UNIVERSIDAD POLITECNICA DE PENJAMO.

Materia:

DISEÑO DE EXPERIMENTOS

Nombre del Maestro(a):

DAVID PAZ CABRERA.

Nombre del Alumno:

FRANCISCO JAVIER CANO CHAVEZ.

Tema:

PROBLEMARIO

Fecha:

07/02/2018
1. Explique en qué consiste y cuándo se debe aplicar el diseño completamente al
azar con un solo criterio de clasificación.
R= Este diseño consiste en la asignación de los tratamientos en forma
completamente aleatoria a las unidades experimentales con un solo criterio
de clasificación y se usa cuando las unidades experimentales son
homogéneas y la variación entre ellas es muy pequeña.
2. Supongamos que se desea probar la igualdad entre sí de cinco medias. Una
alternativa para hacer esto sería comparar de dos en dos las medias, utilizando la
prueba T de Student y al final tomar una decisión. Explique por qué esto aumenta
el error tipo I.
R= Se tiene 5 medias por lo cual se pueden tener 10 posibles pares de medias,
y si la probabilidad de aceptar H0 para cada prueba individual es de 1-α= 0.95,
entonces la probabilidad de aceptar las diez H0 es de 0.9510=0.5987, lo cual
representa un aumento considerable del error tipo I. Aunque se utilice un nivel
de confianza tal que (1-α)10=0.95, el procedimiento resulta inapropiado porque
se pueden producir direcciones por parte del experimentador.
3. ¿Qué mide el cuadrado medio del error en el ANOVA de un experimento?
R= Es la suma de cuadrados divididos entre sus respectivos grados de
libertad.
4. ¿Qué son los grados de libertad para una suma de cuadrados en un análisis de
varianza?
R= Representan el número de piezas de información independientes en la
suma de cuadrados. En general, es el número de observaciones menos el
número de parámetros estimados en los datos.
5. A continuación se muestra parte del ANOVA para comparar cinco tratamientos
con cuatro réplicas cada uno.
a) Agregar en esta tabla los grados de libertad, el cuadrado medio y la razón F para
cada una de las fuentes de variación.

Fuente de Suma de G. de C. medio Razón F Valor-p

variación cuadrados libertad
Tratamientos 800 4 200 7.50 3.06
Error 400 15 26.66
Total 1200 19
b) Explique de manera esquemática cómo calcularía el valor-p o la significancia
observada, para ver si hay diferencia entre tratamientos.
R=Usando la prueba T de Student.
c) ¿Con la información disponible se pueden hacer conjeturas sobre si hay
diferencias significativas entre tratamientos? Argumente su respuesta.
R= Hay diferencia significativa porque la Fo es mucho mayor que la F de
tablas.
d) Anote el modelo estadístico y formule la hipótesis pertinente.
R= Modelo estadístico
Yij=+ Ti+Eij
Hipotesis
HA=i+ j para algún i diferente de j.
Tomando en cuenta que razón de F es mayor que la F de tablas
6. Se desea investigar el efecto del pH en el crecimiento de cierto microorganismo
en un medio específico. Para ello se realiza un experimento, teniendo como punto
de partida la misma cantidad de microorganismos. Se hacen cuatro repeticiones y
se obtienen los siguientes resultados. ¿Estos datos son evidencia suficiente para
afirmar que los niveles de pH donde se logra menor y mayor crecimiento son el 3 y
el 2, respectivamente? Explique su respuesta.

R= no se puede afirmar que el nivel de ph influya directamente en el

crecimiento promedio, se considera que hay más factores que intervienen,
además es necesario que nos proporcionen más datos por tratamiento para
tomar esa decisión. Debido a que sin datos no se puede sacar una variación
estándar y poder verificar.
7. Se desea investigar la influencia de la temperatura en el rendimiento de un
proceso químico, en particular interesa investigar un rango de temperatura entre 60
y 120°C. Se tienen recursos para realizar 20 corridas experimentales.
a) Los niveles de temperatura con los que se experimenta son: 60, 65, 70 y 120; se
hacen cinco repeticiones con cada nivel. ¿Considera que es adecuado el diseño
experimental usado? Argumente su respuesta, y de ser necesario proponga
alternativas.
R= No es adecuado el diseño experimental debido a que los niveles de
temperatura con los cuales se pretende experimental no están distribuidos
uniformemente en el rango establecido, se recomienda hacer un experimento
con 5 réplicas para los siguientes tratamientos: 60, 80,100 y 120.
b) El orden en que decidieron hacer las corridas experimentales para facilitar el
trabajo experimental fue: primero las cinco del nivel bajo de temperatura, luego las
cinco del siguiente y así hasta finalizar. ¿Es correcto lo que hicieron? Argumente su
respuesta.
R= No es correcto, las corridas experimentales deben ser aleatorias para que
el resultado de un tratamiento no influya en el inmediato siguiente (no violar
los supuestos del modelo)
c) Para hacer el análisis estadístico se comparan, mediante una prueba T de
Student, de dos en dos niveles de temperatura, y con base en esto obtuvieron
conclusiones. ¿Es adecuado tal análisis?, argumente, y en su caso proponga
alternativas.
R= No es adecuado, aumenta el error
8. Describa en qué consiste cada uno de los supuestos del modelo en un análisis
de varianza, y explique la forma típica en que estos supuestos se verifican.
NORMALIDAD: consiste en verificar que los residuos sigan una distribución
normal con media cero y se verifica graficando los residuos en una escala X-
Y de tal manera que si los residuos siguen una distribución normal al
graficarlos tienden a quedar alineados en una línea recta.
VARIANZA CONSTANTE: comprobar que los residuos de cada tratamiento
tienen la misma varianza, es verificado graficando los predichos contra los
residuos y si los puntos en esta grafica se distribuyen de manera aleatoria en
una banda horizontal (sin ningún patrón claro y contundente), entonces es
señal de que se cumple el supuesto de que los tratamientos tienen igual
varianza.
INDEPENDENCIA: probar que los residuos son independientes entre sí, se
verifica si se grafica el orden en que se colecto un dato contra el residuo
correspondiente, de esta manera si al graficar en el eje horizontal el tiempo
(orden de corrida) y en el eje vertical los residuos, se detecta una tendencia o
patrón no aleatorio claramente definido, esto es evidencia de que existe una
correlación entre errores y, por lo tanto el supuesto de independencia no se
cumple.
9. ¿Qué son y cuándo se aplican las pruebas para comparar medias?
Cuando se ha aceptado la hipótesis alterna, debemos comprobar de alguna
maera la diferencia que existe entre las medias de cada tratamiento, para lo
cual se usan los sig. Métodos:
*Método de diferencia mínima significativa (DMS). Es el método de
comparación múltiple posiblemente más utilizado, debido quizás a su fácil
manera de aplicar. Es usualmente usado para comparar una pareja de
medias de tratamientos, pero puede ser utilizado para comparaciones de
más de dos medias de tratamientos.

*LSD. Es la diferencia entre dos medias, basadas en la prueba t de Student,

empleando el valor de la varianza del error
*Metodo Tukey. Este método consiste en, sise rechaza la hipótesis nula
básica de igualdd de todas las medidas, llevar a cabo todos los test posibles
para comparar todas las parejas de medias entre si. Se trata, por tanto, de
realizar los contrastes de todos los test.

*Metodo de Duncan. Se utiliza para comparar todos los pares de medias.

Esta prueba no requiere de una prueba previa de F, como sucede con la DMS
o sea que aún sin ser significativa la prueba F puede llevarse a cabo.

*Metodo Dunnet (Control). procedimiento que requiere una simple diferencia

para juzgar la significancia de las diferencias observadas y tablas para
efectuar este tipo de comparaciones.

10. En una industria química se prueban diferentes mezclas para ver si difieren en
cuanto al peso molecular final. Se prueban cuatro diferentes mezclas, con cinco
repeticiones cada una. A continuación se muestra una parte de la tabla del análisis
de varianza y los promedios obtenidos para cada mezcla.

a) ¿Las mezclas difieren de manera significativa en cuanto a su peso molecular?

Si existe hay una diferencia significativa entre el peso molecular.

b) Con el análisis de varianza y de acuerdo al promedio, ¿se puede asegurar que

con la mezcla B se logra un menor peso molecular? Argumente su respuesta.
No, debemos de saber que ocurrió en cada uno de los tratamientos y sus
repeticiones.

c) Si al verificar los supuestos de varianza constante (igual varianza entre las

mezclas), éstos no se cumplen, ¿qué significa eso? ¿Se puede seguir apoyando la
conclusión del inciso a)?
Si, pues desde un principio se dijo que existía una diferencia grande entre
cada tratamiento, esto debido a una diferencia notable de las varianzas.

11. 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.

a) Formule la hipótesis adecuada y el modelo estadístico.

Ho: Las medias de los tres tratamientos son estadísticamente iguales.
Ha: No todas las medias de los tres tratamientos son estadísticamente iguales
(dos son diferentes)

b) ¿Existe diferencia entre la efectividad promedio de los productos en spray?

Análisis de Varianza
 Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Factor 2 296.3 148.17 2.79 0.093
Error 15 795.7 53.04
Total 17 1092.0

No hay diferencia entre la efectividad promedio de los productos en spray

porque el valor de p= 0.093 no es menor que el valor de a=0.05.

c) ¿Hay algún spray mejor? Argumente su respuesta.

No se puede afirmar que hay algún spray mejor que los otros porque las 3
medias de los tratamientos son estadísticamente iguales.

d) Dé un intervalo al 95% de confianza para la efectividad promedio (porcentaje) de

cada una de las marcas.

Medias
Factor N Media Desv.Est. IC de 95%
M1 6 69.00 5.10 (62.66, 75.34)
M2 6 59.17 8.18 (52.83, 65.50)
M3 6 62.83 8.13 (56.50, 69.17)
Desv.Est. agrupada = 7.28316

Según los resultados la efectividad promedio es de 69.00 para el spray M1,

59.17 para el spray M2 y 62.83 para el spray M3.

e) Dibuje las gráficas de medias y los diagramas de caja simultáneos, después

interprételos.
 Gráfica de caja de M1, M2, ...
75

70

65
Datos

60

55

50

M1 M2 M3

Aquí se representa las distribuciones de los 3 sprays mostrando que en la

marca de spray 2 existe más variabilidad en sus datos que en las otras marcas.

f ) Verifique los supuestos de normalidad y de igual varianza entre las marcas.

En la primera gráfica de probabilidad los residuos tienden a ajustarse a la línea

recta por lo que se puede decir que las observaciones son de poblaciones
normales y se cumple con el supuesto de normalidad.
Las otras dos gráficas no tienen patrones anormales por lo que las muestras
son aleatorias e independientes y se cumple el supuesto de normalidad de
que los tratamientos tienen igual varianza.
12. En un centro de investigación se realiza un estudio para comparar varios
tratamientos que, al aplicarse previamente a los frijoles crudos, reducen su tiempo
de cocción. Estos tratamientos son a base de bicarbonato de sodio (NaHCO3) y
cloruro de sodio o sal común (NaCl). El primer tratamiento es el de control, que
consiste en no aplicar ningún tratamiento. El tratamiento T2 es el remojo en agua
con bicarbonato de sodio, el T3 es remojar en agua con sal común y el T4 es remojar
en agua con una combinación de ambos ingredientes en proporciones iguales. La
variable de respuesta es el tiempo de cocción en minutos. Los datos se muestran
en la siguiente tabla:

a) ¿De qué manera el experimentador debe aleatorizar los experimentos y el

material experimental?
De manera aleatoria ya que esto permitirá repartir equivalentemente los
posibles efectos ambientales y temporales entre los tratamientos.

b) Dé ejemplos de factores que deben estar fijos durante las pruebas

experimentales, para que no afecten los resultados y las conclusiones.
La temperatura, la olla, marca, cantidad de frijoles y la cantidad de agua.
c) Formule y pruebe la hipótesis de que las medias de los tratamientos son
iguales.
Ho: Todas las medias son iguales
Ha: No todas las medias son iguales
d) Obtenga el diagrama de caja y el gráfico de medias, después interprételos.
 Gráfica de caja de T2, T3, ...

90

80
Datos

70

60

50
T2 T3 T4

En esta gráfica en T3 hay más variabilidad que en los demás métodos.

Gráfica de intervalos de T2, T3, ...
95% IC para la media
90

85

80

75
Datos

70

65

60

T2 T3 T4

La desviación estándar agrupada se utilizó para calcular los intervalos.

En este gráfico se puede obsevar que T3 es diferente a los otros dos

tratamientos y T2 y T4 son iguales.

e) ¿Hay algún tratamiento mejor? ¿Cuál es el tiempo de cocción esperado para

el mejor tratamiento?
El tratamiento 3 tiene tiempo de cocción diferente a T2 y T4 que son iguales
entre ellos. Este tiene el menor promedio de tiempo por lo que sería el mejor
tratamiento ya que su tiempo de cocción esperado es de 61.429 minutos.
f) Algo importante a cuidar en un experimento es que no haya efectos
colaterales no deseados, causados por el tratamiento ganador; en este caso,
piense en los posibles efectos colaterales que podría causar el mejor
tratamiento.
R=Que los frijoles no se cocinen correctamente o que varié el sabor.
 g) ¿Se cumplen los supuestos del modelo? Verifique gráficamente.

h) Pruebe la hipótesis de igualdad de varianzas entre tratamientos (que

corresponde a un supuesto).
Ho: S2= S3= S4
Ha: S2≠ S3 ≠ S4
Se acepta la hipótesis nula porque el valor de p= 0.978 y es mayor al nivel
de significancia.
13. Para estudiar la confiabilidad de ciertos tableros electrónicos para carros, se
someten a un envejecimiento acelerado durante 100 horas a determinada
temperatura, y como variable de interés se mide la intensidad de corriente que
circula entre dos puntos, cuyos valores aumentan con el deterioro. Se probaron 20
módulos repartidos de manera equitativamente en cinco temperaturas y los
resultados obtenidos fueron los siguientes:

a) Formule la hipótesis y el modelo estadístico para el problema.

Ho: Todas las medias son iguales
Ha: No todas las medias son iguales, al menos dos son diferentes.
Modelo estadístico:
𝒀𝒊𝒋=𝝁 + 𝑻𝒊 + 𝜺𝒊𝒋 i: 1,2,3,4 y 5; j: 1….20
𝒀𝒊𝒋 Representa la intensidad de la corriente de la repetición j del tratamiento
i, µ la media poblacional del valor de las intensidades, Ti el efecto del
tratamiento en temperaturas y 𝜺𝒊𝒋 el error respecto a la observación.

b) Realice el análisis de varianza para estos datos, a fin de estudiar si la

temperatura afecta la intensidad de corriente promedio.

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Factor 4 3411.8 852.95 68.05 0.000
Error 15 188.0 12.53
Total 19 3599.8

F0= 68.05 ˃ F0.05= 3.05, se rechaza la Hipótesis nula, lo que significa que hay
diferencia significativa entre las intensidades.
c) ¿La temperatura afecta la variabilidad de las intensidades? Es decir, verifique
si hay igual varianza entre los diferentes tratamientos.

Gráfica de intervalos de T1, T2, ...

95% IC para la media
La temperatura si afecta en la 60

variabilidad de las intensidades

50
de corriente ya que a medida
que aumenta la temperatura los 40
valores de las intensidades
Datos

también varían en aumento. 30

20

10
T1 T2 T3 T4 T5

La desviación estándar agrupada se utilizó para calcular los intervalos.

14. En una empresa de manufactura se propone un tratamiento para reducir el
porcentaje de productos defectuosos. Para validar esta propuesta se diseñó un
experimento en el que se producía con o sin la propuesta de mejora. Cada corrida
experimental consistió en producir un lote y la variable de respuesta es el porcentaje
de producto defectuoso. Se hicieron 25 réplicas para cada tratamiento. Los datos
obtenidos se muestran a continuación:

a) ¿Las diferencias son significativas estadísticamente?

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Factor 3 505.1 168.375 28.87 0.000
Error 46 268.3 5.833
Total 49 773.4

Debido a que el valor de p es menor que el valor de α=0.05 si hay diferencias

estadísticamente significativas entre la media de productos defectuosos para
los niveles de la prueba con y sin tratamientos con un nivel de confianza del
95%.
b) ¿Cuál es el porcentaje de defectos que se espera con el nuevo tratamiento?
El promedio de productos actual que es de 9.272 se disminuya en un 3.16 para
que así exista un total de 6.216 piezas defectuosas.
c) Cuantifique el nivel de reducción que se logró con el tratamiento propuesto.
La reducción que se logró con el tratamiento propuesto es de 3.16 piezas
defectuosas por cada 25 piezas.
15. Una compañía farmacéutica desea evaluar el efecto que tiene la cantidad de
almidón en la dureza de las tabletas. Se decidió producir lotes con una cantidad
determinada de almidón, y que las cantidades de almidón a aprobar fueran 2%, 5%
y 10%. La variable de respuesta sería el promedio de la dureza de 20 tabletas de
cada lote. Se hicieron 4 réplicas por tratamiento y se obtuvieron los siguientes
resultados:
a) ¿Hay evidencia suficiente de que el almidón influye en la dureza en las tabletas?

Halle el ANOVA.
Se indican los cálculos manuales:
2% 5% 10% Suma de
cuadrados:
4.3 6.5 9 548.88
5.2 7.3 7.8
4.8 6.9 8.5
4.5 6.1 8.1
YL= 18.8 26.8 26.8 Y…= 79
Ni= 4 4 4 N= 12
Yi. Media= 4.7 6.7 8.35 y. Media= 6.58
Ti= -1.88 0.12 1.77

Obteniendo un:
ANOVA unidireccional: 2%,5%,10%
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Factor 2 26.727 13.3633 58.10 0.000
Error 9 2.070 0.2300
Total 11 28.797

S= 0.4796 R-cuad.=92.81% R-cuad.(ajustado)= 91.21%

Ho:1=2=…=t
H1: Al menos dos son distintos.

Dado el criterio de rechazo con =0.05 si 58.10>F(0.05,2,9) se rechaza la Ho

58>4.256
Se cumple, por lo tanto se rechaza la hipótesis nula, indicando que para
cada tratamiento con porcentaje de almidón si influye en la dureza de las
tabletas.
b) Realice los análisis complementarios necesarios.
El diagrama de cajas se ilustra de la siguiente manera:

Gráfica de caja de 2, 5, ...

9

Se observa que las cajas no

8
se traslapan, otra muestra
7 visual de que el algodón
Datos

influye considerablemente en
6 la dureza de las tabletas, con
10% de algodón se obtiene
5
mucha mas dureza.
4
2 5 10

Comparación de Media con Media:

Haciendo las comparaciones de media se evidencia que todas son
significativamente diferentes.
TUKEY Y LSD
1 2 3 Ta= q a(k, N-k) √𝑪𝑴𝒆/𝒏𝒊
1 2 3 T0.05=q 0.05(3,9) √0.23/4
4.7 6.7 8.35 3.95√0.0575 = 𝟎. 𝟗𝟒𝟕𝟏

LSD= toc/2, N-k √𝟐𝑪𝑴𝒆/𝒏

LSD= 2.26√2(0.23)/4

LDS= 0.76

Tukey
1-2 3>0.9471 Significativo
1-3 3.65>0.9471 Significativo
 2-3 1.65>0.9471 Significativo LSD
1-2 2>0.76 Significativo
1-3 3.65>0.76 Significativo
2-3 1.65>0.76 Significativo

c) Si se desea maximizar la dureza de las tabletas, ¿qué recomendaría al

fabricante?
Si el objetivo es maximizar la dureza en las tablas se recomienda ampliamente
aumentar el porcentaje de almidón en el proceso de fabricación de las tablas.
d) Verifique los supuestos.
Se verificaran los supuestos de
 Normalidad
 Varianza constante
 Independencia

En la gráfica de probabilidad normal, los residuos tienen a ajustarse a la línea

recta, se deduce que: las observaciones proceden de poblaciones normales.
Se cumple el supuesto de normalidad visualmente.
Las otras graficas no presentan patrones anormales tales como forma de
embudo o corneta por lo tanto las muestras son aleatorias e independientes.
Se cumple el supuesto de que los tratamientos tienen igual varianza e
independencia.

16. Los datos que se presentan enseguida son rendimientos en toneladas por
hectárea de un pasto con tres niveles de fertilización nitrogenada. El diseño fue
completamente aleatorizado, con cinco repeticiones por tratamiento.

a) ¿Las diferencias muéstrales hacen obvia la presencia de diferencias

poblacionales?
R= Si
b) Obtenga el análisis de varianza e interprételo.

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Factor 2 788.341 394.170 10131.62 0.000
Error 12 0.467 0.039
Total 14 788.808
Resumen del modelo
S=0.197243 R-cuad.=99.94% R-cuad.(ajustado)=99.93% R-cuad.(pred) =99.91%

c) Analice los residuos, ¿hay algún problema?

R= La F exp está muy lejos del valor de F critico

17. Un químico del departamento de desarrollo de un laboratorio farmacéutico

desea conocer cómo influye el tipo de aglutinante utilizado en tabletas de ampicilina
de 500 mg en el porcentaje de friabilidad; para ello, se eligen los siguientes
aglutinantes: polivinilpirrolidona (PVP), carboximetilcelulosa sódica (CMC) y
grenetina (Gre). Los resultados del diseño experimental son los siguientes.

a) Especifique el nombre del diseño experimental.

R= ANOVA
b) ¿Sospecha que hay algún efecto significativo del tipo de aglutinante sobre la
variable de respuesta?
R= Si

c) Escriba las hipótesis para probar la igualdad de medias y el modelo

estadístico.
R= Ho: Todos los aglutinadores tienen una friabilidad igual.
Ha: Al menos un aglutinador es tiene friabilidad diferente.

d) Realice el análisis adecuado para probar las hipótesis e interprete los

resultados.
Intervalos de confianza
0.2348-0.248= -0.132 0.2348-0.248= 0.4828
9.57-0.248=9.32 9.57-0.248= 9.81
0.293-0.248=0.045 0.293-0.248= 0.54

e) Revise los supuestos, ¿hay algún problema?

R= No

18. Se cultivaron cuatro diferentes clonas de agave tequilana bajo un mismo

esquema de manejo. Se quiere saber qué clona es la que responde mejor a dicho
manejo, evaluando el nivel de respuesta con el porcentaje de azúcares reductores
totales en base húmeda. Los datos se muestran a continuación:

a) Mediante ANOVA, compare las medias de las clonas y verifique residuales.

ANOVA unidireccional: % AZUCAR REDUC vs CLONA
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Factor 3 213.63 71.209 12.53 0.000
Error 16 90.93 5.683
Total 19 304.55

S= 2,384 R-duad.=70,14% R-cuad.(a justado)= 64,55%

Ho: 1= 2=…= k

HA: i  j para algún i  j
Rechazamos Ho si: F0> Fk-1, N-k entonces, 12.53> 3.24
Como esta condición se cumple, procedemos a rechazar la Ho. Otra forma de
rechazarla es que, el valor-p< es decir, 0.000<0.05 de esta manera también
decimos que rechazamos la H0 sobre igualdad de medias en los tratamientos.

Gráfica de caja de 1, 2, ...

17.5

15.0

12.5
Datos

10.0

7.5

5.0

1 2 3 4

Para probar cuales medias son diferentes, haremos comparaciones entre los
6 pares de medias con los siguientes métodos:
 Tukey
T=q (4,16) √5.68/5 = 4.316

DIFERENCIA DIFERENCIA DECISION

POBLACIONAL MUESTRAL
(VALOR
ABSOLUTO)
 2-1 4.886>4.3164 Significativa
3-1 8.056>4.3164 Significativa
4-1 0.702<4.3164 No Significativa

3-2 3.170<4.3164 No Significativa

4-2 4.184<4.3164 No Significativa
4-3 7.354<4.3164 Significativa

 LSD (Fisher)

LSD= t0.025, 16 √2(5.68)/5= 3.1956

DIFERENCIA DIFERENCIA DECISION

POBLACIONAL MUESTRAL
(VALOR
ABSOLUTO)
2-1 4.886>3.1956 Significativa
3-1 8.056>3.1956 Significativa
4-1 0.702<3.1956 No Significativa

3-2 3.170<3.1956 No Significativa

4-2 4.184<3.1956 Significativa
4-3 7.354<3.1956 Significativa
RESIDUALES

b) ¿Hay una clona que haya respondido mejor al esquema de manejo?

Argumente su respuesta.
R= En el tercer tratamiento nos indica el promedio más alto y que indica la
mayor aportación de azucares reductores en base húmeda.
c) En caso de que exista un empate estadístico entre dos o más clonas, ¿Qué
propondría para desempatar?
R= Otro experimento con solo esos dos tipos de clonas pero considerando
más observaciones para checar cual es más efectiva.
19. Uno de los defectos que causan mayor desperdicio en la manufactura de discos
ópticos compactos son los llamados “cometas”. Típicamente, se trata de una
partícula que opone resistencia al fluido en la etapa de entintado. Se quiere
comprobar de manera experimental la efectividad de un tratamiento de limpieza de
partículas que está basado en fuerza centrípeta y aire ionizado. A 12 lotes de 50 CD
se les aplica el tratamiento y a otros 12 lotes no se les aplica; en cada caso se mide
el porcentaje de discos que presentan cometas, los resultados son los siguientes:

a) Con el ANOVA vea si es efectivo el tratamiento de limpieza. ¿Debería

implementarse?

b) ¿Es razonable suponer en el inciso que las varianzas son iguales?

c) ¿En qué porcentaje se reducen los discos con cometas?