EJEMPLO 1

Una empresa procesadora de embutidos compar el efecto que tienen 4 niveles

de un aditivo (N1, N2, N3, N4) en el tiempo expresado en das que un tipo de
salami mantiene su calidad, medida en trminos de sabor y textura. Se us un
diseo BCA con 4 repeticiones. Los datos se incluyen a continuacin:
SEMANA
N1
N2
N3
N4
1
24.6
24.2
26.2
31.0
2
22.7
23.5
28.0
30.5
3
22.3
23.1
27.0
30.5
4
23.4
25.0
28.3
31.5
-

Elaborar el correspondiente programa en SAS para realizar el anlisis de

varianza y la separacin de medias usando el mtodo DUNCAN
Obtener los residuales para encontrar observaciones fuera de tipo.Hay
alguna?
Determinar si fue eficiente usar bloques en este estudio. Porque s o porque
no?
Cul fue el nivel del aditivo que mantiene la calidad del salami por ms das?

PROGRAMA SAS 1
DATA BCA;
INPUT TRT $ SEMANA DIAS;
DATALINES;
N1 1 24.6
N1 2 22.7
N1 3 22.3
N1 4 23.4
N2 1 24.2
N2 2 23.5
N2 3 23.1
N2 4 25.0
N3 1 26.2
N3 2 28.0
N3 3 27.0
N3 4 28.3
N4 1 31.0
N4 2 30.5
N4 3 30.5
N4 4 31.5
;
PROC GLM;
CLASS TRT SEMANA;
MODEL DIAS=TRT SEMANA/SS3 P;
MEANS TRT/DUNCAN;
RUN;

The GLM Procedure

Class Level Information
Class
Levels Values
TRT
4 N1 N2 N3 N4
SEMANA
4 1234
Number of observations

16

Dependent Variable: DIAS

Source
Model
Error
Corrected Total

Sum of
DF
Squares Mean Square
6 151.3150000
25.2191667
9
4.8625000
0.5402778
15 156.1775000

R-Square
0.968866
Source
TRT
SEMANA

Coeff Var
2.788187

Root MSE
0.735036

F Value Pr > F
46.68 <.0001

DIAS Mean
26.36250

DF Type III SS Mean Square F Value Pr > F

3 147.5825000
49.1941667
91.05 <.0001
3
3.7325000
1.2441667
2.30 0.1456

The GLM Procedure

Observation
Observed
Predicted
1
24.60000000
23.38750000
2
22.70000000
23.06250000
3
22.30000000
22.61250000
4
23.40000000
23.93750000
5
24.20000000
24.08750000
6
23.50000000
23.76250000
7
23.10000000
23.31250000
8
25.00000000
24.63750000
9
26.20000000
27.51250000
10
28.00000000
27.18750000
11
27.00000000
26.73750000
12
28.30000000
28.06250000
13
31.00000000
31.01250000
14
30.50000000
30.68750000
15
30.50000000
30.23750000
16
31.50000000
31.56250000

Residual
1.21250000
-0.36250000
-0.31250000
-0.53750000
0.11250000
-0.26250000
-0.21250000
0.36250000
-1.31250000
0.81250000
0.26250000
0.23750000
-0.01250000
-0.18750000
0.26250000
-0.06250000

Sum of Residuals
-0.00000000
Sum of Squared Residuals
4.86250000
Sum of Squared Residuals - Error SS -0.00000000
First Order Autocorrelation
-0.32953085
Durbin-Watson D
2.35591260

The GLM Procedure

Duncan's Multiple Range Test for DIAS
Alpha
0.05
Error Degrees of Freedom
9
Error Mean Square
0.540278
Number of Means
2
3
4
Critical Range
1.176
1.227
1.257
Means with the same letter are not significantly different.
Duncan Grouping
Mean
N TRT
A
30.8750
4 N4
B
27.3750
4 N3
C
23.9500
4 N2
C
23.2500
4 N1

EJEMPLO 2
En un diseo de BCA se evalu el efecto de tres preservantes (AK, DP, CH) de
una mezcla de harina de trigo y centeno para elaborar un tipo especfico de pan
integral. Se determin el contenido de micotoxinas despus de 30 das de
almacenada la mezcla. La mxima cantidad permitida de micotoxinas en este tipo
de materia prima es 20 ppb. Se usaron cuatro diferentes sitios de almacenaje
(bloques) para realizar este experimento. Los datos obtenidos fueron los
siguientes:
Conteo de micotoxinas en ppb
Bodega 2
Bodega 3
Bodega 4

Preservante /
Bodega 1
Almacn
AK
18.6
17.9
11.3
16.4
DP
19.8
20.8
14.9
17.5
CH
26.1
25.9
16.1
25.2
Elaborar el correspondiente programa en SAS para realizar el anlisis de
varianza y la separacin de medias usando el mtodo DUNCAN
Obtener los residuales para encontrar observaciones fuera de tipo Hay
alguna?
Determinar si fue eficiente usar bloques en este estudio Porque s o porque
no?
Cual fue el mejor tratamiento?
PROGRAMA SAS 2

DATA BCA1;
INPUT TRT $ BODEGA MICOTOX;
DATALINES;
AK 1 18.6
AK 2 17.9
AK 3 11.3
AK 4 16.4
DP 1 19.8
DP 2 20.8
DP 3 14.9
DP 4 17.5
CH 1 26.1
CH 2 25.9
CH 3 16.1
CH 4 25.2
;
PROC GLM;
CLASS TRT BODEGA;
MODEL MICOTOX=TRT BODEGA/SS3 P;
MEANS TRT/DUNCAN;
RUN;

The GLM Procedure

Class Level Information
Class
Levels Values
TRT
3 AK CH DP
BODEGA
4 1234
Number of observations

12

Dependent Variable: MICOTOX

Sum of
Source
DF
Squares Mean Square
Model
5 222.3441667
44.4688333
Error
6
12.3650000
2.0608333
Corrected Total
11 234.7091667
R-Square
0.947318

Source
TRT
BODEGA

Coeff Var
7.473633

Root MSE
1.435560

F Value Pr > F
21.58 0.0009

MICOTOX Mean
19.20833

DF Type III SS Mean Square F Value Pr > F

2 111.3616667
55.6808333
27.02 0.0010
3 110.9825000
36.9941667
17.95 0.0021
The GLM Procedure

Observation
1
2
3
4
5
6
7
8
9
10
11
12

Observed
18.60000000
17.90000000
11.30000000
16.40000000
19.80000000
20.80000000
14.90000000
17.50000000
26.10000000
25.90000000
16.10000000
25.20000000

Predicted
18.34166667
18.37500000
10.94166667
16.54166667
20.54166667
20.57500000
13.14166667
18.74166667
25.61666667
25.65000000
18.21666667
23.81666667

Residual
0.25833333
-0.47500000
0.35833333
-0.14166667
-0.74166667
0.22500000
1.75833333
-1.24166667
0.48333333
0.25000000
-2.11666667
1.38333333

Sum of Residuals
-0.00000000
Sum of Squared Residuals
12.36500000
Sum of Squared Residuals - Error SS -0.00000000
First Order Autocorrelation
-0.49572606
Durbin-Watson D
2.83129465

The GLM Procedure

Duncan's Multiple Range Test for MICOTOX
NOTE: This test controls the Type I comparisonwise error rate, not the
experimentwise error rate.
Alpha
0.05
Error Degrees of Freedom
6
Error Mean Square
2.060833
Number of Means
2
Critical Range
2.484

3
2.574

Means with the same letter are not significantly different.

Duncan Grouping
A
B
B

23.325
18.250
16.050

Mean
4
4
4

N
CH
DP
AK

TRT