FASE 4.

ELEMENTOS DE INFERENCIA ESTADISTICA

YAMID ALBERTO FLOREZ

Cód.1083867832
LEIDY JOHANA HOYOS
Cód. 1081700166
OSCAR UNI
JUAN CAMILO GIRALDO

Director del Curso

Juan Camilo Mendoza

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA- UNAD

PROGRAMA AGRONOMIA
PITALITO HUILA
NOVIEMBRE 2019
 INTRODUCCION

En este apéndice se desarrolló un diseño factorial en el cual se determinó el resultado de un

experimento. Se hizo el estudio del efecto de cada factor sobre la variable, así como las

interacciones sobre dicha variable. Y se realizaron los análisis correspondientes análisis de

varianza en el programa ANOVA. La técnica fundamental para el desarrollo consiste en

repartir el total de los componentes mediante sumas de cuadrados.[ CITATION Jai13 \l 2058 ]
 Apéndice 4

1. A partir de la lectura del capítulo 6 del libro análisis y diseños de experimentos,

aplique los conceptos del diseño factorial al siguiente enunciado.
Un estudiante en la UNAD, viene realizando experimentos sobre la solubilidad de un
extruido tipo cereal para el desayuno. El estudio se encuentra enfocado en determinar el
efecto del polvo de hornear y la proporción de yuca que contiene el producto sobre el índice
de solubilidad en leche (ISL). El trabajo experimental se localizó en la planta piloto de la
ECBTI, en el cual se utilizaron tres concentraciones de yuca y tres concentraciones de
polvo de hornear en la formulación del extruido.

A continuación, se describe la tabla con los resultados para cada uno de los tratamientos,
cada variable de respuesta (ISL) se midió 3 veces.

Tabla 1. Datos de ISL (%) del cereal para desayuno.

Polvo de hornear (%)

Yuca (%)
Concentración 1 Concentración 2 Concentración 3
10.21 12.53 14.79
Concentración 1 10.64 12.50 14.85
10.85 12.39 15.21
10.67 12.26 15.75
Concentración 2 10.75 12.79 15.63
10.82 13.10 16.81
11.13 13.78 16.57
Concentración 3 11.56 14.91 16.88
11.88 14.53 17.30

a. Plantear el modelo estadístico para este diseño, explicar cada uno de los
términos en función del ejercicio (5 /120)

La elaboración de este experimento se basa en ser un diseño factor 3k que costa de 3 niveles
y 2 factores que se describen a continuación:

o Factor A: concentración del polvo hornear (%)

o Factor B: concentración Yuca (%)
o Estos factores tienen 3 niveles y 9 tratamientos.
 b. Realice las hipótesis de interés para la investigación (igualdad y alterna). (5
/120)

La hipótesis de interés para los tres efectos en el modelo es:

o Factor A: Concentración (%) polvo de hornear

o Factor B. Concentración de yuca (%)

o H0: efecto concentración del polvo de hornear (A) = 0

o HA: efecto concentración del polvo de hornear (A) ≠ 0

o H0: Efecto del factor concentración de Yuca (B) = 0

o HA: Efecto del factor concentración de yuca (B) ≠ 0

o H0: Efecto de la concentración polvo de hornear x Efecto del factor concentración

de Yuca = 0

o HA: Efecto de la concentración polvo de hornear x Efecto del factor concentración

de Yuca ≠ 0

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

ANOVA correspondiente,  = 0.05. (20 /120)
 o Sumatoria de las filas y las columnas

Polvo de hornear (%)

Yuca (%)
Concentración 1 Concentración 2 Concentración 3  Totales
10,21 12,53 14,79 37,53
Concentración 1 10,64 12,50 14,85 37,99 113,97
10,85 12,39 15,21 38,45
10,67 12,26 15,75 38,68
Concentración 2 10,75 12,79 15,63 39,17 118,58
10,82 13,10 16,81 40,73
11,13 13,78 16,57 41,48
Concentración 3 11,56 14,91 16,88 43,35 128,54
11,88 14,53 17,30 43,71
total 98,51 118,79 143,79 361,09

4 4 4
o Paso 1 ∑ ∑ ∑ Yijk
i=1 J=1 K =1

10,21 12,53 14,79

10,64 12,50 14,85
10,85 12,39 15,21
10,67 12,26 15,75
10,75 12,79 15,63
10,82 13,10 16,81
11,13 13,78 16,57
11,56 14,91 16,88
11,88 14,53 17,30

y=361,09

y
ý=
abr

361,09
ý=
27

ý=13,373

o Paso 2
 4 4
y i=∑ ∑ yijk
i =1 k=1

y1 y2 y3
10,21 12,53 14,79
10,64 12,50 14,85
10,85 12,39 15,21
10,67 12,26 15,75
10,75 12,79 15,63
10,82 13,10 16,81
11,13 13,78 16,57
11,56 14,91 16,88
11,88 14,53 17,30
98,51 118,79 143,79

yi
ý i=
ar

98,51
ý 1= =10,94
9

118,79
ý 2= =13,19
9

143,79
ý 3= =15,97
9

o Paso 3
4 4
Y j=∑ ∑ yijk
j=1 k=1

Y1
10,21 12,53 14,79
10,64 12,50 14,85 113,97

10,85 12,39 15,21

Y2
10,67 12,26 15,75
10,75 12,79 15,63 118,58

10,82 13,10 16,81

 Y3
11,13 13,78 16,57
11,56 14,91 16,88 128,54
11,88 14,53 17,30

yi
ý j=
br

113,97
ý 1= =12,66
9

118,58
ý 2= =13,17
9

128,54
ý 3= =14,28
9

o Suma de cuadrados
 A
4
y 2i … y 2 …
sc A=∑ −
i=1 3 n n3 2

SCa=¿ ¿

SCa=114,316

 B
4
y 2i … y 2 …
sc b=∑ − 2
j=1 3n n3

SCb=¿ ¿

SCb=12,323

 AB

S Cab =¿ ¿

S Cab =1,715
  Error
SC E=SC T −SC A −SC B−SC AB

SC E=131,1118296−114,316−12,323−1,715

SC E=2,764296

 Total

SCT =10,212+ 10,642 +10,852 +10,672 +10,752 +10,822+11,13 2 +11,56 2+11,88 2+ 12,262+ 12,392+ 12,502+12,53 2

130385,9881
SCT =4960,2225−
27

SCT =4960,2225−4829,11067

SCT =131,1118296

o Grados de libertad

 A= 2
 B= 2
 AB= 4
 Grados de libertad para el error
32 ( n−1 ) =32 (3−1 )=18

 Grados de libertad para el total

n 3k −1=3∗32−1=26

o Cuadrado medio

 A
SC A
CM A =
2

114,31
CM A =
2
 CM A =¿ 57,15

 B
SC B
CM B=
2

12,32
CM B=
2

CM B=¿ 6,16

 AB

SC AB
CM AB = 2
3 (2)

1,715
CM AB =
18

CM AB =¿0,09527778

 Error
SC E
CM E =
n 3 k −1

2,764296
CM E =
26

CM E =¿0,106319

o F0


A

CM A
F 0A =
CM E
 57 .15
F 0A =
0. 10

F 0 A =571. 5

 B

CM B
F 0 B=
CM E

6 .16
F 0 B=
0 .10

F 0 B =61 .6

 AB

CM AB
F 0 AB =
CM E

0 .09
F 0 B=
0 .10

F 0 B=0 . 9

o Valor –p

P( F>F 0 )

Revisamos la tabla de grados de libertad, puntos críticos  = 0.05. Para hallar el valor

de FTabla

FTabla =( α ;t−1 ;Gl e )

 t: Tratamientos

Gle: Grados de libertad del error

FTabla =( α ;3 ;18 )

FTabla =3,16

Fuente de Suma de Grados de Cuadrados

F0 Valor-p
Variabilidad Cuadrados Libertad Medio
P(5.71.5 >
A 114.31 2 57.15 571.5
3.16)
P(61.6 >
B 12.32 2 6.16 61.6
3.16)
AB 1.72 4 0.09 0.9 P(0.9<3.16)
 Error 2.65 18 0.10
Total 131 26

 Totales para la interacción

4
y i j=∑ yijk
k =1
Polvo de hornear

y1 y2 y3 Yuca
10,21 12,53 14,79
10,64 12,50 14,85 Y1
10,85 12,39 15,21
10,67 12,26 15,75
10,75 12,79 15,63 Y2
10,82 13,10 16,81
11,13 13,78 16,57
11,56 14,91 16,88
11,88 14,53 17,30 Y3
98,51 118,79 143,79
Tabla Anova
 d. Realizar la validación de la ANOVA por medio de un programa estadístico (diferente a Excel), adjuntar pantallazo.
(20 /120)
Análisis de varianza de dos factores con varias muestras por grupo

RESUMEN Concentración 1 Concentración 2 Concentración 3 Total

Concentración 1      
Cuenta 3 3 3 9
Suma 31,7 37,42 44,85 113,97
Promedio 10,56666667 12,47333333 14,95 12,6633333
Varianza 0,106433333 0,005433333 0,0516 3,663725

Concentración 2        
Cuenta 3 3 3 9
Suma 32,24 38,15 48,19 118,58
Promedio 10,74666667 12,71666667 16,06333333 13,1755556
Varianza 0,005633333 0,180433333 0,421733333 5,57045278

Concentración 3        
Cuenta 3 3 3 9
Suma 34,57 43,22 50,75 128,54
Promedio 11,52333333 14,40666667 16,91666667 14,2822222
Varianza 0,141633333 0,330633333 0,134233333 5,61434444

Total        
Cuenta 9 9 9
Suma 98,51 118,79 143,79
Promedio 10,94555556 13,19888889 15,97666667
Varianza 0,257277778 0,960761111 0,881325
 ANÁLISIS DE VARIANZA
Origen de las Suma de cuadrados Grados de libertad Promedio de los F Probabilidad Valor crítico
variaciones cuadrados para F
Polvo de Hornear 12,32365185 2 6,161825926 40,2509617 2,27222E-07 3,55455715
(%)
Yuca (%) 114,3169185 2 57,15845926 373,376818 2,21696E-15 3,55455715
Interacción 1,715725926 4 0,428931481 2,80191373 0,057106385 2,92774417
Dentro del grupo 2,755533333 18 0,153085185

Total 131,1118296 26        
 e. A partir del resultado del valor – P y F0 (2 criterios diferentes), que se puede
concluir con respecto a las hipótesis planteadas. (10 /120)

Se puede concluir lo siguiente con respecto a los resultados del valor-p y F0

o Para el factor A columna concentración polvo de hornear

F0=373,37

F=3,55

F0≥F critico se rechaza la hipótesis de igualdad y se concluye que el efecto del factor
concentración polvo de hornear (%) no afecta la solubilidad en leche.

El valor-p =2,21696E-15 ≥0,05 =3,55

Para el factor B filas concentración de yuca.

F0=40,2509617

F=3,55

F0≥F crítico se rechaza la hipótesis de igualdad y se concluye que el efecto del factor
concentración de yuca (%) no afecta la solubilidad en leche

El valor-p =2,27222E-07 ≤0,05 =3,55

Se rechaza la hipótesis de igualdad y se concluye que el factor de concentración yuca afecta

de manera significativa la variable de respuesta.

Para AB efecto del factor concentración del polvo de hornear por concentración de
yuca.

F0=2,801913725

F=2,93

F0≤F crítico se acepta la hipótesis de igualdad

El valor-p =0,057106385≤0,05 =2,93

Como el valor p es menor que alfa se rechaza la hipótesis

 f. Realice las hipótesis para la comparación de las medias para los tratamientos
de la investigación. (10 /120)

Hipótesis para comprobar las medias del factor A son.

H O : μ A =μ A
1 2

H A : μA ≠ μ A
1 2

H O : μ A =μ A
1 3

H A : μA ≠ μ A
1 3

H O : μ A =μ A
2 3

H A : μA ≠ μ A
2 3

Hipótesis para comprobar las medias del factor B son.

H O : μB =μB
1 2

H A : μ B ≠ μB
1 2

H O : μB =μB
1 3

H A : μ B ≠ μB
1 3

H O : μB =μB
2 3

H A : μ B ≠ μB
2 3

g. Aplique la prueba de Tukey con un alfa de 0.05, para diferencia entre las
medias de los tratamientos. (30/120)

CME
W =q X
√ r

Donde:

q: es igual al valor registrado en la tabla de rango de tukey

CME: Al cuadro medio del error

r: Numero de tratamientos
 0,106319
W =4.76 X
√ 9

W =¿0,5173

h. Describa al menos 4 programas o paquetes estadísticos que son utilizados para

el análisis de diseños experimentales. (10 /120)

o SPSS

SPSS analiza con detenimiento las variables implicadas en la investigación, con el

propósito de construir un modelo único que sea capaz de explicar lo que aconteció, tanto
antes como después del análisis estadístico. De alguna forma, SPSS trata de obtener
información privilegiada a partir de la base de datos.

Todas las características de SPSS abren un amplio campo de investigación que permitirá a
la empresa moderna plantearse cuestiones más generales sobre sus clientes. SPSS es una
tecnología que:

 Automatiza el proceso de descubrimiento del conocimiento.

 Ayuda a centrarse en un área de interés.
 Permite predecir resultados.
 Permite encontrar patrones dentro de un fichero de datos.
 Amplía las capacidades ofrecidas por otras herramientas.

o Statgraphics

Statgraphics es un programa de estadística de fácil manejo y una buena herramienta para la

enseñanza de la estadística en secundaria y para la investigación en educación.

El programa presenta un importante conjunto de novedades, que aumentan sus reconocidas

capacidades en cuanto a potencia de cálculo y gráfica, flexibilidad, racionalidad, facilidad
de uso y relación prestaciones/precio.

o Paquetes estadístico MINITAB

Herramienta estadística de fácil manejo, muy enfocada al control de calidad y seis sigmas.
MINITAB ofrece herramientas precisas y fáciles de usar para aplicaciones estadísticas
generales y muy especialmente para control de calidad. Líder tradicional en la docencia de
la estadística está hoy presente en las más prestigiosas empresas. En los últimos años, la
evolución del software estadístico ha significado un importante ahorro en tiempo, en
precisión y en calidad de representación gráfica. Con 25 años de andadura internacional, el
software estadístico MINITAB es una herramienta compacta, versátil y de fácil manejo.

Usado en más de 2.000 instituciones universitarias y mencionadas en más de 300

publicaciones de estadística, MINITAB es la herramienta predilecta en las industrias de
más de 60 países. La confiabilidad de sus algoritmos estadísticos y la sólida base de la
combinación de potencia y simplicidad de manejo le han hecho merecer la confianza de los
usuarios.

o Paquete estadístico EPI-INFO2002

Epi Info es un paquete de software de dominio público diseñado para médicos e

investigadores en Salud Pública. Permite, de manera fácil, construir bases de datos, entrar
la información y el análisis de los datos. Permite obtener estadísticas epidemiológicas,
mapas y gráficos. La versión Epiinfo2002 es la versión para Windows del programa clásico
Epiinfo
 CONCLUSIÓNES

Se aprendió a desarrollar un diseño factorial para conocer y determinar cada uno de los

resultados y estudiar la relación entre los factores de la variable y sus posibles

combinaciones.

Los diseños factoriales permiten conocer las interacciones de uno o más factores dentro de

cualquier experimento y determinar si dicho experimento tiene buenas características o no o

si es positivo o negativo para el desarrollo del mismo.

 BIBLIOGRAFIA

Guevara Guerrero, B. (2018). Diseño Factorial. [Archivo de video]. Recuperado

de http://hdl.handle.net/10596/20385

Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e Infostat en problemas

de agronomía. Editorial Brujas (pp 259 – 287). Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10890015&ppg=102

Guevara Guerrero, B. (2018). Programa Estadístico - Instalación. [Archivo de video].

Recuperado de http://hdl.handle.net/10596/20387

Guevara Guerrero, B. (2018). Análisis de varianza - ANOVA. [Archivo de video].

Recuperado de http://hdl.handle.net/10596/20383