04 Inferencia Estadística (Parte 2)

TALLER V IRTUAL
ESTADÍSTICA
APLICADA AL
LABORATORIO
Introducción a la inferencia
estadı́stica
Cristhian Paredes
Contenido
1. Pruebas de comparación de varianzas
2. Comparación entre varias medias muestrales: ANOVA
3. Comparación de varias varianzas muestrales
4. Pruebas de datos anómalos
5. Análisis de covarianza
Pruebas de comparación de varianzas
Prueba χ2

Varianza muestral contra un valor de referencia
(n − 1)s2
χ2 = (1)
σ2
Función de densidad de probabilidad
0 5 10 15 20 25
χ2 (ν = 7)
La distribucón χ2 es sensible a los grados de libertad (ν = n − 1).

1
Pruebas bilaterales:
H0 : s2 = σ 2 H1 :s2 6= σ 2 (2)
Pruebas unilaterales:
¿Una nueva técnica mejora la repetibilidad de nuestro proceso?
H0 : s2 = σ 2 H1 :s2 < σ 2 (3)
¿Un nuevo analista produce resultados más dispersos de lo que produce

normalmente un analista experimentado?
H0 : s2 = σ 2 H1 :s2 > σ 2 (4)

H0 : s2 = σ 2 H1 :s2 6= σ 2 (2)
H0 : s2 = σ 2 H1 :s2 < σ 2 (3)

H0 : s 2 = σ 2 H1 :s2 > σ 2 (4)
2
H0 : s2 = σ 2 H1 :s2 6= σ 2 (2)
H0 : s2 = σ 2 H1 :s2 < σ 2 (3)

H0 : s 2 = σ 2 H1 :s2 > σ 2 (4)
Ejemplo práctico
Comparación de una varianza muestral contra un valor de referencia
Dispersión de los resultados de mercurio total en pescado
La fracción másica de mercurio total en νHg [mg kg−1 ]

pescado debe ser determinada con una 517
dispersión máxima de 5 % (desviación 445
estándar relativa). 520
Establecer si los resultados de medición de 517
mercurio total del primer ejemplo práctico 479
cumplen con el criterio de desviación 391
estándar relativa. 418
447
3
Ejemplo práctico
Comparación de una varianza muestral contra un valor de referencia
Dispersión de los resultados de mercurio total en pescado
...una dispersión máxima de 5 %...

νHg [mg kg−1 ]
H0 : RSD = 5 % H1 : RSD > 5 % (5) 517
445
s 520
RSD = ; s2 = (RSD · x̄)2 (6) 517
x̄
479
391
H0 : s2 = (5 % · x̄)2 (7) 418
2 2 447
H1 : s > (5 % · x̄) (8)
Realizar el procedimiento en https://crparedes.shinyapps.io/validaR/

4

Prueba F de Fisher
Varianza muestral contra otra varianza muestral
s12
F = (9)
s22
Función de densidad de probabilidad

0 1 2 3 4 5
F (ν1 = 8, ν1 = 7)
La distribucón F de Fisher es sensible a dos grados de libertad (ν1 = n1 − 1 y ν2 = n2 − 1).

5

Varianza muestral contra otra varianza muestral
H0 : s12 = s22 H1 :s12 6= s22 (10)
H0 : s12 = s22 H1 :s12 < s22 (11)
H0 : s12 = s22 H1 :s12 > s22 (12)
6
Ejemplo práctico
Dispersión de los resultados de extracción del ion litio de una salmuera
Recobro de ion litio con dos sistemas de extractantes diferentes
(Ejemplo 2) El desempe;o de unos nuevos

extractantes para el recobro de ión litio se
compararó con el de unos extractantes Reclab [ %] Reccom [ %]
comerciales...
87.5 86.8
Para efectos prácticos la extracción es igual 87.1 86.9
de eficiente con ambos sistemas. Ahora 87.5 87.4
queremos saber si de pronto los nuevos 87.5 87.1
extractantes producen resultados menos 87.3 86.7
dispersos que cuando se usan los 86.9 86.7
extractantes comerciales. 87.0 86.8
2 2 2 2
H0 : slab = scom H1 :slab < scom

7
Comparación entre varias medias muestrales

ANOVA: ¿Análisis de varianza?
Análisis de varianza
58
56
54
52
Concentración (mmol kg−1)

50
H0 : x1 = x2 = ... = xk (13)
H1 : xi 6= xj , para al menos una pareja i, j (14)

58
56
54
52
50
H0 : x1 = x2 = ... = xk (13)
8
58
56
54
52

50
H0 : x1 = x2 = ... = xk (13)

49 51 53 55 57 59
9
ANOVA de una vı́a para datos independientes
Variabilidad total = Variabilidad por el agrupamiento + Variabilidad residual

= Variabilidad explicada por el factor +
Variabilidad no explicada por el factor
Varianza total = Varianza entre los niveles + Varianza dentro de los niveles
( xi − µ)2
P
σ2 = (15)
n
⊏
⊐ Totales = ⊏
⊐ Tratamiento + ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
⊐ Residuales es lo mismo que ⊐ Dentro de los grupos
10


2 ( xi − µ)2
P
σ = (15)
n
⊏
⊐ Totales = ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
10

( xi − µ)2
P
σ2 = (15)
n
⊏
⊐ Totales = ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
10


2 ( xi − µ)2
P
σ = (15)
n
⊏
⊐ Totales = ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
10

( xi − µ)2
P
σ2 = (15)
n
⊏
⊐ Totales = ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
10

Sumas de cuadrados
∼ totales (SStot ): ∼ debidos al tratamiento (SStrat ): ∼ residuales SSres :
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
Cada dato respecto a la media Cada promedio grupal respecto a la Cada dato respecto a la media
general. media general. de su grupo.
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
j=1 i=1 j=1 j=1 i=1
νSStrat = k − 1 νSSres = N − m
νSStot = N − 1
k es el número de grupos, ni es el número de datos en el i-ésimo grupo, N es el número
de datos totales, x̄i es el promedio del i-ésimo grupo y x̄¯ es el promedio general.
11
Sumas de cuadrados
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
j=1 i=1 j=1 j=1 i=1
νSStot = N − 1
11

Sumas de cuadrados
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
j=1 i=1 j=1 j=1 i=1
νSStot = N − 1
11
Sumas de cuadrados
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
j=1 i=1 j=1 j=1 i=1
νSStot = N − 1
11

Sumas de cuadrados
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
j=1 i=1 j=1 j=1 i=1
νSStot = N − 1
11
Sumas medias de cuadrados

∼ totales: ∼ debidos al tratamiento: ∼ residuales:
SStot SStrat SSres

MStot = MStrat = MSres =
N −1 k −1 N −k
Suma media de cuadrados por tratamiento MStrat

= (17)
Suma media de cuadrados residuales MSres
MStrat
∼ F (ν1 = k − 1, ν2 = N − k) (18)
MSres
12


SStot SStrat SSres

N −1 k −1 N −k

= (17)
MStrat
∼ F (ν1 = k − 1, ν2 = N − k) (18)
MSres
12

SStot SStrat SSres

N −1 k −1 N −k

= (17)
MStrat
∼ F (ν1 = k − 1, ν2 = N − k) (18)
MSres
12

Tabla de ANOVA:
SS DF MS F valor p
Tratamiento SStrat νSStrat MStrat MStrat /MSres valor p
Residuales SSres νSSres MSres
El valor p lo comparamos con en valor de significancia que escogimos para

la prueba:
H0 : x1 = x2 = ... = xk (19)
13
Tabla de ANOVA:
SS DF MS F valor p
Tratamiento SStrat νSStrat MStrat MStrat /MSres valor p
Residuales SSres νSSres MSres
El valor p lo comparamos con en valor de significancia que escogimos para

la prueba:
H0 : x1 = x2 = ... = xk (19)
13
Ejemplo práctico
ANOVA de una vı́a para evaluar efecto matriz
Efecto matriz en la cuantificación de un analito

Para evaluar si los demás componentes
de la matriz en la que está presente un
analito afecta su concentración aparente
se enriquecieron blancos de distintas Mat 1 Mat 2 Mat 3 Mat 4
matrices a un mismo nivel de
52.4 51.4 52.6 55.4
concentración y se cuantificó el analito
54.5 54.0 51.0 55.5
de interés.
51.9 54.5 48.5 57.5
Se desea conocer si alguna de las 58.0 54.2 53.8 57.2
matrices afecta la determinación del 54.8 52.4
analito en cuestión. 56.0
H0 : x1 = x2 = ... = xk
H1 : xi 6= xj

14
Supuestos del modelo
• Independencia: Las observaciones deben ser aleatorias y los grupos

deben ser independientes entre sı́.
• Ausencia de anómalos: No debe haber datos anómalos significativos dentro

de los grupos.
• Normalidad: La variable de interés debe seguı́r una distribución

normal dentro de cada grupo.
• Homocedasticidad: La varianza de cada grupo debe ser homogénea.
15


de los grupos.

15


de los grupos.

15


de los grupos.

15
Pruebas Post-hoc de comparación múltiple
H0 : x1 = x2 = ... = xk H1 : xi 6= xj
Si el valor p es menor a la significancia de la prueba (α) hay evidencia para

concluı́r a un determinado nivel de confianza que xi 6= xj para al menos una
pareja de grupos.
ANOVA no nos dice cuales parejas son las que son diferentes y hacer pruebas t
de a dos grupos en dos grupos es muy inconveniente porque la probabilidad de
cometer un error tipo I se infla.
La solución son las pruebas post hoc
16
H0 : x1 = x2 = ... = xk H1 : xi 6= xj

pareja de grupos.
16
H0 : x1 = x2 = ... = xk H1 : xi 6= xj

pareja de grupos.
16
Pruebas de comparación post hoc

Diferencia mı́nima significativa (LSD) de Fisher
En esta prueba se usa el nivel de confianza empleado en el ANOVA para establecer una
diferencia entre grupos que se considera significativa. Los tratamientos se agrupan juntos si
la diferencia entre sus medias es menor a la que se definio como mı́nima significativa.
Diferencias honestas significativas (HSD) de Tukey

Esta prueba calcula intervalos de confianza para las diferencias entre todas las parejas po-
sibles y estima la probabilidad (valor p) de que cada una de estas diferencias pueda incluı́r
el cero.
Prueba de rangos múltiples de Duncan

Esta prueba es similar a la prueba LSD de Fisher solo que se usan varias diferencias mı́nimas
significativas que dependen de si los grupos a comparar son contiguos o si tienen grupos
intermedios.
17

el cero.

intermedios.
17


el cero.

intermedios.
17

el cero.

intermedios.
17
Ejemplo práctico
Pruebas post hoc en ANOVA de una vı́a para evaluar efecto matriz
(Ejemplo 6) Se encontró que los

cambios de matriz tienen un
efecto estadı́sticamente Mat 1 Mat 2 Mat 3 Mat 4
significativo sobre la
52.4 51.4 52.6 55.4
concentración aparente del
54.5 54.0 51.0 55.5
analito considerado (valor p
51.9 54.5 48.5 57.5
ANOVA: 0.0205).
58.0 54.2 53.8 57.2
Se desea conocer que matrices 54.8 52.4
en particular presentan 56.0
diferencias estadı́sticamente
significativas entre sı́.

18
Comparación de varias varianzas muestrales
Pruebas de Cochran, de Hartley, de Bartlett y de Levenne.
Uno de los supuestos del ANOVA habla de las varianzas de los grupos:
La prueba χ2 nos permite comparar una varianza muestral contra un valor de

referencia.
La prueba F de Fisher nos permite comparar dos varianzas muestrales.
Necesitamos pruebas de contrastes que nos permitan comparar las

varianzas de varias muestras estadı́sticas a la vez.
19

referencia.

19

referencia.

19

referencia.

19

Prueba de varianzas anómalas de Cochran
Se divide la varianza más grande entre la suma de todas las varianzas grupales y el resultado
presenta una distribución C de Cochran que permite evaluar si la varianza más grande del
grupo es anómala.
s2
(21)
2
C = Pkmax
i=1 si
Prueba de Hartley
Se divide la varianza más grande entre la varianza más pequeña. El resultado presenta una
distribución Fmax de Hartley que permite evaluar si las varianzas son homogéneas.
2
smax
Fmax = 2
(22)
smin
La prueba de Cochran es la mejor para poblaciones asimétricas

Estas pruebas simples asumen que los grupos son todos del mismo tamaño.
20
grupo es anómala.
s2
(21)
2
C = Pkmax
i=1 si
Prueba de Hartley
2
smax
Fmax = 2
(22)
smin

20

grupo es anómala.
s2
(21)
2
C = Pkmax
i=1 si
Prueba de Hartley
2
smax
Fmax = 2
(22)
smin

20
Prueba de Levene
Es equivalente a realizar un ANOVA de las distancias (Zi ) entre los individuos de cada grupo
respecto a una medida de tendencia central (la media aritmética o la mediana):
Pk 2
N −k i=1 ni (Zi − Z )
W = Pk Pni (23)
k − 1 i=1 j=1 (Zi − Zij )2
El estadı́stico W sigue una distribución F de Fisher con N − k y k − 1 grados de libertad.
Prueba de Bartlett
Es de las primeras pruebas que se propusieron para evaluar homogeneidad de varianzas. El
estadı́stico T de Bartlett sigue una distribución χ2 con k − 1 grados de libertad.
P
(N − k ) ln Sp2 − ki=1 ((ni − 1) ln Si2 )
T = P 1 1
(24)
1 + 3k1−3 (( ki=1 n −1 ) − N−k )
i
21

Prueba de Levene
Es equivalente a realizar un ANOVA de las distancias (Zi ) entre los individuos de cada grupo
respecto a una medida de tendencia central (la media aritmética o la mediana):
Pk 2
N −k i=1 ni (Zi − Z )
W = Pk Pni (23)
k − 1 i=1 j=1 (Zi − Zij )2
El estadı́stico W sigue una distribución F de Fisher con N − k y k − 1 grados de libertad.
Prueba de Bartlett
Es de las primeras pruebas que se propusieron para evaluar homogeneidad de varianzas. El
estadı́stico T de Bartlett sigue una distribución χ2 con k − 1 grados de libertad.
P
(N − k) ln Sp2 − ki=1 ((ni − 1) ln Si2 )
T = P 1 1
(24)
1 + 3k1−3 (( ki=1 n −1 ) − N−k )
i
21
Ejemplo práctico
Pruebas de comparación de varias varianzas

(Ejemplo 6) Se concluyó que
los cambios de matriz tienen un
efecto estadı́sticamente
Mat 1 Mat 2 Mat 3 Mat 4
significativo sobre la
concentración aparente del 52.4 51.4 52.6 55.4
analito considerado (valor p 54.5 54.0 51.0 55.5
ANOVA: 0.0205). 51.9 54.5 48.5 57.5
58.0 54.2 53.8 57.2
Evalúe la pertinencia de la
54.8 52.4
asunción de homocedasticidad
56.0
en los grupos utilizando las
diferentes pruebas para
múltiples varianzas.

22
Pruebas de datos anómalos

Criterios de Dixon y de Grubbs
23

Criterio Q de Dixon
Rango entre el dato anómalo y su valor más cercano

Q= (25)
Rango de todos los datos
Los datos deben ordenarse de menor a mayor: x1 , x2 , ..., xn−1 , xn .
|x1 − x2 |
Q= (26)
xn − x1
xn − xn−1
Q= (27)
xn − x1
El estadı́stico Q de Dixon tiene supropia distribución.
Aplican los mismos conceptos de grados de libertad y nivel de significancia estadı́stica.

24
Criterio Q de Dixon

Q= (25)
|x1 − x2 |
Q= (26)
xn − x1
xn − xn−1
Q= (27)
xn − x1

24

Criterio Q de Dixon

Q= (25)
|x1 − x2 |
Q= (26)
xn − x1
xn − xn−1
Q= (27)
xn − x1

24
Criterio Q de Dixon

Q= (25)
|x1 − x2 |
Q= (26)
xn − x1
xn − xn−1
Q= (27)
xn − x1

24

No siempre los datos sospechosos son datos aislados a un solo extremo
25
Criterios de Grubbs
Gij : i datos anómalos en el extremo inferior y j datos en el extremo superior.
s2 s2
G01 = n2 G10 = 12 (28)
s s
2
sn, 2
n−1 s1, 2
G02 = G20 = (29)
s2 s2
2
s1, n
G11 = (30)
s2
2
donde s2 es la varianza del conjunto de datos y s{i, j} es la varianza del conjunto
excluyendo los valores en el subı́ndice.

Cada estadı́stico Gij tiene supropia distribución.
NTC 3529-2 (ISO 5725-2:2019). Accuracy of measurement methods and results.
26

Criterios de Grubbs
s2 s2
G01 = n2 G10 = 12 (28)
s s
2
sn, 2
n−1 s1, 2
G02 = G20 = (29)
s2 s2
2
s1, n
G11 = (30)
s2
2

26
Criterios de Grubbs
s2 s2
G01 = n2 G10 = 12 (28)
s s
2
sn, 2
n−1 s1, 2
G02 = G20 = (29)
s2 s2
2
s1, n
G11 = (30)
s2
2

26

Criterios de Grubbs
s2 s2
G01 = n2 G10 = 12 (28)
s s
2
sn, 2
n−1 s1, 2
G02 = G20 = (29)
s2 s2
2
s1, n
G11 = (30)
s2
2

26
Criterios de Grubbs
s2 s2
G01 = n2 G10 = 12 (28)
s s
2
sn, 2
n−1 s1, 2
G02 = G20 = (29)
s2 s2
2
s1, n
G11 = (30)
s2
2

26
Ejemplo práctico
Comparación de media muestral contra valor de referencia
Mercurio total en pescado
La fracción másica de mercurio total en νHg [mg kg−1 ]

pescado debe ser menor a 500 mg kg−1 para
que el producto pueda ser considerado como 517
seguro para consumo humano. 445
520
Se tienen unos resultados de medición de 517
mercurio total en una muestra aleatoria de 479
pescados que van a ser comercializados y se 391
desea conocer si la serie de datos contiene 418
algún dato sospechoso de ser anómalo. 447
27
TALLER V IRTUAL
ESTADÍSTICA
APLICADA AL
LABORATORIO
Introducción a la inferencia
estadı́stica
Cristhian Paredes
Análisis de covarianza
ANCOVA
Análisis de covarianza (ANCOVA)
Ejemplo práctico
Estabilidad de un catión en recipientes de distintos materiales:
Se almacena una disolución de un

catión en recipientes de distintos Tiempo Conc. relativa del cation
materiales. Cada mes se determina (meses) Recip. 1 Recip. 2 Recip. 3 Recip. 4
la concentración del catión y los 0 1.00 1.00 1.00 1.00
valores relativos a la concentración 1 0.98 0.98 1.01 0.96
inicial se muestran en la tabla. Se 2 0.99 0.96 0.99 0.94
quiere conocer si hay diferencia 3 0.96 0.93 0.98 0.93
entre los distintos materiales en 4 0.93 0.91 0.98 0.94
cuanto al efecto que tienen sobre la 5 0.94 0.93 0.96 0.92
estabilidad de la disolución.
28
1.00
0.96
Concentración relativa
0.92
0.88
#1 #2 #3 #4 0 2 4
Material recipiente Tiempo (meses)
29
1.00
0.96
0.92
0.88
0 1 2 3 4 5
Tiempo (meses)
30
1.00
0.96
0.92
0.88
0 1 2 3 4 5 0 2 4
Tiempo (meses) Tiempo (meses)
31
1.00
0.02
0.96
0.00
Residual
0.92
−0.02
0.88
#1 #2 #3 #4 #1 #2 #3 #4
Material recipiente Material recipiente
32
Supuestos del análisis

Linearidad entre la covariable y la
0.02
variable respuesta
Homogeneidad entre las pendientes
de regresión
0.00
Residual
Normalidad de la variable respuesta

(normalidad de los residuales de
regresión)
−0.02
Homocedasticidad entre los grupos
Ausencia de anómalos significativos
en los grupos
#1 #2 #3 #4
Material recipiente
33
Taller Virtual
Estadı́stica Aplicada al
Laboratorio
24 al 28 de mayo de 2021

04 Inferencia Estadística (Parte 2)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

04 Inferencia Estadística (Parte 2)

Cargado por

Copyright:

Formatos disponibles

TALLER V IRTUAL

1. Pruebas de comparación de varianzas

2. Comparación entre varias medias muestrales: ANOVA

3. Comparación de varias varianzas muestrales

4. Pruebas de datos anómalos

Pruebas de comparación de varianzas

La distribucón χ2 es sensible a los grados de libertad (ν = n − 1).

H0 : s2 = σ 2 H1 :s2 < σ 2 (3)

¿Un nuevo analista produce resultados más dispersos de lo que produce

H0 : s2 = σ 2 H1 :s2 > σ 2 (4)

Pruebas de comparación de varianzas

H0 : s2 = σ 2 H1 :s2 < σ 2 (3)

¿Un nuevo analista produce resultados más dispersos de lo que produce

H0 : s 2 = σ 2 H1 :s2 > σ 2 (4)

H0 : s2 = σ 2 H1 :s2 < σ 2 (3)

¿Un nuevo analista produce resultados más dispersos de lo que produce

H0 : s 2 = σ 2 H1 :s2 > σ 2 (4)

Dispersión de los resultados de mercurio total en pescado

La fracción másica de mercurio total en νHg [mg kg−1 ]

Dispersión de los resultados de mercurio total en pescado

...una dispersión máxima de 5 %...

Realizar el procedimiento en https://crparedes.shinyapps.io/validaR/

Pruebas de comparación de varianzas

Función de densidad de probabilidad

La distribucón F de Fisher es sensible a dos grados de libertad (ν1 = n1 − 1 y ν2 = n2 − 1).

Pruebas de comparación de varianzas

H0 : s12 = s22 H1 :s12 6= s22 (10)

H0 : s12 = s22 H1 :s12 < s22 (11)

H0 : s12 = s22 H1 :s12 > s22 (12)

Recobro de ion litio con dos sistemas de extractantes diferentes

(Ejemplo 2) El desempe;o de unos nuevos

Realizar el procedimiento en https://crparedes.shinyapps.io/validaR/

Comparación entre varias medias muestrales

Concentración (mmol kg−1)

Comparación entre varias medias muestrales

Concentración (mmol kg−1)

Comparación entre varias medias muestrales

Variabilidad total = Variabilidad por el agrupamiento + Variabilidad residual

Comparación entre varias medias muestrales

Variabilidad total = Variabilidad por el agrupamiento + Variabilidad residual

Variabilidad total = Variabilidad por el agrupamiento + Variabilidad residual

Comparación entre varias medias muestrales

Variabilidad total = Variabilidad por el agrupamiento + Variabilidad residual

Variabilidad total = Variabilidad por el agrupamiento + Variabilidad residual

Comparación entre varias medias muestrales

j=1 i=1 j=1 j=1 i=1

j=1 i=1 j=1 j=1 i=1

Comparación entre varias medias muestrales

j=1 i=1 j=1 j=1 i=1

j=1 i=1 j=1 j=1 i=1

Comparación entre varias medias muestrales

j=1 i=1 j=1 j=1 i=1

Sumas medias de cuadrados

SStot SStrat SSres

Suma media de cuadrados por tratamiento MStrat

Comparación entre varias medias muestrales

Sumas medias de cuadrados

SStot SStrat SSres

Suma media de cuadrados por tratamiento MStrat

Sumas medias de cuadrados

SStot SStrat SSres

Suma media de cuadrados por tratamiento MStrat

Comparación entre varias medias muestrales