1

AO DE LA INVERSIN PARA EL DESARROLLO RURAL Y LA

SEGURIDAD ALIMENTARIA









FACULTAD DE CIENCIAS
ADMINISTRATIVAS

- CURSO: ESTADISTICA II.

- DOCENTE: MARIELA CORDOVA ESPINOZA

- GRUPO: N 04

- ALUMNA :
CANTARO ALVARADO JENIFER
FACUNDO AGUIRRE JHOSSELIN
JUAREZ MONTALVAN MARIELA
LIZAMA GARCIA JAVIER
QUEVEDO TICLIAHUANCA JULL
SEMINARIO TUME LILIANA.


2





INTRODUCCIN.









































El desarrollo de nuevas tecnologas dentro del proceso productivo,
sea este de tipo agropecuario o de tipo industrial, surge del proceso
de investigacin. De aqu la importancia de los diseos
experimentales en la generacin de informacin confiable.


El diseo estadstico de experimentos se refiere al proceso para
planear el experimento de tal forma que se recaben datos
adecuados que puedan analizarse con mtodos estadsticos que
lleven a conclusiones vlidas y objetivas. Cuando el problema
incluye datos que estn sujetos a errores experimentales, la
metodologa estadstica es el nico enfoque objetivo de anlisis. Por
lo tanto, cualquier experimento incluye dos aspectos: El diseo del
experimento y el anlisis estadstico de los datos.

Es comn que durante el proceso de investigacin se utilicen
diseos experimentales no adecuados, es decir que no responden
al objetivo de la investigacin y por lo tanto, su anlisis estadstico
tambin ser equivocado, por lo que se llegan a conclusiones
erradas, cuando esto ocurre la investigacin no tiene ninguna
validez.
En el presente documento se hace una breve resea de lo que son
los diseos experimentales de uso ms comn COMO EL ANOVA,
DCA Y DBCA..



3


DISEOS EXPERIMENTALES.


El diseo experimental es el arreglo de las unidades experimentales utilizado
para controlar el error experimental, a la vez que acomoda los tratamientos.
El ogro de la mxima informacin, precisin y exactitud en los resultados, junto
con el uso ms eficiente de los recursos existentes, es un principio a seguir en
la eleccin del diseo adecuado del experimento.

La seleccin de un determinado diseo en un experimento depende del
objetivo de la investigacin, de los factores a evaluar y de las fuentes de
variacin que deseamos disminuir para aumentar la precisin del experimento,
es decir disminuir el error experimental.

ELEMENTOS ESTRUCTURALES DEL EXPERIMENTO DE
CAMPO


EXPERIMENTO.
Se define como una prueba o serie de pruebas en la cual se hacen cambios
deliberados en las variables de entrada de un proceso o sistema para observar
e identificar las razones de los cambios que puedan observarse en la respuesta
de salida.

TRATAMIENTOS
Son todos los factores objeto de estudio. Ej. Variedades, Razas, Factores de
manejo, Niveles de nutrientes, Raciones de concentrado, pocas de siembre,
etc.

Ejemplo 1:

Si en un experimento en la cual se desea medir el consumo de alimento y la
ganancia de peso en cerdos alimentados con diferentes dietas, si cada cerdo
est en un corral individual y los tratamientos se aplican de forma individual a
cada cerdo, la unidad experimental es el cerdo. Pero si se tienen cuatro cerdos
en un mismo corral la unidad experimental es el corral y no cada uno de los
cerdos. Esto porque no se tiene un control individual de la variable de
respuestas que se est evaluando, por lo tanto, es al corral al cual se le estn
aplicando los tratamientos. En el primer caso si se quieren tener cinco
repeticiones, se tendra un total de cinco cerdos, alojados de forma individual
en cada tratamiento. En el segundo caso como la unidad experimental es el
corral, se necesitarn cinco corrales con cuatro cerdos cada uno, cada corral
con cuatro cerdos es una repeticin, es decir se necesitaran 20 cerdos por
tratamiento.

LOS TRATAMIENTOS DE CONTROL SON UN PUNTO DE
REFERENCIA

El tratamiento de control es un punto necesario para evaluar el efecto de los

4


tratamientos experimentales; existen diversas circunstancias en las que el
tratamiento control es til y necesario.
Las condiciones del experimento pueden ser un obstculo para la efectividad
de los tratamientos experimentales que, en general han sido efectivos. Un
control al que no se da tratamiento revelara las condiciones en las que se
efectu el experimento. Por ejemplo, los fertilizantes con nitrgeno suelen ser
efectivos, pero no producirn respuestas en suelos con alta fertilidad. Un
control de fertilizante sin nitrgeno sealara las condiciones bsicas de
fertilidad del experimento.

Unidad experimental.

Se refiere al individuo, lugar o parcela a la cual se le aplican los tratamientos.
Ej: Una planta, un conjunto de plantas, un animal, un conjunto de animales, La
parcela experimental, Varias parcelas en zonas diferentes.

Repeticiones
Nmero de veces que se repite el experimento bsico.

Defensas internas y externas
A partir de estas se origina la parcela til, definen la parcela experimental

Variable. Es una caracterstica medible de una unidad experimental.

Muestra. Conjunto de mediciones que constituye parte de una
poblacin.

Muestra aleatoria. Es aquella en la cual en cualquier medicin
individual tiene tantas posibilidades de ser incluida como cualquier otra.

Error experimental. Es un error estadstico e indica que se origina por
la variacin que no est bajo control.

Los distintos orgenes del error experimental son:

1) La variacin natural entre las unidades experimentales
2) La variabilidad en la medicin de la respuesta
3) La imposibilidad de reproducir las condiciones del tratamiento con exactitud
de una unidad a otra
4) La interaccin de los tratamientos con las unidades experimentales
5) Cualquier otro factor externo que influya en las caractersticas medidas

Prueba de hiptesis o prueba de significancia. Es una tcnica de la
inferencia estadstica que permite que las comparaciones se hagan de
forma objetiva.

La hiptesis de investigacin genera el diseo de los tratamientos

5


La hiptesis de investigacin establece un conjunto de circunstancias y sus
consecuencias. Los tratamientos son la creacin de las circunstancias para el
experimento. As, es importante identificar los tratamientos con el papel que
cada uno tiene en la evaluacin de la hiptesis de investigacin. Si no se logra
delinear con claridad esta hiptesis y el objetivo del estudio, puede haber
dificultades en la seleccin de los tratamientos y experimentos sin xito
Es forzoso que el investigador se asegure de que los tratamientos elegidos
concuerden con la hiptesis de investigacin.

ANALISIS DE VARIANZA (ANOVA)

El anlisis de varianza es una tcnica que se puede utilizar para decidir
si las medias de dos o ms poblaciones son iguales. La prueba se basa
en una muestra nica, obtenida a partir de cada poblacin.

El anlisis de varianza puede servir para determinar si las diferencias
entre las medias muestrales revelan las verdaderas diferencias entre los
valores medios de cada una de las poblaciones, o si las diferencias
entre los valores medios de la muestra son ms indicativas de una
variabilidad de muestreo.


Si el valor estadstico de prueba (anlisis de varianza) nos impulsa a
aceptar la hiptesis nula, se concluira que las diferencias observadas
entre las medias de las muestras se deben a la variacin casual en el
muestreo (y por tanto, que los valores medios de poblacin son iguales).
Si se rechaza la hiptesis nula, se concluira que las diferencias entre
los valores medios de la muestra son demasiado grandes como para
deberse nicamente a la casualidad (y por ello, no todas las medias de
poblacin son iguales).

Los datos para el anlisis de varianza se obtienen tomando una muestra de
cada poblacin y calculando la media muestral y la variancia en el caso de
cada muestra.

Existen tres supuestos bsicos que se deben satisfacer antes de que se
pueda utilizar el anlisis de variancia.

6


1) Las muestras deben ser de tipo aleatorio independiente.
2) Las muestras deben ser obtenidas a partir de poblaciones normales.
3) Las poblaciones deben tener variancias iguales (es decir, )
Uno de los requisitos para realizar este temas es saber la Prueba F- de Fisher
y para ello vamos a dar una pequea resea terica de esta dicha prueba.

PRUEBA F DE FISHER:
A diferencia de otras pruebas de medias que se basan en la diferencia
existente entre dos valores, el anlisis de varianza emplea la razn de las
estimaciones, dividiendo la estimacin intermediante entre la estimacin
interna

Esta razn F fue creada por Ronald Fisher (1890-1962), matemtico britnico,
cuyas teoras estadsticas hicieron mucho ms precisos los experimentos
cientficos. Sus proyectos estadsticos, primero utilizados en biologa,
rpidamente cobraron importancia y fueron aplicados a la experimentacin
agrcola, mdica e industrial. Fisher tambin contribuy a clarificar las
funciones que desempean la mutacin y la seleccin natural en la gentica,
particularmente en la poblacin humana.
El valor estadstico de prueba resultante se debe comparar con un valor tabular
de F, que indicar el valor mximo del valor estadstico de prueba que ocurra
si H0 fuera verdadera, a un nivel de significacin seleccionado. Antes de
proceder a efectuar este clculo, se debe considerar las caractersticas de la
distribucin F:

Caractersticas de la distribucin F
Permite valorar el efecto del azar.
Es una prueba estadstica de significacin usada en el anlisis de los
tamaos pequeos categricos de muestra de datos.
La necesidad de la prueba de Fischer se presenta cuando tenemos
datos que se dividan en dos categoras de dos maneras separadas.
Prueba de significacin estadstica utilizada para comparar proporciones

7


en tablas de contingencia.
Es preferible a la prueba de x2 cuando el tamao de la muestra es reducido (de
menos de 30 efectivos).
Es la prueba estadstica de eleccin cuando la prueba de Chi cuadrado no
puede ser empleada por tamao muestral insuficiente
- Existe una distribucin F diferente para cada combinacin de tamao de
muestra y nmero de muestras. Por tanto, existe una distribucin F que se
aplica cuando se toman cinco muestras de seis observaciones cada una, al
igual que una distribucin F diferente para cinco muestras de siete
observaciones cada una. A propsito de esto, el nmero distribuciones de
muestreo diferentes es tan grande que sera poco prctico hacer una extensa
tabulacin de distribuciones. Por tanto, como se hizo en el caso de la
distribucin t, solamente se tabulan los valores que ms comnmente se
utilizan. En el caso de la distribucin F, los valores crticos para los niveles
0,05 y 0,01 generalmente se proporcionan para determinadas combinaciones
de tamaos de muestra y nmero de muestras.
- La distribucin es continua respecto al intervalo de 0 a + . La razn ms
pequea es 0. La razn no puede ser negativa, ya que ambos trminos de la
razn F estn elevados al cuadrado. Por otra parte, grandes diferencias entre
los valores medios de la muestra, acompaadas de pequeas variancias
mustrales pueden dar como resultado valores extremadamente grandes de la
razn F.- La forma de cada distribucin de muestreo terico F depende del
nmero de grados de libertad que estn asociados a ella. Tanto el numerador
como el denominador tienen grados de libertad relacionados.

Determinacin de los grados de libertad

Los grados de libertad para el numerador y el denominador de la razn F se
basan en los clculos necesarios para derivar cada estimacin de la variancia
de la poblacin. La estimacin intermediante de variancia (numerador)
comprende la divisin de la suma de las diferencias elevadas al cuadrado entre
el nmero de medias (muestras) menos uno, o bien, k - 1. As, k - 1 es el
nmero de grados de libertad para el numerador.

8


En forma semejante, el calcular cada variancia muestral, la suma de las
diferencias elevadas al cuadrado entre el valor medio de la muestra y cada
valor de la misma se divide entre el nmero de observaciones de la muestra
menos uno, o bien, n - 1. Por tanto, el promedio de las variancias muestrales
se determina dividiendo la suma de las variancias de la muestra entre el
nmero de muestras, o k. Los grados de libertad para el denominador son
entonces, k(n -l).

Uso de la tabla de F del anlisis de variancia (ANOVA)
En la tabla se ilustra la estructura de una tabla de F para un nivel de
significacin de 0,01 o 1% y 0,05 o 5%. Se obtiene el valor tabular, localizando
los grados de libertad del numerador (que se listan en la parte superior de la
tabla), as como los del denominador (que se listan en una de las columnas
laterales de la tabla) que corresponden a una situacin dada. Utilizando el nivel
de significacin de 0,05 para grados de libertad, el valor de F es 8,89



Ejemplos:

9


a. El rea a la derecha de F, es de 0.25 con =4 y =9.
b. El rea a la izquierda de F, es de 0.95 con =15 y =10.
Solucin:
a. Como el rea que da la tabla es de cero a Fisher, se tiene que localizar
primero los grados de libertad dos que son 9, luego un rea de 0.75 con 4
grados de libertad uno.


b. En este caso se puede buscar el rea de 0.95 directamente en la tabla
con sus respectivos grados de libertad.




An
lisis
de
la
vAN

10


ANLISIS DE VARIANZA PARA UN EXPERIMENTO REALIZADO
MEDIANTE UN DISEO COMPLETAMENTE AL AZAR (DCA)


1. CARACTERSTICAS DEL DISEO.

En este tipo de diseo estn incluidos los principios de repeticin y de aleatorizacin, o
sea que es utilizado cuando no hay necesidad del control local, debido a que el
ambiente experimental es homogneo, y los tratamientos reasignan a las unidades
experimentales mediante una aleatorizacin completa, sin ninguna restriccin.

2 ALEATORIZACIN.

Considerando un experimento con t

=

5 niveles del factor A (tratamientos) y r

=

4 y
repeticiones par cada nivel, se tiene que el numero total de unidades experimentales
(parcelas) incluidas en el experimento es t x r = 5 x 4 = 20. Las t x r parcelas sern
aleatorizadas sin restricciones, los t niveles del factor A en estudio con sus r
repeticiones, conforme se muestra en el siguiente croquis.













Las respuestas obtenidas en funcin de la aplicacin de cada nivel del factor A en
estudio en sus respectivas repeticiones puede ser representada por y
ij
, que es
considerada como una variable aleatoria.

3. Modelo Estadstico.
ij i ij
Y + + = i = 1, 2,, t
j = 1, 2,, r

siendo:
y
ij
= variable de respuesta de la ij-sima unidad experimental

= media general de la variable de respuesta.


i
= efecto del i-simo tratamiento (nivel del factor) en la variable
dependiente.


ij
= error experimental asociado a la ij-sima unidad experimental.

4. Anlisis de varianza.

1) Hiptesis:

k 3 2 1 0
: H = = = =
: H
1
no todas la medias son iguales

A 1
A 4


A 3


A 5


A 2


A
4
A 2


A 1


A
45


A 3


A 2
A 5


A 2


A 1


A 3


A 5
A 3


A 4


A 5


A 1



11


Dado que
i
= es equivalente a 0
i
= , para i = 1, 2,, k, la hiptesis nula
consiste tambin en afirmar que no hay efecto en todos los tratamientos, esto es,

0 : H
t 3 2 1 0
= = = = =
: H
1
Al menos uno de los 0
i
=

2) Tablas de datos

Representacin de las observaciones de un experimento, con un factor con t
tratamientos (o niveles) y r repeticiones.

Tabla 4.1. Datos de k muestras aleatorias independientes.



- -
Y = y
1 . +
y
2 . + +
y
3i . + ..+
y
k .
= es el total de datos en las k muestras.
- - Y = media total muestral (estimador insesgado de la media )

3) Supuestos.

Las suposiciones que validan el anlisis de varianza son:
a) Los errores son independientes.
b) Los errores normalmente distribuidos con media cero y varianza
constante.
c) Existe homogeneidad de varianzas entre los tratamientos.

4) Tabla de Anlisis de Varianza (ANVA)
El anlisis de varianza es un proceso aritmtico y estadstico, que consiste en
descomponer la variacin total en fuentes o causas de variacin. Por variacin
total se entiende, la variacin entre las unidades experimentales (o parcelas). El
esquema del anlisis de varianza y las expresiones necesarias para la aplicacin
de la estadstica F, para la prueba de hiptesis se presentan en el siguiente
cuadro.

Tabla de anlisis de varianza (ANVA)

Fuentes de
variacin
Grados de
libertad
Suma de
Cuadrados
Cuadrados
Medios
Valor de F
Tratamientos
Error
k -1
n-1
SCtrat
SCE

CMtrat =SCtrat /

(k

1)
CME = SCE / k(r -1)
F= CMtrat / CME
Total n -1 SCT

Donde:
Repeticiones Tratamientos
1 2 3 k
y 11
y 12
y 13
.
.
.
y 1 n1

y 221
y 22
y 23
.
.
.
y 2 n2

y 31
y 32
y 33
.
.
.
y 3 n3




.
.
.

y k1
y k2
y t3
.
.
.
y k nk

Totales Y
i .
y
1 .
y
2 .
y
3i .
y
k .


12


n
Y
n
Y
) y (y SCtrat
2
k
1 i
i
2
i 2
k
1 i
n
1 j
ij
i
- -
=
-
= =
- -
= =

n
Y
y ) y (y SCT
2
k
1 i
n
1 j
2
ij
2
t
1 i
n
1 j
ij
i i
- -
= = = =
- -
= =



SCE = SCT SCtrat

k 2 1
n n n n + + + = = el total observado en las k muestras


5) Regla de Decisin:

Rechazar H
0
si el valor de F > F
[; k-1, n - 1]
No rechazar H
0
si el valor de F F
[; k-1, n - 1]




1 -


F
0 F
[; k-1, n - 1]

Aceptar H
0
Rechazar H
0




Coeficiente de variacin (C.V)

Se le puede considerar como medida relativa de la variacin que no es posible
controlar en el experimento (error experimental) y se calcula de la siguiente
forma:

100
y
CME
C.V(y) =
El coeficiente de variacin da una idea de la precisin del experimento, a un
valor alto de CV corresponde un alto error experimental, lo cual indica que
existe poca capacidad del experimento para detectar diferencias significativas
entre los tratamientos.

De modo general, altos coeficientes de variacin indican experimentos mal
manejados, pero no siempre. El hecho de que el coeficiente de variacin sea
alto puede deberse no solamente al mal manejo del experimento, sino tambin
a:

Tipo de variable de respuesta (escala de medicin)
Tipo de tratamientos.
Errores en el anlisis de la informacin.
Etc.

13



Es conveniente que el investigador revise bibliografa sobre los valores de coeficiente
de variacin obtenidos en cada cultivo y condicin donde se realiz el experimento
(por ejemplo, un valor de CV =10% puede ser considerado un valor bajo, pero para
algunas condiciones no).


Ventajas del diseo complemente al azar

Su flexibilidad. Puesto que permite una total libertad en el dispositivo
experimental, por un lado, se puede probar cualquier nmero de tratamiento y,
por otro lado, el nmero de observaciones por tratamiento puede ser igual o
desigual.
Maximiza los grados de libertad para estimar el error experimental.
Permite observaciones perdidas y no se dificulta el anlisis estadstico.
Muy fcil de usar una experimentacin.
Desventajas del diseo completamente al azar
Es apropiado para un nmero pequeo de tratamientos.
Es apropiado solo en caso de disponer de material experimental homogneo.
En comparacin con otros dispositivos experimentales donde se pueda ejercer
control local es menos sensible y tiene un poder analtico dbil. Esta falta de
sensibilidad se debe a que todos los factores que no se controlaron se
acumulan en el error experimental, provocando que este aumente y no permita
detectar diferencias significativas entre los tratamientos. Este es el motivo por
el cual los investigadores estadgrafos se dedicaron a buscar diseos
experimentales ms complejos, pero que fueran capaz de estimar el error
experimental con mayor grado de precisin.

Supuestos del ANOVA completamente al azar

Son cuatro los supuestos que debe cumplir el ANOVA, que se puede abreviar con la
nemotcnica: HINA. La H de homogeneidad de las varianzas, I de independencia de
los errores, la N de la normalidad de los efectos y la A de aditivita de los efectos:

o Homogeneidad de las varianzas se refiere a que cada respuesta Yij debe
poseer dentro de cada tratamiento una variacin parecida o igual a la de otro
tratamiento. Este supuesto puede ser probado postulando como hiptesis nula
y alterna las siguientes


Para verificar el cumplimiento de este supuesto se utiliza la prueba de Bartlett o de
Levene. La aplicacin de estas pruebas debe conducir a un no rechazo de Ho para
que exista la homogeneidad de varianzas.


14



o Independencia de los errores de un tratamiento a otro: es decir, se
calculan los errores residuales para cada grupo de tratamientos a travs de la
formula :
o
ERROR_RESIDUAL = Yi Xi
Las hiptesis son:
Ho: hay independencia de errores.
H1 hay dependencia de errores.
El supuesto de independencia se verifica su cumplimiento utilizando la prueba de
aleatoriedad o de las rachas que es una prueba del mbito no paramtrico.

o Normalidad de los efectos: se refiere a que las respuestas Yij deben poseer
una distribucin normal dentro de cada grupo de tratamiento. Para verificar su
cumplimiento se plantean las hiptesis:
Ho: la distribucin de cada tratamiento es normal
H1: la distribucin de cada tratamiento no e normal
La prueba que utilizaremos en este caso es la de Shapiro- Wilk para muestras
pequeas y Kolmogorov Smirnov para muestras grandes.


o Aditividad de los efectos: las respuestas de cada grupo de tratamiento es la
suma de la medida general ms un efecto aleatorio asociado a la respuesta. El
sistema hipottico es :
Ho: los efectos son aditivos
H1: los efectos no son aditivos
La prueba estadstica apropiada es la prueba de Tukey para la aditividad. Esta prueba
debe conducir a un no rechazo de Ho para que el supuesto se cumpla.

EJERCICIOS DEL DCA

1. El administrador de la empresa de celulares esta a cargo del registro de numero de
celulares que llegan a vender 4 trabajadores de la empresa diariamente. determinar si
ambos trabajadores son igual de eficientes. A un nivel del 0.05


A B C D
6 7 6 4
8 9 7 4
8 6 2 2
8 7 6 5
3 8 7 4
9 4 7 5
8 5 9 4

SOLUCIN:


A B C D


6 7 6 4


8 9 7 4


15



8 6 2 2


8 7 6 5


3 8 7 4


9 4 7 5


8 5 9 4

- i
x
50 46 44 28 168
- i
x 7.14 6.57 6.29 4 6

1. Hiptesis :
4 3 2 1 0
: H = = =
: H
1
No todas las medias son iguales
2. Nivel de significancia: = 0.05
3. Estadstica de prueba:
CME
CMtrat
F = ~
) 24 , 3 ( , 1 (
) F F
r n r
=



4. Clculos: De los datos se obtiene:

0 . 40
24
168
4
28 44 46 50
n
X
k
X
) x (x SCtrat
2 2 2 2 2 2
k
1 i
2
i 2
k
1 i
n
1 j
ij
i
=
+ + +
= = =
- -
=
-
= =
- -

116.0
24
168
4 7 6
n
X
x ) x (x SCT
2
2 2 2
2 k
1 i
n
1 j
2
ij
2
t
1 i
n
1 j
ij
i i
= + + + = = =
--
= = = =
--



SCE = SCT Sctrat = 116.0 40.0 = 76.0

Anlisis de la Varianza
-------------------------------------------------------------------------------------------------------------
Fuente Sumas de cuad. Gl Cuadrado Medio Cociente-F P-Valor
-------------------------------------------------------------------------------------------------------------
Tratamientos 40.0 3 13.3333 4.21 0.0158
Error 76.0 24 3.16667
-------------------------------------------------------------------------------------------------------------
Total 116.0 27

Puesto que el p-valor del test F es inferior a 0.05, hay diferencia estadsticamente significativa
en la eficacia de los trabajadores para un nivel de confianza del 95.0%.

TUKEY
--------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje HSD de Tukey
Tratamiento Frec. Media Grupos homogneos
--------------------------------------------------------------------------------
4 7 4.0 X
3 7 6.28571 XX
2 7 6.57143 XX
1 7 7.14286 X
--------------------------------------------------------------------------------
Contraste Diferencias +/- Lmites
--------------------------------------------------------------------------------

16


1 - 2 0.571429 2.62463
1 - 3 0.857143 2.62463
1 - 4 *3.14286 2.62463
2 - 3 0.285714 2.62463
2 - 4 2.57143 2.62463
3 - 4 2.28571 2.62463
--------------------------------------------------------------------------------
* indica una diferencia significativa.

El asterisco que se encuentra al lado de uno de los pares, indica que ste muestra diferencia
estadsticamente significativa a un nivel de confianza 95.0%. En la parte superior de la pgina,
se identifican 2 grupos homogneos segn la alineacin del signo X en la columna. Dentro de
cada columna, los niveles que tienen signo X forman un grupo de medias entre las cuales no hay
diferencias estadsticamente significativas.

DUNCAN
--------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje Duncan
Tratamiento Frec. Media Grupos homogneos
--------------------------------------------------------------------------------
4 7 4.0 X
3 7 6.28571 X
2 7 6.57143 X
1 7 7.14286 X
--------------------------------------------------------------------------------
Contraste Diferencias
--------------------------------------------------------------------------------
1 - 2 0.571429
1 - 3 0.857143
1 - 4 *3.14286
2 - 3 0.285714
2 - 4 *2.57143
3 - 4 *2.28571
--------------------------------------------------------------------------------
* indica una diferencia significativa.

El asterisco que se encuentra al lado de los 3 pares, indica que stos muestran diferencias
estadsticamente significativas a un nivel de confianza 95.0%. En la parte superior de la pgina,
se identifican 2 grupos homogneos segn la alineacin del signo X en la columna. Dentro de
cada columna, los niveles que tienen signo X forman un grupo de medias entre las cuales no hay
diferencias estadsticamente significativas


17


2. Un banco hace esfuerzos para atraer nuevos depositantes, incluyen algunos juegos y
premios en cuatro sucursales del banco. El administrador del banco esta convencido de
que diferentes tipos de premios atraera a diferentes grupos de ingreso. La persona de un
nivel de ingreso prefieren los regalos, mientras que los de otro grupo de ingreso
prefieren los viajes gratuitos. El administrador del banco decide utilizar el monto de los
depsitos entre las cuatro sucursales. Se determinar si existe diferencia en el nivel
promedio de los depsitos entre las cuatro sucursales a un nivel de 5 %












Solucin


Sucursal1 sucursal 2 sucursal3 sucursal 4


5.1 1.9 3.6 1.3


4.9 1.9 4.2 1.5


5.6 2.1 4.5 0.9


4.8 2.4 4.8 1


3.8 2.1 3.9 1.9


5.1 3.1 4.1 1.5


4.8 2.5 5.1 2.1

- i
x
34.1 16 30.2 10.2 90.5
- i
x 4.87 2.29 4.31 1.46 3.23

1. Hiptesis :
4 3 2 1 0
: H = = =
: H
1
No todas las medias son iguales
2. Nivel de significancia: = 0.05

3. Estadstica de prueba:
CME
CMtrat
F = ~
) 24 , 3 ( , 1 (
) F F
r n r
=



4. Clculos: De los datos se obtiene:

n
X
k
X
) x (x SCtrat
2
k
1 i
2
i 2
k
1 i
n
1 j
ij
i
- -
=
-
= =
- - = =

Sucursal 1 sucursal 2 sucursal3 sucursal 4
5.1 1.9 3.6 1.3
4.9 1.9 4.2 1.5
5.6 2.1 4.5 0.9
4.8 2.4 4.8 1
3.8 2.1 3.9 1.9
5.1 3.1 4.1 1.5
4.8 2.5 5.1 2.1

18


n
X
x ) x (x SCT
2 k
1 i
n
1 j
2
ij
2
t
1 i
n
1 j
ij
i i
--
= = = =
-- = =


SCE = SCT Sctrat

Anlisis de la Varianza
---------------------------------------------------------------------------------------------------------------
Fuente Sumas de cuad. Gl Cuadrado Medio Cociente-F P-Valor
---------------------------------------------------------------------------------------------------------------
Tratamientos 55.3325 3 18.4442 78.09 0.0000
Error 5.66857 24 0.23619
---------------------------------------------------------------------------------------------------------------
Total 61.0011 27

El F-ratio, que en este caso es igual a 78.0902, es el cociente de la estimacin entre grupos y la
estimacin dentro de los grupos. Puesto que el p-valor del test F es inferior a 0.05, hay
diferencia estadsticamente significativa existe diferencia en el nivel promedio de los depsitos
para un nivel de confianza del 95.0%.

Duncan
--------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje Duncan
Tratamiento Frec. Media Grupos homogneos
--------------------------------------------------------------------------------
4 7 1.45714 X
2 7 2.28571 X
3 7 4.31429 X
1 7 4.87143 X
--------------------------------------------------------------------------------
Contraste Diferencias
--------------------------------------------------------------------------------
1 - 2 *2.58571
1 - 3 *0.557143
1 - 4 *3.41429
2 - 3 *-2.02857
2 - 4 *0.828571
3 - 4 *2.85714
--------------------------------------------------------------------------------
* indica una diferencia significativa.
El asterisco que se encuentra al lado de los 6 pares, indica que stos muestran diferencias
estadsticamente significativas a un nivel de confianza 95.0%.



19


3. El dueo de un empresa corporativa desea compara el precio de una mquina
especializada para su proyecto, para ello decide asignar a su trabajador mas capacitado,
esta funcin.
El trabajador selecciono 4 tiendas, las cuales ofrecan una mejor oferta. Los resultados fueron
los siguientes.

A B C D
16 17 16 14
18 19 17 14
18 16 12 12
18 17 16 15
13 18 17 14
19 14 17 15
18 15 19 14

Al nivel de significancia de 0.05 habra alguna diferencia en el precio promedio entre las 4
tiendas?

Solucin:

A B C D


16 17 16 14


18 19 17 14


18 16 12 12


18 17 16 15


13 18 17 14


19 14 17 15


18 15 19 14

- i
x
120 116 114 98 448
- i
x 17.14 16.57 16.29 14 16


1. Hiptesis :
4 3 2 1 0
: H = = =
: H
1
No todas las medias son iguales
2. Nivel de significancia: = 0.05

3. Estadstica de prueba:
CME
CMtrat
F = ~
) 24 , 3 ( , 1 (
) F F
r n r
=





4. Clculos: De los datos se obtiene:


20


n
X
k
X
) x (x SCtrat
2
k
1 i
2
i 2
k
1 i
n
1 j
ij
i
- -
=
-
= =
- - = =

n
X
x ) x (x SCT
2 k
1 i
n
1 j
2
ij
2
t
1 i
n
1 j
ij
i i
--
= = = =
-- = =


SCE = SCT Sctrat

Anlisis de la Varianza
----------------------------------------------------------------------------------------------------------
Fuente Sumas de cuad. Gl Cuadrado Medio Cociente-F P-Valor
----------------------------------------------------------------------------------------------------------
Entre grupos 40.0 3 13.3333 4.21 0.0158
Intra grupos 76.0 24 3.16667
----------------------------------------------------------------------------------------------------------
Total 116.0 27

El F-ratio, que en este caso es igual a 4.21053, es el cociente de la estimacin entre grupos y la
estimacin dentro de los grupos. Puesto que el p-valor del test F es inferior a 0.05, hay
diferencia estadsticamente significativa en el precio promedio de las 4 tiendas para un nivel de
confianza del 95.0%.

Tukey
--------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje HSD de Tukey
Tratamiento Frec. Media Grupos homogneos
--------------------------------------------------------------------------------
4 7 14.0 X
3 7 16.2857 XX
2 7 16.5714 XX
1 7 17.1429 X
--------------------------------------------------------------------------------
Contraste Diferencias +/- Lmites
--------------------------------------------------------------------------------
1 - 2 0.571429 2.62463
1 - 3 0.857143 2.62463
1 - 4 *3.14286 2.62463
2 - 3 0.285714 2.62463
2 - 4 2.57143 2.62463
3 - 4 2.28571 2.62463
--------------------------------------------------------------------------------
* indica una diferencia significativa.
El asterisco que se encuentra al lado de uno de los pares, indica que ste muestra diferencia
estadsticamente significativa a un nivel de confianza 95.0%. En la parte superior de la pgina,
se identifican 2 grupos homogneos segn la alineacin del signo X en la columna. Dentro de
cada columna, los niveles que tienen signo X forman un grupo de medias entre las cuales no hay
diferencias estadsticamente significativas. Pero habiendo diferencia significativa en 4 y 1.








21





4. El administrador de la empresa Watson SA sospecha que en las diferentes reas de la
empresa no se estn desenvolviendo satisfactoriamente, para ello decide hacer un
anlisis con la cantidad promedio de artculos vendidos para determinar si el personal
de las diferentes reas se desenvuelven satisfactoriamente por igual.

Fotos
A B C D
89 88 97 94
84 77 92 79
81 87 87 85
87 92 89 84
79 81 80 88
Solucin:


Fotos

A B C D


89 88 97 94


84 77 92 79


81 87 87 85


87 92 89 84


79 81 80 88

- i
x
420 425 445 430 1720
- i
x 140.00 141.67 148.33 143.33 143.33


1. Hiptesis :
4 3 2 1 0
: H = = =
: H
1
No todas las medias son iguales
2. Nivel de significancia: = 0.05

3. Estadstica de prueba:
CME
CMtrat
F = ~
) 24 , 3 ( , 1 (
) F F
r n r
=




4. Clculos: De los datos se obtiene:

n
X
k
X
) x (x SCtrat
2
k
1 i
2
i 2
k
1 i
n
1 j
ij
i
- -
=
-
= =
- - = =

n
X
x ) x (x SCT
2 k
1 i
n
1 j
2
ij
2
t
1 i
n
1 j
ij
i i
--
= = = =
-- = =


SCE = SCT Sctrat

22


Anlisis de la Varianza
-------------------------------------------------------------------------------------------------------
Fuente Sumas de cuad. Gl Cuadrado Medio Cociente-F P-Valor
-------------------------------------------------------------------------------------------------------
Tratamientos 264.0 4 66.0 3.34 0.0380
Error 296.0 15 19.7333
-------------------------------------------------------------------------------------------------------
Total 560.0 19

Puesto que el p-valor del test F es inferior a 0.05, hay diferencia estadsticamente significativa
en el desenvolvimiento satisfactorio de las 4 reas para un nivel de confianza del 95.0%. Para
determinar las medias que son significativamente

Tukey
--------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje HSD de Tukey
Tratamientos Frec. Media Grupos homogneos
--------------------------------------------------------------------------------
5 4 82.0 X
2 4 83.0 XX
3 4 85.0 XX
4 4 88.0 XX
1 4 92.0 X
--------------------------------------------------------------------------------
Contraste Diferencias +/- Lmites
--------------------------------------------------------------------------------
1 - 2 9.0 9.73401
1 - 3 7.0 9.73401
1 - 4 4.0 9.73401
1 - 5 *10.0 9.73401
2 - 3 -2.0 9.73401
2 - 4 -5.0 9.73401
2 - 5 1.0 9.73401
3 - 4 -3.0 9.73401
3 - 5 3.0 9.73401
4 - 5 6.0 9.73401
--------------------------------------------------------------------------------
* indica una diferencia significativa.
El asterisco que se encuentra al lado de uno de los pares, indica que ste muestra diferencia
estadsticamente significativa a un nivel de confianza 95.0%. En la parte superior de la pgina,
se identifican 2 grupos homogneos segn la alineacin del signo X en la columna. Dentro de
cada columna, los niveles que tienen signo X forman un grupo de medias entre las cuales no hay
diferencias estadsticamente significativas. Pero si existiendo diferencia significativa en 1 y 5.



5. Cuatro reas de ventas tienen la tarea de generar la misma cantidad de ganancias, si el
administrador obtuvo la siguiente planilla de 5 mes (miles de soles) determinar si las 4
reas de ventas lograron cumplir con lo asignado.

A B C D
49 48 57 54
44 37 52 39
41 57 47 45

23


37 52 49 44
39 41 40 48

Solucin:


A B C D


49 48 57 54


44 37 52 39


41 57 47 45


37 52 49 44


39 41 40 48

- i
x
210 235 245 230 920
- i
x 70.00 78.33 81.67 76.67 76.67

1. Hiptesis :
4 3 2 1 0
: H = = =
: H
1
No todas las medias son iguales
2. Nivel de significancia: = 0.05

3. Estadstica de prueba:
CME
CMtrat
F = ~
) 16 , 3 ( , 1 (
) F F
r n r
=



4. Clculos: De los datos se obtiene:

n
X
k
X
) x (x SCtrat
2
k
1 i
2
i 2
k
1 i
n
1 j
ij
i
- -
=
-
= =
- - = =

n
X
x ) x (x SCT
2 k
1 i
n
1 j
2
ij
2
t
1 i
n
1 j
ij
i i
--
= = = =
-- = =


SCE = SCT Sctrat

Anlisis de la Varianza
----------------------------------------------------------------------------------------------------------
Fuente Sumas de cuad. Gl Cuadrado Medio Cociente-F P-Valor
----------------------------------------------------------------------------------------------------------
Tratamientos 150.5 4 37.625 0.93 0.4749
Error 609.5 15 40.6333
----------------------------------------------------------------------------------------------------------
Total 760.0 19

El F-ratio, que en este caso es igual a 0.925964, es el cociente de la estimacin entre grupos y la
estimacin dentro de los grupos. Puesto que el p-valor del test F es superior o igual a 0.05, no
hay diferencia estadsticamente significativa para un nivel 95.0%. Por lo que se concluye que las
4 reas si cumplieron con lo establecido.



24


Duncan
--------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje Duncan
Tratamientos Frec. Media Grupos homogneos
--------------------------------------------------------------------------------
1 4 42.75 X
5 4 44.0 X
2 4 45.25 X
4 4 47.5 X
3 4 50.5 X
--------------------------------------------------------------------------------
Contraste Diferencias
--------------------------------------------------------------------------------
1 - 2 -2.5
1 - 3 -7.75
1 - 4 -4.75
1 - 5 -1.25
2 - 3 -5.25
2 - 4 -2.25
2 - 5 1.25
3 - 4 3.0
3 - 5 6.5
4 - 5 3.5
--------------------------------------------------------------------------------
* indica una diferencia significativa.
No hay diferencias estadsticamente significativas entre ningn par de medias a un nivel de
confianza.95.0%. En la parte superior de la pgina, se identifica un grupo homogneo segn la
alineacin del signo X en la columna. Dentro de cada columna, los niveles que tienen signo X
forman un grupo de medias entre las cuales no hay diferencias estadsticamente significativas.



























25


DISEO DE BLOQUESCOMPLETAMENTE AL AZAR (DBCA)




El diseo en bloques ms simple es el diseo en bloques completos. El diseo en
bloques completos con una nica observacin por cada tratamiento se denomina
diseo en bloques completamente aleatorizado o diseo en bloques completamente al
azar.



26



DISEOS DE BLOQUES COMPLETOS AL AZAR (DBCA)

Este es el ms simple y quizs el ampliamente usado de los diseos de bloques al
azar. Tambin es conocido como diseo de doble va o aleatorizado.

El DBCA se usa cuando las unidades experimentales pueden agruparse en bloque
relativamente homogneos. El material experimental es dividido en b grupos de t
unidades experimentales (UE) cada uno, donde t es el nmero de tratamientos, tales
que las unidades experimentales dentro de cada grupo son lo ms homognea posible
y las diferencias entre las unidades experimentales sea dada por estar en diferentes
grupos. Los conjuntos son llamados bloques, dentro de cada bloque las unidades
experimentales son asignadas aleatoriamente, cada tratamiento ocurre exactamente
una vez en un bloque. Si la variacin entre las unidades experimentales dentro de los
bloques es apreciablemente pequea en comparacin con la variacin entre bloques,
un diseo de bloque completo al azar es ms potente que un diseo completo al azar.
La palabra completo en el nombre del diseo, se debe a que en cada bloque se
prueban todos los tratamientos.

Se aleatorizan los tratamientos dentro de cada bloque. Debe considerarse que
aleatorizacin se realizar de forma independiente para cada bloque.




27



Los factores de bloqueo que aparecen en la prctica son:




VENTAJAS DESVENTAJAS
Es fcil de analizar,
extrae del error
experimental la variacin
debida a los bloques
adems de la variacin
debida a tratamientos.
Menor nmero de grados de libertad
para el error experimental. Si el
nmero de tratamientos es muy
elevado, se hace muy difcil conseguir
un buen agrupamiento de las
parcelas experimentales.

CARACTERISTICAS.

- Las unidades homogneas estn agrupadas formando los bloques.
- En cada bloque se tiene un nmero de unidades igual al nmero de
tratamientos (bloques completos).
- Los tratamientos estn distribuidos al azar en cada bloque.
- El nmero de repeticiones es igual al nmero de bloques.

Una situacin experimental con k tratamientos y b bloques, considerando una
repeticin de tratamiento y bloques:


28



Para este diseo el modelo estadstico est dado por


Dnde:
- Uij: es la medicin que corresponde al tratamiento i y al bloque j
- U : es la media global poblacional.
- t i: es el efecto debido al tratamiento i.
- Y j: es el efecto debido al bloque j.
- E i j : es el error aleatorio atribuible a la medicin

Se supone que los errores se distribuyen de manera normal con media cero y
varianza constante y que son independientes entre s.

HIPOTESIS A PROBAR

Como ya se ha mencionado, la hiptesis de inters es la misma para todos los
diseos comparativos, y est dado por


Que tambin se puede expresar como


29




En cualquiera de estas hiptesis la afirmacin a probar es que la respuesta
media poblacional lograda con cada tratamiento es la misma para los k
tratamientos, y que por tanto cada respuesta media U1 es igual a la media
global poblacional U. De manera alternativa,

ANALISIS DE VARIANZA

Las hiptesis dadas anteriormente se prueba con un anlisis de varianza con
dos se controlan dos fuentes de variacin: el factor tratamiento y el factor de
bloque.



Los clculos necesarios pueden ser manuales Las frmulas ms prcticas
para calcular la suma de cuadrados, son:


Y la del error se obtiene por sustraccin como:

30


CASO PRCTICO:

TIPO DE
CUERO
OBSERVACIONES
A 264 260 258 241 262 255
B 208 220 216 200 213 206
C 220 263 219 225 230 228
D 217 226 215 224 220 222
Analizar.
** Tipos de cuero:
A = Cuero Natural
B = Cuero Apomazado
C = Cuero Pintado.
D = Cuero con proteccin
Paso 1: Reconocer las hiptesis:

Ho: a = B = C = D
Ha: A B C d

Paso 2: Nivel de significancia:

= 0.05 = 0.01

Paso 3: Se usa la funcin Fe


Paso 4: ANOVA.


31

SCE = 9101,333 - 7070,333 - 915,333
SCE = 1113,667



SCT = 1275024 (5512)/24
SCT = 9101,333
SCTRAT = (1/6)x 7637970 (5512)/24
SCTRAT = 7072,333.
SCB = (5067352 / 4) - (5512)/24
SCB = 915,333




32


CONCLUSION:
Fe = 31.75 > 3.29

Se rechaza la hiptesis nula Ho, aceptando que existe diferencia
significativa entre los 4 tipos de cuero.

Anlisis estadstico: Anlisis de la varianza de dos vas.

Las hiptesis de que los distintos tratamientos y los bloques no producen ningn efecto
se contrasta mediante el anlisis de la varianza de dos vas, comparando la variabilidad
entre bloques y la variabilidad entre tratamientos con la variabilidad dentro de los
grupos.
Los resultados fundamentales se resumen en la tabla siguiente.
Fuente de
variacin
Suma de
cuadrados
Grados
de
libertad
Cuadrados
Medios
Valor de
F calculado

Tratamientos

Entre Bloques

Error

SCTrat

SCBloq


SCE

k-1

r 1


(k-1)(r-1)

CMTrat = SCTrat / (k

-

1)

CMBloq = SCBloq / (r

-

1)

CME = SCE /(k -1)(r -1)

CME
CMTrat
F
C
=

CME
CMBloq
F
F
=

Total

SCT


rk - 1






Donde:
rk
Y
y ) y (y SCT
2
k
1 i
r
1 j
2
ij
k
1 i
r
1 j
2
ij
- -
= = = =
- -
= =



rk
Y
Y
r
1
) y y ( SCTrat
2
k
1 i
2
i
k
1 i
r
1 j
2
i
- -
=
-
= =
- - -
= =



rk
Y
Y
k
1
) y y ( SCTrat
2
r
1 j
2
j
k
1 i
r
1 j
2
j
- -
=
-
= =
- - -
= =



SCE = SCT SCTrat - SCBloq

100
Y
CME
CV =

33




Regla de decisin.

Efectos de los tratamientos
Rechazar
C
0
H si el valor de F
C
>
| | 1) (r 1) (k 1, k ,
F

.
No rechazar
C
0
H si el valor de F
C

| | 1) (r 1) (k 1, k ,
F

.


Efectos de los bloques
Rechazar
F
0
H si el valor de F
F
>
| | 1) (r 1) (k 1, r ,
F

.
No rechazar
F
0
H si el valor de F
F

| | 1) (r 1) (k 1, r ,
F

.


Los estimadores de los efectos de los bloques y tratamientos se
estiman a partir de


y la parte propia de cada observacin (o residual)

Los residuales pueden servirnos para la validacin de las hiptesis bsicas de la misma
manera que en el diseo de una va.

El modelo matemtico es ahora



Donde es el efecto debido al bloque, es el efecto debido al tratamiento y

34


es el error experimental.
Obsrvese que solamente hemos sustrado del residual la parte correspondiente a los
bloques.

EJERCICIOS RESUELTOS DEL DBCA



1. Un administrador desea estudiar la eficiencia (por minuto) de 6 programas diferentes
que se utilizan en su empresa para realizar diferentes anlisis, para as decidir con cual
de ellas trabajar. Asigna a 4 trabajadores un anlisis para trabajarlos en cada uno de los
programas y as medir las eficiencias de estos. A continuacin se presentan los
resultados del experimento.

Tipo de
programa
Trabajadores
A B C D
I 30.4 28.8 33.0 31.8
II 33.9 25.5 23.7 33.5
III 32.5 27.3 34.5 34.5
IV 34.9 29.3 36.0 33.8
V 31.9 27.5 36.5 34.5
VI 35.4 28.3 34.2 36.0

a) Con un nivel de significacin de =0.05 Los programas son igual de eficientes?

SOLUCIN:
Tipo de
programa
Trabajadores
A B C D
j
x
-

j x-
I 30.4 28.8 33 31.8 124 31.00
II 33.9 25.5 23.7 33.5 116.6 29.15
III 32.5 27.3 34.5 34.5 128.8 32.20
IV 34.9 29.3 36 33.8 134 33.50
V 31.9 27.5 36.5 34.5 130.4 32.60
VI 35.4 28.3 34.2 36 133.9 33.48
- i
x
199 166.7 197.9 204.1 767.7

- i
x 56.86 47.63 56.54 58.31

54.84

Hiptesis Estadstica:
:
0 H


= = = = =
6 5 4 3 2 1
= 0
:
1 H
; Los s
i
.'

no todos son iguales

0
4 3 2 1
0
= = = = =
| | | |
H

:
1 H
; Los s
j
'
|
no todos son iguales
Nivel de Significancia
=

0.05


35



Estadstica de Prueba
F
TRAT
= CMR
TRAT

CME
F
BLOQ
= CM
BLOQ

CME

F
TRAT
= F (k-1, b-1, )

Clculos:
SCT =

= =
3
1
6
1
2
i j
ij
y
-
bk
y
2
..

SCT = 34.42+28.8
2
++31
2
-
24
7 . 767
2

SCT = 222.01
Ahora:
SC
TRAT
=

=
3
1
2
.
i
i
b
y
-
bk
y
2
..

SC
TRAT
=
( ) ( ) ( )
24
7 . 767
4
9 . 133 ... 6 . 116 124
2 2 2 2

+ + +

SC
TRAT
= 173.425

Hallamos:
SCT
BLOQ =

=
6
1
.
j
j
k
y
bk
T..

SCT
BLOQ =

( ) ( ) ( ) ( )
24
7 . 767
6
1 . 204 9 . 197 7 . 166 199
2 2 2 2 2

+ + +

SCT
BLOQ =
21.5321


Entonces:
SCE = SCT- SC
TRAT
-

SCT
BLOQ.
21.5321=222.01-173.425.

ANLISIS DE LA VARIANZA

Dado que un p-valor es inferior a 0.05, este factor tiene efecto estadsticamente significativo en
Repeticiones para un 95.0%. Es decir que existe diferencia entre los cuatro programas.




Fuente
Suma de
cuadrados
GL
Cuadrado
Medio
Cociente-F P-Valor
Bloques 21.5321 5 4.30642 2.39 0.0878
Tratamientos 173.425 3 57.8082 32.05* 0.0000
Error 27.0529 15 1.80353

TOTAL 222.01 23


36


DUNCAN

--------------------------------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje Duncan
Bloques Recuento Media LS Sigma LS Grupos Homogneos
--------------------------------------------------------------------------------------------------------
1 4 31.0 0.671477 X
2 4 31.4 0.671477 XX
3 4 32.25 0.671477 XX
5 4 32.6 0.671477 XX
6 4 33.475 0.671477 X
4 4 33.5 0.671477 X
--------------------------------------------------------------------------------------------------------
Contraste Diferencias
--------------------------------------------------------------------------------------------------------
1 - 2 -0.4
1 - 3 -1.25
1 - 4 *-2.5
1 - 5 -1.6
1 - 6 *-2.475
2 - 3 -0.85
2 - 4 -2.1
2 - 5 -1.2
2 - 6 -2.075
3 - 4 -1.25
3 - 5 -0.35
3 - 6 -1.225
4 - 5 0.9
4 - 6 0.025
5 - 6 -0.875
--------------------------------------------------------------------------------------------------------
* indica una diferencia significativa.
Se identifican 2 grupos homogneos segn la alineacin del signo X en la columna. Dentro de
cada columna, los niveles que tienen signo X forman un grupo de medias entre las cuales no hay
diferencias estadsticamente significativas. Pero si existiendo diferencia entre 1y6 , 1y 4.


2. Un administrador de una empresa de fotogrfica tiene que realizar una compra de
impresoras de gran calidad que se van a utilizar en imprimir fotografas digitales. El
administrador averiguo sobre 5 marcas de impresoras de similares caractersticas y
precios. El sabe que para su empresa es un importante la velocidad de impresin y por
este, motivo, esta interesado en saber si las impresoras ofertadas tienen la misma
velocidad. Para responder a esta pregunta decide hacer un experimento que consiste en
elegir nica muestra de J = 4 fotos e imprimirlas en las 5 impresoras. Los resultados del
experimento de recogen en la tabla adjunta:

Impresoras
Fotos
A B C D
I 89 88 97 94
II 84 77 92 79
III 81 87 87 85
IV 87 92 89 84
VI 79 81 80 88


37


SOLUCIN:

Impresoras
Fotos

A B C D
j
x
-

j x-
I 89 88 97 94 368 92.00
II 84 77 92 79 332 83.00
III 81 87 87 85 340 85.00
IV 87 92 89 84 352 88.00
V 79 81 80 88 328 82.00
- i
x
420 425 445 430 1720

- i
x 140.00 141.67 148.33 143.33

143.33

Hiptesis Estadstica:
:
0 H


= = = =
5 4 3 2 1
= 0 :
1 H
; Los s
i
.'

no todos son iguales

0
4 3 2 1
0
= = = = =
| | | |
H

:
1 H
; Los s
j
'
|
no todos son iguales

SCT =

= =
3
1
6
1
2
i j
ij
y
-
bk
y
2
..

SC
TRAT
=

=
3
1
2
.
i
i
b
y
-
bk
y
2
..

SCT
BLOQ =

=
6
1
.
j
j
k
y
bk
T..

SCE = SCT- SC
TRAT
-

SCT
BLOQ.


ANLISIS DE LA VARIANZA
-------------------------------------------------------------------------------------------------------------------
Fuente Suma de cuadrados GL Cuadrado Medio Cociente-F P-Valor
--------------------------------------------------------------------------------------------------------------------
Bloques 264.0 4 66.0 3.50 * 0.0407
Tratamientos 70.0 3 23.3333 1.24 * 0.3387
Error 226.0 12 18.8333
--------------------------------------------------------------------------------------------------------------------
TOTAL 560.0 19
--------------------------------------------------------------------------------------------------------------------

TUKEY
----------------------------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje HSD de Tukey
Bloques Recuento Media LS Sigma LS Grupos Homogneos
-----------------------------------------------------------------------------------------------------
5 4 82.0 2.16987 X
2 4 83.0 2.16987 XX
3 4 85.0 2.16987 XX
4 4 88.0 2.16987 XX
1 4 92.0 2.16987 X

38


-----------------------------------------------------------------------------------------------------
Contraste Diferencias +/- Lmites
-----------------------------------------------------------------------------------------------------
1 - 2 9.0 9.79748
1 - 3 7.0 9.79748
1 - 4 4.0 9.79748
1 - 5 *10.0 9.79748
2 - 3 -2.0 9.79748
2 - 4 -5.0 9.79748
2 - 5 1.0 9.79748
3 - 4 -3.0 9.79748
3 - 5 3.0 9.79748
4 - 5 6.0 9.79748
---------------------------------------------------------------------------------------------------------
* indica una diferencia significativa.

Se identifican 2 grupos homogneos segn la alineacin del signo X en la columna. Dentro de
cada columna, los niveles que tienen signo X forman un grupo de medias entre las cuales no hay
diferencias estadsticamente significativas.

DUNCAN
---------------------------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje Duncan
Bloques Recuento Media LS Sigma LS Grupos Homogneos
----------------------------------------------------------------------------------------------------
5 4 82.0 2.16987 X
2 4 83.0 2.16987 X
3 4 85.0 2.16987 XX
4 4 88.0 2.16987 XX
1 4 92.0 2.16987 X
---------------------------------------------------------------------------------------------------
Contraste Diferencias
---------------------------------------------------------------------------------------------------
1 - 2 *9.0
1 - 3 7.0
1 - 4 4.0
1 - 5 *10.0
2 - 3 -2.0
2 - 4 -5.0
2 - 5 1.0
3 - 4 -3.0
3 - 5 3.0
4 - 5 6.0
----------------------------------------------------------------------------------------------------
* indica una diferencia significativa.

Se identifican 2 grupos homogneos segn la alineacin del signo X en la columna. Dentro de
cada columna, los niveles que tienen signo X forman un grupo de medias entre las cuales no hay
diferencias estadsticamente significativas. El mtodo actualmente utilizado para



39


3. A los administradores de una empresa de diseos de modas se les ha asignado la tarea
de averiguar las cantidades de trajes que realizan en una semana, as obtuvieron el
siguiente registro:

Bloques
Tratamientos

A B C D E F
I 455 72 61 215 695 501
II 622 82 444 170 437 134
III 695 56 50 443 701 373
IV 607 650 493 257 490 262
V 388 263 185 103 518 62200

Si en la empresa hay 5 reas que realizan la misma funcin, en cada una de ellas existe 6
maquinas industriales que ayudan en su labor. Ayudar al administrador a determinar si las
diferentes reas de la empresa son igual de eficientes o no.
Determine con un nivel de significancia de 0.05

SOLUCIN:

Bloques
Tratamientos
A B C D E F
j
x
-

j x-
I 455.00 72.00 61.00 215.00 695.00 501.00 1999 333.17
II 622.00 82.00 444.00 170.00 437.00 134.00 1889 314.83
III 695.00 56.00 50.00 443.00 701.00 373.00 2318 386.33
IV 607.00 650.00 493.00 257.00 490.00 262.00 2759 459.83
VI 388.00 263.00 185.00 103.00 518.00 622.00 2079 346.50
- i
x
2767 1123 1233 1188 2841 1892 11044

- i
x 922.33 374.33 411.00 396.00 947.00 630.67

613.56


Hiptesis Estadstica:
:
0 H


= = = =
5 4 3 2 1
= 0
:
1 H
; Los s
i
.'

no todos son iguales

0
6 5 4 3 2 1
0
| | | | | |
= = = = = =
H

:
1 H
; Los s
j
'
|
no todos son iguales



Clculos:
SCT =

= =
3
1
6
1
2
i j
ij
y
-
bk
y
2
..

SC
TRAT
=

=
3
1
2
.
i
i
b
y
-
bk
y
2
..

SCT
BLOQ =

=
6
1
.
j
j
k
y
bk
T..


40


SCE = SCT- SC
TRAT
-

SCT
BLOQ.

ANLISIS DE LA VARIANZA

----------------------------------------------------------------------------------------------------------------
Fuente Suma de cuadrados GL Cuadrado Medio Cociente-F P-Valor
----------------------------------------------------------------------------------------------------------------
Bloques 79630 4 19908 0.58 0.682
Tratamiento 634335 5 126867 3.68 0.016
Error 689107 20 34455
----------------------------------------------------------------------------------------------------------------
TOTAL 1403071 29

Si existen diferencias significativas entre las medias de los bloques.

De acuerdo con el valor P = 0.016 y dado nuestro valor de significancia de 0.05 tenemos que la
hiptesis se rechaza y por lo tanto existen diferencias significativas entre las 5 reas.

DUNCAN

-----------------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje Duncan
Bloques Recuento Media LS Sigma LS
-----------------------------------------------------------------------------------------
2 5 224.6 83.0124
4 5 237.6 83.0124
3 5 246.6 83.0124
6 5 378.4 83.0124
1 5 553.4 83.0124
5 5 568.2 83.0124
-----------------------------------------------------------------------------------------
Contraste Diferencias
-----------------------------------------------------------------------------------------
1 - 2 *328.8
1 - 3 *306.8
1 - 4 *315.8
1 - 5 -14.8
1 - 6 175.0
2 - 3 -22.0
2 - 4 -13.0
2 - 5 *-343.6
2 - 6 -153.8
3 - 4 9.0
3 - 5 *-321.6
3 - 6 -131.8
4 - 5 *-330.6
4 - 6 -140.8
5 - 6 189.8
----------------------------------------------------------------------------------------
* indica una diferencia significativa.

En la parte superior de la pgina, se identifican 2 grupos homogneos segn la alineacin del
signo X en la columna. Dentro de cada columna, los niveles que tienen signo X forman un
grupo de medias entre las cuales no hay diferencias estadsticamente significativas.
Existe diferencia significativa entre

41




4.- Se consideran cuatro diferentes mquinas M1, M2, M3 y M4 para el ensamblaje de un
producto particular. Se decide que utilizar 4 operadores diferentes en un experimento de bloques
aleatorizados para comparar las mquinas. Las mquinas se asignan en orden aleatorio a cada
operador. La operacin de las mquinas requiere destreza fsica y se anticipa que habr una
diferencia entre los operadores en la rapidez con la que operan las mquinas. Se registra la
cantidad de tiempo en segundos para ensamblar el producto. Averiguar si ambas maquinas son
igual de eficientes.


BLOCKS
Operadores
A B C D
I 6 2 8 3
II 7 5 5 7
III 10 4 9 5
IV 9 5 6 5

SOLUCIN:
BLOCKS
Operadores
A B C D
j
x
-

j x-
I 6 2 8 3 19 4.75
II 7 5 5 7 24 6.00
III 10 4 9 5 28 7.00
IV 9 5 6 5 25 6.25
- i
x
32 16 28 20 96

- i
x 12.80 6.40 11.20 8.00

9.60


Hiptesis Estadstica:
:
0 H


= = =
4 3 2 1
= 0
:
1 H
; Los s
i
.'

no todos son iguales

0
4 3 2 1
0
= = = = =
| | | |
H

:
1 H
; Los s
j
'
|
no todos son iguales
Clculos:
SCT =

= =
3
1
6
1
2
i j
ij
y
-
bk
y
2
..

SC
TRAT
=

=
3
1
2
.
i
i
b
y
-
bk
y
2
..

SCT
BLOQ =

=
6
1
.
j
j
k
y
bk
T..

SCE = SCT- SC
TRAT
-

SCT
BLOQ.


ANLISIS DE LA VARIANZA

----------------------------------------------------------------------------------------------------------

42


Fuente Suma de cuadrados GL Cuadrado Medio Cociente-F P-Valor
-----------------------------------------------------------------------------------------------------------
Bloques 10.5 3 3.5 1.34 0.3214
Tratamientos 40.0 3 13.3333 5.11 0.0246
Error 23.5 9 2.61111
----------------------------------------------------------------------------------------------------------
TOTAL 74.0 15
----------------------------------------------------------------------------------------------------------
De acuerdo con el valor P = 0.0246 y dado nuestro valor de significancia de 0.05 tenemos que
la hiptesis se rechaza y por lo tanto existen diferencias significativas en la eficiencia de las
maquinas.

DUNCAN
---------------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje Duncan
Bloques Recuento Media LS Sigma LS Grupos Homogneos
--------------------------------------------------------------------------------
1 4 4.75 0.807947 X
2 4 6.0 0.807947 X
4 4 6.25 0.807947 X
3 4 7.0 0.807947 X
--------------------------------------------------------------------------------
Contraste Diferencias
--------------------------------------------------------------------------------
1 - 2 -1.25
1 - 3 * -2.25
1 - 4 -1.5
2 - 3 -1.0
2 - 4 -0.25
3 - 4 0.75
--------------------------------------------------------------------------------
* indica una diferencia significativa.

En la parte superior de la pgina, se identifica un grupo homogneo segn la alineacin del
signo X en la columna. Dentro de cada columna, los niveles que tienen signo X forman un
grupo de medias entre las cuales no hay diferencias estadsticamente significativas.

5.- La siguiente tabla representa el numero de motos lineales que de vendi en el da.
Representar en un anlisis de varianza las ventas del da.


Vendedores
Marca de motos
A B C D
I 6 2 8 3
II 7 5 5 7
III 10 4 9 5
IV 9 5 6 5


SOLUCIN:

Marca de Motos

43


Vendedores A B C D
j
x
-

j x-
I 6 2 8 3 19 4.75
II 7 5 5 7 24 6.00
III 10 4 9 5 28 7.00
IV 9 5 6 5 25 6.25
- i
x
32 16 28 20 96
- i
x
12.80 6.40 11.20 8.00 9.60

Hiptesis Estadstica:

44


:
0 H


= = =
4 3 2 1
= 0
:
1 H
; Los s
i
.'

no todos son iguales

0
4 3 2 1
0
= = = = =
| | | |
H

:
1 H
; Los s
j
'
|
no todos son iguales


Clculos:
SCT =

= =
3
1
6
1
2
i j
ij
y
-
bk
y
2
..

SC
TRAT
=

=
3
1
2
.
i
i
b
y
-
bk
y
2
..

SCT
BLOQ =

=
6
1
.
j
j
k
y
bk
T..

SCE = SCT- SC
TRAT
-

SCT
BLOQ.
ANLISIS DE LA VARIANZA
-------------------------------------------------------------------------------------------------------------
Fuente Suma de cuadrados GL Cuadrado Medio Cociente-F P-Valor
--------------------------------------------------------------------------------------------------------------
Bloques 10.5 3 3.5 1.34 0.3214
Tratamientos 40.0 3 13.3333 5.11 0.0246
Error 23.5 9 2.61111
-------------------------------------------------------------------------------------------------------------
TOTAL 74.0 15
-------------------------------------------------------------------------------------------------------------
Dado que un p-valor es inferior a 0.05, este factor tiene efecto estadsticamente significativo
en Repeticiones para un 95.0%. exite diferencia en la eficie de los vendedores para ventas de
motos




DUNCAN
-----------------------------------------------------------------------------------------------------
Mtodo: 95.0 porcentaje Duncan
Bloques Recuento Media LS Sigma LS Grupos Homogneos
-----------------------------------------------------------------------------------------------------
1 4 4.75 0.807947 X
2 4 6.0 0.807947 X
4 4 6.25 0.807947 X
3 4 7.0 0.807947 X
-----------------------------------------------------------------------------------------------------
Contraste Diferencias
-----------------------------------------------------------------------------------------------------
1 - 2 -1.25
1 - 3 -2.25

45


1 - 4 -1.5
2 - 3 -1.0
2 - 4 -0.25
3 - 4 0.75
--------------------------------------------------------------------------------
* indica una diferencia significativa.

En la parte superior de la pgina, se identifica un grupo homogneo segn la alineacin del
signo X en la columna. Dentro de cada columna, los niveles que tienen signo X forman un
grupo de medias entre las cuales no hay diferencias estadsticamente significativas.

46