Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INDIVIDUAL
PRESENTADO POR:
(30156_33)
Hipótesis.
H1: Por lo menos una de las procedencias de la leche causa efecto sobre el tiempo de
deterioro de una de las propiedades características de la leche magra.
H2. Por lo menos una de las cantinas causa efecto sobre el tiempo de deterioro de una
de las propiedades características de la leche magra.
H3. Por lo menos uno de los días causa efecto sobre el tiempo de deterioro de una de las
propiedades características de la leche magra.
Días
Procedencia
1 2 3 4
1 54 50 47 50
2 57 55 61 48
3 48 56 54 56
4 59 42 50 56
N 16
(sumax)^2/
n 44415,56
Sumas de cuadrados
1 2 3 4 TOTAL SUMAS
2916 2500 2209 2500 10125
3249 3025 3721 2304 12299
2304 3136 2916 3136 11492
3481 1764 2500 3136 10881
Total 44797
Análisis de varianza de un
factor
RESUMEN
Grupos Cuenta Suma Promedio Varianza
Columna 1 4 218 54,5 23
Columna 2 4 203 50,75 40,91666667
Columna 3 4 212 53 36,66666667
Columna 4 4 210 52,5 17
ANÁLISIS DE
VARIANZA
Valor
Origen de las Suma de Grados de Promedio de crítico para
variaciones cuadrados libertad los cuadrados F Probabilidad F
Entre grupos 28,6875 3 9,5625 0,33 0,81 3,5
Dentro de los 352,75 12 29,4
grupos
Total 381,4375 15
Teniendo en cuenta que la leche magra es leche desnatada o light que se utiliza para
tomársela, para personas que no pueden consumir grasa menor a 0.5 % o que están a
dieta.
No se tiene respuesta
d) Dibuje los gráficos de las medias para los tratamientos, los lotes y los días. ¿Cuál
tratamiento es el mejor?
El tipo de diseño experimental que siguieron es el cuadro de greco latino, ya que en este
tipo de diseño se tiene un cuarto factor de doble bloque a controlarla. Este diseño se
denomina cuadro de Greco latino (DCGL), en los cuales los noveles del nuevo factor se
denotan con las letras griegas; y los tratamientos con las letras latinas A, B, C, D y E.
(Tomado del módulo de diseño experimental aplicado en la ingeniería de alimentos de
la UNAD pag. 113 y 114).
1
∗ García Leal, J. & Lara Porras, A.M. (1998). “Diseño Estadístico de Experimentos. Análisis de la
Varianza.” Grupo Editorial Universitario.
SUMA DE TODOS LOS DATOS DE LA TABLA
RAZAS/ PESOS
DIETAS W1 W2 W3 W4 W5 TOTAL
а 26 11 12 17 17 83
ƛ 19 17 25 15 14 90
ϵ 13 17 21 14 24 89
ᵦ 17 21 16 16 17 87
θ 17 21 13 22 9 82
Tomado de
https://www.clubensayos.com/Ciencia/Dise%C3%B1o-Experimental/1092163.html
W1 W2 W3 W4 W5
R1 A = 26 B = 17 C = 19 D =17 E =13
R2
B = 17 C =21 D =17 E =11 A =21
R3 C =21 D =12 E =16 A =25 B =13
R4 D = 16 E =15 A =22 B =14 C =17
R5
E =9 A =24 B =17 C =17 D =14
FACTOR DE TRATAMIENTO A
Se consideran:
Cinco razas: R1, R2, R3, R4, R5.
Cinco composiciones nutricionales (para cada dieta): D1, D2, D3, D4,D5
Cuatro Pesos Iniciales: W1,W2, W3, W4, W5.
Factores: Se evalúan dos factores los cuales son: los bloques y los tratamientos
Tratamientos: En este caso se presenta los tratamientos de las letras griegas y los
tratamientos de las letras latinas.
c) Calcule el ANOVA.
Tabla. 2. Incremento de peso de los semovientes por el tiempo del experimento
realizado.
W1 W2 W3 W4 W5
R1 A = 26 B = 17 C = 19 D =17 E =13
R2
B = 17 C =21 D =17 E =11 A =21
R3 C =21 D =12 E =16 A =25 B =13
R4 D = 16 E =15 A =22 B =14 C =17
R5
E =9 A =24 B =17 C =17 D =14
total total
W1 W2 W3 W4 W5
media columna
R1
26 17 19 17 13 18,4 92
R2
17 21 17 11 21 17,4 87
R3
21 12 16 25 13 87 87
R4
16 15 22 14 17 16,8 84
R5
9 24 17 17 14 16,2 81
Total Media
17,8 17,8 18,2 16,8 15,6
Total Fila
89 89 91 84 78 431
A B C D E
Tratamientos
118 78 95 76 64
Factor de corrección
2 2
(Total) (431) 185761
= = =7430
gl=rxt 5 x5 25
( ∑ x i)
2
−FC
r
sctotal=(26)2+(17)2+(21)2+(16)2+(9)2 +(17)2 +(21)2 +(12)2 +(15)2 +(24 )2+(19)2+(17)2+(16)2 +(22)2+(17)2
676+289+441
+256+81+289+441+144+225+576+361+289+256+484+289+289+121+625+196+
289+169+441+169+289+196=7881
sctotal=7881−7430=451
∑ (tratamientos)2 −FC
r
2 2 2 2 2
( 118) +(78) +(95) +(76) +(64) 38905
Scttos= =13924+ 6084+9025+ 5776+4096= =7781−7430
5 5
=351
sctotalcolumnas=7443−7430=13
Scttos 351
Cuadrado medio de los tratamientos = =87.75
gl=4 4
columnas 7443
Cuadrado medio de las columnas = =1860
gl=4 4
filas 7781
Cuadrado medio las filas = =1495
gl=4 4
SEE −7694
Cuadrado medio del error experimental = =1923
gl =4 4
Cmtotal= 87.75+1860+1495+1923=5,365
FV GL Suma de Cuadrado Fc Ft
Grados Libertad Cuadrados Medio (Fcalculada) (Ftabulada)
Ttos (T-1)=5-1=4 351 87,75 0,04
columna (C-1)= 5-1=4 7443 1860 0,96
Fila (F-1)= 5-1=4 7781 1495 0,77
EE (r-1)= 5-1=4 -7694 1923
Total 16 7,881 5365
Scmttos 87.75 Scmttos 1860
Fcalculada 1= = =0,04 Fcalculada 2= = =0,96
CMEE 1923 CMEE 1923
Scmttos 1495
Fcalculada 3= = =0,77
CMEE 1923
RESUMEN
Varianz
Grupos Cuenta Suma Promedio a
Columna 1 5 89 17,8 39,7
Columna 2 5 89 17,8 22,7
Columna 3 5 91 18,2 5,7
Columna 4 5 84 16,8 27,2
Columna 5 5 78 15,6 11,8
ANÁLISIS DE
VARIANZA
Valor
Origen de las Suma de Grados de Promedio de los Probabilida crítico para
variaciones cuadrados libertad cuadrados F d F
Entre grupos 22,16 4 5,54 0,26 0,90 2,87
Dentro de los
grupos 428,4 20 21,42
Total 450,56 24
CONCLUSION
Comparación de medias
La hipótesis nula
H0: m1 - m2 = d0
Generalmente d0=0
Hay 3 situaciones distintas:
Para hacerlo con un paquete estadístico, p.e. el SPSS, deberíamos crear un archivo con 2
variables: Trata (con un código distinto para cada grupo, p.e. 0 para placebo y 1 para
tratado) y Diferencon la diferencia de presión arterial para cada individuo al acabar el
estudio y al empezar. Originalmente en el archivo podría haber una variable con la
presión al empezar y otra al acabar y se crearía la diferencia con la opción: Transformar
---> Calcular. Para calcular la t desplegamos los menús que se ven en la gráfica:
¿Qué nos está diciendo este resultado? Que si el tratamiento fuera igual de eficaz que el
placebo, la probabilidad de haber obtenido una diferencia entre ambos como la que
hemos encontrado o mayor es muy pequeña (<0,000) ¿Bastaría esto para convencernos
de que debemos tratar con este tratamiento?2
e) ¿Consideras que los datos tomados son suficientes? ¿O habría que tomar datos
adicionales?
Si tomaron la decisión correcta puesto que Los diseños en cuadrados latinos son
apropiados cuando es necesario controlar dos fuentes de variabilidad. En dichos diseños
el número de niveles del factor principal tiene que coincidir con el número de niveles de
las dos variables de bloque o factores secundarios y además hay que suponer que no
existe interacción entre ninguna pareja de factores. Supongamos que el número de
niveles de cada uno de los factores es K. El diseño en cuadrado latino utiliza K2
bloques, cada uno de estos bloques corresponde a una de las posibles combinaciones de
niveles de los dos factores de control. En cada bloque se aplica un solo tratamiento de
manera que cada tratamiento debe aparecer con cada uno de los niveles de los dos
factores de control. Si consideramos una tabla de doble entrada donde las filas y las
columnas representan cada uno de los dos factores de bloque y las celdillas los niveles
del factor principal o tratamientos, el requerimiento anterior supone que cada
tratamiento debe aparecer una vez y sólo una en cada fila y en cada columna. García
Leal, J. & Lara Porras, A.M. (1998).
REFERENCIAS BIBLIOGRAFICAS
http://www.ditutor.com/inferencia_estadistica/contraste_hip%C3%B3tesis.html
http://www.monografias.com/trabajos30/prueba-de-hipotesis/prueba-de-
hipotesis.shtml
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4030006/lecciones/
capitulotres/tema5.html
Modulo UNAD
García Leal, J. & Lara Porras, A.M. (1998). “Diseño Estadístico de
Experimentos. Análisis de la Varianza.” Grupo Editorial Universitario. ∗ Lara
Porras, A.M. (2000).