Curso de Estadistika

1.
Anlisis de la Varianza
Curso 2011-2012
Estadstica
1.1 Dos tratamientos
Comparacin de dos
tratamientos
A
51,3
39,4
26,3
39,0
48,1
34,2
69,8
31,3
45,2
46,4
B
29,6
47,0
25,9
13,0
33,1
22,1
34,1
19,5
43,8
24,9
Sea desea comparar

dos tratamientos para
reducir el nivel de
colesterol en la sangre.
Se seleccionan 20
individuos y se asignan
al azar a dos tipos de
dietas A y B. La tabla
muestra la reduccin
conseguida despus de
dos meses.
Mtodo: 4 pasos
Definicin del modelo de distribucin
de probabilidad:
Hiptesis
Parmetros
Estimacin de los parmetros

Diagnosis de las hiptesis
Aplicacin
Modelo
y11
y 21
y12
y 22
y1n1
y 2 n2
M
O
D
E
L
O
D
A
T
O
S
5
Modelo: Hiptesis y Parmetros

Hiptesis bsicas:
Parmetros
Normalidad
yij
N( i, 2)
Homocedasticidad
Var [yij] =
1
2
2
Independencia
Cov [yij, ykl] = 0
Modelo
yij
uij ,
uij
N (0,
Las observaciones se descomponen en:

Parte predecible
uij
Parte aleatoria
0
7
Estimacin medias:
n1
y1 j
1:
y1
j 1
n1
n2
y2 j
2:
y2
j 1
n2
A
51,3
39,4
26,3
39,0
48,1
34,2
69,8
31,3
45,2
46,4
43,1
B
29,6
47,0
25,9
13,0
33,1
22,1
34,1
19,5
43,8
24,9
29,3
Estimacin varianza (residuos)

yij
uij , uij
uij
yij
eij
yij
N (0,
Residuos
A
8,2
-3,7
-16,8
-4,1
5,0
-8,9
26,7
-11,8
2,1
3,3
0,0
yi
eij : RES IDUO

2 ni
2
eij2
i 1 j 1
s R2
n 2
j 1
B
0,3
17,7
-3,4
-16,3
3,8
-7,2
4,8
-9,8
14,5
-4,4
0,0
2
0;s R
eij
130.95
9
2
s
Varianza residual: R
y21
y11
y12
( y1 j
s12
y1 ) 2
y22
n1 1
s22
( y2 j
n2
y2 ) 2
1
y2 n2
y1n1
2 ni
sR2
eij2
i 1j 1
n 2
n1 1 2
s1
n 1
n2 1 2
s2
n 1
10
Diferencia de medias: y1
y21
y22
y11
2
y12
N(
y1
1,
n1
y2
( y1
y2
N(
2,
n2
y2 n2
y1n1
y1
y2
N(
2,
y2 ) ( 1
1 1
n1 n2
n1
n2
2)
)
( y1
N (0,1)
y2 ) ( 1
1 1
sR
n1 n2
2)
tn
11
Contraste de igualdad de medias
t0
H0 :
H1 :
y1
sR
y2
1
n1
tn-2
1tn
1
n2
R.R
R.R.
/2
R. Acept.
-t
/2
t0
/2
No se rechaza H 0
t0
/2
Se rechaza H 0
/2
/2
12
Ejemplo:
t0
H0 :
H1 :
= 0.05
R.R.
R.R
t18
0.025
0.025
43.1 29.3
1 1
11.44
10 10
2.69
2.10
-2.10
2.69 2.10
Se rechaza H 0
13
Ejemplo:
t0
= 0.01
H0 :
H1 :
43.1 29.3
1 1
11.44
10 10
t18
0.99
0.005
0.005
2.69
2.69 2.88
R.R
R.R.
/2
-2.88
2.88
No se rechaza H 0
14
Nivel crtico (bilateral)
t0
H0 :
H1 :
43.1 29.3
1 1
11.44
10 10
p valor
t18
0.074
0.074
2.69
-2.69
Pr( t18
= 0.05 > p-valor

= 0.01 < p-valor
2.69)
2.69
0.0147
Se rechaza H0
No se rechaza H0
15
Conclusiones (fijado )
Si |to| > t /2 se dice
que la diferencia
de medias es
significativa. O
simplemente que
los tratamientos
son distintos
(tienen medias
distintas)
Si |to| t /2 se dice
que la diferencia
de medias no es
significativa. No
hay evidencia
suficiente para
afirmar que las
medias de los
tratamientos sean
diferentes.
16
No rechazar Ho, no implica

que Ho sea cierta
El resultado |to| t /2, (no se rechaza
Ho) no debe interpretarse como
se ha demostrado que las dos
medias son iguales
No-rechazar la hiptesis nula implica que
la diferencia entre las medias 1 - 2 no
es lo suficientemente grande como para
ser detectada con el tamao muestral
dado.
17
Intervalo de confianza para

la diferencia de medias:
1
( y1
y2 ) ( 1
1 1
sR
n1 n2
2)
tn
tn-2
/2
( y1
/2
( y1
y2 ) ( 1
1 1
sR
n1 n2
y2 )
/2
1-t
Pr { t
/2
2)
/ 2 sR
/2}
1
n1
1
n2
/2
18
Ejemplo: intervalo de confianza
t18
0.025
0.025
-2.10
2.10
t / 2 sR
1
n2
(43.1 29.3) 2.10 11.44
13.8
y2 )
1
n1
( y1
1
1
10 10
10.74
19
Hiptesis de homocedasticidad
1
y21
y22
y11
y12
s12
( y1 j
y1 ) 2
n1 1
( y2 j
n2
y2 ) 2
1
y2 n2
y1n1
H0 :
H1 :
s22
2
1
2
1
2
2
2
2
20
Distribucin F
y21
y11
y12
( y1 j
s12
y1 ) 2
y22
n1 1
( y2 j
s22
y2 ) 2
n2 1
y2 n2
y1n1
(n1 1) s12
2
1
2
n1 1
(n2 1) s22
2
n1 1
2
n2 1
2
2
2
n2 1
s12
(n1 1)
(n2 1)
2
1
s22
2
2
Fn1
1,n2 1
21
Anlisis de la varianza
Distribucin F
F40,40
F20,40
F10,40
F5,40
22
Algunas distribuciones F
F10,80
F10,40
F10,20
F10,10
23
Contraste de igualdad de varianzas

H0 :
H1 :
2
1
2
1
2
2
2
2
2
1
Si H 0 es cierto
F0
s12
s12
Fn1
2
2,
1,n2 1
RR
RR
/2
/2
1R.A. Ho
F1-
/2
/2
Si F0
F1
/ 2, F / 2
No se rechaza H 0
Si F0
F1
/ 2, F / 2
Se rechaza H 0
24
Ejemplo: Contraste de igualdad de varianzas

H0 :
H1 :
2
1
2
1
2
2
2
2
s12 154.02 s22 111.7
0.248 1.37
154.02
1.37
111.7
F0
1.37
RR
0.025
RR
0.025
0.248,4.03
4.03
No se rechaza H 0
25
F 1,
Tabla F
P( F 1 ,
F 1,
Grados de libertad del denominador:
=0.05
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
120
Inf
1
161,4
18,51
10,13
7,71
6,61
5,99
5,59
5,32
5,12
4,96
4,84
4,75
4,67
4,60
4,54
4,49
4,45
4,41
4,38
4,35
4,32
4,30
4,28
4,26
4,24
4,23
4,21
4,20
4,18
4,17
4,08
4,03
4,00
3,98
3,96
3,95
3,94
3,92
3,84
1
2
199,5
19,00
9,55
6,94
5,79
5,14
4,74
4,46
4,26
4,10
3,98
3,89
3,81
3,74
3,68
3,63
3,59
3,55
3,52
3,49
3,47
3,44
3,42
3,40
3,39
3,37
3,35
3,34
3,33
3,32
3,23
3,18
3,15
3,13
3,11
3,10
3,09
3,07
3,00
2
3
215,7
19,16
9,28
6,59
5,41
4,76
4,35
4,07
3,86
3,71
3,59
3,49
3,41
3,34
3,29
3,24
3,20
3,16
3,13
3,10
3,07
3,05
3,03
3,01
2,99
2,98
2,96
2,95
2,93
2,92
2,84
2,79
2,76
2,74
2,72
2,71
2,70
2,68
2,60
3
Ejemplo : P( F7,8
4
224,6
19,25
9,12
6,39
5,19
4,53
4,12
3,84
3,63
3,48
3,36
3,26
3,18
3,11
3,06
3,01
2,96
2,93
2,90
2,87
2,84
2,82
2,80
2,78
2,76
2,74
2,73
2,71
2,70
2,69
2,61
2,56
2,53
2,50
2,49
2,47
2,46
2,45
2,37
4
5
230,2
19,30
9,01
6,26
5,05
4,39
3,97
3,69
3,48
3,33
3,20
3,11
3,03
2,96
2,90
2,85
2,81
2,77
2,74
2,71
2,68
2,66
2,64
2,62
2,60
2,59
2,57
2,56
2,55
2,53
2,45
2,40
2,37
2,35
2,33
2,32
2,31
2,29
2,21
5
6
234,0
19,33
8,94
6,16
4,95
4,28
3,87
3,58
3,37
3,22
3,09
3,00
2,92
2,85
2,79
2,74
2,70
2,66
2,63
2,60
2,57
2,55
2,53
2,51
2,49
2,47
2,46
2,45
2,43
2,42
2,34
2,29
2,25
2,23
2,21
2,20
2,19
2,18
2,10
6
3.50) 0.05
7
236,8
19,35
8,89
6,09
4,88
4,21
3,79
3,50
3,29
3,14
3,01
2,91
2,83
2,76
2,71
2,66
2,61
2,58
2,54
2,51
2,49
2,46
2,44
2,42
2,40
2,39
2,37
2,36
2,35
2,33
2,25
2,20
2,17
2,14
2,13
2,11
2,10
2,09
2,01
7
8
238,9
19,37
8,85
6,04
4,82
4,15
3,73
3,44
3,23
3,07
2,95
2,85
2,77
2,70
2,64
2,59
2,55
2,51
2,48
2,45
2,42
2,40
2,37
2,36
2,34
2,32
2,31
2,29
2,28
2,27
2,18
2,13
2,10
2,07
2,06
2,04
2,03
2,02
1,94
8
9
240,5
19,38
8,81
6,00
4,77
4,10
3,68
3,39
3,18
3,02
2,90
2,80
2,71
2,65
2,59
2,54
2,49
2,46
2,42
2,39
2,37
2,34
2,32
2,30
2,28
2,27
2,25
2,24
2,22
2,21
2,12
2,07
2,04
2,02
2,00
1,99
1,97
1,96
1,88
9
10
241,9
19,40
8,79
5,96
4,74
4,06
3,64
3,35
3,14
2,98
2,85
2,75
2,67
2,60
2,54
2,49
2,45
2,41
2,38
2,35
2,32
2,30
2,27
2,25
2,24
2,22
2,20
2,19
2,18
2,16
2,08
2,03
1,99
1,97
1,95
1,94
1,93
1,91
1,83
10
12
243,9
19,41
8,74
5,91
4,68
4,00
3,57
3,28
3,07
2,91
2,79
2,69
2,60
2,53
2,48
2,42
2,38
2,34
2,31
2,28
2,25
2,23
2,20
2,18
2,16
2,15
2,13
2,12
2,10
2,09
2,00
1,95
1,92
1,89
1,88
1,86
1,85
1,83
1,75
12
15
245,9
19,43
8,70
5,86
4,62
3,94
3,51
3,22
3,01
2,85
2,72
2,62
2,53
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,18
2,15
2,13
2,11
2,09
2,07
2,06
2,04
2,03
2,01
1,92
1,87
1,84
1,81
1,79
1,78
1,77
1,75
1,67
15
20
248,0
19,45
8,66
5,80
4,56
3,87
3,44
3,15
2,94
2,77
2,65
2,54
2,46
2,39
2,33
2,28
2,23
2,19
2,16
2,12
2,10
2,07
2,05
2,03
2,01
1,99
1,97
1,96
1,94
1,93
1,84
1,78
1,75
1,72
1,70
1,69
1,68
1,66
1,57
20
24
249,1
19,45
8,64
5,77
4,53
3,84
3,41
3,12
2,90
2,74
2,61
2,51
2,42
2,35
2,29
2,24
2,19
2,15
2,11
2,08
2,05
2,03
2,01
1,98
1,96
1,95
1,93
1,91
1,90
1,89
1,79
1,74
1,70
1,67
1,65
1,64
1,63
1,61
1,52
24
30
250,1
19,46
8,62
5,75
4,50
3,81
3,38
3,08
2,86
2,70
2,57
2,47
2,38
2,31
2,25
2,19
2,15
2,11
2,07
2,04
2,01
1,98
1,96
1,94
1,92
1,90
1,88
1,87
1,85
1,84
1,74
1,69
1,65
1,62
1,60
1,59
1,57
1,55
1,46
30
40
251,1
19,47
8,59
5,72
4,46
3,77
3,34
3,04
2,83
2,66
2,53
2,43
2,34
2,27
2,20
2,15
2,10
2,06
2,03
1,99
1,96
1,94
1,91
1,89
1,87
1,85
1,84
1,82
1,81
1,79
1,69
1,63
1,59
1,57
1,54
1,53
1,52
1,50
1,39
40
60
252,2
19,48
8,57
5,69
4,43
3,74
3,30
3,01
2,79
2,62
2,49
2,38
2,30
2,22
2,16
2,11
2,06
2,02
1,98
1,95
1,92
1,89
1,86
1,84
1,82
1,80
1,79
1,77
1,75
1,74
1,64
1,58
1,53
1,50
1,48
1,46
1,45
1,43
1,32
60
100
253,0
19,49
8,55
5,66
4,41
3,71
3,27
2,97
2,76
2,59
2,46
2,35
2,26
2,19
2,12
2,07
2,02
1,98
1,94
1,91
1,88
1,85
1,82
1,80
1,78
1,76
1,74
1,73
1,71
1,70
1,59
1,52
1,48
1,45
1,43
1,41
1,39
1,37
1,24
100
120
253,3
19,49
8,55
5,66
4,40
3,70
3,27
2,97
2,75
2,58
2,45
2,34
2,25
2,18
2,11
2,06
2,01
1,97
1,93
1,90
1,87
1,84
1,81
1,79
1,77
1,75
1,73
1,71
1,70
1,68
1,58
1,51
1,47
1,44
1,41
1,39
1,38
1,35
1,22
120
Inf.
254,3
19,50
8,53
5,63
4,37
3,67
3,23
2,93
2,71
2,54
2,40
2,30
2,21
2,13
2,07
2,01
1,96
1,92
1,88
1,84
1,81
1,78
1,76
1,73
1,71
1,69
1,67
1,65
1,64
1,62
1,51
1,44
1,39
1,35
1,32
1,30
1,28
1,25
1,00
Inf.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
120
Inf
F 1,
Tabla F
P( F 1 ,
F 1,
=0.025
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
120
Inf
1
647,8
38,51
17,44
12,22
10,01
8,81
8,07
7,57
7,21
6,94
6,72
6,55
6,41
6,30
6,20
6,12
6,04
5,98
5,92
5,87
5,83
5,79
5,75
5,72
5,69
5,66
5,63
5,61
5,59
5,57
5,42
5,34
5,29
5,25
5,22
5,20
5,18
5,15
5,02
1
2
799,5
39,00
16,04
10,65
8,43
7,26
6,54
6,06
5,71
5,46
5,26
5,10
4,97
4,86
4,77
4,69
4,62
4,56
4,51
4,46
4,42
4,38
4,35
4,32
4,29
4,27
4,24
4,22
4,20
4,18
4,05
3,97
3,93
3,89
3,86
3,84
3,83
3,80
3,69
2
3
864,2
39,17
15,44
9,98
7,76
6,60
5,89
5,42
5,08
4,83
4,63
4,47
4,35
4,24
4,15
4,08
4,01
3,95
3,90
3,86
3,82
3,78
3,75
3,72
3,69
3,67
3,65
3,63
3,61
3,59
3,46
3,39
3,34
3,31
3,28
3,26
3,25
3,23
3,12
3
4
899,6
39,25
15,10
9,60
7,39
6,23
5,52
5,05
4,72
4,47
4,28
4,12
4,00
3,89
3,80
3,73
3,66
3,61
3,56
3,51
3,48
3,44
3,41
3,38
3,35
3,33
3,31
3,29
3,27
3,25
3,13
3,05
3,01
2,97
2,95
2,93
2,92
2,89
2,79
4
Ejemplo : P( F7,8
5
921,8
39,30
14,88
9,36
7,15
5,99
5,29
4,82
4,48
4,24
4,04
3,89
3,77
3,66
3,58
3,50
3,44
3,38
3,33
3,29
3,25
3,22
3,18
3,15
3,13
3,10
3,08
3,06
3,04
3,03
2,90
2,83
2,79
2,75
2,73
2,71
2,70
2,67
2,57
5
6
937,1
39,33
14,73
9,20
6,98
5,82
5,12
4,65
4,32
4,07
3,88
3,73
3,60
3,50
3,41
3,34
3,28
3,22
3,17
3,13
3,09
3,05
3,02
2,99
2,97
2,94
2,92
2,90
2,88
2,87
2,74
2,67
2,63
2,59
2,57
2,55
2,54
2,52
2,41
6
7
948,2
39,36
14,62
9,07
6,85
5,70
4,99
4,53
4,20
3,95
3,76
3,61
3,48
3,38
3,29
3,22
3,16
3,10
3,05
3,01
2,97
2,93
2,90
2,87
2,85
2,82
2,80
2,78
2,76
2,75
2,62
2,55
2,51
2,47
2,45
2,43
2,42
2,39
2,29
7
8
956,6
39,37
14,54
8,98
6,76
5,60
4,90
4,43
4,10
3,85
3,66
3,51
3,39
3,29
3,20
3,12
3,06
3,01
2,96
2,91
2,87
2,84
2,81
2,78
2,75
2,73
2,71
2,69
2,67
2,65
2,53
2,46
2,41
2,38
2,35
2,34
2,32
2,30
2,19
8
9
963,3
39,39
14,47
8,90
6,68
5,52
4,82
4,36
4,03
3,78
3,59
3,44
3,31
3,21
3,12
3,05
2,98
2,93
2,88
2,84
2,80
2,76
2,73
2,70
2,68
2,65
2,63
2,61
2,59
2,57
2,45
2,38
2,33
2,30
2,28
2,26
2,24
2,22
2,11
9
10
968,6
39,40
14,42
8,84
6,62
5,46
4,76
4,30
3,96
3,72
3,53
3,37
3,25
3,15
3,06
2,99
2,92
2,87
2,82
2,77
2,73
2,70
2,67
2,64
2,61
2,59
2,57
2,55
2,53
2,51
2,39
2,32
2,27
2,24
2,21
2,19
2,18
2,16
2,05
10
12
976,7
39,41
14,34
8,75
6,52
5,37
4,67
4,20
3,87
3,62
3,43
3,28
3,15
3,05
2,96
2,89
2,82
2,77
2,72
2,68
2,64
2,60
2,57
2,54
2,51
2,49
2,47
2,45
2,43
2,41
2,29
2,22
2,17
2,14
2,11
2,09
2,08
2,05
1,94
12
15
984,9
39,43
14,25
8,66
6,43
5,27
4,57
4,10
3,77
3,52
3,33
3,18
3,05
2,95
2,86
2,79
2,72
2,67
2,62
2,57
2,53
2,50
2,47
2,44
2,41
2,39
2,36
2,34
2,32
2,31
2,18
2,11
2,06
2,03
2,00
1,98
1,97
1,94
1,83
15
20
993,1
39,45
14,17
8,56
6,33
5,17
4,47
4,00
3,67
3,42
3,23
3,07
2,95
2,84
2,76
2,68
2,62
2,56
2,51
2,46
2,42
2,39
2,36
2,33
2,30
2,28
2,25
2,23
2,21
2,20
2,07
1,99
1,94
1,91
1,88
1,86
1,85
1,82
1,71
20
24
30
40
60
100
120
Inf.
997,3 1001,4 1005,6 1009,8 1013,2 1014,0 1018,3
39,46 39,46 39,47 39,48 39,49 39,49 39,50
14,12 14,08 14,04 13,99 13,96 13,95 13,90
8,51
8,46
8,41
8,36
8,32
8,31
8,26
6,28
6,23
6,18
6,12
6,08
6,07
6,02
5,12
5,07
5,01
4,96
4,92
4,90
4,85
4,41
4,36
4,31
4,25
4,21
4,20
4,14
3,95
3,89
3,84
3,78
3,74
3,73
3,67
3,61
3,56
3,51
3,45
3,40
3,39
3,33
3,37
3,31
3,26
3,20
3,15
3,14
3,08
3,17
3,12
3,06
3,00
2,96
2,94
2,88
3,02
2,96
2,91
2,85
2,80
2,79
2,72
2,89
2,84
2,78
2,72
2,67
2,66
2,60
2,79
2,73
2,67
2,61
2,56
2,55
2,49
2,70
2,64
2,59
2,52
2,47
2,46
2,40
2,63
2,57
2,51
2,45
2,40
2,38
2,32
2,56
2,50
2,44
2,38
2,33
2,32
2,25
2,50
2,44
2,38
2,32
2,27
2,26
2,19
2,45
2,39
2,33
2,27
2,22
2,20
2,13
2,41
2,35
2,29
2,22
2,17
2,16
2,09
2,37
2,31
2,25
2,18
2,13
2,11
2,04
2,33
2,27
2,21
2,14
2,09
2,08
2,00
2,30
2,24
2,18
2,11
2,06
2,04
1,97
2,27
2,21
2,15
2,08
2,02
2,01
1,94
2,24
2,18
2,12
2,05
2,00
1,98
1,91
2,22
2,16
2,09
2,03
1,97
1,95
1,88
2,19
2,13
2,07
2,00
1,94
1,93
1,85
2,17
2,11
2,05
1,98
1,92
1,91
1,83
2,15
2,09
2,03
1,96
1,90
1,89
1,81
2,14
2,07
2,01
1,94
1,88
1,87
1,79
2,01
1,94
1,88
1,80
1,74
1,72
1,64
1,93
1,87
1,80
1,72
1,66
1,64
1,55
1,88
1,82
1,74
1,67
1,60
1,58
1,48
1,85
1,78
1,71
1,63
1,56
1,54
1,44
1,82
1,75
1,68
1,60
1,53
1,51
1,40
1,80
1,73
1,66
1,58
1,50
1,48
1,37
1,78
1,71
1,64
1,56
1,48
1,46
1,35
1,76
1,69
1,61
1,53
1,45
1,43
1,31
1,64
1,57
1,48
1,39
1,30
1,27
1,00
24
30
40
60
100
120
Inf.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
120
Inf
4.53) 0.025
F 1,
Tabla F
P( F 1 ,
F 1,
=0.01
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
120
Inf
1
4052,2
98,50
34,12
21,20
16,26
13,75
12,25
11,26
10,56
10,04
9,65
9,33
9,07
8,86
8,68
8,53
8,40
8,29
8,18
8,10
8,02
7,95
7,88
7,82
7,77
7,72
7,68
7,64
7,60
7,56
7,31
7,17
7,08
7,01
6,96
6,93
6,90
6,85
6,63
1
2
4999,3
99,00
30,82
18,00
13,27
10,92
9,55
8,65
8,02
7,56
7,21
6,93
6,70
6,51
6,36
6,23
6,11
6,01
5,93
5,85
5,78
5,72
5,66
5,61
5,57
5,53
5,49
5,45
5,42
5,39
5,18
5,06
4,98
4,92
4,88
4,85
4,82
4,79
4,61
2
3
5403,5
99,16
29,46
16,69
12,06
9,78
8,45
7,59
6,99
6,55
6,22
5,95
5,74
5,56
5,42
5,29
5,19
5,09
5,01
4,94
4,87
4,82
4,76
4,72
4,68
4,64
4,60
4,57
4,54
4,51
4,31
4,20
4,13
4,07
4,04
4,01
3,98
3,95
3,78
3
4
5624,3
99,25
28,71
15,98
11,39
9,15
7,85
7,01
6,42
5,99
5,67
5,41
5,21
5,04
4,89
4,77
4,67
4,58
4,50
4,43
4,37
4,31
4,26
4,22
4,18
4,14
4,11
4,07
4,04
4,02
3,83
3,72
3,65
3,60
3,56
3,53
3,51
3,48
3,32
4
Ejemplo : P( F7,8
5
5764,0
99,30
28,24
15,52
10,97
8,75
7,46
6,63
6,06
5,64
5,32
5,06
4,86
4,69
4,56
4,44
4,34
4,25
4,17
4,10
4,04
3,99
3,94
3,90
3,85
3,82
3,78
3,75
3,73
3,70
3,51
3,41
3,34
3,29
3,26
3,23
3,21
3,17
3,02
5
6
5859,0
99,33
27,91
15,21
10,67
8,47
7,19
6,37
5,80
5,39
5,07
4,82
4,62
4,46
4,32
4,20
4,10
4,01
3,94
3,87
3,81
3,76
3,71
3,67
3,63
3,59
3,56
3,53
3,50
3,47
3,29
3,19
3,12
3,07
3,04
3,01
2,99
2,96
2,80
6
7
5928,3
99,36
27,67
14,98
10,46
8,26
6,99
6,18
5,61
5,20
4,89
4,64
4,44
4,28
4,14
4,03
3,93
3,84
3,77
3,70
3,64
3,59
3,54
3,50
3,46
3,42
3,39
3,36
3,33
3,30
3,12
3,02
2,95
2,91
2,87
2,84
2,82
2,79
2,64
7
6.18) 0.01
8
5981,0
99,38
27,49
14,80
10,29
8,10
6,84
6,03
5,47
5,06
4,74
4,50
4,30
4,14
4,00
3,89
3,79
3,71
3,63
3,56
3,51
3,45
3,41
3,36
3,32
3,29
3,26
3,23
3,20
3,17
2,99
2,89
2,82
2,78
2,74
2,72
2,69
2,66
2,51
8
9
6022,4
99,39
27,34
14,66
10,16
7,98
6,72
5,91
5,35
4,94
4,63
4,39
4,19
4,03
3,89
3,78
3,68
3,60
3,52
3,46
3,40
3,35
3,30
3,26
3,22
3,18
3,15
3,12
3,09
3,07
2,89
2,78
2,72
2,67
2,64
2,61
2,59
2,56
2,41
9
10
6055,9
99,40
27,23
14,55
10,05
7,87
6,62
5,81
5,26
4,85
4,54
4,30
4,10
3,94
3,80
3,69
3,59
3,51
3,43
3,37
3,31
3,26
3,21
3,17
3,13
3,09
3,06
3,03
3,00
2,98
2,80
2,70
2,63
2,59
2,55
2,52
2,50
2,47
2,32
10
12
6106,7
99,42
27,05
14,37
9,89
7,72
6,47
5,67
5,11
4,71
4,40
4,16
3,96
3,80
3,67
3,55
3,46
3,37
3,30
3,23
3,17
3,12
3,07
3,03
2,99
2,96
2,93
2,90
2,87
2,84
2,66
2,56
2,50
2,45
2,42
2,39
2,37
2,34
2,18
12
15
6157,0
99,43
26,87
14,20
9,72
7,56
6,31
5,52
4,96
4,56
4,25
4,01
3,82
3,66
3,52
3,41
3,31
3,23
3,15
3,09
3,03
2,98
2,93
2,89
2,85
2,81
2,78
2,75
2,73
2,70
2,52
2,42
2,35
2,31
2,27
2,24
2,22
2,19
2,04
15
20
6208,7
99,45
26,69
14,02
9,55
7,40
6,16
5,36
4,81
4,41
4,10
3,86
3,66
3,51
3,37
3,26
3,16
3,08
3,00
2,94
2,88
2,83
2,78
2,74
2,70
2,66
2,63
2,60
2,57
2,55
2,37
2,27
2,20
2,15
2,12
2,09
2,07
2,03
1,88
20
24
6234,3
99,46
26,60
13,93
9,47
7,31
6,07
5,28
4,73
4,33
4,02
3,78
3,59
3,43
3,29
3,18
3,08
3,00
2,92
2,86
2,80
2,75
2,70
2,66
2,62
2,58
2,55
2,52
2,49
2,47
2,29
2,18
2,12
2,07
2,03
2,00
1,98
1,95
1,79
24
30
6260,4
99,47
26,50
13,84
9,38
7,23
5,99
5,20
4,65
4,25
3,94
3,70
3,51
3,35
3,21
3,10
3,00
2,92
2,84
2,78
2,72
2,67
2,62
2,58
2,54
2,50
2,47
2,44
2,41
2,39
2,20
2,10
2,03
1,98
1,94
1,92
1,89
1,86
1,70
30
40
6286,4
99,48
26,41
13,75
9,29
7,14
5,91
5,12
4,57
4,17
3,86
3,62
3,43
3,27
3,13
3,02
2,92
2,84
2,76
2,69
2,64
2,58
2,54
2,49
2,45
2,42
2,38
2,35
2,33
2,30
2,11
2,01
1,94
1,89
1,85
1,82
1,80
1,76
1,59
40
60
6313,0
99,48
26,32
13,65
9,20
7,06
5,82
5,03
4,48
4,08
3,78
3,54
3,34
3,18
3,05
2,93
2,83
2,75
2,67
2,61
2,55
2,50
2,45
2,40
2,36
2,33
2,29
2,26
2,23
2,21
2,02
1,91
1,84
1,78
1,75
1,72
1,69
1,66
1,47
60
100
6333,9
99,49
26,24
13,58
9,13
6,99
5,75
4,96
4,41
4,01
3,71
3,47
3,27
3,11
2,98
2,86
2,76
2,68
2,60
2,54
2,48
2,42
2,37
2,33
2,29
2,25
2,22
2,19
2,16
2,13
1,94
1,82
1,75
1,70
1,65
1,62
1,60
1,56
1,36
100
120
6339,5
99,49
26,22
13,56
9,11
6,97
5,74
4,95
4,40
4,00
3,69
3,45
3,25
3,09
2,96
2,84
2,75
2,66
2,58
2,52
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,17
2,14
2,11
1,92
1,80
1,73
1,67
1,63
1,60
1,57
1,53
1,32
120
Inf.
6365,6
99,50
26,13
13,46
9,02
6,88
5,65
4,86
4,31
3,91
3,60
3,36
3,17
3,00
2,87
2,75
2,65
2,57
2,49
2,42
2,36
2,31
2,26
2,21
2,17
2,13
2,10
2,06
2,03
2,01
1,80
1,68
1,60
1,54
1,49
1,46
1,43
1,38
1,00
Inf.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
120
Inf
1.2
K tratamientos
29
Existen diferencias entre las

cuatro semillas?
Se desea comparar el rendimiento de
cuatro semillas A,B,C y D. Un terreno se
divide en 24 parcelas similares y se asigna
al azar cada semilla a 6 parcelas.
A
229.1
253.7
241.3
254.7
237.2
241.3
242.9
B
233.4
233.0
219.2
200.0
224.3
202.0
218.7
C
211.1
223.1
217.5
211.8
207.6
213.7
214.1
D
270.4
248.6
230.0
250.7
230.0
245.8
245.9
30
Mtodo: 4 pasos
Definicin del modelo de distribucin
de probabilidad:
Hiptesis
Parmetros
Estimacin de los parmetros

Diagnosis de las hiptesis
Aplicacin
31
Modelo
...
1
y21
y11
y12
y22
y1n
y2 n
...
yK1
yK 2
y Kn
K
32
Hiptesis del modelo

Normalidad
yij
N( i, 2)
Homocedasticidad
Var [yij] =
Independencia
Cov [yij, ykl] = 0
33
Modelo: Hiptesis y Parmetros

Hiptesis bsicas:
Parmetros
Normalidad
yij
N( i, 2)
Homocedasticidad
Var [yij] =
Independencia
Cov [yij, ykl] = 0
K
2
34
Modelo: Forma alternativa

yij
uij ,
uij
N (0,
Las observaciones se descomponen en:

Parte predecible
uij
Parte aleatoria
0
35
Estimacin medias:Max. Verosmil

n1
y1 j
1:
y1
j 1
n1
n2
y2 j
2
y2
j 1
n2
nK
y Kj
K
yK
A
229.1
253.7
241.3
254.7
237.2
241.3
242.9
B
233.4
233.0
219.2
200.0
224.3
202.0
218.7
C
211.1
223.1
217.5
211.8
207.6
213.7
214.1
D
270.4
248.6
230.0
250.7
230.0
245.8
245.9
j 1
nK
36
Estimacin varianza (residuos)

yij
uij , uij
uij
yij
eij
yij
N (0,
A
-13.8
10.8
-1.6
11.8
-5.7
-1.6
0.0
yi
eij : RESIDUO
s R2
)
Residuos
K ni
eij2
i 1j 1
B
14.8
14.4
0.6
-18.7
5.7
-16.7
0.0
sR2
n K
C
-3.0
9.0
3.4
-2.3
-6.5
-0.4
0.0
D
24.5
2.7
-15.9
4.8
-15.9
-0.1
0.0
142.4
37
Comparacin de medias
La comparacin de tratamientos con
este modelo se reduce a comparar
las medias 1, 2, ..., K , en primer
lugar con el contraste:
H0 :
H1 : Al menos una es diferente
38
Descomposicin de la
variabilidad
yij
yij
uij
yij
( yi
yi
( yij
y ) ( yij
y i ) : restando y
yij
n
yi )
elevando al cuadrado y sumando para todo i,j

K ni
(donde
( yi
y )( yij
y i ) 0)
i 1j 1
K ni
( yij
y )
K ni
( yi
i 1j 1
y )
i 1j 1
K ni
( yij
y )
ni ( y i
i 1j 1
( yij
i 1j 1
K ni
y )
i 1
K ni
( yij
i 1j 1
y i )2
yi )2
39
Variabilidades
Variabilid ades
K ni
VT
( yij
i 1j 1
K
VE
i 1
ni ( y i
K ni
VNE
( yij
i 1j 1
VT
yi )
Grados de libertad
y )2
n-1
y )2
K-1
VE
K ni
eij 2
n-K
i 1j 1
VNE
n 1 ( K 1) (n K )
40
Descomposicin: ejemplo
y
230.4
Datos
Medias
229.1
253.7
241.3
254.7
237.2
241.3
233.4
233.0
219.2
200.0
224.3
202.0
211.1
223.1
217.5
211.8
207.6
213.7
270.4
248.6
230.0
250.7
230.0
245.8
-1.3
23.3
10.9
24.3
6.8
10.9
3.0
2.6
-11.2
-30.4
-6.1
-28.4
-19.3
-7.3
-12.9
-18.6
-22.8
-16.7
40.0
18.2
-0.4
20.3
-0.4
15.4
yij
Residuos
242.9
242.9
242.9
242.9
242.9
242.9
218.7
218.7
218.7
218.7
218.7
218.7
214.1
214.1
214.1
214.1
214.1
214.1
245.9
245.9
245.9
245.9
245.9
245.9
12.5
12.5
12.5
12.5
12.5
12.5
-11.7
-11.7
-11.7
-11.7
-11.7
-11.7
-16.3
-16.3
-16.3
-16.3
-16.3
-16.3
15.5
15.5
15.5
15.5
15.5
15.5
yi
-13.8
10.8
-1.6
11.8
-5.7
-1.6
14.8
14.4
0.6
-18.7
5.7
-16.7
-3.0
9.0
3.4
-2.3
-6.5
-0.4
24.5
2.7
-15.9
4.8
-15.9
-0.1
-13.8
10.8
-1.6
11.8
-5.7
-1.6
14.8
14.4
0.6
-18.7
5.7
-16.7
-3.0
9.0
3.4
-2.3
-6.5
-0.4
24.5
2.7
-15.9
4.8
-15.9
-0.1
yij
yi
41
Variabilidades: ejemplo
Variabilid ades
K ni
VT
( yij
i 1j 1
K
VE
ni ( y i
Grados de libertad
y )2
7645.5
n-1 23
y )2
4798.1
K-1 3
i 1
K ni
VNE
eij 2
2847.4
n-K
20
4798.1
2847.4
i 1j 1
7645.5
23
20
42
Interpretacin grfica de la
descomposicin
y1
y2
yi
y3
yij
yi
y4
y
yij
y
43
Distribucin de VE
yij
Si
N( i,
1
yi
N( i,
ni
que llamaremos
2
yi
y1
/ n1
y1
y
/ n1
y2
/ n2
y2
y
/ n2
N( ,
2
ni
)
yK
/ nK
yK
y
/ nK
2
2
K
2
2
K 1
44
Distribucin de VNE
ni
y i )2
( yij
yij
N( i,
( yij
yi )
i 1j 1
( ni 1) si2
ni 1
1
( y1 j
y1 )
j 1
( y2 j
nK
( y Kj
j 1
y K )2
n K
( n1 1) s12
( n1 1) s12
y2 )
j 1
n K
( n K ) s R2
2
ni 1
K ni
s R2
j 1
si2
( n2 1) s22
n K
( n2 1) s22
(nK 1) s K2
2
n1 1
(nK 1) s K2
2
n2 1
2
nK 1
2
n K
45
Contraste (Anlisis de la Varianza)

H0 :
H1 : Al menos una es diferente

K ) s R2
2
(n
F0
i 1
F0
F0
ni ( y i
y )2
ni ( yi
2
n K
Si Ho es cierto : i
1
2
2
K 1
)2
2
( K 1) s R
No se rechaza H 0
FK
1, n K
Se rechaza H 0
46
Tabla de Anlisis de la Varianza

Suma de
Cuadrados
Fuentes
Tratamient os
ni ( y i
Residual
Total
y )
Grados de
Libertad
2
K 1
( yij
yi )2
n K
( yij
y )2
n 1
Varianzas
ni ( y i
y ) /( K 1)
F
ni ( y i
y )2
( K 1) s R2
2
sR
47
Tabla de Anlisis de la Varianza

Suma de
Grados de
Fuentes
Cuadrados
Libertad
Varianzas
Tratamient os
Residual
4798.1
2847.4
3
20
1599.3
142.4
11.2
Total
7645.5
23
48
Intervalos de confianza para

las medias
yij
N( i,
yi
yi
i
N( i,
tn
sR
ni
R.R
R.R.
i
yi
N (0,1)
ni
yi
ni
tn-K
1-
/2
/2
R. Acept. H0
-t
/2
/2
R
/2 n
i
49
Intervalos de confianza
Semilla
A
B
C
D
Media
242.9
218.7
214.1
245.9
L. Inferior L. Superior
235.7
211.4
206.9
238.7
250.1
225.8
221.3
253.1
50
Intervalos de confianza (95%)
Rendimiento
260
250
240
230
220
210
200
A
Semilla
51
Diferencia de medias: y1
y11
2
y12
y1
N(
1,
n1
y2
( y1
y21
y22
y2
N(
2,
n2
y2 n2
y1n1
y1
y2
N(
y2 ) (
1
n1
1
1
1
n2
2,
2)
n1
n2
)
( y1
y2 ) (
1
n1
1
n2
N (0,1)
sR
2)
tn
52
Contraste multiples
H0 :
tij
H1 :
yi
yj
sR
R.R
R.R.
1
ni
tn-K
1/2
tn
1
nj
/2
R. Acept. H0
-t
/2
t0
/2
No se rechaza H 0
t0
/2
Se rechaza H 0
Diagnosis del modelo
/2
53
Modelo
...
2
y21
y11
y12
y22
y1n
y2 n
...
yK1
yK 2
y Kn
K
55
Hiptesis del modelo

Normalidad
yij
N( i, 2)
Homocedasticidad
Var [yij] =
Independencia
Cov [yij, ykl] = 0
56
Residuos:
Normales y homocedsticos
yij
uij
uij
yij
uij
N (0,
eij
yij
yi
Residuos
A
-13,8
10,8
-1,6
11,8
-5,7
-1,6
0,0
B
14,8
14,4
0,6
-18,7
5,7
-16,7
0,0
C
-3,0
9,0
3,4
-2,3
-6,5
-0,4
0,0
D
24,5
2,7
-15,9
4,8
-15,9
-0,1
0,0
57
Comprobacin de la
normalidad
Los residuos deben de tener distribucin normal.
Las observaciones originales tambin, pero cada
grupo con media diferente, por ello es preciso
estimar el modelo para descontar a cada
observacin su media y obtener valores con la
misma distribucin.
Herramientas de comprobacin:
Histograma de residuos
Grfico de probabilidad normal (Q-Q plot)
Contrastes formales (Kolmogorov-Smirnov)
58
Grfico probabilista normal

Es un grfico X-Y de
los residuos frente a
los percentiles de la
distribucin normal.
Pasos:
Ordenar los residuos
de menor a mayor.
e(1) e(2)
e(n)
La idea bsica es que

cuando los residuos
tienen distribucin
normal, los puntos
deben formar
aproximadamente
una lnea recta
Calcular los
percentiles de la
distribucin normal
1
Yi
i 0.5
) sR , i 1,2,..., n
n
Representar
e(i ) , Yi
59
Grfico prob. Normal

(ejemplo)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Resid. Probab. Percen. Percen.

eij
(i-0.5)/n N(0,1) N(0, )
-18,7
-16,7
-15,9
-15,9
-13,8
-6,5
-5,7
-3,0
-2,3
-1,6
-1,6
-0,4
-0,1
0,6
2,7
3,4
4,8
5,7
9,0
10,8
11,8
14,4
14,8
24,5
0,021
0,063
0,104
0,146
0,188
0,229
0,271
0,313
0,354
0,396
0,438
0,479
0,521
0,563
0,604
0,646
0,688
0,729
0,771
0,813
0,854
0,896
0,938
0,979
-2,04
-1,53
-1,26
-1,05
-0,89
-0,74
-0,61
-0,49
-0,37
-0,26
-0,16
-0,05
0,05
0,16
0,26
0,37
0,49
0,61
0,74
0,89
1,05
1,26
1,53
2,04
-24,30
-18,30
-15,01
-12,58
-10,58
-8,85
-7,28
-5,83
-4,46
-3,15
-1,88
-0,62
0,62
1,88
3,15
4,46
5,83
7,28
8,85
10,58
12,58
15,01
18,30
24,30
Q-Q plot
30,0
20,0
10,0
Percentiles
Orden
i
0,0
-10,0
-20,0
-30,0
-30,0
-20,0
-10,0
0,0
10,0
20,0
30,0
Residuos ordenados
60

99.9
Probabilidad
99
95
80
50
20
5
1
0.1
-30
-20
-10
10
20
30
Residuos
61
Ejemplos
99,9
99
95
80
50
20
5
1
0,1
99,9
99
95
80
50
20
5
1
0,1
Normal
-2,6
-1,6
-0,6
99,9
99
95
80
50
20
5
1
0,1
0,4
1,4
2,4
3,4
0,4
0,8
1,2
1,6
99,9
99
95
80
50
20
5
1
0,1
No normal
0
No normal
12
15
No normal
-3
-1
62
Comprobacin de la
homocedasticidad
En el proceso de estimacin se ha supuesto que los
distintos tratamientos tienen la misma varianza
Herramientas
Grficos de residuos:
Frente a valores previstos
Frente a tratamientos (o factor,etc.)
Contrastes formales:
Bartlett, Cochran, Hartley, Levene
63
Residuos - Valores previstos

En este modelo los valores
previstos corresponden a
la media del tratamiento
30
residuos
20
10
0
-10
-20
-30
210
220
230
240
250
valores previstos
30
residuos
20
10
0
-10
-20
-30
0
10
Valores previstos
15
Los puntos deben

aparecer dispuestos
al azar en una banda
horizontal alrededor
del eje horizontal.
Heterocedasticidad:
a veces la dispersin
aumenta conforme la
media crece.
64
Residuos por tratamientos

25
mx.
mn.
Residuos
15
5
-5
-15
-25
A
Semilla
En cada grupo los residuos aparecen esparcidos

con dispersin similar y media cero.
65
Residuos por tratamientos

25
mx.
mn.
Residuos
15
5
-5
mx
mn
-15
-25
A
Semilla
En cada grupo los residuos aparecen esparcidos

con dispersin similar y media cero.
66
Contrastes formales
H0 :
2
1
...
2
2
2
K
H1 : Alguna es distinta
67
Contraste de Bartlett
n1=n2==nK=m
1
( y1 j y1 ) 2
s12
m 1
sG2
yK1
s22
( y2 j y2 ) 2
m 1
...
y2n2
y1m
s R2
y22
s12
s22
sK2
K
s12 s22
s K2
y21
y11
y12
...
2
Si Ho n K log sR
2
sG
cierto 1 c
yK 2
sK2
( y Kj y K ) 2
m 1
yKm
2
K 1
K 1
3(n K )
68
Contraste de Bartlett (general)

sR2
(n1 1) s12 (n2 1) s22

n K
n K
sG2
s12
n1 1
(nK 1) sK2
s22
n2 1
1
3( K 1)
n K
sR2
log 2
1 c
sG
Si Ho
cierto
nK 1
sK2
K
1
1 n K
i 1 ni
2
K 1
69
Contraste de Bartlett: ejemplo

Datos
B
233,4
233,0
219,2
200,0
224,3
202,0
218,7
C
211,1
223,1
217,5
211,8
207,6
213,7
214,1
D
270,4
248,6
230,0
250,7
230,0
245,8
245,9
96,8
216,2
29,9
227,2
Varianzas
p valor
0,25
A
229,1
253,7
241,3
254,7
237,2
241,3
Medias 242,9
2
3
0.177
0.05
0.01
0
0
12
16
sR2
96.8 216.2 29.9 227.2

142.4
4
sG2
96.8 216.2 29.9 227.2 109.1
2
0
n K
s R2
log 2
1 c
sG
20
142.4
log
1 (5 / 60)
109.1
4.91
70
0,57
0,57
0,37
0,37
residuos
residuos
Diagnosis: Tres grficos bsicos

0,17
-0,03
0,17
-0,03
-0,23
-0,23
-0,43
-0,43
0
0,3
0,6
0,9
1,2
probabilidad
Tratamientos
Valores previstos
99,9
99
95
80
50
20
5
1
0,1
-0,33
Homocedasticidad
Normalidad
-0,13
0,07
0,27
0,47
residuos
probabilidad

99,9
99
95
80
50
20
5
1
0,1
-0,33
-0,13
0,07
0,27
0,47
residuos
72
Transformaciones z=h(y)
para estabilizar la varianza
Desarrollo de Taylor para z
h( y ) en
1
z h( ) h' ( )( y
)
h' ' ( )( y
2
La media y varianzas de z son aprox.
E[z]
h( )
E[y]
)2
1
h''( )Var (y)
2
h' ( ) 2 Var [ y ]
Var [ z ]
73
Ejemplo
a by
La media y varianzas de z son

E[z]
a b
Var [ z ] b 2 Var [ y ]
La Var[ z ] depende de b
Observacin: Esta transformacin no altera
las caractersticas de y: si y no tiene varianza
constante, z tampoco.
74
Ejemplo
log( y)
La media y varianzas de z son aprox.

E[z]
log ( )
2
Var [ z ]
1
2
Var (y)
Var [ y ]
Si Var[ y] k
Var[ z]
79
h( yij )
zij homocedsticas
zij
yij heterocedsticas
Transformaciones Box-Cox
z ij1,5
p>1
p=1
p<1
0,5
y ij
0
1
-0,5
-1
z ij
-1,5
z ij
yijp 1
p
log yij
si
0
81
Bsqueda de la
transformacin adecuada
0,57
La dispersin
aumenta al aumentar
la media
residuos
0,37
0,17
-0,03
-0,23
-0,43
0
0,3
0,6
0,9
1,2
p<1
Valores previstos
1,6
La dispersin
disminuye al
aumentar la media
residuos
1,1
0,6
0,1
-0,4
-0,9
-1,4
0
12
16
p>1
valores previstos
82
Eleccin de la transformacin z ij
p
yij
Empezar con p=1 (datos sin

transformar) y decidir a partir de los
grficos si p>1 o p<1.
p 1/ 2
p 0
p 1
p
p
1/ 2
1
z ij
yij
z ij log yij
1
z ij
yij
1
z ij
yij2
Parar cuando los grficos estn ok

83
Independencia
Es la hiptesis fundamental y con diferencia
la ms importante de las tres, adems es la
ms difcil de comprobar.
La falta de independencia suele ir ligada a
factores no controlados por el
experimentador y que influyen en los
resultados introduciendo errores
sistemticos.
La forma ms recomendable de evitar
errores sistemticos consiste en aleatorizar.
84
Aleatorizacin
La aleatorizacin evita que se
produzcan errores que
sistemticamente aumenten o
disminuyan un conjunto de medidas por
causas no reconocibles: al aleatorizar
se reparten estos errores por igual
entre los diferentes tratamientos y se
convierten en errores aleatorios,
previstos en el modelo.
85
Cmo aleatorizar?
Asignar las unidades experimentales al
azar a los distintos tratamientos.
Aleatorizar el orden de ejecucin de los
experimentos.
Aleatorizar respecto a cualquier otra
variable que implique diferenciar a los
tratamientos.
distorsiones que pueden ocurrir o no ocurrir, y que
pudieran
86
Apndice: Anlisis de la Varianza con R

ARCHIVO TEXTO: centeno.txt
87
Tabla ANOVA
88
230
210
medias
250
Intervalos de confianza
Sem
89
Comparaciones Mltiples
90
Diagnosis
Normal Q-Q
12
10
225
230
235
240
2
1
0
-2
-1
Theoretical Quantiles
Scale-Location
Constant Leverage:
Residuals vs Factor Levels
230
235
Fitted values
240
245
2
1
0
-1
1.0
0.5
225
19
12
10
-2
19
220
12
Fitted values
10
12
215
10
245
Standardized residuals
1.5
220
0.0
215
19
-1
0 10
-20
Residuals
19
Residuals vs Fitted
centeno$Sem :
C
Factor Level Combinations
91
An
alisis de la Varianza
1. En una fabrica de automoviles se utiliza una misma planta para el ensamblaje de tres modelos
distintos (A, B y C). Para determinar si los modelos reciben el mismo tratamiento, se ha
realizado un control de calidad a una muestra tomada para cada modelo. El n
umero de
defectos encontrados para cinco vehculos del modelo A son 5, 4, 6, 6 y 7; para seis vehculos
del modelo B son 7, 8, 6, 7, 6 y 5; y para ocho vehculos del modelo C: 9, 7, 8, 9, 10, 11, 10 y
10. Contrastar si existen diferencias en el tratamiento que se da a los distintos modelos.
2. Una empresa debe elegir entre cinco procedimientos para fabricar un cierto producto qumico.
Se sospecha que existen diferencias entre ellos aunque peque
nas. Para detectar estas diferencias se pretende realizar un experimento a gran escala con el mismo n
umero de observaciones
en cada grupo. Para determinar este tama
no muestral se ha realizado un experimento piloto
con 6 observaciones de cada metodo y los resultados (medias de cada grupo) han sido los
siguientes:
METODO
Media
1
2
3
4
5
425.6 423.2 418.8 430.2 422.2
y la varianza residual s2R = 198.5.

(a) C
ual debe ser el tama
no muestral del experimento a gran escala para que el contraste
de analisis de la varianza sea significativo con = 0.01 si el coeficiente de determinacion
es igual al del experimento piloto?.
(b) Dar un intervalo de confianza ( = 0.05) para la prevision del rendimiento realizado
mediante el metodo D (Nota: Se pide un intervalo para una observacion, no para la
media.).
(c) El metodo A es el procedimiento habitual y el metodo D es el que se sospecha proporciona mejor rendimiento. Una hipotesis que se pretende contrastar es H0 : D = A ,
frente a la hipotesis alternativa H1 : D > A . Que condicion debe cumplir la diferencia entre las medias muestrales de los dos metodos para rechazar H0 con = 0.01?
3. Se ha realizado un experimento para estudiar el efecto de un u
nico factor con I niveles
en la variable respuesta y con un n
umero diferente de observaciones en cada tratamiento:
n1 , n2 , ..., nI siendo el total n = n1 + n2 + + nI . Llamando yij a la observacion j del
tratamiento i, i = 1, ..., I, j = 1, 2, ..., ni e yi la media del tratamiento i. Se desea estimar
la media general cual de los dos estimadores siguientes
y =
ni
I P
P
yij
i=1 j=1
I
P
i=1
yi
,
y =
n
I
tiene mnima varianza? Realiza la comprobacion para el caso I = 5, con ni = 3, 2, 3, 5, 6 el
n
umero de observaciones en cada tratamiento. Asumir que las observaciones son independientes y que se cumple la hipotesis de homocedasticidad.
1
4. Considere la comparacion de dos tratamientos en poblaciones normales. Demuestre que el

contraste t para comparar dos medias es analogo al contraste de la F en Analisis de la
Varianza (suponga n1 = n2 ).
5. Cinco tipos (A, B, C, D y E) de material sintetico se han sometido a un ensayo de desgaste.
Para cada tipo de material la prueba se repitio 6 veces. El desgaste medio y la desviacion
tpica corregida en cada caso es la siguiente:
media xi
d. tpica si
A
B
C
D
E
14.1 16.3 13.5 14.8 15.3
1.3 1.2 1.4 1.2 1.5
(a) Contrastar ( = 0.05) la hipotesis

H0 : A = B = C = D = E
frente a la hipotesis alternativa,
H1 : Alguna media es distinta a las demas.
(b) Indicar con nivel de confianza 0.95 el material con desgaste menor y que materiales
tienen desgaste medio, distinto.
(c) Obtener un intervalo de confianza con = 0.01 para la varianza del error experimental.
6. Se desea comprobar el efecto de un tratamiento termico sobre la resistencia de un nuevo
material. Se han tomado 15 probetas y se han asignado al azar a los tres tratamientos T1 ,
T2 y T3 obteniendo como medida de resistencia superficial los valores siguientes:
T1
2.65
2.67
2.46
1.90
2.62
T2
4.31
3.96
4.64
4.74
4.00
T3
4.81
5.32
4.93
5.49
4.45
(a) Contrastar mediante el test de analisis de la varianza si existen diferencias significativas

entre los tratamientos termicos ( = 0.01).
(b) La temperatura del tratamiento 2 es la media de las temperaturas de los otros dos
tratamientos. Si la relacion entre la resistencia y la temperatura es lineal, es de esperar
que la media del tratamiento 2 verifique : H0 : 2 = 21 (1 + 3 ). Hacer el contraste
bilateral de esta hipotesis con = 0.05. (Nota.- Usar la distribucion de y 2 (y 1 +y 3 )/2,
donde y i es la media de los datos correspondientes al tratamiento Ti ).
7. En el modelo de analisis de la varianza para contrastar la igualdad de medias de I grupos,
con n1 , n2 , ..., nI observaciones en cada grupo; indicar, justificando la respuesta, si y , yi y
eij son independientes. Calcular los coeficientes de correlacion.
2
8. Explicar detalladamente la descomposicion de la variabilidad en el modelo basico de analisis

de la varianza para comparar I tratamientos. Obtener el estadstico F de contraste, indicando en cada paso las hipotesis utilizadas.
9. Demostrar que en el modelo para la comparacion de las medias de K tratamientos con el
mismo n
umero de observaciones, la varianza residual estimada (b
s2R ) es igual a la media de
las varianzas muestrales corregidas de cada tratamiento. Utilizando esta relacion, demostrar
que el estimador sb2R es insesgado y obtener su distribucion de probabilidad. Suponer que
se cumplen las hipotesis de normalidad, independencia y homocedasticidad, y dar por demostrado que la varianza muestral corregida sb2 , en una muestra aleatoria simple de tama
no
n de una distribucion normal, es un estimador centrado de la varianza de la distribucion 2 ,
y que (n 1)b
s2 / 2 se distribuye como una 2 con n 1 grados de libertad).
10. Explicar la descomposicion de la variabilidad en el modelo basico de comparacion de K
tratamientos (modelo con un factor ). Demostrar que si todos los tratamientos tienen la
misma media
VE
2K1 .
2
Indicar en cada paso las hipotesis requeridas. Nota.- Tener en cuenta que si X1 , X2 , ..., Xn
son variables
aleatorias independientes con distribucion normal de media y varianza 2 , y
P
X = Xi /n,
2
n
X
Xi X
2n1 .
i=1
11. Un fabricante sospecha que los lotes de materia prima recibidos de un proveedor difieren
significativamente de su contenido en calcio. Elige al azar 5 lotes diferentes y un qumico
hace cinco determinaciones del contenido en calcio de cada lote. Los resultados obtenidos
han sido
Lote 1 Lote 2 Lote 3 Lote 4 Lote 5
23.46 23.59 23.51 23.28 23.29
23.48 23.46 23.64 23.40 23.46
23.56 23.42 23.46 23.37 23.37
23.39 23.49 23.52 23.46 23.32
23.40 23.50 23.49 23.29 23.38
La tabla de analisis de la varianza se proporciona a continuacion. Comparar mediante el
metodo de Bonferroni las medias de los cinco tratamientos con nivel de significacion total
T = 0.10.
Fuente
Lote
Residuos
Total
Analisis de la varianza
Variabilidad g.l. Var. Media
F
0.096976
4
0.024244 5.54
0.08760 20
0.00438
0.184576 24
Nivel crtico
0.0036

Curso de Estadistika

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Curso de Estadistika

Încărcat de

Drepturi de autor:

Formate disponibile

1.

1.1 Dos tratamientos

Sea desea comparar

Estimacin de los parmetros

Modelo: Hiptesis y Parmetros

Las observaciones se descomponen en:

Estimacin varianza (residuos)

eij : RES IDUO

Contraste de igualdad de medias

Nivel crtico (bilateral)

= 0.05 > p-valor

No rechazar Ho, no implica

Intervalo de confianza para

Ejemplo: intervalo de confianza

(43.1 29.3) 2.10 11.44

Contraste de igualdad de varianzas

Ejemplo: Contraste de igualdad de varianzas

s12 154.02 s22 111.7

Grados de libertad del denominador:

Grados de libertad del denominador:

Grados de libertad del denominador:

Existen diferencias entre las

Estimacin de los parmetros

Hiptesis del modelo

Modelo: Hiptesis y Parmetros

Modelo: Forma alternativa

Las observaciones se descomponen en:

Estimacin medias:Max. Verosmil

Estimacin varianza (residuos)

H1 : Al menos una es diferente

elevando al cuadrado y sumando para todo i,j

Contraste (Anlisis de la Varianza)

H1 : Al menos una es diferente

Tabla de Anlisis de la Varianza

Tabla de Anlisis de la Varianza

Intervalos de confianza para

Intervalos de confianza (95%)

Diagnosis del modelo

Hiptesis del modelo

Grfico probabilista normal

La idea bsica es que

Grfico prob. Normal

Resid. Probab. Percen. Percen.

Grfico probabilista normal

Residuos - Valores previstos

Los puntos deben

Residuos por tratamientos

En cada grupo los residuos aparecen esparcidos

Residuos por tratamientos

En cada grupo los residuos aparecen esparcidos

Contraste de Bartlett (general)

(n1 1) s12 (n2 1) s22

Contraste de Bartlett: ejemplo

96.8 216.2 29.9 227.2

96.8 216.2 29.9 227.2 109.1

Diagnosis: Tres grficos bsicos

Grfico probabilista normal

La media y varianzas de z son

La media y varianzas de z son aprox.

Empezar con p=1 (datos sin

Parar cuando los grficos estn ok

Apndice: Anlisis de la Varianza con R

Factor Level Combinations

y la varianza residual s2R = 198.5.