Documentos de Académico
Documentos de Profesional
Documentos de Cultura
José R. Berrendero
Departamento de Matemáticas
Universidad Autónoma de Madrid
Modelos estadı́sticos.
El modelo unifactorial.
El contraste de igualdad de medias y la tabla de análisis de la
varianza (ANOVA).
Intervalos y contrastes para los parámetros del modelo.
Comparaciones múltiples.
Diagnóstico del modelo.
Estructura de un modelo estadı́stico
6,27 5,36 6,39 4,85 5,99 7,14 5,08 4,07 4,35 4,95
3,07 3,29 4,04 4,19 3,41 3,75 4,87 3,94 6,28 3,15
4,04 3,79 4,56 4,55 4,55 4,53 3,53 3,71 7,00 4,61
Modelo:
Modelo:
Yi = µ + ui , i = 1, . . . , n,
donde µ es un parámetro que representa la cosecha media (la misma para
todas las respuestas) y ui es una v.a. que recoge el efecto de otras
variables que hacen que las cosechas no sean iguales a la media.
El modelo es equivalente a:
µ̂ = Ȳ ,
Pn 2
(Y1 − Ȳ )2 + · · · + (Yn − Ȳ )2
2 2 n i=1 Yi 2
σ̂ = S = = − Ȳ
n−1 n−1 n
Varianza y grados de libertad
(Y1 − Ȳ ) + · · · + (Yn − Ȳ ) = 0
(Y1 − Ȳ )2 + · · · + (Yn − Ȳ )2
Varianza y grados de libertad
La suma de cuadrados no se puede utilizar directamente para medir la
variabilidad porque aumenta al incrementarse el número de datos, incluso
cuando la variabilidad no aumenta.
Para corregir por n dividimos la suma de cuadrados por sus gl. Esta
operación nos da la (cuasi)varianza:
(Y1 − Ȳ )2 + · · · + (Yn − Ȳ )2
S2 =
n−1
El modelo unifactorial
Fert. 1 6,27 5,36 6,39 4,85 5,99 7,14 5,08 4,07 4,35 4,95
Fert. 2 3,07 3,29 4,04 4,19 3,41 3,75 4,87 3,94 6,28 3,15
Fert. 3 4,04 3,79 4,56 4,55 4,55 4,53 3,53 3,71 7,00 4,61
Una variable explicativa cualitativa se llama factor. Los valores que toma
se llaman niveles. En este modelo los niveles son los distintos
tratamientos que aplicamos a las unidades experimentales.
●
7
●
6
Cosecha
5
4
3
1 2 3
Fertilizante
●
●
7
●
● ●
6
●
Cosecha
●
●
5
● ●
●
● ● ● ● ●
●
●
● ● ●
4
●
● ● ●
●
●
●
● ●
3
0 5 10 15 20 25 30
Num. parcela
Principios básicos del diseño: réplicas
Muestra ni Ȳi. Si
1 10 5,445 0,976
2 10 3,999 0,972
3 10 4,487 0,975
Formulación del modelo unifactorial
Si Yij representa la respuesta j para el nivel i,
Yij = µi + uij , i = 1, . . . , I , j = 1, . . . , ni .
Si definimos
µ1 + · · · + µI
µ=
I
y αi = µi − µ, entonces
Yij = µ + αi + uij , i = 1, . . . , I , j = 1, . . . , ni .
¿Por qué no comparar las tres medias de dos en dos utilizando el contraste
que ya hemos estudiado?
●
●
7
●
● ●
6
●
Cosecha
●
●
5
● ●
●
● ● ● ● ●
●
●
● ● ●
4
●
● ● ●
●
●
●
● ●
3
0 5 10 15 20 25 30
Num. parcela
7
6
Cosecha
● ● ● ● ● ● ● ● ● ●
5
● ● ● ● ● ● ● ● ● ●
● ● ● ● ● ● ● ● ● ●
4
3
0 5 10 15 20 25 30
Num. parcela
Variabilidad explicada
●
●
7
●
● ●
6
●
Cosecha
●
●
5
● ●
●
● ● ● ● ●
●
●
● ● ●
4
●
● ● ●
●
●
●
● ●
3
0 5 10 15 20 25 30
Num. parcela
7
6
Cosecha
● ● ● ● ● ● ● ● ● ●
5
● ● ● ● ● ● ● ● ● ●
● ● ● ● ● ● ● ● ● ●
4
3
0 5 10 15 20 25 30
Num. parcela
●
●
7
●
● ●
6
●
Cosecha
●
●
5
● ●
●
● ● ● ● ●
●
●
● ● ●
4
●
● ● ●
●
●
●
● ●
3
0 5 10 15 20 25 30
Num. parcela
Variabilidad residual
SCR es una combinación lineal de las varianzas de cada grupo. Los grupos
de mayor tamaño reciben más peso.
¿Cuántos gl tiene?
Siempre se cumple:
X ni
I X I
X ni
I X
X
2 2
(Yij − Ȳ.. ) = ni (Ȳi. − Ȳ.. ) + (Yij − Ȳi. )2 .
i=1 j=1 i=1 i=1 i=1
Por lo tanto:
SCT = SCE + SCR
30
●
●
25
●
●
20
●
●
15
●
●
●
●
●
10
●
●
5
●
0
1 2 3 4
Réplica T 1 T 2 T 3 T1 T2 T3
1 20 22 24 45 8 15
2 19 22 24 0 30 44
3 20 22 23 10 38 2
4 21 22 25 25 12 35
Medias 20 22 24 20 22 24
¿En qué situación parecen más significativas las diferencias entre las
medias?
Dos casos extremos
Réplica T1 T2 T3 T4
1 16 15 16 17
2 15 17 16 16
3 17 16 17 15
4 16 16 15 16
Media 16 16 16 16
Réplica T1 T2 T3 T4
1 19.5 15 16.5 13
2 19.5 15 16.5 13
3 19.5 15 16.5 13
4 19.5 15 16.5 13
Media 19.5 15 16.5 13
Cuadrados medios y estadı́stico F
Los cuadrados medios se obtienen dividiendo las sumas de cuadrados por
sus grados de libertad.
SCE/(I − 1)
F =
SCR/(n − I )
0.6
0.4
0.2
0.0
0 2 4 6 8
x
Tablas de la distribución F
α
n1 y n2 : grados de libertad del numerador y del denominador respectivamente
Fn1 ,n2 ;α SAGE 4.7.1
Ejemplo: para n1 = 5, n2 = 10 y α = 0.01, F5,10;0.01 = 5.636, significa que P (F5,10 > 5.636) = 0.01 ·
n1
n2 1 2 3 4 5 6 7 8 9 10 12 15 16 18 20 24
1 4052 5000 5403 5625 5764 5859 5928 5981 6022 6056 6106 6157 6170 6192 6209 6235
2 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39 99.40 99.42 99.43 99.44 99.44 99.45 99.46
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35 27.23 27.05 26.87 26.83 26.75 26.69 26.60
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.37 14.20 14.15 14.08 14.02 13.93
5 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.051 9.888 9.722 9.680 9.610 9.553 9.466
6 13.75 10.92 9.780 9.148 8.746 8.466 8.260 8.102 7.976 7.874 7.718 7.559 7.519 7.451 7.396 7.313
7 12.25 9.547 8.451 7.847 7.460 7.191 6.993 6.840 6.719 6.620 6.469 6.314 6.275 6.209 6.155 6.074
8 11.26 8.649 7.591 7.006 6.632 6.371 6.178 6.029 5.911 5.814 5.667 5.515 5.477 5.412 5.359 5.279
9 10.56 8.022 6.992 6.422 6.057 5.802 5.613 5.467 5.351 5.257 5.111 4.962 4.924 4.860 4.808 4.729
10 10.04 7.559 6.552 5.994 5.636 5.386 5.200 5.057 4.942 4.849 4.706 4.558 4.520 4.457 4.405 4.327
11 9.646 7.206 6.217 5.668 5.316 5.069 4.886 4.744 4.632 4.539 4.397 4.251 4.213 4.150 4.099 4.021
12 9.330 6.927 5.953 5.412 5.064 4.821 4.640 4.499 4.388 4.296 4.155 4.010 3.972 3.909 3.858 3.780
13 9.074 6.701 5.739 5.205 4.862 4.620 4.441 4.302 4.191 4.100 3.960 3.815 3.778 3.716 3.665 3.587
14 8.862 6.515 5.564 5.035 4.695 4.456 4.278 4.140 4.030 3.939 3.800 3.656 3.619 3.556 3.505 3.427
15 8.683 6.359 5.417 4.893 4.556 4.318 4.142 4.004 3.895 3.805 3.666 3.522 3.485 3.423 3.372 3.294
16 8.531 6.226 5.292 4.773 4.437 4.202 4.026 3.890 3.780 3.691 3.553 3.409 3.372 3.310 3.259 3.181
17 8.400 6.112 5.185 4.669 4.336 4.102 3.927 3.791 3.682 3.593 3.455 3.312 3.275 3.212 3.162 3.084
18 8.285 6.013 5.092 4.579 4.248 4.015 3.841 3.705 3.597 3.508 3.371 3.227 3.190 3.128 3.077 2.999
19 8.185 5.926 5.010 4.500 4.171 3.939 3.765 3.631 3.523 3.434 3.297 3.153 3.116 3.054 3.003 2.925
20 8.096 5.849 4.938 4.431 4.103 3.871 3.699 3.564 3.457 3.368 3.231 3.088 3.051 2.989 2.938 2.859
21 8.017 5.780 4.874 4.369 4.042 3.812 3.640 3.506 3.398 3.310 3.173 3.030 2.993 2.931 2.880 2.801
22 7.945 5.719 4.817 4.313 3.988 3.758 3.587 3.453 3.346 3.258 3.121 2.978 2.941 2.879 2.827 2.749
23 7.881 5.664 4.765 4.264 3.939 3.710 3.539 3.406 3.299 3.211 3.074 2.931 2.894 2.832 2.781 2.702
24 7.823 5.614 4.718 4.218 3.895 3.667 3.496 3.363 3.256 3.168 3.032 2.889 2.852 2.789 2.738 2.659
25 7.770 5.568 4.675 4.177 3.855 3.627 3.457 3.324 3.217 3.129 2.993 2.850 2.813 2.751 2.699 2.620
26 7.721 5.526 4.637 4.140 3.818 3.591 3.421 3.288 3.182 3.094 2.958 2.815 2.778 2.715 2.664 2.585
27 7.677 5.488 4.601 4.106 3.785 3.558 3.388 3.256 3.149 3.062 2.926 2.783 2.746 2.683 2.632 2.552
28 7.636 5.453 4.568 4.074 3.754 3.528 3.358 3.226 3.120 3.032 2.896 2.753 2.716 2.653 2.602 2.522
29 7.598 5.420 4.538 4.045 3.725 3.499 3.330 3.198 3.092 3.005 2.868 2.726 2.689 2.626 2.574 2.495
30 7.562 5.390 4.510 4.018 3.699 3.473 3.304 3.173 3.067 2.979 2.843 2.700 2.663 2.600 2.549 2.469
35 7.419 5.268 4.396 3.908 3.592 3.368 3.200 3.069 2.963 2.876 2.740 2.597 2.560 2.497 2.445 2.364
40 7.314 5.179 4.313 3.828 3.514 3.291 3.124 2.993 2.888 2.801 2.665 2.522 2.484 2.421 2.369 2.288
La región crı́tica
R = {F > FI −1,n−I ;α }
Descriptivos
cosecha
ANOVA
cosecha
Suma de
Total 36,445 29
Coeficiente de determinación
SCE
R2 =
SCT
Ŷij = Ȳi.
Observaciones:
Siempre se verifica que Yij = Ŷij + eij .
¿Cuánto vale la media de los residuos?
¿Qué relación hay entre SCR y los residuos?
Estimación de la varianza
Distribución de SR2 :
PI
SCR (n − I )SR2 i=1 (ni − 1)Si2
= = ≡ χ2n−I
σ2 σ2 σ2
2
P[ > 15.99] = 0.10
2
Tabla de la distribución χ
π 0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005
π
1 3.93E-05 1.57E-04 9.82E-04 3.93E-03 1.58E-02 0.102 0.455 1.323 2.71 3.84 5.02 6.63 7.88 1
2 1.00E-02 2.01E-02 5.06E-02 0.103 0.211 0.575 1.386 2.77 4.61 5.99 7.38 9.21 10.60 2
3 7.17E-02 0.115 0.216 0.352 0.584 1.213 2.37 4.11 6.25 7.81 9.35 11.34 12.84 3
4 0.207 0.297 0.484 0.711 1.064 1.923 3.36 5.39 7.78 9.49 11.14 13.28 14.86 4
5 0.412 0.554 0.831 1.145 1.610 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75 5
6 0.676 0.872 1.237 1.635 2.20 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55 6
7 0.989 1.239 1.690 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.3 7
8 1.344 1.647 2.18 2.73 3.49 5.07 7.34 10.22 13.36 15.51 17.53 20.1 22.0 8
9 1.735 2.09 2.70 3.33 4.17 5.90 8.34 11.39 14.68 16.92 19.02 21.7 23.6 9
10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.5 23.2 25.2 10
11 2.60 3.05 3.82 4.57 5.58 7.58 10.34 13.70 17.28 19.68 21.9 24.7 26.8 11
12 3.07 3.57 4.40 5.23 6.30 8.44 11.34 14.85 18.55 21.0 23.3 26.2 28.3 12
13 3.57 4.11 5.01 5.89 7.04 9.30 12.34 15.98 19.81 22.4 24.7 27.7 29.8 13
14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.1 23.7 26.1 29.1 31.3 14
15 4.60 5.23 6.26 7.26 8.55 11.04 14.34 18.25 22.3 25.0 27.5 30.6 32.8 15
16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.5 26.3 28.8 32.0 34.3 16
17 5.70 6.41 7.56 8.67 10.09 12.79 16.34 20.5 24.8 27.6 30.2 33.4 35.7 17
18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 26.0 28.9 31.5 34.8 37.2 18
19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.7 27.2 30.1 32.9 36.2 38.6 19
20 7.43 8.26 9.59 10.85 12.44 15.45 19.34 23.8 28.4 31.4 34.2 37.6 40.0 20
21 8.03 8.90 10.28 11.59 13.24 16.34 20.3 24.9 29.6 32.7 35.5 38.9 41.4 21
22 8.64 9.54 10.98 12.34 14.04 17.24 21.3 26.0 30.8 33.9 36.8 40.3 42.8 22
23 9.26 10.20 11.69 13.09 14.85 18.14 22.3 27.1 32.0 35.2 38.1 41.6 44.2 23
24 9.89 10.86 12.40 13.85 15.66 19.04 23.3 28.2 33.2 36.4 39.4 43.0 45.6 24
25 10.52 11.52 13.12 14.61 16.47 19.94 24.3 29.3 34.4 37.7 40.6 44.3 46.9 25
26 11.16 12.20 13.84 15.38 17.29 20.8 25.3 30.4 35.6 38.9 41.9 45.6 48.3 26
27 11.81 12.88 14.57 16.15 18.11 21.7 26.3 31.5 36.7 40.1 43.2 47.0 49.6 27
28 12.46 13.56 15.31 16.93 18.94 22.7 27.3 32.6 37.9 41.3 44.5 48.3 51.0 28
29 13.12 14.26 16.05 17.71 19.77 23.6 28.3 33.7 39.1 42.6 45.7 49.6 52.3 29
30 13.79 14.95 16.79 18.49 20.6 24.5 29.3 34.8 40.3 43.8 47.0 50.9 53.7 30
40 20.7 22.2 24.4 26.5 29.1 33.7 39.3 45.6 51.8 55.8 59.3 63.7 66.8 40
50 28.0 29.7 32.4 34.8 37.7 42.9 49.3 56.3 63.2 67.5 71.4 76.2 79.5 50
60 35.5 37.5 40.5 43.2 46.5 52.3 59.3 67.0 74.4 79.1 83.3 88.4 92.0 60
70 43.3 45.4 48.8 51.7 55.3 61.7 69.3 77.6 85.5 90.5 95.0 100.4 104.2 70
80 51.2 53.5 57.2 60.4 64.3 71.1 79.3 88.1 96.6 101.9 106.6 112.3 116.3 80
90 59.2 61.8 65.6 69.1 73.3 80.6 89.3 98.6 107.6 113.1 118.1 124.1 128.3 90
100 67.3 70.1 74.2 77.9 82.4 90.1 99.3 109.1 118.5 124.3 129.6 135.8 140.2 100
Z
-2.58 -2.33 -1.96 -1.64 -1.28 -0.674 0.000 0.674 1.282 1.645 1.96 2.33 2.58 Z
Intervalos de confianza para µi y σ 2
Un IC para σ 2 (nivel 1 − α) es:
" # " #
(n − I )S 2 (n − I )S 2
SCR SCR
IC1−α (σ 2 ) = , = R
, R
χ2n−I ,α/2 χ2n−I ,1−α/2 χ2n−I ,α/2 χ2n−I ,1−α/2
√
El error tı́pico de µ̂i = Ȳi. es SR / ni .
|Ȳi. − µ∗i |
R= √ > tn−I ,α/2
SR / ni
Ȳi. − µ∗i
R= √ > tn−I ,α
SR / ni
IC para µi − µj :
" s #
1 1
IC1−α (µi − µj ) = (Ȳi. − Ȳj. ) ∓ tn−I ,α/2 SR +
ni nj
Calcular α = αT /m.
Para que el nivel de significación global sea αT llevar a cabo cada
contraste individual a nivel α.
Para que el nivel de confianza global sea 1 − αT calcular cada IC
individual a nivel 1 − α.
Por ejemplo si queremos comparar todos los pares de medias, tenemos que
contrastar m = I (I − 1)/2 hipótesis de la forma H0 : µi = µj frente a
H1 : µi 6= µj .
Total 36,445 29
Comparaciones múltiples
cosecha
Bonferroni
(I) (J)
fertilizant fertilizant Diferencia de
e e medias (I-J) Error típico Sig. Intervalo de confianza al 95%
Cuando las varianzas son distintas en las poblaciones se dice que hay
heterocedasticidad.
● ● ●
●
1.0
● ●
● ●
1
● ●
●
● ●
●
● ● ●
● ● ●
●
0.5
●
● ●
● ● ● ●
●
●
0.0
● ● ●
● ●
Residuos
Residuos
Residuos
●
0
● ● ● ● ●
● ● ●
● ●
● ● ● ●
● ● ●
● ● ●
0.0
●
● ●
● ●
●
●
● ● ●
−1
●
−0.5
●
●
−0.5
● ● ●
●
●
●
●
● ●
−2
●
● −1.0 ● ●
−1.0
1.0 1.5 2.0 2.5 3.0 1.0 1.5 2.0 2.5 1.5 2.0 2.5 3.0 3.5
● ● ●
0.6
1.5
● ●
● ●
●
0.5
●
0.4
● ● ● ●
●
●
1.0
● ●
● ●
0.2
● ●
● ●
●
● ● ●
● ●
●
0.5
● ● ●
Residuos
Residuos
Residuos
0.0
● ● ●
0.0
●
● ●
● ● ●
● ● ●
● ●
● ● ●
● ●
0.0
● ●
● ●
−0.2
● ● ●
● ●
● ●
●
● ●
−0.5
−0.5
●
●
−0.4
●
●
●
● ●
● ●
−1.0
●
−0.6
● ● ● ●
● ● ● ●
−1.0
1.0 1.5 2.0 2.5 3.0 1.5 2.0 2.5 3.0 1.0 1.5 2.0 2.5 3.0
3
●
2
●
●
●
1
Residuos
●
●
●
●
● ●
0
●
● ●
●
●
● ●
● ●
●
●
●
−1
●
●
●
●
●
Valores ajustados
En este ejemplo:
máx{S1 , S2 , S3 }
=
mı́n{S1 , S2 , S3 }
La hipótesis de normalidad
1.5
● ● ●
●
2
● ●
2
1.0
●●
● ● ● ●
● ●
●●● ●
● ●●
●● ●
● ● ●●
0.5
●
1
●● ●
●●● ● ●● ●●●
●●● ●●
1
●
● ●●
●● ●●●
●● ● ●
●● ●
0.0
●● ●
●
● ●●
● ●
●● ●● ●●
●●●●●
0
●●● ●●
●●●
●
−0.5
●●●●
0
●● ●
●● ● ●
● ●
●● ● ●●
●
●●●●●
−1
−1.0
● ●●
●
●●● ● ●
●●
●●●
● ●● ●●
−1
● ●
−1.5
● ●●
●
−2
●
● ●
● ●
−2.0
● ● ● ●
−2
−2 −1 0 1 2 −2 −1 0 1 2 −2 −1 0 1 2
● ● ●
2
●
●
3
3
●
●
●
●
●●● ●
2
1
●
●
● ●●
●●●● ●
●
● ● ●●
●● ● ● ●
●● ●●●
1
●● ● ●
●●●
●●●
1
● ●● ●●●
● ●●
0
●
●● ●● ●●
●● ●●●
● ●●
●●
0
● ●● ●●●
● ●
●● ● ●●
0
●● ●●
● ●●●● ●
● ●
● ●● ●
● ●● ●●●●
●● ●●●
−1
●● ●
−1
●
● ● ●●
● ● ●●● ●●●
●
−1
●●
●● ●
● ● ● ● ● ● ●
●
●
● ● ●
−2
−2 −1 0 1 2 −2 −1 0 1 2 −2 −1 0 1 2
¿Cuáles de estas muestras (n = 50) proceden de una
distribución normal?
1.0
● ● ●
2
●
● ●
● ● ●
2
●
●
0.8
●
●● ● ●
●● ●●
●●
1
●●●
● ●●
● ●
●● ● ●●
●●●●
●● ●●●● ●
●●●
●
●●●● ●●
0
●
●● ●●●●●
0.6
●
● ●●●
●●●● ●
●● ●
0
● ●●●●●
●● ●●●
●● ●● ●●
●
●● ●
● ● ●●●
−2
●●
● ●● ●●●
0.4
●●● ●●
●
● ●●
−1
●
● ● ●
●
●
●● ●
−4
●●●●●
0.2
●
●●
−2
●●
●
●
●●
● ● ●
−6
●
0.0
● ● ●
−2 −1 0 1 2 −2 −1 0 1 2 −2 −1 0 1 2
● ● ●
2
2
● ● ● ● ●
8
● ●
● ●
1
1
●● ●●
● ●
●● ●●
●●● ●●●
● ●
●● ●●
6
●
●●●●● ●●●●●
●●● ●●●
● ●
● ●
0
0
●●●●● ●●●●●
●● ● ●●
● ●
●●● ● ●●●
●● ● ●●
4
●●● ● ●●●
●
● ●● ● ●●
−1
−1
● ● ●
● ● ● ● ●
●
● ●● ●
●●●
2
●●●●
−2
−2
●●●●
●●
●●●
●●●●
●●●
●●●
●●●
● ● ●●
● ● ● ● ● ●
0
−2 −1 0 1 2 −2 −1 0 1 2 −2 −1 0 1 2
Datos de fertilizantes
Histograma Gráfico de probabilidad
3
0.4
2
0.3
●
●
1
●
Density
0.2
●
●●● ●
●●
0
●
●
●
●
●
0.1
●●
●●
●
●
●
−1
●
●
●
0.0
−2 −1 0 1 2 3 −2 −1 0 1 2
residuos
Soluciones
Ejemplo:
sociedad desayuno y rendimiento escolar Salud
rinden menos
trientes más importantes, como
noviembre de 2008. hierro, calcio, sodio, vitaminas
C y del grupo B. Pero hay mu-
La po
chos más que pueden estar rela-
Sólo un tercio de los chicos de 12 a 17 cionados con la función cogniti-
Grupo 1 2 3 4 5
ni 21 125 291 15 15
Media 7,17 6,84 6,61 6,48 6,18
Si 1,74 0,30 0,16 0,01 1,89
Sumas de cuadrados y estadı́stico F
SCE/(I − 1) 14,02/4
F = = ≈ 12,54
SCR/(n − I ) 129,15/462
Tabla ANOVA
F4,462,0,05 ≈ 2,39
Los datos aportan evidencia a nivel α = 0,05 de que las medias no son
iguales, es decir, el tipo de desayuno influye en la nota media.