Diaz Vasquez Nilder-Annova

UNIVERSIDAD NACIONAL DE
CAJAMARCA
FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE
INGENIERÍA CIVIL
DOCENTE:
Aracelli Poemape Grados
CURSO:
Estadística Aplicada
ALUMNO:
Díaz Vázquez, Nilder
CICLO:
III-vacacional
CAJAMARCA, 13 DE MARZO DEL 2019

ANALISIS DE VARIANZA
1. DISEÑO DE BLOQUES COMPLETOS ALEATORIOS
2
1. MODELO:
𝒊 = 𝟏, 𝟐, … , 𝒂
𝒚𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 + 𝝐𝒊𝒋 {
𝒋 = 𝟏, 𝟐, … , 𝒃
EJERCICIO N°1
En compañía tenía como propósito comparar tres métodos para la capacitación
del personal obrero en la ejecución de una obra. Considero que el porcentaje de
aprendizaje sería diferente en los obreros con diferentes edades, y se realizó el
modelo en que la edad fue tomada en cuanta.
Obreros por Método de capacitación
Edad A B C
18 – 22 (1) 17 19 20
22 – 29 (2) 18 19 20
30 – 39 (3) 19 19 22
40 – 49 (4) 20 19 22
50 y más (5) 21 22 24
Analizar los datos de este experimento (utilizar 𝛼 = 0.05) y sacar las
conclusiones apropiadas.
Las hipótesis a probar son:
I. Con respecto a tratamientos (edad)
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏4 = 0 (la edad de los obreros NO influye de manera
significativa en el proceso de aprendizaje)
𝐻1 = 𝜏𝑖 ≠ 0 (la edad de los obreros no influye de manera significativa en
el proceso de aprendizaje)
II. Con respecto a Bloques (método de capacitación)
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽4 = 0 (el método de capacitación NO influye de
manera significativa en el proceso de aprendizaje)
𝐻1 = 𝛽𝑗 ≠ 0 (Al menos un método de capacitación influye de manera
significativa en el proceso de aprendizaje)
1. Ingresando los datos a MINITAB
1 2
Estadística Aplicada-ciclo 2019 Vacacional

3
1
3 4
2. Resultados
1. Como p value para la edad= 0.001 < 0.05, se rechaza 𝐻𝑜 y se concluye que
la edad de los obreros influye de manera significativa en el proceso de
aprendizaje.
2. Como p value para el método de capacitación = 0.001 < 0.05, se rechaza 𝐻𝑜
y se concluye que al menos un método de capacitación influye de manera
significativa en el proceso de aprendizaje.
3. Prueba de normalidad
5 6
+

Como p valué = 0.150 > 0.01, se ACEPTA la 𝐻0 y se concluye que los datos de se
4 ajustan a una distribución normal. Por lo tanto, el modelo utilizado es el adecuado.
EJERCICIO N°2
Un estudiante de la facultad de ingeniería civil, en el desarrollo de su tesis decide
probar el efecto de cuatro aditivos sobre la resistencia a tracción del
acero(N/mm^2). Debido a que podría existir variabilidad de un acero galvanizado
a otro considerado como bloques. Se selecciona 5 aceros galvanizados y se
aplica los cuatro tipos de aditivos de manera aleatoria a cada acero.
A continuación, se presenta las resistencias a la tracción resultantes. Analizar
los datos de este experimento (utilizar 𝛼 = 0.01), sacar conclusiones apropiadas.
Aditivo químico Tipo de acero
1 2 3 4 5
1 394.2 367.2 399.6 383.4 361.8
2 394.2 361.8 405 388.8 378
3 405 367.2 421.2 394.2 367.2
4 394.2 383.4 405 405 372.6
I. Con respecto a tratamientos (aditivo)
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏4 = 0 (El tipo de aditivo NO influye de manera
altamente significativa sobre la resistencia a tracción)
𝐻1 = 𝜏𝑖 ≠ 0 (al menos un tipo de aditivo influye de manera altamente
significativa sobre la resistencia a tracción)
II. Con respecto a Bloques (tipo de acero)
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽4 = 0 (el tipo de acero No influye de manera
altamente significativa sobre la resistencia a tracción)
𝐻1 = 𝛽𝑗 ≠ 0 (Al menos un tipo de acero influye de manera altamente
significativa sobre la resistencia a tracción)

5
2
1
2. Resultados
1. Como p value para el tipo de aditivo = 0.121 > 0.01, se acepta 𝐻𝑜 y se

concluye el tipo de aditivo no influye altamente significativa en la resistencia
a tracción del acero.
2. Como p value para el tipo de acero = 0.000 < 0.05, se rechaza 𝐻𝑜 y se
concluye que al menos un tipo de acero influye de manera altamente
significativa sobre la resistencia a tracción del acero.
3. Prueba de normalidad(residuos)
3 4

6 Como p valué = 0.035 > 0.01, se ACEPTA la 𝐻0 y se concluye que los datos de se
ajustan a una distribución normal. Por lo tanto, el modelo utilizado es el adecuado.
EJERCICIO N°3
Se están comparando tres aditivos acelerantes de fraguado del concreto para
las zonas frías donde se requiere aire incorporado. A fin de estudiar su
efectividad para aumentar la resistencia a compresión(psi-libra/pulgada^2) en el
concreto en 5 tipos de agregados. El experimento se realiza en laboratorio y se
realiza tres ensayos a los 3 días, 7 días, 14 días y 28 días. Puesto que los días
podrían representar una fuente potencial de variabilidad. El experimentador
decide usar un diseño de bloques aleatorizados.
Se hacen observaciones en cuatro días, cuyos datos se muestran enseguida.
Analizar los datos de este experimento (utilizar 𝛼 = 0.05) y sacar las
conclusiones apropiadas
aditivo Días
3 7 14 28
1 1469.7 2201 2982 3862.4
2 1476.8 2357.2 2911 3905
3 1505.2 2371.4 3053 3805.6

I. Con respecto a tratamientos (aditivo)
significativa sobre la resistencia a compresión del concreto)
𝐻1 = 𝜏𝑖 ≠ 0 (al menos un tipo de aditivo influye de manera significativa
sobre la resistencia a tracción)
II. Con respecto a Bloques (días)
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽4 = 0 (el número l días No influye de manera
significativa sobre la resistencia a compresión del concreto)
𝐻1 = 𝛽𝑗 ≠ 0 (el número de días influye de manera de significativa sobre la
resistencia a compresión del concreto)

7
1 2
2. Resultados
1. Como p value para el tipo de aditivo = 0.545 > 0.01, se acepta 𝐻𝑜 y se

concluye el tipo de aditivo no influye significativa en la resistencia a
compresión del concreto.
2. Como p value para el número de días = 0.000 < 0.05, se rechaza 𝐻𝑜 y se
concluye que el número de días acero influye de manera significativa
sobre la resistencia a compresión del concreto.
3. Prueba de normalidad(Residuos)
4
3

8 Como p valué = 0.096 > 0.05, se ACEPTA la 𝐻0 y se concluye que los datos de se
PROBLEMA N° 04
Un ingeniero especialista en estructuras de concreto armado quiere probar el
efecto de cuatro aditivos epóxicos sobre la resistencia a la tracción de un tipo
particular de varillas de acero. Debido a que podría haber variabilidad de ciertas
varillas de acero, el ingeniero decide usar un diseño de bloques aleatorizados,
con los tipos de varillas considerados como bloques. Selecciona cinco varillas de
acero y aplica los cuatro aditivos epóxicos de manera aleatoria a cada varilla. A
continuación, se presentan la resistencia a la tracción en KN (kilo Newton).
SOLUCIÓN
PASO N°01: MODELO
Modelo de los efectos
Se prueban las siguientes hipótesis:

III. Con respecto a tratamientos (aditivo)
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏4 = 0 (el tipo aditivo epóxido no influye de manera
altamente significativa sobre la resistencia a la tracción de las varillas de
acero.)
𝐻1 = 𝜏𝑖 ≠ 0 (al menos un tipo de aditivo epóxico influye de manera
altamente significativa sobre la resistencia a la tracción de las barrilas de
acero.)
IV. Con respecto a Bloques ( tipo de varilla)
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽4 = 0 (el tipo de varilla no influye de manera
acero.)
𝐻1 = 𝛽𝑗 ≠ 0 (al menos un tipo de varilla influye de manera altamente
significativa sobre la resistencia a la tracción de las varillas de acero.)
1. Resultados

2. Conclusiones
1. Para los tratamientos
P = 0.330≥α= 0.04, entonces se acepta el Ho
Por lo tanto, se concluye que el tipo de aditivo epóxico no influye de manera
acero.
2. Para los bloques
P = 0.130≥α= 0.04, entonces se acepta el Ho
Por lo tanto se concluye que el tipo de varilla no influye de manera altamente
significativa sobre la resistencia a la tracción de las varillas de acero.
3. PRUEBA DE NORMALIDAD DE LOS RESIDUOS
Por lo tanto, como el valor de p es menor que el valor de significancia, se

concluye que los residuos no siguen una distribución normal estándar. Por lo
cual se puede decir que el modelo usado no se adecua al diseño tomado en
cuenta.
PROBLEMA N° 05
Un ingeniero desea probar el efecto de cuatro tipos de suelos:
𝐴𝑟𝑐𝑖𝑙𝑙𝑜𝑠𝑜𝑠 (𝐴), 𝐴𝑟𝑒𝑛𝑜𝑠𝑜𝑠 (𝐵), 𝐶𝑎𝑙𝑖𝑧𝑜 (𝐶), y 𝐿𝑖𝑚𝑜𝑠𝑜𝑠 (𝐷) sobre el grado de acidez
o alcalinidad (PH). Debido a que podría haber variabilidad de una temperatura a
otra, el ingeniero decide usar un diseño de bloques aleatorizados, con las

temperaturas consideradas como bloques. Selecciona 5 temperaturas diferentes
10
y los aplica a los 4 tipos de suelos de manera aleatoria a cada tipo de cemento.
Ha realizado 20 observaciones de manera aleatoria, y los datos obtenidos se
muestran en la tabla.
Tabla 1: Grado de acidez o alcalinidad (PH).
TIPOS DE TEMPERATURA (°C)

SUELOS 20 22 24 26 28
A 7 6 11 9 7
B 9 4 13 10 6
C 8 5 7 5 9
D 5 8 6 8 10
¿A qué conclusiones podríamos llegar utilizando un nivel de Confianza

del 98.42%?
Solución:

a. Con respecto a tratamientos (Tipos de Suelos)
𝐻0 ∶ 𝜏1 = 𝜏2 = ⋯ = 𝜏4
𝐻1 ∶ 𝜏𝑖 ≠ 0
b. Con respecto a bloques (Temperatura)

𝐻0 ∶ 𝛽1 = 𝛽2 = ⋯ = 𝛽5
𝐻1 ∶ 𝛽𝑗 ≠ 0
NIVEL DE SIGNIFICACIÓN
α = 0.0158
1 − α = 0.9842
PRUEBA DE ESTADÍSTICA
𝐹𝐶𝐼 = 𝑓((𝛼),𝑎−1,𝑎∗𝑏)
𝐹𝐶𝐼 = 𝑓(0.0158,3,12)
𝐹𝐶𝐼 = 0.051
𝐹𝐶𝑆 = 𝑓((1−𝛼),𝑏−1,𝑎∗𝑏)
𝐹𝐶𝑆 = 𝑓(0.9842,4,12)
𝐹𝐶𝑆 = 4.744
Conclusiones
 Tratamientos (Tipos de Suelos)

Como: 𝐹𝐶𝐼 = 0.051 < 𝐹0 = 0.439 < 𝐹𝐶𝑆 = 4.744 se concluye que los
11
Tipos de Suelos no influyen de manera significativa en el Grado de
acidez o alcalinidad (PH).
 Bloques (Temperatura)
Como: 𝐹𝐶𝐼 = 0.051 < 𝐹0 = 1.179 < 𝐹𝐶𝑆 = 4.744 se concluye que las
Temperaturas no influyen de manera significativa en el Grado de
acidez o alcalinidad (PH).
Resultados
conclusiones
I. Tratamientos (Tipos de Suelos)

Como 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.729 > 𝛼 = 0.0158 se acepta 𝐻0 .
Además como 𝐹𝐶𝐼 = 0.051 < 𝐹0 = 0.439 < 𝐹𝐶𝑆 = 4.744, además 0.439
cae dentro de la región de aceptación, entonces aceptamos 𝐻0 y
concluimos que, con un nivel de confianza del 98.42% no existe
suficiente evidencia estadística para decir que los Tipos de Suelos no
influyen de manera significativa en el Grado de acidez o alcalinidad
(PH).
II. Bloques (Temperatura)

Como 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0.368 > 𝛼 = 0.0158 se acepta 𝐻0 .
Además como 𝐹𝐶𝐼 = 0.051 < 𝐹0 = 1.179 < 𝐹𝐶𝑆 = 4.744, además 1.179
cae dentro de la región de aceptación, entonces aceptamos 𝐻0 y
concluimos que, con un nivel de confianza del 98.42% no existe
suficiente evidencia estadística para decir que las Temperaturas no
influyen de manera significativa en el Grado de acidez o alcalinidad
(PH).

DISEÑO CUADRADO LATINO
12
Modelo Estadístico
i = 1, 2, 3, … , p
yijk = μ + τi + βj + γk + εijk { j = 1, 2, 3, … , p
k = 1, 2, 3, … , p
EJERCICIO N°1
1. Un ingeniero civil investiga el efecto de cuatro métodos para ensamblar
calicatas, para poder llevarlo al laboratorio (A, B, C y D) sobre el tiempo
de ensamblaje(minutos) de una muestra de calicata. Se selecciona cuatro
ayudantes para el estudio. Además, el Ingeniero sabe que todos los
métodos de ensamblaje producen fatiga, de tal modo que el tiempo
requerido para el ultimo ensamblaje puede ser mayor que para el primero,
independiente del método. Es decir, se desarrolla una tendencia en el
tiempo de ensamblaje requerido. Para tomar en cuenta esta fuente de
variabilidad, el ingeniero emplea el diseño cuadrado latino que se
presenta a continuación. Analizar los datos de este experimento (utilizar
𝛼 = 0.05) y sacar conclusiones apropiadas.
Orden de Ayudantes
ensamblaje 1 2 3 4
1 𝐶 = 11 𝐷 = 15 𝐴=8 𝐵=9
2 𝐵=8 𝐶 = 19 𝐷 = 12 𝐴=9
3 𝐴=6 𝐵 = 11 𝐶 = 12 𝐷 = 10
4 𝐷 = 11 𝐴 = 11 𝐵 = 13 𝐶 = 15
Solución
I. Con respecto a los tratamientos (Método de ensamblaje)
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏4 = 0 (El método de ensamblaje NO influye
de manera significativa en el tiempo de ensamblaje de las calicatas
para realizar el análisis en el laboratorio)
𝐻1 = 𝜏𝑖 ≠ 0 (Al menos un método de ensamblaje influye de manera
significativa en el tiempo de ensamblaje de las calicatas para
realizar el análisis en el laboratorio)
II. Con respecto a filas (Orden de Ensamblaje)
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽4 = 0 (El orden de ensamblaje NO influye de
manera significativa en el tiempo de ensamblaje de las calicatas
para realizar el análisis en el laboratorio)
𝐻1 = 𝛽𝑗 ≠ 0 (Al menos orden de ensamblaje influye de manera
III. Con respecto a columnas (ayudante)
𝐻0 = 𝛾1 = 𝛾2 = ⋯ = 𝛾4 = 0 (El operador NO influye de manera

𝐻1 = 𝛾𝑘 ≠ 0 (Al menos un operador influye de manera significativa
13
en el tiempo de ensamblaje de las calicatas para realizar el análisis
en el laboratorio)
Ingresando los datos a MINITAB
1 2
Resultados
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
orden de ensamblaje 3 18.50 6.167 3.52 0.089
ayudantes 3 51.50 17.167 9.81 0.010
laboratorio 3 72.50 24.167 13.81 0.004
Error 6 10.50 1.750
Total 15 153.00
Conclusiones
1. Como p value para el ayudante = 0.01 < 0.05, se rechaza 𝐻𝑜 y se
concluye que el ayudante influye significativa en el tiempo de
ensamblaje de las calicata.
2. Como p value para el laboratorio = 0.004 < 0.05, se rechaza 𝐻𝑜 y se
concluye que el laboratorio influye significativa en el tiempo de
3. Como p value el orden de ensamblaje = 0.089 > 0.05, se acepta 𝐻𝑜 y
se concluye que el laboratorio NO influye significativa en el tiempo de

Prueba de normalidad
14
4
3
EJERCICIO N°2
Se realiza el estudio del efecto de 5 aditivos diferentes: reductor de agua A,
retardante B, acelerante de fraguado final C, Superplastificante D y el de aire
incorporado E, sobre el tiempo de fraguado inicial(horas) del concreto ciclópeo.
Para la elaboración del concreto ciclópeo se dispone de 5 tipos de piedra
mediana (concreto más piedra mediana-Max 3” resulta el concreto ciclópeo). La
alcanza para la realización de 5 corridas en un día. El experimentador decide
realizar el experimento como un cuadrado latino para que los efectos del día,
aditivo y el tipo de piedra. Obtiene los datos que se muestran enseguida. Analizar
los datos de este experimento (utilizar 𝛼 = 0.01) y sacar conclusiones.
Tipo de Día
piedra 1 2 3 4 5
mediana
1 𝐴 = 11 𝐵 = 10 𝐷=4 𝐶 = 10 𝐸=6
2 𝐶 = 14 𝐸=5 𝐴 = 10 𝐷=6 𝐵 = 11
3 𝐵=7 𝐴 = 12 𝐶 = 13 𝐸=4 𝐷=8
4 𝐷=9 𝐶 = 11 𝐸=9 𝐵=9 𝐴 = 12
5 𝐸=7 𝐷=5 𝐵=6 𝐴 = 11 𝐶 = 11
Solución
I. Con respecto a los tratamientos (aditivo)
altamente significativa en el tiempo de fraguado del concreto
ciclópeo)
𝐻1 = 𝜏𝑖 ≠ 0 (Al menos un tipo de aditivo influye de manera
ciclópeo)

II.
Con respecto a Filas (tipo de piedra mediana)
15
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽5 = 0 (El tipo de piedra mediana NO influye
de manera altamente significativa en el tiempo de fraguado del
concreto ciclópeo)
𝐻1 = 𝛽𝑗 ≠ 0 (Al menos tipo de piedra mediana influye de manera
ciclópeo)
III. Con respecto a columnas (Día)
𝐻0 = 𝛾1 = 𝛾2 = ⋯ = 𝛾5 = 0 (El día NO influye de manera altamente
significativa en el tiempo de fraguado del concreto ciclópeo)
𝐻1 = 𝛾𝑘 ≠ 0 (Al menos un día influye de manera altamente
significativa en el tiempo de fraguado del concreto ciclópeo)
1 2
2. Resultados
tipo de piedra 4 12.96 3.240 0.99 0.450
dia 4 10.56 2.640 0.81 0.544
aditivo 4 136.56 34.140 10.43 0.001
Error 12 39.28 3.273
Total 24 199.36
3. Conclusiones
1. Como p value el tipo de piedra = 0.45 > 0.01, se acepta 𝐻𝑜 y se
concluye que el tipo de piedra no influye altamente significativa en el
tiempo de fraguado del concreto ciclópeo .
2. Como p value el día = 0.544 > 0.01, se acepta 𝐻𝑜 y se concluye que el
día no influye altamente significativa en el tiempo de fraguado del
concreto ciclópeo .

3. Como p value el tipo de aditivo = 0.001 < 0.01, se rechaza 𝐻𝑜 y se
16
concluye al menos un tipo de aditivo influye altamente significativa en el
tiempo de fraguado del concreto ciclópeo .
4
3
EJERCICIO 3
Para analizar la influencia que produce La hidroscopia volumétrica (A=0.010,
B=0.015 y C=0.03) en su Resistencia A La Compresión de probetas de madera
kg/cm^2, se analiza el Contenido De Humedad (20%=1, 25%=2, y 30%=3) de
las probetas y la compacidad de la madera (0.90=1, 0.95=2, 0.98=3), los
resultados fueron los presentados en la siguiente tabla. Analiza con 𝛼 = 0.05, y
estudiar la posible influencia de los factores de la hidroscopia volumétrica,
contenido de humedad y compacidad en la variable resistencia a la
compresión.
Compacidad Contenido de humedad

de la 1 2 3
madera
1 19 C 21 B 19A
2 24 A 21 C 23B
3 24C 25 A 28B
1. Modelo estadístico.
Cada observación del experimento es expresada como una relación lineal de
los efectos involucrados (tratamiento, fila y columna), así:
Yijh = μ + τi + βj + γh + εijh con i, j, h = 1,2, … , k
μ = Efecto medio( parámetro del modelo)

τi = Efecto del tratamiento i.
βj = Efecto producido por el j − ésimo nivel del factor fila j.

γh = Efecto producido por el í − ésimo nivel del factor columna h
17
εijh = Error experimental de la u. e. i. j
Yijh = Observación en la unidad experimental

I. Con respecto a tratamientos (Hidroscopia volumétrica) Cuadrado Latino
𝑯𝟎 = 𝝉𝟏 = 𝝉𝟐 = ⋯ = 𝝉𝒌 = 𝟎 (La hidroscopia volumétrica NO influye de
manera significativa en la Resistencia A La Compresión)
𝑯𝟏 = 𝝉𝒊 ≠𝟎 (Al menos una hidroscopia volumétrica influye de manera
significativa en la Resistencia A La Compresión).
II. Con respecto a Filas (Contenido De Humedad)
𝑯𝟎 = 𝜷𝟏 = 𝜷𝟐 = ⋯ = 𝜷𝒌 = 𝟎 (El Contenido De Humedad NO influye de
𝑯𝟏 = 𝜷𝒋 ≠ 0 (Al menos un Contenido De Humedad influye de manera
significativa en la Resistencia A La Compresión)
III. Con respecto a Columnas (compacidad de la madera)
𝑯𝟎 = 𝜸𝟏 = 𝜸𝟐 = ⋯ = 𝜸𝒌 = 𝟎 (La compacidad de la madera NO influye de
𝑯𝟏 = 𝜸𝒉 ≠ 𝟎 (Al menos una compacidad de la madera influye de manera
significativa en la Resistencia A La Compresión)
1 2
2. Resultados
compacidad 2 42.5453 21.2727 6.61 0.131
contenido de humedad 2 0.6676 0.3338 0.10 0.906
hidroscopia 2 7.5676 3.7838 1.18 0.459
Error 2 6.4324 3.2162
Total 8 70.0000

3. Conclusiones
18
1. Como p-valve para La hidroscopia volumétrica =0.459>0.05, se
ACEPTA la 𝐻0 y se concluye que la absorción NO influye de
manera significativa en la Resistencia a la Compresión.
2. Como p-valve para Contenido De Humedad=0.906>0.05, se
ACEPTA la 𝐻0 y se concluye que el Contenido De Humedad NO
influye de manera significativa en la Resistencia a la Compresión.
3. Como p-valve para compacidad =0.131>0.05, se ACEPTA la 𝐻0 y
se concluye que la compacidad de la madera NO influye de manera
significativa en la Resistencia a la Compresión.
4
3

19
EJERCICIO 4
Supongamos que un ingeniero civil en una calera está estudiando el efecto de
cinco fórmulas diferentes de la mezcla de dinamita sobre la fuerza explosiva
observada en la roca. Cada fórmula se prepara usando un lote de materia prima,
lo suficientemente grande para que sólo se hagan cinco mezclas. Más aún, las
mezclas las preparan cinco operarios, pudiendo existir una diferencia sustancial
en la habilidad y experiencia de ellos. El diseño apropiado para este problema
consiste en probar cada fórmula exactamente una vez, utilizando cada lote de
materia prima, y en que cada fórmula sea preparada exactamente una vez por
cada uno de los cinco operarios. Los datos son los siguientes:
TIPO DE OPERARIO
MEZCLAS 1 2 3 4 5
1 24A 20B 19C 24D 24E
2 17B 24C 30D 27E 36A
3 18C 18D 26E 27A 21B
4 26D 31E 26A 23B 22C
5 22E 30A 20B 29C 31D
Solución
Con respecto a los tratamientos
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏4 = 0 (El tipo de fórmula química NO influye
de manera significativa en la fuerza explosiva observada)
𝐻1 = 𝜏𝑖 ≠ 0 (Al menos un tipo de fórmula química influye de
manera significativa en la fuerza explosiva observada)
Con respecto a filas
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽4 = 0 (El tipo de mezcla NO influye de
manera significativa en la fuerza explosiva observada)
𝐻1 = 𝛽𝑗 ≠ 0 (Al menos un tipo de mezcla influye de manera
significativa en la fuerza explosiva observada)
Con respecto a columnas
𝐻0 = 𝛾1 = 𝛾2 = ⋯ = 𝛾4 = 0 (La experiencia y habilidad del
operario NO influye de manera significativa en la fuerza explosiva
observada)
𝐻1 = 𝛾𝑘 ≠ 0 (Al menos experiencia y habilidad de un operario
influye de manera significativa en la fuerza explosiva observada)

Ingresando los datos a MINITAB
20
TIPO DE FUERZA
1 2
FORMULAS
MEZCLAS
OPERARIO
EXPLOSIVA
A 1 1 24
B 1 2 20
C 1 3 19
D 1 4 24
E 1 5 24
B 2 1 17
C 2 2 24
D 2 3 30
E 2 4 27
A 2 5 36
C 3 1 18
D 3 2 18
E 3 3 26
A 3 4 27
1. Resultados B 3 5 21
TIPO DE MEZCLAS 4 108.00 27.00 2.25 0.124
OPERARIO 4 86.00 21.50 1.79 0.195
FORMULAS 4 218.00 54.50 4.54 0.018
Error 12 144.00 12.00
Total 24 556.00
2. conclusiones:
1. Como p value para el Efecto Tipo de Formula química = 0.018 <
0.05, se rechaza la 𝐻0 y se concluye que al menos un tipo de fórmula
química influye de manera significativa en la fuerza explosiva
observada.
2. Como p value para el tipo de mezcla = 0.124> 0.05, se acepta la 𝐻0
y se concluye que el tipo de mezcla NO influye de manera significativa
en la fuerza explosiva observada.
3. Como p value para el Operario = 0.195 > 0.05, se acepta la 𝐻0 , y se
concluye que al menos experiencia y habilidad de un operario influye
de manera significativa en la fuerza explosiva observada.

21
EJERCICIO 5
Para determinar la influencia que produce el Tipo De conglomerante
(A=Hidráulico, B=Aéreo y C=Hidráulico y aéreo) en la resistencia a la flexotracion
(Esfuerzo kg/cm^2) del concreto armado, se analiza la porosidad (5%=1, 3%=2,
y 1%=3) de las probetas con acero y la Densidad Del Material del conglomerante
(0.55=1, 0.60=2, 0.70=3), los resultados fueron los presentados en la siguiente
tabla. Analiza con 𝛼 = 0.01, y estudiar la posible influencia de los factores de tipo
de aglomerante, contenido de humedad y densidad en la variable resistencia a
la compresión.
Densidad del Porosidad

conglomerante 1 2 3
1 21 C 23A 24B
2 23 B 24 A 24 C
3 25 A 25 B 29C
Modelo estadístico.
Cada observación del experimento es expresada como una relación lineal de

los efectos involucrados (tratamiento, fila y columna), así:
Yijh = μ + τi + βj + γh + εijh con i, j, h = 1,2, … , k
𝜇 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑚𝑒𝑑𝑖𝑜( 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜)

𝜏𝑖 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒𝑙 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑖.
𝛽𝑗 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑜 𝑝𝑜𝑟 𝑒𝑙 𝑗 − é𝑠𝑖𝑚𝑜 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜𝑟 𝑓𝑖𝑙𝑎 𝑗.
𝛾ℎ = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑜 𝑝𝑜𝑟 𝑒𝑙 í − é𝑠𝑖𝑚𝑜 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜𝑟 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 ℎ
𝜀𝑖𝑗ℎ = 𝐸𝑟𝑟𝑜𝑟 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑢. 𝑒. 𝑖. 𝑗
𝑌𝑖𝑗ℎ = 𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖ó𝑛 𝑒𝑛 𝑙𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙
I. Con respecto a tratamientos (Tipo De Aglomerante) Cuadrado Latino

𝑯𝟎 = 𝝉𝟏 = 𝝉𝟐 = ⋯ = 𝝉𝒌 = 𝟎 (El Tipo de conglomerante NO influye de
manera altamente significativa en la Resistencia A La flexotracion)
𝑯𝟏 = 𝝉𝒊 ≠𝟎 (Al menos un Tipo de conglomerante influye de manera
altamente significativa en la Resistencia A La flexotracion)
II. Con respecto a Filas (Contenido De Humedad)
𝑯𝟎 = 𝜷𝟏 = 𝜷𝟐 = ⋯ = 𝜷𝒌 = 𝟎 (La porosidad NO influye de manera
altamente significativa en la Resistencia A la flexotracion)
𝑯𝟏 = 𝜷𝒋 ≠ 0 (Al menos una porosidad influye de manera altamente
significativa en la Resistencia A la flexotracion)
III. Con respecto a Columnas (Densidad Del conglomerante)

𝑯𝟎 = 𝜸𝟏 = 𝜸𝟐 = ⋯ = 𝜸𝒌 = 𝟎 (La Densidad del conglomerante NO influye
de manera altamente significativa en la Resistencia A La flexotracion)

𝑯𝟏 = 𝜸𝒉 ≠ 𝟎 (Al menos una Densidad del conglomerante influye de
22 manera altamente significativa en la Resistencia A La flexotracion).
1 2
2. Resultados
DENSIDAD 2 21.5556 10.7778 4.95 0.168
POROSIDAD 2 10.7556 5.3778 2.47 0.288
TIPO DE CONGLOMERATE 2 0.7556 0.3778 0.17 0.852
Error 2 4.3556 2.1778
Total 8 37.5556
1. Como p-valve para Tipo De Conglomerante =0.852>0.01, se ACEPTA

𝐻0 y se concluye que el Tipo de conglomerante NO influye de manera
significativa altamente en la resistencia a la flexotracion del concreto
armado.
2. Como p-valve para Porosidad =0.288>0.01, se ACEPTA 𝐻0 y se
concluye que la Porosidad NO influye de manera altamente significativa
en la resistencia a la flexotracion del concreto armado.
3. Como p-valve para Densidad Del Conglomerante =0.168>0.01, se
ACEPTA 𝐻0 y se concluye que la Densidad Del Conglomerante No influye
de manera altamente significativa en la Resistencia a la en la resistencia
a la flexotracion del concreto armado.

3. Prueba de normalidad(Residuos)
23
3 4
+
DISEÑO CUADRADO GRECOLATINO

EJERCICIO 1
En el tiempo de fraguado inicial (horas) de un mortero se mido utilizando 4
relaciones agua-aglomerante, 4 tiempos de procesamiento de la pasta, 4 tipos
de aglomerante: Cal A, yeso B, Puzolana C, Cemento D y 4 tipos de
temperatura de mezclado (α, β, γ, δ)
Relación agua – aglomerante
Tipo de 1 2 3 4
procesamiento
1 𝐴 = 0.5 α 𝐵 = 0.55 δ 𝐶 = 0.45 β 𝐷 = 0.6 γ
2 𝐵 = 0.52 β 𝐶 = 0.48 α 𝐷 = 0.5 δ 𝐴 = 0.45 γ
3 𝐶 = 0.53 γ 𝐷 = 0.48 β 𝐵 = 0.44 α 𝐴 = 0.5 δ
4 𝐷 = 0.48 α 𝐶 = 0.54 β 𝐴 = 0.6 γ 𝐵 = 0.55 δ
Solución
I. Con respecto a los tratamientos (relación agua aglomerante)
Cuadrado Latino
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏5 = 0 (la relación agua – aglomerante NO
influye de manera significativa en el tiempo de fraguado del
mortero)
𝐻1 = 𝜏𝑖 ≠ 0 (la relación agua aglomerante influye de manera
significativa en el tiempo de fraguado del mortero)
II. Con respecto a Filas (tiempo de procesamiento)
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽5 = 0 (El tiempo de procesamiento de la
pasta NO influye de manera significativa en el tiempo de fraguado
del mortero)

𝐻1 = 𝛽𝑗 ≠ 0 (Al tiempo de procesamiento de la pasta influye de
24
manera significativa en el tiempo de fraguado del mortero)
III. Con respecto a columnas (tipo de aglomerante)

𝐻0 = 𝛾1 = 𝛾2 = ⋯ = 𝛾5 = 0 (El tipo de aglomerante NO influye de
manera significativa en el tiempo de fraguado del mortero)
𝐻1 = 𝛾𝑘 ≠ 0 (Al menos un tipo de aglomerante influye de manera
significativa en el tiempo de fraguado del mortero)
IV. Con respecto a tratamiento (temperatura) cuadrado Greco Latino
𝐻0 = 𝛿1 = 𝛿2 = ⋯ = 𝛿𝑘 = 0 (la temperatura NO influye de
manera significativa en el tiempo de fraguado del mortero
𝐻1 = 𝛾𝑙 ≠ 0 (la temperatura influye de manera significativa en el
tiempo de fraguado del mortero)
1 2
1
2. Resultados
tip.prose 3 0.009169 0.003056 0.81 0.568
aglomerante 3 0.001078 0.000359 0.09 0.958
R H2o/aglo 3 0.002959 0.000986 0.26 0.851
temperatura 3 0.013364 0.004455 1.17 0.449
Error 3 0.011382 0.003794
Total 15 0.035894
3. Conclusiones

1. Como p value para tipo de procesamiento=0.568 > 0.05, Se acepta
25
Ho. Se concluye que las diferentes tipas de procesamiento no influyen
de manera significativa en el tiempo de fraguado del mortero.
2. Como p value tipo de aglomerante =0.958> 0.05, Se acepta Ho. Se
concluye que los tipos de aglomerante no influyen de manera
significativa el tiempo de fraguado del mortero.
3. Como p value para relación agua aglomerante =0.851> 0.05, Se
acepta Ho. Se concluye las relaciones agua aglomerante no influye de
manera significativa en el tiempo de fraguado del mortero
4. Como p value para temperatura =0.449> 0.05, Se acepta Ho. Se
concluye que las temperaturas no influyen de manera significativa en
el tiempo de fraguado del mortero.
5 6
+
EJERCICIO 2
La capacidad portante(Kg/cm^2) de un suelo a edificar se calculó utilizando 4
métodos, 4 calicatas distintas, 4 profundidades de extracción de la muestra (A,
B, C, D) y 4 contenidos de humedad (α, β, γ, δ). Como se muestra en la
siguiente tabla:
Tipo de calicata
Método
1 2 3 4
1 𝐶 = 0.60 α 𝐴 = 0.7 β 𝐵 = 0.7 δ 𝐷 = 0.65
2 𝐵 = 0.75 β 𝐶 = 0.72 α 𝐴 = 0.73 δ 𝐷 = 0.69 γ
3 𝐴 = 0.80 α 𝐷 = 0.78 β 𝐵 = 0.73 γ 𝐶 = 0.74 δ
4 𝐷 = 0.83 β 𝐵 = 0.85 δ 𝐴 = 0.98 γ 𝐶 = 0.9α
Solución

26
I. Con respecto a los tratamientos (tipo de calicata) Cuadrado Latino
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏5 = 0 (el tipo de calicata NO influye de
manera significativa en la capacidad portante del suelo)
𝐻1 = 𝜏𝑖 ≠ 0 (Al menos un tipo de calicata influye de manera
significativa en la capacidad portante del suelo)
II. Con respecto a Filas (Método)
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽5 = 0 (El tipo de método NO influye de
𝐻1 = 𝛽𝑗 ≠ 0 (Al menos un tipo de método influye de manera
III. Con respecto a columnas (Profundidad)
𝐻0 = 𝛾1 = 𝛾2 = ⋯ = 𝛾5 = 0 (La profundidad de la extracción de la
calicata NO influye de manera significativa en la capacidad
portante del suelo)
𝐻1 = 𝛾𝑘 ≠ 0 (La profundidad de la extracción de la calicata influye
de manera significativa en la capacidad portante del suelo)
IV. Con respecto a tratamiento (Contenido de Humedad) cuadrado

Greco Latino
𝐻0 = 𝛿1 = 𝛿2 = ⋯ = 𝛿𝑘 = 0 (el tipo de contenido de humedad NO
influye de manera significativa en la capacidad portante del suelo)
𝐻1 = 𝛾𝑙 ≠ 0 (Al menos un tipo de contenido de humedad influye de
1 2
1
2. Resultados

metodo 3 0.111269 0.037090 11.58 0.037
prof extrac 3 0.008126 0.002709 0.85 0.553

27 tipo de calicata 3 0.004097 0.001366 0.43 0.749

%c.h 3 0.003825 0.001275 0.40 0.765
Error 3 0.009606 0.003202
Total 15 0.136694
3. Conclusiones
I. Como p value para tipo de método=0.037< 0.05, Se rechaza Ho. Se
concluye que al menos un tipo de método influye de manera
significativa en la capacidad portante del suelo
II. Como p value para profundidad de la extracción de la calicata es
0.553> 0.05, se acepta Ho. Se concluye que la profundidad no influye
de manera significativa en la capacidad portante del suelo
III. Como p value para el tipo calicata es 0.749> 0.05, se acepta Ho. Se
concluye que el tipo de calicata no influye de manera significativa en
la capacidad portante del suelo
IV. Como p value para el contenido de humedad 0.765> 0.05, se acepta
Ho. Se concluye que el contenido de humedad no influye de manera
significativa en la capacidad portante del suelo
3 4
+

EJERCICIO 3
28
Para medir el rendimiento de las bolsas de cemento para asentado de cerámica
se midió utilizando 4 lotes de cemento, 4 concentraciones de Clinker, en 4
máquinas diferentes (A, B, C, D) y 4 concentraciones de acelerante de graguado
(α, β, γ, δ). El diseño y los resultados en cuadro adjunto, 𝛼 = 0.05
Concentraciones de clinker
Lotes de cemento 1 2 3 4
1 Cb= 75 Bc= 80 Dd= 68 Aa= 84
2 Ba=81 Cd= 84 Ac= 85 Db= 71
3 Ad= 85 Da= 90 Bb= 98 Cc= 96
4 Dc= 90 Ab= 92 Ca= 67 Bd= 74
Solución
I. Con respecto a los tratamientos (tipo de maquina) Cuadrado
Latino
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏5 = 0 (el tipo de maquina NO influye de
manera significativa en el rendimiento de las bolsas de cemento)
𝐻1 = 𝜏𝑖 ≠ 0 (Al menos un tipo de maquina influye de manera
significativa en el rendimiento de las bolsas de cemento)
II. Con respecto a Filas (lotes de cemento)
𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽5 = 0 (el tipo de lotes de cemento NO influye
de manera significativa en el rendimiento de las bolsas de
cemento)
𝐻1 = 𝛽𝑗 ≠ 0 (Al menos un tipo de lotes de cemento influye de
III. Con respecto a columnas (Concentraciones de Clinker)
𝐻0 = 𝛾1 = 𝛾2 = ⋯ = 𝛾5 = 0 (el tipo de concentraciones de Clinker
NO influye de manera significativa en el rendimiento de las bolsas
de cemento)
𝐻1 = 𝛾𝑘 ≠(Al menos un tipo de concentración de Clinker influye de
IV. Con respecto a tratamiento (acelerante) cuadrado Greco Latino
𝐻0 = 𝛿1 = 𝛿2 = ⋯ = 𝛿𝑘 = 0 (el tipo de acelerante NO influye de
𝐻1 = 𝛾𝑙 ≠ 0 (Al menos un tipo de acelerante influye de manera
significativa en el rendimiento de las bolsas de cemento)

29 1. Resultados
2. Conclusiones
1. Como p value para Lotes de yeso =0.381 > 0.05, Se acepta Ho.
Se concluye que los lotes de yeso no influyen de manera
significativa en el rendimiento de las bolsas de yeso.
2. Como p value para concentración de hemihidrato =0.834>0.05, Se
acepta Ho. Se concluye que la concentración de hemidrato no
influyen de manera significativa en el rendimiento de las bolsas de
yeso.
3. Como p value para maquinas diferentes=0.824> 0.05, Se acepta
Ho. Se concluye que las maquinas diferentes no influyen de
manera significativa en el rendimiento de las bolsas de yeso.
4. Como p value para concentración de catalizador =0.655> 0.05, Se
acepta Ho. Se concluye que las concentraciones de los
catalizadores no influyen de manera significativa en el rendimiento
de las bolsas de yeso.
EJERCICIO 4
Se compara 4 tipos de compacidad (A, B, C, D), en cuatro tipos longitudes
promedio (α, β, γ, δ). con cuatro tipos máquina diferente y cuatro tipos de roca
para usarlo como over en una construcción, con respecto a las toneladas que
soporta en la máquina de resistencia a compresión. El diseño y los resultados en
cuadro adjunto, 𝛼 = 0.01
TIPO DE ROCA
Método
1 caliza 2 traquita 3 granito 4 arenisca
1 𝐶 = 94 α 𝐵 = 100β 𝐴 = 100δ 𝐷 = 103 γ
2 𝐵 = 105 β 𝐶 = 125 α 𝐴 = 160 δ 𝐷 = 108 γ

3 𝐴 = 210 α 𝐷 = 185 β 𝐵 = 120 γ 𝐶 = 145 δ

30
4 𝐷 = 105 β 𝐴 = 205 δ 𝐵 = 190 γ 𝐶 = 160α
Solución
I. Con respecto a los tratamientos (maquina) Cuadrado Latino
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏5 = 0 (el tipo de maquina NO influye de
manera altamente significativa en el soporte de toneladas en la
máquina de resistencia a compresión)
𝐻1 = 𝜏𝑖 ≠ 0 (el tipo un tipo de maquina influye de manera altamente
significativa en el soporte de toneladas en la máquina de
resistencia a compresión)
II. Con respecto a Filas (Método)

𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽5 = 0 (tipo de compacidad NO influye de
𝐻1 = 𝛽𝑗 ≠ 0 (Al menos un tipo de método influye de manera

III. Con respecto a columnas (tipo de roca)
𝐻0 = 𝛾1 = 𝛾2 = ⋯ = 𝛾5 = 0 (el tipo de roca NO influye de manera
altamente significativa en el soporte de toneladas en la máquina de
𝐻1 = 𝛾𝑘 ≠ 0 (al menos un tipo de roca influye de manera altamente
significativa en el soporte de toneladas en la máquina de
IV. Con respecto a tratamiento (Longitud promedio) cuadrado Greco

Latino
𝐻0 = 𝛿1 = 𝛿2 = ⋯ = 𝛿𝑘 = 0 (el tipo de longitud promedio NO
influye de manera altamente significativa en el soporte de
toneladas en la máquina de resistencia a compresión)
𝐻1 = 𝛾𝑙 ≠ 0 (Al menos un tipo de longitud promedio influye de

31
1
2. Resultados
METDODO 3 9093 3031.1 5.42 0.099
TIPO DE ROCA 3 3171 1057.0 1.89 0.307
TIP.COMP 3 6509 2169.6 3.88 0.148
TIP.LONG 3 1095 365.1 0.65 0.633
Error 3 1679 559.5
Total 15 25220
3. Conclusiones
I. Como p value para tipo de método=0.099> 0.01, Se ACEPATA Ho.
Se concluye que EL tipo de método NO influye de manera
altamente en el soporte en toneladas de la roca.
II. Como p value tipo de roca calicata es 0.307> 0.01, se acepta Ho.
Se el tipo de roca no influye de manera altamente en el soporte en
toneladas de la roca.
III. Como p value tipo de compacidad 0.148> 0.01, se acepta Ho. Se
el tipo de compacidad no influye de manera altamente en el soporte
en toneladas de la roca.
IV. Como p value tipo de longitud promedio 0633> 0.01, se acepta Ho.
Se el tipo de longitud promedio no influye de manera altamente en
el soporte en toneladas de la roca.

32
5 6
+
ajustan a una distribución normal. Por lo tanto, el modelo utilizado es el adecuado
EJERCICIO 5
La filtración (centímetros cúbicos por segundo) de agua en un suelo, donde se
va realizar un canal se analizó el tipo se suelo: arenoso, arcilloso, suelo mixto y
suelo roco, densidad aparente: 1.5(1) ,1.7(2), 1.8(3)y 2.0(4) Gr/cm^3, 4 método
empleado (A, B, C, D) en el cálculo de la filtración y 4 épocas del año (α, β, γ,
δ). 𝛼 = 0.01
TIPO DE DENSIDAD APARENTE DEL SUELO
SUELO 1 2 3 4
(1.5gr/cm^3) (1.7gr/cm^3) (1.8gr/cm^3) (2gr/cm^3)
ARENOSO 1 𝐴 = 94 α 𝐵 = 90 β 𝐷 = 95δ 𝐶 = 103 γ
ARCILLOSO 2 𝐵 = 65 β 𝐶 = 68 α 𝐴 = 78 δ 𝐷 = 72 γ
MIXTO 3 𝐴 = 50α 𝐷 = 58 β 𝐵 = 53 γ 𝐶 = 65 δ
ROCOSO 4 𝐵 = 30 β 𝐶 = 40 δ 𝐴 = 45 γ 𝐷 = 33α
Solución
I. Con respecto a los tratamientos (método empleado) Cuadrado
Latino
𝐻0 = 𝜏1 = 𝜏2 = ⋯ = 𝜏5 = 0 (el tipo de método empleado NO influye
de manera altamente significativa en la filtración de agua).
𝐻1 = 𝜏𝑖 ≠ 0 (Al menos un de tipo de método influye de manera
altamente significativa en la filtración de agua)
II. Con respecto a Filas (tipo de suelo)

𝐻0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽5 = 0 (el tipo de suelo NO influye de manera
altamente significativa en la filtración de agua).

𝐻1 = 𝛽𝑗 ≠ 0 (Al menos un tipo de suelo influye de manera
33
altamente significativa en la filtración de agua).
III. Con respecto a columnas (Densidad aparente)
𝐻0 = 𝛾1 = 𝛾2 = ⋯ = 𝛾5 = 0 (la densidad aparente NO influye de
manera altamente significativa en la filtración de agua).
𝐻1 = 𝛾𝑘 ≠ 0 (Al menos un tipo de densidad aparente influye de
manera altamente significativa en la filtración de agua).
IV. Con respecto a tratamiento (épocas del año) cuadrado Greco
Latino
𝐻0 = 𝛿1 = 𝛿2 = ⋯ = 𝛿𝑘 = 0 (la época del año NO influye de
manera altamente significativa en la filtración de agua)
𝐻1 = 𝛾𝑙 ≠ 0 (Al menos una época del año influye de manera
altamente significativa en la filtración de agua)
1 2
2. Resultados:
epoca del año 3 133.83 44.61 7.19 0.070
metodo 3 156.80 52.27 8.42 0.057
densidad aparente 3 7.34 2.45 0.39 0.768
tipo de suelo 3 6894.25 2298.08 370.19 0.000
Error 3 18.62 6.21
Total 15 7728.94
3. Conclusiones
I. Como p value para el tipo de suelo =0.000< 0.01, Se rechaza Ho.
Se concluye que EL tipo de método influye de manera altamente
significativa en la filtración de agua de un suelo.

II. Como p value para la densidad aparente =0.768>0.01, Se acepta
34
Ho. Se concluye que EL tipo de densidad NO influye de manera
altamente significativa en la filtración de agua de un suelo.
III. Como p value para el método=0.57>0.01, Se acepta Ho. Se
concluye que EL tipo de método NO influye de manera altamente
IV. Como p value para la época del año=0.070>0.01, Se acepta Ho.
Se concluye que la época del año NO influye de manera altamente
3 4
+
ajustan a una distribución normal. Por lo tanto, el modelo utilizado es el adecuado

Diaz Vasquez Nilder-Annova

Încărcat de

Informații document

Titlu original

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

Diaz Vasquez Nilder-Annova

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL DE

CAJAMARCA, 13 DE MARZO DEL 2019

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

1. Como p value para el tipo de aditivo = 0.121 > 0.01, se acepta 𝐻𝑜 y se

Estadística Aplicada-ciclo 2019 Vacacional

Las hipótesis a probar son:

Estadística Aplicada-ciclo 2019 Vacacional

1. Como p value para el tipo de aditivo = 0.545 > 0.01, se acepta 𝐻𝑜 y se

Estadística Aplicada-ciclo 2019 Vacacional

Se prueban las siguientes hipótesis:

Estadística Aplicada-ciclo 2019 Vacacional

Por lo tanto, como el valor de p es menor que el valor de significancia, se

Estadística Aplicada-ciclo 2019 Vacacional

Tabla 1: Grado de acidez o alcalinidad (PH).

TIPOS DE TEMPERATURA (°C)

¿A qué conclusiones podríamos llegar utilizando un nivel de Confianza

Las hipótesis a probar son:

b. Con respecto a bloques (Temperatura)

Estadística Aplicada-ciclo 2019 Vacacional

I. Tratamientos (Tipos de Suelos)

II. Bloques (Temperatura)

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

Ingresando los datos a MINITAB

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

Compacidad Contenido de humedad

Yijh = μ + τi + βj + γh + εijh con i, j, h = 1,2, … , k

μ = Efecto medio( parámetro del modelo)

Estadística Aplicada-ciclo 2019 Vacacional

Las hipótesis a probar son:

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

Densidad del Porosidad

Cada observación del experimento es expresada como una relación lineal de

Yijh = μ + τi + βj + γh + εijh con i, j, h = 1,2, … , k

𝜇 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑚𝑒𝑑𝑖𝑜( 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜)

I. Con respecto a tratamientos (Tipo De Aglomerante) Cuadrado Latino

III. Con respecto a Columnas (Densidad Del conglomerante)

Estadística Aplicada-ciclo 2019 Vacacional

1. Como p-valve para Tipo De Conglomerante =0.852>0.01, se ACEPTA

Estadística Aplicada-ciclo 2019 Vacacional

DISEÑO CUADRADO GRECOLATINO

Estadística Aplicada-ciclo 2019 Vacacional

III. Con respecto a columnas (tipo de aglomerante)

1. Ingresando los datos a MINITAB

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

IV. Con respecto a tratamiento (Contenido de Humedad) cuadrado

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Estadística Aplicada-ciclo 2019 Vacacional

27 tipo de calicata 3 0.004097 0.001366 0.43 0.749

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

Estadística Aplicada-ciclo 2019 Vacacional

3 𝐴 = 210 α 𝐷 = 185 β 𝐵 = 120 γ 𝐶 = 145 δ

II. Con respecto a Filas (Método)

𝐻1 = 𝛽𝑗 ≠ 0 (Al menos un tipo de método influye de manera