Ejercicio Estadistica Aplicada Al Diseño Experimental

1.
- Los datos que aparecen en la tabla siguiente representan el empuje de un motor de turbina (Y) y seis variab
regresión candidatas: X1 = velocidad de rotación primaria, X2 = velocidad de rotación secundaria, X3 = rapidez d
flujo de combustible, X4 = presión, X5 = temperatura de escape y X6 = temperatura ambiente al momento de efec
tuar la prueba.
Y X1 X2 X3 X4 X5
4540 2140 20640 30250 205 1732
4315 2016 20280 30010 195 1697
4095 1905 19860 29780 184 1662
3650 1675 18980 29330 164 1598
3200 1474 18100 28960 144 1541
4833 2239 20740 30083 216 1709
4617 2120 20305 29831 206 1669
4340 1990 19961 29604 196 1640
3820 1702 18916 29088 171 1572
3368 1487 18012 28675 149 1522
4445 2107 20520 30120 195 1740
4188 1973 20130 29920 190 1711
3981 1864 19780 29720 180 1682
3622 1674 19020 29370 161 1630
3125 1440 18030 28940 139 1572
4560 2165 20680 30160 208 1704
4340 2048 20340 29960 199 1679
4115 1916 19860 29710 187 1642
3630 1658 18950 29250 164 1576
3210 1489 18700 28890 145 1528
4330 2062 20500 30190 193 1748
4119 1929 20050 29960 183 1713
3891 1815 19680 29770 173 1684
3467 1595 18890 29360 153 1624
3045 1400 17870 28960 134 1569
4411 2047 20540 30160 193 1746
4203 1935 20160 29940 184 1714
3968 1807 19750 29760 173 1679
3531 1591 18890 29350 153 1621
3074 1388 17870 28910 133 1561
4350 2071 20460 30180 198 1729
4128 1944 20010 29940 186 1692
3940 1831 19640 29750 178 1667
3480 1612 18710 29360 156 1609
3064 1410 17780 28900 136 1552
4402 2066 20520 30170 197 1758
4180 1954 20150 29950 188 1729
3973 1835 19750 29740 178 1690
3530 1616 18850 29320 156 1616
3080 1407 17910 28910 137 1569
Elabore un informe con su respuesta donde especifique principalmente:
a. El ajuste del modelo de regresión lineal múltiple que mejor describa al problema
b. Si se cumplen las condiciones estandar de un modelo de regresión lineal
2 Una investigación de la relación entre flujo de tránsito x (miles de automóviles por 24 h) y contenido
g
de plomo Y de la corteza de árboles cerca de la autopista ( g de peso en seco) produjo los datos
de las columnas xi y y i siguientes:
X Y
8.3 4579.30
8.5 4918.00
8.5 4918.00
8.6 5093.45
8.6 5093.45
8.7 5273.02
Calcule y compare las rectas de regresión que
9.2 6234.50 resultan al considerar los siguientes modelos:
9.3 6439.86
9.5 6864.00 y  a  bx
9.8 7534.54 y  ax b
10.3 8746.82 y  ab x
10.5 9266.00
10.8 10082.70
11.2 11244.42
11.5 12172.00
11.7 12817.90
11.9 13486.27
12.3 14891.94
12.6 16008.01
12.9 17178.51
13.4 19253.83
13.7 20575.82
13.8 21029.58
14.5 24394.00
14.7 25417.18
14.9 26468.59
15.1 27548.61
15.3 28657.62
15.5 29796.00
15.9 32162.43
15.9 32162.43
16.2 34017.22
16.3 34650.98
16.4 35292.55
16.7 37264.70
16.8 37938.06
3.- Se consideran seis diferentes máquinas para su uso en la fabricación de sellos de caucho. Las máquina
comparar con respecto a la resistencia a la tracción del producto. Se utiliza una muestra aleatoria de cuatr
sellos de cada máquina para determinar si la resistencia media a la tracción varía de una máquina a otra.
Las siguientes son las mediciones de la resistencia a la tracción en kilogramos por centímetro cuadrado x
Máquina
1 2 3 4 5 6
17.5 16.4 20.3 14.6 17.5 18.3
16.9 19.2 15.7 16.7 19.2 16.2
15.8 17.7 17.8 20.8 16.5 17.5
18.6 15.4 18.9 18.9 20.5 20.1
Realice el análisis de varianza al nivel de significancia de 0.05 e indique si las resistencias medias a la tra
de manera significativa para las seis máquinas.
4.-Se mide la temperatura de una mezcla con cuatro termómetros, obteniéndose los datos siguientes:
(termómetro 1) 63, 63, 62, 65, 66:
(termómetro 2) 64, 64, 63,64, 65;
(termómetro 3) 58, 59, 59, 68;
(termómetro 4) 61, 62, 60, 63.
¿Son los cuatro termómetros análogos?.
Calcular los residuos y analizar si se verifican las hipótesis básicas del modelo de ANOVA.
Elimine el tercer termómetro y calcule la tabla ANOVA para comparar los otros tres termómetros. ¿Qué c
podrán extraerse?. Use un nivel de significación del 0,05.
5.- Trece alumnos de características análogas se asignan al azar a 3 métodos de aprendizaje, obteniendo lo
siguientes resultados en el examen posterior.
Método 1 Método 2 Método 3
7.72 8.01 7.91
7.98 7.93 8.32
7.85 8.15 8.12
7.87 8.09 8.28
8.23
¿Podemos concluir que los métodos son distintos?. Use un nivel de significación del 0,05.
6.-En un análisis de la varianza con cinco grupos se conoce que las medias estimadas en cada grupo son 2
Hay diez observaciones en cada grupo y la varianza de estimación de las medias de grupo es 6.
Calcular la tabla ANOVA.
7.- Un psicólogo clínico quería comparar tres métodos para reducir los niveles de hostilidad en estudiante
Cada prueba sicológica (PNH) fue usada para medir el grado de hostilidad. Las puntuaciones altas en esta
usaron como indicación de gran hostilidad. En el experimento se usaron 11 estudiantes que obtuvieron puntuacio
altas y muy cercanas entre sí. De los 11 estudiantes se seleccionaron 5 al azar y se trataron con el método A, de lo
restantes se tomaron tres al azar y se trataron con el método B y el resto se trató con el método C. Todos los trata
se realizaron durante un trimestre. Cada estudiante tomó la prueba PNH nuevamente al final del trimestre, con lo
siguientes resultados:
Método A 73,83,76,68,80
Método B 54,74,71
Método C 79,98,87
a) Realice un análisis de varianza para este experimento.
b) Presentan los datos suficiente evidencia para concluir que hay diferencias entre las respuestas medias
de los tres métodos, después del tratamiento?. Use un nivel de significación del 0,05.
8.-Un estudio mide la tasa de absorción de tres tipos diferentes de solventes químicos orgánicos. Estos so
para limpiar partes metálicas industriales labradas y son desechos peligrosos potenciales. Se prueban mue
independientes de solventes de cada tipo y se registran sus tasas de absorción como porcentaje molar.
Aromáticos Cloroalcanos Ésteres
1.06 0.95 1.58 1.12 0.29 0.43 0.06
0.79 0.65 1.45 0.91 0.06 0.51 0.09
0.82 1.15 0.57 0.83 0.44 0.10 0.17
0.89 1.12 1.16 0.43 0.55 0.53 0.17
1.05 0.61 0.34 0.60
¿Existe una diferencia significativa en la tasa de absorción media para los tres solventes? Utilice un p-val
9.- Una central de productos lácteos recibe diariamente leche de dos granjas A y B. Para estudiar la calida
se extrae una muestra de cada granja y se analiza el contenido de materia grasa (en gr/l), obteniéndose los
Granja A 29 30 31 30 35
Granja B 26 32 30 28
Se puede decir a un nivel de significación del 0,05 que el contenido medio de materia grasa depende de la
procedencia?.
10.- Un químico del departamento de desarrollo de un laboratorio farmacéutico desea conocer cómo influye el tip
aglutinante utilizado en tabletas de ampicilina de 500 mg en el porcentaje de friabilidad; para ello, se eligen los s
aglutinantes: polivinilpirrolidona (PVP), carboximetilcelulosa sódica (CMC) y grenetina (Gre). Los resultados del dis
experimental son los siguientes
Aglutinante % de friabilidad
PVP 0.485 0.250 0.073 0.205 0.161
CMC 9.64 9.37 9.53 9.86 9.79
Gre 0.289 0.275 0.612 0.152 0.137
a) Especifique el nombre del diseño experimental.
b) ¿Sospecha que hay algún efecto significativo del tipo de aglutinante sobre la variable de respuesta?
c) Escriba las hipótesis para probar la igualdad de medias y el modelo estadístico.
d) Realice el análisis adecuado para probar las hipótesis e interprete los resultados.
e) Revise los supuestos, ¿hay algún problema?
11.- El Ministerio de Educación esta interesado en implementar tres programas de estudio; con el
objetivo de medir la habilidad de lectura en los alumnos. Para ello, se eligen alumnos del sexto
grado de un Colegio de San Salvador, de los cuales fueron asignados al azar 27 alumnos, a
cada uno de los tres grupos. Se utilizó un programa diferente en cada grupo, se llevó a cabo un
examen al inicio y al final de la implementación de los programas, los valores obtenidos
representan la diferencia que hay entre la nota del examen que se hizo al inicio y al final de la
implementación del programa, obteniéndose los siguientes datos, en base 100:
Tratamiento Observaciones
Programa 1 20 18 18 23 22 17 15 13 21
Programa 2 15 20 13 12 16 17 21 15 13
Programa 3 12 15 18 20 18 17 10 24 16
a) Indique la variable de estudio
b) Explique el significado verbal de las hipótesis
c) Calcule los estimadores del modelo
d) Desarrolle el ANOVA correspondiente
e) Comparaciones entre tratamientos
12.- Los cigarrillos producen cantidades apreciables de monóxido de carbono . Cuando se inhala el humo
del cigarrillo, el monóxido de carbono se combina con la hemoglobina para formar la carboxihemoglobina.
En un estudio reciente, los investigadores deseaban diterminar si una concentración apreciable de
carboxihemoglobina reduce la tolerancia al ejercicio en aquellos pacientes que sufren de bronquitis crónica
y enfisema. Se seleccionaron siete de estos pacientes y, en un ambiente controlado, se les pidió que
caminaran durante 12 minutos respirando una de las siguientes cuatro mezclas gaseosas: aire, oxígeno,
aire más monóxido de carbono (CO) u oxígeno más monóxido de carbono. La cantidad de monóxido de carbono
respirado fue suficiente para elevar la concentración de carboxihemoglobina de cada sujeto en 9%.
Para controlar el consumo de monóxido de carbono, se pidió a los siete fumadores que dejaran de fumar 12
horas antes del experimento- Los datos que figuran en la tabla representan las distancias caminadas por los
sujetos en 12 minutos para cada condición
Mezcla Gaseosa
Sujeto Aire Oxígeno Aire + CO Oxígeno + CO
1 835 874 750 854
2 787 827 755 829
3 724 738 698 726
4 336 378 210 279
5 252 315 168 336
6 560 672 558 642
7 336 341 260 336
a) Escríbase el modelo para este problema
b) ¿Puede rechazarse la hipótesis nula de que no existe algún efecto, debido a la mezcla de gas, en la distancia
caminada durante el lapso de 12 minutos para un nivel de a = 0,05?
c) Llévese a cabo una prueba F conservadora para la hiótesis nula.¿Es la conclusión diferente a la de la parte b?
d) Si la respuesta a la parte b es sí, constrúyase los contratses pertinentes y empléese el método de Sceffé para
determinar si estos son estadísticamente significativos.
motor de turbina (Y) y seis variables de regresion
otación secundaria, X3 = rapidez de
atura ambiente al momento de efec-
X6
99
100
97
97
97
87
87
87
85
85
101
100
100
100
101
98
96
94
94
94
101
100
100
99
100
99
99
99
99
99
102
101
101
101
101
100
99
99
99
100
óviles por 24 h) y contenido regresion
n seco) produjo los datos
regresión que
ntes modelos:
e sellos de caucho. Las máquinas se deben Comparacion de medias
a una muestra aleatoria de cuatro
ón varía de una máquina a otra.
amos por centímetro cuadrado x 10-1:
si las resistencias medias a la tracción difieren
éndose los datos siguientes: comparacion de medias
odelo de ANOVA.
s otros tres termómetros. ¿Qué conclusiones
dos de aprendizaje, obteniendo los

comparacion de medias
ficación del 0,05.
as estimadas en cada grupo son 20, 22, 24, 26 y anova

medias de grupo es 6.
veles de hostilidad en estudiantes universitarios.

d. Las puntuaciones altas en esta prueba se comparacion de medias
udiantes que obtuvieron puntuaciones
se trataron con el método A, de los 6
tó con el método C. Todos los tratamientos
mente al final del trimestre, con los
ncias entre las respuestas medias de los estudiantes

ón del 0,05.
tes químicos orgánicos. Estos solventes se utilizan

sos potenciales. Se prueban muestras comparacion de medias
ción como porcentaje molar.
s tres solventes? Utilice un p-valor para sus conclusiones.
jas A y B. Para estudiar la calidad de los productos,

comparacion de medias
grasa (en gr/l), obteniéndose los siguientes resultados:
o de materia grasa depende de la granja de
o desea conocer cómo influye el tipo de

riabilidad; para ello, se eligen los siguientes comparacion de medias
enetina (Gre). Los resultados del diseño
variable de respuesta?
de estudio; con el
umnos del sexto comparaCion de medias
llevó a cabo un
y al final de la
Cuando se inhala el humo

mar la carboxihemoglobina. comparacion de medias
ación apreciable de
sufren de bronquitis crónica
lado, se les pidió que
gaseosas: aire, oxígeno,
antidad de monóxido de carbono
e cada sujeto en 9%.
ores que dejaran de fumar 12
distancias caminadas por los
a mezcla de gas, en la distancia
sión diferente a la de la parte b?

pléese el método de Sceffé para
Y X1 X2 X3 X4 X5 X6
4540 1 2140 20640 30250 205 1732 99
4315 1 2016 20280 30010 195 1697 100
4095 1 1905 19860 29780 184 1662 97
3650 1 1675 18980 29330 164 1598 97
3200 1 1474 18100 28960 144 1541 97
4833 1 2239 20740 30083 216 1709 87
4617 1 2120 20305 29831 206 1669 87
4340 1 1990 19961 29604 196 1640 87
3820 1 1702 18916 29088 171 1572 85
3368 1 1487 18012 28675 149 1522 85
4445 1 2107 20520 30120 195 1740 101
4188 1 1973 20130 29920 190 1711 100
3981 1 1864 19780 29720 180 1682 100
3622 1 1674 19020 29370 161 1630 100
3125 1 1440 18030 28940 139 1572 101
4560 1 2165 20680 30160 208 1704 98
4340 1 2048 20340 29960 199 1679 96
4115 1 1916 19860 29710 187 1642 94
3630 1 1658 18950 29250 164 1576 94
3210 1 1489 18700 28890 145 1528 94
4330 1 2062 20500 30190 193 1748 101
4119 1 1929 20050 29960 183 1713 100
3891 1 1815 19680 29770 173 1684 100
3467 1 1595 18890 29360 153 1624 99
3045 1 1400 17870 28960 134 1569 100
4411 1 2047 20540 30160 193 1746 99
4203 1 1935 20160 29940 184 1714 99
3968 1 1807 19750 29760 173 1679 99
3531 1 1591 18890 29350 153 1621 99
3074 1 1388 17870 28910 133 1561 99
4350 1 2071 20460 30180 198 1729 102
4128 1 1944 20010 29940 186 1692 101
3940 1 1831 19640 29750 178 1667 101
3480 1 1612 18710 29360 156 1609 101
3064 1 1410 17780 28900 136 1552 101
4402 1 2066 20520 30170 197 1758 100
4180 1 1954 20150 29950 188 1729 99
3973 1 1835 19750 29740 178 1690 99
3530 1 1616 18850 29320 156 1616 99
3080 1 1407 17910 28910 137 1569 100
Datos ; N= 40
Con nuestro modelo de regresion procedemos a calcular los residuos de Y:
Y Yestimado Error(Residuo) En cuanto al analisis de varianza: Pruebas de hipotesis

4540 4543.74121 -3.7412128844 Ho:
4315 4276.3567 38.6432950842 H1:
4095 4091.56631 3.4336885761
3650 3627.50254 22.4974573028
3200 3220.07807 -20.0780686695 Así por criterio del valor-p s
4833 4839.74146 -6.7414618856
4617 4590.28301 26.716992985
4340 4340.58019 -0.5801895729 Estadistica de la regresi
3820 3812.76016 7.2398416778 Coef de correlación multi
3368 3378.53832 -10.5383208771 Coef de determinacion R
4445 4414.65857 30.3414271029 Coef. De determinacion aju
4188 4204.29109 -16.2910911081 Error tipico =
3981 3984.48476 -3.4847623956 Obstervaciones =
3622 3598.31305 23.6869505053
3125 3117.99349 7.0065136963
4560 4555.22379 4.7762079425
4340 4367.19747 -27.1974727347
4115 4133.67733 -18.6773306703
3630 3623.70228 6.2977170484
3210 3246.6067 -36.6066963389 Procedemos a verificar la independencia de los residuos
4330 4379.9485 -49.9485002284
4119 4141.41308 -22.4130750549 H₀: ρ=0
3891 3918.92407 -27.9240712705 H₁: ρ>0
3467 3492.78749 -25.7874942835
3045 3077.92808 -32.9280800504 k =6
4411 4387.29414 23.7058628452 n = 40
4203 4161.80938 41.1906166024
3968 3918.39408 49.6059229268
3531 3483.54168 47.4583184988
3074 3059.49704 14.5029627031
4350 4375.60212 -25.6021234482
4128 4132.12874 -4.1287363284
3940 3921.74479 18.2552071051
3480 3482.56303 -2.5630277079
3064 3054.77355 9.2264491772
4402 4419.76977 -17.769766581
4180 4213.39522 -33.3952208581
3973 3973.38818 -0.3881808854
3530 3513.23251 16.7674856278
3080 3084.56799 -4.5679866857
23189.63723211
Scerror
Residuo( ei)
-49.948502
-36.606698
-33.395222
-32.928082
-27.924073
-27.197474
-25.787496
-25.602125
-22.413077
-20.07807
-18.677332
-17.769768
-16.291093
-10.538322
-6.7414634
-4.5679881
-4.1287378
-3.7412129
-3.4847639
-2.5630292
-0.580191
-0.3881824
3.43368711
4.77620647
6.29771559
7.00651224
7.23984022
9.22644772
14.5029612
16.7674842
18.2552056
22.4974558
23.686949
23.7058614
26.7169915
30.3414256
38.6432936
41.1906151
47.458317
49.6059215
1.- Los datos que aparecen en la tabla siguiente representan el empuje de un motor d
regresión candidatas: X1 = velocidad de rotación primaria, X2 = velocidad de rotación
flujo de combustible, X4 = presión, X5 = temperatura de escape y X6 = temperatura am
tuar la prueba.
Elabore un informe con su respuesta donde especifique principalmente:
a. El ajuste del modelo de regresión lineal múltiple que mejor describa al problema
b. Si se cumplen las condiciones estandar de un modelo de regresión lineal
Matriz X: 1 2140 20640 30250 205

1 2016 20280 30010 195
1 1905 19860 29780 184
1 1675 18980 29330 164
1 1474 18100 28960 144
1 2239 20740 30083 216
1 2120 20305 29831 206
1 1990 19961 29604 196
1 1702 18916 29088 171
1 1487 18012 28675 149
1 2107 20520 30120 195
1 1973 20130 29920 190
1 1864 19780 29720 180
1 1674 19020 29370 161
1 1440 18030 28940 139
1 2165 20680 30160 208
1 2048 20340 29960 199
1 1916 19860 29710 187
1 1658 18950 29250 164
1 1489 18700 28890 145
1 2062 20500 30190 193
1 1929 20050 29960 183
1 1815 19680 29770 173
1 1595 18890 29360 153
1 1400 17870 28960 134
1 2047 20540 30160 193
1 1935 20160 29940 184
1 1807 19750 29760 173
1 1591 18890 29350 153
1 1388 17870 28910 133
1 2071 20460 30180 198
1 1944 20010 29940 186
1 1831 19640 29750 178
1 1612 18710 29360 156
1 1410 17780 28900 136
1 2066 20520 30170 197
1 1954 20150 29950 188
1 1835 19750 29740 178
1 1616 18850 29320 156
1 1407 17910 28910 137
Anova
Pruebas de hipotesis Efecto SC GL CM
βᶺj=0 Tratamiento 9908846.36277 6 1651474.39
βᶺj≠0 Error 23189.6372321 33 702.71628
Total 9932036 39
Así por criterio del valor-p se rechaza la hipotesis nula que plantea que el valor que acompaña a Xi es igual a 0. Concluyendo que al meno
termino en el modelo contribuye significativamente a explicar Y.
Estadistica de la regresion Tabla interceptos

Coef de correlación multiple= 0.0011681 Coef. Error tipico
Coef de determinacion R^2 = 0.99766517 Intersección -4738.015 2444.74036
Coef. De determinacion ajustado = 0.99724065 X1 1.119 14.5653011
Error tipico = 26.5087963 X2 -0.030 0.0382336
Obstervaciones = 40 X3 0.231 0.11802921
X4 3.850 2.68623471
X5 0.822 0.35074955
X6 -16.946 2.6200875
dependencia de los residuos:
Y Yestimado Residuo( ei) ei - ei-1 d= 1.20201472

4540 4543.74121 -3.7412129
4315 4276.35671 38.6432936 42.3845064952 dl = 1.15
4095 4091.56631 3.43368711 -35.2096065052 du= 1.69
3650 3627.50254 22.4974558 19.0637687355
3200 3220.07807 -20.07807 -42.5755259682
4833 4839.74146 -6.7414634 13.336606766
4617 4590.28301 26.7169915 33.4584548764 No hay una decision para la independencia en los r
4340 4340.58019 -0.580191 -27.2971825519
3820 3812.76016 7.23984022 7.8200312588 Se asume que los residuos siguen una distribucion
3368 3378.53832 -10.538322 -17.7781625481 Ademas se asume que la varianza de cada tratamie
4445 4414.65857 30.3414256 40.879747956
4188 4204.29109 -16.291093 -46.6325182079 Resumen
3981 3984.48476 -3.4847639 12.8063287169
3622 3598.31305 23.686949 27.1717129061 Estadísticas de la regresión
3125 3117.99349 7.00651224 -16.6804368024 Coeficiente d 0.9988319
4560 4555.22379 4.77620647 -2.2303057759 Coeficiente 0.99766517
4340 4367.19747 -27.197474 -31.9736806738 R^2 ajustado 0.99724065
4115 4133.67733 -18.677332 8.5201420679 Error típico 26.5087963
3630 3623.70228 6.29771559 24.9750477272 Observacione 40
3210 3246.6067 -36.606698 -42.9044133729
4330 4379.9485 -49.948502 -13.3418039214 ANÁLISIS DE VARIANZA
4119 4141.41308 -22.413077 27.535425177 Grados de libertad
3891 3918.92407 -27.924073 -5.5109962122 Regresión 6
3467 3492.7875 -25.787496 2.1365769942 Residuos 33
3045 3077.92808 -32.928082 -7.1405857621 Total 39
4411 4387.29414 23.7058614 56.6339428777
4203 4161.80938 41.1906151 17.4847537623 Coeficientes
3968 3918.39408 49.6059215 8.4153063259 Intercepción -4738.0149
3531 3483.54168 47.458317 -2.1476044212 X1 1.11850844
3074 3059.49704 14.5029612 -32.9553557893 X2 -0.030184
4350 4375.60212 -25.602125 -40.1050861723 X3 0.2306188
4128 4132.12874 -4.1287378 21.4733871238 X4 3.84954863
3940 3921.74479 18.2552056 22.3839434372 X5 0.82186366
3480 3482.56303 -2.5630292 -20.8182348087 X6 -16.946457
3064 3054.77355 9.22644772 11.7894768945
4402 4419.76977 -17.769768 -26.9962157778
4180 4213.39522 -33.395222 -15.6254542724
3973 3973.38818 -0.3881824 33.0070399764 Resultados de datos de probabilidad
3530 3513.23252 16.7674842 17.1556665191
3080 3084.56799 -4.5679881 -21.3354723064 Percentil Y
23189.6372 27874.285341216 1.25 3045
Scerror SC(ei - ei-1) 3.75 3064
6.25 3074
8.75 3080
11.25 3125
13.75 3200
16.25 3210
18.75 3368
21.25 3467
23.75 3480
26.25 3530
28.75 3531
31.25 3622
33.75 3630
36.25 3650
38.75 3820
41.25 3891
43.75 3940
46.25 3968
48.75 3973
51.25 3981
53.75 4095
56.25 4115
58.75 4119
61.25 4128
63.75 4180
66.25 4188
68.75 4203
71.25 4315
73.75 4330
76.25 4340
78.75 4340
81.25 4350
83.75 4402
86.25 4411
88.75 4445
91.25 4540
93.75 4560
96.25 4617
Resumen
epresentan el empuje de un motor de turbina (Y) y seis variables de
rimaria, X2 = velocidad de rotación secundaria, X3 = rapidez de
ra de escape y X6 = temperatura ambiente al momento de efec-
fique principalmente:
e que mejor describa al problema
modelo de regresión lineal
1732 99 Matriz Xᵗ: 1 1 1

1697 100 2140 2016 1905
1662 97 20640 20280 19860
1598 97 30250 30010 29780
1541 97 205 195 184
1709 87 1732 1697 1662
1669 87 99 100 97
1640 87
1572 85
1522 85 Matriz Xᵗ*X: 40 72397 779784
1740 101 72397 133508823 1420459296
1711 100 779784 1420459296 15236106846
1682 100 1184231 2147723138 23102744527
1630 100 6980 12862178 136908160
1572 101 66076 120197842 1290468251
1704 98 3897 7049906 75973422
1679 96
1642 94 Coo
1576 94 Matriz (Xᵗ*X)⁻¹: 8505.21842 0.3018970833 0.0520959421
1528 94 0.301897083 0.0001167812 -1.522099015E-06
1748 101 0.052095942 -1.522099015E-06 2.0802257122E-06
1713 100 -0.40546306 -9.377323465E-06 -3.193608912E-06
1684 100 0.635777553 -0.0009398994 -7.162800095E-06
1624 99 0.693297264 -2.978366879E-05 8.5810563658E-07
1569 100 6.986432977 7.4369692568E-05 4.6060514046E-05
1746 99
1714 99
1679 99 βᶺ: -4738.0149 βᶺ0 =
1621 99 1.118508444 βᶺ1 =
1561 99 -0.03018396 βᶺ2 =
1729 102 0.230618802 βᶺ3 =
1692 101 3.849548633 βᶺ4 =
1667 101 0.82186366 βᶺ5 =
1609 101 -16.9464566 βᶺ6 =
1552 101
1758 100
1729 99 Así podemos responder a la pregunta alternativa a) donde el ajuste del modelo qu
1690 99
�=−4738,015+1,118∗𝑋1−0,030∗𝑋2+0,2
1616 99
1569 100
Fo Valor-p F critico
2350.12969 6.074130358E-42 2.3893939
igual a 0. Concluyendo que al menos un

Y.
bla interceptos
t Probabilidad
-1.9380442 0.0612128844
0.07679268 0.9392521831
-0.7894614 0.4354782796
1.95391297 0.0592305766
1.43306489 0.1612458819
2.3431638 0.0252978125
-6.4678972 0.000000245
5000
4500
4000
3500
3000
2500
Y
2000
1500
1000
500
0
cision para la independencia en los residuos. 0 20
los residuos siguen una distribucion normal gracias a su grafica

ume que la varianza de cada tratamiento es la misma gracias al analisis de su grafica
60
60
40
20
0
3000 3200 3400 3600
-20
Suma de cuadrados
Promedio de los cuadrados F Valor crítico de F -40
9908846.36 1651474.393795 2350.12969 6.0741E-42
23189.6372 702.7162797608 -60
9932036
Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
2444.74036 -1.9380442078 0.06121288 -9711.8766 235.8467669 -9711.876570028 235.8467668852
0.28646821 3.9044766666 0.00044089 0.53568449 1.701332401 0.5356844873 1.7013324008
0.0382336 -0.7894614434 0.43547828 -0.1079708 0.047602896 -0.1079708084 0.047602896
0.11802921 1.9539129685 0.05923058 -0.0095134 0.470751034 -0.0095134291 0.4707510341
2.68623471 1.4330648863 0.16124588 -1.615637 9.314734233 -1.6156369679 9.3147342329
0.35074955 2.3431638022 0.02529781 0.10825833 1.535468995 0.1082583256 1.5354689952
2.6200875 -6.4678972157 2.4504E-07 -22.277065 -11.6158485 -22.2770647049 -11.6158485255
datos de probabilidad SHAPIRO-WILKS:
Residuo( ei)
X1 -49.948502
-36.606698
-33.395222
-32.928082
-27.924073
-27.197474
-25.787496
-25.602125
-22.413077
-20.07807
-18.677332
-17.769768
-16.291093
-10.538322
-6.7414634
-4.5679881
-4.1287378
-3.7412129
-3.4847639
-2.5630292
-0.580191
-0.3881824
3.43368711
4.77620647
6.29771559
7.00651224
7.23984022
9.22644772
14.5029612
16.7674842
18.2552056
22.4974558
23.686949
23.7058614
26.7169915
30.3414256
38.6432936
41.1906151
47.458317
xX40 49.6059215
1 1 1 1 1 1
1675 1474 2239 2120 1990 1702
18980 18100 20740 20305 19961 18916
29330 28960 30083 29831 29604 29088
164 144 216 206 196 171
1598 1541 1709 1669 1640 1572
97 97 87 87 87 85
1184231 6980 66076 3897 Matriz Xᵗ*Y:

2147723138 12862178 120197842 7049906
23102744527 136908160 1290468251 75973422
35068553535 207040491 1957453512 115392271
207040491 1239432 11583909 679365
1957453512 11583909 109336064 6441279
115392271 679365 6441279 380533
-0.4054630631 0.6357775528 0.6932972643 6.9864329774

-9.3773234652088E-06 -0.0009398994 -2.978366879E-05 7.436969257E-05
-3.1936089123883E-06 -7.162800095E-06 8.5810563652E-07 4.606051405E-05
1.98243510513557E-05 -5.884823634E-05 -3.580730104E-05 -0.0003366973
-5.8848236343598E-05 0.010268521 0.000510048 0.0032111705
-3.5807301038231E-05 0.000510048 0.000175071 0.0002646163
-0.0003366973 0.0032111705 0.0002646163 0.0097690329
C66
-4738.015 Var Y = 254667.5897436

1.119 SCTotal = 9932036
-0.030
0.231
3.850
0.822
-16.946
nde el ajuste del modelo que mejor describe el problema es:
1−0,030∗𝑋2+0,231∗𝑋3+3,850∗𝑋4+0,822∗𝑋5 −16,946∗𝑋6
Gráfico de probabilidad normal

5000
4500
4000
3500
3000
2500
2000
1500
1000
500
0
0 20 40 60 80 100 120
Muestra percentil
Varianza
Varianza
0 3200 3400 3600 3800 4000 4200 4400 4600 4800 5000
60 Residuo( ei)
40
20
0
0 5 10 15 20 25 30 35 40 45
-20
-40
-60
1 1 1 1 1 1 1 1
1487 2107 1973 1864 1674 1440 2165 2048
18012 20520 20130 19780 19020 18030 20680 20340
28675 30120 29920 29720 29370 28940 30160 29960
149 195 190 180 161 139 208 199
1522 1740 1711 1682 1630 1572 1704 1679
85 101 100 100 100 101 98 96
156160
287571830
3062352081
4631760166
27708929
259142680
15200200
120
1 1 1 1 1 1 1 1
1916 1658 1489 2062 1929 1815 1595 1400
19860 18950 18700 20500 20050 19680 18890 17870
29710 29250 28890 30190 29960 29770 29360 28960
187 164 145 193 183 173 153 134
1642 1576 1528 1748 1713 1684 1624 1569
94 94 94 101 100 100 99 100
1 1 1 1 1 1 1 1
2047 1935 1807 1591 1388 2071 1944 1831
20540 20160 19750 18890 17870 20460 20010 19640
30160 29940 29760 29350 28910 30180 29940 29750
193 184 173 153 133 198 186 178
1746 1714 1679 1621 1561 1729 1692 1667
99 99 99 99 99 102 101 101
1 1 1 1 1 1 1
1612 1410 2066 1954 1835 1616 1407
18710 17780 20520 20150 19750 18850 17910
29360 28900 30170 29950 29740 29320 28910
156 136 197 188 178 156 137
1609 1552 1758 1729 1690 1616 1569
101 101 100 99 99 99 100
X Y Y est Diferencia Matriz X: 1
1 8.3 4579.30 1954.1512515 2625.15 1
1 8.5 4918.00 2721.2013773 2196.80 1
1 8.5 4918.00 2721.2013773 2196.80 1
1 8.6 5093.45 3104.7264402 1988.72 1
1 8.6 5093.45 3104.7264402 1988.72 1
1 8.7 5273.02 3488.251503 1784.77 1
1 9.2 6234.50 5405.8768174 828.62 1
1 9.3 6439.86 5789.4018803 650.46 1
1 9.5 6864.00 6556.4520061 307.55 1
1 9.8 7534.54 7707.0271947 -172.49 1
1 10.3 8746.82 9624.6525091 -877.83 1
1 10.5 9266.00 10391.702635 -1125.70 1
1 10.8 10082.70 11542.277823 -1459.58 1
1 11.2 11244.42 13076.378075 -1831.96 1
1 11.5 12172.00 14226.953264 -2054.95 1
1 11.7 12817.90 14994.003389 -2176.10 1
1 11.9 13486.27 15761.053515 -2274.78 1
1 12.3 14891.94 17295.153767 -2403.21 1
1 12.6 16008.01 18445.728955 -2437.72 1
1 12.9 17178.51 19596.304144 -2417.79 1
1 13.4 19253.83 21513.929458 -2260.10 1
1 13.7 20575.82 22664.504647 -2088.68 1
1 13.8 21029.58 23048.02971 -2018.45 1
1 14.5 24394.00 25732.70515 -1338.71 1
1 14.7 25417.18 26499.755276 -1082.58 1
1 14.9 26468.59 27266.805401 -798.22 1
1 15.1 27548.61 28033.855527 -485.25 1
1 15.3 28657.62 28800.905653 -143.29 1
1 15.5 29796.00 29567.955779 228.04 1
1 15.9 32162.43 31102.05603 1060.37 1
1 15.9 32162.43 31102.05603 1060.37 1
1 16.2 34017.22 32252.631219 1764.59 1
1 16.3 34650.98 32636.156282 2014.82 1
1 16.4 35292.55 33019.681345 2272.87 1
1 16.7 37264.70 34170.256533 3094.44 1
1 16.8 37938.06 34553.781596 3384.28
121164482.91 SCE
Verificando correlac
Chart Title
4000.00
3000.00
Y
2000.00
4579.3
1000.00
4918
0.00
0 5 10 15 20 25 30 35 40
-1000.00
-2000.00
-3000.00
3000.00
2000.00
1000.00
0.00
0 5 10 15 20 25 30 35 40 4918
-1000.00
5093.45
-2000.00
5093.45
-3000.00 5273.02
6234.5
6439.86
6864
7534.54
8746.82
9266
10082.7
11244.42
12172
12817.9
13486.27
14891.94
16008.01
17178.51
19253.83
20575.82
21029.58
24394
25417.18
26468.59
27548.61
28657.62
29796
32162.43
32162.43
34017.22
34650.98
35292.55
37264.7
37938.06
Tenemos que: 𝑒�= �ei-1 + ηi Procedemos a calcular el estimador de ρ
Diferencia
2625.14875
2196.79862
2196.79862
1988.72356
1988.72356
1784.7685
828.623183
650.45812
307.547994
-172.48719
-877.83251
-1125.7026
-1459.5778
-1831.9581
-2054.9533
-2176.1034
-2274.7835
-2403.2138
-2437.719
-2417.7941
-2260.0995
-2088.6846
-2018.4497
-1338.7051
-1082.5753
-798.2154
-485.24553
-143.28565
228.044221
1060.37397
1060.37397
1764.58878
2014.82372
2272.86866
3094.44347
3384.2784
121164483
Procedemos a calcular X' e Y':
X' Y' Resumen

1.01879572 790.45
0.83852573 485.16 Estadísticas de la regresión
0.93852573 660.61 Coeficiente de c 0.9916534605
0.84839074 502.47 Coeficiente de 0.9833765858
0.94839074 682.04 R^2 ajustado 0.9828876619
1.35825575 1481.66 Error típico 826.916475422
1.00758079 820.39 Observaciones 36
1.1174458 1059.43
1.23717582 1347.67 ANÁLISIS DE VARIANZA
1.46677085 1955.56 Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
1.21609589 1382.05 Regresión 1 1375313939 1375313939 2011.30788
1.33582591 1730.79 Residuos 34 23248889.1 683790.857
1.46542093 2156.38 Total 35 1398562828
1.40488097 2036.84
1.33447599 1846.67 Coeficientes Error típico Estadístico t Probabilidad
1.35420601 1932.86 Intercepción -602.230734329 146.703372 -4.1050913 0.00023935
1.57393603 2736.09 X' 2250.21301581 50.1746504 44.8476073 7.7391E-32
1.51339606 2585.16
1.54299109 2749.69
1.77258611 3769.98
1.62191116 3221.38 Análisis de los residuales
1.45150618 2483.57
2.06137119 5438.99 Observación Pronóstico Y' Residuos (ei - ei-1 )
1.63042625 3429.65 790.44833988 1690.27664565 -899.82831
1.65015627 3558.82 485.16112409 1284.63078409 -799.46966 100.358646
1.66988628 3691.15 660.61112409 1509.65208567 -849.04096 -49.571302
1.6896163 3826.68 502.46928172 1306.8291549 -804.35987 44.6810884
1.70934632 3965.46 682.03928172 1531.85045648 -849.81117 -45.451302
1.92907634 5305.81 1481.6638777 2454.13403361 -972.47016 -122.65898
1.56853637 3172.83 820.39396261 1665.04068131 -844.64672 127.823437
1.86853637 5027.62 1059.4327443 1912.26035369 -852.82761 -8.1808907
1.6981314 3989.56 1347.6741919 2181.67839689 -834.0042 18.8234044
1.70799641 4059.89 1955.5630207 2698.31611246 -742.75309 91.2511132
1.91786141 5453.76 1382.0545473 2134.24406174 -752.18951 -9.4364227
1.74745644 4349.53 1730.791699 2403.66210494 -672.87041 79.3191086
-15.142679 -34195.47 2156.3792244 2695.27851893 -538.89929 133.971111
2036.8430026 2559.05070057 -522.2077 16.6915965
1846.6688496 2400.6245114 -553.95566 -31.747964
1932.8569403 2445.02125301 -512.16431 41.7913491
2736.0916984 2939.46059779 -203.3689 308.795413
2585.1611652 2803.23277942 -218.07161 -14.702715
2749.6915669 2869.82789184 -120.13632 97.9352893
3769.9814928 3386.46560742 383.515885 503.65221
3221.3819898 3047.41485828 173.967132 -209.54875
2483.5664173 2663.96736753 -180.40095 -354.36808
5438.9898804 4036.29354782 1402.69633 1583.09728
3429.6502035 3066.57563555 363.074568 -1039.6218
3558.8169988 3110.97237716 447.844622 84.7700536
3691.1486859 3155.36911877 535.779567 87.9349456
3826.6827521 3199.76586038 626.916892 91.1373245
3965.4566842 3244.16260199 721.294082 94.3771905
5305.8079694 3738.60194677 1567.20602 845.91194
3172.8264929 2927.31022366 245.516269 -1321.6898
5027.6164929 3602.3741284 1425.24236 1179.7261
3989.5616864 3218.92663766 770.635049 -654.60732
4059.892165 3241.12500846 818.767157 48.1321078
5453.7631008 3713.36598243 1740.39712 921.629962
4349.5258684 3329.91849168 1019.60738 -720.78974
-34195.46711 -34676.4831047 481.015995 -538.59138
23248889.1 10175574.6
SCR' ∑(ei - ei-1)^2'
Procedemos a calcular nuetro nuevo estimador: H₀: ρ=0

H₁: ρ>0
d=
dl =
du=
10000
Gráfico de probabilidad normal
5000
0
0 20 40 60 80 100
-5000
-10000
-15000
Y'
-20000
-25000
-30000
-35000
-40000
Muestra percentil
8.3 Matriz Xᵗ: 1 1 1 1
8.5 8.3 8.5 8.5 8.6
8.5
8.6
8.6 Matriz Xᵗ*X: 36 449.8 Matriz (Xᵗ*X)⁻¹:
8.7 449.8 5912.28
9.2
9.3
9.5 βᶺ: -29878.428967 β₀ᶺ= -29878.428967
9.8 3835.2506288 β₁ᶺ= 3835.25062878
10.3
10.5
10.8 Asi nuestra ecuacion quedaria: �=−29878,429+3835,2506Xi
11.2
11.5
11.7 Anova
11.9 Fuente G-L SC CM F
12.3 Regresión 1 4299173254.34 4299173254
1206.39222932
12.6 Error 34 121164482.91 3563661.26
12.9 Total 35 4420337737.2492
13.4
13.7 Estadistica de regresion
13.8 Coef. De correlacion 0.9861994299
14.5 Coef. De determinacion 0.9725893155
14.7 Coef. De det. Ajustado 0.9717831189
14.9 Error tipico 1887.7662095547
15.1 observaciones 36
15.3
15.5
15.9 Tabla interceptos
15.9 Coeficientes error tipico t probabilidad
16.2 intercepcion -29878.428967 1415.0628539375 -21.11456 4.0252232E-21
16.3 x 3835.2506288 110.4204427634 34.7331575 3.8312595E-28
16.4
16.7
16.8
Verificando correlación: H₀: ρ=0 con:

H₁: ρ>0
Y est Diferencia ei - ei-1 d= 0.04589651

1954.15125 2625.14875
2721.20138 2196.79862 -428.35012576 dl = 1.31
2721.20138 2196.79862 0 du= 1.43
3104.72644 1988.72356 -208.07506288
3104.72644 1988.72356 0
3488.2515 1784.7685 -203.95506288 Entonces, al ser nuestro estimador d < dl, se concluye el rechazo a
5405.87682 828.623183 -956.14531439 plantea que no existe correlacion en los errores
5789.40188 650.45812 -178.16506288
6556.45201 307.547994 -342.91012576
7707.02719 -172.48719 -480.03518863
9624.65251 -877.83251 -705.34531439
10391.7026 -1125.7026 -247.87012576
11542.2778 -1459.5778 -333.87518863
13076.3781 -1831.9581 -372.38025151
14226.9533 -2054.9533 -222.99518863
14994.0034 -2176.1034 -121.15012576
15761.0535 -2274.7835 -98.680125755
17295.1538 -2403.2138 -128.43025151
18445.729 -2437.719 -34.505188633
19596.3041 -2417.7941 19.924811367
21513.9295 -2260.0995 157.69468561
22664.5046 -2088.6846 171.41481137
23048.0297 -2018.4497 70.234937122
25732.7051 -1338.7051 679.74455986
26499.7553 -1082.5753 256.12987424
27266.8054 -798.2154 284.35987424
28033.8555 -485.24553 312.96987424
28800.9057 -143.28565 341.95987424
29567.9558 228.044221 371.32987424
31102.056 1060.37397 832.32974849
31102.056 1060.37397 0
32252.6312 1764.58878 704.21481137
32636.1563 2014.82372 250.23493712
33019.6813 2272.86866 258.04493712
34170.2565 3094.44347 821.57481137
34553.7816 3384.2784 289.83493712
5561027.1072
∑(ei - ei-1)^2
calcular el estimador de ρ, r
(ei * ei-1)
r= 0.9013499138
5766923.16
4825924.19
4368825.18
3955021.4
3549411.16
1478900.55
538984.677
200047.09
-53048.091
151414.867
988178.368
1643050.6
2673885.38
3764588.22
4471790.76
4950164.12
5466791.06
5858359.75
5893902.61
5464455.23
4720635.04
4215904.92
2702109.02
1449249.1
864128.258
387330.453
69528.7222
-32675.465
241812.156
1124392.96
1871124.01
3555335.33
4579429.68
7033263.56
10472458.2
109211596
∑(ei * ei-1)
Valor crítico de F
7.7391E-32
Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

-900.36786 -304.09361 -900.36785701 -304.09361165
2148.24586 2352.18017 2148.2458581 2352.1801736
Resultados de datos de probabilidad
Percentil Y'
1.38888889 -34195.46711
4.16666667 485.16112409
6.94444444 502.46928172
9.72222222 660.61112409
12.5 682.03928172
15.2777778 790.44833988
18.0555556 820.39396261
20.8333333 1059.4327443
23.6111111 1347.6741919
26.3888889 1382.0545473
29.1666667 1481.6638777
31.9444444 1730.791699
34.7222222 1846.6688496
37.5 1932.8569403
40.2777778 1955.5630207
43.0555556 2036.8430026
45.8333333 2156.3792244
48.6111111 2483.5664173
51.3888889 2585.1611652
54.1666667 2736.0916984
56.9444444 2749.6915669
59.7222222 3172.8264929
62.5 3221.3819898
65.2777778 3429.6502035
68.0555556 3558.8169988
70.8333333 3691.1486859
73.6111111 3769.9814928
76.3888889 3826.6827521
79.1666667 3965.4566842
81.9444444 3989.5616864
84.7222222 4059.892165
87.5 4349.5258684
90.2777778 5027.6164929
93.0555556 5305.8079694
95.8333333 5438.9898804
98.6111111 5453.7631008
con: N= 36
k= 1
0.43768004
1.31
1.43
ad normal
80 100 120
1 1 1 1 1 1 1 1
8.6 8.7 9.2 9.3 9.5 9.8 10.3 10.5
Coo
Matriz (Xᵗ*X)⁻¹: 0.56189484 -0.0427484 Matriz Xᵗ*Y: 649472.29
-0.0427484 0.00342139 9235758.238
C11
Var Y = 126295364
SCT = 4420337737
X' Gráfico de
429+3835,2506Xi
Residuos
-20 -15 -10
p- Valor F critico
3.8312595E-28 4.13001775
N= 36
k= 1
d < dl, se concluye el rechazo a la hipotesis nula que
existe correlacion en los errores.
1 1 1 1 1 1 1 1
10.8 11.2 11.5 11.7 11.9 12.3 12.6 12.9
X' Gráfico de los residuales

2000
1000
0
-20 -15 -10 -5 0 5
-1000
-2000
X'
1 1 1 1 1 1 1 1
13.4 13.7 13.8 14.5 14.7 14.9 15.1 15.3
1 1 1 1 1 1 1 1
15.5 15.9 15.9 16.2 16.3 16.4 16.7 16.8
Máquina
1 2 3 4 5 6
17.5 16.4 20.3 14.6 17.5 18.3
16.9 19.2 15.7 16.7 19.2 16.2
15.8 17.7 17.8 20.8 16.5 17.5
18.6 15.4 18.9 18.9 20.5 20.1
Pruebas de hipotesis
Ho: µ1= µ2 = µ 3 = µ 4 = µ 5 = µ6
H1: µi≠µj
Entonces gracias al analisis de varianza podemos concluir que se no se rechazaria la hipotesis nula que plantea que las medias
Ya que el valor critico para F es mayor a nuestro estimador, por lo cual este no esta en zona de rechazo. A
Analisis mediante LSD:

µi - µj
1-2
1-3
Pruebas de hipotesis 1-4
Ho: µi - µj = 0 1-5
H1: µi - µj ≠ 0 1-6
2-3
2-4
Estadistico de prueba 2-5
To= 2.10092204 2-6
LSD= 2.77130651 3-4
3-5
3-6
4-5
4-6
5-6
Entonces podemos concluir que ninguna de las diferencias muestrales es significativa, ya que ninguna de esta
diferencia entre las medias de las resistencia a la traccion
Análisis de varianza de un factor
RESUMEN
Grupos Cuenta Suma
1 4 68.8
2 4 68.7
3 4 72.7
4 4 71
5 4 73.7
6 4 72.1
ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados Grados de libertad
Entre grupos 5.3383333333 5
Dentro de los grupos 62.64 18
Total 67.9783333333 23
nula que plantea que las medias de las resistencias a la traccion de cada maquina son muy similares entre si.
te no esta en zona de rechazo. Ademas el criterio del valor p indica una probabilidad de 9% la cual es muy alta, dejando una confianza solo
Diferencia Valor Absoluto

0.025 0.025
-0.975 0.975
-0.55 0.55
-1.225 1.225
-0.825 0.825
-1 1
-0.575 0.575
-1.25 1.25
-0.85 0.85
0.425 0.425
-0.25 0.25
0.15 0.15
-0.675 0.675
-0.275 0.275
0.4 0.4
ificativa, ya que ninguna de estas es mayor a nuestro estimador. Por lo cual no se rechaza la hipotesis nula que plantea que la
as de las resistencia a la traccion de cada maquina son similares entre si.
Promedio Varianza
17.2 1.3666666667
17.175 2.7091666667
18.175 3.7691666667
17.75 7.2166666667
18.425 3.1558333333
18.025 2.6625
Promedio de los cuadrados F Probabilidad Valor crítico para F

1.0676666667 0.3068007663 0.9024205151 2.772853153
3.48
muy similares entre si.

e 9% la cual es muy alta, dejando una confianza solo de 91%
Diferencia muestral en valor absoluto Decisión

0.025 < 2.77 No Significativa
1 < 2.77 No Significativa
za la hipotesis nula que plantea que la

Termometro 1 Termometro 2 Termometro 3 Termometro 4 ¿Son los cuatro termómetros
63 64 58 61 Calcular los residuos y analiza
63 64 59 62 Elimine el tercer termómetro
62 63 59 60 podrán extraerse?. Use un niv
65 64 68 63
66 65
Para responder a la primera pregunta procedemos a verificar si las medias de las temperaturas medidas por cada termometro
Pruebas de hipotesis Termometro 1

Ho: µ1= µ2 = µ 3 = µ 4 = µ Promedio (Ῡi•) = 63.8
H1: µi≠µj
Suma de cuadrados= 5.8080246914
Datos: n1 = 5
n2= 5
n3= 4 Anova
n4= 4 Efecto SC
Tratamientos 31.8111111111
N= 18 Error 83.8
k= 4 Total 115.611111111
Promedio total (Ῡ••)
62.7222222222
=
Como Fo < F critico se concluye que las medias de las mediciones de cad
alternativa a ) es que los termom
Calculo de los residuos:
Yij Y estimado Residuos (ei)

63 63.8 -0.8
63 63.8 -0.8
62 63.8 -1.8
65 63.8 1.2
66 63.8 2.2
64 64 0
64 64 0
63 64 -1
64 64 0
65 64 1
58 61 -3
59 61 -2
59 61 -2
68 61 7
61 61.5 -0.5
62 61.5 0.5
60 61.5 -1.5
63 61.5 1.5
83.8
SCE
Anova eliminando el 3er termometro:
Termometro 1 Termometro 2 Termometro 4 Termometro 1

63 64 61 Promedios = 63.8
63 64 62
62 63 60
65 64 63 calculo residuos: Yij
66 65 63
63
62
65
Pruebas de hipotesis 66
Ho: µ1= µ2 = µ 3 = µ 4 = µ 64
H1: µi≠µj 64
63
Datos: N= 14 64
n1 = n2 = 5 65
n4 = 4 61
k= 3 62
Promedio total= 63.2142857143 60
63
Anova
Efecto SC
Tratamiento 16.5571428571
error 17.8
Total 34.3571428571
Entonces como Fo > a F critico se concluye que al menos la media de temperatura de uno de
del termometro 4 es la que tiene una media diferente a las otras dos que son muy similare
apreciar esta diferencia gracias a que este aportaba una media
Entonces como Fo > a F critico se concluye que al menos la media de temperatura de uno de
del termometro 4 es la que tiene una media diferente a las otras dos que son muy similare
apreciar esta diferencia gracias a que este aportaba una media
n los cuatro termómetros análogos?.
ular los residuos y analizar si se verifican las hipótesis básicas del modelo de ANOVA.
ine el tercer termómetro y calcule la tabla ANOVA para comparar los otros tres termómetros. ¿Qué conclusiones
án extraerse?. Use un nivel de significación del 0,05.
idas por cada termometro son similares o hay almenos una que es diferente a las otras:
Termometro 2 Termometro 3 Termometro 4

64 61 61.5
8.1635802469 11.8641975309 5.975308642
GL CM Fo Valor-p F critico
3 10.6037037037
14 5.9857142857 1.7715018121 0.19869238 3.34388868
17
as de las mediciones de cada termometro son similares, en conclusion la respuesta a la

nativa a ) es que los termometros son analogos.
Termometro 2 Termometro 4
64 61.5
Y estimado Residuos (ei) tabla para SCT

63.8 -0.8 Termometro 1 Termometro Termometro 4
63.8 -0.8 0.045918367 0.61734694 4.90306122
63.8 -1.8 0.045918367 0.61734694 1.4744898
63.8 1.2 1.474489796 0.04591837 10.3316327
63.8 2.2 3.18877551 0.61734694 0.04591837
64 0 7.760204082 3.18877551
64 0
64 -1 SCT = 34.3571429
64 0
64 1 Var datos= 2.64285714
61.5 -0.5 SCT = 34.3571429
61.5 0.5
61.5 -1.5
61.5 1.5
17.8
SCE
Var ei = 1.3692307692
SCE = 17.8
GL CM Fo valor-p F critico
2 8.2785714286
11 1.6181818182 5.1159711075 0.026866821 3.98229796
13
a de temperatura de uno de los tres termoemtros es diferente a las demas, en este caso la
s dos que son muy similares, se concluye que al quitar el termometro numero 3 se puede
e este aportaba una media muy similar a la del termometro 4.
é conclusiones
CUADRO (Yij - Ῡ••)^2

Termometro Termometro Termometro Termometro 4
0.07716049 1.63271605 22.2993827 2.96604938
0.07716049 1.63271605 13.8549383 0.52160494
0.52160494 0.07716049 13.8549383 7.41049383
5.1882716 1.63271605 27.8549383 0.07716049
10.7438272 5.1882716
Método 1 Método 2 Método 3 5,- Trece alumnos de características análogas se asignan al azar a 3 m
7.72 8.01 7.91 siguientes resultados en el examen posterior,
7.98 7.93 8.32 ¿Podemos concluir que los métodos son distintos?, Use un nivel de s
7.85 8.15 8.12
7.87 8.09 8.28 Para responder a la pregunta debemos realizar una comparacion de
8.23 aprendizaje, esto lo haremos mediante el analisis
Ho: µ1= µ2 = µ 3 = µ 4 = µ Método 1 Método 2
H1: µi≠µj Promedio(Ῡi•)= 7.855 8.045
ni(Ῡi• - Ῡ••)^2 = 0.13015444 0.00036982
Datos: N= 13 Promedio Total(Ῡ••) = 8.03538462
k= 3
n1 = n2 = 4
n3 = 5
Anova
Efecto SC GL
Tratamientos 0.22384308 2
Error 0.16988 10
Total 0.39372308 12
Entonces como Fo > Fcritico, se concluye que al menos una de las medias de las califica
metodo es diferente o marca la diferencia con respecto a las demas. Esto quiere deci
análogas se asignan al azar a 3 métodos de aprendizaje, obteniendo los
son distintos?, Use un nivel de significación del 0,05,
os realizar una comparacion de medias entre los tres metodos de

o lo haremos mediante el analisis de varianza,
Método 3 Tabla (Yij -Ῡ••)^2

8.172 Método 1 Método 2 Método 3
0.09331882 0.0994674556 0.000644379 0.015721302
0.0030674556 0.011105917 0.081005917
0.0343674556 0.013136686 0.007159763
0.027352071 0.00298284 0.059836686
0.037875148
CM Fo Valor-p Fcritico
0.11192154
0.016988 6.58827045 0.0149539839 4.10282102
os una de las medias de las calificaciones del examen de los alumnos de cada cada
pecto a las demas. Esto quiere decir que al menos uno de los metodos es distinto.
6.-En un análisis de la varianza con cinco grupos se conoce que las medias estimadas en cada grupo son 20, 22, 24, 2
Hay diez observaciones en cada grupo y la varianza de estimación de las medias de grupo es 6.
Calcular la tabla ANOVA.
Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5

Promedios(Ῡi•)= 20 22 24 26 28
ni * (Ῡi• - Ῡ••)^2 = 160 40 0 40 160
200 220 240 260 280
Datos: N= 50
n1=n2=…=n5= 10
k= 5
Varianza medias 6
Promedio total (Ῡ••) = 24

rupo son 20, 22, 24, 26 y 28.
Anova
Efecto SC GL CM Fo Valor-p Fcritico
Tratamiento 400 4 100
Error 300 45 6.66666667 15 7.281084E-08 2.57873918
Total 700 49
Yij
grupo 1 4060 1200
grupo 2 4900 28800
grupo 3 5820
grupo 4 6820
grupo 5 7900
29500
Método A Método B Método C 7.- Un psicólogo clínico quería comparar tres métodos para red
73 54 79 Cada prueba sicológica (PNH) fue usada para medir el grado d
83 74 98 usaron como indicación de gran hostilidad. En el experimento se us
76 71 87 altas y muy cercanas entre sí. De los 11 estudiantes se seleccionaron
68 restantes se tomaron tres al azar y se trataron con el método B y el
80 se realizaron durante un trimestre. Cada estudiante tomó la prueba
siguientes resultados:
a) Realice un análisis de varianza para este experimento.
b) Presentan los datos suficiente evidencia para concluir que
de los tres métodos, después del tratamiento?. Use un nivel de
Procedemos a realizar un analisis de varianza para compara los tres metodos para reducir los niveles de hostilidad en estudiant
planeamos las sigueintes hipotesis a probar:
Ho: µa = µB = µC = µ Método A
H1: µi≠µj Promedio (Ῡi•)= 76
ni(Ῡi• - Ῡ••)^2 = 2.02479339
Datos: N= 11
k= 3
n1= 5 Promedio Total (Ῡ••)= 76.6363636
n2 = n3 = 3
Anova
Efecto SC
Tratamiento 707.878788
Error 552.666667
Total 1260.54545
Así con una confianza de 95%, dado que Fo>Fcritico los datos presentan evidencia de que al menos
de los resultados en la prueba PNH que realizaron los
Procedemos a verificar cual o cuales tratamientos son los que generan la diferencia, mediante el metodo LSD:
Pruebas de hipotesis Caso A - B: Ho: µA=µB

Ho: µi=µj H1: µA≠µB
H1: µi≠µj
LSD= 13.9973586
To = 2.30600414
µi - µj Diferencia medias Valor absoluto Dif. Muestrales en valo
A-B 9.6666666667 9.6666666667 9.66666667
A-C -12 12 12
B-C -21.6666666667 21.6666666667 21.6666667
Asi se concluye que la diferencia mas significativa la marcan las respuestas medias de los estudia
Metodo 3, ya que la media de sus respuestas en la prueba PNH es la mas alta, demostrando un niv
demas estudiantes de los otros dos tratamientos.
ar tres métodos para reducir los niveles de hostilidad en estudiantes universitarios.
a para medir el grado de hostilidad. Las puntuaciones altas en esta prueba se
En el experimento se usaron 11 estudiantes que obtuvieron puntuaciones
udiantes se seleccionaron 5 al azar y se trataron con el método A, de los 6
on con el método B y el resto se trató con el método C. Todos los tratamientos
tudiante tomó la prueba PNH nuevamente al final del trimestre, con los
este experimento.
ncia para concluir que hay diferencias entre las respuestas medias de los estudiantes
ento?. Use un nivel de significación del 0,05.
e hostilidad en estudiantes universitarios:
Tabla (Yij - Ῡ••)^2

Método B Método C Método A Método B Método C
66.3333333 88 13.2231405 512.404959 5.58677686
318.4573 387.396694 40.4958678 6.95041322 456.404959
0.40495868 31.768595 107.404959
74.5867769
11.3140496
GL CM Fo Valor-p F crítico
2 353.939394
8 69.0833333 5.1233687904 0.03695039 4.45897011
10
idencia de que al menos uno de los tratamientos es diferente respecto a la media

a PNH que realizaron los estudiantes
µA=µB Caso A -C : Ho: µA=µc Caso B - C :

µA≠µB H1: µA≠µC
LSD = 13.9973586
Dif. Muestrales en valor absoluto Decisión
< 13.9973586 No significativa
< 13.9973586 No significativa
> 15.6495226 Significativa
tas medias de los estudiantes que se trataron con el

alta, demostrando un nivel de hostilidad mayor que los
s tratamientos.
Ho: µB=µc
H1: µB≠µC
LSD = 15.6495226
Aromaticos Cloroalcanos Esteres 8.-Un estudio mide la tasa de absorción d
1.06 1.58 0.29 para limpiar partes metálicas industriales
0.95 1.12 0.43 independientes de solventes de cada tipo y
0.79 1.45 0.06 ¿Existe una diferencia significativa en la t
0.65 0.91 0.51
0.82 0.57 0.09 Para responder a la pregunta procedemos
1.15 0.83 0.44
0.89 1.16 0.1
1.12 0.43 0.17 Pruebas de hipotesis
1.05 0.55 Ho: µa = µB = µC = µ
0.53 H1: µi≠µj
0.17
0.61
0.34
0.6 Anova
Efecto SC
Datos: N= 31 Tratamiento 2.99783506
k= 3 Error 1.87723591
n1= 9 Total 4.87507097
n2= 8
n3= 14
Entonces como Valor-p < Alfa, se concluy
absorción de los tres tipos de
Procedemos a buscar cual es el tipo de solvente que marca la diferencia de forma significatiba mediante el metod
Para Aromaticos - Cloroalcanos: Pruebas de hipotesis:

Ho: µAromat.=µCloroalc.
H1: µAromat.≠µCloroalc.
LSD = 0.25772402
µi-µj Diferencia medias muestrales Dif. Medias muestrales en valo

Aromat. - Cloroalc. -0.0640277778 0.06402778
Aromat. - Esteres 0.5929365079 0.59293651
Cloroalc. - Esteres 0.6569642857 0.65696429
Entonces se concluye que existe una diferencia signficativa en la media de la tasa de absoricion de los Esteres, ya
valor absoluto de estos, con los Aromaticos y los Cloroalcanos, obtenemos que la diferencia es significativa, caso
Cloroalcanos, ya que las dif. de la media de absoricion de estos no es sig
mide la tasa de absorción de tres tipos diferentes de solventes químicos orgánicos. Estos solventes se utilizan
partes metálicas industriales labradas y son desechos peligrosos potenciales. Se prueban muestras
es de solventes de cada tipo y se registran sus tasas de absorción como porcentaje molar.
iferencia significativa en la tasa de absorción media para los tres solventes? Utilice un p-valor para sus conclusiones.
nder a la pregunta procedemos a realizar un analisis de varianza a los tipos de solventes quimicos organicos, planteando las siguientes
hipotesis:
Aromaticos Cloroalcanos Esteres

µa = µB = µC = µ Promedio (Ῡi•)= 0.942222222 1.00625 0.34928571
µi≠µj Promedio total (Ῡ••)= 0.690967742
ni*(Ῡi• - Ῡ••)^2 = 0.568159325 0.795223218 1.63445251
GL CM Fo Valor-p F critico
2 1.4989175275
28 0.0670441397 22.3571744429 1.575908E-06 3.3403855582
30
omo Valor-p < Alfa, se concluye que al menos una de las medias de la tasa de
absorción de los tres tipos de solventes es diferente a las demas.
ignificatiba mediante el metodo LSD: To = 2.04840714
Para Aromaticos - Esteres: Pruebas de hipotesis:

Ho: µAromat.=µCloroalc.
H1: µAromat.≠µCloroalc.
LSD = 0.2266080523
Dif. Medias muestrales en valor absoluto Decisión

< 0.2577240249 No Significativa
e absoricion de los Esteres, ya que al comparar la diferencia de los promedios en

diferencia es significativa, caso contrario si comparamos los Aromaticos con los
e absoricion de estos no es significativa.
onclusiones.
teando las siguientes
tabla (Yij - Ῡ••)^2

Aromaticos Cloroalcanos Esteres
0.13618481 0.79037836 0.16077513
0.06709771 0.18406868 0.06810416
0.00980739 0.57612997 0.39812029
0.00167836 0.04797513 0.03274932
0.01664932 0.01463319 0.36116223
0.21071061 0.01932997 0.06298481
0.03961384 0.21999126 0.34924287
0.18406868 0.06810416 0.27140739
0.12890416 0.0198719
0.02591061
0.27140739
0.00655578
0.12317836
0.00827513
Para Cloroalcanos - Esteres: Pruebas de hipotesis:

Ho: µCloroalc.=µEsteres
H1: µCloroalc.≠µEsteres
LSD = 0.23507098
Granja A Granja B 9.- Una central de productos lácteos recibe diariamente leche de dos granjas A y
29 26 se extrae una muestra de cada granja y se analiza el contenido de materia grasa (e
30 32 Se puede decir a un nivel de significación del 0,05 que el contenido medio de ma
31 30 procedencia?.
30 28
35 Para poder responder a la pregunta es necesario relizar un analisis de varianza para pod
Pruebas de hipotesis Granja A Granja B

Ho: µA = µB = µ Promedio (Ῡi•) = 31 29
H1: µA≠µb Promedio total ( Ῡ••) = 30.1111111
ni*(Ῡi• - Ῡ••)^2 = 3.95061728 4.9382716
Datos: N= 9
k= 2
n1 = 5
n2 = 4
Anova
Efecto SC GL
Tratamiento 8.88888889 1
Error 42 7
Total 50.8888889 8
Entonces no se rechaza la hipotesis nula que plantea que las medias del contenido de g
lo tanto se concluye que el contenido de grasa en la leche no depende de la granja
mente leche de dos granjas A y B. Para estudiar la calidad de los productos,
el contenido de materia grasa (en gr/l), obteniéndose los siguientes resultados:
5 que el contenido medio de materia grasa depende de la granja de
ar un analisis de varianza para poder saber si las medias de contenido de grasa de las granjas es diferente.
Tabla (Yij - Ῡ••)^2

Granja A Granja B
1.2345679 16.9012346
0.01234568 3.56790123
0.79012346 0.01234568
0.01234568 4.45679012
23.9012346
CM Fo Valor-p F critico
8.88888889
6 1.48148148 0.26298028 5.59144785
que las medias del contenido de grasa de dos granjas sea muy diferente, por
n la leche no depende de la granja de procedencia, y quiza de otro factor.
Aglutinante % de friabilidad 10,- Un químico del departamento de desarrollo
PVP 0.485 0.25 0.073 0.205 0.161 aglutinante utilizado en tabletas de ampicilina d
CMC 9.64 9.37 9.53 9.86 9.79 aglutinantes: polivinilpirrolidona (PVP), carboxim
Gre 0.289 0.275 0.612 0.152 0.137 experimental son los siguientes
a) Especifique el nombre del diseño experiment
a) b) ¿Sospecha que hay algún efecto significativo
c) Escriba las hipótesis para probar la igualdad d
d) Realice el análisis adecuado para probar las h
e) Revise los supuestos, ¿hay algún problema?
Recurimos al analisis de media para verificar: si es que las medias del porcentaje de friabilidad de cada aglutinante es similar o
Pruebas de hipotesis RESPUESTA C)

Ho: µPVP= µCMC = µGre = µ Anova
H1: µi≠µj Efecto SC GL
Tratamiento 292.920971 2
Datos: N= 15 Error 0.3975428 12
n1=n2=n3= 5 Total 293.318514 14
k= 3
Var datos= 20.9513224

Entonces Fo > F critico, con lo cu
porcentaje de friabilidad de los a
menos un aglutin
calculo de los residuos:
Aglutinante Promedio
Y Y estimado residuos PVP 0.2348
0.485 0.2348 0.2502 CMC 9.638
0.25 0.2348 0.0152 Gre 0.293
0.073 0.2348 -0.1618
0.205 0.2348 -0.0298
0.161 0.2348 -0.0738 Metodo lsd par aprobar significancia:
9.64 9.638 0.002
9.37 9.638 -0.268 Pruebas de hipotesis
9.53 9.638 -0.108 Ho: µi - µj = 0
9.86 9.638 0.222 H1: µi - µj ≠ 0
9.79 9.638 0.152
0.289 0.293 -0.004 Estadistico de prueba
0.275 0.293 -0.018 To= 2.17881283
0.612 0.293 0.319 LSD= 0.25081369
0.152 0.293 -0.141
0.137 0.293 -0.156
0.3975428
SCE
Revision de los supuestos.-
H₀: ρ=0 con:
Independencia: H₁: ρ>0
Durvin - Watson.-
Y estimado residuos (ei - ei-1)

0.2348 0.2502 d=
0.2348 0.0152 -0.235
0.2348 -0.1618 -0.177
0.2348 -0.0298 0.132 dl
0.2348 -0.0738 -0.044 du
9.638 0.002 0.0758
9.638 -0.268 -0.27
9.638 -0.108 0.16 Como d>du se concluye que los r
9.638 0.222 0.33
9.638 0.152 -0.07
0.293 -0.004 -0.156
0.293 -0.018 -0.014
0.293 0.319 0.337
0.293 -0.141 -0.46
0.293 -0.156 -0.015
0.3975428 0.67388564
SCE SC(ei - ei-1)
Prueba para verificar Normalidad en los datos.-
residuos residuos
-0.268 0.4
-0.1618 0.3
-0.156
0.2
-0.141
-0.108 0.1
-0.0738 0
0 2 4 6 8 10 12 14 16
-0.0298
-0.1
-0.018
-0.2
-0.004
0.002 -0.3
0.0152
0.152
0.222 Se asume normalidad en los datos por la grafica de los residuos
0.2502
0.319
De esta manera no se cumplen los tres supuestos del modelo referentes a los residuos, ya que la varianza entre tr
Entonces la validez del modelo de analisis de varianza se ve afectada .
o del departamento de desarrollo de un laboratorio farmacéutico desea conocer cómo influye el tipo de
tilizado en tabletas de ampicilina de 500 mg en el porcentaje de friabilidad; para ello, se eligen los siguientes
polivinilpirrolidona (PVP), carboximetilcelulosa sódica (CMC) y grenetina (Gre), Los resultados del diseño
son los siguientes
el nombre del diseño experimental,
que hay algún efecto significativo del tipo de aglutinante sobre la variable de respuesta?
ipótesis para probar la igualdad de medias y el modelo estadístico,
nálisis adecuado para probar las hipótesis e interprete los resultados,
upuestos, ¿hay algún problema?
d de cada aglutinante es similar o si almenos uno marca una diferencia,
C)
Modelo estadistico:
CM Fo Valor-p F critico
��= μ + τi + εi
146.460485
0.03312857 4420.9726 6.198213E-18 3.88529383
Entonces Fo > F critico, con lo cual se concluye que existe al menos una diferencia entre las medias de
porcentaje de friabilidad de los aglutinantes. En respuesta a alternativa b) hay una sospecha de que al
menos un aglutinante tiene un efecto significativo en el % de friabilidad.
r aprobar significancia:
µi - µj Diferencia Valor Absoluto Diferencia muestral en valor absoluto

PVP - CMC -9.4032 9.4032 9.4032 > 0.25
PVP - Gre -0.0582 0.0582 0.0582 < 0.25
CMC - Grec 9.345 9.345 9.345 > 0.25
Entonces se prueba que la diferencia entre las medias de PVP Y CMC es SIGNIFICATIVA, al igual que la
diferencia de medias entre CMC y Grec. Entonces se concluye que el aglutinante CMC tiene un efecto
significativo en la variable de respuesta. Ya que la diferencia de medias muestrales entre PVP y Grec no es
significativa.
N= 15
k= 3
1.69512727
0.71
1.61
Como d>du se concluye que los residuos no esta correlacionados, verificando que son independientes.
Verificacion varianza igual entre tratamientros:
Y estimado residuos
Varianza
0.2348 0.2502 0.4
0.2348 0.0152 0.3
0.2348 -0.1618
0.2348 -0.0298 0.2
0.2348 -0.0738
0.1
9.638 0.002
14 16
9.638 -0.268 0
0 2 4 6 8
9.638 -0.108
-0.1
9.638 0.222
9.638 0.152 -0.2
0.293 -0.004
-0.3
0.293 -0.018
0.293 0.319
0.293 -0.141 Entonces por el analisis de la grafica se conclu
0.293 -0.156
siduos, ya que la varianza entre tratamientros no es cte.

Decisión
SIGNIFICATIVA
No Significativa
SIGNIFICATIVA
CATIVA, al igual que la

e CMC tiene un efecto
s entre PVP y Grec no es
Varianza
4 6 8 10 12
el analisis de la grafica se concluye que la varianza entre los tratamientros no es cte
Programa1 Programa2 Programa3 11.- El Ministerio de Educación esta interesado en impleme
20 15 12 objetivo de medir la habilidad de lectura en los alumnos. Pa
18 20 15 grado de un Colegio de San Salvador, de los cuales fueron a
18 13 18 cada uno de los tres grupos. Se utilizó un programa diferent
23 12 20 examen al inicio y al final de la implementación de los progr
22 16 18 representan la diferencia que hay entre la nota del examen
17 17 17 implementación del programa, obteniéndose los siguientes
15 21 10 a) Indique la variable de estudio
13 15 24 b) Explique el significado verbal de las hipótesis
21 13 16 c) Calcule los estimadores del modelo
d) Desarrolle el ANOVA correspondiente
e) Comparaciones entre tratamientos
a)La variable de estudio es la diferencia enter las notas de los examenes.
b) Las hipotesis planeadas son: la hipotesis nula que quiere decir que
Ho: µ1= µ2 = µ 3 = µ similares entre si, asi cada programa es analogo. La hipotesis alterna
H1: µi≠µj examenes es diferente a las demas, asi uno de los programas es difere
Datos: N= 27 Y estimado = Ῡ•• + τigorro Promedio

n= 9
k= 3 c) ESTIMADORES: d) Anova
VAR = 13 Ῡ•• = 17 efecto
τ1gorro= 1.55555556 tratamiento
τ2gorro= -1.2222222 error
τ3gorro= -0.3333333 total
Y Y estimado ei
20 18.5555556 1.444444444
18 18.5555556 -0.555555556 e) Comparacion entre tratamientos mediante el metodo LSD
18 18.5555556 -0.555555556
23 18.5555556 4.444444444 Pruebas de hipotesis
22 18.5555556 3.444444444 Ho: µi - µj = 0
17 18.5555556 -1.555555556 H1: µi - µj ≠ 0
15 18.5555556 -3.555555556
13 18.5555556 -5.555555556 To = 2.06389856
21 18.5555556 2.444444444 Lsd= 3.45000797
15 15.7777778 -0.777777778
20 15.7777778 4.222222222
13 15.7777778 -2.777777778
12 15.7777778 -3.777777778 Asi se comparan los 3 metodos, quedando cla
16 15.7777778 0.222222222 metodos trab
17 15.7777778 1.222222222
21 15.7777778 5.222222222
15 15.7777778 -0.777777778
13 15.7777778 -2.777777778
12 16.6666667 -4.666666667
15 16.6666667 -1.666666667
18 16.6666667 1.333333333
20 16.6666667 3.333333333
18 16.6666667 1.333333333
17 16.6666667 0.333333333
10 16.6666667 -6.666666667
24 16.6666667 7.333333333
16 16.6666667 -0.666666667
301.7777778
SCE
ión esta interesado en implementar tres programas de estudio; con el
ad de lectura en los alumnos. Para ello, se eligen alumnos del sexto
Salvador, de los cuales fueron asignados al azar 27 alumnos, a
. Se utilizó un programa diferente en cada grupo, se llevó a cabo un
e la implementación de los programas, los valores obtenidos
ue hay entre la nota del examen que se hizo al inicio y al final de la
ma, obteniéndose los siguientes datos, en base 100:
rbal de las hipótesis
espondiente
otesis nula que quiere decir que las medias de las diferencias de los examenes de cada programa son
a es analogo. La hipotesis alternativa planea que al menos una de las medias de la diferencia de los
i uno de los programas es diferente de los demas y tiene un efecto de significancia en los resultados.
Programa1 Programa2 Programa3

18.5555556 15.7777778 16.6666667
SC GL CM Fo Valor-p Fcritico
36.2222222 2 18.1111111
301.777778 24 12.5740741 1.44035346 0.2565941 3.40282611
338 26
mientos mediante el metodo LSD:
µi - µj Diferencia medias muestrales Diferencia medias muestrales en valor absoluto

1-2 2.77777778 2.77777778 <
1-3 1.88888889 1.88888889 <
2-3 -0.8888889 -0.8888889 <
an los 3 metodos, quedando claro que no existen diferencias significativas entre ellos, por ende los tres
metodos trabajan con resultados similares entre si.
rales en valor absoluto Decisión
3.45000797 No significativa
Mezcla Gaseosa 12.- Los cigarrillos producen cantidades aprecia
Sujeto Aire Oxígeno Aire + CO Oxígeno + CO del cigarrillo, el monóxido de carbono se combi
1 835 874 750 854 En un estudio reciente, los investigadores desea
2 787 827 755 829 carboxihemoglobina reduce la tolerancia al ejer
3 724 738 698 726 y enfisema. Se seleccionaron siete de estos pac
4 336 378 210 279 caminaran durante 12 minutos respirando una d
5 252 315 168 336 aire más monóxido de carbono (CO) u oxígeno m
6 560 672 558 642 respirado fue suficiente para elevar la concentra
7 336 341 260 336 Para controlar el consumo de monóxido de carb
horas antes del experimento- Los datos que figu
sujetos en 12 minutos para cada condición
a) a) Escríbase el modelo para este problema
b) ¿Puede rechazarse la hipótesis nula de que n
caminada durante el lapso de 12 minutos pa
c) Llévese a cabo una prueba F conservadora pa
d) Si la respuesta a la parte b es sí, constrúyase
determinar si estos son estadísticamente sig
b) Para responder a esta alternativa es necesario realizar una comparacion de medias mediante el analisis de varianza:
Ho: µAir= µOx = µA+CO= µo+co Aire Oxígeno Aire + CO
H1: µi≠µj Promedio= 547.142857 592.142857 485.571429
Datos = N= 28 Promedio total = 549.142857

n1=n2=n3=n4 7
k= 4 Anova
Varianza dato 56774.6455 Efecto SC GL CM
Tratamiento 44826.5714 3 14942.1905
Error 1488088.86 24 62003.7024
Total 1532915.43 27
Y Y estimado ei
835 547.142857 287.857143
Entonce las medias de las distancias recorridas por las perso
787 547.142857 239.857143 muy similar, por lo cual no se puede rechazar la hipotesis nu
724 547.142857 176.857143 mezcla de gases.
336 547.142857 -211.14286
252 547.142857 -295.14286
560 547.142857 12.8571429
336 547.142857 -211.14286
874 592.142857 281.857143
827 592.142857 234.857143
738 592.142857 145.857143
378 592.142857 -214.14286
315 592.142857 -277.14286
672 592.142857 79.8571429
341 592.142857 -251.14286
750 485.571429 264.428571
755 485.571429 269.428571
698 485.571429 212.428571
210 485.571429 -275.57143
168 485.571429 -317.57143
558 485.571429 72.4285714
260 485.571429 -225.57143
854 571.714286 282.285714
829 571.714286 257.285714
726 571.714286 154.285714
279 571.714286 -292.71429
336 571.714286 -235.71429
642 571.714286 70.2857143
336 571.714286 -235.71429
1488088.86
SCE
llos producen cantidades apreciables de monóxido de carbono . Cuando se inhala el humo
l monóxido de carbono se combina con la hemoglobina para formar la carboxihemoglobina.
reciente, los investigadores deseaban diterminar si una concentración apreciable de
lobina reduce la tolerancia al ejercicio en aquellos pacientes que sufren de bronquitis crónica
seleccionaron siete de estos pacientes y, en un ambiente controlado, se les pidió que
ante 12 minutos respirando una de las siguientes cuatro mezclas gaseosas: aire, oxígeno,
óxido de carbono (CO) u oxígeno más monóxido de carbono. La cantidad de monóxido de carbono
suficiente para elevar la concentración de carboxihemoglobina de cada sujeto en 9%.
el consumo de monóxido de carbono, se pidió a los siete fumadores que dejaran de fumar 12
l experimento- Los datos que figuran en la tabla representan las distancias caminadas por los
minutos para cada condición
modelo para este problema
hazarse la hipótesis nula de que no existe algún efecto, debido a la mezcla de gas, en la distancia
durante el lapso de 12 minutos para un nivel de a = 0,05?
bo una prueba F conservadora para la hiótesis nula.¿Es la conclusión diferente a la de la parte b?
sta a la parte b es sí, constrúyase los contratses pertinentes y empléese el método de Sceffé para
si estos son estadísticamente significativos.
te el analisis de varianza:
Oxígeno + CO
571.714286
Fo Valor-p Fcritico
0.24098868 0.86687321 3.00878657
distancias recorridas por las personas usando diferentes mezclas de cases es

se puede rechazar la hipotesis nula de que no existe algun efecto debido a la
mezcla de gases.

Ejercicio Estadistica Aplicada Al Diseño Experimental

Cargado por

Información del documento

Título original

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

Ejercicio Estadistica Aplicada Al Diseño Experimental

Cargado por

Copyright:

Formatos disponibles

1.

si las resistencias medias a la tracción difieren

éndose los datos siguientes: comparacion de medias

dos de aprendizaje, obteniendo los

ficación del 0,05.

as estimadas en cada grupo son 20, 22, 24, 26 y anova

veles de hostilidad en estudiantes universitarios.

ncias entre las respuestas medias de los estudiantes

tes químicos orgánicos. Estos solventes se utilizan

s tres solventes? Utilice un p-valor para sus conclusiones.

jas A y B. Para estudiar la calidad de los productos,

o de materia grasa depende de la granja de

o desea conocer cómo influye el tipo de

Cuando se inhala el humo

a mezcla de gas, en la distancia

sión diferente a la de la parte b?

Y Yestimado Error(Residuo) En cuanto al analisis de varianza: Pruebas de hipotesis

Matriz X: 1 2140 20640 30250 205

Estadistica de la regresion Tabla interceptos

dependencia de los residuos:

Y Yestimado Residuo( ei) ei - ei-1 d= 1.20201472

1732 99 Matriz Xᵗ: 1 1 1

2350.12969 6.074130358E-42 2.3893939

igual a 0. Concluyendo que al menos un

los residuos siguen una distribucion normal gracias a su grafica

datos de probabilidad SHAPIRO-WILKS:

1184231 6980 66076 3897 Matriz Xᵗ*Y:

-0.4054630631 0.6357775528 0.6932972643 6.9864329774

-4738.015 Var Y = 254667.5897436

Gráfico de probabilidad normal

Tenemos que: 𝑒�= �ei-1 + ηi Procedemos a calcular el estimador de ρ

Procedemos a calcular X' e Y':

X' Y' Resumen

Procedemos a calcular nuetro nuevo estimador: H₀: ρ=0

Verificando correlación: H₀: ρ=0 con:

Y est Diferencia ei - ei-1 d= 0.04589651

Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

Resultados de datos de probabilidad

X' Gráfico de los residuales

Analisis mediante LSD:

Diferencia Valor Absoluto

Promedio de los cuadrados F Probabilidad Valor crítico para F

muy similares entre si.

Diferencia muestral en valor absoluto Decisión

za la hipotesis nula que plantea que la

Pruebas de hipotesis Termometro 1

Calculo de los residuos:

Yij Y estimado Residuos (ei)

Anova eliminando el 3er termometro:

Termometro 1 Termometro 2 Termometro 4 Termometro 1

Termometro 2 Termometro 3 Termometro 4

8.1635802469 11.8641975309 5.975308642

as de las mediciones de cada termometro son similares, en conclusion la respuesta a la

Y estimado Residuos (ei) tabla para SCT

CUADRO (Yij - Ῡ••)^2

son distintos?, Use un nivel de significación del 0,05,

os realizar una comparacion de medias entre los tres metodos de

Método 3 Tabla (Yij -Ῡ••)^2

Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5

Promedio total (Ῡ••) = 24

planeamos las sigueintes hipotesis a probar:

Pruebas de hipotesis Caso A - B: Ho: µA=µB

e hostilidad en estudiantes universitarios: