Diseño en Bloques Completamente Aleatorio

Sesión VII
Diseño en Bloques
Completamente Aleatorio
1, Introducción
ANOVA de Dos Vías
Influye ¿Influye?
Concentración de Viscosidad del Líquido Tipo de Goma (Guar,

Goma CMC, Xantan)
Sabemos que una concentración de goma diferente ocasiona un cambio

de viscosidad de la solución, pero ¿influye también el tipo de goma?
2
Métodos Estadísticos - 2016 Ing, Alejandro Saito Roncal
1, Introducción
Textura del Pan

ANOVA de Dos Vías
Influye ¿Influye?
Tipo de Harina Tipo de Personas que lo

Prueba
Un diferente tipo de harina hace que la textura del pan sea diferente,
pero ¿La persona que lo prueba también proporciona diferentes
resultados?
3
1, Introducción
Variables de Estudio
La diferencia entre el factor y el bloque no influye sobre el análisis estadístico, sólo influye sobre la
interpretación:
ANOVA de Dos Vías
 Factor: es la variable que se considera con seguridad tiene una influencia significativa sobre la variable
dependiente, Es la variable sobre la que se tiene un mayor interés de estudio, Ejemplo: temperatura,
ambiente de conservación, etc,
 Bloque: también conocida como variable interviniente, es una variable que se sospecha podría causar
una variación en la variable dependiente, por lo general es de tipo cualitativo,
Generalmente tiene alguna relación con el factor, En ocasiones las repeticiones se investigan como
bloque para encontrar si el investigador ejecutó bien los resultados, Ejemplo: variedad de fruta, tipo de
harina, panelista en una evaluación sensorial,
4
2, Diseño en Bloques Completamente Aleatorio
Diseño en Bloques Completamente Aleatorio (DBCA)

Este diseño presenta las siguientes características:
 Número de Variables: El DBCA analiza la influencia de dos variables independientes sobre una
ANOVA de Dos Vías
variable dependiente.
 Naturaleza de las Variables independientes: Las variables independientes pueden ser cualitativas o
cuantitativas, Se fija un número limitado de niveles para cada variable y los niveles se combinan para dar
el total de experimentos,
 Naturaleza de la variable dependiente: La variable dependiente debe ser necesariamente continua y
debe ajustarse a una distribución normal para poder ser analizado según los procedimientos siguientes,
 Cantidad de Experimentos: El ANOVA de dos vías requerirá más experimentos cuanto más niveles
tengan las variables, Por ello es un diseño tedioso, largo y si se fijan repeticiones es aún más,
 Repeticiones: A diferencia del ANOVA de una vía o Diseño Completamente Aleatorio, las repeticiones
para cada combinación de niveles es opcional,
5
1, Introducción
Planeamiento del Diseño pH 3,0 1, Extracción a 60º C a pH 3
Considere que se desea evaluar 60° C pH 4,0 2, Extracción a 60º C a pH 4

el efecto de la temperatura y el pH 5,0 3, Extracción a 60º C a pH 5
ANOVA de Dos Vías
pH en la extracción de
pH 3,0 4, Extracción a 70º C a pH 3
antocianina:
70° C pH 4,0 5, Extracción a 70º C a pH 4

Total: 12 experimentos pH 3,0 10, Extracción a 90º C a pH 3
Por triplicado: 36 ensayos
6
Apariencia del DBCA
Factor 2 o Temperatura de Extracción Factor 1:

Bloque: pH pH Temperatura
ANOVA de Dos Vías
60 70 80 90
8,5 8,7 10,1 15,3
Niveles del factor
3 8,6 8,9 10,3 16,1 1 (a = 4)
8,7 9,1 10,5 15,4
Niveles del 7,5 8,5 9,5 12,3 Repeticiones
bloque o 4 7,6 8,4 9,4 12,1 por cada
factor 2 combinación de
7,4 8,3 9,5 12,4 niveles (n = 3)
(b = 4) 6,2 7,3 9,1 10,8
5 6,8 7,4 9,2 10,6
6,4 7,4 9,3 10,4
Resultados de la variable dependiente
7
3, El ANOVA de Dos Vías
Hipótesis Consideradas
Debido a la presencia de dos variables independientes, deben formularse dos pares de hipótesis, un
par para cada variable independiente (variable bloque y la variable Factor):
ANOVA de Dos Vías
Para el Factor 1 o Tratamiento:

H0 : todas las medias de los niveles del factor son iguales, μ1 = μ2 = … = μn
Ha : al menos una media de un nivel es diferente al resto, μi ≠ 0
Para el Factor 2 o Bloque:

H0 : todas las medias de los niveles del bloque son iguales, μ1 = μ2 = … = μn
Ha : al menos la media de un nivel es diferente al resto, μi ≠ 0
8
Estadísticos Observados
El estadístico observado para el bloque o tratamiento se define como:
ANOVA de Dos Vías
Para el Factor 1 o Tratamiento: Para el Factor 2 o Bloque:

𝑀𝑆𝐹𝑐𝑡 1 𝑀𝑆𝐹𝑐𝑡 2
𝐹0 = 𝐹0 =
𝑀𝑆𝐸𝑟𝑟𝑜𝑟 𝑀𝑆𝐸𝑟𝑟𝑜𝑟
Donde: MSFct 1 : cuadrado medio del tratamiento (Factor 1)

MSError : cuadrado medio del error
MSFct 2 : cuadrado medio del bloque (Factor 2)
N : número total de observaciones o resultados
a : número de niveles del factor 1
b : número de niveles del bloque o Factor 2
n : número de repeticiones por cada combinación
9
ANOVA de Dos Vías
Fuente de Var, GL Suma de Cuadrados Cuadrado Medio F0

ANOVA de Dos Vías
y SS Fact1
2
MS Fact
MS Fact1  F0 
a 1
io 2
Factor 1 yoo
SS Fact 1  i 1
 GLFact1 MS Error
bn N
b
 yoj
2
SS Fact 2 MS Fact
Factor 2 b 1 j 1 yoo
2 MS Fact 2  F0 
SS Fact 2   GLFact 2 MS Error
an N
SS Error
Error N a SS Error  SSTotal  SS Fact1  SS Fact 2 MS Error 
GLError
a b 2
y
Total N 1   yij  oo
2
SSTot
i 1 j 1 N
10
Ejemplo 1
Se envasó guanábana bajo diferentes condiciones de envasado, y se desea estudiar el efecto del
tipo de envase y el grado de madurez de la fruta, sobre la dureza superficial de la fruta al cabo
ANOVA de Dos Vías
de 1 semana de almacenamiento a 25° C, La dureza se midió con un penetrómetro en unidades

de g-fuerza,
Se escogió cuatro tipos de empaque para el envasado: polietileno de alta densidad (PAD),
polipropileno (PP), sin envase (SE) y polietileno de baja densidad (PBD), Para el grado de
madurez se escogieron tres niveles: una madurez fisiológica (verde), una madurez intermedia
fisiológica-organoléptica (intermedio), y una madurez organoléptica (maduro), Los datos se
obtuvieron por triplicado para cada combinación,
Evaluar si las dos variables afectan a la dureza durante el almacenamiento y cuál de los niveles
retuvo mejor la dureza con un 5% de error, Los datos se muestran a continuación,
11
Datos Dureza (gf) para Chirimoya Envasada
Grado Madurez PAD PP SE PBD

ANOVA de Dos Vías
36,4 35,4 16,8 21,6

M, Fisiológica 38,3 37,3 17,8 23,4
33,8 33,4 14,2 19,5
35,8 35,4 16,8 20,5
M, Intermedia 36,4 31,8 13,4 22,3
39,4 33,7 15,9 17,4
33,4 31,5 10,8 17,3
M, Organoléptica 36,4 34,3 13,4 19,8
32,6 35,4 14,1 18,3
12
PAD PP SE PBD
Fruto maduro
fisiológicamente
ANOVA de Dos Vías
Fruto maduro
de forma
intermedia
entre
fisiológico y
organoléptico
Fruto maduro
organoléptica-
mente
13
Paso 1: Definimos las variables de estudio y sus niveles
Factor 1: tipo de atmósfera,
4 niveles: aire normal, vacío, CO2 puro y mezcla aire-CO2
ANOVA de Dos Vías
Factor 2: grado de madurez de la fruta (3 niveles)

3 Niveles: no maduro, maduro y muy maduro
Variable dependiente: dureza de la fruta
Paso 2: Definimos las hipótesis nula y alternativa
Factor 1: H0 : los promedios de dureza de los 4 tipos de empaque son iguales, μ1 = μ2 = μ3 = μ4

Ha : la media de algún tratamiento es diferente que el resto, μi ≠ 0
Factor 2: H0 : los promedios de dureza de los 3 niveles de madurez son iguales, μ1 = μ2 = μ3
Ha : la media de algún tipo de madurez es diferente que el resto, μi ≠ 0
Paso 3: Establecemos el error de 5% (0,05)

14
Paso 3: Fijamos el error y calculamos el estadístico tabulado
Error α = 0,05, Al tener dos variables independientes se deben calcular dos valores de
estadístico tabulado, uno para cada variable:
ANOVA de Dos Vías
Factor 1: GL1 = a – 1 Ft = 2,922 … para el factor 1 (tipo empaque)

GL1 = 4 – 1 = 3
Factor 2: GL2 = b – 1 Ft = 3,316 … para el factor 2 (madurez)

GL2 = 3 – 1 = 2
Error: GLerror = N – a – b + 1
GLerror = 36 – 4 – 3 + 1 = 30
15
Paso 4: Calcular los Estadísticos Observados
Para calcular los estadísticos observados construimos la tabla del ANOVA, para ello evaluamos las
sumatorias de los valores de cada tratamiento de los dos factores:
ANOVA de Dos Vías
Grado Madurez PAD PP SE PBD a = 4 tratamientos

36,4 35,4 16,8 21,6 b = 3 bloques
M, Fisiológica 38,3 37,3 17,8 23,4 327,9 n = 3 repeticiones
33,8 33,4 14,2 19,5
N = 36
35,8 35,4 16,8 20,5
M, Intermedia 36,4 31,8 13,4 22,3 318,8
39,4 33,7 15,9 17,4
33,4 31,5 10,8 17,3
M,
Organoléptica
36,4 34,3 13,4 19,8 297,3 Suma de todos los
32,6 35,4 14,1 18,3 resultados
322,5 308,2 133,2 180,1 944,0
16
Calculando la Suma de Cuadrados del Factor 1 : Tipo de Empaque

b = 3 bloques
ANOVA de Dos Vías
M, Fisiológica -- -- -- -- 327,9
n = 3 repeticiones
M, Intermedia -- -- -- -- 318,8
M, Organoléptica -- -- -- -- 297,3
N = 36
322,5 308,2 133,2 180,1 944,0 yoo  944,0

a
y
2
io 2
y
SS Fact 1  i 1  oo
bn N
322,52  308,2 2  133,2 2  180,12 944,0 2
SS Fact 1  
3x3 36
SS Fact 1  2931,97
17
Calculando la Suma de Cuadrados del Factor 2 : Grado de Madurez

b = 3 bloques
ANOVA de Dos Vías
M, Fisiológica -- -- -- -- 327,9
n = 3 repeticiones
M, Intermedia -- -- -- -- 318,8
M, Organoléptica -- -- -- -- 297,3
N = 36
322,5 308,2 133,2 180,1 944,0

b
y
2
oj 2
j 1 y
SS Fact 2   oo
an N
327,9 2  318,82  297,33 944,0 2
SS Fact 2  
4x3 36
SS Fact 2  41,151
18
Calculando la Suma de Cuadrados del Total: para ello utilizamos los datos iniciales:

b = 3 bloques
ANOVA de Dos Vías
36,4 35,4 16,8 21,6

M, Fisiológica 38,3 37,3 17,8 23,4 n = 3 repeticiones
33,8 33,4 14,2 19,5
N = 36
35,8 35,4 16,8 20,5
M, Intermedia 36,4 31,8 13,4 22,3 a b 2
y
  yij  oo
39,4 33,7 15,9 17,4 2
SSTot
33,4 31,5 10,8 17,3 i 1 j 1 N
M,
36,4 34,3 13,4 19,8
Organoléptica Suma Total = 944,0
32,6 35,4 14,1 18,3
944,0 2
SSTot  (36,4  38,3  33,8  ...  19,8  18,3 ) 
2 2 2 2 2
36
SSTot  3075,98
19
Paso 4: Calcular los Estadísticos Observados
Calculamos la suma de cuadrados del error y completamos la tabla:
SS Error  SSTotal  SSTto  SSblq

ANOVA de Dos Vías
SS Error  3075,98  2931,97  41,151  102,86
A partir de las sumas de cuadrados podemos evaluar el resto de la tabla:
Fuente Var. SS GL CM F-obs p-valor

Factor 1 (Empaque) 2931,971 3 977,324 285,043 0,00000
Factor 2 (Madurez) 41,151 2 20,575 6,001 0,00642
Error 102,861 30 3,429
Total 3075,982 35
20
Paso 5: Calcular los p-valores
Fuente Var. SS GL CM F-obs p-valor

Factor 1 (Empaque) 2931,971 3 977,324 285,043 0,00000
ANOVA de Dos Vías
Factor 2 (Madurez) 41,151 2 20,575 6,001 0,00642

Error 102,861 30 3,429
Total 3075,982 35
Para el Factor 1 (Tipo de Empaque): =DISTR.F(F0 , GL factor 1, GL error)
=DISTR.F(285.043, 3, 30)= 3,94 x 10-22

Para el Factor 2 (Madurez) =DISTR.F(F0 , GL factor 2, GL error)
=DISTR.F(6.001 , 2, 30)=0,00642
21
Paso 6: Graficar y Decidir
Para el Factor 1 (Tipo de Empaque)

El estadístico observado es mayor
que el Ft cae en la región de
ANOVA de Dos Vías
rechazo, por tanto rechazamos la

p-valor = 3,94 x 10-22 Ho y aceptamos la Ha para la
(en rayas azul) variable tipo de empaque.
Región El p-valor es mucho menor que el
Aceptación de Región Rechazo error, quiere decir que existe una
la Ho de la Ho bajísima probabilidad que la Ho sea
(0,95) (0,05) cierta, así que la rechazamos y
aceptamos la Ha: al menos un tipo
∞ de empaque tiene una dureza
Ft = 2,922 F0 = 285,043 diferente.
22
Paso 6: Graficar y Decidir
Para el Factor 2 (Grado de Madurez)

El estadístico observado es mayor
que el Ft cae en la región de
ANOVA de Dos Vías
rechazo, por tanto rechazamos la

p-valor = 0,00642 Ho y aceptamos la Ha para la
(en rayas azul) variable grado de madurez.
Región El p-valor es mucho menor que el
Aceptación de Región Rechazo error, quiere decir que existe una
la Ho de la Ho bajísima probabilidad que la Ho sea
(0,95) (0,05) cierta, así que la rechazamos y
aceptamos la Ha: al menos un
∞ grado de madurez que tiene una
Ft = 3,316 F0 = 6,001 dureza promedio diferente.
23
Paso 7: Conclusiones
 Factor 1 (tipo de atmósfera): de la hipótesis alternativa significa que existe al menos un “tipo de
atmósfera” que genera un promedio de dureza diferente al resto de tratamientos, considerando un
ANOVA de Dos Vías
5% de error. Significa que el tipo de atmósfera genera diferencias significativas en la dureza de la

pera, o influye de forma significativa en la dureza de esta fruta considerando un 5% de error.
 Factor 2 (madurez): igualmente de la hipótesis alternativa significa que existe al menos un nivel de
madurez que genera una dureza promedio diferente al resto de niveles, considerando un 5% de
error. Por tanto quiere decir que el grado de madurez también genera diferencias significativas en la
dureza de la fruta, o también que la madurez influye de forma significativa en la dureza en base a un
5% de error.
 Del ANOVA: del análisis de varianza aún no puede concluirse qué nivel de “tipo de atmósfera” o
“madurez” genera la dureza más alta o más baja.
24
Ingresamos los datos en tres
columnas para indicar que se
tienen tres variables: dos
independientes (atmósfera y
grado de madurez) y una
dependiente (dureza). Cada
tipo de atmósfera y cada
grado de madurez se indican
con números diferentes.
Vamos al menú
“Statistics”, elegimos
la opción “ANOVA”
y aparece una ventana
donde elegimos la
opción “Main effects
ANOVA”
Damos clic en el botón
“Variables” para indicar
la variables
independientes y
dependiente.
Indicamos que la variable
dependiente es la “dureza”
y las variables
independientes son la
“empaque” y la
“madurez”. Damos clic en
botón OK
Aparece esta ventana. Debe
confirmarse que el erro es de
0,05. Para obtener el análisis de
varianza damos clic en el botón
“Univariate results”.
2, Las Pruebas de Comparaciones Múltiples
Aplicación en STATISTICA
Las Pruebas de Comparaciones Múltiples
 La tabla del ANOVA coincide con lo calculado manualmente. La interpretación se hace en relación a los p-
valores: en ambas variables Empaque: p-valor 0,000000, Madurez: p-valor 0,006424 son menores al error, significa
que tanto el tipo de Empaque como el grado de madurez generan diferencias significativas en la dureza de la
guanábana durante su almacenamiento. Podemos ejecutar las pruebas de comparaciones múltiples.
30
Vamos a la pestaña Post Hoc y damos
clic en el botón Tukey para evaluar las
pruebas de comparaciones múltiples
entre los diferentes tipos de empaque,
Si escogemos la opción Significant
Differences los resultados se
expresarán como p-valores:
Prueba de Comparaciones Múltiples

 Los valores en rojo son p-valores. Cuando son menores al error de 0,05 significa que entre los dos tipos de
empaque hay diferencia significativa. Podemos Concluir:
(a) (a) (b) (c)

Polietileno Alta Densidad Polipropileno Sin Envase Polietileno Baja Densidad
Iguales
32

 En esta otra forma los tipos de empaque Polipropileno y Polietileno Alta Densidad están agrupados en el
mismo subgrupo 1, lo que indica que presentan una dureza equivalente, y al mismo tiempo son los tratamientos
que generan la mayor dureza.
 Una dureza menor la reporta el Polietileno de Baja Densidad, que es una dureza muy distinta al resto, y
finalmente el tipo de empaque con menor dureza es el Sin Envase, cuya dureza es diferente a los otros tipos.
33
Podemos También obtener las
pruebas de comparaciones múltiples
para el tipo de madurez cambiando el
Empaque por Madurez en la caseta
señalada.

 De los p-valores vemos que la madurez (1) Verde y (2)

(a) (a) (b) (b)
Intermedio tiene dureza equivalente
Verde Intermedio Maduro
 La madurez (1) Verde y (3) Maduro son de dureza diferente.
 Madurez (2) Intermedio con (3) Maduro son de dureza Iguales Iguales
equivalente.
35

 En esta forma de Subgrupos homogéneos tenemos que los grados Maduro e Intermedio tiene una dureza
equivalente por estar en el mismo subgrupo, pero los niveles Intermedio y Verde también están en el mismo
subgrupo.
 Es decir es algo como: Maduro = Intermedio, e Intermedio = Verde, por tanto todos los niveles de madurez
son de dureza equivalente.
36
Tabla de resumen
 Todos los datos obtenidos hasta ahora se podrían resumir con la media y la desviación de cada combinación:
Tipo de Empaque
Madurez
PAD PP SE PBD
Verde 31,167 ± 2,26a A 35,367 ± 1,95a A 16,267 ± 1,85b A 21,500 ± 1,95c A
Intermedio 37,200 ±1,93a AB 33,633 ± 1,80a AB 15,367 ±1,76b AB 20,067 ± 2,47c AB
Maduro 34,133 ± 2,00a B 33,733 ± 2,01a B 12,766 ± 1,74b B 18,467 ± 1,26c B
Valores reportados como Promedio ± SD (n = 3 por cada casilla). Superíndices minúsculos diferentes indican
diferencia significativa en la misma fila, y Superíndices mayúsculos diferentes indican diferencia significativa en la
misma columna según pruebas de Tukey para cada variable con un error del 0,05.
37
Podemos regresar a la pestaña
Summary y dar clic en All
Effects/Graphs para ver las pruebas
de comparaciones múltiples de forma
gráfica.

Empaque; LS Means
Vertical bars denote 0,95 confidence intervals
40
35
30
25
Dureza
20
15
10
Polietileno Alta Densidad Sin Envase
Polipropileno Polietileno Baja Densidad
Empaque
39

Madurez; LS Means Superposición de la variabilidad,

Vertical bars denote 0,95 confidence intervals
29,0 podemos concluir que los grados
28,5 verde e intermedio son iguales.
28,0
27,5
27,0
26,5
26,0
Superposición de la variabilidad,
Dureza
25,5
25,0
podemos concluir que los grados
24,5
intermedio y maduro son iguales.
24,0
23,5
23,0
Verde Intermedio Maduro
Madurez
40
Ejemplo 2
En la extracción de aceite esencial de Menta se busca maximizar el rendimiento de extracción del componente
Mentol. Para ello se analiza el efecto de dos variables: tipo de solvente y la presión de extracción. Se escogen
ANOVA de Dos Vías
cinco solventes, y dos presiones (atmosférica y vacío). Cada experimento se ejecutó por duplicado. Analizar el
efecto de cada variable sobre el rendimiento de extracción de mentol con un 5% de error.
Contenido de Mentol en el Aceite Esencial (μg/ g de aceite)
Presión Vapor Acetona Etanol Hexano Éter

117,4 194,4 116,5 86,4 82,1
Vacío
114,3 203,4 113,1 82,3 78,1
127,6 205,6 125,6 79,4 82,1
Atmosférica
125,3 208,6 119,4 74,9 68,4
41
Métodos Estadísticos en Ingeniería de Alimentos
Semana VII
Actividades
Resolución de la Lista de Ejercicios 4,
42

Diseño en Bloques Completamente Aleatorio

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Diseño en Bloques Completamente Aleatorio

Uploaded by

Copyright:

Available Formats

Sesión VII

Concentración de Viscosidad del Líquido Tipo de Goma (Guar,

Sabemos que una concentración de goma diferente ocasiona un cambio

Textura del Pan

Tipo de Harina Tipo de Personas que lo

Diseño en Bloques Completamente Aleatorio (DBCA)

Planeamiento del Diseño pH 3,0 1, Extracción a 60º C a pH 3

Considere que se desea evaluar 60° C pH 4,0 2, Extracción a 60º C a pH 4

pH 3,0 7, Extracción a 80º C a pH 3

Apariencia del DBCA

Factor 2 o Temperatura de Extracción Factor 1:

Para el Factor 1 o Tratamiento:

Para el Factor 2 o Bloque:

Para el Factor 1 o Tratamiento: Para el Factor 2 o Bloque:

Donde: MSFct 1 : cuadrado medio del tratamiento (Factor 1)

Fuente de Var, GL Suma de Cuadrados Cuadrado Medio F0

de 1 semana de almacenamiento a 25° C, La dureza se midió con un penetrómetro en unidades

Datos Dureza (gf) para Chirimoya Envasada

Grado Madurez PAD PP SE PBD

36,4 35,4 16,8 21,6

Factor 2: grado de madurez de la fruta (3 niveles)

Paso 2: Definimos las hipótesis nula y alternativa

Factor 1: H0 : los promedios de dureza de los 4 tipos de empaque son iguales, μ1 = μ2 = μ3 = μ4

Paso 3: Establecemos el error de 5% (0,05)

Paso 3: Fijamos el error y calculamos el estadístico tabulado

Factor 1: GL1 = a – 1 Ft = 2,922 … para el factor 1 (tipo empaque)

Factor 2: GL2 = b – 1 Ft = 3,316 … para el factor 2 (madurez)

Grado Madurez PAD PP SE PBD a = 4 tratamientos

Calculando la Suma de Cuadrados del Factor 1 : Tipo de Empaque

Grado Madurez PAD PP SE PBD a = 4 tratamientos

322,5 308,2 133,2 180,1 944,0 yoo  944,0

Calculando la Suma de Cuadrados del Factor 2 : Grado de Madurez

Grado Madurez PAD PP SE PBD a = 4 tratamientos

322,5 308,2 133,2 180,1 944,0

Grado Madurez PAD PP SE PBD a = 4 tratamientos

36,4 35,4 16,8 21,6

SS Error  SSTotal  SSTto  SSblq

SS Error  3075,98  2931,97  41,151  102,86

A partir de las sumas de cuadrados podemos evaluar el resto de la tabla:

Fuente Var. SS GL CM F-obs p-valor

Fuente Var. SS GL CM F-obs p-valor

Factor 2 (Madurez) 41,151 2 20,575 6,001 0,00642

Para el Factor 1 (Tipo de Empaque): =DISTR.F(F0 , GL factor 1, GL error)

=DISTR.F(285.043, 3, 30)= 3,94 x 10-22

Para el Factor 1 (Tipo de Empaque)

rechazo, por tanto rechazamos la

Para el Factor 2 (Grado de Madurez)

rechazo, por tanto rechazamos la

5% de error. Significa que el tipo de atmósfera genera diferencias significativas en la dureza de la

Prueba de Comparaciones Múltiples

(a) (a) (b) (c)

Prueba de Comparaciones Múltiples

Prueba de Comparaciones Múltiples

 De los p-valores vemos que la madurez (1) Verde y (2)

Prueba de Comparaciones Múltiples

Verde 31,167 ± 2,26a A 35,367 ± 1,95a A 16,267 ± 1,85b A 21,500 ± 1,95c A

Intermedio 37,200 ±1,93a AB 33,633 ± 1,80a AB 15,367 ±1,76b AB 20,067 ± 2,47c AB

Maduro 34,133 ± 2,00a B 33,733 ± 2,01a B 12,766 ± 1,74b B 18,467 ± 1,26c B

Prueba de Comparaciones Múltiples

Prueba de Comparaciones Múltiples

Madurez; LS Means Superposición de la variabilidad,

Contenido de Mentol en el Aceite Esencial (μg/ g de aceite)

Presión Vapor Acetona Etanol Hexano Éter