Professional Documents
Culture Documents
Hipótesis de investigación:
Los alumnos que no consumen alcohol, realizaran las sumas sin errores en tiempos más
cortos que los que consumen alcohol.
Las dosis de alcohol hacen que exista diferencia en los tiempos de resolución de sumas
sin errores.
b) Elegir la(s) variable(s) de respuesta (variable dependiente). Tiempo en segundos que
tardan los estudiantes sometidos a cuatro niveles de alcohol en resolver sumas sin
errores, luego de aplicado el tratamiento.
c) Determinar los factores y niveles (tratamientos), de acuerdo a la supuesta influencia
que tienen sobre la variable respuesta. Determinar la unidad experimental.
Factor: Alcohol
Niveles del factor (o tratamientos): efectos fijos, 4 niveles.
T1: Minima dosis: Un litro de cerveza de 5 grados, hay un 5 por 100 de alcohol puro,
es decir, 5 centilitros (50 cm3)
T2: Baja dosis: dos litros de cerveza de 5 grados, hay un 10 por 100 de alcohol puro,
es decir, 10 centilitros (100 cm3)
T3: Media dosis: tres litros de cerveza de 5 grados, hay un 15 por 100 de alcohol puro,
es decir, 15 centilitros (150 cm3)
T4: Alta dosis; cuatro litros de cerveza de 5 grados, hay un 20 por 100 de alcohol
puro, es decir, 20 centilitros (200 cm3)
Unidad experimental: Individuos (alumnos)
Tamaño del experimento: 20 unidades experimentales, un factor con 4 niveles y cada
uno con 5 repeticiones.
Grados de Libertad
Tratamientos = 4
Repeticiones = 5
𝐺𝐿𝑡𝑟𝑎𝑡 = 𝑡 − 1 = 4 − 1 = 3
𝐺𝐿𝑒𝑟𝑟𝑜𝑟 = 𝑡(𝑟 − 1) = 4(5 − 1) = 16
𝐺𝐿𝑡𝑜𝑡 = 𝑡𝑟 − 1 = (4 ∗ 5) − 1 = 19
Suma de Cuadrados
TC: termino de corrección
𝑌..2 (1014)2
𝑇𝐶 = = = 51409.8
𝑡𝑟 4∗5
𝑡 𝑟
1) Hipótesis estadística
𝐻𝑜: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4
𝐻𝑎: 𝜇𝑖 ≠ 𝜇𝑗 Para al menos una 𝑖 ≠ 𝑗
Es decir, contrastamos la hipótesis de que no hay diferencia en los promedios entre los
tiempos de resolución de operaciones matemáticas con las diferentes dosis de alcohol
(tiramientos) frente a la alternativa de que al menos una media difiere de otra.
2) Nivel de significancia
= 0.05
3) Estadístico de prueba
Cuadro 2.3: Tabla ANVA para el experimento del tiempo en la resolución de sumas
sencillas.
F.V. G.L. S.C. C.M. Fc
Tratamiento 3 1067.8 355.933 25.378*
Error 16 224.4 14.025
Total 19 1292.2
4) Regla de decisión.
Se rechaza la hipótesis nula (Ho ) si: 𝐹𝑐 > 𝐹𝑡
Obteniendo la 𝐹𝑡 de la tabla (cola derecha):
𝑡−1 3
𝐹𝑡 = 𝐹𝑡(𝑟−1),𝛼 = 𝐹16,0.05 = 3.239
𝐹𝑐 (25.378) > 𝐹𝑡 (3.239). Se rechaza Ho. La prueba es significativa.
Usando probabilidad asociada al estadístico: 𝑝(0.0000962) < 𝛼(0.05), también se
rechaza la Ho, en conclusión, existe diferencia estadística significativa entre los
promedios, es decir, las dosis de alcohol afectan de manera significativa en el tiempo de
resolución de operaciones matemática sencillas sin errores.
Como se rechaza Ho, es necesario realizar pruebas de comparaciones múltiples.
Coeficiente de variación:
√𝐶𝑀𝑒𝑟𝑟𝑜𝑟 √14.025
𝐶. 𝑉. = ∗ 100 = = 7.3866%
𝑌̅. . 50,7
Esta bajo los límites permitidos, además muestra que entre los diferentes tratamientos
y datos la dispersión es baja, o dicho de otra manera, un DCA es aplicable en estos datos.
𝑆 2 √𝐶𝑀𝑒𝑟𝑟𝑜𝑟 14.025
𝑆𝑦̅𝑖 = √ = =√ = 1.675
𝑟 𝑟 5
Valor tabular de la tabla t de Student es: 𝑡𝑡 = 𝑡𝛼⁄2,𝐺𝐿𝑒𝑟𝑟𝑜𝑟 = 𝑡0.025,16 = 2.1199 (dos colas).
Las medias de los grupos en tratamiento se muestran en el cuadro 2.4 con una estimación
del Intervalo de Confianza (IC) de 95%.
𝐼𝐶 = [𝑦̅𝑖. 𝑡𝛼⁄2,𝐺𝐿𝑒𝑟𝑟𝑜𝑟 ∗ 𝑆𝑦̅𝑖 < 𝜇𝑖 <] = 0.95
𝐼𝐶 = [𝑦̅𝑖. 𝑡0.025,16 ∗ 1.675 < 𝜇𝑖 <] = 0.95
𝐼𝐶 = [𝑦̅𝑖. (2.1199 ∗ 1.675) < 𝜇𝑖 <] = 0.95
𝐼𝐶 = [𝑦̅𝑖. (3.55) < 𝜇𝑖 <] = 0.95
Cuadro 2.4: Medias, error estándar e IC del 95% para el experimento de sumas.
Tratamiento Media IC del 95% [LI LS]
𝑦̅𝑖. (3.55)
Minima dosis 43.2 43.2 3.55 [39.65, 46.75]
Baja dosis 43.6 43.6 3.55 [40.05, 47.15]
Media dosis 57.6 57.6 3.55 [54.05, 61.15]
Alta dosis 58.4 58.4 3.55 [54.85, 61.95]
𝑘
1 1 1
𝑐 =1+ [(∑ )− 𝑘 ]
3(𝑘 − 1) 𝑟𝑖 − 1 ∑𝑖=1(𝑟𝑖 − 1)
𝑖=1
∑𝑘𝑖=𝑖(𝑟𝑖 − 1) 𝑆𝑖2
𝑆𝑝2 =
∑𝑘𝑖=𝑖(𝑟𝑖 − 1)
𝑟𝑖
(𝑦𝑖𝑗 − 𝑦̅𝑖. )2
𝑆𝑖2 = ∑
𝑟𝑖 − 1
𝑗=𝑖
Donde:
k es el número de poblaciones (tratamientos)
𝑟𝑖 es el tamaño de la muestra para cada población
𝑆𝑖2 es la varianza muestral para la población i
𝑆𝑝2 es la varianza muestral ponderada para las k muestras.
4) Decisión:
Se rechaza la Ho con un nivel de significación 𝛼 si 𝑄 > 𝜒𝑡2
2
𝜒𝑡2 = 𝜒(1−𝛼,𝑘−1)
Ejemplo:
1) Hipótesis estadística:
H0: 𝜎12 = 𝜎22 = 𝜎32 = 𝜎42
Ha: i2 2j , al menos uno es diferente.
1 1 1 1 1
=1+ [( + + + )
3(4 − 1) 5 − 1 5 − 1 5 − 1 5 − 1
1
− ] = 1.10417
(5 − 1) + (5 − 1) + (5 − 1) + (5 − 1)
𝑞 2.58
𝑋𝑐2 = = = 2.3372
𝑐 1.078
2
𝜒𝑡2 = 𝜒(0.95,3𝑔𝑙) = 7.815
𝑄(2.3372) < 𝜒𝑡2 (7.815)
Se acepta la Ho, se acepta el supuesto de homogeneidad de variancias.
Independencia. Los resultados obtenidos en el experimento son independientes entre
sí.
h) Pruebas de comparaciones múltiples:
Si consideramos al tratamiento Minima dosis como testigo, la prueba más adecuada
seria la prueba de Dunnet.
2𝐶𝑀𝑒𝑟𝑟𝑜𝑟 2(14.025)
𝑠𝑑̅ = √ =√ = 2.36854
𝑟 5
Salida en R
## Estimate Std. Error tvalue Pr(>|t|)
## Baja dosis-Minima dosis == 0 0.400 2.369 0.169 0.996
## Media dosis-Minima dosis == 0 14.400 2.369 6.080 <0.001 ***
## Alta dosis - Minima dosis == 0 15.200 2.369 6.417 <0.001 ***
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## (Adjusted p values reported -- single-step method)
Gráficamente:
Alta dosis media dosis baja dosis sin dosis
𝑦̅4. 𝑦̅3. 𝑦̅2. 𝑦̅1.
58.4 57.6 43.6 43.3
____________________
4) Conclusión:
No existe diferencia estadística significativa en el tiempo de resolución de
problemas matemáticos sencillos entre Minima dosis y baja dosis de alcohol, los
tiempos que los alumnos demoran en resolver son los mismos. Existe diferencia
estadística significativa en el tiempo de resolución de problemas matemáticos
sencillos entre Alta dosis y media dosis de alcohol frente a Minima dosis de alcohol,
indicando que, a mayor dosis, demoran más tiempo en resolver problemas
matemáticos sencillo. No existe diferencia estadística significativa en el tiempo de
resolución de problemas matemáticos sencillos entre Alta dosis y dosis media de
alcohol alcohol, los tiempos que los alumnos demoran en resolver son los mismos.
1) Hipótesis estadística.
Ho: 𝜇 𝑇1 − 𝜇 𝑇2 Ho: 𝜇 𝑇1 − 𝜇 𝑇3 Ho: 𝜇 𝑇1 − 𝜇 𝑇4 Ho: 𝜇 𝑇2 − 𝜇 𝑇3
Ha: 𝜇 𝑇1 ≠ 𝜇 𝑇2 Ha: 𝜇 𝑇1 ≠ 𝜇 𝑇3 Ha: 𝜇 𝑇1 ≠ 𝜇 𝑇4 Ha: 𝜇 𝑇2 ≠ 𝜇 𝑇3
Ho: 𝜇 𝑇2 − 𝜇 𝑇4 Ho: 𝜇 𝑇3 − 𝜇 𝑇4
Ha: 𝜇 𝑇2 ≠ 𝜇 𝑇4 Ha: 𝜇 𝑇3 ≠ 𝜇 𝑇4
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 14.025
𝑠𝑑̅ = √2 = √2 = 2.3685
𝑟 5
En Excel: =DISTR.T.INV(0.05;16)
4) Conclusión:
No hay diferencias significativas entre los promedios de T1 (Minima dosis de alcohol) y T2
(Baja dosis de alcohol), igualmente, no hay diferencias significativas entre los promedios
de Media dosis de alcohol (T3) y alta dosis de alcohol (T4)
Los promedios de T4 (Alta dosis de alcohol) y T3 (Media dosis de alcohol) son
significativamente mayores al promedio de T1 (Minima dosis)
Los promedios de T4 (Alta dosis de alcohol) y T3 (Media dosis de alcohol) también son
significativamente mayores al promedio T2(Baja dosis de alcohol)
Ho: 𝜇 𝑇2 − 𝜇 𝑇4 Ho: 𝜇 𝑇3 − 𝜇 𝑇4
Ha: 𝜇 𝑇2 ≠ 𝜇 𝑇4 Ha: 𝜇 𝑇3 ≠ 𝜇 𝑇4
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 14.025
𝑠𝑑̅ = √2 = √2 = 2.3685
𝑟 5
̅4 − T
Para T1 vs T4: [(T ̅1) = (58.4 − 43.3) = 15.1] > 𝐷𝐿𝑆(5.02098) ∗
̅ ̅1) = (57.6 − 43.3) = 14.3] > 𝐷𝐿𝑆(5.02098) ∗
Para T1 vs T3: [(T3 − T
̅ ̅1) = (43.6 − 43.3) = 0.3] < 𝐷𝐿𝑆(5.02098) 𝑛𝑠
Para T1 vs T2: [(T2 − T
̅ ̅2) = (58.4 − 43.6) = 14.8] > 𝐷𝐿𝑆(5.02098) ∗
Para T2 vs T4: [(T4 − T
̅3 − T
Para T2 vs T3: [(T ̅2) = (57.6 − 43.6) = 14.0] > 𝐷𝐿𝑆(5.02098) ∗
̅4 − ̅̅̅̅
Para T3 vs T4: [(T T3) = (58.4 − 57.6) = 0.8] < 𝐷𝐿𝑆(5.02098) 𝑛𝑠
Comparando con una salida de R
## Alpha: 0.05 ; DF Error: 16
## Critical Value of t: 2.119905
## Least Significant Difference 5.021089
## Means with the same letter are not significantly different
## Groups, Treatments and means
## a Alta dosis 58.4
## a Media dosis 57.6
## b Baja dosis 43.6
## b Minima dosis 43.2
Gráficamente:
Alta dosis media dosis baja dosis sin dosis
𝑦̅4. 𝑦̅3. 𝑦̅2. 𝑦̅1.
58.4 57.6 43.6 43.2
_________________
_________________
4) Conclusión:
No hay diferencias significativas entre los promedios de (T1 y T2) y (T3 y T4)
Los promedios de T4 y T3 son significativamente mayores al promedio de T1 y T2
Ho: 𝜇 𝑇2 − 𝜇 𝑇4 Ho: 𝜇 𝑇3 − 𝜇 𝑇4
Ha: 𝜇 𝑇2 ≠ 𝜇 𝑇4 Ha: 𝜇 𝑇3 ≠ 𝜇 𝑇4
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 14.025
𝑠𝑥̅ = √ =√ = 1.6748
𝑟 5
Valores de p 2 3 4
AES(D) 3.00 3.15 3.23
𝑠𝑥̅ = 1.6748
ALS(D) 5.0244 5.2756 5.4096
̅4 − T
Para T1 vs T4: [(T ̅1) = (58.4 − 43.3) = 15.1] > (𝐴𝐿𝑆(4) = 5.4096) ∗
̅4 − T
Para T2 vs T4: [(T ̅2) = (58.4 − 43.6) = 14.8] > (𝐴𝐿𝑆(3) = 5.2756) ∗
̅ ̅̅̅̅
Para T3 vs T4: [(T4 − T3) = (58.4 − 57.6) = 0.80] < (𝐴𝐿𝑆(2) = 5.0244) 𝑛𝑠
̅3 − T
Para T1 vs T3: [(T ̅1) = (57.6 − 43.3) = 14.3] > (𝐴𝐿𝑆(3) = 5.2756) ∗
̅3 − T
Para T2 vs T3: [(T ̅2) = (57.6 − 43.6) = 14.0] > (𝐴𝐿𝑆(2) = 5.0244) ∗
̅2 − T
Para T1 vs T2: [(T ̅1) = (43.6 − 43.3) = 0.30] < (𝐴𝐿𝑆(2) = 5.0244) 𝑛𝑠
Gráficamente:
𝑦̅4. 𝑦̅3. 𝑦̅2. 𝑦̅1.
58.4 57.6 43.6 43.3
_________________
_________________
4) Conclusión:
El promedio de T4 es significativamente mayor al promedio de T1 y T2. Pero, el
promedio de T4 es igual al promedio de T3
El promedio de T3 es significativamente mayor al promedio de T1 y T2.
El promedio de T2 es igual al promedio de T1
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 14.025
𝑠𝑥̅ = √ =√ = 1.6748
𝑟 5
Usar tabla de amplitudes estudiantizadas significativas de Tukey (AES(T)). En ella de
busca los valores de p con los grados de libertad del error con un nivel de significancia
𝛼.
Los GL error= 16, 𝛼 = 0.05 y p=4
𝐴𝐸𝑆(𝑇) =4.05, obtenido de la tabla
Salida en R.
Gráficamente:
𝑦̅4. 𝑦̅3. 𝑦̅2. 𝑦̅1.
58.4 57.6 43.6 43.3
_________________
_________________
4) Conclusión:
La misma que con las otras pruebas
𝑡−1 3
𝐹𝐺𝐿𝑒𝑟𝑟𝑜𝑟,𝛼 = 𝐹16,0.05 =3.24
2𝑆 2 2𝐶𝑀𝑒𝑟𝑟𝑜𝑟 2(14.025)
𝑠𝑑̅ = √ =√ =√ = 2.3685
𝑟 𝑟 5
Salida en R
## $statistics
## Mean CV MSerror CriticalDifference
## 50.7 7.386581 14.025 7.383103
## parameters
## Df ntr F Scheffe alpha test name.t
## 16 4 3.238872 3.117148 0.05 Scheffe trat
## $means
## tiempo std r Min Max
## Alta dosis 58.4 2.880972 5 55 62
## Baja dosis 43.6 2.792848 5 39 46
## Media dosis 57.6 5.412947 5 50 64
## Sin alcohol 43.2 3.271085 5 39 48
## $comparison
## NULL
## $groups
## trt means M
## 1 Alta dosis 58.4 a
## 2 Media dosis 57.6 a
## 3 Baja dosis 43.6 b
## 4 Sin alcohol 43.2 b
4) Conclusión:
La misma que con las otras pruebas