TALLER DE REPASO ANÁLISIS DE VARIANZA I) Se realizó un estudio de ingeniería de tránsito sobre los retrasos en las intersecciones con semáforos

en las calles de una ciudad. Se usaron tres tipos de semáforos: 1) programado, 2) semiactivado y 3) activado. Se usaron cinco intersecciones para cada tipo de semáforo. La medida de retraso utilizada fue el promedio de tiempo que cada vehículo permanece detenido en cada intersección (segundos/vehículo). Los datos son los siguientes: a) Escriba el modelo estadístico para este estudio y explique sus componentes b) Establezca las suposiciones necesarias para un análisis de varianza de los datos. c) Calcule el análisis de varianza. d) Calcule las medias del retraso en el tránsito y sus errores estándar por tipo de semáforo. e) Calcule el intervalo de confianza del 95% estimado para las medias de los tipos de semáforo y para sus efectos. f) Pruebe la hipótesis de que no hay diferencia entre las medias de retraso para los tipos de semáforo a un nivel de significancia de 0.05. g) Estime los siguientes contrastes y sus errores estándar: 1) Los semáforos programados vs. los semiactivados y activados 2) Los semáforos semiactivados vs. los activados h) Pruebe la hipótesis nula para cada contraste en g), H0: W=0, con la prueba t de student a un nivel de significancia de 0.05. i) Pruebe la hipótesis nula para cada contraste en g), H0: W=0, con la prueba F a un nivel de significancia de 0.05 j) cuál es la relación entre las pruebas de los incisos h) e i) ? k) Valide los supuestos del modelo l) Utilice los datos del ejercicio para determinar cuántas intersecciones necesita el ingeniero de tránsito con cada tipo de semáforo para rechazar la hipótesis nula a un nivel de significancia de 0.01, con una potencia de 0.90, si los retrasos medios respectivos en los tres tipos de señal fueron 20, 18 y 16 segundos. programado 36.6 39.2 30.4 37.1 34.1 semiactivado 17.5 20.6 18.7 25.7 22.0 activado 15.0 10.4 18.9 10.5 15.2 PROGRAMA SAS:
options nodate nocenter nonumber; goptions colors=(black,black,black) cback=white cback=white ftext=simplex ftitle=simplex htitle=0.9 htext=0.7; data transito; do i=1 to 3; input tiemporet @; output; end; cards; 36.6 17.5 15.0 39.2 20.6 10.4 30.4 18.7 18.9 37.1 25.7 10.5 34.1 22.0 15.2 ; run; data transito (drop=i); set transito; if i=1 then tiposemaf='programado'; if i=2 then tiposemaf='semiactiv'; if i=3 then tiposemaf='activado'; run; proc sort data=transito; by tiposemaf; run; title1'Boxplot Comparativo de tiempos de detencion';

fcr=finv(0. contrast 'semiactivado vs. probplot res. title'tamaño de muestra'. activado' tiposemaf -1 0 1. run. run. symbol2 i=none v=star. estimate 'efecto semiactiv' tiposemaf -1 -1 2/divisor=3. symbol1 i=stdj v=star c=black l=1.828)*n. PROC GLM DATA=TRANSITO. ALPHA(activado)=-2.90. inset normaltest probn. estimate 'programado vs. plot tiemporet*tiposemaf=1/frame. run. quit. v2=3(n-1) potencia deseada=0.2. title1'Graficos de medias de tiempos de detencion'. means tiposemaf. do n=2 to 30. estimate 'efecto activado' tiposemaf 2 -1 -1/divisor=3. symbol1 i=none v=star. v2=3*(n-1). title'Grafico de residuales'. quit. contrast 'programado vs. proc boxplot data=transito. otros' tiposemaf -1 2 -1/divisor=2. title'ANOVA Y ESTIMACIONES'. quit. proc gplot data=estad.99.v2).v2. plot res*pred=2/vref=0 lvref=2. run.828/12). run.run. ALPHA(programado)=2*. output. FIJOS: model tiemporet=tiposemaf/SS1 CLPARM. proc print data=tamano. otros' tiposemaf -1 2 -1. title2'Tres tipos de Semaforo'. proc print data=estad. means tiposemaf/hovtest=bartlett duncan tukey. significancia=0. output out=ESTAD residual=res predicted=pred stdp=std lclm=lim_infc uclm=lim_supc.nc). estimate 'efecto programado' tiposemaf -1 2 -1/divisor=3. estimate 'semiactivado vs.2. activado' tiposemaf -1 0 1. proc univariate data=estad normaltest noprint. /*CALCULO DE TAMAÑO DE MUESTRAS*/ /*VARIANZA ESTIMADA=MSE=(137. var res. quit.run.01*/ data tamano. pot=1-probf(fcr. class tiposemaf. nc=(96/137. . ALPHA(semiactiv)=0. v1=2. quit. end. plot res*tiposemaf=1/vref=0 lvref=2. run. proc gplot data=transito.title2'Tres tipos de Semaforo'. plot tiemporet*tiposemaf.

314000 F Value 52.897178 14.46000 Source DF Type I SS Mean Square tiposemaf 2 1202.35 Pr > F <.828000 11.314000 Error 12 137.485667 Corrected Total 14 1340.0001 F Value 52.456000 R-Square Coeff Var Root MSE tiemporet Mean 0.389051 23.44608 3.628000 601.0001 .628000 601.SALIDAS SAS: The GLM Procedure ANOVA Y ESTIMACIONES Class Level Information Class Levels Values tiposemaf 3 activado programado semiactiv Number of observations 15 Dependent Variable: tiemporet Sum of Source DF Squares Mean Square Model 2 1202.35 Pr > F <.

000 5 activado Tukey's Studentized Range (HSD) Test for tiemporet NOTE: This test controls the Type I experimentwise error rate. otros semiactivado vs.4800000 20. Alpha 0.0001 semiactivado vs. Grouping Mean N tiposemaf A 35.0074 Efectos y contrastes estimados estimados Parameter efecto activado efecto programado efecto semiactiv programado vs. but it generally has a higher Type II error rate than REGWQ.900 5 semiactiv C 14.0300000 6.48567 Number of Means 2 3 Critical Range 4.22 Pr > |t| <.34 <.3237051 14. otros 1 1083.7637051 efecto programado 9.0510 0.025000 119.5600000 18.4600000 12.9000000 Standard Error 1.07 9.19139468 Bartlett's Test for Homogeneity of tiemporet Variance Source DF Chi-Square Pr > ChiSq tiposemaf 2 0.1362949 programado vs.77278 Minimum Significant Difference 5.23750645 1.71 -2.670 4.9000000 3.900 5 semiactiv C 14.480 5 programado B 20.0074 Intervalos de Confianza para efectos y contrastes Parameter 95% Confidence Limits efecto activado -12.05 Error Degrees of Freedom 12 Error Mean Square 11. Grouping Mean N tiposemaf A 35.7162949 efecto semiactiv -5.9748 Duncan's Multiple Range Test for tiemporet NOTE: This test controls the Type I comparisonwise error rate. activado Estimate -9. activado 1 119.0001 0. otros 13.7181 Means with the same letter are not significantly different.0000000 35.1562949 -6.37001484 3.36 0.2298802 11.23750645 1.14342405 t Value -7.Medias y Desviaciones Estándar Level of ----------tiemporet ----------tiemporet---------tiemporet---------N Mean Std Dev tiposemaf tiposemaf activado programado semiactiv 5 5 5 14.0001 <.48567 Critical Value of Studentized Range 3.59374457 3.0200000 -2. activado 2.603000 1083.000 5 activado Contrast DF Contrast SS Mean Square F Value Pr > F programado vs.888 Means with the same letter are not significantly different.5701198 .23750645 1.85625968 2.71 3. Alpha 0.0608 <.0001 0.025000 10.603000 94.05 Error Degrees of Freedom 12 Error Mean Square 11.480 5 programado B 20.2562949 0. not the experimentwise error rate.9855576 22.0744424 semiactivado vs.64 9.

b) ¿Cuáles son las suposiciones necesarias para que el análisis de varianza sea válido? ¡cómo se relacionan con el experimento? c) Estime las medias de tratamiento. explique los términos y clacule el análisis de varianza. . Los siguientes datos se refieren al peso en libras de la fruta cosechada en cada parcela: Método goteo canal rocio aspesor asp_rocio anegado 1 450 358 331 317 479 245 2 469 512 402 423 341 380 3 249 281 183 379 404 263 Bloque 4 5 125 280 058 352 070 258 063 289 115 182 062 336 6 352 293 281 239 349 282 7 221 283 219 269 276 171 8 251 186 046 357 182 098 a) Escriba el modelo para el experimento. haga las comparaciones múltiples para establecer grupos de tratamientos.V) En un naranjal se llevó a cabo un experimento de irrigación con un diseño de bloques completos aleatorizado en el que se usaron seis tratmientos de irrigación en ocho bloques de árboles. los efectos y sus intervalos de confianza del 95%.

do arbol=1 to 8. e) Obtenga gráfica de residuales e interprételas. symbol5 i=stdj v='5' c=brown l=5. estimate 'efecto rocio' metodo -1 -1 -1 -1 -1 5/divisor=6. quit.black. by arbol. plot peso*metodo. symbol1 i=stdj v='1' c=black l=1. input metodo $ @. run. model peso=metodo arbol/ss1 clparm. symbol7 i=stdj v='7' c=green l=7. estimate 'efecto asp_roci' metodo -1 5 -1 -1 -1 -1/divisor=6. cards. . PROGRAMA SAS: options nodate nocenter nonumber.d) Calcule la eficiencia relativa de este diseño respecto a un diseño totalmente aleatorizado. class metodo arbol. estimate 'efecto arbol2' arbol -1 7 -1 -1 -1 -1 -1 -1/divisor=8. run. means metodo arbol. run. estimate 'efecto canal' metodo -1 -1 -1 5 -1 -1/divisor=6. estimate 'efecto arbol4' arbol -1 -1 -1 7 -1 -1 -1 -1/divisor=8. output. quit. title'ANOVA y Estimaciones'. plot peso*metodo=arbol/frame. estimate 'efecto aspersor' metodo -1 -1 5 -1 -1 -1/divisor=6. proc sort data=naranjas. goptions colors=(black. symbol6 i=stdj v='6' c=orange l=6. proc gplot data=naranjas. by metodo.7. symbol4 i=stdj v='4' c=green l=4. symbol3 i=stdj v='3' c=red l=3. proc glm data=naranjas. symbol8 i=stdj v='8' c=orange l=8. input peso @. symbol2 i=stdj v='2' c=blue l=2. plot peso*arbol. Concluya. data naranjas. means metodo/duncan tukey. proc boxplot data=naranjas. proc sort data=naranjas. estimate 'efecto arbol3' arbol -1 -1 7 -1 -1 -1 -1 -1/divisor=8. estimate 'efecto arbol1' arbol 7 -1 -1 -1 -1 -1 -1 -1/divisor=8. run. goteo 450 469 249 125 280 352 221 251 canal 358 512 281 058 352 293 283 186 rocio 331 402 183 070 258 281 219 046 aspesor 317 423 379 063 289 239 269 357 asp_rocio 479 341 404 115 182 349 276 182 anegado 245 380 263 062 336 282 171 098 . estimate 'efecto anegado' metodo 5 -1 -1 -1 -1 -1/divisor=6. proc boxplot data=naranjas.9 htext=0. end. run. quit. estimate 'efecto goteo' metodo -1 -1 -1 -1 5 -1/divisor=6. run.black) cback=white cback=white ftext=simplex ftitle=simplex htitle=0.

symbol2 i=none v=dot. symbol1 i=none v=star. contrast 'rocio vs. estimate 'anegado vs rocio ' metodo 1 0 0 0 0 -1. . quit. otros' metodo 2 -1 -1 -1 -1 2/divisor=4. var res. estimate 'anegado y rocio vs. inset normaltest probn. quit. quit. estimate 'efecto arbol8' arbol -1 -1 -1 -1 -1 -1 -1 7/divisor=8. contrast 'anegado vs rocio ' metodo 1 0 0 0 0 -1. estimate 'efecto arbol6' arbol -1 -1 -1 -1 -1 7 -1 -1/divisor=8. otros' metodo -1 -1 -1 -1 -1 5/divisor=5. run.estimate 'efecto arbol5' arbol -1 -1 -1 -1 7 -1 -1 -1/divisor=8. plot res*pred=3/vref=0 lvref=2. otros' metodo 2 -1 -1 -1 -1 2. estimate 'rocio vs. proc univariate data=estad normaltest noprint. run. output out=ESTAD residual=res predicted=pred. estimate 'efecto arbol7' arbol -1 -1 -1 -1 -1 -1 7 -1/divisor=8. proc gplot data=estad. probplot res. otros' metodo -1 -1 -1 -1 -1 5. output out=ESTAD residual=res predicted=pred. contrast 'anegado y rocio vs. quit. plot res*metodo=1/vref=0 lvref=2. symbol3 i=none v=diamond. run. plot res*arbol=2/vref=0 lvref=2. title'Grafico de residuos'. run.

375000 132.8125 R-Square Coeff Var Root MSE peso Mean 0.000000 110.ANOVA y Estimaciones The GLM Procedure Class Level Information Class Levels Values metodo 6 anegado asp_roci aspesor canal goteo rocio arbol 8 1 2 3 4 5 6 7 8 Number of observations 48 Dependent Variable: peso Sum of Source DF Squares Mean Square F Model 12 505348.28 15.266395 Value 10.303696 goteo 8 299.57 Pr > F 0.625000 117.0001 Value 2.4792 4196.03 Pr > F <.750000 122.0625 Source DF Type I SS Mean Square F metodo 5 47841.89959 64.774793 23.000000 124.6458 65358.3333 42112.432914 canal 8 290.0923 Medias y Desviaciones estándar por tratamiento Level of -------------peso-----------metodo N Mean Std Dev anegado 8 229.78282 271.3611 Error 35 146888.127449 rocio 8 223.625000 111.0001 .8137 Corrected Total 47 652236.407793 asp_roci 8 291.6875 9568.0678 <.3375 arbol 7 457506.751181 aspesor 8 292.

604 Means with the same letter are not significantly different. otros anegado y rocio vs.333333 87.00 8 asp_roci A A 290.33750 47259.694138 3 6 293.03 Pr > F 0. Alpha 0.06250 F Value 5.37500 138. Alpha 0.63 8 goteo A B A 292.814 Number of Means 2 3 4 5 6 Critical Range 65.75 8 rocio Contrast rocio vs.33750 47259.05 Error Degrees of Freedom 35 Error Mean Square 4196.26 0.720323 7 6 239.8571 .09 Means with the same letter are not significantly different.814 Critical Value of Studentized Range 4. not the experimentwise error rate.166667 29.63 8 anegado A A 223.76 69.730278 6 6 299.700877 8 6 186.166667 61. otros anegado vs rocio DF 1 1 1 Contrast SS 21489.26141 Minimum Significant Difference 97.37500 138.38 8 canal B A B A 229.422819 4 6 82.32 72.307884 2 6 421.Medias y Desviaciones estándar por bloque Level of -------------peso-----------arbol N Mean Std Dev 1 6 363.728213 5 6 282.333333 43.833333 43.833333 60.75 8 rocio Tukey's Studentized Range (HSD) Test for peso NOTE: This test controls the Type I experimentwise error rate.05 Error Degrees of Freedom 35 Error Mean Square 4196. but it generally has a higher Type II error rate than REGWQ.00 8 aspesor B A B A 291.06250 Mean Square 21489.00 8 asp_roci B A B A 290.13 71.0300 0. Duncan Groupi ng Mean N metodo A 299. Grouping Mean N metodo A 299.12 11.166667 83.63 8 anegado B B 223.00 8 aspesor A A 291.666667 110.0019 0.38 8 canal A A 229.293548 Duncan's Multiple Range Test for peso NOTE: This test controls the Type I comparisonwise error rate.90 74.63 8 goteo A A 292.

619379 -34.104167 22.172287 Estimate -56.509144 63.26 -3.9085651 20.7393478 24.3468 0.0300 0.37 -2.98 0.770833 28.452713 18.7393478 24.384144 -21.2609 0.7393478 24.047287 142.633058 .26 3.452713 61.0300 0.9085651 20.884144 1.0007 <.7393478 24.883058 71.C para efectos Parameter efecto anegado efecto asp_roci efecto aspersor efecto canal efecto goteo efecto rocio efecto arbol1 efecto arbol2 efecto arbol3 efecto arbol4 efecto arbol5 efecto arbol6 efecto arbol7 efecto arbol8 Contrastes Estimados Parameter rocio vs.830922 -26.839028 -106.6372 0.9085651 20.672287 -38.312500 28.0016 95% Confidence Limits -83.3914097 t Value -2.437500 19.880621 200.48 1.41 Pr > |t| 0.3235 0.937500 19.104167 -188.0001 0.009144 -89.0019 0.3777 <. otros anegado vs rocio I.00 0.270833 -31. otros anegado y rocio vs. otros anegado y rocio vs.229167 -84.0001 0.8356065 32.994379 -134.73 6. otros anegado vs rocio Estimate -41.7393478 t Value -1.494379 99.0902781 19.26 -3.895833 11.384144 -23.395833 Error 20.14 -1.9085651 20.294078 -59.92 1.865856 42.64 0.327713 -239.Efectos estimados Parameter efecto anegado efecto asp_roci efecto aspersor efecto canal efecto goteo efecto rocio efecto arbol1 efecto arbol2 efecto arbol3 efecto arbol4 efecto arbol5 efecto arbol6 efecto arbol7 efecto arbol8 I.562500 -47.8571 95% Confidence Limits -107.3620 0.494379 -81.C para contrastes Parameter rocio vs.312500 92.562500 5.1806 0.95 1.9085651 20.710972 -5.89 -7.7393478 24.7393478 24.119379 -138.009144 -22.36 0.759144 -4.327713 -28.937500 20.875000 Standard Error 25.509144 62.18 Pr > |t| 0.884144 71.994379 -21.9085651 24.759144 -13.952713 78.07 0.7393478 24.270833 150.775000 -66.119379 72.0554 0.134144 61.2152 0.

Sign up to vote on this title
UsefulNot useful