LIBRO DE GUTIERRES

4.4 En seguida se muestra parte del ANOVA para un diseño en bloques, que tiene tres
tratamientos y cinco bloques con una sola repetición por tratamiento-bloque 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 variación S. de cuadrados GL C. medio Razon F Valor-p

Tratamiento 600 2 300 4,8 0,0074
Bloque 850 4 212,5 3,4 0,0662
Error 500 8 62,5
Total 1950 14

b) Interprete en forma práctica, para cada caso, lo que está estimando el cuadrado medio.
El cuadrado medio ayuda a estimar la variación entre las medias de las muestras
(tratamiento y bloques) y se utiliza para estimar los factores más significativos, pues
mientras mayor sea el cuadrado medio de un factor más significativo es el efecto de dicho
factor.
c) Escriba el modelo estadístico y las hipótesis pertinentes. Se trata de un diseño con un
solo factor y bloques, de tal manera las hipótesis son:
 Factor =Ho = µ1= µ2= µ3 Bloque
 Ho=γ1= γ2 = γ3 = γ4 = γ5
 Modelo estadístico Yij = µ + + + Donde Yij es la respuesta que corresponde al
tratamiento i al bloque j, µ es la media global; es el efecto debido al tratamiento i,
es el efecto del bloque y corresponde al error.
d) Apóyese en las tablas de la distribución F para aceptar o rechazar las hipótesis.
 Factor: De acuerdo a la tabla se obtiene con 2 grados de libertad para el numerador
y 8 para el denominador un valor F=4,46. Como F calculado es de 4,8 y 4,8> 4,46
se rechaza la Ho para el factor.
 Bloque: con 4 grados de libertad para numerador y 8 para denominador F=3,84.
Como F calculado es 3,4 y 3,4

4.5 Realice el problema anterior, pero ahora suponga que no se bloqueó. ¿Se hubiesen
obtenido las mismas conclusiones?
Como el bloque no tiene efecto, los resultados al no bloquear serían muy similares a los
anteriores, ya que el factor seguiría teniendo efecto sobre la variable respuesta y este efecto
sería aún más significativo.

4.9 A continuación se muestran los datos para un diseño en bloques al azar.

a) Complete las sumas totales que se piden en la tabla anterior.

b) Calcule las sumas de cuadrados correspondientes: SCTRAT, SCB, SCT y SCE.

SCTRAT= 25,1667
SCB=42,0
SCT= 72,6667
SCE=5,5.

c) Obtenga la tabla de análisis de varianza y anote las principales conclusiones.

Puesto que los dos valores-p son menores que 0,005 se rechazan las Ho tanto para el
tratamiento como para el bloque y se dice que 95% de confianza que el factor
tratamiento influye en la variable respuesta y que también el factor de bloque tiene
influencia sobre la variable de respuesta, y debe ser tomado en cuenta para mejorar
la calidad de ésta

d) Obtenga la diferencia mínima significativa (LSD) para comparar tratamientos en

este diseño en bloques.
 Se aplicó la prueba de rangos múltiples LSD y con un 95% de confianza se dice que
no existe diferencia estadísticamente significativa entre el tratamiento 1 y 3, pero si
entre los tratamientos 1 y 2 y 2 y 3.

4. 10. MODELO

Hipótesis
Para el tratamiento

Para el bloque

Análisis de Varianza para % m muertas - Suma de Cuadrados Tipo III

Fuente Suma de Gl Cuadrado Medio Razón-F Valor-P
Cuadrados
EFECTOS
PRINCIPALES
A:Marca 296,333 2 148,167 2,88 0,1028
B:Replica 281,333 5 56,2667 1,09 0,4207
RESIDUOS 514,333 10 51,4333
TOTAL (CORREGIDO) 1092,0 17
b) Como se evidencia los valores-p tanto para la marca de atomizadores como para las
réplicas, son mayores que 0,05 por lo que para los dos se acepta la hipótesis nula, así para
los atomizadores, no existe una diferencia significativa entre las medias.
c) como se mencionó no hay diferencia entre los atomizadores por lo que no existe
atomizador mejor un atomizador.
d) para los días tampoco se obtuvo diferencia entre los días en los cuales se realizó el
experimento.
e)
 Gráfico de Residuos para % m muertas

10

2
residuos

-2

-6

-10
50 55 60 65 70 75
predichos

Gráfico de Probabilidad Normal

99,9
n:18
99 Mediana:64,5
Sigma:8,88889
95
W:0,949446
P:0,4176
80
porcentaje

50

20

5
1

0,1
50 55 60 65 70 75
% m muertas
con estas graficas se comprueba los supuestos de varianza constante ya que se observa que
no hay una tendencia entre los valores, para la normalidad se observa que los puntos se
ajustan a una la recta representada, respectivamente.
d. Al eliminar los dos bloques si tiene que la fuente de variabilidad solo es debida al
tratamiento y al error, este es un diseño completamente al azar
Modelo

Hipótesis:

Tabla ANOVA para t de Rx por Catalizadores

Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
Entre grupos 141,44 4 35,36 10,85 0,0001
Intra grupos 65,2 20 3,26
Total (Corr.) 206,64 24
El valor-p obtenido fue menor de 0,05, por ello se rechaza la hipótesis nula.

19. Análisis de Varianza para Peso - Suma de Cuadrados Tipo III

Fuente Suma de Gl Cuadrado Medio Razón-F Valor-P
Cuadrados
EFECTOS PRINCIPALES
A:Provedores 10,8889 2 5,44444 49,00 0,0200
B:Inspectores 0,222222 2 0,111111 1,00 0,5000
C:Escala 32,8889 2 16,4444 148,00 0,0067
RESIDUOS 0,222222 2 0,111111
TOTAL (CORREGIDO) 44,2222 8

a) ¿hay diferencia entre los proveedores?

El valor-p obtenido para los proveedores fue de 0,0200 el cual es menor que 0.05, por lo
que se rechaza la hipótesis nula, ya que SI existe diferencia entre los 3 tipos de
proveedores.

b) ¿Hay diferencias entre los inspectores y entre las escalas?

Los valores-p obtenidos para los inspectores fue de 0,5 el cual es mayor que 0,05, por lo
que se acepta la hipótesis nula, es decir que no existe una diferencia significativa entre las
medias de los inspectores, con respecto al bloque escala, el valor-p fue de 0,0067, menor
que 0,05 por lo que se rechaza la hipótesis nula, ya que existe una diferencia significativa
entre las medias de la escala.

c) Si el peso debe ser 15 g, ¿cuál proveedor es mejor?

En este caso para elegir el mejor proveedor de 15 g se realizó la tabla de medias en donde
se puede evidenciar que la media del proveedor A que tiene un valor de 13,667 el cual está
más cercano a 15 a diferencia de los proveedores B y C
Tabla de Medias por Mínimos Cuadrados para Peso con intervalos de confianza del
95,0%
Error Límite Límite
Nivel Casos Media Est. Inferior Superio
r
MEDIA 9 12,4444
GLOBAL
Proveedores
A 3 13,6667 0,19245 12,8386 14,4947
B 3 12,6667 0,19245 11,8386 13,4947
C 3 11,0 0,19245 10,172 11,828
Inspectores
I 3 12,3333 0,19245 11,5053 13,1614
II 3 12,6667 0,19245 11,8386 13,4947
III 3 12,3333 0,19245 11,5053 13,1614
Escala
1 3 14,6667 0,19245 13,8386 15,4947
2 3 10,0 0,19245 9,17195 10,828
3 3 12,6667 0,19245 11,8386 13,4947

d) Si algún factor de bloque es no significativo, elimínelo y haga el análisis adecuado.

El factor de bloque inspector se concluyó que no era significativo y por ello se elimina así,
realizando nuevamente el análisis se obtiene
Análisis de Varianza para Peso - Suma de Cuadrados Tipo III
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
EFECTOS
PRINCIPALES
A:Proveedores 10,8889 2 5,44444 49,00 0,0015
B:Escala 32,8889 2 16,4444 148,00 0,0002
RESIDUOS 0,444444 4 0,111111
TOTAL 44,2222 8
(CORREGIDO)

En la tabla ANOVA se evidencia que tanto los proveedores como la escala tienen
significancia, es decir que hay diferencia entre sus respectivas medias. Así si nuevamente
se quiere elegir el mejor proveedor para un peso de 15 g se obtiene que el proveedor A
sigue siendo el mejor ya que tiene un valor de media más cercano a 15

Tabla de Medias por Mínimos Cuadrados para Peso con intervalos de confianza del
95,0%
Error Límite Límite
Nivel Casos Media Est. Inferior Superio
r
MEDIA 9 12,4444
GLOBAL
Proveedores
A 3 13,6667 0,19245 13,1323 14,201
B 3 12,6667 0,19245 12,1323 13,201
C 3 11,0 0,19245 10,4657 11,5343
Escala
1 3 14,6667 0,19245 14,1323 15,201
2 3 10,0 0,19245 9,46567 10,5343
3 3 12,6667 0,19245 12,1323 13,201

5.19 Modelo estadístico:

Hipótesis:
H0 : Efecto del molde (A) =0
HA: Efecto del molde (A)≠0
H0: Efecto del catalizador (B)=0
HA: Efecto del Catalizador (B)≠0
H0: Molde x Catalizador (AB)=0
HA: Molde x Catalizador (AB)≠0

b) Construya la tabla ANOVA y determine cuales efectos están activos

Análisis de Varianza para Hinchamiento - Suma de Cuadrados Tipo III
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
EFECTOS
PRINCIPALES
A:Modelo 180,267 1 180,267 111,12 0,0000
B:Catalizador 153,033 2 76,5167 47,17 0,0000
INTERACCIONES
AB 3,43333 2 1,71667 1,06 0,3542
RESIDUOS 87,6 54 1,62222
TOTAL (CORREGIDO) 424,333 59
Como se puede observar en la tabla ANOVA, el molde y el catalizador al tener un valor-p
de 0,0 tienen efecto principal en el Hinchamiento del catalizador, pues para estos se rechaza
la hipótesis nula, a diferencia de la interacción ya que para esta el valor-p fue de 0,35 y
entonces se acepta la hipótesis nula, ya que no existe diferencia significativa entre sus
respectivas medias.

c) Dibuje las gráficas de medias para los 2 efectos principales con los métodos LSD y de
Tukey. Compare los resultados de ambos métodos.
Medias y 95,0% de Fisher LSD Medias y 95,0% de Tukey HSD

93 93

92 92
Hinchamiento

Hinchamiento

91 91

90 90

89 89

88 88
A1 A2 A1 A2
Modelo Modelo

En las gráficas obtenidas no se evidencia que haya diferencia entre las pruebas de medias,
con las dos se concluye de que hay diferencia entre los dos modelos en el hinchamiento del
catalizador, y el que menor hinchamiento presenta es el modelo A2 ya que no se presenta
traslape, lo cual se comprobó también con las tablas de las 2 pruebas en donde los valores
obtenidos son exactamente los mismos.
Pruebas de Múltiple Rangos para Hinchamiento por Molde
Método: 95,0 porcentaje LSD
Modelo Casos Media Sigma Grupos
LS LS Homogéneos
A2 30 89,1 0,23253 X
8
A1 30 92,5667 0,23253 X Contraste Sig. Diferencia +/- Límites
8 A1 - A2 * 3,46667 0,659324

* indica una diferencia significativa.

Pruebas de Múltiple Rangos para Hinchamiento por Modelo

Método: 95,0 porcentaje Tukey HSD
Modelo Casos Media Sigma Grupos
LS LS Homogéneos
A2 30 89,1 0,23253 X Contrast Sig. Diferenci +/-
8 e a Límites
A1 30 92,5667 0,23253 X A1 - A2 * 3,46667 0,659324
8

* indica una diferencia significativa.

Para el Catalizador
Medias y 95,0% de Fisher LSD
Medias y 95,0% de Tukey HSD

94 94

93 93

92
Hinchamiento

92
Hinchamiento

91 91

90 90

89 89

88 88
B1 B2 B3 B1 B2 B3
Catalizador Catalizador

En las gráficas se observa de que en las dos pruebas de medias hay un traslape para los
catalizadores B1 Y B2, pero si se observa diferencia entre los pares de catalizadores B1-
B3 y B2-B3, en las tablas de las respectivas pruebas se puede observar que hay diferencia
entre los valores de los limites ya que en la prueba LSD los valores son mas estrechos y
por eso se observa en la grafica que el tamaño de los intervalos son mas cortos que los de la
prueba Tukey.

Pruebas de Múltiple Rangos para Hinchamiento por Catalizador

Método: 95,0 porcentaje LSD
Catalizad Cas Media Sigma Grupos Contraste Sig. Diferencia +/- Límites
or os LS LS B1 - B2 -0,75 0,807503
Homogéne B1 - B3 * -3,7 0,807503
os B2 - B3 * -2,95 0,807503
B1 20 89,35 0,284 X
8
 B2 20 90,1 0,284 X
8
B3 20 93,05 0,284 X
8

* indica una diferencia significativa.

Pruebas de Múltiple Rangos para Hinchamiento por Catalizador

Método: 95,0 porcentaje Tukey HSD
Cataliza Cas Media Sigma Grupos
dor os LS LS Homogéne Contrast Sig. Diferenci +/-
os e a Límites
B1 20 89,35 0,2848 X B1 - B2 -0,75 0,970754
B2 20 90,1 0,2848 X B1 - B3 * -3,7 0,970754
B3 20 93,05 0,2848 X B2 - B3 * -2,95 0,970754

* indica una diferencia significativa.

´d) Haga la gráfica de interacción con intervalos de confianza sobrepuestos
Interacciones y 95,0% Intervalos de Confianza
Interacciones y 95,0% Intervalos de Confianza

96 Molde
A1 96 Catalizador
A2 B1
94 B2
94 B3
Hinchamiento

Hinchamiento

92
92

90
90

88 88

86 86
B1 B2 B3 A1 A2
Catalizador Molde

e) Determine cuál es el mejor tratamiento. ¿cuál es el hinchamiento predicho en el mejor

tratamiento?
En el problema planteado no dice cuál debe ser la característica del mejor catalizador si a
mayor o menor hinchamiento, sin embargo se asume que este debe ser a menor
hinchamiento pues como se trata de un catalizador, entre menos se afecte sus
características, mejor debe ser, adoptando esta posición, se tiene que el mejor tratamiento es
El modelo A2 con el catalizador B1, ya que de esta manera se obtiene el menor valor de
hinchamiento, como se muestra en la siguiente tabla.
Tabla de Medias por Mínimos Cuadrados para Hinchamiento con intervalos de
confianza del 95,0%
Error Límite Límite
Nivel Casos Media Est. Inferior Superio
r
MEDIA GLOBAL 60 90,8333
Catalizador
B1 20 89,35 0,2848 88,779 89,921
 B2 20 90,1 0,2848 89,529 90,671
B3 20 93,05 0,2848 92,479 93,621
Molde
A1 30 92,5667 0,23253 92,1005 93,0329
8
A2 30 89,1 0,23253 88,6338 89,5662
8
Catalizador por
Molde
B1,A1 10 91,3 0,40276 90,4925 92,1075
8
B1,A2 10 87,4 0,40276 86,5925 88,2075
8
B2,A1 10 91,5 0,40276 90,6925 92,3075
8
B2,A2 10 88,7 0,40276 87,8925 89,5075
8
B3,A1 10 94,9 0,40276 94,0925 95,7075
8
B3,A2 10 91,2 0,40276 90,3925 92,0075
8

f) Verifique supuestos de normalidad varianza constante

Gráfico de Residuos para Hinchamiento
Gráfico de Probabilidad Normal

6
99,9
n:60
4 99 Mediana:-0,3
Sigma:0,962963
95
2 W:0,877824
P:0,0000
residuos

80
porcentaje

0
50

-2 20

5
-4
1
-6 0,1
87 89 91 93 95 97 -2,2 -0,2 1,8 3,8 5,8
predichos RESIDUOS

g) Utilice la gráfica de residuos contra factores para detectar posibles efectos sobre la
dispersión del hinchamiento.¿ en cuál molde parece que es menor la dispersión?
Gráfico de Residuos para Hinchamiento Gráfico de Residuos para Hinchamiento

6 6

4 4

2 2
residuos

residuos

0 0

-2 -2

-4 -4

-6 -6
A1 A2 B1 B2 B3
Modelo Catalizador

En el modelo A1 se observa la menor dispersión.

5-26) Modelo estadístico:

Hipótesis:
H0 : Efecto del factor A (A) =0
HA: Efecto del factor A (A)≠0
H0: Efecto del factor B (B)=0
HA: Efecto del factor B (B)≠0
H0: Factor A x Factor B (AB)=0
HA: Factor A x Factor B (AB)≠0
b) Análisis de Varianza para Respuesta Y - Suma de Cuadrados Tipo III
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
EFECTOS
PRINCIPALES
A:Factor A 21492,1 2 10746,0 271,67 0,0000
B:Factor B 230,296 2 115,148 2,91 0,0803
INTERACCIONES
AB 227,259 4 56,8148 1,44 0,2626
RESIDUOS 712,0 18 39,5556
TOTAL 22661,6 26
(CORREGIDO)
Todas las razones-F se basan en el cuadrado medio del error residual
Solo el factor A tiene efecto en la respuesta Y ya que sólo este tiene un valor-p de 0.0 y el
factor B y la interacción no tiene efecto por lo que para esto se acepta la hipótesis nula, ya
que no existe diferencia entre sus medias
c) efecto de interacción en la tabla ANOVA, se muestra que no sería significativo, lo cual
se puede observar también gráficamente en donde se evidencia que hay múltiples traslapes
Interacciones y 95,0% de Fisher LSD

95 Factor B
B1
B2
75 B3
Respuesta Y

55

35

15

-5
A1 A2 A3
Facto A

d) Verificación de supuestos
 Gráfico de Probabilidad Normal
Gráfico de Residuos para Respuesta Y

12 99,9
n:27
99 Mediana:-0,333333
8 Sigma:3,7037
95
W:0,959232
4 P:0,3806
80

porcentaje
residuos

0 50

20
-4
5
-8 1

-12 0,1
0 20 40 60 80 100 -11 -7 -3 1 5 9 13
predichos RESIDUOS

Se cumple los supuestos de varianza constante y de normalidad respectivamente como se

observa en las gráficas.
e) tratamiento mejor No se podría asegurar ya que según la tabla ANOVA no hay una
combinación significativa sin embargo al realizar la tabla de medias de observa que si lo
que se quiere es maximizar, se debería de usar la combinación de los factores A2 con B2
ya que así se obtiene mejores resultados
Tabla de Medias por Mínimos Cuadrados para Respuesta Y con intervalos de
confianza del 95,0%
Error Límite Límite
Nivel Casos Media Est. Inferior Superio
r
MEDIA 27 35,7037
GLOBAL
Facto A
A1 9 4,77778 2,09644 0,37331 9,18224
1
A2 9 73,0 2,09644 68,5955 77,4045
A3 9 29,3333 2,09644 24,9289 33,7378
Factor B
B1 9 38,7778 2,09644 34,3733 43,1822
B2 9 36,5556 2,09644 32,1511 40,96
B3 9 31,7778 2,09644 27,3733 36,1822
Facto A por
Factor B
A1,B1 3 10,0 3,63114 2,37124 17,6288
A1,B2 3 3,0 3,63114 -4,62876 10,6288
A1,B3 3 1,33333 3,63114 -6,29543 8,96209
A2,B1 3 70,6667 3,63114 63,0379 78,2954
A2,B2 3 78,0 3,63114 70,3712 85,6288
A2,B3 3 70,3333 3,63114 62,7046 77,9621
A3,B1 3 35,6667 3,63114 28,0379 43,2954
A3,B2 3 28,6667 3,63114 21,0379 36,2954
A3,B3 3 23,6667 3,63114 16,0379 31,2954
5-28 a) Modelo estadístico:

Hipótesis:
H0 : Efecto de la presión (A) =0
HA: Efecto de la presión (A) ≠0
H0: Efecto de la temperatura (B)=0
HA: Efecto de la temperatura (B) ≠0
H0: Presión A x Temperatura B (AB)=0
HA: Presión A x Temperatura (AB) ≠0
b) Análisis de datos como se puede observar la suma de cuadrados al igual que los grados
de libertad del residuo son cero, en el caso de los grados de libertad del residuo se obtiene 0
porque contiene (n-1), que se tiene 0 ya que no se tiene replicas, las cuales debe ser mínimo
de dos, debido a esto no es posible realizar los otros análisis.
Análisis de Varianza para Adhesividad - Suma de Cuadrados Tipo III
Fuente Suma de Gl Cuadrado Razón-F Valor-
Cuadrados Medio P
EFECTOS
PRINCIPALES
A:Presión 0,580692 3 0,193564
B:Temperatura 4,65765 2 2,32882
INTERACCIONES
AB 2,15388 6 0,358981
RESIDUOS 0 0
TOTAL 7,39222 11
(CORREGIDO)

LIBRO DE MONGOMERY

12,9)

Fuente Suma de Gl Cuadrado Medio Razón-F Valor-P

Cuadrados
Operador 99,0167 9 11,0019 18,28 0,0001
Num pieza 0,416667 1 0,416667 0,69 0,4269
Operador*Num pieza 5,41667 9 0,601852 0,40 0,9270
Residuo 60,0 40 1,5
Total (corregido) 164,85 59

Nótese que el valor-P más alto es 0,9270, que corresponde a A*B. Dado que el valor-P es
mayor o igual que 0,05, ese término no es estadísticamente significativo con un nivel de
confianza del 95,0%. Consecuentemente, debería considerar eliminar A*B del modelo.
El modelo de componentes de varianza propuesto para describir estos datos es donde S2α es
el componente de varianza de los inspectores, S2β es el componente debido a las piezas, S2αβ
es el componente de interacción de ambos factores y S2 es el componente aleatorio.
H0 : σα2 = 0 El efecto del operador no contribuye de manera significativa a aptitud del
sistema
H0 : σβ2=0 el efecto del factor num pieza no contribuye de manera significativa a la
respuesta del método.
H0 : σαβ2 = 0, El efecto de interacción entre la no contribuye de manera significativa a la
variable de respuesta

Los valor-p indican que la variabilidad de las Operador es estadísticamente diferente a cero,
mientras que la variabilidad de Núm. Pieza y de la interacción Operador × Núm. pieza no
es significativa (es igual a cero). Desde el punto de vista del objetivo del experimento, los
resultados del ANOVA son los deseados: la reproducibilidad (S2α + S2αβ) es
estadísticamente igual a cero, es decir, los inspectores no afectan el proceso de medición.
La estimación de los componentes de varianza, a partir de los cuadrados medios, queda
como:

Componentes de Varianza
Fuente Estimado De donde se concluye que la
Operador 1,73333 reproducibilidad (S2+ S2αβ=1,5) que si tiene
Num pieza -0,00617284 una contribución, también vemos que el
Operador*Num pieza -0,299383 componente operador tiene un valor
Residuo 1,5 estimado 1,733 lo que nos dice que
contribuye significativamente a la varianza

.12-12)
 Para los efectos aleatorios
H0 : σα2 = 0 El efecto de la posición no contribuye de manera significativa a la variable
espesor
H0 : σαβ2 = 0, El efecto de interacción entre la posición y la temperatura no contribuye de
manera significativa al espesor
HA : σα2 ≠ 0 El efecto de la posición contribuye de manera significativa a la variable
espesor
HA : σαβ2 ≠0 El efecto de interacción entre la posición y la temperatura no contribuye de
manera significativa al espesor
 Para el efecto fijo temperatura
H0= la respuesta media de la temperatura es igual a la media global.
HA= la respuesta media de la temperatura no es igual a la media global

La ANOVA para efectos mixtos es la siguiente

Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
Posición 7160,06 1 7160,06 17,50 0,0527
Temperatura 945342, 2 472671, 1155,52 0,0009
Posición*Temperat 818,111 2 409,056 0,91 0,4271
ura
Residuo 5370,67 12 447,556
Total (corregido) 958691, 17

De la anterior ANOVA se concluye que el efecto de interacción y el efecto de temperatura

están activos.

Los componentes de la varianza son

Componentes de Varianza
Fuente Estimado
Posición 750,111
Posición*Temperatura -12,8333
Residuo 447,556

Por otro lado las diferencias entre las temperaturas son las siguientes

Contraste Sig. Diferencia Límites +/-

800 - 825 * -481,667 50,242
800 - 850 8,83333 50,242
825 - 850 * 490,5 50,242

De lo anterior se concluye que la mejor

temperatura para obtener un buen espesor es
de 825°C la cual tiene un promedio de 1034.

El modelo está bien planteado porque se

toma en cuenta la aleatorización de la
posición y por otro lado se tiene en cuenta el
efecto fijo de la temperatura que es un factor crucial a estudiar

5.11
Modelo estadístico: La interacción no se tiene en cuenta.
𝑌𝑖𝑗𝑘=𝜇+𝛼𝑖+𝛽𝑗 +𝜀𝑖𝑗𝑘;

i = 1, 2,….., a; j = 1, 2,….., b; k = 1, 2,……, r

Hipótesis a probar:
Ho: Efecto de la posición en el horno (α) = 0
H1: Efecto de la posición en el horno (α) ≠ 0
Ho: Efecto de la temperatura (β) = 0
H1: Efecto de la temperatura (β) ≠ 0
Tabla ANOVA:

Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P

EFECTOS PRINCIPALES
Posición en el horno 7160,06 1 7160,06 16,20 0,0013
Temperatura 945342, 2 472671, 1069,26 0,0000
RESIDUOS 6188,78 14 442,056
TOTAL (CORREGIDO) 958691, 17

Puesto que los valores-p para los factores temperatura y posición en el horno son menores a 0,05,
estas dos variables tienen importancia estadística significativa, y se cumple H1 para ambos casos.
Este modelo es adecuado el modelo es factorial y tiene dos factores de interés, por medio de este
modelo se puede estudiar la respuesta en este caso el espesor del endurecimiento de un ánodo de
carbono. Además es adecuado que no se tome en cuenta la interacción porque esta tiene un valor de
0,4271 y no es de importancia estadística.
La conclusión es que estos dos factores intervienen en el endurecimiento del ánodo de carbono,
ambas variables son de importancia estadística significativa.
12.2
a. Si existe una variación significativa de calcio en el contenido de calcio de un lote a otro, este
hecho se evidencia con el valor-p que es: 0,0036 el cual es menor a 0,05 es decir existen diferencias
significativas entre las medias de un lote de calcio a otro. Este hecho se puede comprobar con la
prueba de múltiples rangos.
Col_1 Casos Media Grupos Homogéneos
5 5 23,364 X
4 5 23,38 XX
1 5 23,458 XX
2 5 23,492 X
3 5 23,524 X

Contraste Sig. Diferencia +/- Límites

 1-2 -0,034 0,0873121
1-3 -0,066 0,0873121
1-4 0,078 0,0873121
1-5 * 0,094 0,0873121
2-3 -0,032 0,0873121
2-4 * 0,112 0,0873121
2-5 * 0,128 0,0873121
3-4 * 0,144 0,0873121
3-5 * 0,16 0,0873121
4-5 0,016 0,0873121
* indica una diferencia significativa.

El * representa una diferencia significativa entre parejas de medias es decir el lote 1 es diferente al
5, el 2 con el 4 etc.
b. componentes de la varianza.
Fuente Suma de Cuadrados Gl Cuadrado Medio Comp. Var. Porciento
TOTAL (CORREGIDO) 0,184576 24
Lotes de calcio 0,096976 4 0,024244 0,0039728 47,56
ERROR 0,0876 20 0,00438 0,00438 52,44

c)
Error Est.
Col_1 Casos Media (s agrupada) Límite Inferior Límite Superior
1 5 23,458 0,0295973 23,4143 23,5017
2 5 23,492 0,0295973 23,4483 23,5357
3 5 23,524 0,0295973 23,4803 23,5677
4 5 23,38 0,0295973 23,3363 23,4237
5 5 23,364 0,0295973 23,3203 23,4077
Total 25 23,4436

d. supuestos del análisis de varianza

Homoscedasticidad: Varianza constante prueba de Levene´s:

Prueba Valor-P
Levene's 0,0275939 0,998397
Se cumple el supuesto de varianza constante.
Pruebas de Normalidad
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,927011 0,580637
Para lote de calcio 1.
Para lote de calcio 2:
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,947247 0,724755
Para lote 3.
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,850901 0,194113
 Para lote 4
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,947002 0,723064

Para lote 5.
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,960334 0,810592

Se cumple el supuesto de normalidad.

Independencia:

Se cumple el supuesto de independencia.

LIBRO DE GUTIERREZ

10. Análisis de Varianza para % de moscas muertas - Suma de Cuadrados Tipo III
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
EFECTOS PRINCIPALES
A:Marca de atomizador 296,333 2 148,167 2,88 0,1028
B:BLOQUE 281,333 5 56,2667 1,09 0,4207
RESIDUOS 514,333 10 51,4333
TOTAL (CORREGIDO) 1092,0 17
B. Los valores-P prueban la significancia estadística de cada uno de los factores. Puesto
que ningún valor-P es menor que 0,05, ninguno de los factores tiene un efecto
estadísticamente significativo sobre % de moscas muertas con un 95,0% de nivel de
confianza.

C. Pruebas de Múltiple Rangos para % de moscas muertas por Marca de atomizador

Marca de Casos Media Sigma Grupos
atomizador LS LS Homogéneos
2 6 59,1667 2,92784 X
3 6 62,8333 2,92784 XX
1 6 69,0 2,92784 X

Contrast Sig. Diferenci +/-

e a Límites
1-2 * 9,83333 9,22582
1-3 6,16667 9,22582
2-3 -3,66667 9,22582
* indica una diferencia significativa.

El método empleado actualmente para discriminar entre las medias es el procedimiento de

diferencia mínima significativa (LSD) de Fisher, el cual indica que el atomizador 3,
presenta resultados, diferentes y grupos parcialmente no homogéneos. Ademas también se
puede concluir que el atomizador 1 presenta un media de 69,0 lo que hace que este sea
mejor que los demás, pues tiene mayor porcentaje de moscas muertas. Con este método
hay un riesgo del 5,0% al decir que cada par de medias es significativamente diferente,
cuando la diferencia real es igual a 0.

Cumple con el supuesto de independencia, lo cual se demuestra con el grafico

Gráfico de Residuos para % de moscas muertas

10

6
residuos

-2

-6

-10
1 2 3
Marca de atomizador