Bg sanasis EVALUACION PARCIAL 2022-01 Alumno: Scducio an Cédigo: Curso: Estadistica It Grupo: IND5-4 Docente: Jestis Enrique Achire Quispe Fecha: 12/05/22 Nota RECOMENDACIONES: Te Desarole examen con lpicero, sl requere poseriormenteslitar una recorsieravon renetue Aue Re boaisliealia ‘i desarrollo la evaluacién con lapiz o tiene modificaciones con corrector liquid. «sl arurrula dos reconsideracioes injustiicadas en eximenes parcial, no podré reconsierar en exémenes finales © Sino cumple con las dsposiciones y normas para los exdmenes parcialesv finales reibird de nota CERO. RECONSIDERACION Deje esta secci6n en blanco hasta el momento de la entrega de los exémenes para que pueda solicitar su reco ‘acuerdo al Reglamento de Estudiantes, considerando lo siguiente: = Art.A2- se aceptard una revsiin de nota cuando haya habido un eror de suma y/o se haya omitido correir la totalidad o parte de sr tespueste, Nose admtrn reclomos sobre citerios de evluacisn ni sobre la rigurosidod deta colficatén. No se aceptaré na aoe patyorocin sie examen ha sido resuelto con 6pi o presenta borrones olteraciones hechos con cualquier tipo de corrector. ‘Ars 43.-No se acepte reconsideracién de reconsideracién. ‘Tan da. En el.caso que un estudlante acumule dos reconsderaciones improcedentes en el exomen porcil, no podrd reclamar en el periodo de exémenes finales siguiente, salvo error de suma, FechadeReconsideracién: /_/ Motive: ErrordeSuma [_] Correccién de Preguntas [_]: Nivel de consumo de marihuana ees Puntos de vista | Nunca Rara vez Con frecuenci: Politicos eral 4a5 (4#A)___| 470 (I6l#)__| 120 (99.2) $35" : Conservador 200 (131) 50_(s.3) [15 (25.2) 265 64s 220 135 j000 4. X: Purite de wale peldlio ch um eiudianls unirecitao - Y + Wired de comme ch mearihuaner co un tudiianl unireuitanie, 2. Ho: el RN ak ll y of nin! b cono.umo do pmasibuamo aon indipyn Be Hoe: Cl pail Coes gly. yh auido Comume ch mawhuuno- ne 40n indypanctinlin 4. &= 0.04 5. Xs SS (he Fe)7/ fe | grade de Uberted = 2 6. * La munhia yy clsaloria. » olan eee opuodar 2m Mayas que cinco, a Re His we r+ (ro- tee 5 (ho. 99.2) 5 qa.2 Gosia" ss ee 2) (Osis: s)> AAC ee 35.3liferentes de combustible de cohete para el empuje tor de cohete. Los cocientes empuje/peso (en “ n varias veces. Los resultados 2. (Apuntes) Se considera dos formulaciones quimicas 4 pico que se proporciona a un disefio particular de un mo eae kilogramos fuerza por gramo) para cada uno de los dos combustibles s son los siguientes: 56.8 | 58.4 | 52.9 | 7.9. Combustible [543 [52.9 [57.9 [582 [534 |5i4 [568 [55.9 [5 CombustibleB [554] 555 [53a [505 [497 [501 ]s24 [saa [54.1 | Esta data fue analizada con RStudio obteniéndose las siguientes salidas: > Combustible_a <- c(54.3,52.9,57.9,58.2,53.4,51.4,56.8,55.9,57.9,56.8,58.4,52.9) > Combustible s <- (55.1,55.5,53.1,50.5,49.7,50.1,52.4,54.4,54.1) > t.test (Combustible a,conbustible 8, alternative="less") Welch Two Sample t-test data: Conbustible_a and Conbustible_s. t= 2.7299, df = 18.29, p-value = 0.9932 alternative hypothesis: true difference in means is less than 0 95 percent confidence interval: -Inf 4.577047 sample estimates mean of x mean of y 55.56667 52. 76667 > t-test (Combustible A, Combustible 8,alternative="greater” Welch Two Sample t-test data: Combustible_A and Combustible_s = 2.7299, df = 18.29, p-value = 0.006806 alternative hypothesis: true difference in means is greater than 0 95 percent confidence interval Re eee 1.022953 inf sample estimates: mean of x mean of y 55.5667 52.76667 > t-test (Combustible A,conbustible_s,alternative="two. sided") Welch Two Sample t-test data: Combustible and Combustible_s t = 2.7299, df = 18.29, p-value ~ 0.01361 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: _0.6475981 4.9524019 sample estimates: mean of x mean of y 55.56667 52.7667 !urada para producir combustible B y eel nte empuje/peso para el combusti tf e le istib| eg, te ula y alternstiva para und prueba til ae “un nivel de 5% que se debe cambiar a1urn oa, A Jigs Media dal tooinds ammelqars so im fmoler 2a ar ten comburbhle A. Ma: Nida dl (ocinl multioo bon ea om Lembuslible B 9. Ho: MaA=As Yo > MA— ie =O ’ ee tla: MAS Me % Ho: Mate 70° YW. &=90.05 t= Zea dn runttader co far prusbas 2 pusden consclenar pmucotnag aleyer 2 indipondinlia, ya gus rs pealqoren tm pmélerer jeurtlin puro om far pminpnar Conduuonar . Z pr me prvelin date, me jstipos de cereal, en clerta regién del sur del 2 i xda uno de tres : : (8 puntos) Se analizaron seis muestras de cada tes verona siguientes nie pais, para determinar el contenido de tiamina en éstos grano: Cereal Contenido de tiamina (en microgramos/gramo) eG : trigo 5.2 45 6.0 6.1 67 ae cebada 65 8 61 aS pe) 2 avena 83 61 78 70 82 we a) Acontinuacién, te mostramos una tabla ANOVA parcialmente completa construida a partir dela data. Complete esta tabla. Fuente de Grados de ‘Suma de Cuadrados F pwaloy variacion libertad cuadrados medios sal Tratamiento 8.843 6.051 (tipo de cereal) z 4.4215 Error 15 10.962 | 0.4308 Total es 19.805 bb) éSugieren los resultados de la tabla ANOVA que por lo menos dos de los granos difieren con respecto al contenido de tiamina promedio verdadero? Realice una prueba con un nivel de significancia de 0.05. Suponga que se cumplen los supuestos del analisis de varianza en este problema, 1 dys Celta main ce Lamina. em ob Inge dha . coilimido padi do Wamina vn to @bada. : Mz. Conlinido ridin ds Xeamina. om Lo arena. Ho: Mea Ate = H3BS se ) feed ~ ¢) Acontinuacién, te mostramos un resumen estadistco obtenido de la data. Construye eas confianza del 95% con el método de Tukey-Kramer e identiique cuales granos difiere ae contenido de tiamina promedio. Asegurese de utilizar el método de subrayar Pare ilustrar conclusiones y escriba un parrafo que resuma sus resultados. {Cereal n 2 7 irae 6 5.747 0.768 \ cebada 6 oye Raa avers 6 7.433 0.836 SM, = BM, 2 OG.) ce SY] NBEMe Ni ole dh nango toca odo , wurde Kae, df-=!5, con wn mint de Cory anges ih. “aye aa Ae 2a Mi- Nar (5.414 = 6.600) + 2.6 [0430876 ° =~ 0.3832 + 1.2%08 (2.164 , 0.378) cerlira of carer. (SG Ht— £433) + 2.64 04308/6 1416 + 4.2908 94, - 0.9352) Wo Conlitre al ane.i bility Analyses of - “ 7 t Interactions and Phenotypic Stal * Ghee ewe alge y Maz Plant Breeding. 2002:66-71) describe un Linseed in Ethiopia” (W. Adguna y M. Labuschagne, en , ‘ estuto en que se compararon [as producciones de semillas de cuatro varledades de tne A cy D. Cada variedad fue cultivada en sels parcelas diferentes. Las cosechas, en kilograms por hectares, se presentan en la tabla adjunta. Parcela Variedad 1 2 3 4a 5 6 A BRO) tar7 ice Isat 1966. 1276. 1200) B 1815 niger Geer les 1566) (l4o4 c 1739 1B 1340 12501473 1617 D y8i2«1313.—=S «0441245 1090S 1280 Esta data fue analizada con RStudio y se obtuvo el modelo aditivo ANOVA con los siguientes resultados: DF Sum Sq Mean Sq F value Pr(>F) variedad 3 89522 29841 1.436 0.271641 parcela 5 1021495 204299 9.832 0.000254 *** Residuals 15 311692 20779 ‘Ademés, se construyeron las siguientes graficas con los residuos del modelo ANOVA anterior. Residuals vs Fitted Residuals 100 200 -200 100 0 1200 1400 1600 1600 Fitted valves aov{cosecha~ variedad + parcela) _ Boxplot for residualsby AL Mes Produecish amadia do ume paralo con mute, DENGes cole ee C= A,B, ¢,d. 2. Hor Ma=Ne = tes Ud 3 Ha: AV puna do ds ron dufeountas. a &=a.sA0 io =. Nstr/ Mst 6. ANo Ae rmenuiona ;paro be mar nugomobl © gus Loy wane warisdedes ds bina funon orrgmidars abelovirwh odo pursla. amyats ¥ belamcrede on uma paplita per mo Woy “whirauion ome lo Faiteus. dk Co oo Vamarrents argeds, pore mo va pruomerte b aruutte do muumobided , Qe purtduen VS. eles joel oo Mlb