Instituto Tecnolgico de Toluca

Ingeniera Industrial

Estadstica Inferencial ll
UNIDAD 3

Profesora:

Ing. Claudia G. Santiesteban Alcntara

Alumnos:

Lugo Pereyra ngel

Robles Espinosa Valeria Carolina

Nmeros de control:
13280269
13280162

ndice:

Introduccin......3

Marco terico....3

Ejercicio 1..4

Ejercicio 2......8

Ejercicio 3.....12

Ejercicio 4.....16

Ejercicio 5......20

Conclusiones.....25

Bibliografa.....25

Introduccin
Con el paso de los aos el humano ha llegado a conocer ms profundamente las
formas de investigar el entorno que lo rodea. Tan es as que gracias a las
matemticas estadsticas esto se puede volver muy exacto. La estadstica de
diseo experimental nos da las herramientas necesarias para comprobar hiptesis
especuladas a travs de la observacin y que difcilmente podemos dejar sin
analizar en cuanto a la toma de decisiones se refiere. Al querer mejorar un
proceso es necesario estudiarlo y en esta unidad se mostrar una de las formas
estadsticas para analizar relaciones entre variables.
Marco terico
Diseo de bloques completos al azar
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor,
es deseable que las posibles diferencias se deban principalmente al factor de
inters y no a otros factores que no se consideran en el estudio. Cuando esto no
ocurre y existen otros factores que no se controlan o nulifican para hacer la
comparacin, las conclusiones podran ser afectadas sensiblemente.
A los factores adicionales al factor de inters que se incorporan de manera
explcita en un experimento comparativo se les llama factores de bloque. stos
tienen la particularidad de que no se incluyen en el experimento porque interese
analizar su efecto, sino como un medio para estudiar de manera adecuada y
eficaz al factor de inters.
Los factores de bloque entran al estudio en un nivel de importancia secundaria con
respecto al factor de inters y, en este sentido, se puede afirmar que se estudia un
solo factor, porque es uno el factor de inters.
Diseo en cuadro latino
En el diseo en cuadro latino (DCL) se controlan dos factores de bloque y se
estudia un factor de tratamientos, por lo que se tienen cuatro fuentes de
variabilidad que pueden afectar la respuesta observada, stas son: los
tratamientos, el factor de bloque I (columnas), el factor de bloque II (renglones) y
el error aleatorio. Se llama cuadro latino por dos razones: es un cuadro debido a
que tiene la restriccin adicional de que los tres factores involucrados se prueban
en la misma cantidad de niveles, y es latino porque se utilizan letras latinas para
denotar a los tratamientos o niveles del factor de inters. Sean A, B, C, , K, los k
tratamientos a comparar, por lo tanto ambos factores de bloques tienen tambin k
niveles cada uno.

Diseo en cuadro grecolatino

Con el diseo en cuadro grecolatino (DCGL) se controlan tres factores de bloque,
adems del factor de tratamientos. Se llama cuadro grecolatino porque los cuatro
factores involucrados se prueban en la misma cantidad de niveles, de aqu que se
pueda escribir como un cuadro; adems, se utilizan letras latinas para denotar a
los tratamientos y letras griegas para nombrar a los niveles del tercer factor de
bloque. Al igual que en el cuadro latino, cada letra (latinas y griegas) debe
aparecer slo una vez en cada rengln y en cada columna. Adems, cada par de
letras debe aparecer slo una vez en todo el arreglo. En la tabla 4.8 se presenta el
aspecto de los datos del diseo en cuadro latino de dimensin k = 4.
A continuacin se muestran los ejercicios en los que se aplica cada uno de estos
temas.

Ejercicio 1:
Se comprueba el peso en gramos de un material de tres proveedores: A, B y C por
tres diferentes inspectores: I, II y III utilizando diferentes escalas: 1,2 y 3. El
experimento se lleva a cabo como el siguiente cuadro latino:
Escala
Sumatoria
BI

Inspector

A=16

B=10

C=11

37

477

II

B=15

C=9

A=14

38

502

III
Sumatoria
BII
Sumatoria
B"II

C=13

A=11

B=13

37

459

A= 41

B=38

44

30

38

650

302

486

Sumatoria B"I

112
1438

C=33

Suma de cuadrados:
SCT =1438

SCTRAT =

1122
=44.222
9

412+ 382+ 332 112 2

=10.889
3
9

SCBI =

37 + 38 + 37 112

=0.222
3
9

SCBII =

44 2+ 302+ 382 112 2

=32.889
3
9

SCE =44.22210.8890.22232.889=0.222

ANOVA:
Fuentes
de
variacin
Proveedores
Inspectores
Escala
Error
Total

Suma
de Grados
cuadrados
libertad
10.889
2
0.222
2
32.889
2
0.222
2
44.222
8

de Media
de Fo
cuadrados
5.449
49.09
0.111
1
16.445
148.153
0.111

Hiptesis:
Tratamiento (Proveedores)
Ho: El peso promedio en gramos es igual para todos los proveedores.
Hi: El peso promedio en gramos es diferente para al menos un proveedor.
Bloque I (Inspectores)
Ho: El peso promedio en gramos es igual para todos los inspectores.
Hi: El peso promedio en gramos es diferente para al menos un inspector.
Bloque II (Escala)
Ho: El peso promedio en gramos es igual para todas las escalas.
Hi: El peso promedio en gramos es diferente para al menos una escala.

Pruebas de hiptesis y conclusiones:

F , ( k1 ) , ( k 2 ) ( k1 )

F0.05 , 2,2=19

Tratamiento (Proveedores)
49.09>19

 Ho se rechaza, el peso promedio en gramos es diferente para al

menos un proveedor.

Bloque I (Inspectores)
1<19
Ho se acepta, el peso promedio en gramos es igual para todos los
inspectores.
Bloque II (Escala)
148.153>19
Ho se rechaza, el peso promedio en gramos es diferente para al

menos una escala.

Respuestas:

a) Hay diferencias entre los proveedores?

R. Si, puesto que 49.09>19
Ho se rechaza, el peso promedio en gramos es diferente para al
menos un proveedor.

b) Hay diferencias entre los inspectores y las escalas?

R. En los inspectores no hay diferencias puesto que 1<19
Ho se acepta, el peso promedio en gramos es igual para todos los

inspectores.
Pero en las escalas si hay diferencias ya que 148.153>19
Ho se rechaza, el peso promedio en gramos es diferente para al
menos una escala.

c) Si el peso debe ser 15g, Cul proveedor es mejor?

R. El Mejor proveedor es A pues 41/3=13.667 valor ms cercano de los tres
proveedores a 15g.

Solucin en Minitab
Proveedores

Inspectores

Escala

Observacin

16

14

11

10

15

13

11

13

Modelo lineal general: Observacin vs. Proveedores, Inspectores, Escala

Factor
Proveedores
Inspectores
Escala

Tipo
fijo
fijo
fijo

Niveles
3
3
3

Valores
A, B, C
1, 2, 3
1, 2, 3

Anlisis de varianza para Observacin, utilizando SC ajustada

para pruebas
Fuente
Proveedores
Inspectores
Escala
Error
Total

GL
2
2
2
2
8

SC Sec.
10.8889
0.2222
32.8889
0.2222
44.2222

SC Ajust.
10.8889
0.2222
32.8889
0.2222

CM Ajust.
5.4444
0.1111
16.4444
0.1111

F
49.00
1.00
148.00

P
0.020
0.500
0.007

S = 0.333333

R-cuad. = 99.50%

R-cuad.(ajustado) = 97.99%

Ejercicio 2:
Se quiere comparar tres dietas (A, B y C) a base de protenas de origen vegetal
utilizando 18 ratas de laboratorio de una misma camada. Primero se observa por
un tiempo el apetito para formar tres grupos de seis ratas, segn su velocidad; y
cada uno de estos grupos se clasifica a su vez en tres grupos de dos ratas de
acuerdo a su peso inicial. Se plantea el experimento dando la variable de
respuesta es el peso en gramos ganado por ratas despus de cierto periodo.
Peso inicial
Apetito

A1

A2

A3

P1

67 C 72

105 A 112

95 B 86

P2

85 A 98

75 B 67

88 C 110

P3

66 B 47

68 C 91

108 A 120

Tabla con datos promediados:

Peso inicial
Sumatoria
BI

Sumatoria
B"I

Apetito

A1

A2

A3

P1

C=69.5

A=108.5

B=90.5

268.5

24792.75

P2

A=91.5

B=71

C=99

261.5

23214.25

P3
Sumatoria
BII
Sumatoria
B"II

B=56.5

C=79.5

A=114

250

22508.5

A= 314

217.5

259

303.5

16394.75

23133.5

30987.25

B=218

780
70515.5

C=248

Suma de cuadrados:
2

SCT =70515.5

780
=2915.5
9
8

SCTRAT =

SCBI =

314 2 +2182 +2482 780 2

=1608
3
9

268.52+ 261.52+250 2 7802

=58.167
3
9

217.52 +2592 +303.52 7802

SCBII =

=1233.167
3
9
SCE =2915.5160858.1671233.967=16.166

ANOVA:
Fuentes
de Suma
de Grados
variacin
cuadrados
libertad
Dietas
1608
2
Apetito
58.167
2
Peso inicial
1233.167
2
Error
16.166
2
Total
2915.5
8

de Media
de Fo
cuadrados
804
99.46
29.084
3.6
616.584
76.28
8.083

Hiptesis:
Tratamiento (Dietas)
Ho: El peso promedio en gramos es igual para todas las dietas.
Hi: El peso promedio en gramos es diferente para al menos una dieta.
Bloque I (Apetito)
Ho: El peso promedio en gramos es igual para todos los apetitos.
Hi: El peso promedio en gramos es diferente para al menos un apetito.
Bloque II (Peso inicial)
Ho: El peso promedio en gramos es igual para todos los pesos iniciales.
Hi: El peso promedio en gramos es diferente para al menos una peso inicial.

Pruebas de hiptesis y conclusiones:

F , ( k1 ) , ( k 2 ) ( k1 )

F0.05 , 2,2=19

Tratamiento (Dietas)
9

99.46>19
Ho se rechaza, el peso promedio en gramos es diferente para al

menos una dieta.

Bloque I (Apetito)
3.6<19
Ho se acepta, el peso promedio en gramos es igual para todos los
apetitos.

Bloque II (Peso inicial)

76.28>19
Ho se rechaza, el peso promedio en gramos es diferente para al menos un

peso inicial.

Respuestas:

a) Analice los datos Cul de los factores influyen en el peso ganado por las
ratas?
R. Los factores que influyen son la dieta puesto que 99.46>19
Ho se rechaza, el peso promedio en gramos es diferente para al
menos una dieta.
Y los pesos iniciales tambin influyen ya que 76.28>19
Ho se rechaza, el peso promedio en gramos es diferente para al

menos un

peso inicial.

b) Cul dieta es la mejor?

R. La mejor dieta es la B pues 218/3=72.667g lo que significa que son las
ratas de menor peso.

10

c) Alguno de los factores de bloque puede ser ignorado? Argumente

R. Si, el factor que pudo ser ignorado es el Apetito pues 3.6<19
Ho se acepta, el peso promedio en gramos es igual para todos los

apetitos. Y no influye en los resultados.

Solucin en Minitab
Dietas

Apetito

Peso inicial Observacin

108.5

91.5

114.0

90.5

71.0

56.5

69.5

99.0

79.5

Modelo lineal general: Observacin vs. Dietas, Apetito, Peso inicial

Factor
Dietas
Apetito
Peso inicial

Tipo
fijo
fijo
fijo

Niveles
3
3
3

Valores
A, B, C
1, 2, 3
1, 2, 3

Anlisis de varianza para Observacin, utilizando SC ajustada

para pruebas
11

Fuente
Dietas
Apetito
Peso inicial
Error
Total

GL
2
2
2
2
8

SC Sec.
1608.00
58.17
1233.17
16.17
2915.50

SC Ajust.
1608.00
58.17
1233.17
16.17

S = 2.84312

R-cuad. = 99.45%

CM Ajust.
804.00
29.08
616.58
8.08

F
99.46
3.60
76.28

P
0.010
0.217
0.013

R-cuad.(ajustado) = 97.78%

Ejercicio 3:
Se encuentra bajo estudio el efecto que tienen cinco reactivos distintos (A, B, C, D
y E) sobre el tiempo de reaccin de un proceso qumico. Cada lote de material
nuevo es lo suficientemente grande para permitir que solo se realicen 5 ensayos.
Ms aun, cada ensayo tarda, aproximadamente, una hora y media, por lo que solo
pueden realizarse cinco ensayos por da. La investigadora decide efectuar el
experimento usando un diseo de cuadro latino con el fin de controlar
sistemticamente las variables lote de material y da. Ella recolecta los siguientes
datos. Analice y obtenga las conclusiones.
Da
Lote

1
2
3
4
5
Sumatori
a BII
Sumatori
a B"II

A= 8
C=11
B=4
D= 6
E=4

B=7
E=2
A=9
C=8
D=2

D=1
A=7
C=10
E=6
B=3

C=7
D=3
E=1
B=6
A=8

E=3
B=8
D=5
A=10
C=8

A=42

B=28

33

28

27

25

34

253

202

195

159

262

C=44

D=17

Sumator Sumatori
ia BI
a B"I
26
172
31
247
29
223
36
272
25
157
147
1071

E=16

Suma de cuadrados:

12

SCT =1071

SCTRAT =

147
=206.64
25

422+ 282+ 44 2+17 2+ 162 147 2

=141.44
5
25

262+ 312+ 292+ 362+ 252 147 2

SCBI =

=15.44
5
25
SCBII =

332 +282 +272 +252 +34 2 1472

=12.24
5
25

SCE =206.64141.4415.4412.24=37.52

ANOVA:
Fuentes
variacin
Reactivos
Lote
Da
Error
Total

de Suma
de Grados
cuadrados
libertad
141.44
4
15.44
4
12.24
4
37.52
12
206.64
24

de Media
de Fo
cuadrados
35.36
11.308
3.86
1.234
3.06
0.979
3.127

Hiptesis:
Tratamiento (Reactivos)
Ho: El tiempo promedio es igual para todos los tipos de reactivos.
Hi: El tiempo promedio es diferente para al menos un tipo de reactivo.
Bloque I (Lote)
Ho: El tiempo promedio es igual para todos los lotes.
Hi: El tiempo promedio es diferente para al menos un lote.
Bloque II (Da)
Ho: El tiempo promedio es igual para todos los das.
13

Hi: El tiempo promedio es diferente para al menos un da.

Pruebas de hiptesis y conclusiones:
F , ( k1 ) , ( k 2 ) ( k1 )

F0.05 , 4,12=3.259

Tratamiento (Reactivos)
11.308>3.259
Ho se rechaza, el tiempo promedio es diferente para al menos un
reactivo.
Bloque I (Lote)
1.234<3.259
Ho se acepta, el tiempo promedio es igual para todos los lotes.

Bloque II (Da)
0.979<3.259
Ho se acepta, el tiempo promedio es igual para todos los das.
Respuestas:

a) Analice los datos y obtenga conclusiones

R. Dados los resultados se puede decir que el nico factor que influye es el
del reactivo usado pues 11.308>3.259
Ho se rechaza, el tiempo promedio es diferente para al menos un

reactivo.
Y los datos que no influyen en los resultados son el lote que dio
1.234<3.259
Ho se acepta, el tiempo promedio es igual para todos los Lotes.
Junto con el factor del Da ya que 0.979<3.259
Ho se acepta, el tiempo promedio es igual para todos los das.

Solucin en Minitab
14

Reactivos

Lote

Da

Observacin

10

11

10

Modelo lineal general: Observacin vs. Reactivos, Lote, Da

15

Factor
Reactivos
Lote
Da

Tipo
fijo
fijo
fijo

Niveles
5
5
5

Valores
A, B, C, D, E
1, 2, 3, 4, 5
1, 2, 3, 4, 5

Anlisis de varianza para Observacin, utilizando SC ajustada

para pruebas
Fuente
Reactivos
Lote
Da
Error
Total
S = 1.76824

GL
4
4
4
12
24

SC Sec.
141.440
15.440
12.240
37.520
206.640

SC Ajust.
141.440
15.440
12.240
37.520

R-cuad. = 81.84%

CM Ajust.
35.360
3.860
3.060
3.127

F
11.31
1.23
0.98

P
0.000
0.348
0.455

R-cuad.(ajustado) = 63.69%

Ejercicio 4:
Cuando se comparan varios fertilizantes o diferentes variedades de cierto cultivo
es tpico que se deba considerar el gradiente de fertilidad del suelo (factor
columna) o los residuales de cultivos previos (factor rengln). Considerando estos
factores de bloque, Gmez y Gmez plantean un experimento en cuadro latino
para comparar en cuanto a rendimiento en toneladas por hectrea, tres variedades
de maz hibrido (A, B, C) y una variedad control (C). Para ello se utiliza un campo
agrcola cuadrado de 16 hectreas, dividido en parcelas de una hectrea. Los
datos de rendimiento obtenidos en cada parcela se muestran a continuacin.

Fertilidad del suelo

Cultivos
previos
1

1.640 (B) 1.210 (D)

1.475
( C)

1.670 (A)

3
1.425
( C)

4
1.345 (A)

1.185 (A) 1.400 (D) 1.290 (B)

0.710
( C)

1.665 (B) 1.180 (D)

Sumatoria Sumatoria
BI
B"I
5.62

7.993

5.35

7.204

5.225

7.458
16

6.35

4.395

6.145

0.660
( C)
4.475

10.103

5.037

9.502

5.301

1.565 (D) 1.290 (B) 1.655 (A)

Sumatoria BII
Sumatoria
B"II

A=5.855

B=5.885

C=4.27

5.17
21.365

7.288

29.943

D=5.355

Suma de cuadrados:
2

SCT =29.943

21.365
=1.414
16
2

5.855 +5.885 + 4.27 +5.355 21.365

SCTRAT =

=0.427
4
16
2

SCBI =

5.62 +5.35 +5.225 +5.17 21.365

=0.03
4
16
2

SCBII =

6.35 +4.395 +6.145 + 4.475 21.365

=0.827
4
16

SCE =1.3540.4270.030.827=0.13

ANOVA:
Fuentes
variacin
Reactivos
Lote
Da
Error
Total

de Suma
de Grados
cuadrados
libertad
0.427
3
0.03
3
0.827
3
0.13
6
1.354
15

de Media
de Fo
cuadrados
0.142
6.45
0.01
0.45
0.276
12.54
0.022

Hiptesis:
Tratamiento (Variedad de maz)

17

Ho: El rendimiento promedio en toneladas por hectrea es igual para todas

las variedades de maz.
Hi: El rendimiento promedio en toneladas por hectrea es diferente para al
menos una variedad de maz.
Bloque I (Efectos residuales de cultivos previos)
Ho: El rendimiento promedio en toneladas por hectrea es igual para todos
los efectos residuales de cultivos previos.
Hi: El rendimiento promedio en toneladas por hectrea es diferente para al
menos un efecto residual de cultivos previos.
Bloque II (Gradiente de fertilidad del suelo)
Ho: El rendimiento promedio en toneladas por hectrea es igual para todos
los gradientes de fertilidad del suelo.
Hi: El rendimiento promedio en toneladas por hectrea es diferente para al
menos un gradiente de fertilidad del suelo.

Pruebas de hiptesis y conclusiones:

F , ( k1 ) , ( k 2 ) ( k1 )

F0.05 , 3,6=4.75

Tratamiento (Variedad de maz)

6.45>4.75
Ho se rechaza, el rendimiento promedio en toneladas por hectrea es
diferente para al menos una variedad de maz.

Bloque I (Efectos residuales de cultivos previos)

0.45<4.75
Ho se acepta, el rendimiento promedio en toneladas por hectrea es

igual para todos los efectos residuales de cultivos previos.

Bloque II (Gradiente de fertilidad del suelo)
12.54>4.75
Ho se rechaza, el rendimiento promedio en toneladas por hectrea es
diferente para al menos un gradiente de fertilidad del suelo.
18

Respuestas:

a) Existen diferencias en los rendimientos de las diferentes variedades de

maz?
R. Si, si existen diferencias puesto que 6.45>4.75
Ho se rechaza, el rendimiento promedio en toneladas por hectrea es

diferente para al menos una variedad de maz.

b) Cul de los factores de bloque tuvo efecto?

R. El factor de bloque que influye en los resultados es el Gradiente de
fertilidad del suelo que dio 12.54>4.75
Ho se rechaza, el rendimiento promedio en toneladas por hectrea es
diferente para al menos un gradiente de fertilidad del suelo.

c) Se habran detectado las mismas diferencias en los tratamientos con un

diseo completamente al azar?
R. Es muy probable que se dieran resultados semejantes pero la dificultad
del clculo aumentara pues se tendran que verificar ambos bloques de
este problema por separado usando el mtodo de diseo completamente al
azar.

Solucin en Minitab
Variedad de maz Efectos de cultivos previos Gradiente de fertilidad

Observacin

1.345

1.185

1.670

1.655

1.640
19

1.290

1.665

1.290

1.425

1.475

0.710

0.660

1.210

1.400

1.180

1.565

Modelo lineal general: Observacin vs. Variedad de , Efectos de c, ...

Factor
Variedad de maz
Efectos de cultivos previos
Gradiente de fertilidad

Tipo
fijo
fijo
fijo

Niveles
4
4
4

Valores
A, B, C, D
1, 2, 3, 4
1, 2, 3, 4

Anlisis de varianza para Observacin, utilizando SC ajustada para pruebas

Fuente
Variedad de maz
Efectos de cultivos previos
Gradiente de fertilidad
Error
Total
S = 0.146961

GL
3
3
3
6
15

R-cuad. = 90.84%

SC Sec.
0.42684
0.03015
0.82734
0.12958
1.41392

SC Ajust.
0.42684
0.03015
0.82734
0.12958

CM Ajust.
0.14228
0.01005
0.27578
0.02160

F
6.59
0.47
12.77

P
0.025
0.717
0.005

R-cuad.(ajustado) = 77.09%

Ejercicio 5:
Un investigador est interesado en el efecto del porcentaje de lisina y del porcentaje de
protena en la produccin de vacas lecheras. Se consideran 7 niveles en cada factor:
% de lisina: 0.0 (A), 0.1 (B), 0.2 ( C), 0.3 (D), 0.4 (E), 0.5(F), 0.6 (G)
% de protena: 2 (), 4 (), 6 (), 8 (), 10 (), 12 (), 14 ()
Para el estudio, se seleccionan 7 vacas al azar, a las cuales se les da un seguimiento de
siete periodos de tres meses.
Los datos en galones de leche fueron los siguientes:
20

Periodo
Vaca

304
(A)
381
(B)
432 (C
)
442
(D)
496
(E)
534
(F)
543
(G)

436
(B)
505
(C)
566
(D)
372
(E)
449
(F)
421
(G)
386
(A)

350
(C)
425
(D)
479
(E)
536
(F)
493
(G)
352
(A)
435
(B)

504
(D)
564
(E)
357
(F)
366
(G)
345
(A)
427
(B)
485
(C)

417
(E)
494
(F)
461
(G)
495
(A)
509
(B)
346
(C)
406
(D)

519
(F)
350
(G)
340
(A)
425
(B)
481
(C)
478
(D)
554
(E

432
(G)
413
(A)
502
(B)
507
(C)
380
(D)
397
(E)
410
(F)

Sumator
ia BII
Sumator
ia B"II

3132
14455
86

3135
14316
99

3070
13760
40

3048
13700
96

3128
14191
04

3147
14548
47

3041
13363
55

A=2635

B=3115

C=3106

D=3201

E=3279

F=3299

G=3066

=2544

=2689

=2875

=3141

=3305

=3587

=3560

1
2
3
4
5
6
7

Sumato Sumato
ria BI
ria B"I
128890
2962
2
143601
3132
2
144399
3137
5
143769
3143
9
144453
3153
3
127443
2955
9
150814
3219
7
21701
983372
7

Suma de cuadrados:
SCT =9833727

SCTRAT =

SCBI =

217012
=222841.265
49

2635 2+3115 2 +31062 +32012+ 32792+ 32992+3066 2 217012

=42783.551
7
49

29622 +31322 +31372 +31432 +31532 +29552 +32192 217012

=8754.408
7
49

31322+ 31352+ 30702+3048 2+3128 2+3147 2+ 30412 217012

SCBII =

=1760.98
7
49
SCBIII =

2544 2+ 26892+2875 2+31412 +33052 +35872 +35602 217012

=145879.551
4
49

SCE=222841.26542783.5518754.4081760.98145879.551=23662.775
21

ANOVA:
Fuentes
de Suma
de
variacin
cuadrados
% Lisina
42783.551
Vaca
8754.408
Periodo
1760.98
% Protena
145879.551
Error
23662.775
Total
222841.265

Grados
libertad
6
6
6
6
24
48

de Media
de Fo
cuadrados
7130.592
7.232
1459.068
1.48
293.497
0.298
24313.259
24.66
985.949

Hiptesis:
Tratamiento (% de Lisina)
Ho: Los galones promedio de leche son iguales para todos los % de Lisina.
Hi: Los galones promedio de leche son diferentes para al menos un % de
Lisina.
Bloque I (Vaca)
Ho: Los galones promedio de leche son iguales para todas las vacas.
Hi: Los galones promedio de leche son diferentes para al menos una vaca.
Bloque II (Periodo)
Ho: Los galones promedio de leche son iguales para todos los periodos.
Hi: Los galones promedio de leche son diferentes para al menos un periodo.
Bloque III (% de Protena)
Ho: Los galones promedio de leche son iguales para todos los % de
Protena.
Hi: Los galones promedio de leche son diferentes para al menos un % de
Protena.
Pruebas de hiptesis y conclusiones:
F , ( k1 ) , ( k 3 ) ( k1 )

F0.05 , 6,24=2.508

Tratamiento (% de Lisina)
7.232>2.508

22

 Ho se rechaza, los galones promedio de leche son diferentes para al

menos un % de Lisina.
Bloque I (Vaca)
1.48<2.508
Ho se acepta, los galones promedio de leche son iguales para todas
las vacas.
Bloque II (Periodo)
0.298<2.508
Ho se acepta, los galones promedio de leche son iguales para todos

los periodos.
Bloque III (% de Protena)
24.66>2.508
Ho se rechaza, los galones promedio de leche son diferentes para al
menos un % de Protena.

Respuestas:
a) Analice los datos y obtenga conclusiones
R. Dados los resultados se puede decir que los factores que influyen son el
% de Lisina con 7.232>2.508
Ho se rechaza, los galones promedio de leche son diferentes para al

menos un % de Lisina.
Y el % de Protena puesto que 24.66>2.508
Ho se rechaza, los galones promedio de leche son diferentes para al
menos un % de Protena.
Adems los datos que no influyen en el experimento son la vaca y el
periodo puesto que ambos no resultaron tener una diferencia significativa.
Solucin en Minitab
% LISINA

VACA

PERIODO

% PROTENA OBSERVACIN

304

23

413

340

495

345

352

386

436

381

502

425

509

427

435

350

505

432

507

481

346

485

504

425

566

442

380

478

406

417

564

479

372

496

24

397

554

519

494

357

536

449

534

410

432

350

461

366

493

421

543

Modelo lineal general: OBSERVACIN vs. % LISINA, VACA, ...

Factor
% LISINA
VACA
PERIODO
% PROTENA

Tipo
fijo
fijo
fijo
fijo

Niveles
7
7
7
7

Valores
A, B, C,
1, 2, 3,
1, 2, 3,
a, b, c,

D,
4,
4,
d,

E,
5,
5,
e,

F,
6,
6,
f,

G
7
7
g

Anlisis de varianza para OBSERVACIN, utilizando SC ajustada para pruebas

Fuente
% LISINA
VACA
PERIODO
% PROTENA
Error
Total
S = 31.3998

GL
6
6
6
6
24
48

SC Sec.
42783.6
8754.4
1761.0
145879.6
23662.8
222841.3

SC Ajust.
42783.6
8754.4
1761.0
145879.6
23662.8

R-cuad. = 89.38%

CM Ajust.
7130.6
1459.1
293.5
24313.3
985.9

F
7.23
1.48
0.30
24.66

P
0.000
0.227
0.932
0.000

R-cuad.(ajustado) = 78.76%

Conclusiones:
Un investigador debe tener buenos conocimientos sobre los mtodos observados
en esta unidad puesto que son de mucha utilidad. Poco a poco se van conociendo
25

mtodos que relacionan ms variables y con esto poder facilitar la obtencin de

resultados analizando las diferencias entre factores para determinar cules de
estos son los que influyen en el experimento y cules otros no tienen una
diferencia significativa para alterar los resultados.
A base de los ejercicios se conoci tambin las grandes aplicaciones del mtodo
variando en las reas de conocimiento y en los planteamientos as como para los
fines que se usan.

Bibliografa:
Humberto Gutierrez Pulido y Romn De La Vara Salazar. (2008). Anlisis y diseo
de experimentos. Mxico DF: Mc Graw Hill.

26