Análisis de Varianza

(ANOVA)

0 B J E T IVOS

1. Comprender la idea general del análisis de varianza

2. Enunciar las características de la distribución F
3. Realizar una prueba de hipótesis para determinar sí dos varianzas muestrales
provienen de proporciones iguales.
4. Organizar datos en una tabla de ANOVA.
5. Realizar una prueba de hipótesis entre tres o más medias de tratamiento.
6. Desarrollar intervalos de confianza para la diferencia entre medias de tratamiento

1 Introducción

En este capítulo se continúa el análisis de la prueba de hipótesis. Recuerde que en capítulo

de hipótesis se analizó la teoría general de la prueba de hipótesis. Se descubrió el caso el
que se seleccionó una gran muestra de la población. Se usó la distribución z (distribución
normal estándar) a fin de determinar si era razonable concluir que la media calculada de
una muestra específica provino de la población hipotética. Se probó si dos medias de
muestra venían de poblaciones iguales. También se realizaron pruebas de una o dos
muestras para las proporciones, usando una vez más las distribuciones normales estándar
como estadística de prueba. Se describieron métodos para realizar pruebas en las que se
supusieron poblaciones normales, pero las muestras eran pequeñas (menos de 30
observaciones). En ese último caso se utilizó la distribución t corno estadística de prueba.
En este capítulo se amplía aún más la idea de la prueba de hipótesis. Se describirá una
prueba para la varianza y luego una que compara simultáneamente varios, medios para
determinar si provienen de poblaciones iguales.

El análisis de Varianza (ANOVA): es un método para probar la igualdad de dos o más

medias de población analizando varianzas de muestras

Panorama General

En las -secciones anteriores dedujimos procedimientos para probar la hipótesis de que dos
medias de población son iguales (Ho:µ1=µ2) presentaremos un procedimiento para probar
que tres o más medias de población son iguales. (Los métodos también pueden servir para
probar si dos media población son iguales pero los métodos del capítulo anterior son más
eficientes.) una hipótesis nula típica será Ho:µ1=µ2=µ3=µ4; la hipótesis alternativa Al
menos una media es diferente. El método que usaremos se basa en un análisis de las
varianzas de muestra.

El ANOVA se usa en aplicaciones como 'las siguientes:

1- Si medimos el nivel de cotinina (un indicador de presencia de nicotina) en tres

diferentes grupos de personas (Como fumadores, no fumadores expuestos a humo
de tabaco ambiental y no fumadores expuestos), -podemos realizar pruebas para
determinar si tienen o no el mismo nivel.
2- Un ingeniero en ecología aplica una medida correctiva a diferentes empresas,
podemos realizar pruebas para determinar si las empresas obtienen puntajes medios
diferentes.

La distribución F
La distribución de probabilidad que se utiliza en este capítulo es la distribución F. Recibió
este nombre en honor a sir Ronald Fisher, uno de los fundadores de la estadística moderna.
Esta distribución de probabilidad se usa como estadística de prueba en varias situaciones.
Se emplea para probar si dos muestras provienen de poblaciones que poseen varianzas
iguales, y también se aplica cuando se trata de comparar simultáneamente varias medias
poblacionales. La comparación simultánea de varias medias poblacional se conoce como
análisis de varianza (ANOVA). En ambas situaciones, las poblaciones deben ser normales y
los datos tener al menos la escala de los intervalos.

¿Cuáles son las características de la distribución F?

1. Existe una "familia" de distribuciones F. Un miembro específico de la familia

determina por dos parámetros: los grados de libertad en el numerador y en el de
denominador. La forma de la distribución se ilustra mediante la gráfica siguiente.
Existe una distribución F para la combinación de 29 grados de libertad en el
numerador y 28 el denominador. Existe otra distribución F para 19 grados en el
numerador y 6 en el denominador. Observe que la forma de las curvas cambia a
medida que lo hacen los grados de libertad.
2. La distribución F es una distribución continua.
3. F no puede ser negativa.
4. La distribución F tiene un sesgo positivo.
5. A medida que aumentan los valores, la curva se aproxima al eje X, pero nunca lo
toca.

1 Comparación de dos varianzas poblacionales

En esta sección se utiliza la distribución F para probar la hipótesis de que la varianza de una
población normal es igual a la varianza de otra población normal. Así, esta prueba es útil
para determinar si una población normal tiene una mayor variación que otra. Los ejemplos
siguientes ilustran el uso de esta prueba:

1- Se calibran dos máquinas para producir barras de acero de la misma longitud. Por
lo tanto, las barras deben tener la misma longitud media. Se desea asegurar que,
además de tener la misma longitud media, tienen una variación similar.
2- La tasa media de infecciones de dos tipos de gusanos puede ser la misma, pero
puede haber mayor variación en un tipo que en otro. Una muestra de diez
infecciones de gusanos conocidos y otros diez gusanos no conocidos, revelará la
misma tasa de infección, pero es probable que haya mayor variación en la tasa de
infección de gusanos conocidos.

Del mismo modo, la distribución F se usa para validar suposiciones de ciertas pruebas
estadísticas. Como ejemplo, recordar que la prueba t que se describió anteriormente se
emplea para determinar si las medias de dos poblaciones independientes son diferentes.
Para emplear esa prueba, es necesario suponer que las dos varianzas de la población son
iguales.
Independientemente de que se desee determinar si una población tiene mayor variación que
otra, o bien para validar una suposición para una prueba estadística, primero se establece la
hipótesis nula. En este caso, la hipótesis nula es que la varianza de un población normal,
s12 es igual a la varianza de la otra población normal, s 22 . La hipótesis alterna podría ser
que las varianzas fueran distintas. Esta prueba de hipótesis se escribe:

H o :  
1
2
2
2

Ha :   
1
2
2
2

Para realizar la prueba, se selecciona una muestra aleatoria de n, observaciones de una

población y una muestra de n2 observaciones de la segunda población. La estadística de
s12
, donde s1 y s 2 son las respectivas varianzas muestrales. Sí la hipótesis
2 2
prueba es, 2
s 2
nula es verdadera H o :  1   2 el estadístico de prueba sigue la distribución F con , n 1-1 y
2 2

n2 - 1 grados de libertad. A fin de reducir el tamaño de la tabla de valores críticos, la mayor

varianza muestral se coloca en el numerador; por lo tanto, el valor F de la tabla siempre es
mayor a 1.00. Así, el valor crítico de la cola superior es el único que se requiere. El valor
crítico de F se halla dividiendo a la mitad el nivel de significancia (α/2) y luego haciendo
referencia a los números apropiados de los grados de libertad en la tabla.
Un ejemplo ayudará a ilustrar.

Ejemplo 1:
Taxi “20 Negro” ofrecen un servicio de transporte desde el edificio de rectoría, al
aeropuerto. Liliana, gerente, considera dos rutas. Una es por la carretera a palestina y la
otra por la Av. Juan Pablo. Liliana desea estudiar el tiempo que se requiere para llegar al
aeropuerto utilizando ambas rutas y luego comparar los resultados. Para ello, recolectó los
siguientes datos de muestra. Utilizando el nivel de significancia de 0.10, ¿existe diferencia
en la variación en los tiempos de recorrido utilizando las dos rutas?
 Ruta Tiempo Medio Desviación estándar Tamaño de la
(minutos) muestra
Palestina 56 12 7
Juan Pablo 58 5 8

Solución
Liliana observó que los tiempos medios parecen ser muy similares, pero hay mayor
variación, medida por la desviación estándar, en la ruta Palestina que por la Av. Juan Pablo.
Esto en cierto modo es consecuente, con el conocimiento que tiene Liliana de las dos rutas;
la ruta Palestina tiene más semáforos, en tanto que la Av. Juan Pablo es una carretera mas
libre Sin embargo, la Av. Juan Pablo es varias millas más larga. Es importante que el
servicio que se ofrece sea oportuno y consistente, por lo que decide realizar una prueba
estadística para determinar si existe una diferencia real en la variación en ambas rutas.
Se empleará el procedimiento habitual de prueba de hipótesis de cinco pasos.
Paso 1: Se comienza estableciendo las hipótesis nula y alterna. La prueba tiene dos colas,
porque se busca una diferencia en la variación en ambas rutas, No se trata de demostrar que
una ruta tiene una mayor variación que la otra.
H o :  
1
2
2
2

Ha :   
1
2 2
2

Paso2. Se selecciona el nivel de significancia de 0.10

s12
Paso3: El estadístico de prueba apropiada es que sigue la distribución F cuando Ho
s 22
es verdadera.
Paso 4: El valor crítico se obtiene con base en la tabla. Debido a que se utiliza una prueba
de dos colas, el nivel de significancia es 0.05, que se halla por α/2 = 0. 1 0/2 = 0.05.
Existen n1 - 1 = 7 - 1 = 6 grados de libertad en el numerador y n 2- 1 = 8 - 1 = 7 grados de
libertad en el denominador. Para encontrar el valor critico, hay que moverse
horizontalmente por la parte superior para el nivel de significancia de 0.05 a 6 grados de
libertad en el numerador. Luego se baja por esa columna hasta el valor crítico que se
encuentra en la fila de 7 grados de libertad en el denominador. El valor crítico es 3.87. Por
s12
lo tanto, la regla de decisión es: si la relación de las varianzas de la muestra, es
s 22
mayor a 3.87, la hipótesis nula se rechaza.

Paso 5: Determine el valor estadístico de prueba tomando la relación de las dos varianzas
muestrales.

S 2

PRUEBA PARA VARLANZAS IGUALES F 1

S 2
2

El valor calculado de la estadística F es 5.76, que se encuentra por

 S 122 2

F  1
 5.76
S 52
2
2

Se rechaza la hipótesis nula y se acepta la alternativa. Se concluye que existe una

diferencia en las variaciones en el tiempo de recorrido en ambas rutas.

Como se observó, la práctica habitual es determinar la razón F colocando en el numerador

la mayor de las dos varianzas. Esto obligará a la razón F a ser mayor que 1. 00. Y esto
permite utilizar siempre la cola superior, o derecha, de la estadística F, evitando con ello la
necesidad de tablas más extensas de F.
Surge una pregunta lógica respecto de las pruebas de una cola. Por ejemplo, en el problema
previo, suponga que se sospechara que la varianza de los tiempos utilizando la ruta de
Palestina es mayor que la varianza de los tiempos sobre la ruta de la Av. Juan Pablo. Las
hipótesis nula y alternativa se establecerían como:

H o :  2
1 2
2

Ha :   
1
2 2
2

s12
La estadística de prueba se calcula como a razón F será mayor que 1.00, de modo
s 22
que es posible utilizar la cola superior de la distribución F Bajo estas condiciones no es
necesario dividir a la mitad el nivel de significancia. Debido a que la tabla sólo da los
niveles de significancia 0.05 y 0.01, se está limitado a esos niveles para las pruebas de una
cola 0.10 y 0.02 para las pruebas de dos colas, a menos que se consulte una tabla más
completa.

Solución en el software Estadístico del MINITAB

Test for Equal Variances

90% Bonferroni confidence intervals for standard deviations

Sample N Lower StDev Upper

1 7 7.73272 12 26.4248
2 8 3.30587 5 10.1764

F-Test (Normal Distribution)

Test statistic = 5.76, p-value = 0.037

El valor de P es igual a .037 lo que significa que es menor al nivel de significancia del .10,
esto indica que es significativo que si hay diferencia en las rutas al aeropuerto.

Ejemplo 2:
ALTEC Chihuahua ensambla componentes eléctricos. Durante los últimos 10 días, Mario
Duarte ha tenido un promedio de 9 rechazos con desviación estándar de 2 rechazos. El
mismo lapso, Mónica Méndez promedió 8.5 rechazos con desviación estándar de 1.5
rechazos. Con un nivel de significancia de 0.05, ¿es posible concluir que hay más variación
en el número de rechazos por día que se atribuye a Mario Duarte.

Solución:

Sean los ensambles de Mario Duarte la población 1.

Entonces:
Ho :   
2
1
2
2

Ha :   
2
1
2
2

gl1=10-1=9
gl2=10-9=9

Ho se rechaza si F>3.18
S 2.0
2 2

F  1
 1.78
S 1.5
2
2
2

Ho no se rechaza. La variación es la misma para ambos empleados

SUPOSICIONES DE ANOVA

Otro uso de la distribución F es la técnica del análisis de varianza (ANOVA), en la que se

comparan tres o mas medias maestrales para determinar si provienen de poblaciones
iguales. Para utilizar esta técnica, se supone lo siguiente:

1.- Las poblaciones tienen una distribución normal

2.- Las poblaciones tienen desviaciones estándar (σ) iguales
3.- Las muestras se seleccionan de manera independiente

Cuando se cumplen estas condiciones, se utiliza F como estadístico de prueba, ANOVA

tuvo sus inicios en la agricultura y muchos de los términos que se relacionan con ese
contexto permanecen vigentes. En particular, se emplea el termino tratamiento para
identificar las diferentes poblaciones que se examinan.

Experimento de un solo Factor

Ejemplo 1:
La Facultad de Zootecnia en su rancho desea utilizar la marca de fertilizante que produzca
el máximo rendimiento de trigo por unidad de superficie. La facultad puede elegir entre tres
tipos de fertilizantes A, B, C para empezar el experimento el campo de siembra se divide
en 12 parcelas de igual tamaño, sembrándose al mismo tiempo y del mismo modo. La única
diferencia en las parcelas es que la Facultad asigna al azar la marca A cuatro de ellas,
cuatro a B y cuatro a C. al final de la temporada de cultivo la Facultad registra la cantidad
de trigo que se produjeron en cada parcela.

Numero de tratamientos = 3 ( A, B, C)

Resultados en Toneladas.
A B C
55 66 47
54 76 51
59 67 46
 56 71 48

¿Existe una diferencia en el numero medio de toneladas de trigo que se produjeron?

A B C Total
55 66 47 168
54 76 51 168
59 67 46 336
56 71 48 672
Total 224 280 192 1344
Hipótesis:
Ho: μ1 = μ2 = μ3
Ha: μ1 ≠ μ2 ≠ μ3

CM Fc
Fuente gl SC (Suma de Cuadrados)
(Cuadrados Medios) (F calculada)
Tratamiento k-1=3-1  Tc2    x   224 2 280 2 192 2  (55  54  59  66....  48) 2 SCTratamient o CM Tratamient o
2

=2  n  n
          glTratamient o CM error
 c   4 4 4  12
992 492
(12544  19600  9216)  (40368)  (41360  40368)  992  492  4.92
2 10
992
Error (n-1)-(k- 1082-992=90 SC Error
1)=11- gl Error
2=9 90 90
 10
9
Total n-1=12-  x 2
(55  54  59  66....  48) 2
1=11 x 2

n
 (55 2  54 2  59 2  66 2......... 48 2 ) 
12


(696) 2 484416
(41450)   (41450)   (41450  40368)  1082
12 12
1082

K = numero de tratamientos
n = Numero de datos
Tc2 = Total de la Columna al cuadrado
nc = numero de datos de la columna
 Buscar en la Tabla de F de .05
1(grados de libertad del
4.92 5.12 Tratamiento) en el numerador y
9 (grados de libertad del
Error)en el denominador

Zona de Aceptación de Ho Zona de Rechazo de Ho

4.92 cae en la zona de aceptación de Ho por lo que las medias son iguales.

Conclusión: Se encontró evidencia estadística para concluir que no hay diferencia en el numero medio de toneladas de trigo que se
produjeron por la aplicación de los diferentes tipos de fertilizantes
Ejercicio 1:

El jefe del departamento de Vialidad de la Ciudad de Chihuahua desea determinar si existe

una diferencia en el numero medio de infracciones cometidos entre los cuatros sectores de
la ciudad. Use un nivel de significancia de .05. ¿se puede concluir que existe una diferencia
en el numero medio de infracciones?

Sector 1 Sector 2 Sector 3 Sector 4

13 21 12 16
15 13 14 17
14 18 15 18
15 19 15
14 20

Determine:
1) Determine la hipótesis
2) Determine el Cuadro de ANOVA
3) Grafique la decisión
4) Conclusión

Ejercicio 2:

Power DXT es un nuevo limpiador de múltiples propósitos que se desea comercializar

colocando exhibidores de ventas en tres lugares diferentes de varios supermercados. A
continuación se ilustra el numero de botellas de 350 ml que se vendió en cada lugar del
supermercado.

Ubicación Ventas
Cerca del Pan 20 15 24 18
Cerca de la
12 18 10 15
Cerveza
Con los Demás
25 28 30 32
Limpiadores

Usando un nivel de significancia de .05. ¿existe diferencia en el numero medio de botellas

que se vendió en los tres lugares?

Determine:
1) Determine la hipótesis
2) Determine el Cuadro de ANOVA
3) Grafique la decisión
4) Conclusión
Ejercicio 3:

La información siguiente pertenece a una muestra. Pruebe la hipótesis de que las medias de
los tratamientos son iguales. Utilice el nivel de significancia de .05

Tratamiento 1 Tratamiento 2 Tratamiento 3

8 3 3
6 2 4
10 4 5
9 3 4
12 10 4
10 4 8
8 1 9
7 2 10
12 8 10
5 11 10
14 13 11
16 2 12
4 14
15

Determine:
1) Determine la hipótesis
2) Determine el Cuadro de ANOVA
3) Grafique la decisión
4) Conclusión

Ejercicio 4:

Se desea saber como varia la absorción media de humedad en el concreto de entre cinco
diferentes mezclas de concreto.

Mezcla %
1 2 3 4 5
551 595 639 417 563
457 580 615 449 631
450 508 511 517 522
731 583 573 438 613
499 633 648 415 656
632 517 677 555 679

Determine:
1) Determine la hipótesis
2) Determine el Cuadro de ANOVA
3) Grafique la decisión
4) Conclusión
 Diseño de Bloques Completos Aleatorizados

Ejemplo 1:

Para el ensamble de un articulo en particular se están considerando cuatro maquinas

diferentes que deben utilizarse seis operadores diferentes para comparar las maquinas.

Operador
Maquina 1 2 3 4 5 6 Total
1 42.5 39.3 39.6 39.9 42.9 43.6
2 39.8 40.1 40.5 42.3 42.5 43.1
3 40.2 40.5 41.3 43.4 44.9 45.1
4 41.3 42.2 43.5 44.2 45.9 42.3
Total

Ejercicio 1:
El personal forestal utiliza arsénico orgánico como pesticida. La cantidad de arsénico que
toma el cuerpo cuando se expone a estos pesticidas constituye un grave problema de salud.
Es importante determinar con rapidez la cantidad de exposición de tal forma que se pueda
cambiarse de tarea a un trabajador con un alto nivel de arsénico. Se realizo un estudio con
los siguientes datos:

Analista
Individuo
Empleado Químico Laboratorista
1 .05 .05 .04
2 .05 .05 .04
3 .04 .04 .03
4 .15 .17 .10

Se realice un análisis de varianza y pruebe la hipótesis de que no existe diferencia en los

niveles de arsénico entre los tres métodos de análisis.

Determine:
1) Determine la hipótesis
2) Determine el Cuadro de ANOVA
3) Grafique la decisión
4) Conclusión

Ejercicio 2:
Una planta de energía nuclear produce una gran cantidad de calor el cual en general se descarga en
sistemas acuáticos. Este calor aumenta la temperatura del sistema acuático, lo que resultan una
mayor concentración de clorofila a, lo cual, a su vez, extiende la estación de crecimiento. Para
estudiar este efecto, se tomaron muestras de agua, cada mes, en tres diferentes estaciones durante un
periodo de 12 meses. La estación A se ubico lo mas cerca posible de un punto de descarga de agua
potencialmente caliente, y la estación C, lo mas lejos posible de la descarga, y la B en el punto
medio entre las dos estaciones A y C. Se registraron las siguientes concentraciones de clorofila a:

Estación
Mes A B C
Enero 9.87 3.72 4.41
Febrero 14.03 8.41 11.1
Marzo 10.70 20.72 4.47
Abril 13.85 9.61 8.10
Mayo 7.06 4.77 34.08
Junio 11.67 9.15 8.99
Julio 7.35 8.46 3.35
Agosto 3.35 4.08 4.50
Septiembre 4.21 4.23 6.83
Octubre 3.60 2.32 5.80
Noviembre 2.95 3.84 3.48
Diciembre 2.64 3.61 3.02

Realice un Análisis de Varianza y pruebe la hipótesis, a nivel de significancia de .05

de que no existe diferencia en las concentraciones medias de Clorofila a en las
tres estaciones.
Determine:
1) Determine la hipótesis
2) Determine el Cuadro de ANOVA
3) Grafique la decisión
4) Conclusión

Ejercicio 3:
Los siguientes datos representan las calificaciones finales obtenidas por 5 estudiantes
Materia
Estudiante Matemáticas Ingles Computación Biología
1 68 57 73 61
2 83 94 91 86
3 72 81 63 59
4 55 73 77 66
5 92 68 75 87

Utilice un nivel de significancia de .05 para probar la hipótesis de que los cursos presentan
la misma dificultad.
Ejercicio 4:
Científicos idearon un experimento en el cual se aplicaron 5 diferentes tratamientos en 6
diferentes ubicaciones en un huerto de manzanas para determinar si existían diferencias
significativas de crecimiento entre los tratamientos. El periodo de crecimiento medido en
centímetros se registraron como sigue:

Ubicaciones
Tratamiento 1 2 3 4 5 6
1 455 61 215 695 72 501
2 622 444 170 437 82 134
3 695 50 443 701 56 373
4 607 493 257 490 650 262
5 388 185 103 518 263 622

Utilice un nivel de significancia de .01 y pruebe la hipótesis de que no hay diferencias entre
las medias de tratamiento

Determine:
1) Determine la hipótesis
2) Determine el Cuadro de ANOVA
3) Grafique la decisión
4) Conclusión
 Análisis de Varianza de Dos Factores

Ejemplo 1:

En un experimento llevado a cabo para determinar cual de tres sistemas de misiles es

preferible, se midió el promedio de consumo de los propulsores para 24 encendidos
estáticos. Se utilizaron cuatro tipos diferentes de propulsores. En el experimento se
observaron duplicados de promedios de consumo en cada combinación de los tratamientos.
Los datos después de codificarse son:

Tipo de Impulsor
Sistema de B1 B2 B3 B4
Misiles
A1 34 30.1 29.8 29
32.7 32.8 26.7 28.9
A2 32 30.2 28.7 27.6
33.2 29.8 28.1 27.8
A3 28.4 27.3 29.7 28.8
29.3 28.9 27.3 29.1

Utilice un nivel de significancia de .05 para probar las siguientes Hipótesis

1.- Ho no existe diferencia en las tasas medias de consumo del propulsor cuando utilizan
diferentes misiles
2.- Ho no existe diferencia en las tasas medias de consumo de los cuatro tipos de propulsor
3.- Ho no existe interacción entre los diferentes sistemas de misiles y los diferentes tipos de
propulsor

Ejercicio 1:
Se llevo a cabo un experimento para estudiar el efecto de la temperatura y del tipo de horno
en la vida de un componente en particular que esta probándose. Se están utilizando cuatro
tipos de hornos y tres niveles de temperaturas. Se asignan aleatoria mente 24 piezas y se
registran los siguientes datos.

Horno
Temperatura 1 2 3 4
500 227 214 225 260
221 259 236 229
550 187 181 232 246
208 179 198 273
600 174 198 178 206
202 194 213 219

Utilizando un nivel de signifinacia de .05 pruebe la hipótesis de que

 A) Temperaturas diferentes no tienen efecto sobre la vida del componente
B) Diferentes hornos no tienen efecto sobre la vida del componente
C) El tipo de horno y el nivel de temperatura no interactúan.

Ejercicio 2:
Con objeto de averiguar la estabilidad de la vitamina C en concentrado de jugo de naranja
congelado reconstituido que se almacena en un refrigerador por un periodo de hasta una
semana. Tres tipos de concentrado de jugo de naranja congelado se probaron utilizando tres
periodos diferentes de tiempo. Estos últimos se refieren al numero de días que transcurren
desde que el jugo de naranja se mezcla hasta que se somete a la prueba. Los resultados, en
miligramos de ácido ascórbico por litro, se registraron de la siguiente manera:

Tiempo (días)
Marca 0 3 7
52.6 49.4 42.7
49.8 42.8 40.4
Lala
54.2 49.2 48.8
46.5 53.2 47.6
56 48.8 49.2
49.6 44 42
Jumex
48 44 44
48.4 42.4 43.2
52.5 48 48.5
51.8 48.2 45.2
Paupau
52 47 43.4
53.6 49.6 47.6

Utilice un nivel de significancia de .01 para probar la hipótesis de que:

a) No existe diferencia en los contenidos de ácido ascórbico entre las diferentes marcas
de concentrado de jugo de naranja: SEEEPC queno existe tal diferencia (Pv=0.193)
b) No existe diferencia en los contenidos de ácido debido a los diferentes periodos de
tiempo:SEEEPC que sí existe diferencia en los contenidos de Ac. Ascórbico debido
a las diferencias en el tiempo.
c) Las marcas de concentrado de jugo de naranja y el numero de días que transcurre
desde que el jugo se mezcla hasta que se somete a la prueba no interactúan.:
SEEEPC que no existe interacción.

General Linear Model: Ac. Ascorb. versus tiempo, marca

Factor Type Levels Values

tiempo fixed 3 1, 2, 3
marca fixed 3 1, 2, 3

Analysis of Variance for Ac. Ascorb., using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

tiempo 2 226.676 226.676 113.338 12.04 0.000
marca 2 32.962 32.962 16.481 1.75 0.193
tiempo*marca 4 17.301 17.301 4.325 0.46 0.765
Error 27 254.140 254.140 9.413
Total 35 531.079

S = 3.06799 R-Sq = 52.15% R-Sq(adj) = 37.97%

Unusual Observations for Ac. Ascorb.

Obs Ac. Ascorb. Fit SE Fit Residual St Resid

5 56.0000 50.5000 1.5340 5.5000 2.07 R
14 42.8000 48.6500 1.5340 -5.8500 -2.20 R

R denotes an observation with a large standardized residual.

Two-way ANOVA: Ac. Ascorb. versus marca, tiempo

Source DF SS MS F P
marca 2 32.962 16.481 1.75 0.193
tiempo 2 226.676 113.338 12.04 0.000
Interaction 4 17.301 4.325 0.46 0.765
Error 27 254.140 9.413
Total 35 531.079

S = 3.068 R-Sq = 52.15% R-Sq(adj) = 37.97%

Individual 95% CIs For Mean Based on Pooled StDev

marca Mean -+---------+---------+---------+--------
1 48.1000 (-----------*-----------)
2 46.6333 (-----------*-----------)
3 48.9500 (-----------*-----------)
-+---------+---------+---------+--------
45.0 46.5 48.0 49.5

Individual 95% CIs For Mean Based on

Pooled StDev
tiempo Mean ------+---------+---------+---------+---
1 51.2500 (------*------)
2 47.2167 (------*------)
3 45.2167 (------*------)
------+---------+---------+---------+---
45.0 47.5 50.0 52.5