se rechaza H0 y se acepta que al menos un par de tipos de cuero

tienen un desgaste promedio diferente

Nos indica cuantos modelos se trabajaran y en este caso serán 4
(A,B,C,D)
 En análisis de varianza nos ayuda a tomar la decisión si existe
diferencia o no, que es determinado por el Valor p si es menor o
igual que el nivel de significancia

Se muestra el análisis de varianza para este ejemplo. Como el valor-p = 0.0000 es

menor que la significancia prefijada a = 0.05, se rechaza H0 y se acepta que al
menos un par de tipos de cuero tienen un desgaste promedio diferente
 Resultados clave: S, R-cuad., R-cuad. (pred)
En estos resultados, el factor explica un 77.34 % de la
variación en la respuesta. S indica que la desviación
estándar entre los puntos de datos y los valores
ajustados es de aproximadamente 7.39 unidades
N: número de datos de cada método
Media: es la suma de los datos dividido entre la cantidad
de datos
Desv. Est.: La desviación estándar es la medida de
dispersión más común, que indica qué tan dispersos
están los datos con respecto a la media. Mientras mayor
sea la desviación estándar, mayor será la dispersión de
los datos.
IC de 95%: significa que el intervalo de confianza abarca
el valor verdadero en 95 de 100 estudios desarrollados.
 Si tenemos 2 letras compartidas en el mismo renglón
indica que NO son significativamente diferentes, es
decir, que son iguales.

El método de ensamble de Tukey compara todos lo grupos contra

todos en los cuales se determinaran si son significativamente
diferentes o iguales, dependiendo si comparten los mismo
intervalos

El grupo que más se aleje del 0 es el primero en ser escogido

por tener la mayor media de todos

El método de Tukey en forma grafica esta diciendo que si un

intervalo no tiene 0 las medias correspondientes son
significativamente diferentes.

El método nos esta indicando que existen 2 grupos iguales que

pasan por sus intervalo y que tocan por el 0
 Aquí en el método de Fisher es un método mas exacto.
mas sensible. Aquí se estudia los variables entre 2
cualitativas. Y si las medias no comparten una letra son
significativamente diferentes

Como podemos observar, llegamos a las mismas conclusiones

con este método, tenemos que existen 2 tipos de cuero con
resistencia al desgaste muy parecida, 1 tipo de cuero que es muy
diferente su resistencia al desgaste que la de los demás. El que
resiste mas el desgaste es el segundo tipo de cuero y el que
menos resiste el desgaste es el primer tipo de cuero.
Si somos observadores, podremos notar que es exactamente las
misma que la del método de Tukey, nos indica que si los
intervalos están fuera del 0, las comparaciones de los tipos de
cuero son significativamente diferentes, de caso contrario no
serán significativamente diferentes.
Como sabemos, este método toma un grupo para compararlo
con los demás, aquí podemos notar que minitab tomó el primero
tipo de cuero para compáralo con los demás, concluimos que el
primer tipo de cuero es significativamente diferente con
respecto a todos los demás y que es el que menos resistencia
tiene al desgaste.
Ya que el método de Dunnet solo compara un método con los
demás, en el grafico tenemos solamente los intervalos con las
medias muestrales de la comparación del primer tipo de cuero
con los otros tres y comprobamos la idea de que el primer tipo
de cuero es significativamente diferente a los demás.
 El mejor método de ensamble parece ser el B, ya que
estadísticamente sus tiempos son menores que los de los
métodos A y C. Le sigue el método D, ya que éste es
mejor que el C

Concluimos que el tipo de cuero que mas se desgasta es el

primero, el que menos se desgasta es el segundo, el método con
una diferencia significativa a los demás es el primero y los mas
parecidos son el tercero y el cuarto.
 A partir de aquí podemos notar un punto especial en el cuero de
tipo 3, ya que efectivamente, esta gráfica nos permite visualizar
si un punto está muy alejado de su media o que tan lejos está de
lso demás puntos, y existe uno mucho mas alto que la mayoría
de ste tercer tipo de cuero. Llegados a este punto y analizando
podemos concluir que puede ser un punto atípico o especial ya
que se aleja demasiado de nuestra media y puede crear conflicto
con los cálculos y probablemente hacer que tenga una media
errónea haciendo que tenga un rendimiento aparente peor al que
realmente tendría.

Esta gráfica muestra cada punto de los datos de cada

grupo, de manera que usted pueda ver los valores
atípicos y la forma de la distribución.

Utilice una gráfica de caja para evaluar y comparar las
características de la distribución, como la mediana, el
rango y la simetría, así como para identificar valores
atípicos.
Si el tamaño de la muestra es demasiado pequeño, los
cuartiles y los valores atípicos que la gráfica de caja Cuando se rechaza H0 mediante el ANOVA, y se
muestra pueden no ser significativos.
Se observa que el método C parece diferente a los
métodos A y B en cuanto a sus medias; la media del
método D también se ve diferente a la media del
método A. Por otra parte, se observa un poco más de
variabilidad en el método C que en todos los demás.
Lo que sigue es verificar que lo que se observa en el
diagrama de caja implica diferencias significativas
entre los distintos tratamientos; por lo tanto, es
necesario hacer pruebas estadísticas porque los
datos que se analizan en los diagramas de cajas son
muestras. Cuando los diagramas no se traslapan es
probable que los tratamientos correspondientes sean
diferentes entre sí, y la probabilidad es mayor en la
medida que los diagramas están basados en más
datos. Cuando se traslapan un poco puede ser que
haya o no diferencias significativas, y en cualquier
caso es conveniente utilizar una prueba estadística
para determinar cuáles diferencias son significativas.
concluye que no hay igualdad entre las medias
poblacionales de los tratamientos
 Nos indica que la mayoría de puntos siguen la misma tendencia,
con una media parecida aunque hay un punto muy alejado,
incluso cuando es parte de la muestra podría ser tomado como
un punto atípico pero como es aleatoria veremos en que tipo de
cuero es para sacar más conclusiones.

Este gráfico nos muestra que los puntos tienen unos residuos
muy parecidos no muy alejados entre sí, en cuero tipo 3 tiene un
punto muy alejado de la media general haciendo que su valor
máximo aumente mucho más de lo necesario y posiblemente
causando problemas en el análisis del cuero de tipo 3.

Fácilmente se puede ver que la mayoría de los desgastes

medidos no tienen un residuo muy alto, obedecen
bastante el punto medio que es el 0, pero de nuevo
vemos un punto alejado con una diferencia
problemática alterando nuestro histograma, hay un
punto del cuero tipo 1 que esta alejado en negativo pero
no representa ningún inconveniente.
Aquí se representa mejor la variación que tienen,
dándonos a entender que si dividimos en bloques
de 6 para cada tipo de cuero, descubrimos que el
más estándar es el cuero 4, el más variante o
impreciso es el cuero tipo 3 y seguido de el él
cuero tipo 1 con un punto un poco fuera de los
normal.
La tendencia podría inclinarse por un extremo de este rango e incluso
salirse de éste, de acuerdo con las siguientes consideraciones:

• A menor diferencia que se espera en los tratamientos, mayor será la

cantidad de réplicas si se quieren detectar diferencias significativas, y
viceversa, es decir, si se esperan grandes diferencias quizá con pocas
réplicas sea suficiente.

• Si se espera mucha variación dentro de cada tratamiento, debido a la

variación de fuentes no controladas como métodos de medición, medio
ambiente, materia prima, etc., entonces se necesitarán más réplicas.

• Si son varios tratamientos (cuatro o más), entonces éste es un punto

favorable para reducir el número de réplicas.

Además de lo anterior, es preciso considerar los costos y el tiempo global

del experimento. De aquí que si se toman en cuenta las consideraciones
antes expuestas se podrá establecer el tamaño de muestra