UNIVERSIDAD JORGE TADEO LOZANO

Departamento de Ciencias Básicas y Modelado

Asignatura: ESTADISTICA INFERENCIAL
Tema: ANALISIS DE VARIANZA. Ejemplo de aplicación y uso del software R
Alumnos:
Resolver en grupos de tres (mínimo) o cuatro (máximo) estudiantes y subir el documento en
formato Word al AVATA

¿Qué tipo de comerciales de televisión captan mejor la atención de los niños? Para dar respuesta a la pregunta
anterior, se observo la actitud de 15 niños; 5 niños fueron observados mientras veían comerciales de juguetes y
juegos, 5 mientras veían comerciales sobre comida y goma de mascar y 5 mientras veían comerciales
relacionados con ropa para niños. Todos los comerciales tenían 60 segundos de duración. En la siguiente tabla
aparecen los tiempos de atención a los comerciales para los 15 niños:

TIEMPO DE ATENCION
JUGUETES 45 40 30 25 45
COMIDA 50 25 55 45 50
ROPA 25 15 22 27 35

Se desea probar si existe diferencia entre los tiempos medios de atención de los niños a las tres clases de
comerciales.

A. Pruebe el supuesto de homocedasticidad.

Hipótesis. H 0 : σ 12=σ 22=σ 23 H a :Las varianzas no son homogéneas.
Resultados del software Decisión.
Como el p-valor de la prueba es 0.6678, a un nivel
Bartlett test of homogeneity of variances de significancia del 5%, no se rechaza la hipótesis
nula ( H 0)
data: Mod_Lin$residuals by Tipo_E
Bartlett's K-squared = 0.80746, df = 2, p-
value = 0.6678
Conclusión.
Se cumple el supuesto de homocedasticidad

B. Pruebe el supuesto de normalidad de errores (residuales) con la prueba de Shapiro-Wilks.

Hipótesis. H 0 : Los residuales provienen de una po blación con distribució n normal
H a : Los residuales no provienen de una po blación con distribució n normal
Resultados del software. Decisión.
Como el p-valor de la prueba es 0.1901, a un nivel de
Shapiro-Wilk normality test significancia del 5% no se rechaza la hipótesis nula.
data: Mod_Lin$residuals
Conclusión.
W = 0.91962, p-value = 0.1901
Se cumple el supuesto de normalidad en los residuales
 del modelo.

C. Halle la tabla ANOVA y Pruebe la hipótesis apropiada. (  = 0.05)

Tabla ANOVA (Resultado del software)

Df Sum Sq Mean Sq F value Pr(>F)

Tipo_E 2 1035 517.4 5.682 0.0184 *
Residuals 12 1093 91.1
Hipótesis
H 0 :μ 1=μ2=μ3 H a : μi ≠ μ j para algún i≠ j

Punto crítico.
F(0.05,2,12)=3.88

Región de rechazo (punto crítico) Decisión.

Usando punto crítico.

Como el estadístico (Fc = 5.682) es mayor al valor

0.05
crítico (3.88), se rechaza la hipótesis nula H 0

Usando valor-p
3.88 F Como el p-valor de la prueba (0.0184) es menor que
el nivel de significancia (0.05), se rechaza la
hipótesis nula H 0

Conclusión.
Hay diferencias estadísticamente significativas entre
los tiempos medios de atención de los niños captadas
por los 3 tipos de comerciales.

D. Establezca las comparaciones múltiples con intervalos y valores-p mediante la prueba de TUKEY.
Resultados del software Tabla de Grupos Homogéneos.
Tratamiento Promedio Grupos
(Nivel) Homogéneos
Tukey multiple comparisons of means
JUGUETES 37 37
95% family-wise confidence level
COMIDA 45 45 45
Fit: aov(formula = TIEMPO_E ~ Tipo_E) ROPA 24.8 24.8

$Tipo_E
diff lwr upr p adj Análisis de las comparaciones
Comida-Juguetes -8.0 -24.10176 8.10176 0.4086297 Solo encuentran diferencias significativas entre los
Ropa-Juguetes -20.2 -36.30176 -4.09824 0.0148731 tiempos medios de atención de los niños captadas por
Ropa-Comida -12.2 -28.30176 3.90176 0.1493772 los comerciales de ROPA y de JUGUETES.
Código en R.

#Se digitan los datos

tipo= rep(c("Juguetes", "Comida", "Ropa" ),c(5,5,5))
Tipo_E = factor(tipo,labels = c("Juguetes", "Comida", "Ropa"))
TIEMPO_E = c(45, 40, 30, 25, 45,50, 25, 55, 45, 50, 25, 15,
22, 27, 35)
efecto = data.frame(Tipo_E,TIEMPO_E )
#Hacemos lectura de los datos
head(efecto)

#Modelo asociado
Mod_Lin = aov(TIEMPO_E ~ Tipo_E)
Residuales = rstandard(Mod_Lin)
summary(Mod_Lin)

#Test de shapiro-wilk
shapiro.test(Mod_Lin$residuals)

#Prueba de homocedasticidad

bptest(Mod_Lin$residuals~Tipo_E, data=efecto)
bartlett.test(Mod_Lin$residuals~Tipo_E, data=efecto)

#Comparaciones multiples
library(agricolae)

#Método de Tukey
TukeyHSD(Mod_Lin)

#valor critico
qf(0.95,2,12)