Professional Documents
Culture Documents
SOLUCIÓN
H:
₁µ =µ =µ
H : Una µₓ es diferente
₀ ₁ ₂ ₃
Fuente
de SC GL MC
Varianzas
Tipos de 377.733
Alimentación
2 188.8665
10.4346133
Error 217.2 12 18.1
Total 594.933 14 206.9665
Métodos de Alimentación: 3
N° de Cerdos por métodos: 5
N° de Cerdos totales: 15
Sabemos que: α=0.05
= 80
∗∗
= 80
1∗
= 85
2∗
= 75
3∗
∗∗
=
Sacamos el valor de c, el cuál será: C=96000
Sacamos los valores de SCT, SCE Y SCA
= =∑
∑∑ 2 ∗2 SCE = ECT - SCA
SCT 698
SCA 250 SCE 448
TABLA ANOVA
FUENTE DE SUMA DE GRADOS MEDIAS RAZÓN F
VARIACIÓN CUADRADOS DE CUADRATICAS CALCULADA
LIBERTAD
PUBLICIDAD 250 2 125 3.34821429
ERROR 448 12 37.33333333
TOTAL 698 14
RC = {F
(2,12)>3.89}
FCAL= 3.35
P=P [F (3,12)>3.35]
F (3,12) (5%)=3.89>3.35
RPTA: Al ver que cumple que el F de la tabla es mayor que
F(cal) podemos aceptar la hipótesis nula
Por lo tanto
1) Hipótesis
Ho: 1 = 2 = 3
H1: Son d iferentes
Donde:
SCT 1400.00
SCI 1000
SCE 400.00
J 3
J-1 2
N 15
N-J 12
Donde:
MCI = SCI /( J-1) 500
SCE / (N- J)
MCE = 33.33
5) Estadístico de contraste:
F = 14.999
6) Regla de Decisión
7) Decisión:
Puesto que el estadístico F cae en la zona critica, se rechaza Ho
con un nivel de confianza del 95%. Podemos concluir que las
medias del rendimiento no son iguales.
Donde:
SCI /( J-
MCI = 1)396.58
SCE / (N- J)
MCE = 6.80
V. Estadístico de contraste:
F = 58.322
VI. Regla de Decisión
2 ..0.05,18
2 8.869
3) Toma de decisión:
b)
Las varianzas son iguales, entonces se rechaza .
1) Formulación de Hipótesis
∃ 0 1,,3
:
:
2) Análisis de Varianza- tabla ANOVA
0
̅ 2 2
Tamaño MediaDesviación
de las Estándar
muestras
Economistas 10 56.5 1.780 565 31954.184 5.601
10
Ingenieros Docentes universitarios 45.6 1.897 456 20829.586 72.818
10 60.3 1.947 603 36398.808 38.028
∑ ∗
56.5 ∗10565
3 0 5788791.533159.4667
8918.
4
10∗116.4471164.4667
1 5 9 . 4 6 671164.466795
2 31301
59 . 443.
6 6 4799
4)
30
Tabla ANOVA:
Fuentes de Suma de Grado de Medias Razón F
Varianzas Cuadrados Libertad Cuadráticas calculada
Tratamiento 1164.467 2 582.233 165.47678
Error 95 27 3.519
Total 1259.467 29
∝0.05 ˄
5) Nivel de significancia:
. . 0.05,165.
,7 .
>165.4767 .4.767 165.4767,3,16
>165.4767 .
6) Región Critica:
R.C= [F (2,27)>3.35]
7) Toma de decisión: Se rechaza Ho.
c)
La que produce mayor estrés es la profesión de Docentes
Universitarios.
45.6<56.5<60.3
2 < <
6. El proyecto académico de un ingeniero es el diseño de un
experimento a fin de determinar el rendimiento de 4 variedades de
papa sin tener en cuenta la influencia de la fertilidad de las tierras de
cultivo. Las 20 parcelas de igual fertilidad que le fueron asignadas
los dividió en 4 grupos de 5 parcelas cada una. A cada grupo de
parcelas le asignó una variedad distinta de papa escogida al azar,
resultando un diseño completamente aleatorizado. Los rendimientos
medidos en kilogramos de las cinco variedades por parcela se dan
en la tabla que sigue:
V1 V2 V3 V4
55 52 53 52
53 58 55 50
60 50 57 51
52 60 51 49
53 52 54 53
a) Defina la variable dependiente, los niveles del factor, el modelo
del diseño y los supuestos del modelo.
b) Compare descriptivamente las medias de los rendimientos
utilizando un método gráfico.
c) Estime el efecto que produce la variedad 3 en el valor medio
global del rendimiento.
d) Al nivel de significación del 5%, ¿se puede inferir que existen
diferencias significativas entre las producciones medias de las
4 variedades de papa?
SOLUCIÓN
∃
:
2) Análisis de Varianza – Tabla ANOVA:
3) Nivel de Significancia:
∝0.05 ˄ Fo1.55
F
INV.F.CD0.05,3,16
. 1. 5 5, 3 , 1 6
PFo>1.55 DIST.F.CD
> . .
4) Región Critica:
R.C= [F (3,16)>3.35]
5) Toma de decisión: Se acepta Ho.
- Supuestos:
+ , i = 1,2,3 j = 1, 2, …,10.
+
b) C O M P A RA CIÓN POR BONFERRONI
Entonces: 2
c)
A = Procedimientos
P1 P2 P3
13.45 22.81 18.92
19.1 20.69 21.32
20.73 24.4 25.93
23.6 26.86 19.07
13.45 22.37 20.98
23.29 19.98 26.4
14.93 20.98 28.04
17.07 24.08 23.44
13.65 18.35 18.47
18.79 17.22 25.42
ni = r
10 10 10
30
MEDIAS
∙
17.806 21.774 22.799
∙∙
62.379
=
De los datos se obtiene:
- SCT = 465.66123
- SCA = 139.08566
- SCE = 326.57557
Hipótesis:
-
Contra:
2
:
- : ∃
Estadística y región critica:
Fuente de Suma de RazónGrados de
F Calculada Medias
Variación Cuadrados Libertad
5.750 Cuadráticas
Máquinas 139.08566 2 69.54283
Error 326.57557 27 12.09539148
Total 465.66123 29
- .;2;2 0.05139
DECISIÓN: Dado que
5.75>0.05139 , se debería rechazar con
probabilidad de error tipo I igual a 0.05, por lo tanto, el factor
procedimiento tiene efecto significativo sobre el tiempo necesario para
realizar una tarea específica.
d)
Utilizando el método de intervalos de pares de medias de
Bonferroni con nivel de confianza al menos 96%:
<2
- Ordenamos las medias de menor a mayor:
17.806<1.
<774<. 799
2 ..3,,773.9.30495
- Se obtienen los rangos estudentizados:
1.0190539 1.0998
- Calculamos los rangos mínimos significativos:
2 3.9.0394∗51∗1.0.09998833.3.98744
- Para
p=3 2 1.05<3.74
- Para
p=2
<2
diferentes.
Entonces:
8. La empresa de transporte terrestre CARGA va adquirir una de 4
marcas de neumáticos que hay en el mercado. El ingeniero de
pruebas de la empresa diseñó un experimento escogiendo al azar
seis neumáticos de cada marca de características similares. En el
laboratorio de pruebas, con una carga específica simulada, observó la
duración de cada neumático hasta que se deteriore. Los datos
redondeados en miles de kilómetros se dan en la tabla que sigue:
N1 N2 N3 N4
55 63 48 59
53 67 50 68
50 55 59 57
60 62 50 66
55 70 47 71
65 75 61 73
Al nivel de significación del 5%
¿Indican estos datos que las marcas de los neumáticos producen efectos
significativos en el rendimiento?
SOLUCIÓN
De los datos se obtiene:
- SCT = 37322.625
- SCA = 36553.125
- SCE = 729.5
Hipótesis:
-
Contra:
2
:
- ∃
:
Estadística y región critica:
Fuente de Suma de Grados de Medias Razón F
Variación Cuadrados Libertad Cuadráticas Calculada
Marca de
Neumáticos 36553.125 3 12184.375 316.683
Error 769.5 20 38.475
Total 37322.625 23
- .;;2 3.10
Decisión: Dado que
, se debería rechazar con
probabilidad de error tipo I igual a 0.05, por lo tanto, el factor
36018>3.10
procedimiento tiene efecto significativo sobre el tiempo necesario para
realizar una tarea específica.
SOLUCIÓN
a)
600
500
400
300
200
100
1 2 3 4
De donde:
c) Análisis de varianza
Origen de Grados Promedio Valor
Suma de
s variaciones Entre grupos Dentro de los grupos
cuadrados
de de los F Probabilidad crítico
Total libertad cuadrados para F
79895.04 3 26631.68 5.24 0.009 3.160
91414.05 18 5078.56
171309.09 21
De donde:
SCA=79895.04 SCT=171309.09 Fcal=
5.24
SCE=91414.05 MCE=5078.56
Aplicando Duncan:
=5.266
α=0.05 k=4 f=18
∑
n=
= .2. =31.0548
r2 =2.97 r 3=3.12 r 4=3.21
R2= (2.97) * (31.0548)
=92.2327 R3= (3.12) *
(31.0548) =96.8909 R4=
(3.21) * (31.0548) =99.6859
Por lo tanto: µ4 =µ1 <µ3 =µ2
10. Un proceso de producción que consiste de 4 líneas está controlado si
las líneas utilizan el mismo tiempo promedio (en segundos) antes
que las unidades producidas caigan a una bandeja. Cada cierto
periodo un Ingeniero realiza el control de los tiempos de
producción por línea del producto, si una línea está fuera de control,
pasa a mantenimiento. En un reciente control de las líneas de
producción se escogió una muestra aleatoria de tiempos de
producción ( x) por unidad en cada línea, observándose los datos
de la tabla que sigue:
Al nivel de significación del 5%,
Muestras
Muestra Muestra Muestra Muestra
1 2 3 4
15 10 20 16
12 12 18 18
14 14 20 16
14 13 22 15
15 18 21
14 20 18
12 19
17 20
14
Además, Sx=3.199. Se supone homocedasticidad.
a) ¿Cree usted que se debería realizar el mantenimiento a alguna de
las líneas de producción?
b) Si su respuesta en el inciso a) es afirmativa, ¿a cuál de las 4
líneas se debería realizar el mantenimiento? Aplique de rangos
de Duncan.
c) ¿Cree usted que se viola el supuesto de homecedasticidad? Utilice
un paquete de cómputo para resolver este inciso.
SOLUCIÓN
a)
Hₒ=µ1=µ2=µ3=µ4
⁆µ≠
RESUMEN
Grupos Cuenta Suma Promedio Varianza
Columna 1 6 84 14 1.2
Columna 2 9 130 14.44 10.53
Columna 3 8 158 19.75 1.93
Columna 4 4 65 16.25 1.58
ANÁLISIS DE VARIANZA
Valor
Origen de Grados Promedio
Suma de crítico
las variaciones de de los cuadrados FProbabilidad
cuadrados libertad para F
Entre grupos Dentro de los grupos 3.03
157.60 3 52.53 11.14 0.00
108.47 23 4.72
Total 266.07 26
De donde:
SCA=157.60 SCT=266.07
SCE=108.47 MCE= 4.72
Por lo tanto, si se debe realizar mantenimiento de las líneas de
producción.
b) Aplicando Duncan:
=6.128
α=0.05 k=4 f=23
∑
n=
MCE=4.72
= . 2 =0.8776
. 2
Entonces:
µ1=µ2 <µ4<µ3
Por lo tanto, se debe hacer mantenimiento a la línea
3. c)
Prueba de homocedasticidad: 4.144
Grados de libertad: 3 y
23 Significancia =
0.017
11. El Decano del FACI desea estudiar el número de horas que los
alumnos que los alumnos de los ciclos: 5,6,7 y 8, utilizan los
terminales de computo de la universidad. Una muestra de usos por
ciclo ha dado los siguientes tiempos en hora mensuales:
CICLOS
C5 C6 C7 C8
35 43 28 39
33 47 30 48
30 35 39 37
40 30 46
35 27
42
a) Defina la variable dependiente y estime el efecto que produce el
séptimo ciclo.
b) Describa la regla de decisión para probar globalmente la hipótesis nula
0. 0 5
de igualdad de las cuatro medias. ¿Cuál es la decisión
estadística? Use
. ¿Cuánto es la probabilidad P de la prueba?
c) Si es adecuado, determine que ciclos difieren significativamente en el
0. 0 5
uso promedio de horas por ciclo de los terminales por computo. Use
Duncan con.
SOLUCIÓN
a)
i. LA VARIABLE DEPENDIENTE ES: X= número de horas
ii. ∑
que los alumnos utilizan los terminales de computo.
35+33+30+ 40+35+4 15
6 35.83
2 43+38+30+39+30+7 6 1 4
7+35
39+48+ 15
37+4641.618370
5
30. 3
85 4 4 4.5
35.83+41.
68 +30.8+4.5 150 .81 37.705
4 4
30.837.705
b)
2
:∃
i.Hipótesis:
0 5
ii. Niv el de significancia:
0. .
. 1 26
De los datos se obtienen:
154 3 5
. ∙2 15
.
. 170
664
2. 664218
4 4494.
18
∑∑2 352 +332 +302 +⋯+ 372 +462 530
.
FUENTE
prueba es: : >
La estadística es,
GRADOS
. La región critica de la
5.163>3.344
TOTAL 735.8 17
iv.
Decisión: Dado que , se debe rechazar la
, el factor horas influye en el uso de los terminales de
computo.
v.
La probabilidad P de la prueba es,
[3,14 >5.163]
0.013
c) 3 451.863 63
.
I.
2.8 2
30.8 5
..
4 4.5 4.5
30.. 8<<35. .<83
<24. <1.68<.
II. 0.045,
1 4
2 . 03
.
3,14.3.4,184
3.7
√ ⁄
III. Rangos mínimos significativos
4
1 11 1547 5470
Para tamaños diferentes de muestras:
∑
6 + 3 + 5 + 4 60
440.⁄9557 .434
2 03 375
3.7×.4347.959
IV. 3.18×.4347.740
Comparaciones múltiples de rangos de Duncan
..
<
2..<
30.8<35.83<41.68<4
Significativa Duncan:
2
. . 10.88
2.
. 40
0.8<
2. 57
. 4.
5.85
2. . 5.03
12. En EGC de la PUCP se va evaluar la efectividad de tres métodos
diferentes de enseñanza de Matemática I: El método grupal (A), el
tradicional (B) y el aprendizaje basado en problemas (ABP). Del
semestre anterior se ha escogido una muestra aleatoria de
calificaciones finales para cada método de enseñanza cuyos
resultados se dan en la tabla que sigue:
METODOS
A B ABP
132 17 10
14 16 11
12 16 15
13 17 10
12 17 14
15 13 13
11 10
14 13
11
14
13
0. 0 5
10
a) Al nivel de significancia ¿indican los datos obtenidos que
no existen diferencias significativas entre los tres métodos de
enseñanza?.
0. 0 5
b) Realice un ordenamiento de efectividad de los tres métodos
aplicando el método de rangos de Duncan al nivel de .
SOLUCIÓN
a)
2
:∃
i.Hipótesis:
0.0 5 8
.
6
De los datos se obtienen:
.
1 0
9
46
2
2.∙ 144 1
. 34 4
. 2 3 4 4 4551.3895
6 2 6
∑∑2 132 +142 +12 +⋯+ 132 +102 4678
.
4551.38564.615
SCE= 16.61564.6156
. 3.3075
MCA= 2
2 .696
MCE= 2
11.9835
2.
F A=
iii.
Estadística y Región Crítica
FUENTE SUMA
:
La estadística es,
prueba es: > ⁄ ~,3
GRADOS
. La región critica de la
MEDIAS RAZON
CUADRATICAS
DE DE DE F
VARIACION CUADRADOS LIBERTAD CALCULADA
METODOS 64.615 2 32.3075
ERROR 62 23 2.696 F
A=11.9835 TOTAL 126.615 25
[
. 13 , 3>11. 9 85 ] 0. 0 00
8
1)
b)
2.
.1
16 26 1
1.<<13<. <16 2.
,
2)
0 .303 5
2 . 7 7
. 3,3 . 9
√ ⁄
3) Rangos mínimos significativos
3
1 11 39 8
∑
Para tamaños diferentes de muestras:
8 + 6 + 1 4
.6896 0.58
2 7 7 0 6
. 9 ×0.581.6 9 3
4) Comparaciones múltiples de rangos de Duncan
.
<
.
2. <
1<13<16
2. . 34> Significativa
2. . 2. . 1<1
Significativa No Significativa
Duncan:
<2
798
13. Dieciséis empleados nuevos del grupo “BANC” fueron distribuidos
aleatoriamente en 4 grupos distintos de cuatro empleados cada uno.
A cada grupo se le asignó aleatoriamente un tiempo de entrenamiento
antes de realizar cierta tarea. Los resultados de dicha tarea en
tiempos correspondientes se dan en la siguiente tabla:
ENTRENAMIENTO
Grupo 1: Grupo 2: 1.5 Grupo 3: Grupo 4:
1 hora 2 2.5
hora hora hora
25 14 7 8
19 26 10 7
22 17 9 9
20 15 11 4
86 72 37 28
4 4 4 4
SOLUCIÓN
a) Las hipótesis a probar son:
⋯
= = = = = (El Número de Grupo NO influye de
manera significativa en el Tiempo de Entrenamiento)
= ≠ (Al menos un Número de Grupo influye de
significativa en la resistencia del material)
⋯
= = = = = (El Tipo de Entrenamiento NO influye
de manera significativa en el Tiempo de Entrenamiento)
= ≠ (Al menos un Tipo de Entrenamiento influye de
manera significativa en el Tiempo de Entrenamiento)
3) Resultados:
4) Conclusiones:
I) Como p valué para el Número de Grupo = 0.690 >
0.05, Se Acepta H0 y Se concluye que el Número de
Grupo NO influye de manera significativa en el Tiempo
de Entrenamiento.
r2 = r0 .05(2,12) =
3.08 r3 =
r0 .05(3,12) = 3.77
r4 = r0 .05(4,12) =
4.20
3) Se obtiene los rangos mínimos significativos:
Rp = rp ×
6.3 964
= 1.26455
Dónde: =
× ×
×
R2 = r 2 1.26455= 3.08 1.26455=
×
3.8948 R3 = r 3 1.26455=
× ×
3.77 1.26455= 4.7673 R4 = r 4
1.26455= 4.20 1.26455= 5.3111
4) Se contrastan las diferencias entre pares de medias
muestrales comparando el rango de p medias
adyacentes.
P = 4, rango de las 4 medias
X1 – X3 = 21.5 – 9.25 =
11.00
3.50
µ4 = µ3 < µ2 = µ1
⋯
= = = = = (El Número de Grupo NO influye
de manera significativa en el Número de horas
hasta bajar la fiebre)
= ≠ (Al menos un Número de Grupo influye
de significativa en el Número de horas hasta
bajar la fiebre)
2) Con respecto a bloques (Tipo de Tableta)
⋯
= = = = = (El Tipo de Tableta NO influye
de manera significativa en el Número de horas
hasta bajar la fiebre)
3)
hasta bajar la fiebre)
RESULTADOS
4) CONCLUSIONES
I) Como p valué para el Número de Grupo = 0.100
> 0.05, Se Acepta H0 y Se concluye que el
Número de Grupo NO influye de manera
significativa en el Número de horas hasta bajar
la f iebre.
≤
X1 X2 < X3 < X4
1) Ordenamos las medias de
menor a mayor
2) Se obtienen los valores en la tabla de
Duncan Dato: = 0.05
r p = r (p,f)
r2 = r0 .05(2,20) =
2.95 r3 =
r0 .05(3,20) = 3.58
r4 = r0 .05(4,20) =
3.96
3) Se obtiene los rangos mínimos significativos:
Rp = rp ×
Dónde:
. = = 1.24967
× ×
×
R2 = r2 1.24967= 2.95 1.24967=
×
3.6865 R3 = r3 1.24967=
× ×
3.58 1.24967= 4.4738 R4 = r4
1.24967= 3.96 1.24967= 4.9487
4) Se contrastan las diferencias entre pares de
medias muestrales comparando el rango de p
medias adyacentes.
6) Análisis
X2 X3 X4 X1
4.67 4.67 5 9
µ4 = µ3 = µ2 < µ1
:
rendimiento utilizando 3 diferentes niveles de apalancamiento
financiero
Niveles de rendimiento
SOLUCIÓN
12
o108
t
n
ei
mi 6
d
n
er
4
2
A B C M
Niveles de rendimiento
:
The pooled standard deviation was used to calculate t he intervals.
0
Nivel de rendimiento
Error Total 78.42 3 26.14 5.02 0.0012
83.32 16 5.2
161.74 19
10
o 7
n
ie
m6
i
d
n5
r
4
A B C M
Niveles de rendimiento
b)
1∶ ∶
No todas las son iguales
2 11 4 .
2 0 65.08
. 2
∑∑2 4.62 +2 +⋯+112 813.8
2 813.865.08 161.74
. 2
19. 2 +18.42 +35.92 +40.7
78.4 5
161.7478.483.3
Dado que [>5. 0 ] 0.01< 0.05
, se rechaza la , y se
concluye que no todas las medias de los cuatro niveles de
rendimiento son iguales.
16. La importadora “Drogasa” quiere compara la eficiencia de tres
medicinas para el tratamiento de la rinitis alérgica en adultos
mayores de 50 años. Para esto diseño un experimento
seleccionando 3 pacientes mayores de 50 años que sufren la
enfermedad. A cada paciente escogido se le suministro las tres
medicinas A, V y C en periodos distintos del ataque de la enfermedad
registrándose el número de días que tardaron en recuperarse. Los
datos se registraron en el siguiente diseño de un factor (medicina)
aleatorizado por bloques (pacientes).
El
ℬ
El factor es pacientes
Losmodelo
bloquesde son
estelos tipos de
diseño demedicinas
experimento es:
∗ 3∗3
. 2
3600
1 2 84.6368 2 17
1
. 2 67 2 + 6 52 + 482
3600 7. 6 67
1 3
58 2 + 6 8 2 + 54 2
ℬ .2
=
3
360034.667
=
+ℬ 64.667
Las sumas de cuadrados, los grados de libertad, los cuadrados
medios y las F calculadas se resumen minitab
Sea
pacientes
tiempos promedios de días de recuperación de los
- Hipótesis
1∶ ∶ 2
No todas las son iguales
- Región de rechazo
Se rechazara Ho con un nivel de significancia
. ,2, 0. 0 5
, si
>
.5<.,2, 6.94 0. 0 5
- Decisión
Dado que , se debe aceptar la Ho y
concluir con probabilidad de error tipo I, , los
promedios de recuperación de los pacientes son iguales; es
decir:
tiempos
2
b)
-
1∶ ∶
Hipótesis
N
o to da s las s o n iguales
0. 0 5
- Región de rechazo
Se rechazara Ho con un nivel de significancia ,
siΒ
, Β 1.07<.,2, 6.94
- Decisión
.,2que
Dado , se debe
aceptar la que
Ho y concluir confue correcto incluir
probabilidad de errora tipo
losI,pacientes
como una fuente de variación en el diseño del
experimentos los tiempos promedios de recuperación
de los pacientes son iguales. ,
17.
18.
19. La empresa agroindustrial ARROZSA, estudia el efecto de 4
clases de fertilizantes A, B, C y D en el rendimiento de la producción
de arroz. Para esto, diseño un experimento dividiendo el terreno
del cultivo en tres bloques 1, 2,3 con cuatro parcelas homogéneas de
cada uno, asignado aleatoriamente los fertilizantes de cada uno de los
bloques para conseguir aso un diseño de bloques completamente
aleatorizado. El rendimiento, medido en kilogramos por parcela, se
da en la siguiente tabla:
1 2 3
C D B
39.9 43.4 42.7
A B D
40.1 42.9 42.9
B A C
41.1 42.2 41.4
D C A
42.1 42.3 41.9
∝
tres bloques 1, 2,3 con cuatro parcelas homogéneas de cada uno.
El modelo de este ANOVA está dado por : Xij=µ+ i+ ij i=1, 2, 3,4
b)
Donde, i= µi -µ es el efecto de los fertilizantes
Tabla ANOVA los datos se obtienen:
Fertilizantes
A
1
40.1
Tipos
2
42.2
3
41.9
Total Xi
124.2
n=r
3
Medias
41.4
42.333333
B 41.4 42.9 42.7 127 3 3
C 39.9 42.3 41.4 123.6 3 41.2
D 42.1 43.4 42.9 128.4 3 42.8
TOTAL DE 167.73333
164.5 172.8 171.9 503.2 12 3
BLOQUE X
Cálculos:
SCTn1Sx^1.90666667
La suma de los cuadrados de libertad, los cuadrados medios y las F calculadas
se resumen.
Grados de
Suma de cuadrados Medias cuadráticas
Fuente de
A=fertilizante 5.2 3
libertad 1.73333333 RazónF A
F calculada
variación =19.4513716
Bloques 7.172 2 3.586 FB =
40.2418953
Error 0.53466667 6 0.08911111
Total 12.9066667 11
Cálculos.
X. .
C25 2
3889664.6853637
n 0765
2 1080. 01
.^/958.48
1/.^41.50
+80. 03
Otra forma de obtener SCT: 1^1080.01
Las sumas de cuadrados los grados de libertad los cuadrados medios y las F
calculadas se resuman:
Fuente de Suma de Grados de medias Razón F
variación cuadrados libertad cuadráticas calculada
A=fertilizante 958.48 3 95.848183 35.9298375
bloques 41.50 9 4.61117071 1.72855248
error 80.02946 15 2.66764867
total 1080.01183 27
SOLUCIÓN
Análisis de varianza de dos factores con una sola muestra por grupo
M 4 50 12.5 1.667
E 4 62 15.5 4.333
F 4 54 13.5 1.667
L 4 69 17.25 2.250
ANÁLISIS DE VARIANZA
Origen
Suma de
de las
cuadrados
variaciones libertad cuadrados para F
Filas 14.188 3.000 4.729 2.735 0.106 3.863
Columnas 53.688 3.000 17.896 10.349 0.003 3.863
Error 15.563 9.000 1.729
Total 83.438 15.000
Grados Promedio Valor
de de los F Probabilidad crítico
a)
0
:
Tenemos un rango de1-4
1-(a)/2 = 0.994
n-k = 12.000
2.934
error= 2.228
Tabla de diferencias de medias
- L.inf L.sup
12.5 15.5 -3 -5.228 -0.772 xe-xm
15.5 13.5 2 -0.228 4.228 x e-xf
13.5 17.25 -3.75 -5.978 -1.522 xf-xl
17.25 12.5 4.75 2.522 6.978 ul-xm
Del cuadro calculamos que:
b)
homogéneo
2 2
Tenemos una hipótesis : 0
El rango de trabajo es de 1-4
ANÁLISIS DE VARIANZA
Origen de Suma de Grados Promedio de Probabilidad Valor crítico
las cuadrados de los F para F
variaciones libertad cuadrados
Filas 3.46166667 2 1.73083333 201 3.1803E-06 5.14325285
Columnas 0.13583333 3 0.04527778 5.25806452 0.04074402 4.75706266
Error 0.05166667 6 0.00861111
Total 3.64916667 11
SCA 0.136
SCB 3.462
SCE SCT 0.052
3.649
a) Operarios(A),
Tenemos como hipótesis, : donde i va de 1-4
5.58,
De la tablacalculamos
También se ha calculado
P [F>5.258]=0.04, por
y con
lo grados
cual sede libertad
acepta
b) Horas
Tenemos : y tiene un rango 1, 2,3
10,
3,6
Según la tabla
Calculamos tenemos
P [F>210]=0.000 conse
por lo cual grado de libertad
rechaza .
2 < <
c) Duncan por
2,6
23. La firma confecciones quiere saber si las perdidas en porcentajes
de producción defectuosa producida, dependen de las líneas de
producción y/o de los tipos de materia prima de sus proveedores.
Para esto, el ingeniero a cargo del control, diseño un experimento de
dos factores sin replicas asignando a cada una de las 5 líneas de
producción L 1, L2, L3, L4 y L5 una de las 4 materias primas: M1,
M2, M3, M4 por día. Los porcentajes de producción defectuosa
por día se dan en la tabla que sigue:
Líneas de producción
Materias
primas L1 L2 L3 L4 L5
M1 2.3 2.5 3.0 3.2 4
M2 2.8 2.7 3.5 3.8 4.2
M3 3.2 3.0 3.7 3.9 4.3
M4 3.6 3.8 4.0 4.3 4.5
ANÁLISIS DE VARIANZA
Origen de Grados Promedio
las Suma de de de los Valor crítico
variaciones cuadrados libertad cuadrados F Probabilidad para F
Filas SCB=2.8255 3 0.942 31.22 5.978E-06 3.490
Columnas SCA=4.718 4 1.180 39.10 8.606E-07 3.259
Error SCE=0.362 12 0.030
Total SCT=7.9055 19
b)
L1 2.98
L2 3
L3 3.55
L4 3.8
L5 4.25
3.
0. 0 5 , k=5, f= 12
R2=r0 .05 (2, 12) =3.08
R3=r0 .05 (3, 12)
=3.23 R4=r0 .05 (4,
12) =3.33
R5=r0 .05 (5, 12)
=3.36
Se calculan los rangos mínimos significativos:
∗
40 . 0 30
0.0866
2 3.08∗ 0.08660.68
Las muestras adyacentes se tienen:
3.3 0.08660.80
3.33∗ 0.08660.88
3.36∗ 0.08660.91
Se realiza una comparación entre las medias y los rangos mínimos:
5y4 0.45 > 0.29 significativa
medias
5y 3 0.7 > 0.29 significativa
comparación de rangos de Duncan
5y 2 1.25 > 0.29 significativa
5y1 1.28 > 0.29 significativa
4y3 0.25 < 0.29 no
significativa
4y2 0.8 > 0.29 significativa
4y1 0.83 > 0.29 significativa
3y2 0.55 > 0.28 significativa
3y1 0.58 > 0.28 significativa
2y1 0.02 < 0.268 no
significativa
3.
3.3∗0.0770.49
3.33∗ 0.0770.56
Se realiza una comparación entre las medias y los rangos mínimos:
operadores A1 A2 A3 A4
B1 390 402 392 385
B2 380 403 394 385
B3 377 411 399 380
B4 370 404 400 384
Además, Sx= 11.5181
¿Existen alguna diferencia significativa en la media del
tiempo, a) ¿Debido a los sistemas de administración de
archivos?
b) ¿Debido a los operadores?
c) ¿Cuál de los sistemas es el más adecuado? Use el método de
rangos de Duncan.
3. 0. 0 5
, k=4, f= 9
R2=r0 .05 (2, 9) =3.20
R3=r0 .05 (3, 9)
=3.34 R4=r0 .05 (4,
9) = 3.41
Se calculan los rangos mínimos significativos:
∗
3 3.3333
3.33
2 3.0∗ 3.3310.66
Las muestras adyacentes se tienen:
3.34∗3.3311.1
3.41∗ 3.3311.36
Se realiza una comparación entre las medias y los rangos mínimos:
Medias Comparación de rangos de Duncan
4y3 8.75 < 11.36 no
significativa
4y2 21.50 > 11.36 significativa
4y1 25.75 > 11.36 significativa
3y2 12.75 > 11.12 significativa
3y1 17.00 > 11.12 significativa
no
2y1
4.25 < 10.36 significativa
Podemos afirmar
que: 16.715
[>16.715] 0.001
<
2
0 , 1,,3,4
A) 1. H0:
2. se calculan las medias:
Sistemas de
Promedio
administración de archivos
A1
A2 379.25
A3 405
A4 396.25
383.5
3. 0. 0 5
, k=4, f= 9
R2=r0 .05 (2, 9) =3.20
R3=r0 .05 (3, 9)
=3.34 R4=r0 .05 (4,
9) = 3.41
Se calculan los rangos mínimos significativos:
∗
3.3333
3
3.33
2 3.0∗ 3.3310.66
Las muestras adyacentes se tienen:
3.34∗3.3311.1
3.41∗ 3.3311.36
Se realiza una comparación entre las medias y los rangos mínimos:
medias comparación de rangos de Duncan
4y3 8.75 < 11.36 nosignificativa
4y2 21.50 > 11.36 significativa
4y1 25.75 > 11.36 significativa
3y2 12.75 > 11.12 significativa
3y1 17.00 > 11.12 significativa
no
2y1
4.25 < 10.36 significativa
Podemos afirmar
que: 16.715
[>16.715] 0.001
<
2
a) 1. H0: 0 , 1,,3,4
2. se calculan las medias y se proceden a ordenar de menor a mayor:
Sistemas de
administración Promedio
de archivos
A1 379.25
A2 383.5
A3 396.25
A4 405
3. 0. 0 5
, k=4, f= 9
R2=r0 .05 (2, 9) =3.20
R3=r0 .05 (3, 9)
=3.34 R4=r0 .05 (4,
9) = 3.41
Se calculan los rangos mínimos significativos:
∗
3.3333
3
3.33
2 3.0∗ 3.3310.66
Las muestras adyacentes se tienen:
3.34∗3.3311.1
3.41∗ 3.3311.36
Se realiza una comparación entre las medias y los rangos mínimos:
medias comparación de rangos de Duncan
4y3 no
8.75 < 11.36 significativa
4y2 21.50 > 11.36 significativa
4y1 25.75 > 11.36 significativa
3y2 12.75 > 11.12 significativa
3y1 17.00 > 11.12 significativa
no
2y1
4.25 < 10.36significativa
Podemos afirmar
que: 16.715
[>16.715] 0.001
<
2
b) 1. H0: 0 , 1,,3,4
2. se calculan las medias:
Operadores ´Promedio
O1 389.5
O2 O3 O4 390.5
391.75
392.25
3. 0. 0 5
, k=4, f= 9
R2=r0 .05 (2, 9) =3.20
R3=r0 .05 (3, 9)
=3.34 R4=r0 .05 (4,
9) = 3.41
Se calculan los rangos mínimos significativos:
∗
3 3.3333
3.33
2 3.0∗ 3.3310.66
Las muestras adyacentes se tienen:
3.34∗3.3311.1
3.41∗ 3.3311.36
Se realiza una comparación entre las medias y los rangos mínimos:
medias comparación de rangos de Duncan
4y3 no
0.50 < 11.36 significativa
no
4y2 1.75 < 11.36 significativa
no
4y1 2.75 < 11.36 significativa
no
3y2 1.25 < 11.12 significativa
no
3y1 2.25 < 11.12 significativa
2y1 no
1.00 < 10.36 significativa
Podemos afirmar
que: 0.185
[ >0.185] 0.904
2
c) El más adecuado sería el sistema A4.
25. La empresa de “Torneados metálicos” diseño un experimento de dos
factores con tres replicas para determinar si existen diferencias
significativas en la cantidad de piezas producidas debido a las
máquinas y debido a los operarios. Se emplearon dos operarios y
cada uno de ellos utilizo cada una de las tres máquinas para
procesar el producto en tres periodos iguales de tiempo.
Los valores promedios de las cantidades de piezas producidas para cada
combinación de los niveles de los factores se dan en la tabla que sigue:
MAQUINAS
OPERARIOS
M1 M2 M3
O1 102.33 130.00 114.33
O2 114.00 142.67 126.67
3190.000
Interacción de Medias
160
140
120
100
80
60
40
20
0
M1 M2 M3
MAQUINAS
O1 O2
..
describiremos los siguientes datos:
.#.
̂
#
#
#
#
Previo a pasar al desarrollo realizaremos la prueba de hipótesis
H0= No hay interacción entre los operarios con sus
respectivas máquinas.
H1= Existe interacción entre los operarios con sus respectivas
máquinas.
N= 18
n= 3
ni= 9
n j= 6
y..= 121,667
Donde:
N= # de datos * # de
réplicas n= # de réplicas
ni= # de réplicas * # de filas
n j=# de réplicas * # de columnas
̂
̂ .
Promedio de O2 127,78
.
Promedio de M2 Promedio de M3136,335
120,5
.3
La tabla ANOVA cuenta con todas las sumas de cuadrados menos
14.67
La tabla ANOVA quedaría de la siguiente manera:
Fuente de Sumas de Grados de Medias Estadísticas
variabilidad cuadrados Libertad cuadráticas F
Maquinas 2392,33 2 1196,165 115,1340
Operario 672,22 1 672,22 64,7029
Interacción 0,778 2 0,389 0,0374
Error 124,67 12 10,3893
Total 3190 17
FcriticoF,,
Máquinas 3.89
Operario 4.75
Interacción 3.89
,3,
3,23
Los rangos mínimos y significativos:
∗ 6
R2= 4,0529
R3= 4,2503
2
Para p=3
>2 4,0,59
15,835
12,335
Para p=2
>2 4,0,59
Entonces concluimos en
que:
< <2
Completamos la información con el siguiente cuadro:
1 2 3
PROMEDIOM1
26. Para seleccionar la mejor semilla de maíz y el mejor fertilizante la
empresa “AGROSA” diseñó un experimento de dos factores con cuatro
réplicas en terrenos de igual fertilidad. El terreno se dividió en 24 pares
iguales. Cada combinación de tipo de semilla y tipo de fertilizante se
asignaron a cuatro pares iguales. Los rendimientos obtenidos en
kilogramos se dan en la tabla siguiente:
Semilla de Maíz
8 7 3 3 4
Fertilizante
A1 A2 A3
B1 5 3
3 0 35 3 5 3 6 3
13
B2
3 403 349 3460 53 8
09
a) Realice una gráfica de medias y el análisis descriptivo de interacción.
b) ¿es significativa la interacción observada entre los tipos de maíz y
tipos de fertilizante? Utilice el método de la probabilidad P.
c)¿Se debería seguir analizando el efecto de los dos factores?
SOLUCIÓN
a) gráfica de medias y el análisis descriptivo de interacción
A1 A2 A3
Fertilizante Semilla d e M aíz
1×2 349,833333
∙∙∙2 30960,1667
1
2
100,3333
×∙∙
=
1 2,6667
× 2
∙∙
=
Lo mismo hacemos con la Interacción:
2
2
∙ 176,3333
++
=
=
Para el error tenemos que la SSE es igual a:
+ 70,5
FcriticoF,,
FS. Maíz 3.55
Ffertilizante 4.41
Finteracción 3.55
Ahora ya podemos realizar el contraste de hipótesis:
S. MAIZ Como: Fmaiz>Fcrítico, entonces: Rechazamos Ho
FERTILIZANTE Como: Ffertilizante<Fcrítico, entonces: Aceptamos Ho
INTERACCIONComo: Fmaiz>Fcrítico, entonces: Rechazamos Ho
c)
Ya no sería necesario realizar un análisis de rango para la
comprobación del contraste de hipótesis, ya que tanto gráfica como
analíticamente se ha comprobado la validez de la hipótesis.
27. El grupo de mercados ¨P&C¨ quiere saber el efecto que la
publicidad y la promoción pueden ejercer sobre la venta de uno de
sus productos de consumo popular. Las ventas en miles de dólares
durante un mes, de 16 mercados escogidos al azar en un
experimento diseñado en dos factores con cuatro replicas se dan en
la tabla que sigue:
publicidad
Promoción Con propaganda Sin propaganda
SOLUCIÓN
a) Grafico:
Gráfica de medidas
120
100con propagandasin propaganda 80
60
40
20
0
012345
6
El grafico podemos observar que no existe una intersección
entre las líneas por lo tanto concluimos no hay indicios de
interacción
117.49
1938.01
80803
990.801
Interacción entre promoción y publicidad:
: , 0
: ∃ ,, , 0
Efecto alguno de los factores sobre las ventas:
∗ 3.047
:8.7077
Análisis de los mejores modos de venta.
136.905
28. Con el fin de estudiar los efectos de tipo de carga y de las
empresas que las transportan sobre el tiempo de reparto terrestre
de cargas, la distribuidora ¨DOCASA¨ diseño un modelo de análisis
de varianza de dos
vías con réplicas. Cada una de las tres empresas terrestres: , 2
transporto una misma distancia cada uno de los tipos de carga ,
,
, repitiéndose el experimento tres veces. Se ,
2registraron los siguientes tiempos en minutos.
2
140 130
145
135
135
128
132
125
2
TRANSPORTE 136 126
134 124
90 83
92 82
88 84
a) Grafico:
Gráfica de medidas
tipo de carga A1 tipo de carga A2
160
140
120
100
80
60
40
20
0
0 1 2 3 4 5 6 7 8
8984.5
364.5
7
9
Interacción entre promoción y publicidad:
,
:∃:,, ,0 0
Efecto alguno de los factores sobre las ventas:
∗ 0.75
Análisis de los mejores modos de venta.
: 0
711.58
29.
60.75
La empresa "BATERIAS" estudia el diseño de una batería que
no sea sensible a la temperatura ambiente. Para esto aprueba 3
materias distintas A1, A2, A3, bajo tres niveles de temperatura
ambiente B1=Baja, B2=Media, B3=Alta, aplicando un diseño de
experimento de clasificación de dos factores con 6 réplicas. La
duración de las baterías, en niveles de horas, se da en la tabla
adjunta:
SCA=0.096
SCB=1.379
SCI=0.226
SCE=1.367
SCT=3.068
G. L=2,2,4,45,53
ANÁLISIS DE VARIANZA
Origen de las Suma de cuadrados Grados de libertad Promedio los cuadrados F Probabilidad Valor crítico para
variaciones de F
Materiales 1.379259259 2 0.68962963 22.70731707 1.52023E-07 3.204317292
Niveles de temperatura 0.095925926 2 0.047962963 1.579268293 0.21733653 3.204317292
Interacción 0.226296296 4 0.056574074 1.862804878 0.133552632 2.578739184
Dentro d el g rupo 1.366666667 45 0.03037037
Total 3.068148148 53
c)
Interacción:
0 ; 1,,3 1,,3
: 0 ; 1,,3
1,,3
∗ 1.863
;0.134
No hay interacción muestral entre los factores: Materiales y temperatura.
d)
MATERIALES (A):
: 0 ;
1.579
0.17
Se acepta Ho
30. Con el fin de estudiar los efectos de tipo de carga y los efectos
que puedan ocasionar las empresas que la transportan sobre el
tiempo de reparto terrestre de cargas se diseñó un modelo de
análisis de varianza con los tipo de cargas A1=Liquido ,A2= sólido y
tres empresas de transporte terrestre B1,B2,B3,.Cada empresa
transporto una misma distancia cada tipo de carga repitiéndose el
experimento tres veces .Se registraron los tiempos en minutos y se
procesaron obteniendo las siguientes estadísticas:
NÚMERO TIPO DE CARGA TRANSPORTE DATOS
DE
MEDIAS
A1 B1 3 140
A1 B2 3 135
A1 B3 3 90
A2 B1 3 130
A2 B2 3 125
A2 B3 3 83
Desviación estándar de la variable dependiente= 22.9891279
SOLUCIÓN
a) Tabla
ANOVA
F.DE SUMAS MEDIAS ESTADISTICA
VARIABILIDAD CUADRADOS G.L CUADRATICAS F
TIPO
364.5 1 364.5 60.75
DE CARGA
TRANSPORTE 8539 2 4269.5 711.5833333
INTERACCION 9 2 4.5 0.75
ERROR 72 12 6
TOTAL 8984.5 17
b)
HIPOTESIS
Se contrasta la hipótesis nula
Estadística y región
critica:
F=MCAB/MCE= 0.75
RC= {F (2,12)>3.89}
∗
Decisión:
Dado =0.75<3.8 no deberíamos rechazar Ho al nivel de significación
que
9
α=0.05. Esto es la interacción observada no es significativa.
Tabla
ANOVA
Fuente De Suma De Grados De Medias Estadística
Variabilidad Cuadrados Libertad Cuadráticas F
Materia prima 22.427
Maquinas 49.480
Interacción
Error 2.580
total
Hipótesis
Se contrasta la hipótesis nula
HO: (ab)y =0 (no existe interacción), para i=1,2,3, j=1,2,3
Contra:
H1: (ab)y 0 para algún i j(si existe interacción)
Estadística y región crítica
~
F=MCAB/MCE F(2.28); RC={(F0.95(2.28)< 3.76}
Decisión:
RESUMEN 1 2 3 Total
A
Cuenta 4 4 4 12
Suma 36.4 45.2 29.6 111.2
Promedio 9.1 11.3 7.4 9.27
Varianza 0.54 2.22 0.82 3.76
B
Cuenta 4 4 4 12
Suma 28.4 36 23.6 88
Promedio 7.1 9 5.9 7.33
Varianza 0.98 0.69 1.85 2.74
Total
Cuenta 8 8 8
Suma 64.8 81.2 53.2
Promedio 8.1 10.15 6.65
Varianza 1.79 2.76 1.79
ANÁLISIS DE VARIANZA
O. De las S.
variaciones Cuadrados Gl P.cuadrados F Probabilidad Valor F
Muestra 22.43 1.00 22.43 18.95 0.00 4.41
Columnas 49.5 2.0 24.7 20.9 0.0 3.6
Interacción 0.7 2.0 0.3 0.3 0.8 3.6
Dentro del grupo 21.3 18.00 1.18
Total 93.86 23
De la tabla N° 2 se obtiene que:
µ3< µ1< µ2
Entonces la máquina que produce menos defectos es la
maquina número 3.
34. La empresa R&G realiza una investigación para determinar si
el rendimiento de sus empleados está influenciado por el nivel
capacitación y el turno de trabajo. Para realizar este estudio, se
diseñó un experimento de dos factores: el factor A: capacitación del
personal con tres niveles,
A1= Buena, A2= Regular, A3= Ninguna, y el factor B: turno de trabajo
con tres niveles, B1= Mañana, B2=Tarde, B3= Noche. En cada
combinación de los niveles de capacitación y de turno, se midieron
el rendimiento de cuatro trabajadores. En la medición de los
rendimientos se utilizó un procedimiento cuyos resultados son
tiempos en minutos, indicando que a menor tiempo mayor rendimiento.
Los tiempos de rendimiento observados se dan en la tabla:
A=Capacitación
B=Turnos
A1 A2 A3
4 5 8 6 6 7
B1 5 6 5 6 7 6
6 7 7 5 8 7
B2 4 6 6 8 7 6
6 5 6 7 8 6
B3 5 6 6 6 7 7
Estadísticas descriptivas:
B2
Cuenta 2.00 2.00 2.00 2.00 2.00 2.00 12.00
Suma 10.00 13.00 13.00 13.00 15.00 13.00 77.00
Promedio 5.00 6.50 6.50 6.50 7.50 6.50 6.42
Varianza 2.00 0.50 0.50 4.50 0.50 0.50 1.36
B3
Cuenta 2 2 2 2 2 2 12
Suma 11 11 12 13 15 13 75
Promedio 5.5 5.5 6 6.5 7.5 6.5 6.25
Varianza 0.5 0.5 0 0.5 0.5 0.5 0.75
Total
Cuenta 6.00 6.00 6.00 6.00 6.00 6.00
Suma 30.00 35.00 38.00 38.00 43.00 39.00
Promedio 5.00 5.83 6.33 6.33 7.17 6.50
Varianza 0.80 0.57 1.07 1.07 0.57 0.30
ANALISIS DESCRIPTIVO DE LA INTERACCÍON
25
20
15
10
0
1 2 3