Está en la página 1de 10

2.

El departamento de matemática de una universidad desea evaluar las


capacidades de enseñanza de 4 profesores. A fin de eliminar cualquier efecto
debido a los diferentes cursos de matemática y los diferentes horarios, se decide
realizar un experimento con el uso de un diseño de cuadrado latino en que las
letras A, B, C y D representan los 4 diferentes profesores. Cada profesor enseña
una sección en cada uno de cuatro diferentes cursos programados en cada uno
de los cuatro diferentes horarios durante el día. Los datos muestran las
calificaciones asignadas por estos profesores a 16 estudiantes de
aproximadamente igual capacidad.

Curso
Horario Álgebra Geometría Estadística Cálculo
1 84 79 63 97
2 91 82 80 93
3 59 70 77 80
4 75 91 75 68

a) Identifique la VAO, factor, niveles, unidades experimentales, el carácter del


efecto y además el modelo matemático que se utiliza.
Modelo matematico

Yij(k)=evaluación otorgada por los estudiantes k, del curso j con respecto al respecto al
horario i
Factor Tk=Profesor
K=1-4 m=1,2,3,4
Fila=horario ai
F=1-4m=1,2,3,4
Columna =curso Bj
Donde j=1-4 m=1,2,3,4

b) Qué requisitos deben cumplirse para que dicha prueba tenga validez.
Verifíquelos.
Normalidad de los residuos

Gráfica de probabilidad de RESIDEST1


Normal
99
Media 2.775558E-17
Desv.Est. 1.033
95 N 16
AD 0.276
90
Valor p 0.608
80
70
Porcentaje

60
50
40
30
20

10

1
-3 -2 -1 0 1 2 3
RESIDEST1

Ho=Los residuos estandarizados se distribuyen según la distribución normal


H1=Los residuos estandarizados no se distribuyen según la distribución normal
RC:0.276 > 0.05
Por lo tanto, no se cumple la región critica por lo que se no se rechaza la hipótesis nula
Con un 5% de significancia asumimos que hay normalidad de los residuos.
Gráficas de residuos para evaluaciòn
Gráfica de probabilidad normal vs. ajustes
99

Residuo estandarizado
2
90
1
Porcentaje

50 0

10 -1

1 -2
-2 -1 0 1 2 60 70 80 90 100
Residuo estandarizado Valor ajustado

Histograma vs. orden

Residuo estandarizado
4 2

3 1
Frecuencia

2 0

1 -1

0 -2
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Residuo estandarizado Orden de observación

Residuos vs ajustes: Se distribuyen aleatoriamente alrededor de la media de cero no


tienen igualdad de varianza.
Residuos vs orden: No hay un patrón definido y se distribuyen aleatoriamente son
independientes.
Prueba de igualdad de varianza

H0: =

H1: Alguna de las varianza difiere de las demás


Rc: 0.669 > 0.05
No se cumple la Rc no se rechaza la hipótesis nula por lo tanto las varianzas son iguales

Prueba de varianzas iguales: evaluaciòn vs. profesor


Prueba de Bartlett

1 Valor p 0.669

2
profesor

0 10 20 30 40 50 60 70 80 90
Intervalos de confianza de Bonferroni de 95% para Desv.Est.

H0: =

H1: Alguna de las varianza difiere de las demás


Rc: 0.706 > 0.05
No se cumple la Rc no se rechaza la hipótesis nula por lo tanto las varianzas son iguales
Prueba de varianzas iguales: evaluaciòn vs. horario
Prueba de Bartlett

1 Valor p 0.706

2
horario

0 10 20 30 40 50 60 70 80 90
Intervalos de confianza de Bonferroni de 95% para Desv.Est.

H0: =

H1: Alguna de las varianza difiere de las demás


Rc: 0.420 > 0.05
No se cumple la Rc no se rechaza la hipótesis nula por lo tanto las varianzas son iguales
Prueba de varianzas iguales: evaluaciòn vs. curso
Prueba de Bartlett

1 Valor p 0.791

2
curso

0 10 20 30 40 50 60 70
Intervalos de confianza de Bonferroni de 95% para Desv.Est.

H0: =

H1: Alguna de las varianza difiere de las demás


Rc: 0.791 > 0.05
No se cumple la Rc no se rechaza la hipótesis nula por lo tanto las varianzas son iguales

c) Utilice un nivel de significancia de 0.05 para probar la hipótesis de que los


diferentes profesores no tienen efecto en la calificación.

Analizando el factor profesor

Ho=Tk=0
H1=Tk ≠0
α= 0.05
R.C 0.099 > 0.05
Por lo tanto, se rechaza la hipótesis nula y provocan efecto significativo en la evaluación
Analizando el factor horario
Ho=Ai=0
H1=Ai≠0
α= 0.05
R.C. 0.255 > 0.05
Por lo tanto, se acepta la hipótesis nula y no provocan un efecto significativo en la
evaluación
Analizando el factor curso
Ho=Bj=0
H1=Bj≠0
α= 0.05
R.C 0.045 > 0.05
Por lo tanto, se rechaza la hipótesis nula y provocan un efecto significativo en la
evaluación
ICs simultáneos de 95% de Tukey
Diferencias de las medias para evaluaciòn

2-1

3-1

4-1
profesor

3-2

4-2

4-3

-30 -20 -10 0 10 20 30

Si un intervalo no contiene cero, las medias correspondientes son significativamente


diferentes.

El profesor que provoca mayor significancia con respecto a la calificación es el 2.


El profesor que provoca menor significancia con respecto a la calificación es el
3.
ICs simultáneos de 95% de Tukey
Diferencias de las medias para evaluaciòn

2-1

3-1

4-1
curso

3-2

4-2

4-3

-40 -30 -20 -10 0 10 20 30

Si un intervalo no contiene cero, las medias correspondientes son significativamente


diferentes.

El curso que provoca mayor significancia con respecto a la calificación es el 1.


El curso que provoca menor significancia con respecto a la calificación es el 3.

ICs simultáneos de 95% de Tukey


Diferencias de las medias para evaluaciòn

2-1

3-1

4-1
horario

3-2

4-2

4-3

-30 -20 -10 0 10 20 30

Si un intervalo no contiene cero, las medias correspondientes son significativamente


diferentes.
El horario que provoca mayor significancia con respecto a la calificación es el 4.
El horario que provoca menor significancia con respecto a la calificación es el 3.