Fase 4 ANOVA Trabajo Colaborativo Grupo 70

INFERENCIA ESTADÍSTICA
FASE 4
Yimy Alexander Parra

Jose Mauricio Jimenez
David Muñoz Mazo
Alvaro Hernandez
Ruben Alonso Rios
Grupo 100403_70
Luis Antonio Cely Becerra

TUTOR INFERENCIA ESTADÍSTICA
Universidad Nacional Abierta y a Distancia

May-19
Células
Densidad Crioscopia % Proteína % Sólidos somáticas
Nº Muestra % Grasa
(g/ml) (°C) totales (células/ml
de leche)
24 211 0.88 -0.5 3 3 12 1911921
25 220 1.1 -0.55 3.1 3.1 11.7 1920733
38 337 1.01 -0.51 3.2 3.1 11.7 1903521
42 373 1.08 -0.5 3.3 2.9 12 1918214
58 517 0.94 -0.51 3.3 3.2 11.9 1892476
98 877 0.93 -0.5 3.2 2.9 11.7 1886660
180 1615 1 -0.57 3.2 3 11.5 1899104
Tipo de Prueba de Temperatura
Peroxidasa Fosfatasa Temperatura Costo
leche yodo de recepcion
2 2 1 1 824 2 2
2 2 1 2 833 2 1
2 2 3 2 622 2 1
2 1 1 3 1065 2 1
2 2 2 1 705 2 1
2 2 1 3 379 2 1
2 2 1 1 576 2 1
Satisfacción Departamento
4 4
4 2
4 6
4 1
4 5
4 2
4 6
Definición y características principales del análisis de
varianza
¿Cuándo y cómo aplicar un análisis de varianza?

Explique cada uno de los modelos de análisis de varianza. De
ejemplos.
¿Es útil aplicar análisis de varianza a la problemática de

estudio? - Explique por qué
El análisis de varianza es una técnica que se puede utilizar para decidir si las
medias de dos o más poblaciones son iguales. La prueba se basa en
una muestra única, obtenida a partir de cada población. El análisis de
varianza puede servir para determinar si las diferencias entre las medias
muestrales revelan las verdaderas diferencias entre los valores medios de
cada una de las poblaciones, o si las diferencias entre los valores medios de
la muestra son más indicativas de una variabilidad de muestreo.
Si el valor estadístico de prueba (análisis de
varianza) nos impulsa a aceptar la hipótesis nula, se concluiría que las
diferencias observadas entre las medias de las muestras se deben a la
variación casual en el muestreo (y por tanto, que los valores medios de
población son iguales). Si se rechaza la hipótesis nula, se concluiría que las
diferencias entre los valores medios de la muestra son demasiado grandes
como para deberse únicamente a la casualidad (y por ello, no todas las
medias de población son iguales).
El Anova Es aplicable sólo cuando las unidades experimentales son

homogéneas (verificar si existe tal homogeneidad de los datos, todos
provienen de la misma distribución y no hay datos atípicos).
Aunque existen muchos y muy diferentes modelos de ANOVA, puede
obtenerse una clasificación bastante simple de los mismos atendiendo a tres
criterios: el número de factores, el tipo de muestreo efectuado sobre los
niveles de los factores y el tipo de aleatorización utilizada para seleccionar
las muestras representativas de cada población y agrupar sus elementos (o
unidades experimentales) en los distintos grupos que se
desea comparar. Veamos esto con más detenimiento:
Según el número de factores, se llama ANOVA de un factor al modelo en
el que existe una única variable independiente; en cambio, si el modelo
consta de más de un factor se le denomina modelo factorial o se habla de
Análisis de Varianza Factorial.
En cuanto al muestreo de niveles, se refiere a la forma de establecer los
niveles de cada factor. Esto depende, normalmente, de los intereses del
investigador. Si se fijan únicamente aquellos niveles del factor que
realmente interesa estudiar, estamos ante un modelo de ANOVA de efectos
fijos (también llamado modelo I) mientras que si los niveles se seleccionan
aleatoriamente de entre todos los posibles, se trata de un modelo ANOVA de
efectos aleatorios (o modelo II).
Las distinciones basadas en el tipo de aleatorización son equivalentes a
las quese establecen al hablar de muestras independientes y muestras
relacionadas. Como en todo experimento estadístico en el que no resulta
posible trabajar con la población en su totalidad, se deben elegir muestras
aleatorias y asignarse también aleatoriamente sus elementos a los diferentes
niveles o tratamientos, para asegurar que no se cometan errores
sistemáticos. Si las unidades experimentales reaccionan o responden a los
tratamientos de la misma manera, se dice que son homogéneas. Por el
contrario si responden de diferente manera a los tratamientos debido a sus
diferencias intrínsecas, se dirán heterogéneas. Por otra parte, el tamaño de
las muestras puede ser o no el mismo. Diremos que un diseño es equilibrado
o balanceado si todas las muestras tienen el mismo
tamaño y no equilibrado o no balanceado en caso contrario.
Los modelos ANOVA permiten, básicamente, comparar los valores medios
que toma la variable dependiente en J poblaciones en las que los niveles de
factores son distintos, con la finalidad de determinar si existen diferencias
significativas según dichos niveles o si, por el contrario, la respuesta en
cada población es independiente de los niveles de factores. Se trata, por
tanto, de un contraste paramétrico que extiende al caso de J
poblaciones el contraste de la igualdad de medias entre dos poblaciones
independientes.
https://www.monografias.com/trabajos91/analisisvarianza/analisisvarianza.shtml
https://support.minitab.com/es-
mx/minitab/18/help-and-how-
to/modeling-statistics/anova/supporting-
topics/basics/what-is-anova/
https://www.upo.es/export/portal/com/bin/portal/upo/profesores/jaordsan/profesor/1311101268463_mxtodos_estadxs
Evaluar si el “% solidos totales” depende de la “Temperatura” que se tiene del proveedor en el dep
La organización de los datos a trabajar debe ser así:
Temperatura Alta Temperatura Media
% solidos totales proveedor 1 % solidos totales proveedor 6

COMPARACIÓN MÚLTIPLE DE TUKEY

Media del grupo 1 11.54
n del grupo 1 5
n del grupo 2 5
n del grupo 3 5
CME(Cuadrado medio del error) 0.0966666667
Estadistico Q de tukey 3.08
Comparacion del grupo 1 con el grupo 2

Diferencia absoluta 0.26
Error éstandar de la diferencia 0.1390443574
Amplitud critica 0.4282566209
Medias del grupo1 y 2 son No depende
Medias del grupo 2 y 3 son No depende
ue se tiene del proveedor en el departamento 3.
ajar debe ser así:
Temperatura Baja
% solidos totales proveedor 11 observacion 1

Ho
Ha
Análisis de varianza de un factor
RESUMEN
Grupos
Temperatura Alta
Temperatura Media
Temperatura Baja
ANÁLISIS DE VARIANZA
Origen de las variaciones
Entre grupos
Dentro de los grupos
Total
Total
conclusion:
Temperatura Temperatura Temperatura
Alta Media Baja
11.5 12.1 11.7

11.7 11.7 12.5
11.6 11.9 12
11.3 11.7 11.2
11.6 11.6 11.7
El % de solidos totales depende de la tremperarura del departamento.

al menos dos de los porcentajes de solidos totales dependen de la temperatura
Cuenta Suma Promedio Varianza
5 57.7 11.54 0.023
5 59 11.8 0.04
5 59.1 11.82 0.227
Suma de cuadrados Grados de libertad Promedio de los cuadrados F

0.244 2 0.122 1.2620689655
1.16 12 0.0966666667
1.404 14
1.404 14
Con una significancia del 5%, se acepta la hipotesis nula, ya que el p-valor (0,318) es mayor al nivel de significancia. Por lo tanto
porcentajes de solidos totales no dependen de la temperatura, lo que implica, que el porcentaje de solidos totales no depend
departamento del proveedor.
Probabilidad Valor crítico para F 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:
0.3180865374 3.8852938347 𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 �_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 �_0
mayor al nivel de significancia. Por lo tanto, los

l porcentaje de solidos totales no dependa del
Evaluar si el “% solidos totales” depende de la “Temperatura” que se tiene del proveedor en el dep
La organización de los datos a trabajar debe ser así:
Temperatura Alta Temperatura Media


n del grupo 1 5
n del grupo 2 5
n del grupo 3 5

ue se tiene del proveedor en el departamento 3.
ajar debe ser así:
Temperatura Baja

Ho
Ha
RESUMEN
Grupos
Temperatura Alta
Temperatura Media
Temperatura Baja
Entre grupos
Total
Total
conclusion:
Temperatura Temperatura Temperatura
Alta Media Baja
11.5 12.1 11.7

11.7 11.7 12.5
11.6 11.9 12
11.3 11.7 11.2
11.6 11.6 11.7
El % de solidos totales depende de la tremperarura del departamento.

al menos dos de los porcentajes de solidos totales dependen de la temperatura
5 57.7 11.54 0.023
5 59 11.8 0.04
5 59.1 11.82 0.227

0.244 2 0.122 1.2620689655
1.16 12 0.0966666667
1.404 14
1.404 14
Con una significancia del 5%, se acepta la hipotesis nula, ya que el p-valor (0,318) es mayor al nivel de significancia. Por lo tanto
porcentajes de solidos totales no dependen de la temperatura, lo que implica, que el porcentaje de solidos totales no depend
departamento del proveedor.
Probabilidad Valor crítico para F 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:
0.3180865374 3.8852938347 𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 �_0
mayor al nivel de significancia. Por lo tanto, los

l porcentaje de solidos totales no dependa del
Departamento 1 Departamento 2 Departamento 3
Costo promedio Costo promedio Costo promedio
proveedor 1 proveedor6 proveedor11
Costo P.P.1
845
707
742
591
357
776
689
782
Conclusión: No se puede aceptar la Ho de que las medias son iguales, 994
donde la Ho es rechazada por lo que no son equivalentes los costos entre 671
proveedores en los departamentos estudiados. 707
687
662
768
466
Tipo de leche 1 Tipo de leche 2 Tipo de leche 3
(pasteurizada) (ultra pasteurizada) (esterilizada)
Recuento de células Recuento de células Recuento de

somáticas 1. somáticas 6. células somáticas
11.
Conclusión: De acuerdo a esta Anova las células somáticas de estos tres tipos de leche
los cuales deben presrentar número de ≤ 20000, de igual forma se rechaza la Ho, por
cuanto no cumple con el número de células somáticas indicadas.
Temperatura 1 Temperatura 2 Temperatura 3

(Alta) (Media) (Baja)
% grasa promedio % grasa promedio % grasa promedio
proveedor 1 proveedor 6 proveedor 11
Conclusión: De acuerdo a la información suministrada donde el promedio de grasa ha de ser

de ≥ 3,00, efectivamente la Ho se cumple y se demuestra en la Anova que es así con 3,21.
Satisfacción 1 Escolaridad 2 Escolaridad 3

(Muy satisfecho) (Aceptable) (Nada
satisfecho)
% solidos totales % solidos totales % solidos totales
proveedor 1 proveedor6 proveedor 11
Conclusión: Se deduce que de acuerdo a la información suministrada comparada con la Anova

se ve claramente que se cumple la Ho, con la satisfacción y el Aceptable, con ≥ 11,8, mienstras
que el nada satisfecho desvirtua la Ho con 11,68 siendo ≤ al informado.
Satisfacción 1 Satisfacción 2 Satisfacción 3
(Satisfecho) (Aceptable) (Poco satisfecho)

Costo promedio Costo promedio Costo promedio
proveedor 1 proveedor6 proveedor11
Conclusión:
Costo P.P6 Costo P.P.11 Pasteurizada Ultrapasteur Esterilizada Temp 1 Alta Temp.2 Med Temp.3Baja
796 245 1904361 1894349 1902400 2.8 3 3
419 547 1892286 1910548 1902432 2.9 2.9 3
1100 651 1899838 1901694 1888609 2.8 2.9 3
784 650 1901495 1901288 1907903 2.8 3.2 2.9
677 731 1894775 1904383 1880820 2.8 3.1 2.9
664 714 1910243 1894246 1900385 2.9 2.9 3.1
1044 474 1908295 1916710 1917737 2.9 2.9 3
758 551 1888006 1898196 1926902 3 3 3
557 1171 1906505 1892506 1876624 2.9 2.9 3
623 805 1889596 1922642 1896322 3 3 3
761 545 1901207 1894373 1904468 2.9 2.9 3
959 394 1886979 1913724 1899289 2.9 2.9 3
514 869 1899611 1905216 1911976 2.9 3 3.2
744 914 1910735 1903712 1909817 3.1 2.8 3
810 548 1905818 1888858 1891866 2.9 2.9 3
2.9 2.953333333 3.006666667
RESUMEN
Grupos Cuenta Suma Promedio Varianza
Satisfecho 15 32 2.133333333 0.40952381
Aceptable 15 29 1.933333333 0.066666667
Poco Satis 15 31 2.066666667 0.495238095
Suma de cuadrados
Grados dePromedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
Entre grupos 0.311111111 2 0.155555556 0.480392157 0.621897581 3.219942293
Dentro de los 13.6 42 0.323809524
Total 13.91111111 44
RESUMEN
Satisfecho 15 176.9 11.79333333 0.046380952
Aceptable 15 177.3 11.82 0.096
Nada satisfec 15 175.3 11.68666667 0.136952381
Suma de cuadrados
Grados dePromedio
Entre grupos 0.149333333 2 0.074666667 0.801909308 0.455218692 3.219942293
Dentro de los 3.910666667 42 0.093111111
Total 4.06 44
RESUMEN
Temp 1 Alta 15 43.5 2.9 0.007142857
Temp.2 Med 15 44.3 2.953333333 0.009809524
Temp.3Baja 15 45.1 3.006666667 0.004952381
Suma de cuadrados
Grados dePromedio
Entre grupos 0.085333333 2 0.042666667 5.843478261 0.00576754 3.219942293
Dentro de los 0.306666667 42 0.007301587
Total 0.392 44
Análisis de varianza de dos factores con una sola muestra por grupo
RESUMEN Cuenta Suma Promedio Varianza

1904361 2 3796749 1898374.5 32409300.5
1892286 2 3812980 1906490 32934728
1899838 2 3790303 1895151.5 85608612.5
1901495 2 3809191 1904595.5 21879112.5
1894775 2 3785203 1892601.5 277607484.5
1910243 2 3794631 1897315.5 18843660.5
1908295 2 3834447 1917223.5 527364.5
1888006 2 3825098 1912549 412017218
1906505 2 3769130 1884565 126118962
1889596 2 3818964 1909482 346371200
1901207 2 3798841 1899420.5 50954512.5
1886979 2 3813013 1906506.5 104184612.5
1899611 2 3817192 1908596 22848800
1910735 2 3813529 1906764.5 18635512.5
1905818 2 3780724 1890362 4524032
Ultrapasteur 15 28542445 1902829.667 94026891

Esterilizada 15 28517550 1901170 176863317
Suma de cuadrados
Grados dePromedio
Filas 2257656500 14 161261179 1.470971507 0.239756463 2.483725741
Columnas 20658700.83 1 20658700.83 0.188441884 0.670831872 4.600109908
Error 1534806412 14 109629029
Total 3813121612 29
RESUMEN
Costo P.P.1 15 10444 696.2666667 22364.20952
Costo P.P6 15 11210 747.3333333 35068.80952
Costo P.P.11 15 9809 653.9333333 51851.78095
Suma de cuadrados
Grados dePromedio
Entre grupos 65617.37778 2 32808.68889 0.90063821 0.414012069 3.219942293
Dentro de los 1529987.2 42 36428.26667
Total 1595604.578 44
Satisfecho Aceptable Nada satisfecho Satisfecho Aceptable Poco Satis
11.7 12.0 10.9 2 2 3
11.7 11.9 12.0 2 2 2
12.3 12.1 11.6 2 2 4
11.8 11.7 11.8 2 2 2
11.9 11.5 12.2 2 2 2
11.5 12.2 11.9 3 2 2
11.9 12.0 11.5 2 2 1
11.7 11.8 11.9 2 2 2
11.4 12.0 11.4 2 2 2
11.8 11.4 11.3 2 2 2
12.0 11.3 11.2 4 2 2
11.8 12.3 11.9 2 2 1
11.7 11.4 11.6 2 1 2
11.7 12.0 12.0 2 2 2
12.0 11.7 12.1 1 2 2
2.133333333 1.933333333 2.066666667
r crítico para F
r crítico para F
r crítico para F
r crítico para F
r crítico para F
Evaluar si el “% solidos totales” depende de “satisfacción” que se tiene del proveedor en lo
departamentos 3 y6
Satisfacción 1 Satisfacción 2
(Muy satisfecho) (Aceptable)

% solidos totales proveedor
% solidos totales proveedor 5
10

n del grupo 1 5
n del grupo 2 5
n del grupo 3 5
cción” que se tiene del proveedor en los
3 y6
Satisfacción 3
(Poco satisfecho) muestra 1

muestra 2

muestra 3

muestra 4

muestra 5
Ho
Ha
RESUMEN
Grupos
Muy satisfecho
Aceptable
Poco Satisfecho
Entre grupos
Total
conclusion:
Muy satisfecho Aceptable Poco Satisfecho
12 12 11.7
12.2 11.6 11.5
11.9 11.4 11.4

inventado falta de data
11.3 11.6 11.3
11.9 11.9 12
El promedio del % de
solidos es igual en
cualquier nivel de
satisfaccion
Al menos 2 de ella sea diferente

5 59.3 11.86 0.113
5 58.5 11.7 0.06
5 57.9 11.58 0.077

0.1973333333 2 0.0986666667 1.184
1 12 0.0833333333
1.1973333333 14
Con una significancia del 5 % se acepta la hipotesis nula, ya que le p-valor (0,33939822) es menor que el nivel de significancia
tanto los promedios del % de solidos en los 3 niveles de satisfaccion son iguales, lo que implica que el % de solidos no depend
satisfaccion de la leche
entado falta de data
Probabilidad Valor crítico para F

0.33939822 3.8852938347
822) es menor que el nivel de significancia. Por lo
que implica que el % de solidos no depende del nivel
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 �_0

Evaluar si el recuento de células somáticas depende del tipo de leche de “pasteurizada”, “ul
pasteurizada” y esterilizada en el departamento 1. La organización de los datos a trabajar debe s
Tipo de leche ultra

Tipo de leche pasteurizada
pasteurizada
Densidad proveedor 1 Densidad proveedor 6

n del grupo 1 5
n del grupo 2 5
n del grupo 3 5

Diferencia absoluta 1572

del tipo de leche de “pasteurizada”, “ultra
anización de los datos a trabajar debe ser así:
Tipo de leche esterilizada
Densidad proveedor 11
Tipo de leche
Tipo de leche
ultra
pasteurizada
pasteurizada
observacion 1 1884617 1891017
observacion 2 1901443 1908898
observacion 3 1895252 1898281
observacion 4 1908091 1889675
observacion 5 1896721 1906113
Los promedios de las celulas somaticas en el departamento 1 de los tres tip

Ho iguales
Ha Al menos dos de los tipod de leche sean diferentes
RESUMEN
Grupos Cuenta Suma
Tipo de leche pasteurizada 5 9486124
Tipo de leche ultra pasteurizada 5 9493984

Tipo de leche esterilizada 5 9464727
Origen de las variaciones Suma de cuadrados Grados de libertad

Entre grupos 91705550.5333335 2
Dentro de los grupos 766348210.8 12
Total 858053761.333334 14
conclusion:
con una significacnia de 5 % Se acepta la hipotisis nula, ya que el P valor (0
somaticas en los tres tipos de leche son iguales lo que implica que las celu
Tipo de leche
esterilizada
1892157
1902837
1894116
1885051
1890566
n el departamento 1 de los tres tipos de leche son
diferentes
Promedio Varianza
1897224.8 74742472.2
1898796.8 74889899.2
1892945.4 41954681.3
Promedio de los
cuadrados F Probabilidad Valor crítico para F
45852775.2666668 0.7179938512 0.50753955 3.8852938347
63862350.9
hipotisis nula, ya que el P valor (0.71) es mayor que el nivel se significancia por lo tanto los promedios de celulas
guales lo que implica que las celulas somaticas no dependen del tipo de leche.
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 �_0

Conclusion
En los analisis realizados a las muestras de leche del

departamento 1, en todos se aceptan las hipotisis nula en
donde se descarta que por el tipo de leche se tenga una
certeza que influya en las varibles seleccionadas.
Con el analisis ANOVA se pueden descartar hiposisis por

medio de los datos seleccionados, brindando un dictamen
solido por el cual se determina que la leche no tienen
relacion directa al departamento donde es producida.
Con el desarrollo de estos ejercicios fue posible aplicar los

conocimientos adquiridos en el estudio de la unidad 2 y
todos sus contenidos por lo que podemos deducir la
importancia que tiene la aplicación del ANOVA en el análisis
de datos para poder tomar decisiones correctas, comparar
diferentes datos y analizar la relación entre ellos.
Bibliografia
Espejo, M. I., Fernández, P. F., & López, S. M. (2016). Inferencia estadística: teoría y
problemas (2a. ed.). Madrid, ESPAÑA: Servicio de Publicaciones de la Universidad de Cádiz.
(pp. 147-178).
Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva, teoría
de la probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones Pirámide. (pp. 313-
328).
Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico de

la calidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 72-90).
Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. (pp. 65-84).
https://www.upo.es/export/portal/com/bin/portal/upo/profesores/jaordsan/profesor/131
1101268463_mxtodos_estadxsticos_y_economxtricos_en_la_empresa_y_para_finanzas.pd
f
https://www.monografias.com/trabajos91/analisisvarianza/analisisvarianza.shtml
· Sánchez, J. T. (2017). Pruebas de Hipótesis [OVI]. Colombia. Recuperado

de http://hdl.handle.net/10596/10565
· Güeto, L. R. (2018). Pruebas de Hipótesis para la media [OVI]. Colombia. Recuperado

dehttp://hdl.handle.net/10596/22516
https://www.youtube.com/watch?v=ZAKbMM49Znk

Fase 4 ANOVA Trabajo Colaborativo Grupo 70

Încărcat de

Informații document

Descriere originală:

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

Fase 4 ANOVA Trabajo Colaborativo Grupo 70

Încărcat de

Drepturi de autor:

Formate disponibile

INFERENCIA ESTADÍSTICA

Yimy Alexander Parra

Luis Antonio Cely Becerra

Universidad Nacional Abierta y a Distancia

¿Cuándo y cómo aplicar un análisis de varianza?

¿Es útil aplicar análisis de varianza a la problemática de

El Anova Es aplicable sólo cuando las unidades experimentales son

Temperatura Alta Temperatura Media

% solidos totales proveedor 1 % solidos totales proveedor 6

COMPARACIÓN MÚLTIPLE DE TUKEY

CME(Cuadrado medio del error) 0.0966666667

Estadistico Q de tukey 3.08

Comparacion del grupo 1 con el grupo 2

% solidos totales proveedor 11 observacion 1

Análisis de varianza de un factor

11.5 12.1 11.7

El % de solidos totales depende de la tremperarura del departamento.

Cuenta Suma Promedio Varianza

5 57.7 11.54 0.023

5 59.1 11.82 0.227

Suma de cuadrados Grados de libertad Promedio de los cuadrados F

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 �_0

mayor al nivel de significancia. Por lo tanto, los

Temperatura Alta Temperatura Media

% solidos totales proveedor 1 % solidos totales proveedor 6

COMPARACIÓN MÚLTIPLE DE TUKEY

CME(Cuadrado medio del error) 0.0966666667

Estadistico Q de tukey 3.08

Comparacion del grupo 1 con el grupo 2

% solidos totales proveedor 11 observacion 1

Análisis de varianza de un factor

11.5 12.1 11.7

El % de solidos totales depende de la tremperarura del departamento.

Cuenta Suma Promedio Varianza

5 57.7 11.54 0.023

5 59.1 11.82 0.227

Suma de cuadrados Grados de libertad Promedio de los cuadrados F

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 �_0

mayor al nivel de significancia. Por lo tanto, los

Recuento de células Recuento de células Recuento de

Temperatura 1 Temperatura 2 Temperatura 3

Conclusión: De acuerdo a la información suministrada donde el promedio de grasa ha de ser

Satisfacción 1 Escolaridad 2 Escolaridad 3

Conclusión: Se deduce que de acuerdo a la información suministrada comparada con la Anova

Satisfacción 1 Satisfacción 2 Satisfacción 3

(Satisfecho) (Aceptable) (Poco satisfecho)

Análisis de varianza de un factor

Análisis de varianza de un factor

RESUMEN Cuenta Suma Promedio Varianza

Ultrapasteur 15 28542445 1902829.667 94026891

Análisis de varianza de un factor

% solidos totales proveedor 2 % solidos totales proveedor 7

% solidos totales proveedor 3 % solidos totales proveedor 8

% solidos totales proveedor 4 % solidos totales proveedor 9

COMPARACIÓN MÚLTIPLE DE TUKEY

Media del grupo 1 11.86

% solidos totales proveedor 11

% solidos totales proveedor 12

% solidos totales proveedor 13

% solidos totales proveedor 14

% solidos totales proveedor 15

Análisis de varianza de un factor

12.2 11.6 11.5