Regresin Lineal Simple

Ejemplo 1
Un estudio de la cantidad de precipitacin pluvial y la cantidad de contaminacin eliminada del
aire produce los datos siguientes:
Precipitacion pluvial diaria, x (0.01 cm)
Rxi
Xi
Xi2
3
4.3
18.49
4
4.5
20.25
7
5.9
34.81
6
5.6
31.36
8
6.1
37.21
5
5.2
27.04
2
3.8
14.44
1
2.1
4.41
9
7.5
56.25

Particulas eliminadas Y (mcg/m cubico)

Yi2
Yi
Xi Yi
15876
126
541.8
14641
121
544.5
13456
116
684.4
13924
118
660.4
12996
114
695.4
13924
118
613.6
17424
132
501.6
19881
141
296.1
11664
108
810
5293.8

Diagrama de Flujo
160
140
120
100
80
60
40
20
0
0

Recta poblacional

= a + bx

= -6.323887

= 153.175490

= a + bx = 153.17549 6.323887 x
Comprobacin.
x= 2

y= 140.52

x= 10

y= 89.93

Grafica de la mejor estimacin

160

125.98
124.72
115.86
117.66
114.60
120.29
129.14
139.89
105.75
1093.89

140
120
100
yi

Xi
4.3
4.5
5.9
5.6
6.1
5.2
3.8
2.1
7.5
45

80

Y-Values

60

Linear (Y-Values)

40
20
0
0

4
xi

Error estndar de la mejor estimacin

Y
126
121
116
118
114
118
132
141
108
1094

125.98
124.72
115.86
117.66
114.60
120.29
129.14
139.89
105.75
1093.89

(Y- )2
4x10-4
13.83
0.0196
0.1156
0.36
5.2441
8.1796
1.11
5.0625
33.9218

Coeficiente de correlacin de pearson

= 54958.5

Coeficiente de correlacin de Spearman

Xi
4.3
4.5
5.9
5.6
6.1
5.2
3.8
2.1
3.5

Yi
126
121
116
118
114
118
132
141
108

Rxi
3
4
7
6
8
5
2
1
9

Ryi
7
6
3
4.5
2
4.5
8
9
1

di2

di
-4
-2
4
1.5
6
0.5
-6
-8
8

16
4
16
2.25
36
0.25
36
64
64
238.5

Intervalos de confianza

/2 = 0.025

v= n-2

= 11.87

v=7

0.025

2.365

t/2= 2.365

Intervalos de confianza para

0=a + bx0
0= 153.175 + (-6.323)(2.1)
0= 139.8967

Intervalos de prediccin

Prueba de hiptesis para la pendiente

Planteamiento

Formula

Ho: = 1

Hi: < 1

= 7.09

= 0.05
Tabla de distribucin t

0.05

1.895

Grafica

Ho: 1.895

Hi: 7.09

Prueba de hiptesis sobre la pendiente

Planteamiento

Formula

Ho: = 1

Hi: 1

=17357.39

= 0.05
Tabla

0.025

2.365

Grafica

Ho: 2.364

Hi: 17357

Ho: 2.364

Hi: 17357

Ejemplo 2.
En un grupo de 8 pacientes se miden las cantidades antropomtricas peso y edad, obtenindose
los siguientes resultados:

X=edad
Y=peso

12
58

8
42

Resultado de las mediciones

11
7
7
54
40
39

10
51

10
49

14
56

Mtodo de mnimos cuadrados:

Formulas

Paciente
1
2
3
4
5
6
7
8

12
8
10
11
7
7
10
14

58
42
51
54
40
39
49
56

696
336
510
594
280
273
490
784

Sustitucin

144
64
100
121
49
49
100
196

3364
1764
2601
2916
1600
1521
2401
3136

Grafica de dispersion
70
60
50
Y

40
30
20
10
0
0

10

12

Mejor estimacin de la recta:

Grafica

y vector

Diagrama de flujo
70
60
50
40
30
20
10
0
7
Valor mnimo y mximo de X

14

14

16

Error estndar de la mejor estimacin

Formula

Paciente
1
2
3
4
5
6
7
8

12
8
10
11
7
7
10
14

58
42
51
54
40
39
49
56

54.651
43.307
48.979
51.815
40.471
40.471
48.979
60.323

Sustitucin

11.215801
1.708249
4.084441
4.774225
0.221841
2.163841
0.000441
18.688329
) 42.85
(

Coeficiente de correlacin de pearson

Formulas

Sustitucin

Coeficiente de correlacin de spearman

Formula

Empleado
1
2
3
4
5
6
7
8

X
12
8
10
11
7
7
10
14

Y
58
42
51
54
40
39
49
56

Rango
7
3
4.5
6
1.5
1.5
4.5
8

Rango
8
3
5
6
2
1
4
7

1
0
.5
0
.5
.5
.5
1

1
0
.25
0
.25
.25
.25
1

Sustitucin

Intervalos de confianza

Formulas

Sustitucin

Grados
de
libertad v
0.05
6

2.4469

Prueba de hiptesis sobre la pendiente

Formula:

Tabla de distribucin t

Grados
de
libertad v
0.05
6

1.943

Grafica

Conclusin

Como esta dentro de H1, prevalece

, ya que es igual a 4.2, es decir:

Prueba de hiptesis sobre la pendiente

Formula:

Tabla de distribucin t

Grados
de
libertad v
0.05
6

1.943

Grafica

Conclusin:

Como es igual a
prevalece ,
ya que es igual a

Regresin No lineal simple

28.5

Regresin no lineal simple

28

Y vector

27.5
27
26.5
26
25.5
25
7

14

Funcin Exponencial

4E+18

FUNCIN EXPONENCIAL

3.5E+18

Y VECTOR

3E+18
2.5E+18
2E+18
1.5E+18
1E+18
5E+17
0
7

14

Funcin Potencial

40000

Funcion Potencial

35000
30000
Y vector

25000
20000
15000
10000
5000
0
7

14

Regresin Lineal Mltiple

Ejemplo 1
Se midi el porcentaje de supervivencia de cierto tipo de semen animal, despus de almacenarlo,
con distintas combinaciones de concentraciones de tres materiales que se emplean para
incrementar su probabilidad de sobrevivir. En la siguiente tabla se presentan los datos. Obtenga el
modelo de regresin lineal mltiple para los datos:

25.5
31.2
25.9
38.4
18.4
26.7
26.4
25.9
32.0
25.2
39.7
35.7
26.5

1.74
6.32
6.22
10.52
1.19
1.22
4.10
6.32
4.08
4.15
10.15
1.72
1.70

5.30
5.42
8.41
4.63
11.60
5.85
6.62
8.72
4.42
7.60
4.83
3.12
5.30

10.80
9.40
7.20
8.50
9.40
9.90
8.00
9.10
8.70
9.20
9.40
7.60
8.20

Formulas:
[ ][ ]

[ ]

[ ]


Sustitucin

1.74
6.32
6.22
10.52
1.19
1.22
4.1
6.32
4.08
4.15
10.15
1.72
1.7

25.5
31.2
25.9
38.4
18.4
26.7
26.4
25.9
32
25.2
39.7
35.7
26.5

44.37
197.184
161.098
403.968
21.896
32.574
108.24
163.688
130.56
104.58
402.955
61.404
45.05

9.222
34.2544
52.3102
48.7076
13.804
7.137
27.142
55.1104
18.0336
31.54
49.0245
5.3664
9.01

18.792
59.408
44.784
89.42
11.186
12.078
32.8
57.512
35.496
38.18
95.41
13.072
13.94

1131.435
6152.1408
4172.4382
15512.3712
402.8864
869.7258
2857.536
4239.5192
4177.92
2635.416
15997.3135
2192.1228
1193.825

Solucin por factorizacin LU

1.
2.
3.
4.

[
[
[
[

][
]
][
][

[
[ ][
] [
] [

]
]
]
]

1.
[ ][ ]

[ ]

[ ]

422825.063
947585.434
449986.056
2174327.19
114622.874
508212.152
485753.242
449986.056
1048576
403275.802
2484059.69
1624324.76
493155.063

2. Encontramos la matriz triangular inferior [ ]

[ ]

[ ]

[ ]

[ ]

Encontramos los inversos:

Con esto, podemos encontrar [ ]

[ ]
[

[ ]
[

3. [ ][ ]

[ ]

[
[

Despejamos trminos:

4. [ ][ ]

[ ]

5. [

][

Probabilidad y Estadstica para Ingenieros Libro de Walpole 8 va Edicin

Ejemplo 2
Tabla de datos:
Ingresos Y
198
209
197
156
85
187
43
211
120
62
176
117
273

1
2
3
4
5
6
7
8
9
10
11
12
13

Habitantes X1
70
35
55
25
28
43
15
33
23
4
45
20
56

Superficie X2
21
26
14
10
12
20
5
28
9
6
10
8
36

Formulas:
[ ][ ]

[ ]

[ ]

Sustitucin

Y
198

70

21

13860

1470

4900

209
197
156
85
187
43
211
120
62
176
117
273

35
55
25
28
43
15
33
23
4
45
20
56

26
14
10
12
20
5
28
9
6
10
8
36

7315
10835
3900
2380
8041
645
6963
2760
248
7920
2340
15288

910
770
250
336
860
75
924
207
24
450
160
2016

1225
3025
625
784
1849
225
1089
529
16
2025
400
3136

][ ]

Probabilidad y Estadstica para Ingenieros Libro de Walpole 6ta Edicin

Diseo de Experimentos
Ejemplo 1
Anlisis de Varianza de un Criterio
En una escuela se formaron 3 grupos con 6 integrantes cada uno, se les aplico un mtodo de
enseanzas diferentes para saber cual tenia mejores resultados, los datos obtenidos fueron los
siguientes:

Tipo de mtodo
Presencial
Internet
Autodidactica

Equipo 1
4.8
4.9
1.5

Equipo 2
7.1
6.1
6.4

Equipo 3
5.4
5.4
3.9

Equipo 4
6.8
3.6
5.3

Equipo 5
8.6
4.2
2.4

Equipo 6
6.2
2.4
3.1

Sacamos las medias de cada mtodo de enseanza y sus totales de calificacin.

Tipo de
mtodo
Presencial
Internet
Autodidactica

Equipo 1

Equipo 2

4.8
4.9
1.5

7.1
6.1
6.4

Equipo
3
5.4
5.4
3.9

Equipo 4

Equipo 5

6.8
3.6
5.3

8.6
4.2
2.4

Equipo
6
6.2
2.4
3.1

Total

Media

38.9
26.6
22.6
88.1

6.48
4.43
3.76
14.67

Usando un nivel de significancia de =0.05, indique si los diferentes tipos de mtodos difieren
significativamente.
Regla de decisin.
H0:1=2=3
H1:123
Si la fcalculada cae en la zona critica se rechazara H0 concluyendo que no hay diferencias entre
las medias
Tabla Anova:
Fuente de
Variacion
Metodos
Error
Total

Suma de
Cuadrados
SSA
SSE
SST

Grados de
Libertad
K-1
K(n-1)
NK-1

Cuadrados Medios

f
Calculada
i

N=6

k=3

La tabla Anova nos queda de la siguiente manera:

Fuente de
Variacion
Metodos
Error
Total

Suma de
Cuadrados
SSA=24.05
SSE=34.62
SST=58.67

Grados de
Libertad
K-1=2
K(n-1)=15
NK-1=17

Cuadrados Medios

f
Calculada
i

Teniendo la f calculada, sacaremos la f de la tabla de valores crticos de la distribucin F con un

nivel de significancia de =0.05
F,.05; F2,15
=15

=2
3.68

Decisin: teniendo los valores de fc. (5.21) y de ft. (3.68)

Como 5.21>3.68 rechazamos H0. Los diferentes mtodos para evaluar no tienen los mismos
resultados.

Ejemplo 2
Anlisis para la varianza para un criterio
Estn en consideracin 6 mquinas diferentes para utilizarlas en la manufactura de juntas de
caucho. Las mquinas se compran con respecto de la resistencia a la tensin del producto. Se
emplea una muestra aleatoria de cuatro juntas procedentes de cada mquina, para determinar si
la resistencia media a la tensin vara de una mquina a otra. Las siguientes mediciones de esa
resistencia en Kilogramos por centmetro cuadrado
son:

Suma

1
17.5
16.9
15.8
18.6
68,8

MQUINAS
3
4
20,3
14,6
15,7
16,7
17,8
20,8
18,9
18,9
72,7
71

2
16,4
19,2
17,7
15,4
68,7

5
17,5
19,2
16,5
20,5
73,7

6
18,3
16,2
17,5
20,1
72,1

427

Lleve a cabo el anlisis de varianza con un nivel de significancia de 0.05, e indique si las resistencias
medias a la tensin difieren o no en forma significativa para las 6 mquinas.
Formulas:

Sustitucin

306,25
285,61
249,64
345,96

268,96
368,64
313,29
237,16

412,09
246,49
316,84
357,21

213,16
278,89
432,64
357,21

306,25
368,64
272,25
420,25

334,89
262,44
306,25
404,01

Fuente de
Variacin

Suma de
Cuadrados

MUESTRA

SSA

Error

SSE

TOTAL

SST

Fuente de
Variacin

Grados de
Libertad

Suma de
Cuadrados

Grados de
Libertad

Cuadrados
Medios

Cuadrados
Medios

Calculado
F

Calculado
F

MUESTRA
.306
Error
TOTAL

18

2.77

Conclusiones
Como F=.31, no hay evidencia suficiente para sostener diferencias entre las 6 mquinas.

Ejemplo 1
Analisis de varinza para dos criterios
Un experto en la educacin fsica desea saber cual bebida permite un mejor desempeo fsico.
Para esto, hace una prueba para poder saber cual de 4 diferentes tipos de bebidas es mejor
para esto en la prueba actuaran 3 diferentes corredores. La prueba consistir en correr 100
metros planos tomndoles el tiempo desde que salen hasta el punto final
El experimento arrojo los siguientes datos:
Corredor-bebida
Corredor 1
Corredor 2
Corredor 3

Bebida 1
19
16
16

Bebida 2
16
16
18

Bebida 3
15
18
15

Bebida 4
18
17
17

Completar la tabla para poder trabajar con la tabla anova

Agregar las medias y los totales
Corredorbebida
Corredor 1
Corredor 2
Corredor 3
Total

Bebida 1

Bebida 2

Bebida 3

Bebida 4

Total

19
16
16
51

16
16
18
50

15
18
15
48

18
17
17
52

68
67
66
201

Fuente de
Variacion
Metodos

Suma de
Cuadrados
SSA corredor
SSA bebida

Grados de
Libertad
K-1
K-1

Error
Total

SSE
SST

K(n-1)
NK-1

Cuadrados Medios

f
Calculada
i

SST=19+16+.15+17-(201)/12= SST=3385-40401/12= SST=3385-3366

SST=19
SSA1=68+67+66/4-(201)/12= SSA1=13469/4-40401/12= SSA1=3401-3366
SSA1=-.25
SSA2=51+50+48+52/3-(201)/12= SSA2=10109/3-3366= SSA2=3369-3366
SSA2=3
SSE=19-(-.25+3)
SSE=16.25
Fuente de
Variacion
Metodos 1
2
Error
Total

Suma de
Cuadrados
Corredor
-.25
Bebida
3
16.25
19

Grados de
Libertad
2
3
6
11

Cuadrados Medios
Corr. -.125
BEB 1
2.70

f
Calculada
-.046

Teniendo la f calculada, sacaremos la f de la tabla de valores crticos de la distribucin F con un

nivel de significancia de =0.05
F,.05;
=6

=2
5.14

Como 5.14>-.046 rechazamos H0. Los diferentes bebidas no tienen el mismo desempeo en la
mejora de la condicin fsica.

Prueba de Tukey
Ejmplo 1
Estn considerando seis diferentes para su uso en la manufactura de sellos de
goma. Estas estn siendo comparadas con respecto a la resistencia de tensin
del producto. Se utiliza una muestra aleatoria de 4 sellos de cada mquina
para determinar si la resistencia promedio a la tensin varia de maquina a
mquina o no. Las siguientes son las mediciones de resistencia promedio a la
-1
tensin en kilogra
.
Maquina

Total
Media

17.5

16.4

20.3

14.6

17.5

18.3

16.9

19.2

15.7

16.7

19.2

16.2

15.8

17.7

17.8

20.8

16.5

17.5

18.6

15.4

18.9

18.9

20.5

20.1

68.8

68.7

72.7

71

73.7

72.1

427

17.2

17.17

18.17

17.75

18.42

18.02

106.73

Realice el anlisis de varianza a nivel de significancia de 0.05, e indique si las

resistencias promedio a la tensin difieren o no significativamente para las
seis maquinas.

Fuente de
variacin
Maquinas
Error
Total

Suma de
cuadrados
SSA
SSE
SST

Grados de
libertad
K1
K (n-1)
nk-1

Cuadrados medios

Calculada

S12=(SSA/K-1)
S2=[SSE/K(n-1)]

f=S12/S2

Formulas.

Clculos.
SST = 17.52 + 16.4 2 + 20.3 2 + . +20.12 (4272/24) = 67.98
SSA = 68.82 + 68.72 + . + 72.12 (4272/24) = 5.34
SSE = SST SSA = 67.98 5.34 = 62.24
Fuente de
variacin
Maquinas
Error
Total

Suma de
cuadrados
5.34
62.64
67.98

Tabla.
Entrar a la tabla con f0.05
V2

V1
18

2.77

Ho = 2.77
f < 2.77 con v1=5 y v2=18 grados de libertad
Decisin.
F=0.31 no es significativa

Grados de
libertad
5
18
23

Cuadrados
medios
1.608
3.48

Calculada (f)

0.31

Comparando con la prueba de Tukey

Tukey implica encontrar una diferencia significativa entre las medias i y j (i j) si (i j) excede
q*,k,v,+s

Las medias mustrales son, en orden ascendente:

17.20

17.17

18.17

17.75

18.42

18.02

Formula.
[

Sustituyendo.
]

Sacando el valor de [0.05,6,18]

v
18

Nmeros de tratamiento k
6
4.49

Procedimiento para sacar las medidas que son diferentes:

l = medidas
# de comparaciones = l(l-1)/2
# de comparaciones = 6(6-1)/2 = 15 comparaciones
Los resultados de las comparaciones se consideran como valor absoluto
M1 M2 = 0.03
M2 M3 = 0.55
M3 M4 = 0.27
M1 M3 = 0.58
M2 M4 = 0.82
M3 M5 = 0.42
M1 M4 = 0.85
M2 M5 = 0.97
M3 M6 = 0.67
M1 M5 = 1
M2 M6 = 1.22
M1 M6 = 1.25
M1 M2 = 0.03 < q . M5 M6 = 0.25 < q

M4 M5 = 0.15
M4 M6 = 0.4

M5 M6 = 0.25

Al obtener el resultado de las comparaciones se comparan con el resultado de q=4.18 (si es mayor
es diferente si es menor es igual).
Como ninguna comparacin es diferente que q=4.18, como resultado las medias son iguales con el
procedimiento de tukey.

Ejemplo 2
Con esta prueba buscaremos diferencias significativas entre las medias de los datos de la
investigacin anterior utilizando un nivel de significancia de =0.05
Tipo de
mtodo
Presencial
Internet
Autodidactica

Equipo 1

Equipo 2

4.8
4.9
1.5

7.1
6.1
6.4

Equipo
3
5.4
5.4
3.9

Equipo 4

Equipo 5

6.8
3.6
5.3

8.6
4.2
2.4

Planteamiento: Buscar una diferencia significativa entre las medias

I y j(ij) si (i j) excede q ,k,
Datos:

k=3
n=6

Formulas:

Sustitucion:

Equipo
6
6.2
2.4
3.1

Total

Media

38.9
26.6
22.6
88.1

6.48
4.43
3.76
14.67

Usando la tabla A.22 obtendremos el valor de q

Grados de libertad
=15

Numero de Tratamientos
k=3
3.67

Teniendo el valor de q lo sustituimos en la formula:

Comparaciones:
(Y1-Y2),( Y1-Y3),( Y2-Y3)
Con estas 3 comparaciones podremos sacar los resultados puesto que las comparaciones que
faltan resultan ser el valor absoluto de las comparaciones pasadas.
Y1=6.48
Y2=4.43
Y3=3.76
(6.48-4.43)=2.05
(6.48-3.76)=2.76
(4.43-3.76)=.67
Conclusion:
Con las comparaciones anteriores podemos identificar donde se encuentran las diferencias
significativas de los datos de la investigacin.
Basandonos en el criterio de que los resultados de las comparaciones excedan el valor calculado
(2.701) presentan una diferencia significativa o en este caso el mtodo de enseanza que presenta
una diferencia de las dems.
2.76>2.701 la comparacin que excede el valor critico es la de (Y1-Y2) las cuales son el mtodo
de enseanza presencial y por via internet presentan una diferencia significativa de los dems.

Ejemplo 3

CIUDAD A

CIUDAD B

MEDIA

NIVE ALTO
6 5 6 7
4 8 9 4
4 6 8 8
8 3 10
6 6 5 6
4 5 2 4
2 8 6 5
4 4 3
5.533333333

NIVEL MEDIO
6 7 8 5
4 5 10 6
7 7 4 7
6 8
4 4 5 1
4 3 3 3
6 4 2 2
6 3 1
4.862068966

NIVEL BAJO
3 2 3 3
4 5 4 1
0 4 6 2
5 4 4
5 4 6 3
2 3 2 3
1 6 4 2
2 3 1
3.233333333

4.5429

Planteamiento
Encontrar una diferencia significativa entre las medias
(

Formulas

Datos

Sustitucin

2.13
0.29
0.29
12
2.13
0.29
6.45
0.29

0.21
12
2.13
2.37
2.13
0.21
12
0.29

2.13
19.9
12
29.8
0.21
6.45
2.13
2.37

6.1
0.3
12
21
2.1
0.3
0.2
21

2.13
0.29
6.05
2.13
0.29
0.29
2.13
2.13

6.1
0.2
6.1
12
0.3
2.4
0.3
2.4

12
29.8
0.29
20.6
0.21
2.37
6.45
12.5

556.39

Grados de
libertad v

Numero de
tratamientos (k)
3

12

3.77

0.21
2.13
6.05
20.6
12.5
2.37
6.45
20.6

2.372
0.292
20.61
0.212
0.212
6.452
12.53
6.452

6.45
0.21
0.29
0.29
0.29
2.37
2.13
2.37

2.37
0.29
2.13
0.29
2.13
6.45
0.29
12.5

2.372
12.53
6.452
20.61
2.372
2.372
6.452
20.61

Comparaciones:

.67
2.3
1.63

Conclusiones.
No existen diferencias significativas entre ninguna de las medias.

Prueba de Kruskal-Wallis
Tipo de
mtodo
Presencial
Internet
Autodidactica

Equipo 1

Equipo 2

4.8
4.9
1.5

7.1
6.1
6.4

Equipo
3
5.4
5.4
3.9

Equipo 4

Equipo 5

6.8
3.6
5.3

8.6
4.2
2.4

Equipo
6
6.2
2.4
3.1

Total

Media

38.9
26.6
22.6
88.1

6.48
4.43
3.76
14.67

Hiptesis y Datos:
H0:1=2=3
H1:123

Separamos por Rangos la tabla. Usando Suma de Rangos

M
1
2
3

Equipo 1
4.8
4.9
1.5

8
9
1

Equipo 2
7.1
6.1
6.4

17
13
15

Equipo 3
5.4
5.4
3.9

11.5
11.5
6

Equipo 4
6.8
3.6
5.3

*Las columnas sombreadas muestran la suma de rangos.

Formulas:

k-1
n1=n2=n3=6
r1=84.5; r2=48; r3=38.5
Sustitucion:

16
5
10

Equipo 5
8.6
4.2
2.4

18
7
2.5

Equipo 6
6.2
2.4
3.1

14
2.5
4

Suma
84.5
48
38.5

Con h

.05

5.991

buscamos el valor critico H

Valor Critico es, mayor de 5.991

Regla de decisin.- si h cae en la regin critica (H>H0), rechazar H0.

Dado que obtenemos que h cae en la regin critica de H H>H se tiene evidencia para
rechazar (H0) lo que significa que las muestras independientes son de poblaciones diferentes.

Ejemplo 2

Pruebe la Hiptesis Ho, en el nivel de significancia de 0.05, de que las mquinas funcionan a la
misma tasa de velocidad.

Suma

1
17.5
16.9
15.8
18.6
68,8

2
16,4
19,2
17,7
15,4
68,7

MQUINAS
3
4
20,3
14,6
15,7
16,7
17,8
20,8
18,9
18,9
72,7
71

5
17,5
19,2
16,5
20,5
73,7

6
18,3
16,2
17,5
20,1
72,1

427

Datos:

Formulas:

Mquina

Rango

Rango

Rango

Rango

Rango

Rango

17.5

11

16,4

20,3

22

14,6

17,5

11

18,3

15

16.9

19,2

19.5

15,7

16,7

19,2

19.5

16,2

15.8

17,7

13

17,8

14

20,8

24

16,5

17,5

11

18.6

16

15,4

18,9

17.5

18,9

17.5

20,5

23

20,1

21

Total

68.8

40

68.7

40.5

72.7

56.5

71

50.5

73.7

60.5

72.1

52

Sustitucin

Total

*(

)+

0.05
5

11.07

Conclusiones.
H1 se rechaza, prevalece H0, es decir, las mquinas funcionan a la misma resistencia media

http://nereida.deioc.ull.es/~pcgull/ihiu01/cdrom/spss/contenido/node39.htm

Ejemplo 3
Anlisis para la varianza
Se ha recogido la valoracin de un lder poltico en dos ciudades distintas A y B, dividida cada una
en tres barrios segn su nivel adquisitivo (Alto, Medio y Bajo), obtenindose los siguientes
resultados:

CIUDAD A

CIUDAD B

TOTAL
MEDIA

NIVE ALTO
6 5 6 7
4 8 9 4
4 6 8 8
8 3 10
6 6 5 6
4 5 2 4
2 8 6 5
4 4 3
166
5.533333333

NIVEL MEDIO
6 7 8 5
4 5 10 6
7 7 4 7
6 8
4 4 5 1
4 3 3 3
6 4 2 2
6 3 1
141
4.862068966

NIVEL BAJO
3 2 3 3
4 5 4 1
0 4 6 2
5 4 4
5 4 6 3
2 3 2 3
1 6 4 2
2 3 1
97
3.233333333

404
4.5429

Suponiendo que se cumplen los supuestos del ANOVA para dos factores, podemos afirmar si la
poblacin presenta diferencias significativas en la apreciacin del poltico segn la ciudad o segn
su nivel adquisitivo?

Formulas

36
16
16
64
36
16
4
16

CIUDAD A

NIVE ALTO
96

NIVEL MEDIO
90

NIVEL BAJO
50

Total
236

CIUDAD B

70

51

47

168

TOTAL

166

141

97

404

25
64
36
9
36
25
64
16

36
81
64
100
25
4
36
9
1040

49
16
64
0
36
16
25
0

36
16
49
36
16
16
36
36

49
25
49
64
16
9
16
9

64
100
16
0
25
9
4
1
821

25
36
49
0
1
9
4
0

9
16
0
25
25
4
1
4

4
9
25 16
16 36
16 16
16 36
9
4
36 16
9
1
385

9
1
4
0
9
9
4
0

Total

2246

Sustitucin

FUENTE DE
VARIACIN
A

SUMA DE
CUADRADOS
SSA

SSB

AB

SS(AB)

ERROR

SSE

TOTAL

SST

FUENTE DE
VARIACIN
A
B
AB
ERROR
TOTAL

SUMA DE
CUADRADOS
81.35
51.37
30.12
269.54
432.48

GRADOS DE
LIBERTAD

CUADRADO MEDIO

CALCULADA f

GRADOS DE
LIBERTAD
2
1
2
83
88

CUADRADO MEDIO

CALCULADA f

41.92
59.13
15.06
2.88

14.55
20.53
5.23

P-valor de FA

0,182

P-valor de FB

0,045

Significativa al 5%

P-valor de FAB

0,007

Significativa al 5%