Fase 3.

Diseños Unifactoriales

Presentado a tutora: Beatriz Guevara

Presentado por:
Edna solano c.c:1113648417
Jader Martínez
Javier de Jesús Torres
Jhon Jairo García

Curso:
Diseño Experimental
30156_39

UNAD
Universidad nacional abierta y a distancia
Ingeniería de alimentos
ABRIL-12-2018
 Introducción

“Diseño El diseño completamente al azar es una prueba basada en el análisis

de varianza, en donde la varianza total se descompone en la “varianza de los
tratamientos” y la “varianza del error”. El objetivo es determinar si existe un
diferencia significativa entre los tratamientos, para lo cual se compara si la
“varianza del tratamiento” contra la “varianza del error” y se determina si la
primera es lo suficientemente alta según la distribución F.” 1

1
Diseño totalmente al azar fuente :http://www.uaaan.mx/~jmelbos/cursos/deapu1b.pdf
 Apéndice 3

Ejercicio no. 1

1. A partir de la lectura del capítulo 3 del libro análisis y diseños de

experimentos, aplique los conceptos del diseño completamente al azar
(DCA) y análisis de varianza para el siguiente enunciado.

COMPARACION DE 4 DIETAS EN CERDOS

El equipo de desarrollo e innovación que lo componen zootecnistas e

ingenieros de alimentos de una empresa de cárnica evalúa el efecto de
cuatro tipos de dietas (D1, D2, D3, D4), sobre el peso final de los cerdos
(entendiendo que a mayor peso en los cerdos la dieta realizada es más
eficiente). En primera instancia, la estrategia experimental es aplicar cuatro
veces los cuatro tipos de dieta en orden completamente al aleatorio (las 16
pruebas al azar). Los pesos (kg) de los cerdos obtenidos en la investigación
se muestran en la siguiente tabla.

TIPOS DE DIETAS

D1 D2 D3 D4

99.98 134.67 105.43 118.67

100.56 133.87 103.45 120.01

102.32 135.12 104.98 122.20

101.99 134.62 102.45 119.88

4 tratamientos y 4 repeticiones Y 16 Experimentos al azar

Elemento: dieta

Factor: tipo de dieta

Tipo de factor: D1, D2, D3, D4

Variable de respuesta: eficacia de la dieta

 a. Formule el interrogante del problema de investigación.

Pregunta de investigación: Hay más aumento en el peso de los cerdos con

alguna de las dietas que con otras?

Pregunta estadística: Cuál dieta describe mejor los resultados del

experimento?

b. Formule las hipótesis correspondientes (igualdad y alterna).

Hipótesis de nula de igualdad

H0: µ = a mayor peso en los cerdos la dieta realizada es más eficiente

la D2

H0: µ=T1=T2=T3=T4=0

Frente a hipótesis alterna

H1: µ =T≠0

c. Realice los cálculos correspondientes al análisis de varianza y elabore la

tabla ANOVA,  = 0.05. (20 /120)

CÁLCULOS:

TIPOS DE DIETAS
D1 D2 D3 D4
TRATAMIENTO 1 99.98 134.67 105.43 118.67
TRATAMIENTO 2 100.56 133.87 103.45 120.01
TRATAMIENTO 3 102.32 135.12 104.98 122.20
TRATAMIENTO 4 101.99 134.62 102.45 119.88
 1. Calculamos Y: Se suman todos los valores de las unidades
experimentales. A ese valor se le llamará y

TIPOS DE DIETAS
D1 D2 D3 D4
TRATAMIENTO 1 99.98 134.67 105.43 118.67
TRATAMIENTO 2 100.56 133.87 103.45 120.01
TRATAMIENTO 3 102.32 135.12 104.98 122.2
TRATAMIENTO 4 101.99 134.62 102.45 119.88
suma de los datos σ ૝࢏ୀ૚ σ ૝࢐ୀ૚ ࢅ࢏࢐ ൌ1840.2
Y..ൌ

Y=1840.20

2. Calculamos Σ yij²: Se obtiene el cuadrado de todos los valores de la

unidades experimentales y luego se suman

TIPOS DE DIETA

D1 D2 D3 D4
TRATAMIENTO
1 9996.0004 18136.0089 11115.4849 14082.5689
TRATAMIENTO
2 10112.3136 17921.1769 10701.9025 14402.4001
TRATAMIENTO
3 10469.3824 18257.4144 11020.8004 14932.8400
TRATAMIENTO
4 10401.9601 18122.5444 10496.0025 14371.2144
TOTAL 409796.565 72437.1446 4333.41903 57789.0234
TOTAL 214540.0148
Σ yij²:214540.0148

3. Se calcula la suma de cuadrados del total con la fórmula:

Suma Cuadrados total = Σ yij² - (y...) ² / n

Donde n es el total de los datos=16

214540.0148– (1840.20) ² / 16 = 2894.0075

 ⇒ σ σ
݆݅
Total por tratamiento ܻ௜Ǥ ⇒ 404.85 538.28 416.31 480.76

Número de datos en cada tratamiento ݊௜ 4 4 4 4

total de mediciones ⇒ σ ૝࢏ୀ૚ ࢔࢏ ൌ 16

Nൌ
ത
Media muestral por tratamiento ܻ௜Ǥ
101.21 134.57 104.08 120.19

ࢅǤǤ ૚ૡ૝૙Ǥ૛
media global
⇒ ഥǤǤൌ ൌ
ࢅ ൌ115.01
ࡺ ૚૟
Desviaciones respecto a la media global ܶ
෠௜Ǥ
-13.80 19.56 -10.94 5.18
efecto estimado del método i ෠௜ ൌ
ܶ ܻത
௜Ǥെ
ܻത
ǤǤ

4. encontrar la varianza entre los tratamientos. Primero se obtiene la suma de

cada uno de los tratamientos (que se llamarán yi).

Cada suma de tratamientos se eleva al cuadrado. Luego el resultado de cada

tratamiento se divide entre el número de repeticiones de ese tratamiento, en este
caso todos los tratamientos tienen ni=4 repeticiones, y finalmente se suman los
valores, el resultado se denomina Σ yi² /ni

  Yi yi² Σ yi² /ni

TRATAMIENTO 858093.0746/4
1 404.85 163903.2525
TRATAMIENTO
2 538.28 289745.3584
TRATAMIENTO
3 416.31 173314.0161
TRATAMIENTO
4 480.76 231130.1776
TOTAL 858093.0746

Σ yi² /ni=

Se calcula la suma de cuadrados de los tratamientos con la fórmula: Suma

Cuadrados de tratamientos = Σ yi² /ni - (y...) ² / n
5. Se calcula los grados de libertad de los tratamientos que serán:

t – 1 Donde t es el número de tratamientos

4-1=3

Y Se calcula los grados de libertad del total:

n–1

16-1=15

6. Se calcula los grados de libertad del error:

Grados de libertad del error: t (r – 1) Donde t es el número de

tratamientos, r el número de repeticiones.

4(4-1)=12
 También se puede calcular GL del error como:

GL error = GL Total – GL tratamientos

12-15=3

Los datos hasta ahora calculados se llenan en la tabla de análisis de

varianza. GL son los grados de libertad, SC es la suma de cuadrados y CM
son los cuadrados medios.

7. Se calcula la Suma de cuadrados del error o variabilidad dentro de

métodos de ensamble:

8. Cuadrados medios de tratamientos y del error (efecto ponderado

de cada fuente de variación):
 9. Estadístico de prueba: Se calcula el valor F con la siguiente
ecuación

F = CM trat / CM error=

GL SC CM F
TRATAMIENTO 3 287.26615 959.09 685.06
ERROR 12 16.74135 1.40
TOTAL 15 2894.0075

10. Se busca en las tablas de la distribución F el valor al 0.05% de

significancia. Los grados de libertad de los tratamientos serán los
grados de libertad del numerador y los grados de libertad del error
serán los grados de libertad de denominador.

0.05, 3, 12 = 8.74
En este caso hay que interpretar la columna de significación, si esta es menor
o igual que 0,05, las diferencias entre los grupos formados por la D1, D2, D3,
D4 variable Si el nivel de significación es mayor que 0,05, como en nuestro
caso, no hay diferencias significativas

TABLA DE ANOVA EXCEL,  = 0.05

ANALISIS DE VARIANZA DE UN FACTOR

Grupos Cuenta Suma Promedio Varianza

Columna 1 4 40485 10121,25 12586,25
Columna 2 4 53828 13457 2683,33333
Columna 3 4 41631 10407,75 18954,25
Columna 4 4 48076 12019 21596,6667
ANALISIS DE VARIANZA

Origen de las Suma de Grados de Promedio de los Probabi Valor crítico

F
variaciones cuadrados libertad cuadrados lidad para F
687,26 1,0982E
Entre grupos 28772661,5 3 9590887,167 3,49029482
6303 -13
Dentro de los
167461,5 12 13955,125
grupos

Total 28940123 15

En el cuadro de resultados del ANOVA, el valor del estadístico de prueba,

F=687,266303, es significativamente distinto de 1 para cualquier nivel de
significación y, por lo tanto, se rechaza la hipótesis nula de igualdad de medias

a. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis planteadas?

-P= 1,09815E-13

F0=687,266303

0>>como: 687,266303 y p: 1,0982E-13(0,29589749473233706) como p es

menor a 0.05 se rechaza la hipótesis

F calculada en ANOVA 687,266303

F tabla nivel de significación F 0.05, 3, 12 = 8.74 no hay diferencias entre

tratamientos

b. Describa cual es la función y para qué es utilizado el método Tukey,

después del análisis de varianza de los resultados? Dentro del concepto
responda si es necesario utilizar este método si aceptamos o
rechazamos la hipótesis de igualdad

Respuesta:

El método de Tukey se utiliza en ANOVA para crear intervalos de

confianza para todas las diferencias en parejas entre las medias de los
niveles de los factores mientras controla la tasa de error por familia en
un nivel especificado. Es importante considerar la tasa de error por
familia cuando se hacen comparaciones múltiples, porque la probabilidad
 de cometer un error de tipo I para una serie de comparaciones es mayor
que la tasa de error para cualquier comparación individual. Para
contrarrestar esta tasa de error más elevada, el método de Tukey ajusta
el nivel de confianza de cada intervalo individual para que el nivel de
confianza simultáneo resultante sea igual al valor que usted especifique.

-UTILIZAR TUKEY:

•Cuando el tamaño de las muestras seleccionadas para cada grupo son

iguales.

•Cuando el interés fundamental es comparar promedios entre dos

grupos y son múltiples las comparaciones que estamos haciendo. Por lo
tanto este test de Tukey

Ejercicio no. 2

2. A partir de la lectura del capítulo 4 del libro análisis y diseños de

experimentos, aplique los conceptos del diseño en cuadro latino (DCL) y
análisis de varianza para el siguiente enunciado.

En un centro de investigación de agricultura se requiere estudiar el efecto de

distintos tipos de semilla en el rendimiento del maíz y se considera que en
dicho rendimiento también pueden influir los tipos de abonos empleados. Así,
el factor de interés es el origen de la semilla (A, B, C y D) y se controla dos
factores de bloques el tipo de semilla y el tipo de abono en función de la
variable de respuesta.

Tipo de abono Tipo de semilla

1 2 3 4
1 C=33 D=38 A=28 B=50

2 B=30 C=39 D=27 A=49

3 A=32 B=41 C=25 D=49

4 D=33 A=40 B=26 C=52

Hipótesis de nula de igualdad

H0: µ = En el rendimiento del maíz puede influir los tipos de abonos

empleados y el tipo de semilla

H0: µ=A=B=C=D=0

Frente a hipótesis alterna

H1: µ =T≠0

c. Realice los cálculos correspondientes al análisis de varianza y elabore la

tabla ANOVA  = 0.05.

CALCULOS: Suma de cuadrados totales

Tipo de Tipo de semilla

abono 1 2 3 4
1 C=33 D=38 A=28 B=50
2 B=30 C=39 D=27 A=49
3 A=32 B=41 C=25 D=49
4 D=33 A=40 B=26 C=52

Tipo de Tipo de semilla

abono 1 2 3 4
1 33 38 28 50
2 30 39 27 49
3 32 41 25 49
4 33 40 26 52
 TOTAL= 128 158 106 200
TOTAL= 592

ScT= + )+ + )+ + )+ -( )
ScT=
(1,089+900+1,024+1,089)+(1,444+1,521+1,681+1,600)+(784+729+625+676)+(2,500+2,401+2,401+2,704)-(

ScT= (4,102+6,246+2,814+10.006)-( )

ScT=23.162-( )
Tipo de Tipo de semilla
ScT=23.162- abono 1 2 3 4 SUMA C B1 CUADRADOB1
1 33 38 28 50 149 22201
ScT=23.162-21.904=1.258
2 30 39 27 49 145 21025
3 32 41 25 49 147 21609
4 33 40 26 52 151 22801
TOTAL= 592 350464

SUMA DE CUADRADOS DEL BLOQUE 1

ScB1= ( )-( )

ScB1= ( )-( )

ScB1= ( )-( )
ScB1=21.90875- -21,904 =0.00475
Tipo de Tipo de semilla
abono 1 2 3 4
1 33 38 28 50
2 30 39 27 49
3 32 41 25 49
4 33 40 26 52 TOTAL=
SUMA CB2 128 158 106 200 592 350464
cuadrado 16384 24964 11236 40000 92584
B2

SUMA DE CUADARDOS DEL BLOQUE 2

ScB2= ( )-( )

ScB2= ( )-( )

ScB2= ( )-(
ScB2=23.146-21.904=1.242

Tipo de Tipo de semilla

abono 1 2 3 4
1 C=33 D=38 A=28 B=50
2 B=30 C=39 D=27 A=49
3 A=32 B=41 C=25 D=49
4 D=33 A=40 B=26 C=52

A B C D
32 30 33 33
40 41 39 38
28 26 25 27
49 50 52 49
TOTAL= 149 147 149 147 TOTAL=
CUADRADO 22201 21609 22201 21609 87620

SUMA CUADRADOS DE LOS TRATAMIENTOS: Todos los A, todos los B, todos los C, Todos D

ScTRAT= ( )-( )

ScTRAT= )-( )

ScTRAT= ( )-(
ScTRAT= 21.906-21.904=0.002
SUMA DE CUADRADOS ERROR

ScE =ScT--ScTRAT-ScB1-ScB2
ScE =1,258-0.002-0.00475-1.242
ScE =0.00925

TABLA ANOVA

Análisis de varianza de un
factor  

RESUMEN
Varianz
Grupos Cuenta Suma Promedio a
2,33333
33 3 95 31,66666667 3333
38 3 120 40 1
28 3 78 26 1
50 3 150 50 3
ANÁLISIS DE
VARIANZA
Origen de las Suma de Grados de Promedio de los Probabi Valor crítico
variaciones cuadrados libertad cuadrados F lidad para F
178,590 1,14609 4,06618055
Entre grupos 982,25 3 327,4166667 9091 E-07 1
Dentro de los 14,6666666
grupos 7 8
 
  996,916666  
Total 7 11

d. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis
planteadas?.

ANEXOS: OUT SAS

Evaluación dietas de cerdos

Evaluación Dietas de Cerdos

Procedimiento DCA
Variable: PESO
Momentos
N 16 Sumar pesos 16
 Media 115.0125 Observ suma 1840.2
Desviación std 13.8900739 Varianza 192.934153
Asimetría 0.41346941 Curtosis -1.5625987
SC no corregida 214540.015 SC corregida 2894.0123
Coef. variación 12.0770124 Media error std 3.47251848

Medidas estadísticas básicas

Ubicación Variabilidad
Media 115.0125 Desviación std 13.89007
Mediana 112.0500 Varianza 192.93415
Moda . Rango 35.14000
Rango intercuartil 25.65000

Tests para posición: Mu0=0
Test Estadístico p valor
T de Student t 33.12077 Pr > |t| <.0001
Signo M 8 Pr >= |M| <.0001
Puntuación con signo S 68 Pr >= |S| <.0001

Tests para normalidad

Test Estadístico p valor
Shapiro-Wilk W 0.829596 Pr < W 0.0069
Kolmogorov-Smirnov D 0.254866 Pr > D <0.0100
Cramer-von Mises W-Sq 0.163836 Pr > W-Sq 0.0145
Anderson-Darling A-Sq 1.065046 Pr > A-Sq 0.0064

Cuantiles (Definición 5)
Nivel Cuantil
100% Máx 135.120
99% 135.120
95% 135.120
90% 134.670
75% Q3 128.035
50% Mediana 112.050
25% Q1 102.385
10% 100.560
5% 99.980
1% 99.980
0% Mín 99.980

Observaciones extremas
Inferior Superior
Valor Observación Valor Observación
99.98 1 122.20 15
100.56 2 133.87 6
101.99 4 134.62 8
102.32 3 134.67 5
102.45 12 135.12 7

Procedimiento UNIVARIATE

Procedimiento UNIVARIATE
Distribución normal ajustada para PESO
Parámetros para distribución
Normal
Parámetro Símbolo Estimador
Media Mu 115.0125
Desv std Sigma 13.89007

Tests de bondad de ajuste para la distribución Normal

Test Estadístico p valor
Kolmogorov-Smirnov D 0.25486553 Pr > D <0.010
Cramer-von Mises W-Sq 0.16383552 Pr > W-Sq 0.015
Anderson-Darling A-Sq 1.06504568 Pr > A-Sq 0.006
 Cuantiles para distribución
Normal
Porcentaje Cuantil
Observado Estimado
1.0 99.9800 82.6994
5.0 99.9800 92.1654
10.0 100.5600 97.2117
25.0 102.3850 105.6438
50.0 112.0500 115.0125
75.0 128.0350 124.3812
90.0 134.6700 132.8133
95.0 135.1200 137.8596
99.0 135.1200 147.3256
 Procedimiento ANOVA
Información de nivel de clase
Clase Niveles Valores
REPET 4 1234
DIETAS 4 1234

Número de observaciones leídas 16

Número de observaciones usadas 16

Procedimiento ANOVA

Variable respuesta: PESO

Fuente DF Suma de cuadrados Cuadrado de la media F-Valor Pr > F
Modelo 6 2884.384300 480.730717 449.37 <.0001
Error 9 9.628000 1.069778
Total corregido 15 2894.012300

R-cuadrado Coef Var Raíz MSE PESO Media

0.996673 0.899294 1.034301 115.0125

Fuente DF Anova SS Cuadrado de la media F-Valor Pr > F

REPET 3 7.118150 2.372717 2.22 0.1555
DIETAS 3 2877.266150 959.088717 896.53 <.0001
 Evaluación Dietas de Cerdos

Procedimiento ANOVA

Procedimiento ANOVA

Prueba del rango estudentizado de Tukey (HSD) para PESO

Note: This test controls the Type I experimentwise error rate, but it generally has a higher Type II
error rate than REGWQ.
Alpha 0.05
Grados de error de libertad 9
Error de cuadrado medio 1.069778
Valor crítico del rango estudentizado 4.41488
Diferencia significativa mínima 2.2832

Medias con la misma letra

no son significativamente
 diferentes.
Tukey Agrupamient Media N REPET
o
A 116.1550 4 3
A
A 114.7350 4 4
A
A 114.6875 4 1
A
A 114.4725 4 2
 Procedimiento ANOVA

Prueba del rango estudentizado de Tukey (HSD) para PESO

Note: This test controls the Type I experimentwise error rate, but it generally has a higher Type II
error rate than REGWQ.
Alpha 0.05
Grados de error de libertad 9
Error de cuadrado medio 1.069778
Valor crítico del rango estudentizado 4.41488
Diferencia significativa mínima 2.2832

Medias con la misma letra

no son significativamente
diferentes.
Tukey Agrupamient Media N DIETAS
o
A 134.5700 4 2

B 120.1900 4 4

C 104.0775 4 3

D 101.2125 4 1

Obs REPET DIETAS PESO

1 1 1 99.98
2 2 1 100.56
3 3 1 102.32
4 4 1 101.99
5 1 2 134.67
6 2 2 133.87
7 3 2 135.12
8 4 2 134.62
9 1 3 105.43
10 2 3 103.45
11 3 3 104.98
12 4 3 102.45
13 1 4 118.67
 14 2 4 120.01
15 3 4 122.20
16 4 4 119.88

EVALUACION DE TIPOS DE ABONOS EN EL RENDIMIETO DE SEMILLAS

DE MAIZ

Evaluación de Tipos de Abonos en Rto de maíz

Procedimiento DCL Univariable

Variable: Rendimiento
Momentos
N 16 Sumar pesos 16
Media 37 Observ suma 592
Desviación std 9.17968772 Varianza 84.2666667
Asimetría 0.36876764 Curtosis -1.2324539
SC no corregida 23168 SC corregida 1264
Coef. variación 24.8099668 Media error std 2.29492193

Medidas estadísticas básicas

Ubicación Variabilidad
Media 37.00000 Desviación std 9.17969
Mediana 35.50000 Varianza 84.26667
Moda 33.00000 Rango 27.00000
    Rango intercuartil 16.00000

Note: la moda mostrada es la menor de 2 modas con una cuenta de 2.

Tests para posición: Mu0=0
Test Estadístico p valor
T de Student t 16.12255 Pr > |t| <.0001
Signo M 8 Pr >= |M| <.0001
Puntuación con signo S 68 Pr >= |S| <.0001

Tests para normalidad

Test Estadístico p valor
Shapiro-Wilk W 0.915322 Pr < W 0.1418
Kolmogorov-Smirnov D 0.168489 Pr > D >0.1500
Cramer-von Mises W-Sq 0.066623 Pr > W-Sq >0.2500
Anderson-Darling A-Sq 0.478331 Pr > A-Sq 0.2116

Cuantiles (Definición 5)
 Nivel Cuantil
100% Máx 52.0
99% 52.0
95% 52.0
90% 50.0
75% Q3 45.0
50% Mediana 35.5
25% Q1 29.0
10% 26.0
5% 25.0
1% 25.0
0% Mín 25.0

Observaciones extremas
Inferior Superior
Valor Observación Valor Observación
25 11 41 7
26 12 49 14
27 10 49 15
28 9 50 13
30 2 52 16

Evaluación de Tipos de Abonos en Rto de maíz

Procedimiento UNIVARIATE
 Evaluación de Tipos de Abonos en Rto de maíz

Procedimiento DCL
Distribución normal ajustada para Rendimiento
Parámetros para distribución
Normal
Parámetro Símbolo Estimador
Media Mu 37
Desv std Sigma 9.179688

Tests de bondad de ajuste para la distribución Normal

Test Estadístico p valor
Kolmogorov-Smirnov D 0.16848900 Pr > D >0.150
Cramer-von Mises W-Sq 0.06662327 Pr > W-Sq >0.250
Anderson-Darling A-Sq 0.47833097 Pr > A-Sq 0.212

Cuantiles para distribución

Normal
Porcentaje Cuantil
Observado Estimado
1.0 25.0000 15.6449
5.0 25.0000 21.9008
10.0 26.0000 25.2358
25.0 29.0000 30.8084
50.0 35.5000 37.0000
75.0 45.0000 43.1916
90.0 50.0000 48.7642
95.0 52.0000 52.0992
99.0 52.0000 58.3551

Procedimiento ANOVA
Información de nivel de clase
Clase Niveles Valores
Ti_Semi 4 1234
Tip_Abon 4 1234

Número de observaciones leídas 16

Número de observaciones usadas 16
 Evaluación de Tipos de Abonos en Rto de maíz

Procedimiento ANOVA
 
Variable respuesta: Rendimiento
Fuente DF Suma de cuadrados Cuadrado de la media F-Valor Pr > F
Modelo 6 1247.000000 207.833333 110.03 <.0001
Error 9 17.000000 1.888889    
Total corregido 15 1264.000000      

R-cuadrado Coef Var Raíz MSE Rendimto Media

0.986551 3.714510 1.374369 37.00000

Fuente DF Anova SS Cuadrado de la media F-Valor Pr > F

Ti_Semi 3 1242.000000 414.000000 219.18 <.0001
Tip_Abon 3 5.000000 1.666667 0.88 0.4861

Procedimiento ANOVA
 Evaluación de Tipos de Abonos en Rto de maíz

Procedimiento ANOVA
 
Prueba del rango estudentizado de Tukey (HSD) para Rendimto

Note: This test controls the Type I experimentwise error rate, but it generally has a higher Type II
error rate than REGWQ.
Alpha 0.05
Grados de error de libertad 9
Error de cuadrado medio 1.888889
Valor crítico del rango estudentizado 4.41488
Diferencia significativa mínima 3.0338

Medias con la misma letra

no son significativamente
diferentes.
Tukey Agrupamient Media N Ti_Semi
o
A 50.0000 4 4
       
B 39.5000 4 2
       
C 32.0000 4 1
       
D 26.5000 4 3
 Procedimiento ANOVA

Procedimiento ANOVA

Prueba del rango estudentizado de Tukey (HSD) para Rendimto

Note: This test controls the Type I experimentwise error rate, but it generally has a higher Type II
error rate than REGWQ.
Alpha 0.05
Grados de error de libertad 9
Error de cuadrado medio 1.888889
Valor crítico del rango estudentizado 4.41488
Diferencia significativa mínima 3.0338

Medias con la misma letra

no son significativamente
diferentes.
Tukey Agrupamient Media N Tip_Abon
o
A 37.7500 4 4
A
A 37.2500 4 1
 A
A 36.7500 4 3
A
A 36.2500 4 2

Obs Ti_Semi Tip_Abon Rendimto

1 1 1 33
2 1 2 30
3 1 3 32
4 1 4 33
5 2 1 38
6 2 2 39
7 2 3 41
8 2 4 40
9 3 1 28
10 3 2 27
11 3 3 25
12 3 4 26
13 4 1 50
14 4 2 49
15 4 3 49
16 4 4 52
BIBLIOGRAFIA

(2018), Diseño y análisis de experimentos, fuente:

http://issuu.com/byrong/docs/diseno_y_analisis_experimentos

Diseño totalmente al azar fuente:

http://www.uaaan.mx/~jmelbos/cursos/deapu1b.pdf