UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

Facultad de Economía y Planificación

Departamento de Estadística e Informática

MÉTODOS ESTADÍSTICOS PARA

LA INVESTIGACIÓN I

Experimentos Factoriales: DCA

Profesores del curso

2019-V
 OBJETIVOS
Conducir un diseño experimental con dos o más factores en forma
simultánea

Medir los efectos: simples, principales e interacción

Probar la hipótesis de interacción entre los factores

Probar la hipótesis de los efectos principales y simples

Aplicar pruebas de comparaciones específicas de tratamientos

Métodos Estadísticos para la Investigación I 2019-V

INTRODUCCIÓN

 En los experimentos simples conducidos en DCA, DBCA y

DCL se estudia un solo factor.
 Los experimentos factoriales involucran en el estudio de dos o
más factores. Donde los tratamientos son las combinaciones
de los niveles de estos factores
 Los arreglos factoriales permiten evaluar los efectos
principales, de interacción y los simples.

Métodos Estadísticos para la Investigación I 2019-V

VENTAJAS Y DESVENTAJAS

VENTAJAS
- Obtener información sobre varios factores en forma
simultánea.
- El incremento de grados de libertad para el error
experimental disminuye la variancia del error experimental.
- Amplía la base de la inferencia en relación a un factor.

DESVENTAJAS
- Requiere un mayor número de unidades experimentales.
- Algunas combinaciones de niveles no serán de interés del
investigador.
- El análisis estadístico es más complicado.

Métodos Estadísticos para la Investigación I 2019-V

 TIPOS DE EFECTOS
Efectos Principales

Miden los cambios en los niveles de un factor sin

considerar el otro. A
B
Efectos Simples
Miden los cambios en los niveles de un factor (Letra
Abj Mayúscula) manteniendo constante un nivel del otro
Bai (Letra minúscula)

Efecto de Interacción

Miden los cambios entre los efectos simples de

un factor a diferentes niveles del otro factor. AB

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN I
 Un ingeniero en Industrias Alimentarias está interesado en determinar los efectos
de la temperatura y la humedad en el almacenamiento de manzanas. De una
producción de manzanas de características muy homogéneas se formaron 4 grupos
de 5 unidades experimentales cada uno, donde cada unidad experimental estuvo
formada por 200 manzanas, la variable respuesta que se consideró fue el número de
manzanas malogradas por unidad experimental, después del almacenamiento. El
ingeniero tiene interés en los siguientes niveles del factor temperatura (𝐴): 𝑎1 =
50∘ 𝐹, 𝑎2 = 70∘ 𝐹 y del factor humedad (𝐵): 𝑏1 = 10%, 𝑏2 = 50%. A continuación
se dan los promedios de manzanas malogradas:

Factor temperatura (A) Factor Humedad (B) Medias del

𝒃𝟏 = 𝟏𝟎%, 𝒃𝟐 = 𝟓𝟎% factor A
𝒂𝟏 = 𝟓𝟎∘ 𝐅 8 5 6.5
𝒂𝟐 = 𝟕𝟎∘ 𝐅 11 7 9.0
Medias del factor B 9.5 6.0

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN I
Efectos simples
 𝐿1 = 𝐸𝑆 𝐴(𝑏1 ) = 11 − 8 = 3
 𝐿2 = 𝐸𝑆 𝐴(𝑏2 ) = 7 − 5 = 2
 𝐿3 = 𝐸𝑆 𝐵(𝑎1 ) = 5 − 8 = −3
 𝐿4 = 𝐸𝑆 𝐵(𝑎2 ) = 7 − 11 = −4
Efectos principales
 𝐿5 = 𝐸𝑃 𝐴(𝐵) = 9 − 6.5 = 2.5
 𝐿6 = 𝐸𝑃 𝐵(𝐴) = 6 − 9.5 = −3.5
Métodos Estadísticos para la Investigación I
Con una humedad de 10%,
al pasar de una temperatura
de 70°F a 50°F, el número
promedio de manzanas
malogradas disminuye en 3
Considerando todos los
niveles de humedad, al pasar
de una temperatura de 70°F
a 50°F, el número promedio
de manzanas malogradas
disminuye en 2.5
2019-V
APLICACIÓN I
Efectos de interacción
 𝐿7 = 𝐸𝐼 (𝐴𝐵) = 𝐿2 − 𝐿1 = 2 − 3 = −1
 𝐿8 = 𝐸𝐼 (𝐴𝐵) = 𝐿4 − 𝐿3 = −4 − (−3) = −1

Al pasar de una temperatura de

70°C a 50°C, el número promedio
de manzanas malogradas, cuando se
tiene una humedad de 10%, supera al
obtenido con una humedad de 50%
en 1 unidad.

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN I

Métodos Estadísticos para la Investigación I 2019-V

MODELO ADITIVO LINEAL

El modelo aditivo lineal para un Diseño Completamente al

Azar es el siguiente:

i  1, ,p
Yijk     i   j   ij   ijk j  1, ,q
ij k  1, , rij

Métodos Estadísticos para la Investigación I 2019-V

ESTIMACIÓN DE LOS EFECTOS
El método de mínimos cuadrados tiene por objetivo minimizar:
p q rij p q rij

Q      Yijk     i   j   ij 

2
2

i 1 j 1 k 1 i 1 j 1 k 1

ijk 

bajo las siguientes condiciones

p q p q


i 1
i  0,   j  0,   ij  0,
j 1 i 1
  
j 1
ij
0

Encontrando finalmente que:

ˆ  Y... ˆ ˆij  Yij .  Yi ..  Y. j .  Y...


ˆi  Yi ..  Y... ˆij  Yij .
ˆ j  Y. j .  Y... ˆijk  Yijk  Yij .

Métodos Estadísticos para la Investigación I 2019-V

PRUEBAS DE HIPÓTESIS
Modelo I:

Para el efecto principal A: Para el efecto principal B:

H 0 :  i  0 , i H 0 :  j  0 , j
H1 :  i  0 , para al menos algún i H1 :  j  0 , para al menos algún j

Para el efecto de la interacción AB:

H 0 :  ij  0 , i, j

H1 :  ij  0 , para al menos algún i, j

Métodos Estadísticos para la Investigación I 2019-V

ANÁLISIS DE VARIANZA (ANVA)

Variabilidad(Total) = Variabilidad(Tratamientos) + Variabilidad(Error)

Variabilidad(Tratamientos) = Var(A) + Var(B) + Var(AB)

F.V. GL SC CM Fc
A p-1 SC(A) CM(A) CM(A)/CM(Error)
B q-1 SC(B) CM(B) CM(B)/CM(Error)
AB (p-1)(q-1) SC(AB) CM(AB) CM(AB)/CM(Error)
Error Exp. pq(r-1) SC(Error) CM(Error)
Total pqr-1 SC(Total)

Métodos Estadísticos para la Investigación I 2019-V

ANVA DE EFECTOS SIMPLES
Pruebas de hipótesis
Para el efecto Abj: Para el efecto Bai:
H 0 : 1 j  2 j  ...   pj H 0 : i1  i 2  ...  iq
H1 : Al menos un ij es  i=1,2,...,p H1 : Al menos un ij es  j =1,2,...,q

Cuadro ANVA

F.V. GL SC CM Fc
Abj p-1 SC(Abj) CM(Abj) CM(Abj)/CM(Error)
… … … … …
Bai q-1 SC(Bai) CM(Bai) CM(Bai)/CM(Error)
… … … … …
Error Exp. pq(r-1) SC(Error) CM(Error)

Total pqr-1 SC(Total)

Métodos Estadísticos para la Investigación I 2019-V

Pruebas de comparación
Pruebas de comparación de medias de efectos principales

Pruebas de comparación de medias de efectos simples

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
El departamento de nutrición humana y alimentos de una
reconocida universidad realizó un estudio sobre la estabilidad de
la vitamina C en el concentrado del jugo de naranja congelado
reconstituido, que se almacena en un refrigerador durante un
periodo de hasta una semana. Se probaron dos marcas de
concentrados de jugo de naranja congelado reconstituido con
tres períodos distintos, los cuales se refieren al número de días
desde que se mezcló el jugo hasta que se probó (0 días, 3 días y
7 días). Se registraron los resultados, en miligramos de ácido
ascórbico por litro. Se decidió usar un Diseño Completamente al
Azar (DCA) con 4 repeticiones para cada uno de los
tratamientos.

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II

Periodo (días)
𝒃𝟏 (𝟎) 𝒃𝟐 (𝟑) 𝒃𝟑 (𝟕)
54.6 49.4 42.7
51.8 42.8 40.4
Marca 𝒂𝟏
56.2 49.2 48.8
48.5 53.2 47.6
Marca
56 48.8 55.2
49.6 44 48
Marca 𝒂𝟐
48 44 50
48.4 42.4 49.2

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
a) Presente el modelo aditivo lineal
𝒀𝒊𝒋𝒌 = 𝝁 + 𝜶𝒊 + 𝜷𝒋 + (𝜶𝜷)𝒊𝒋 + 𝝐𝒊𝒋𝒌 𝒊 = 𝟏, . . . , 𝒑[𝒑 = 𝟐]; 𝒋 = 𝟏, . . . , 𝒒[𝒒 = 𝟑]; 𝒌 = 𝟏, . . . , 𝒓𝒊𝒋 [𝒓𝒊𝒋 = 𝒓 = 𝟒൧

 𝑌𝑖𝑗𝑘 = Cantidad de ácido ascórbico obtenida con la i-ésima marca de

concentrado de jugo y el j-ésimo período en la k-ésima repetición.
 𝜇 = Efecto de la cantidad de ácido ascórbico media general.
 𝛼𝑖 = Efecto de la i-ésima marca.
 𝛽𝑗 = Efecto del j-ésimo periodo.
 (𝛼𝛽)𝑖𝑗 = Efecto de la interacción entre la i-ésima marca y el j-ésimo
periodo.
 𝜖𝑖𝑗𝑘 = Efecto del error experimental obtenida con la i-ésima marca de
concentrado de jugo y el j-ésimo período en la k-ésima repetición.

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
Tabla de Totales
𝒀𝒊𝒋.
𝒀𝒊..
𝒃𝟏 (𝟎) 𝒃𝟐 (𝟑) 𝒃𝟑 (𝟕)
𝒂𝟏 211.1 194.6 179.5 585.20
𝒂𝟐 202.0 179.2 202.4 583.6
𝒀.𝒋. 413.1 373.8 381.9 𝑌... =1168.8

Tabla de Promedios
𝑌𝑖𝑗.
𝑌𝑖..
𝑏1 (0) 𝑏2 (3) 𝑏3 (7)
𝒂𝟏 52.775 48.650 44.875 48.767
𝒂𝟐 50.500 44.800 50.600 48.633
𝑌.𝑗. 51.6375 46.725 47.7375 𝑌... = 48.7

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
b) Estime:
 Efecto del primer nivel del factor A

̰1 = 𝑌1.. − 𝑌... = 48.767 − 48.7 = 0.067

𝛼

 Efecto del segundo nivel del factor B

̰ = 𝑌 − 𝑌 = 46.725 − 48.7 = −1.975
𝛽 2 .2. ...

 Efecto de interacción entre el nivel 2 del factor A y el nivel 1

del factor B

̰𝛽
𝛼 ̰ = 𝑌 − 𝑌 − 𝑌 + 𝑌 = 50.5 − 48.633 − 51.6375 + 48.7 = −1.0705
12 21. 2.. .1. ...

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
c) Interprete el siguiente gráfico de interacción

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
𝑟 2
σ𝑝𝑖=1 σ𝑞𝑗=1 σ𝑘=1 𝑌𝑖𝑗𝑘 𝑌... 2 1168.82
𝑇𝐶 = = = = 56920.56
𝑝𝑞𝑟 𝑝𝑞𝑟 2x3x4

𝑝 𝑞 𝑟 𝑝 𝑞 𝑟
2
𝑆𝐶 Total = ෍ ෍ ෍ 𝑌𝑖𝑗𝑘 − 𝑌... = ෍ ෍ ෍ (𝑌𝑖𝑗𝑘 2 − 𝑇𝐶)
𝑖=1 𝑗=1 𝑘=1 𝑖=1 𝑗=1 𝑘=1

𝑝 𝑞 𝑟

𝑆𝐶(Total) = ෍ ෍ ෍ 𝑌𝑖𝑗𝑘 2 − 𝑇𝐶 = 54.62 + 49.42 +. . . +49.22 − 𝑇𝐶 = 445.86

𝑖=1 𝑗=1 𝑘=1

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
𝑝 𝑞
𝑌𝑖𝑗 2
𝑆𝐶(Combinado AB) ෍ ෍ − 𝑇𝐶
𝑟
𝑖=1 𝑗=1

211.12 + 194.6 + 179.52 + 2022 + 179.22 + 202.42

= − 𝑇𝐶 = 212.195
4

𝑝
𝑌𝑖.. 2 585.22 + 583.62
𝑆𝐶(𝐴) = ෍ − 𝑇𝐶 = − 𝑇𝐶 = 0.1067
𝑞𝑟 3x4
𝑖=1

𝑞
𝑌.𝑗. 2 413.12 + 373.82 + 381.92
𝑆𝐶(𝐵) = ෍ − 𝑇𝐶 = − 𝑇𝐶 = 107.6475
𝑝𝑟 2x4
𝑗=1

𝑆𝐶 𝐴𝐵 = 𝑆𝐶 Combinado 𝐴𝐵 − 𝑆𝐶 𝐴 − 𝑆𝐶 𝐵
= 213.195 − 0.1067 − 107.6475 = 105.4408

𝑆𝐶 Error = 𝑆𝐶 Total − 𝑆𝐶 Combinado AB = 445.86 − 213665 = 232.665

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
ANVA

F.V. GL SC CM 𝐹𝑐
A p-1=1 0.1067 0.1067 0.0083
B q-1=2 107.6475 53.8238 4.1641
AB (p-1)(q-1)=2 105.4408 52.7204 4.0787(*)
Error Exp. pq(r-1)=18 232.665 12.9258
Total pqr-1=23 445.86

El coeficiente de variabilidad para este experimento es:

𝐶𝑀𝐸 12.9258
𝑐𝑣 = = x100 = 7.3824%
𝑌... 48.7

Métodos Estadísticos para la Investigación I 2019-V

 APLICACIÓN II
Reporte Minitab
Análisis de varianza de Cantidad
Fuente GL SC MC F P
MARCA 1 0.107 0.1067 0.01 0.929
PERIODO 2 107.648 53.8238 4.16 0.033
MARCA*PERIODO 2 105.441 52.7204 4.08 0.035
Error 18 232.665 12.9258
Total 23 445.860

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
d) Pruebe la hipótesis del efecto de interacción. Use α=0.05
 P1) Planteamiento de hipótesis:
𝐻0 : (𝛼𝛽)𝑖𝑗 = 0 , 𝑖 = 1,2; 𝑗 = 1,2,3
𝐻1 : (𝛼𝛽)𝑖𝑗 ≠ 0 , para al menos algún i, j

 P2) Nivel de significación α = 0.05

 P3) Cálculo del estadístico de Prueba – Fórmula

Para el efecto de interacción AB:
𝐶𝑀(𝐴𝐵)
𝐹𝑐 = = 4.0787 ∼ 𝐹[2,18]
𝐶𝑀(Error)
Métodos Estadísticos para la Investigación I 2019-V
APLICACIÓN II
 P4) Criterio de decisión
Como 𝐹𝑐 =4.0787 es mayor a F(0.95,2,18)=3.55 entonces se
rechaza 𝐻0 .

 P5) Conclusión
A un nivel de significación del 5% existe evidencia estadística
para rechazar 𝐻0 . Luego se puede afirmar que existe interacción
entre la marca de concentrado de jugo de naranja y el período
de almacenamiento.

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
e) Realice el análisis de efectos simples. Use α=0.05
 P1) Planteamiento de hipótesis:

𝐴 en 𝑏1 : 𝐻0 : 𝜇11. = 𝜇21. 𝐴 en 𝑏2 : 𝐻0 : 𝜇12. = 𝜇22.

𝐻1 : 𝜇11. ≠ 𝜇21. 𝐻1 : 𝜇12. ≠ 𝜇22.

𝐴 en 𝑏3 : 𝐻0 : 𝜇13. = 𝜇23.
𝐻1 : 𝜇13. ≠ 𝜇23.

𝐵 en 𝑎1 : 𝐻0 : 𝜇11. = 𝜇12. = 𝜇13. 𝐵 en 𝑎2 : 𝐻0 : 𝜇21. = 𝜇22. = 𝜇23.

𝐻1 : Al menos un 𝜇1𝑗. es ≠ 𝐻1 : Al menos un 𝜇2𝑗. es ≠
Para todo j=1,2,3 Para todo j=1,2,3

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
 P2) Nivel de significación α = 0.05

 P3) Cálculo del estadístico de Prueba

𝑝 2
𝑌𝑖𝑗. 𝑌.𝑗.2
𝑆𝐶(𝐴𝑏𝑗 ) = ෍ −
𝑟 𝑝𝑟
𝑖=1

2 2 𝑝
𝑌𝑖2. 𝑌.1. 211.12 + 2022 413.12
𝑆𝐶(𝐴𝑏1 ) = ෍ − = − = 10.35125
𝑟 𝑝𝑟 4 2x4
𝑖=1
2 2 𝑝
𝑌𝑖2. 𝑌.2. 194.62 + 179.22 373.82
𝑆𝐶(𝐴𝑏2 ) = ෍ − = − = 29.645
𝑟 𝑝𝑟 4 2x4
𝑖=1
2 𝑝 2
𝑌.3. 179.52 + 202.42 381.92
𝑌𝑖3.
𝑆𝐶(𝐴𝑏3 ) = ෍ − = − = 65.55125
𝑟 𝑝𝑟 4 2x4
𝑖=1

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
𝑞 2
𝑌𝑖𝑗. 𝑌𝑖..2
𝑆𝐶(𝐵𝑎𝑖 ) = ෍ −
𝑟 𝑞𝑟
𝑗=1

2 𝑞
𝑌1𝑗. 𝑌1..2 211.12 + 194.62 + 179.52 585.22
𝑆𝐶(𝐵𝑎1 ) = ෍ − = − = 124.90167
𝑟 𝑞𝑟 4 3x4
𝑗=1
2 𝑞
𝑌1𝑗. 𝑌1..2 2022 + 179.22 + 202.42 583.62
𝑆𝐶(𝐵𝑎2 ) = ෍ − = − = 88.18667
𝑟 𝑞𝑟 4 3x4
𝑗=1

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
Cuadro ANVA de efectos simples

F.V. GL SC CM 𝐹𝑐 𝐹𝑡𝑎𝑏
𝐴𝑏1 p-1=1 10.35125 10.35125 0.8008(n.s.) F(0.95,1.18)=4.41
𝐴𝑏2 p-1=1 29.64500 29.64500 2.2935(n.s.) F(0.95,1.18)=4.41
𝐴𝑏3 p-1=1 65.55125 65.55125 5.0713 (*) F(0.95,1.18)=4.41
𝐵𝑎1 q-1=2 124.90167 62.45084 4.8315(*) F(0.95,2.18)=3.55
𝐵𝑎2 q-1=2 88.18667 44.09334 3.4113(n.s.) F(0.95,2.18)=3.55
Error Exp. pq(r-1)=18 232.665 12.9258

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
 P4) Criterio de decisión

Si 𝐹𝑐 > 𝐹𝑡𝑎𝑏 , entonces se rechaza 𝐻0 .

 P5) Conclusión

- No existen diferencias significativas entre las marcas de concentrado de jugo

de naranja tanto a los 0 como a los 3 días de almacenamiento, pero que sí
existe diferencia significativa entre las marcas a los 7 días, respecto al
contenido medio de ácido ascórbico.

- Al utilizar la marca 1 de concentrado de jugo de naranja, al menos uno de los

períodos de almacenamiento presenta diferencias significativas con los demás,
pero al utilizar la marca 2 no se presentaron diferencias significativas entre los
períodos de almacenamiento, respecto al contenido medio de ácido ascórbico.

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
f) Realice la prueba de Tukey para el efecto simple Ba1. Use α=0.05

 P1) Planteamiento de hipótesis:

𝐻0 : 𝜇11. = 𝜇12. 𝐻0 : 𝜇11. = 𝜇13.

𝐻1 : 𝜇11. ≠ 𝜇12. 𝐻1 : 𝜇11. ≠ 𝜇13.

𝐻0 : 𝜇12. = 𝜇13.
𝐻1 : 𝜇12. ≠ 𝜇13.

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
 P2) Nivel de significación α = 0.05

 P3) Cálculo del estadístico de Prueba y Criterios de

decisión
El valor tabular con un nivel de significación de 5%, p = 3 tratamientos
y 18 grados de libertad del error experimental es AES(T) = 3.61. La
amplitud límite significativa de Tukey será igual a:

𝐶𝑀𝐸 12.9258
𝐴𝐿𝑆(𝑇) = 𝐴𝐸𝑆(𝑇) = 3.61 = 6.4894
𝑟 4

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
En la siguiente tabla se presentan las tres comparaciones:

Niveles de B con 𝑌1𝑖. − 𝑌𝑖𝑗. Significancia

la marca 1
1 vs 2 4.125 n.s.
1 vs 3 7.900 *
2 vs 3 3.775 n.s.

P5) Conclusión
A un nivel de significación del 5% se puede afirmar que al analizar el contenido
medio de ácido ascórbico en el concentrado de jugo de naranja de la marca 1,
existe diferencia significativa entre un período de almacenamiento de 0 días
con uno de 7 días, pero no existen diferencias significativas entre un período
de almacenamiento de 3 días con los períodos de 0 días y 7 días.

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
g) Verifique si hay evidencias estadísticas para afirmar que con el periodo de 0
días se obtiene un promedio de ácido ascórbico que excede en más de 2.5
miligramos por litro al promedio que se obtiene durante el periodo de 7 días
considerando la marca 1 en el concentrado de jugo de naranja. Use α=0.05
 P1) Planteamiento de hipótesis:

𝐻0 : 𝜇11. − 𝜇13. = 2.5

𝐻1 : 𝜇11. − 𝜇13. > 2.5

 P2) Nivel de significación α = 0.05

 P3) Estadístico de Prueba

𝑌11. − 𝑌13. − 𝑘 52.775 − 44.875 − 2.5

𝑡𝑐 = ∼𝑡 18 → = 2.1241
2𝐶𝑀𝐸 2x12.9258
𝑟 4

Métodos Estadísticos para la Investigación I 2019-V

APLICACIÓN II
 P4) Criterio de decisión
Como 𝑡𝑐 = 2.1241 es mayor a 𝑡0.95,18 = 1.734 entonces se rechaza 𝐻0 .

 P5) Conclusión
A un nivel de significación del 5% existe evidencia estadística para rechazar
𝐻0 . Luego se puede afirmar que con el periodo de 0 días se obtiene un
promedio de ácido ascórbico que excede en más de 2.5 mg por litro al que se
obtiene durante el periodo de 7 días, considerando la marca 1 en el
concentrado de jugo de naranja.

Métodos Estadísticos para la Investigación I 2019-V

PREGUNTA 2 (pág. 169)
Se realizó un experimento en piñas de variedad Hawaiana donde se
estudiaron 3 dosis de nitrógeno y dos tipos de manejo en parcelas
de 30 mts². El interés fue evaluar el porcentaje de grados brix.
Donde:
 A: Abonamiento nitrogenado (50, 80 y 100 kgs. De N. por Ha.)
 B: manejos (Convencional y orgánico)
Los datos registrados se presentan en la siguiente tabla:

a1 a2 a3
b1 b2 b1 b2 b1 b2
23.4 23.1 22.2 18.4 19.6 23.4
22.4 20.9 24.4 17.5 19 20.8
24.4 18.1 26.5 22.1 18 21.5
23.4 20.7 24.4 19.3 18.9 21.9

Métodos Estadísticos para la Investigación I 2018-II

PREGUNTA 2 (pág. 169)
Luego de verificar los supuestos básicos se obtuvo la siguiente
salida en Minitab:
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Manejo 1 14.73 14.727 6.53 0.020
Abono 2 13.25 6.625 2.94 0.079
Manejo*Abono 2 68.92 34.462 15.27 0.000
Error 18 40.62 2.257
Total 23 137.52

a) Presente el modelo aditivo lineal e interprete cada uno de

sus componentes en términos el enunciado.
b) Interprete el gráfico de interacción. Ver Anexo
c) Pruebe si existe interacción entre el manejo y el abono. Use
un α=0.05

Métodos Estadísticos para la Investigación I 2018-II

PREGUNTA 2 (pág. 169)

Métodos Estadísticos para la Investigación I 2018-II

PREGUNTA 2 (pág. 169)

d) Use lo obtenido en c para realizar el análisis

correspondiente. Use un α=0.05
e) ¿Se puede afirmar que cuando las piñas reciben una dosis
de nitrógeno de 80 Kg, el porcentaje medio de grados brix
con el manejo convencional es mayor que el del manejo
orgánico en más de 2%? Use un α=0.05
f) Según especialistas se recomienda el manejo orgánico.
Sugiera las condiciones de abono nitrogenado bajo las
cuales se maximiza el porcentaje de grados brix. Realice la
prueba estadística más adecuada con un α=0.05

Métodos Estadísticos para la Investigación I 2018-II