Documente Academic
Documente Profesional
Documente Cultură
Se hace un estudio sobre la efectividad de tres marcas de spray para matar moscas. Para ello, cada producto se
aplica a un grupo de 100 moscas, y se cuenta el número de moscas muertas expresado en porcentajes. Se hacen
seis réplicas y los resultados obtenidos se muestran a continuación
Réplica
Spray 1 2 3 4 5 6
A 72 65 67 75 62 73
B 55 59 68 70 53 50
C 64 74 61 58 51 69
Hipótesis a contrastar:
𝐻0 : 𝜇𝐴 = 𝜇𝐵 = 𝜇𝐶 = 𝜇
Modelo estadístico:
𝐶𝑀𝑇𝑅𝐴𝑇
𝐹0 =
𝐶𝑀𝐸
b) ¿Existe diferencia entre la efectividad promedio de los productos en spray?
Respuesta:
Para contestar esta pregunta se calcula el estadístico 𝐹0 con los datos que nos proporciona la tabla
ANOVA:
𝐶𝑀𝑇𝑅𝐴𝑇 148.167
𝐹0 = 𝐹0 = = 2.7932
𝐶𝑀𝐸 53.044
𝐻0 : 𝜇𝐴 = 𝜇𝐵 = 𝜇𝐶 = 𝜇
𝐻1 : 𝜇𝑖 ≠ 𝜇𝑗 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛 𝑖 ≠ 𝑗 (𝑖, 𝑗 = 𝐴, 𝐵, 𝐶)
Para confirmar que se rechaza la hipótesis nula se debe cumplir la siguiente inecuación:
𝐹0 > 𝐹𝛼,𝑘−1,𝑁−𝑘 .
Por el cual para probar esto se asigna que 𝛼 = 0.05 con 𝐹2,15 el cual al hacer uso de R o uso de tablas F
inferimos que 𝐹𝛼,𝑘−1,𝑁−𝑘 .= 3.68 quedando así la inecuación. 2.79>3.68; dado que no se cumple podemos
decir que no se rechaza la 𝐻0 dado que la efectividad promedio de los tres productos de sprays son
estadísticamente iguales y no diferentes con α=0.05, se hace la aclaración ya que como en este estudio
prefijamos un α=0.05, también pudimos haber prefijado un α=0.1 y en este caso sería todo lo contrario
ya que aquí se rechazaría la hipótesis nula.
Respuesta:
Para responder esta pregunta solo basta con mirar la gráfica de cajas o con la prueba de hipótesis, pero
antes de eso tenemos que tener bajo qué condiciones podríamos decidir cuál spray elegir, en este caso
como podemos ver en la gráfica cajas cada spray está dado por las moscas muertas o eficiencia de cada
spray; entonces podríamos elegir a conveniencia el SPRAY A ya que este puede alcanzar a matar un
promedio mayor de moscas y con menor variabilidad; sin embargo esto es solo por conveniencia ya que
todos los intervalos de los sprays con α=0.05 son estadísticamente iguales deduciendo que no hay un
spray mejor .
Aun que dado que el grafico de cajas muestra que las media del spray A es muy alejado, o diferente de
los otros dos, el investigador tiene la decisión de concluir que en promedio son iguales o en verdad el
spray A es diferente de los otros dos, para estar más seguro, proseguiremos a usar el METODO LSD
para saber si hay un spray mejor.
Estadísticamente se prosigue a formular aquellas igualdades de las medias de los spray para ello las
hipótesis serian:
El estadístico está dado por:
1. 𝐻0 : 𝜇𝐴 = 𝜇𝐵
2. 𝐻1 : 𝜇𝐴 ≠ 𝜇𝐵 2𝐶𝑀𝐸
𝐿𝑆𝐷 = 𝑡𝛼⁄2,𝑁−𝑘 √ 𝑛
3. 𝐻0 : 𝜇𝐴 = 𝜇𝐶
4. 𝐻1 : 𝜇𝐴 ≠ 𝜇𝐶 Y se rechaza hipótesis nula si:
5. 𝐻0 : 𝜇𝐵 = 𝜇𝐶
2𝐶𝑀𝐸
6. 𝐻1 : 𝜇𝐵 ≠ 𝜇𝐶 |𝑦̅𝑖 − 𝑦̅𝑗 | > 𝑡𝛼⁄2,𝑁−𝑘 √ 𝑛
Obteniendo:
2(53.044)
𝐿𝑆𝐷 = 2.131√ = 8.9606
6
|𝑦̅𝑖 − 𝑦̅𝑗 | = 69-59.16667 =9.8333 9.8333 > 8.96 Dado esto son diferentes.
De tal manera podría ser elegido el SPRAY A como el mejor de entre los tres dado que este en promedio
es igual al SPRAY C pero la única diferencia de entre estos dos es que el SPRAY A tiene menos
variabilidad. Cabe mencionar que EL METODO LSD es uno de los más precisos y confiables todo
depende de que tan fino sea el cálculo, ya que entre más potencia tenga el método, puede detectar
diferencias más pequeñas, siempre y cuando estas reales.
d) Dé un intervalo al 95% de confianza para la efectividad promedio (porcentaje) de cada una de las
marcas.
Respuesta:
Para un intervalo de confianza de 100(1-α) por ciento para la media 𝜇𝑖 del tratamiento
𝑀𝑆𝐸 𝑀𝑆𝐸
𝑦̅𝑖 − 𝑡𝛼⁄2,𝑁−𝑘 √ ≤ 𝜇𝑖 ≤ 𝑦̅𝑖 + 𝑡𝛼⁄2,𝑁−𝑘 √
𝑛 𝑛
62.663 ≤ 𝜇𝐴 ≤ 75.336
PARA EL SPRAY B:
53.044 53.044
59.16667 − 2.131√ ≤ 𝜇𝐵 ≤ 59.16667 + 2.131√
6 6
52.830 ≤ 𝜇𝐵 ≤ 65.502
PARA EL SPRAY C:
53.044 53.044
62.8333 − 2.131√ ≤ 𝜇𝐶 ≤ 62.8333 + 2.131√
6 6
56.497 ≤ 𝜇𝐶 ≤ 69.169
Gráfica Interpretación
En una empresa lechera se tienen varios tanques para almacenar leche (cisternas de 60,000 L). Un aspecto
crítico para que se conserve la leche es la temperatura de almacenamiento. Se sospecha que en algunos silos
hay problemas, por ello, durante cinco días se decide registrar la temperatura a cierta hora critica. Obviamente
la temperatura de un día a otro es una fuente de variabilidad que podría impactar la variabilidad total.
Día
Silo Lunes Martes Miércoles Jueves Viernes
A 4 4 5 0.5 3
B 5 6 2 4 4
C 4.5 4 3.5 2 3
D 2.5 4 6.5 4.5 4
E 4 4 3.5 2 4
Modelo estadístico:
Donde Yij en la medición que corresponde al tratamiento i y al bloque de j, μ es la media global poblacional,
τ1 es el efecto debido al tratamiento i, γ es el efecto debido al bloque j y εij en el error aleatorio.
Hipótesis:
H0: μ1 = μ2 = μ3 =… = μk = μ
En cualquiera de estas hipótesis la afirmación a probar es que la respuesta media poblacional lograda con cada
tratamiento es la misma para los k tratamientos y que, por lo tanto, cada respuesta media μ1 es igual a la media
global poblacional, μ.
c) ¿Hay diferencia entre los silos?
Aquí podemos observar que el valor-p de los silos es mayor que el valor de significancia, es decir, que el valor-
p de los silos es 0.246 y el nivel de significancia es 0.05 y por lo tanto es mayor, lo que significa que
estadísticamente son iguales.
Lunes
Martes
Miercoles
Jueves
Viernes
0.8 1.6 2.4 3.2 4.0 4.8 5.6 6.4
Datos
Por medio del problema anterior podemos observar que la temperatura es igual porque el valor-p de los bloques
es 0.609 y el nivel de significancia es 0.05 así que se muestra que el valor-p del bloque es mayor que la
significancia y por lo tanto las temperaturas son iguales.
Fuente GL SC MC F P
Tanques 4 4.46 1.115 0.69 0.609
Dias 4 9.76 2.440 1.51 0.246
Error 16 25.84 1.615
Total 24 40.06
PROBLEMA 3
Hipótesis a contrastar:
𝐻0 : 𝜇𝐴 = 𝜇𝐵 = 𝜇𝐶 = 𝜇
Modelo estadístico:
𝐶𝑀𝑇𝑅𝐴𝑇
𝐹0 =
𝐶𝑀𝐸
52 54 56 58 60 62
peso
Respuesta:
Para contestar esta pregunta se calcula el estadístico 𝐹0 con los datos que nos proporciona la tabla
ANOVA:
𝐶𝑀𝑇𝑅𝐴𝑇 12947
𝐹0 = 𝐹0 = = 20.04
𝐶𝑀𝐸 646
𝐻0 : 𝜇𝐴 = 𝜇𝐵 = 𝜇𝐶 = 𝜇
𝐻1 : 𝜇𝑖 ≠ 𝜇𝑗 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛 𝑖 ≠ 𝑗 (𝑖, 𝑗 = 𝐴, 𝐵, 𝐶)
Para confirmar que se rechaza la hipótesis nula se debe cumplir la siguiente inecuación:
𝐹0 > 𝐹𝛼,𝑘−1,𝑁−𝑘 .
Por el cual para probar esto se asigna que 𝛼 = 0.05 con 𝐹2,15 el cual al hacer uso de R o uso de tablas F
inferimos que 𝐹𝛼,𝑘−1,𝑁−𝑘 .= 3.98 quedando así la inecuación. 2.79>3.98; dado que no se cumple podemos
decir que no se rechaza la 𝐻0 dado que la efectividad promedio de los tres PESOS
Respuesta:
2(20.04)
𝐿𝑆𝐷 = 2.131√
4
= 6.75
|𝑦̅𝑖 − 𝑦̅𝑗 | = 20.04-6.75 =13.29 13.39 > 8.96 Dado esto son diferentes.
e) Dé un intervalo al 95% de confianza para la efectividad promedio (porcentaje) de cada una de las
marcas.
Respuesta:
Para un intervalo de confianza de 100(1-α) por ciento para la media 𝜇𝑖 del tratamiento
𝑀𝑆𝐸 𝑀𝑆𝐸
𝑦̅𝑖 − 𝑡𝛼⁄2,𝑁−𝑘 √ ≤ 𝜇𝑖 ≤ 𝑦̅𝑖 + 𝑡𝛼⁄2,𝑁−𝑘 √
𝑛 𝑛
quedando así los intervalos:
PARA EL GRUPO A:
20.04 2004
55 − 2.131√ ≤ 𝜇𝐴 ≤ 55 + 2.131√
4 4
50.23 ≤ 𝜇𝐴 ≤ 59.77
PARA EL GRUPO B:
20.04 2004
57 − 2.131√ ≤ 𝜇𝐴 ≤ 57 + 2.131√
4 4
52.23 ≤ 𝜇𝐵 ≤ 61.23
PARA EL GRUPO C:
20.04 2004
63 − 2.131√ ≤ 𝜇𝐴 ≤ 63 + 2.131√
4 4
58.23 ≤ 𝜇𝐶 ≤ 67.77
PROBLEMA 4
Para un Ft = 2.76 inferimos que 𝐹𝛼,𝑘−1,𝑁−𝑘 .= 3.68 quedando así la inecuación. 2.76>3.68; dado
que no se cumple podemos decir que no se rechaza la 𝐻0 dado que la efectividad de las
diferentes dosis de albendazol en el control de cestodos estadísticamente iguales y no
diferentes con α=0.05, de lo contrario se rechazaría la hipótesis nula.
PROBLEMA 7
PROBLEMA 8
Debemos considerar a la estadística en Medicina Veterinaria como una herramienta de gran apoyo
para comprender el comportamiento de las enfermedades así como para obtener información de gran
utilidad en la toma de decisiones en la Clínica (Prevalencias, Incidencias, etc.) o en los sistemas de
producción (Mortalidad, Morbilidad, etc.).
1. Variables Cuantitativas: estas variables son las que puede ser Cuantificada o medidas y
incluyen a las variables aleatorias Discretas y las Continúas.
2. Variables aleatorias Discretas. Es importante recordar que, en estas variables, entre 2 valores
no existen valores intermedios, imaginen una regla conteniendo solo el valor 1 luego el 2 etc,
pero no hay 1.5 o 1.8, este tipo de variable normalmente es utilizada para recuentos, por
ejemplo: Numero de cerdos hembra en una piara (30) o número de gallinas ponedoras dentro
de una nave (NO PUEDEN HABER 3000.5 AVES, YA QUE SOLO ESTARIAN 3OOO
AVES Y LA MITAD DE UNA).
3. Variables aleatorias Continúas. En estas variables a diferencia de las anteriores “si existen
valores intermedios” entre dos valores, este tipo de variable se puede encontrar con mayor
frecuencia cuando se hace clínica, por ejemplo. Cuando llega un perro y se pesa el resultado
de esa experiencia podría ser 40.2 (cuarenta kilos y 200 gramos) lo mismo para la talla. Otro
ejemplo podría ser cuando se aplica un Medicamento inyectable, 0.2 microlitros de
Doramectina, etc.
4. Variables Cualitativas: este tipo de Variables “no pueden medirse como las anteriores” estas
son Cualidades o Calificaciones. Por ejemplo: cuando en un hato de borregos separamos los
animales dependiendo el sistema de producción que se realiza, si es para reproducción
seleccionamos a las Hembras y los Machos se venden, por lo tanto, las variables cualitativas
son Hembras o Machos, otros ejemplos podrías ser selección o clasificación por Colores de
pelaje, por Raza, etc.
5. Variables Determinísticas: estas son características predeterminadas o fijas de cada
individuo, y no se consideran verdaderas variables, las colocamos por cultura general.
Ejemplo de este tipo son número de hígado con el que se nace, sabes que solo hay un hígado
eso es lo normal, o 2 pulmones, 2 ojos, cuatro extremidades, la característica que se salga de
esto ya es algo anormal (Mutación o Malformación).
Con la finalidad de no aburrir, tomaremos este primer escrito como una introducción de la
Bioestadística, así como el apoyo que brinda al médico veterinario en la vida cotidiana.
PROBLEMA 9:
Son 3 grupos:
𝐻0 : 𝜇𝐴 = 𝜇𝐵 = 𝜇𝐶 = 𝜇