Ejercicio 1

Se supone que se puede establecer cierta relación lineal entre las exportaciones de una

AÑOS PRODUCCIÓN EXPORTACIONES

2003 52,654 10,420
2004 53,972 11,841
2005 57,383 14,443
2006 61,829 16,732
2007 65,381 18,760

*------------------------------------------------------------------------------------------------------------------------------------------
Solución
Correlación PRODUCCIÓN
PRODUCCIÓN 1
EXPORTACIONES 0.99377581719181

EXPORTAC
Resumen
1000

Estadísticas de la regresión 500

Residuos

Coeficiente de correlación múltiple 0.99377581719181 0

Coeficiente de determinación R^2 0.987590374835249 10,000 11,000 12
-500
R^2 ajustado 0.983453833113666 -1000
Error típico 686.791983850692
Observaciones 5

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 112613349.112755
Residuos 3 1415049.68724471
Total 4 114028398.8

Coeficientes Error típico

Intercepción 35852.8792656232 1481.30514788436
EXPORTACIONES 1.5507036909508 0.100359641389202
 Valor critico t

Análisis de los residuales

Observación Pronóstico PRODUCCIÓN Residuos

1 52011.2117253306 642.788274669452
2 54214.7616701716 -242.761670171632
3 58249.6926740256 -866.692674025617
4 61799.253422612 29.7465773880103
5 64944.0805078602 436.919492139787
 Ejercicio 1
al entre las exportaciones de una empresa y su producción total. Los datos aparecen en la siguiente tabla:

--------------------------------------------------------------------------------------------------------------------------------------------------------------------*
Solución
EXPORTACIONES
Año 2003 - 2007
1 20,000
18,000
16,000
14,000
Exportaciones

12,000
10,000
8,000
6,000
4,000
2,000
0
52,000 54,000 56,000 58,000 60,000 62,000 64,000 66,000 68,0
Producción

EXPORTACIONES Gráfico de los residuales

1000
500
Residuos

0
10,000 11,000 12,000 13,000 14,000 15,000 16,000 17,000 18,000 19,000 20,000
-500
-1000
EXPORTACIONES

Promedio de los cuadrados F Valor crítico de F

112613349.112755 238.74783365 0.0005889134627
471683.229081569

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

24.203574339041 0.0001545859 31138.705170741 40567.053361 31138.7051707
15.4514670387975 0.0005889135 1.2313145210121 1.8700928609 1.23131452101
2.77644510519779
n en la siguiente tabla:

--------------------------------*

2007

00 62,000 64,000 66,000 68,000

ión

Superior 95.0%
40567.05336051
1.870092860889
 Ejercicio 2
En una fábrica automotriz se han observado, en varios modelos de automóviles, los datos de potencia
segundos necesarios para acelerar de 0 a 100 Km./h. La tabla a

X Y
50 15
75 12
90 10.5
100 10
120 9
150 8
*------------------------------------------------------------------------------------------------------------------------------------------------
Solución
Correlación X
X 1
Y -0.954366170670134

Resumen X Gráfico de
1.5
Estadísticas de la regresión 1
Residuos

Coeficiente de correlación múltiple 0.954366170670134 0.5

Coeficiente de determinación R^2 0.910814787719575 0
R^2 ajustado 0.888518484649469 -0.5 40 60 80
Error típico 0.829697750563136 -1
Observaciones 6

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 28.1214065708419
Residuos 4 2.75359342915811
Total 5 30.875
 Coeficientes Error típico
Intercepción 17.3767967145791 1.090750688806
X -0.067967145790555 0.0106340923008
Valor critico t

Análisis de los residuales

Observación Pronóstico Y Residuos

1 13.9784394250513 1.02156057494866
2 12.2792607802875 -0.279260780287476
3 11.2597535934292 -0.75975359342916
4 10.5800821355236 -0.580082135523615
5 9.22073921971253 -0.220739219712527
6 7.18172484599589 0.818275154004105
 Ejercicio 2
delos de automóviles, los datos de potencia del motor (X), en caballos, y la aceleración (Y), medida en el número de
para acelerar de 0 a 100 Km./h. La tabla adjunta refleja los valores obtenidos.

---------------------------------------------------------------------------------------------------------------------------------------------------------------------*
Solución
Y
Fábrica automotriz
1 16
14
12
Aceleración

10
8
6
4
2
0
40 60 80 100 120 140 160
Potencia del motor

X Gráfico de los residuales

1.5
1
Residuos

0.5
0
-0.5 40 60 80 100 120 140 160
-1
X

Promedio de los cuadrados F Valor crítico de F

28.1214065708419 40.850484713 0.0030761545676
0.688398357289528
Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
15.9310435399318 9.075107E-05 14.348387303653 20.405206126 14.3483873037
-6.39143839154387 0.0030761546 -0.0974921193073 -0.0384421723 -0.0974921193
2.57058183563631
ón (Y), medida en el número de

---------------------------------*

omotriz

100 120 140 160

del motor
 Superior 95.0%
20.40520612551
-0.03844217227
 Ejercicio 3
En un nuevo proceso artesanal de fabricación de cierto artículo que está implantado, se consideró que
minutos) que se utiliza para realizar una pieza (variable Y) y el número de días desde que empezó dicho
operarios van adaptándose al nuevo proceso, mejorando paulatinamente su ritmo de producción confor
que aparecen en la tabla adjunta, se decide explicar el tiempo de fabricación en función d

X Y
10 35
20 28
30 23
40 20
50 18
60 15
70 13
*------------------------------------------------------------------------------------------------------------------------------------------------
Solución
Correlación X
X 1
Y -0.972336414464608

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.972336414464608
Coeficiente de determinación R^2 0.945438102893891
R^2 ajustado 0.934525723472669
Error típico 1.96940890334421
Observaciones 7

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 336.035714285714
Residuos 5 19.3928571428571
Total 6 355.428571428571

Coeficientes Error típico

Intercepción 35.5714285714286 1.66445431396158
X -0.346428571428572 0.0372183299146086
Valor critico t

Análisis de los residuales

Observación Pronóstico Y Residuos

1 32.1071428571429 2.89285714285714
2 28.6428571428571 -0.642857142857146
3 25.1785714285714 -2.17857142857143
4 21.7142857142857 -1.71428571428572
5 18.25 -0.249999999999996
6 14.7857142857143 0.214285714285719
7 11.3214285714286 1.67857142857143
 Ejercicio 3
ículo que está implantado, se consideró que era importante ir anotando periódicamente el tiempo medio (medido en
número de días desde que empezó dicho proceso de fabricación (variable X). Con ello, se pretende analizar cómo
ulatinamente su ritmo de producción conforme van adquiriendo más experiencia en él. A partir de las cifras recogida
xplicar el tiempo de fabricación en función del número de días que se lleva trabajando con ese método.

---------------------------------------------------------------------------------------------------------------------------------------------------------------------*
Solución
Y
Proceso artesanal de fabricación
1 40
35
30
25
Tiempo

20
15
10
5
0
0 10 20 30 40 50 60 70 80
Número de días

X Gráfico de los residuales

4
3
2
Residuos

1
0
-1 0 10 20 30 40 50 60 70 80
-2
-3
X

Promedio de los cuadrados F Valor crítico de F

 336.035714285714 86.639042357 0.0002408564612
3.87857142857142

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

21.3712255560592 4.15932E-06 31.292812545713 39.850044597 31.2928125457
-9.30800958085425 0.0002408565 -0.4421013342598 -0.2507558086 -0.4421013343
2.44691185114497
nte el tiempo medio (medido en
ello, se pretende analizar cómo los
él. A partir de las cifras recogidas,
o con ese método.

---------------------------------*

fabricación

50 60 70 80
días
 Superior 95.0%
39.85004459714
-0.2507558086
 Ejercicio 4
La empresa COLOBONA S. A .L. ha trabajado hasta ahora con la hipótesis de que las ventas de un pe
período anterior. En este momento, le solicitan a usted la realización de un análisis que ponga de manifie
función de los datos que le sumini

AÑOS GASTOS VENTAS

2002 21 17
2003 22 19
2004 25 20
2005 26 22
2006 27 23
2007 29 24
2008 30 26
*-----------------------------------------------------------------------------------------------------------------------------------------------
Solución
Correlación GASTOS
GASTOS 1
VENTAS 0.980126399854235

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.980126399854235
Coeficiente de determinación R^2 0.960647759691223
R^2 ajustado 0.952777311629468
Error típico 0.67397128138786
Observaciones 7

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 55.4430992736077
Residuos 5 2.27118644067797
Total 6 57.7142857142857

Coeficientes Error típico

Intercepción -1.74576271186441 2.12585890173708
GASTOS 0.906779661016949 0.0820766102562932
Valor critico t

Análisis de los residuales

Observación Pronóstico VENTAS Residuos

1 17.2966101694915 -0.296610169491526
2 18.2033898305085 0.796610169491526
3 20.9237288135593 -0.923728813559322
4 21.8305084745763 0.16949152542373
5 22.7372881355932 0.262711864406782
6 24.5508474576271 -0.550847457627118
7 25.4576271186441 0.542372881355934
 Ejercicio 4
con la hipótesis de que las ventas de un período dependen linealmente de los gastos de publicidad efectuados en el
zación de un análisis que ponga de manifiesto si la hipótesis, hasta ahora mantenida, se puede seguir sosteniendo e
función de los datos que le suministran.

--------------------------------------------------------------------------------------------------------------------------------------------------------------------*
Solución
VENTAS
Empresa COLOBONAS S.A.L
1 30

25

20
Ventas

15

10

0
20 22 24 26 28 30 32
Gastos

GASTOS Gráfico de los residuales

1
0.5
Residuos

0
-0.5 20 22 24 26 28 30 32
-1
-1.5
GASTOS

Promedio de los cuadrados F Valor crítico de F

55.4430992736077 122.0575693 0.0001058048837
0.454237288135593

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

-0.821203472364939 0.4488991967 -7.2104569897955 3.7189315661 -7.2104569898
11.0479667494239 0.0001058049 0.6957950175615 1.1177643045 0.69579501756
2.44691185114497
s de publicidad efectuados en el
a, se puede seguir sosteniendo en

--------------------------------*

NAS S.A.L

28 30 32
s
 Superior 95.0%
3.718931566067
1.117764304472
 Ejercicio 5
Los datos de la tabla adjunta muestran el tiempo en horas de impresión de trabajos que se han impreso e
entre la variable de interés “tiempo de impresión de un trabajo” y la variable

TIEMPO HOJAS
1 600
2 900
3 1400
4 1800
5 2500
6 3200
7 3400
8 4500
*------------------------------------------------------------------------------------------------------------------------------------------------
Solución
Correlación TIEMPO
TIEMPO 1
HOJAS 0.989474645118089

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.989474645118089
Coeficiente de determinación R^2 0.979060073331567
R^2 ajustado 0.975570085553495
Error típico 211.429375802846
Observaciones 8

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 12540535.7142857
Residuos 6 268214.285714286
Total 7 12808750

Coeficientes Error típico

Intercepción -171.428571428571 164.744442372169
TIEMPO 546.428571428571 32.6242609667732
Valor critico t

Análisis de los residuales

Observación Pronóstico HOJAS Residuos

1 375 225
2 921.428571428572 -21.4285714285716
3 1467.85714285714 -67.8571428571429
4 2014.28571428571 -214.285714285714
5 2560.71428571429 -60.7142857142858
6 3107.14285714286 92.8571428571431
7 3653.57142857143 -253.571428571428
8 4200 300
 Ejercicio 5
impresión de trabajos que se han impreso en una impresora Láser. Se está interesado en estudiar la relación existe
mpo de impresión de un trabajo” y la variable explicativa “número de páginas del trabajo”.

---------------------------------------------------------------------------------------------------------------------------------------------------------------------*
Solución IMPRESIONES
HOJAS 5000
4500
1 4000
3500
3000
Axis Title2500 HOJAS
2000
1500
1000
500
0
0 1 2 3 4 5 6 7 8 9
Axis Title

Chart Title
400
300
200
100 Column C
Axis Title
0
-100 0 1 2 3 4 5 6 7 8 9
-200
-300
Axis Title

Promedio de los cuadrados F Valor crítico de F

12540535.7142857 280.53395473 2.8921152493E-06
44702.380952381
Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
-1.04057271347158 0.3381765218 -574.5436998793 231.68655702 -574.54369988
16.7491478806246 2.8921152E-06 466.59988063413 626.25726222 466.599880634
2.36462425159278
do en estudiar la relación existente
ajo”.

---------------------------------*
ES

HOJAS

6 7 8 9
 Superior 95.0%
231.6865570222
626.257262223
 Un gerente de recursos humanos desea determinar el salario que debe pagar a cierta categoría de obr
Producción Anual en la Empresa (en millones) y Nivel de espe

SALARIO (Y) PRODUC (X1) ESPEC (X2)

123.4 300.5 4.3
135.7 325.9 5.5
115.9 298.6 7.8
100.6 200.9 4.9
98.7 300.4 4.3
150.4 359.8 8.5
124.6 279.6 6.4
110 215.6 5.6
138.6 250 5.3
123.4 300 5
*-----------------------------------------------------------------------------------------------------------------------------------------

Correlación SALARIO (Y)

SALARIO (Y) 1
PRODUC (X1) 0.597778909025758
ESPEC (X2) 0.509092578558595

PRODUC (X1) G
Resumen 30
20
Estadísticas de la regresión 10
Residuos

Coeficiente de correlación múltiple 0.661220959194513 0

-10180 200 220 240
Coeficiente de determinación R^2 0.437213156878112 -20
R^2 ajustado 0.276416915986143 -30
Error típico 14.0702098144236
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 1076.58537044668
Residuos 7 1385.79562955332
Total 9 2462.381

Coeficientes Error típico

Intercepción 56.2208285328286 28.9087132742149
PRODUC (X1) 0.158487066158852 0.106502680495054
ESPEC (X2) 3.65220979611383 3.66418352864224
Valor critico t

Análisis de los residuales

Observación Pronóstico SALARIO (Y) Residuos

1 119.550694036853 3.8493059631469
2 127.958917272625 7.74108272737547
3 132.03230289755 -16.1323028975497
4 105.9567081251 -5.35670812509976
5 119.534845330237 -20.8348453302372
6 144.288258203751 6.11174179624891
7 123.907954925972 0.692045074027845
8 110.843014854915 -0.843014854914543
9 115.199306991945 23.4006930080551
10 122.027997361053 1.37200263894665
 Ejercicio 6
pagar a cierta categoría de obreros. Para determinar dicho salario se realiza un estudio en el que intervienen las vari
(en millones) y Nivel de especialización Media del Trabajador (de 0 a 10). El gerente obtiene esta serie de resultado

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Solución
PRODUC (X1) ESPEC (X2)

1
0.423306108136924 1

PRODUC (X1) Gráfico de los residuales ESPEC (X2) Gráfi

30 30
20 20
10
Residuos

10
0 0
10180 200 220 240 260 280 300 320 340 360 380 -10 4 4.5 5 5.5
20 -20
30 -30
PRODUC (X1)

Promedio de los cuadrados F Valor crítico de F

538.292685223341 2.7190508587316 0.133722280880942
197.970804221903

Estadístico t Probabilidad Inferior 95% Superior 95%

1.94477104530884 0.0928801245026 -12.1374159577223 124.57907302338
1.48810401223857 0.1803258025863 -0.093351754999391 0.4103258873171
0.996732223581376 0.3520939836766 -5.01220743800043 12.3166270302281
2.26215716279821
 udio en el que intervienen las variables Salario Mensual (en miles), Nivel de
nte obtiene esta serie de resultados:

-----------------------------------------------------------------------------------------------*

ESPEC (X2) Gráfico de los residuales

30
20
10
Residuos

0
-10 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9
-20
-30
ESPEC (X2)

Inferior 95.0% Superior 95.0%

-12.137415957722 124.57907302338
-0.0933517549994 0.410325887317095
-5.0122074380004 12.3166270302281
 Ejercic
Cierta empresa ha hecho un pronóstico de producción (miles) para los próximos años considerando que é
cálculos aparecen en

PROD (Y) PRECIO (X1) INGRESOS (X2)

10 5 50
11 5.5 57.8
11.5 6 69.3
12 5 60
12.5 5.5 68.7
13 5.5 71.8
14 5 70
15 5 75
*----------------------------------------------------------------------------------------------------------------------------------------------
Soluc
Correlación PROD (Y)
PROD (Y) 1
PRECIO (X1) -0.281458317141115
INGRESOS (X2) 0.85926892393054

Resumen PRECIO (X1) Gráfico de lo

0.6
Estadísticas de la regresión 0.4
Coeficiente de correlación múltiple 0.99150225253406
Residuos

0.2
Coeficiente de determinación R^2 0.983076716780115 0
R^2 ajustado 0.976307403492161 -0.2 4.8 5 5.2 5.4 5
Error típico 0.249385376141179 -0.4
Observaciones 8 PRECIO (X1)

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 18.0640346708346
Residuos 5 0.310965329165388
Total 7 18.375

Coeficientes Error típico

Intercepción 11.9559512880385 1.41405302649617
PRECIO (X1) -2.21519632564598 0.260508982600286
INGRESOS (X2) 0.186563784033001 0.0114165416157673
Valor critico t
Análisis de los residuales

Observación Pronóstico PROD (Y) Residuos

1 10.2081588614586 -0.208158861458628
2 10.555758214093 0.444241785906952
3 11.5936435676496 -0.0936435676495684
4 12.0737967017886 -0.0737967017886394
5 12.5893034600528 -0.0893034600527596
6 13.1676511905551 -0.167651190555061
7 13.9394345421187 0.060565457881351
8 14.8722534622837 0.127746537716346
 Ejercicio 7
ra los próximos años considerando que éste dependerá del precio de venta (pesos) y los ingresos (miles). Los datos
cálculos aparecen en la siguiente tabla:

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Solución
PRECIO (X1) INGRESOS (X2)

1
0.232408485545631 1

PRECIO (X1) Gráfico de los residuales INGRESOS (X2) Gráfico de

0.6 les
0.4 0.5
Residuos

0.2
Residuos

0 0
-0.2 4.8 5 5.2 5.4 5.6 5.8 6 6.2 45 50 55 60 6
-0.4 -0.5
PRECIO (X1) INGRESOS (X2)

Promedio de los cuadrados F Valor crítico de F

9.03201733541731 145.2254719145 3.7257315254E-05
0.0621930658330776

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

8.45509401982167 0.000379952888 8.3210122635009 15.590890313 8.3210122635
-8.50333951457205 0.000369883067 -2.8848559843384 -1.545536667 -2.8848559843
16.3415323406994 1.56520574E-05 0.1572166295297 0.2159109385 0.15721662953
2.36462425159278
los ingresos (miles). Los datos correspondientes a dichos

------------------------------------------------------------------*

RESOS (X2) Gráfico de los residua-

les

50 55 60 65 70 75 80

INGRESOS (X2)

Superior 95.0%
15.59089031258
-1.54553666695
0.215910938536
 Ejerci
Un analista de una fábrica automotriz desarrolló un modelo estadístico para pronosticar el tiempo de ent
de equipo opcional, el tiempo de entrega y la distancia (miles km) hasta el distribuidor. Seleccion

TIEMPO (Y) EQ. OP (X1) DISTANCIA (X2)

25 3 7.5
32 4 13.3
26 4 4.7
38 7 14.6
34 7 8.4
41 8 12.6
39 9 6.2
46 11 16.4
44 12 9.7
51 12 17.2
53 14 10.6
58 16 11.3
61 17 9
64 20 12.3
66 23 8.2
70 25 11.5
*-------------------------------------------------------------------------------------------------------------------------
Solu
Correlación TIEMPO (Y)
TIEMPO (Y) 1
EQ. OP (X1) 0.978544701314644
DISTANCIA (X2) 0.240338338244934

Resumen EQ. OP (X1) Gráfico de lo

6
Estadísticas de la regresión 4
Coeficiente de correlación múltiple 0.988201079288539 2
Residuos

Coeficiente de determinación R^2 0.976541373107034 0

-2 0 5 10 15
R^2 ajustado 0.972932353585039
-4
Error típico 2.34869886093747 -6
Observaciones 16 EQ. OP (X1)

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 2985.2869775882
Residuos 13 71.7130224117966
Total 15 3057

Coeficientes Error típico

Intercepción 16.1956682056687 2.15070209741728
EQ. OP (X1) 2.0377858467516 0.0903093389289717
DISTANCIA (X2) 0.56261917079535 0.173425478794926
Valor critico t

Análisis de los residuales

Observación Pronóstico TIEMPO (Y) Residuos

1 26.5286695268886 -1.52866952688864
2 31.8296465642533 0.170353435746726
3 26.9911216954133 -0.991121695413259
4 38.674409026542 -0.67440902654203
5 35.1861701676109 -1.18617016761086
6 39.5869565317029 1.41304346829707
7 38.0239796853643 0.976020314635719
8 47.8382669209801 -1.83826692098006
9 46.1065043234028 -2.10650432340282
10 50.326148104368 0.673851895632055
11 50.6884332706218 2.31156672937816
12 55.1578383836818 2.84216161631822
13 55.9016001376041 5.09839986239592
14 63.8716009414835 0.128399058516472
15 67.6782198814774 -1.6782198814774
16 73.6104348386053 -3.61043483860527
 Ejercicio 8
ístico para pronosticar el tiempo de entrega de automóviles nuevos pedidos con equipo opcional. Él cree que hay un
miles km) hasta el distribuidor. Seleccionada una muestra aleatoria de 16 automóviles, los resultados se presentan en

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Solución
EQ. OP (X1) DISTANCIA (X2)

1
0.105563062761275 1

EQ. OP (X1) Gráfico de los residuales DISTANCIA (X2) Gráfico de

6 les
4
10
2
Residuos

Residuos

0 5
-2 0 5 10 15 20 25 30 0
-4 4 6 8 10 12
-6 -5
EQ. OP (X1) DISTANCIA (X2)

Promedio de los cuadrados F Valor crítico de F

1492.6434887941 270.58356629983 2.5525062924E-11
5.51638633936897
Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
7.53040982529272 4.30869278E-06 11.54935880502 20.841977606 11.549358805
22.5645085095166 8.246834078E-12 1.8426843815436 2.232887312 1.84268438154
3.24415521124576 0.0063998266105 0.1879562021747 0.9372821394 0.18795620217
2.13144954555977
o opcional. Él cree que hay una relación entre el número
os resultados se presentan en la tabla siguiente:

----------------------------------------------*

NCIA (X2) Gráfico de los residua-

les

6 8 10 12 14 16 18

DISTANCIA (X2)
 Superior 95.0%
20.84197760632
2.23288731196
0.937282139416
 Ejercicio 9
Los miembros de un equipo ciclista se dividen al azar en tres grupos que entrenan con métodos difere
pausado, el segundo grupo realiza series cortas de alta intensidad y el tercero trabaja en el gimnasio co
Después de un mes de entrenamiento se realiza un test de rendimiento consistente en un recorrido cron
siguientes:

Método 1 Método 2 Método 3

15 14 13
16 13 12
14 15 11
15 16 14
17 14 11
*---------------------------------------------------------------------------------------------------------------------------------------------------
Solución
Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio
Método 1 5 77 15.4
Método 2 5 72 14.4
Método 3 5 61 12.2

ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de los cuadrados
Entre grupos 26.8 2 13.4
Dentro de los grupos 17.2 12 1.43333333333333

Total 44 14
9
con métodos diferentes. El primer grupo realiza largos recorridos a ritmo
ja en el gimnasio con pesas y se ejercita en el pedaleo de alta frecuencia.
en un recorrido cronometrado de 9 Km. Los tiempos empleados fueron los
:

----------------------------------------------------------------------------------------------------*

Varianza
1.3
1.3
1.7

F Probabilidad Valor crítico para F

9.3488372093 0.0035682446 3.88529383465239
 Ejercicio 10
Una lista de palabras sin sentido se presenta en el monitor de una computadora con cuatro procedimient
Posteriormente se les realiza una prueba de recuerdo de dichas palabras, obtenié

Proc. 1 Proc. 2 Proc. 3 Proc. 4

5 9 8 1
7 11 6 3
6 8 9 4
3 7 5 5
9 7 7 1
7 4 4
4 4
2
*---------------------------------------------------------------------------------------------------------------------------------------------------
Solución
Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio
Proc. 1 8 43 5.375
Proc. 2 5 42 8.4
Proc. 3 7 43 6.14285714285714
Proc. 4 6 18 3

ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de los cuadrados
Entre grupos 82.2217032967033 3 27.4072344322344
Dentro de los grupos 85.9321428571429 22 3.90600649350649

Total 168.153846153846 25
10
cuatro procedimientos diferentes, asignados al azar a un grupo de sujetos.
as palabras, obteniéndose los siguientes resultados:

----------------------------------------------------------------------------------------------------*

Varianza
5.4107142857
2.8
3.8095238095
2.8

F Probabilidad Valor crítico para F

7.0166894187 0.0017496576 3.04912498865241