2.500000 2.500000
2 4 4.924429 3.250000 3.250000
3 4 3.403430 2.375000 2.250000
O'Brien[.5] 0.3838 2 9 0.6919
Levene 0.1560 2 9 0.8578
Bartlett 0.2606 2 . 0.7706
Tarea 3 Grupo A

5.1050 2 5.8663 0.0520
Los datos son homogneos porque en la prueba de Bartlett es mayor la
p>alpha.
Response ALTURA
Whole Model
2
1
Residual
0
-1
-2
.0 2.5 5.0 7.5 10.0 12.5 15.0
Row Number
Durbin-Watson
2.8005319 12 -0.5018 0.7336
Los datos se aceptan y son independientes porque p>alpha.
CONCLUSIONES: En cuestin de los detergentes consideramos que el B es el

que presenta mayor rendimiento, y segn los resultados obtenidos las
lavadoras no intervienen en el rendimiento de los 4 detergentes.
EJERCICIO 13
Tarea 3 Grupo A
a) Nombre del diseo experimental utilizado

Diseo de bloques completos al azar
b) Hiptesis:
Ho. A= B = C = D
Ha. i j donde i y j representan detergentes
c) Realice el anlisis estadstico ms adecuado

Oneway Analysis of BLANCURA By detergente
60
55
50
REPETICION
45
40
35
A B C D Each Pair All Pairs With Control
Student's t Tukey-Kramer Dunnett's
detergente 0.05 0.05 0.05
Oneway Anova
Summary of Fit
Rsquare 0.428877
Adj Rsquare 0.214706
Root Mean Square Error 4.716991
Mean of Response 47.16667
Observations (or Sum Wgts) 12
detergente 3 133.66667 44.5556 2.0025 0.1923
Tarea 3 Grupo A
Error 8 178.00000 22.2500
C. Total 11 311.66667
Means for Oneway Anova

Level Number Mean Std Error Lower 95% Upper 95%
A 3 46.3333 2.7234 40.053 52.613
B 3 47.6667 2.7234 41.387 53.947
C 3 52.0000 2.7234 45.720 58.280
D 3 42.6667 2.7234 36.387 48.947
Std Error uses a pooled estimate of error variance
Means Comparisons
Dif=Mean[i]-Mean[j] C B A D
C 0.00000 4.33333 5.66667 9.33333
B -4.33333 0.00000 1.33333 5.00000
A -5.66667 -1.33333 0.00000 3.66667
D -9.33333 -5.00000 -3.66667 0.00000
Alpha=
0.05
T
2.30600
Abs(Dif)-LSD C B A D
C -8.88136 -4.54803 -3.21469 0.45197
B -4.54803 -8.88136 -7.54803 -3.88136
A -3.21469 -7.54803 -8.88136 -5.21469
D 0.45197 -3.88136 -5.21469 -8.88136
Comparisons for all pairs using Tukey-Kramer HSD

q*
3.20238
C -12.3337 -8.0003 -6.6670 -3.0003
B -8.0003 -12.3337 -11.0003 -7.3337
A -6.6670 -11.0003 -12.3337 -8.6670
D -3.0003 -7.3337 -8.6670 -12.3337
Comparisons with a control using Dunnett's Method

Control Group =
A
|d|
2.87973
Abs(Dif)-LSD A
C -5.4243
B -9.7577
A -11.0910
D -7.4243
Tarea 3 Grupo A
CONCLUSIN: se ve una diferencia entre los detergentes puesto que
Fcalculado>Ftablas (2.0025>0.1923); sin embargo con las siguientes pruebas
no se aprecia una diferencia significativa que nos indique que el detergente
tenga un verdadero efecto.
Oneway Analysis of BLANCURA By detergente

55
52.5
Block Centered
50
REPETICION
47.5
45
42.5
40
A B C D Each Pair
Student's t
detergente 0.05
Oneway Anova
Summary of Fit
Rsquare 0.974866
Adj Rsquare 0.953922
Root Mean Square Error 1.142609
Mean of Response 47.16667
Observations (or Sum Wgts) 12
detergente 3 133.66667 44.5556 34.1277 0.0004
lavadora 2 170.16667 85.0833 65.1702 <.0001
Error 6 7.83333 1.3056
C. Total 11 311.66667
Means for Oneway Anova
Level Number Mean Std Error Lower 95% Upper 95%
A 3 46.3333 0.65969 44.719 47.948
B 3 47.6667 0.65969 46.052 49.281
C 3 52.0000 0.65969 50.386 53.614
D 3 42.6667 0.65969 41.052 44.281
Std Error uses a pooled estimate of error variance
Block Means
lavadora Mean Number
1 46.0000 4
2 43.2500 4
3 52.2500 4
Means Comparisons
C 0.00000 4.33333 5.66667 9.33333
B -4.33333 0.00000 1.33333 5.00000
Tarea 3 Grupo A
A -5.66667 -1.33333 0.00000 3.66667
D -9.33333 -5.00000 -3.66667 0.00000
Alpha=
0.05
t
2.44691
C -2.28281 2.05052 3.38385 7.05052
B 2.05052 -2.28281 -0.94948 2.71719
A 3.38385 -0.94948 -2.28281 1.38385
D 7.05052 2.71719 1.38385 -2.28281
CONCLUSIN: Si hay diferencias en las conclusiones pues al evaluar juntos las lavadoras con los detergentes podemos
ver que ambos tienen efecto en la blancura de la ropa, sin embargo en la primera parte donde se analizaron individualmente
se ve que apenas hay un efecto (la cual no es significativa).
Las ultimas conclusiones seran las ms adecuadas `pues se ve el efecto que tiene la combinacin de lavadora-detergente
en la blancura dndonos resultados ms congruentes, pues no fue un experimento diseado completamente al azar si no
en bloques.
Tarea 3 Grupo A
15.- Un aspecto crtico para que se conserve la leche es la

temperatura de almacenamiento. De manera tradicional se han
usado termmetros de mercurio (Mer) para verificar que la
temperatura sea la adecuada, pero ahora se han comprado
termmetros electrnicos (Rtd) para facilitar el proceso de
medicin. Sin embrago, se duda de las mediciones de estos nuevos
dispositivos. Para aclarar dudas y diagnosticar la situacin, durante
cinco das se toman mediciones con ambos tipos de termmetros
en varios silos (a la misma hora). Los datos para cinco silos se
muestran a continuacin:
Da 1 Da 2 Da 3 Da 4 Da 5
Silo
Mer Rtd Mer Rtd Mer Rtd Mer Rtd Mer Rtd
A 4.0 2.6 4.0 2.8 5.0 5.0 0.5 0.0 3.0 2.4
B 5.0 6.4 6.0 6.4 2.0 2.3 4.0 4.2 4.0 4.0
C 4.5 3.3 4.0 1.4 3.5 1.8 2.0 -1.9 3.0 -7.6
D 2.5 3.1 4.0 5.0 6.5 6.6 4.5 2.7 4.0 6.3
E 4.0 0.0 4.0 0.4 3.5 0.6 2.0 -4.0 4.0 -6.3
a) Observe los datos y establezca una conjetura acerca de la confiabilidad

de las mediciones con Rtd (del termmetro de mercurio no hay duda).
A primera vista, si comparamos el termmetro de Mer con el Rtd se aprecian

diferencias grandes, incluso el termmetro Rtd marca temperaturas inferiores a
0C, cosa que nunca sucede con el otro termmetro.
b) Es claro que el silo se puede ver como tratamiento y da como bloque.

Considere slo los datos de Rtd y establezca el modelo estadstico.
Tambin haga el ANOVA correspondiente y obtenga conclusiones.
El tipo de anlisis sera Diseo en bloques completos al azar (DBCA), cuyo

modelo es:
{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }
Hiptesis:
Tratamiento:
Tarea 3 Grupo A
H 0 : A= B=C = D= E=
H A : i j para algn i j
Bloques:
H 0 : 1 = 2= 3= 4 = 5=0
H A : j 0 para algn bloque j
Anlisis de varianza de dos factores con una sola

muestra por grupo
RESUME Promedi
N Cuenta Suma o Varianza
Fila 1 5 12.8 2.56 3.148
Fila 2 5 23.3 4.66 3.068
Fila 3 5 -3 -0.6 18.915
Fila 4 5 23.7 4.74 3.203
Fila 5 5 -9.3 -1.86 9.728
Columna
1 5 15.4 3.08 5.197
Columna
2 5 16 3.2 6.18
Columna
3 5 16.3 3.26 6.078
Columna
4 5 1 0.2 11.085
Columna
5 5 -1.2 -0.24 39.653
ANLISIS DE
VARIANZA
Origen Promedi
de las Suma de Grados o de los Valor
variacion cuadrad de cuadrad Probabilid crtico
es os libertad os F ad para F
Filas 182.532 4 45.633 8.090957 0.000911 3.006917
Tarea 3 Grupo A
45 59 28
Columna 2.748581 0.064865 3.006917
s 62.008 4 15.502 56 29 28
Error 90.24 16 5.64
Total 334.78 24
En tratamiento:
Dado que F0 > F critica , la hiptesis se rechaza, esto significa que la
temperatura en los silos es diferente.
En bloque:
Como F0 < F critica , la hiptesis nula se acepta, esto se interpreta en que el da

no tiene un efecto en la medicin de la temperatura.
c) Repita el inciso anterior pero ahora para las mediciones Mer.

modelo es:
{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }
Hiptesis:
Tratamiento:
H 0 : A= B=C = D= E=
Bloques:
H 0 : 1 = 2= 3= 4 = 5=0

Tarea 3 Grupo A

muestra por grupo
RESUME Promedi
Fila 1 5 16.5 3.3 2.95
Fila 2 5 21 4.2 2.2
Fila 3 5 17 3.4 0.925
Fila 4 5 21.5 4.3 2.075
Fila 5 5 17.5 3.5 0.75
Columna
1 5 20 4 0.875
Columna
2 5 22 4.4 0.8
Columna
3 5 20.5 4.1 2.925
Columna
4 5 13 2.6 2.675
Columna
5 5 18 3.6 0.3
ANLISIS DE
VARIANZA
Origen Promedi
variacion cuadrado de cuadrado Probabilid crtico
es s libertad s F ad para F
0.690402 0.609212 3.006917
Filas 4.46 4 1.115 48 39 28
Columna 1.510835 0.246022 3.006917
s 9.76 4 2.44 91 12 28
Error 25.84 16 1.615
Total 40.06 24
En tratamiento:
Dado que F0 < F critica , la hiptesis se acepta, esto significa que la
temperatura en los silos no es diferente.
En bloque:
Tarea 3 Grupo A
Como F0 < F critica , la hiptesis nula se acepta, esto se interpreta en que el

da no tiene un efecto en la medicin de la temperatura.
d) Las conclusiones obtenidas en los incisos anteriores coinciden?

Comente su respuesta.
No las conclusiones con respecto a los tratamientos (silos) fue distinta, en el

caso del termmetro Rtd haba variacin en los silos; mientras que con el
termmetro Mer, eso no se detect, los silos eran estadsticamente iguales.
Esto quiere decir que los termmetros son distintos entre s, ya que muestran
conclusiones diferentes.
e) Datos pareados. Para comprara los dos mtodos de medicin (Mer y Rtd)
obtenga como variable de respuesta a la diferencia de temperaturas que
registran los mtodos para cada da en cada silo. Considerando esto,
establezca el modelo estadstico, haga el ANOVA correspondiente y
obtenga conclusiones.
Para |MER-RTD|
Da 1 Da 2 Da 3 Da 4 Da 5
Silo
Dif. Dif. Dif. Dif. Dif.
A 1.4 1.2 0 0.5 0.6
B 1.4 0.4 0.3 0.2 0
C 1.2 2.6 1.7 3.9 10.6
D 0.6 1 0.1 1.8 2.3
E 4 3.6 2.9 6 10.3

modelo es:
{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }
Tarea 3 Grupo A
Hiptesis:
Tratamiento:
H 0 : A= B=C = D= E=
Bloques:
H 0 : 1 = 2= 3= 4 = 5=0

muestra por grupo
RESUME Promedi
Fila 1 5 3.7 0.74 0.318
Fila 2 5 2.3 0.46 0.298
Fila 3 5 20 4 14.665
Fila 4 5 5.8 1.16 0.793
Fila 5 5 26.8 5.36 8.953
Columna
1 5 8.6 1.72 1.732
Columna
2 5 8.8 1.76 1.708
Columna
3 5 5 1 1.6
Columna
4 5 12.4 2.48 5.997
Tarea 3 Grupo A
Columna
5 5 23.8 4.76 27.703
ANLISIS DE
VARIANZA
Origen Promedi
variacion cuadrad de cuadrad Probabilid crtico
es os libertad os F ad para F
6.659989 0.002357 3.006917
Filas 96.8136 4 24.2034 27 44 28
Columna 2.886617 0.056396 3.006917
s 41.9616 4 10.4904 23 43 28
Error 58.1464 16 3.63415
196.921
Total 6 24
En tratamiento:
Dado que F0 > F critica , la hiptesis nula se rechaza esto se interpreta en que, la
diferencia entre las temperaturas de los termmetros, en los silos es diferente,

es decir, hay diferencias entre cada tratamiento.
En bloque:
Como F0 < F critica , la hiptesis nula se acepta, esto se interpreta en que el da

no tiene un efecto en la medicin de la temperatura.
En conclusin, se puede inferir por los resultados en los incisos anteriores, que
el termmetro Rtd es diferente al termmetro Mer, y considerando que sobre
ste ltimo no hay duda de su funcionamiento, entonces, el termmetro Rtd,
est daado y no registra las temperaturas correctas.
Tarea 3 Grupo A
Ejercicio 16
Se quiere estudiar el efecto de cinco diferentes catalizadores
(A,B,C,D y E) sobre el tiempo de reaccin de un proceso qumico.
Cada lote de material slo permite cinco corridas y cada corrida
requiere aproximadamente 1.5 horas, por los que slo se pueden
realizar cinco corridas diarias. El experimentador decide correr los
experimentos con un diseo en cuadro latino para controlar
activamente a los lotes y das.
Los datos obtenidos son:
Da
1 2 3 4 5
Lote 1 A= 8 B= 7 D= 1 C= 7 E= 3
Lote 2 C= 11 E= 2 A= 7 D= 3 B= 8
Lote 3 B= 4 A= 9 C= 10 E= 1 D= 5
Lote 4 D= 6 C= 8 E= 6 B= 6 A= 10
Lote 5 E= 4 D= 2 B= 3 A= 8 C= 8
a) Cmo se aleatoriz el experimento?

Se cre el cuadro latino estndar ms sencillo, aleatorizando e orden de
los renglones y posteriormente el de las columnas.
b) Anote la ecuacin del modelo y la hiptesis estadsticas

correspondientes.
Yijl= +i+ j+ l+ijl
Hiptesis:
Da {Ho: 1= 2= 3= 4= 5 Ha: i j}
Catalizadores {Ho: A= B = C = D = E Ha: i j}
Lote {Ho: 1= 2= 3= 4= 5 Ha: i j}
c) Existen diferencias entre los tratamientos? Cules tratamientos son

diferentes entre s?
Si existen diferencias

CATALIZADOR 4 4 141.44000 10.8466 <.0001
Tarea 3 Grupo A
Response TIEMPO RE ACCION
CATALIZADOR
LS Means Plot
12.5
TIEMPO REAC CION LS Means

10
7.5
5
2.5
0
A B C D E
CATALIZADOR

Alpha= 0.050 Q= 2.08596
LSMean[j]
Mean[i]-Mean[j] A B C D E
Std Err Dif
Lower CL Dif
Upper CL Dif
A 0 2.8 -0.4 5 5.2
0 1.14193 1.14193 1.14193 1.14193
0 0.41798 -2.782 2.61798 2.81798
0 5.18202 1.98202 7.38202 7.58202
B -2.8 0 -3.2 2.2 2.4
1.14193 0 1.14193 1.14193 1.14193
-5.182 0 -5.582 -0.182 0.01798
-0.418 0 -0.818 4.58202 4.78202
C 0.4 3.2 0 5.4 5.6
1.14193 1.14193 0 1.14193 1.14193
LSMean[i]
-1.982 0.81798 0 3.01798 3.21798

2.78202 5.58202 0 7.78202 7.98202
D -5 -2.2 -5.4 0 0.2
1.14193 1.14193 1.14193 0 1.14193
-7.382 -4.582 -7.782 0 -2.182
-2.618 0.18202 -3.018 0 2.58202
E -5.2 -2.4 -5.6 -0.2 0
1.14193 1.14193 1.14193 1.14193 0
-7.582 -4.782 -7.982 -2.582 0
-2.818 -0.018 -3.218 2.18202 0
d) Los factores de ruido, lote y da afectan el tiempo de reaccin del

proceso?
No afectan.

DIA 4 4 12.24000 0.9787 0.4550
LOTE 4 4 15.44000 1.2345 0.3476
CATALIZADOR 4 4 141.44000 11.3092 0.0005
*Si, el nico tratamiento que es diferente entre s es el del tipo de

catalizador puesto que el valor de P es menor que alfa (0.0005<0.05)
e) Dibuje los grficos de medias para los tratamientos, los lotes y los das.
Cul tratamiento es mejor?
El C es el mejor de los tratamientos, porque su tiempo de reaccin es
ms rpido que cualquier otro catalizador
Tarea 3 Grupo A
DIA
LS Means Plot
12.5
TIEMPO REACCION LS Means

10
7.5
5
2.5
0
1 2 3 4 5
DIA
LOTE
LS Means Plot
12.5
10
7.5
5
2.5
0
1 2 3 4 5
LOTE
CATALIZADOR
LS Means Plot
12.5
10
7.5
5
2.5
0
A B C D E
CATALIZADOR
f) Verifique los supuestos del modelo, considerando que los datos se

obtuvieron columna por columna, da a da.
Tarea 3 Grupo A
Prueba de normalidad
Distributions
TIEMPO REACCION
12.5
10
7.5
2.5
Normal(5.88,2.93428)
Fitted Normal
Shapiro-Wilk W Test
W Prob<W
0.949149 0.2512
*En la prueba de Shapiro se observa que el valor de P>alfa (0.2512>0.05) por lo tanto
se acepta la Ho y se comprueba la normalidad de los datos.
Prueba de homogeneidad de varianza

Response TIEMPO REACCION
Tarea 3 Grupo A
Whole Model
TIEMPO REACCION Residual 3
-1
-2
-3
.0 2.5 5.0 7.5 10.0 12.5
TIEMPO REACCION Predicted
Oneway Analysis of TIEMPO REACCION By CATALIZADOR

12.5
10
TIEMPO REACCION
7.5
2.5
0
A B C D E
CATALIZADOR

A 5 1.140175 0.880000 0.800000
B 5 2.073644 1.680000 1.800000
C 5 1.643168 1.360000 1.200000
D 5 2.073644 1.680000 1.800000
E 5 1.923538 1.440000 1.600000
O'Brien[.5] 0.6250 4 20 0.6501
Brown-Forsythe 1.0217 4 20 0.4201
Levene 0.7972 4 20 0.5410
Bartlett 0.3886 4 . 0.8170

10.3578 4 9.8193 0.0015
*Conclusin: los datos son homogneos porque el valor de P>alfa (0.8170>0.05) en la

prueba de Bartlett
Tarea 3 Grupo A
Prueba de independencia
Response TIEMPO REACCION

Whole Model
3
Residual
-1
-3
0 5 10 15 20 25 30
Row Number

1.8662577 25 0.0607 0.4301
*Conclusin: los datos son independientes porque en la prueba de Durbin-Watson

P>alfa (0.4301>0.05)
Tarea 3 Grupo A
a) Si ya que el factor da no influye mucho en las respuestas ya que las

medias son estadsticamente iguales
b) Hiptesis:
Da {Ho: 1= 2= 3= 4= 5 Ha: i j}
Catalizadores {Ho: A= B = C = D = E Ha: i j}
Lote {Ho: 1= 2= 3= 4= 5 Ha: i j}
21. Se quieren comparar tres dietas A, B, C. A base de protenas de

origen vegetal utilizando 18 ratas de laboratorio de una misma
camada. Primero se observa por un tiempo el apetito para formar
tres grupos de seis ratas segn su voracidad y cada uno de estos
grupos se clasifica a su vez en tres grupos de dos ratas, de
acuerdo a su peso inicial. Se plantea un experimento donde la
variable de respuesta es el peso en gramos ganado por las ratas
despus de cierto periodo, con los siguientes resultados:
Apetito/ peso A1 A2 A3
inicial
P1 67(c) 72 105 (A) 112 95 (B) 86
P2 85 (A) 98 75 (B) 67 88 (c) 110
P3 66 (B) 47 68 (c) 91 108 (A) 120
A) Analice los datos. Cules de los factores influyen en el peso

ganado por las ratas?
ANOVA del factor Apetito

Apetito 2 4932.667 2466.33 2.1990 0.1921
Error 6 6729.333 1121.56
C. Total 8 11662.000
ANOVA del factor Dieta
Dieta 2 6432.000 3216.00 3.6895 0.0902
Error 6 5230.000 871.67
C. Total 8 11662.000
ANOVA del factor Peso Inicial
Peso Inicial 2 232.667 116.33 0.0611 0.9413
Error 6 11429.333 1904.89
C. Total 8 11662.000
Analizando los datos obtenidos, los factores que influyen en la variable de

respuesta son el Apetito y la Dieta.
B) Cul dieta es mejor?

Tarea 3 Grupo A
A 209.33333 3.2829526 209.333
B 145.33333 3.2829526 145.333
C 165.33333 3.2829526 165.333
Analizando el grfico de medias, vemos que la Dieta B es la mejor, ya que el

peso ganado es menor en comparacin con las dietas A Y C.
C) Alguno de los fatores de bloque puede ser ignorado?

Argumente su respuesta.
Apetito
250
225
Peso Ganado Total
200
175
150
125
100
A1 A2 A3 Each Pair
Student's t
Apetito 0.05
Dieta
Peso inicial
Se podra ignorar el factor Peso Incial, ya que P1, P2 Y P3 son
estadsticamente iguales.
D) Si ese fuera el caso, analice de nuevo el experimento y saque

conclusiones.
Fit Y by X Group
Oneway Analysis of PESO By DIETA
Oneway Analysis of PESO By APETITO
Peso Ganado TotalLS Means
225
Podemos observar que el factor eliminado
175 no afecta a la distribucin ya que los datos
son homogneos, este factor no provoc
125 variaciones en los dems factores que si
100 influyen en el peso ganado por las ratas.
A B C
Dieta
Tarea 3 Grupo A
E) Verifique los supuestos del modelo.
PRUEBA DE HOMOGENEIDAD
Distributions
PESO
250
225
200
175
150
125
100
Normal(173.333,38.1805)
Fitted Normal
Parameter Estimates
Location Mu 173.3333 143.9852 202.6815
Shapiro-Wilk W Test
W Prob<W
0.972204 0.9081
Tarea 3 Grupo A
Quantile Plot
3
1
Normal Quantile
-1
-2
110 130 150 170 190 210 230
PESO
En la prueba de Shapiro-wilks se observa que el valor de p es mayor que el valor de alfa por
lo tanto se acepta Ho y se comprueba la normalidad de los datos.
Fit Y by X Group
Oneway Analysis of PESO By DIETA
250
225
200
PESO
175
150
125
100
A B C
DIETA
A 3 23.45918 17.55556 18.66667
B 3 34.12233 23.77778 32.33333
C 3 30.00556 21.77778 26.33333
Tarea 3 Grupo A
A 3 23.45918 17.55556 18.66667
O'Brien[.5] 0.2049 2 6 0.8202
Levene 0.1531 2 6 0.8613
Bartlett 0.1129 2 . 0.8932

3.6134 2 3.8993 0.1295
Oneway Analysis of PESO By APETITO
250
225
200
PESO
175
150
125
100
A1 A2 A3
APETITO
A1 3 35.38361 25.33333 32.00000
A2 3 39.32345 29.55556 30.66667
A3 3 23.79776 17.11111 21.33333
O'Brien[.5] 0.3151 2 6 0.7411
Levene 0.5524 2 6 0.6023
Bartlett 0.2063 2 . 0.8136

2.3985 2 3.7965 0.2121
Los datos son homogneos porque
el valor de p es mayor que alfa en la prueba de Bartlett.
Tarea 3 Grupo A
Response PESO
Whole Model
10
5
PESO Residual
-5
-10
-15
100 125 150 175 200 225 250
PESO Predicted
5
Residual
-5
-15
.0 2.5 5.0 7.5 10.0
Row Number
Durbin-Watson
2.304559 9 -0.1816 0.4883
LOS DATOS SON INDEPENDIENTES PORQUE EN LA PRUEBA DE DURBIN-WATSON p ES

MAYOR QUE alfa
Tarea 3 Grupo A
Ejercicio 22
FACTORES: GRADIENTE DE FERTILIDAD-EFECTOS
RESIDUALES DE CULTIVOS-VARIEDADES DE MAZ
ANOVA
Response RENDIMIENTO DE TONELADAS POR HECTAREAS
Whole Model
Effect Tests
GRADIENTE DE FERTILIDAD 3 3 0.82734219 12.7692 0.0051
EFECTOS RESIDUALES DE CULTIVOS 3 3 0.03015469 0.4654 0.7170
VARIEDADES DE MAZ 3 3 0.42684219 6.5879 0.0251
OBSERVACIN: Existen dos factores que tuvieron efecto es el tipo de

GRADIENTE DE FERTILIDAD Y VARIEDADES DE MAZ, porque p<alfa
(0.0251<0.05) y (0.0051<0.05), por lo anterior se realiza un ANOVA reducido.
ANOVA REDUCIDO Y LSD CON RESPECTO AL TIPO DE

CARRO
RENDIMIENTO DE TONELADAS POR HECTAREAS Leverage Residuals
RENDIMIENTO DE TONELADAS POR HECTAREAS Leverage Residuals

Whole Model VARIEDADES DE MAZ GRADIANTE DE FERTILIDAD
Effect Tests Leverage Plot Leverage Plot
Source Nparm DF Sum of Squares F Ratio Prob > F 1.75 1.75
VARIEDADES DE MAZ 3 3 0.42684219 8.0164 0.0065
GRADIANTE DE FERTILIDAD 3 3 0.82734219 15.5380 0.0007 1.50 1.50
1.25 1.25
1.00 1.00
0.75 0.75
0.50 0.50
1.0 1.1 1.2 1.3 1.4 1.5 1.0 1.1 1.2 1.3 1.4 1.5 1.6
VARIEDADES DE MAZ Leverage, GRADIANTE DE FERTILIDAD Leverage,
P=0.0065 P=0.0007
Least Squares Means Table Least Squares Means Table

Level Least Sq Mean Std Error Mean Level Least Sq Mean Std Error Mean
A 1.4637500 0.06661228 1.46375 1 1. 5875000 0.06661228 1. 58750
B 1.4712500 0.06661228 1.47125 2 1. 0987500 0.06661228 1. 09875
C 1.0675000 0.06661228 1.06750 3 1. 5362500 0.06661228 1. 53625
D 1.3387500 0.06661228 1.33875 4 1. 1187500 0.06661228 1. 11875
LS Means Plot LS Means Plot
RENDIMIENTO DE TONELADAS POR HECTAREASLS Means
RENDIMIENTO DE TONELADAS POR HECTAREASLS Means
1.75 1.75
1.5 1.5
1.25 1.25
1 1
0.75 0.75
0.5 0.5
A B C D 1 2 3 4
VARIEDADES DE MAZ GRADIANTE DE FERTILIDAD
LSMeans Differences Student's t LSMeans Differences Student's t

Alpha= 0.050 Q= 2.26216 Alpha= 0.050 Q= 2.26216
LSMean[j] LSMean[j]
Mean[i]-Mean[j]A B C D Mean[i]-Mean[j]1 2 3 4
Std Err Dif Std Err Dif
Lower CL Dif Lower CL Dif
Upper CL Dif Upper CL Dif
A 0 -0.0075 0.39625 0.125 1 00.48875 0.05125 0.46875
0 0.0942 0.0942 0.0942 0 0.0942 0.0942 0. 0942
0 -0.2206 0.18315 -0. 0881 00.27565 -0. 1619 0.25565
0 0.2056 0.60935 0.3381 00.70185 0.26435 0.68185
B 0. 0075 00.40375 0.1325 2 -0. 4888 0 -0. 4375 -0.02
0. 0942 0 0.0942 0.0942 0.0942 0 0.0942 0. 0942
RENDIMIENTO DE TONELAD
RENDIMIENTO DE TONELAD
Tarea 3 Grupo A
LSMeans Differences Student's t LSMeans Differences Student's t

Alpha= 0.050 Q= 2.26216 Alpha= 0.050 Q= 2.26216
LSMean[j] LSMean[j]
A 0 -0.0075 0.39625 0.125 1 00.48875 0.05125 0.46875
0 0.0942 0.0942 0.0942 0 0.0942 0.0942 0.0942
0 -0.2206 0.18315 -0.0881 00.27565 -0.1619 0.25565
0 0.2056 0.60935 0.3381 00.70185 0.26435 0.68185
B 0.0075 00.40375 0.1325 2 -0.4888 0 -0.4375 -0.02
0.0942 0 0.0942 0.0942 0.0942 0 0.0942 0.0942
-0.2056 00.19065 -0.0806 -0.7019 0 -0.6506 -0.2331
0.2206 00.61685 0.3456 -0.2756 0 -0.2244 0.1931
LSMean[i]
LSMean[i]
C -0.3962 -0.4038 0 -0.2712 3 -0.0512 0.4375 0 0.4175
0.0942 0.0942 0 0.0942 0.0942 0.0942 0 0.0942
-0.6094 -0.6169 0 -0.4844 -0.2644 0.2244 0 0.2044
-0.1831 -0.1906 0 -0.0581 0.16185 0.6506 0 0.6306
D -0.125 -0.1325 0.27125 0 4 -0.4688 0.02 -0.4175 0
0.0942 0.0942 0.0942 0 0.0942 0.0942 0.0942 0
-0.3381 -0.3456 0.05815 0 -0.6819 -0.1931 -0.6306 0
0.0881 0.0806 0.48435 0 -0.2556 0.2331 -0.2044 0
LSMeans Differences Tukey HSD LSMeans Differences Tukey HSD

Alpha= 0.050 Q= 3.12182 Alpha= 0.050 Q= 3.12182
LSMean[j] LSMean[j]
A 0 -0.0075 0.39625 0.125 1 00.48875 0.05125 0.46875
0 0.0942 0.0942 0.0942 0 0.0942 0.0942 0.0942
0 -0.3016 0.10216 -0.1691 00.19466 -0.2428 0.17466
00.28659 0.69034 0.41909 00.78284 0.34534 0.76284
B 0.0075 00.40375 0.1325 2 -0.4888 0 -0.4375 -0.02
0.0942 0 0.0942 0.0942 0.0942 0 0.0942 0.0942
-0.2866 00.10966 -0.1616 -0.7828 0 -0.7316 -0.3141
0.30159 00.69784 0.42659 -0.1947 0 -0.1434 0.27409
LSMean[i]
LSMean[i]
C -0.3962 -0.4038 0 -0.2712 3 -0.0512 0.4375 0 0.4175
0.0942 0.0942 0 0.0942 0.0942 0.0942 0 0.0942
-0.6903 -0.6978 0 -0.5653 -0.3453 0.14341 00.12341
-0.1022 -0.1097 00.02284 0.24284 0.73159 00.71159
D -0.125 -0.1325 0.27125 0 4 -0.4688 0.02 -0.4175 0
0.0942 0.0942 0.0942 0 0.0942 0.0942 0.0942 0
-0.4191 -0.4266 -0.0228 0 -0.7628 -0.2741 -0.7116 0
0.16909 0.16159 0.56534 0 -0.1747 0.31409 -0.1234 0
Tarea 3 Grupo A
PRUEBA DE NORAMLIDAD
Distributions
RENDIMIENTO DE TONELADAS POR HECTAREAS
1.75
1.5
1.25
0.75
0.5
Normal(1.33531,0.30702)
Fitted Normal
Parameter Estimates
Location Mu 1.335312 1.171713 1.498912
Shapiro-Wilk W Test
W Prob<W
0.874515 0.0318
Tarea 3 Grupo A
Quantile Plot
3
1
Normal Quantile
-1
-2
.7 .8 .9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7

EN LA PRUEBA DE SHAPIRO-WILK SE OBSERVA QUE EL VALOR DE p<alfa
(0.0318<0.05), POR LO TANTO, SE RECHAZA H0, Y SE COMPRUEBA LA NORMALIDAD
DE DATOS.
PRUEBA DE HOMOGENEIDAD DE VARIANZA

(HOMOCEDASTICIDAD)
RENDIMIENTO DE TONELADAS POR HECTAREAS Residual

Whole Model
0.20
0.15
0.10
0.05
-0.00
-0.05
-0.10
-0.15
-0.20
.50 .75 1.00 1.25 1.50 1.75
RENDIMIENTO DE TONELADAS POR
HECTAREAS Predicted
Tarea 3 Grupo A
Fit Y by X Group
Oneway Analysis of RENDIMIENTO DE TONELADAS POR HECTAREAS By GRADIENTE DE
FERTILIDAD
1.75
1.5
1.25
0.75
0.5
1 2 3 4
GRADIANTE DE FERTILIDAD

1 4 0.0870345 0.0675000 0.0675000
2 4 0.2630074 0.1943750 0.1512500
3 4 0.1433164 0.1237500 0.1237500
4 4 0.3134319 0.2293750 0.1987500
O'Brien[.5] 0.7754 3 12 0.5299
Brown-Forsythe 0.4100 3 12 0.7487
Levene 1.7271 3 12 0.2145
Bartlett 1.4807 3 . 0.2175

5.2642 3 6.0558 0.0401
Oneway Analysis of RENDIMIENTO DE TONELADAS POR HECTAREAS By VARIEDADES DE
MAZ
1.75
1.5
1.25
0.75
0.5
A B C D
VARIEDADES DE MAZ
Tarea 3 Grupo A
A 4 0.2386900 0.1987500 0.1987500
B 4 0.2095382 0.1812500 0.1812500
C 4 0.4426153 0.3825000 0.3825000
D 4 0.1795538 0.1437500 0.1437500
O'Brien[.5] 21.0766 3 12 <.0001
Brown-Forsythe 13.6839 3 12 0.0004
Levene 18.2633 3 12 <.0001
Bartlett 0.9342 3 . 0.4231

0.9492 3 6.492 0.4705
CONCLUSION: LOS DATOS NO SON HOMOGENEOS!, PORQUE EL VALOR DE p<alfa

(0.0001<0.05) EN LA PRUEBA DE LEVENE, PERO LOS DATOS SE ACEPTAN POR TENER
UNA PEQUEA DIFERENCIA.
Whole Model
0.20
0.10
Residual
-0.00
-0.10
-0.20
0 5 10 15
Row Number
Durbin-Watson
2.3098999 16 -0.2909 0.3747
CONCLUSIN: LOS DATOS SON INDEPENDIENTES PORQUE EN LA PREUAB DE DURBIN-

WATSON p>alfa (0.3747>0.05).
Tarea 3 Grupo A
A) Existen diferencias en los rendimientos

de las diferentes variedades de maz?
Si existe, porque la p<Alpha, la cual se observa en la tabla
ANOVA.
B) Cul de los factores de bloque tuvo

efectos?
Variedades de maz, y gradiente de fertilidad del suelo .
C) Se habran detectado las mismas

diferencias en los tratamientos con un
diseo completamente al azar?
No, debido a que existen diferentes factores (bloque), que llegan
a afectar el tratamiento establecido.
D) Y con un diseo de bloques completos al

azar?
No, debido a que se utiliz un cuadro latino.
Tarea 3 Grupo A
(23) Un investigador est interesado en el efecto del porcentaje de

lisina y del porcentaje de protena en la produccin de vacas
lecheras. Se consideran siete niveles en cada factor.
% de lisina: 0.0 (A), 0.1 (B), 0.2 (C), 0.3 (D), 0.4 (E), 0.5 (F), 0.6 (G).
% de protena: 2 (), 4 (), 6 (), 8 (), 10 (), 12 (), 14 ().
Para el estudio se seleccionan siete vacas al azar, a las cuales se les da un

seguimiento de siete perodos de tres meses. Los datos en galones de leche
fueron los siguientes:
Vaca/
1 2 3 4 5 6 7
perodo
304 436 350 504 417 519 432
1
(A) (B) (C) (D) (E) (F) (G)
381 505 425 564 494 350 413
2
(B) (C) (D) (E) (F) (G) (A)
432 566 479 357 461 340 502
3
(C) (D) (E) (F) (G) (A) (B)
442 372 536 366 495 425 507
4
(D) (E) (F) (G) (A) (B) (C)
496 449 493 345 509 481 380
5
(E) (F) (G) (A) (B) (C) (D)
534 421 352 427 346 478 397
6
(F) (G) (A) (B) (C) (D) (E)
543 386 435 485 406 554 410
7
(G) (A) (B) (C) (D) (E) (F)
a) Analice este experimento. Qu factores tienen efecto en la produccin

de leche?
Se utiliza un anlisis de diseo en cuadro greco-latino (DCGL)
Modelo:
Y ijlm=+ i+ j + l+ m + ijlm
Hiptesis:
% Lisina:
Tarea 3 Grupo A
H 0 : A= B=C = D= E= F =G =
% Protena:
H 0 : = = = = = = =
Vaca:
H 0 : 1 = 2= 3= 4 = 5= 6= 7 =0
Perodo:
H 0 : 1 = 2= 3= 4 = 5= 6= 7 =0

A 304 340 345 386 413 495 352
B 435 381 425 427 436 502 509
C 346 350 432 481 485 505 507
D 380 406 425 442 478 504 566
E 372 397 417 479 496 554 564
F 357 449 410 494 536 534 519
G 350 366 421 432 461 493 543
Anlisis de varianza de dos factores con una sola muestra por

grupo
Tarea 3 Grupo A
RESUME Promedi
376.4285 3940.952
Fila 1 7 2635 71 38
2057.666
Fila 2 7 3115 445 67
443.7142 4887.238
Fila 3 7 3106 86 1
457.2857 4051.571
Fila 4 7 3201 14 43
468.4285 5728.952
Fila 5 7 3279 71 38
471.2857 4704.571
Fila 6 7 3299 14 43
4638.666
Fila 7 7 3066 438 67
Columna 363.4285 1587.952

1 7 2544 71 38
Columna 384.1428 1383.809
2 7 2689 57 52
Columna 410.7142 887.5714
3 7 2875 86 29
Columna 448.7142 1456.571
4 7 3141 86 43
Columna 472.1428 1629.142
5 7 3305 57 86
Columna 512.4285 518.2857
6 7 3587 71 14
Columna 508.5714 5363.619
7 7 3560 29 05
Vaca/
1 2 3 4 5 6 7
perodo
1 304 436 350 504 417 519 432
2 381 505 425 564 494 350 413
3 432 566 479 357 461 340 502
4 442 372 536 366 495 425 507
5 496 449 493 345 509 481 380
6 534 421 352 427 346 478 397
7 543 386 435 485 406 554 410
Tarea 3 Grupo A

muestra por grupo
RESUME Promedi
423.1428 5925.476
Fila 1 7 2962 57 19
447.4285 5777.619
Fila 2 7 3132 71 05
448.1428 6361.809
Fila 3 7 3137 57 52
4415.333
Fila 4 7 3143 449 33
450.4285 4055.285
Fila 5 7 3153 71 71
422.1428 4501.142
Fila 6 7 2955 57 86
459.8571 4644.476
Fila 7 7 3219 43 19
Columna 447.4285 7373.285

1 7 3132 71 71
Columna 447.8571 4611.142
2 7 3135 43 86
Columna 438.5714 4937.619
3 7 3070 29 05
Columna 435.4285 7151.619
4 7 3048 71 05
Columna 446.8571 3555.809
5 7 3128 43 52
Columna 449.5714 6674.285
6 7 3147 29 71
Columna 434.4285 2542.952
7 7 3041 71 38
ANLISIS DE
VARIANZA
Origen Promedi
variacion cuadrado de cuadrado crtico
es s libertad s F para F
42783.55 7130.591
% Lisina 1 6 8 7.2322 2.51
%Proten 145879.5 24313.25
a 51 6 85 24.6598 2.51
1459.068
Vaca 8754.408 6 0 1.4799 2.51
Tarea 3 Grupo A
Perodo 1760.980 6 293.4966 0.2977 2.51

23662.77
Error 6 24 985.9490
222841.2
Total 65 48
En %Lisina:
Dado que F0 > F critica , la hiptesis nula se rechaza, es decir, el porcentaje de
lisina no es igual para cada nivel, es decir, si tiene un efecto significativo.
En % Protena:
Como F0 < F critica , , la hiptesis nula se rechaza, lo que significa que, el
porcentaje de protena si tiene un efecto en la produccin de vacas lecheras.
Vaca:
Como F0 < F critica , la hiptesis nula se acepta, es decir, que la vaca (que vaca
es) no es un factor que influye en los resultados.
Perodo:
Como F0 < F critica , la hiptesis nula se acepta, es decir, que el perodo

tampoco es un factor que influye en los resultados.
b) Interprete los datos usando grficos de medias.

Tarea 3 Grupo A
Tarea 3 Grupo A
c) Cmo puede explicar la falta de efectos en vacas y perodo?
Estos factores que no influyen en la produccin de las vacas.
d) Qu porcentajes de lisina y protena dan los mejores resultados?
Utilizando diferencias mnimas significativas
Utilizando LSD
i-j LSD H0
1 A B 68.571 > 33.872
2 A C 67.286 > 33.872
3 A D 80.857 > 33.872
4 A E 92.000 > 33.872
5 A F 94.857 > 33.872
6 A G 61.571 > 33.872
7 B C 1.286 < 33.872
8 B D 12.286 < 33.872
9 B E 23.429 < 33.872
10 B F 26.286 < 33.872
11 B G 7.000 < 33.872
12 C D 13.571 < 33.872
Tarea 3 Grupo A
13 C E 24.714 < 33.872

14 C F 27.571 < 33.872
15 C G 5.714 < 33.872
16 D E 11.143 < 33.872
17 D F 14.000 < 33.872
18 D G 19.286 < 33.872
19 E F 2.857 < 33.872
20 E G 30.429 < 33.872
21 F G 33.286 < 33.872
Entonces se concluye que el porcentaje de lisina A es el que proporciona menor

produccin de las vacas, pero el resto son significativamente iguales.
e) Verifique los supuestos del modelo.
Normalidad
Tarea 3 Grupo A
Homogeneidad de varianza
Tarea 3 Grupo A
Independencia

Tar3 Rafael Ivan Valdes Ruiz GrupoA

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tar3 Rafael Ivan Valdes Ruiz GrupoA

Cargado por

Copyright:

Formatos disponibles

Valds Ruiz Rafael Ivn Diseo de experimentos

2) Un equipo de especialistas en remotivacin, en un hospital

Proporcionan estos datos evidencia suficiente que indique una diferencia en

Medias para ANOVA de un factor

El error estndar utiliza una estimacin combinada de la varianza del error

Matriz de umbral LSD

Promedi Bajo Muy Nulo

Los niveles no conectados por la misma letra son significativamente distintos.

Comparaciones para todos los pares mediante la prueba HSD de

Matriz del umbral de HSD

Promedi Bajo Muy Nulo

Los niveles no conectados por la misma letra son significativamente distintos.

Comparaciones con control mediante el mtodo de Dunnett

Matriz de umbral LSD

Anlisis univariante de altura con respecto a metodo

Medias para ANOVA de un factor

El error estndar utiliza una estimacin combinada de la varianza del error

Anlisis de medias para varianzas-Levene (ADM)

Matriz de umbral LSD

Los niveles no conectados por la misma letra son significativamente distintos.

Comparaciones para todos los pares mediante la prueba HSD de

Matriz del umbral de HSD

Los niveles no conectados por la misma letra son significativamente distintos.

Comparaciones con control mediante el mtodo de Dunnett

Matriz de umbral LSD

3) La enfermera supervisora de un departamento de salud local

Grfico de residuos frente a valores predichos

Resumen del ajuste

Pruebas de los efectos

Tabla de medias de mnimos cuadrados

Prueba t de Student de las diferencias de medias de mnimos

Los niveles no conectados por la misma letra son significativamente distintos.

Los niveles no conectados por la misma letra son significativamente distintos.

Nivel - Nivel Diferenci Error Lmite de Lmite de Valor p

Grfico de las medias de mnimos cuadrados

Tabla de medias de mnimos cuadrados

Prueba t de Student de las diferencias de medias de mnimos

Media[i]-media[j] A En la Por la Tempra

Media[i]-media[j] A En la Por la Tempra

Los niveles no conectados por la misma letra son significativamente distintos.

Nivel - Nivel Diferenci Error Lmite de Lmite de Valor p

Grfico de las medias de mnimos cuadrados

4) Cuatro individuos participaron en un experimento para

Si es posible concluir a partir de los datos anteriores que el tratamiento A, B y C

Oneway Analysis of Nivel de estrs By Tratamiento

Conclusin: P>0.05 (0.3027>0.05) por lo tanto Ho se rechaza y si difieren los

5) Se realiza un experimento para investigar el efecto de la

(a) La temperatura de secado afecta el volumen de pan? Usar un =0.01

Conclusin: p (.0070)<0.01 por lo tanto la temperatura de secado afecta el

(b) Utilizar el mtodo de LSD para determinar la diferencia de medias y cul

LSMeans Differences Student's t

Conclusin: la temperatura de 70C y 75C son los tratamientos ms adecuados

(c) Analizar el cumplimiento de normalidad y homogeneidad de varianzas por

1100 1150 1200 1250 1300

F Ratio DFNum DFDen Prob>F

Conclusin: los datos son homogneos porque el valor de P>alfa

Conclusin: los datos son independientes porque en la prueba de Durbin-

8. An article in the Journal of Quality Technology (Vol. 14 No. 2,

Si se acepta Ho, quiere decir que los datos/mtodos son iguales.

a) Is there any difference in preparation methods? Use = 0.05

No hay diferencias entre los mtodos utilizados, comprobando esto porque el

Oneway Analysis of PUNTUACION By METODO

Onew ay Analysis of PUNTUACION By METODO

Comparisons for each pair using Student's t