Sei sulla pagina 1di 19

Pgina 1 de 19

TEMA 2: DISEO COMPLETAMENTE ALEATORIZADO. ANOVA SIMPLE. El


procedimiento ANOVA Simple (o de un criterio de clasificacin) est diseado para
construir un modelo estadstico que describa el impacto de un solo factor
categrico X sobre una variable dependiente Y. Se realizan pruebas para
determinar si hay o no diferencias significativas entre las medias, varianzas y/o
medianas de Y en los diferentes niveles de X. Adems, los datos se pueden
presentar grficamente de varias formas, incluyendo un grfico mltiple de
dispersin, un grfico de medias, un grfico ANOM, y un grfico de medianas.
(Mircoles 10 Junio 2015).
OBJETIVOS: Construir un modelo estadstico que describa el impacto de un solo
factor categrico X sobre una variable dependiente Y. Realizar pruebas para
determinar si hay o no diferencias significativas entre las medias, varianzas y/o
medianas de Y en los diferentes niveles de X. Presentar grficamente los datos
para apreciar la dispersin, las medias y las medianas.
Diseo completamente aleatorizado: El experimentador asigna las unidades
experimentales a los tratamientos al azar. La nica restriccin es el nmero de
observaciones que se toman en cada tratamiento. De hecho, si n i es el nmero de
observaciones en el i-simo tratamiento, i = 1,...,I, entonces, los valores n 1 ,n2 ,...,nI
determinan por completo las propiedades estadsticas del diseo. Naturalmente,
este tipo de diseo se utiliza en experimentos que no incluyen factores bloque.
El modelo matemtico de este diseo tiene la forma:
Respuesta = Constante + Efecto Tratamiento + Error

Pgina 2 de 19

1) Datos de Ejemplo:
Fuerza.xls. El archivo contiene los resultados de un experimento en el cual se
compar la fuerza (Strength) de ruptura de artilugios de 4 diferentes materiales.
El conjunto completo de los datos consiste de n = 32 artilugios, de los cuales
8 fueron hechos con cada uno de los q = 4 diferentes materiales.
Suelos_Faraway.xls. El archivo contiene las caractersticas del suelo medidas
en muestras de tres tipos de curvas de nivel (Top, Slope, y Depression) y en
cuatro profundidades (0-10 cm, 10-30cm, 30-60cm, y 60-90cm). El rea fue
dividida en 4 bloques, en un diseo de bloques al azar. El archivo consta de un
conjunto de datos con 48 observaciones sobre 14 variables. Hay 3 factores y 9
variables de respuesta.
2) Ingreso Datos. Men Comparar-Anlisis de Varianza-Anova Simple
Variable Dependiente: Strength, Factor: material.

Pgina 3 de 19
3) Tablas y Grficos. Deje las opciones por defecto para Tabla: (Resumen del
Anlisis, Tabla Anova, Prueba de Mltiple Rangos); para Grficos: (Grfico de
Dispersin y Anova Grfico).
Utilice la barra de herramientas de anlisis. En la barra de herramientas de
anlisis:
Utilice el tercer botn: Tablas y Grficos
otros grficos.

,
, para seleccionar otras tablas y

4) Resumen Estadstico. La ventana Resumen Estadstico calcula un nmero de


diferentes estadsticas que se emplean comnmente para resumir una muestra
de datos de variables: Haga clic derecho y seleccione Opciones de Ventana,
Seleccione los estadsticos que desee.
5) Grfico de Dispersin. La ventana Grfico de Dispersin grafica los datos por
nivel del factor X. Presione el botn Separar en la barra de herramientas del
anlisis : Desplace el deslizador Horizontal para observar mejor los puntos.
6) Grfico de Caja y Bigotes. Esta ventana presenta un grfico de caja y bigotes
para Y en cada nivel de X. Haga clic derecho y seleccione Opciones de
Ventana, Seleccione las opciones del grfico que desee.
7) Tabla de ANOVA. Se usa para determinar si las medias de q grupos difieren o
no significativamente unas de otras. La tabla divide la variabilidad que existe en
las n mediciones entre dos componentes: Un componente intra grupos,
que mide la variabilidad de la fuerza de ruptura de los artilugios hechos del
mismo material. Un componente entre grupos, que mide la variabilidad entre
artilugios hechos de diferente material.
Formalmente, prueba la hiptesis nula:
H0 : 1 = 2 = ... = q
Versus la hiptesis alterna:
HA : no todas las j iguales
Si F es lo suficientemente grande, se rechaza la hiptesis nula. La significancia
estadstica de la razn de F es mucho ms fcil de juzgar por su valor de P. Si
el valor de P es menor que 0.05, la hiptesis nula de medias iguales se
rechaza al nivel de significancia del 5%, como en el presente ejemplo. Esto no
implica que cada una de las medias es significativamente diferente de cada
una de las otras. Simplemente implica que no todas las medias son iguales.
Determinar qu medias son significativamente diferentes de cules otras
requiere de pruebas adicionales, como se trata ms adelante.

Pgina 4 de 19
8) ANOVA Grfico. El grfico ANOVA Grfico, desarrollado por Hunter (2005), es
una tcnica para exhibir grficamente la importancia de las diferencias entre
niveles del factor experimental.
9) Pruebas de Rangos Mltiples. Se realiza para determinar qu medias
muestrales son significativamente diferentes de cules otras. Haga clic derecho
y seleccione Opciones de Ventana, Seleccione las pruebas que desee.

La eleccin entre el procedimiento LSD y un procedimiento de comparaciones


mltiples tal como la HSD de Tukey deber depender del costo relativo de
cometer el error Tipo I (declarar diferentes un par de medias cuando
realmente no lo son) versus el costo de cometer el error Tipo II (no declarar
diferentes un par de medias cuando realmente s lo son). En etapas tempranas
de una investigacin, uno puede no querer ser tan conservador como cuando
se estn haciendo verificaciones finales.
NOTA: EN EL MENU Editar, elija Preferencias, en la solapa
ANOVA/Regresin, puede observar las Pruebas Mltiples de Rango por
omisin. Si da clic en Ayuda, podr obtener una breve explicacin de cada
tcnica.
LA VENTANA DE RESULTADOS AL SELECCIONAR Pruebas de Rangos
Mltiples es la siguiente:
Pruebas de Mltiple Rangos para fuerza por material
Mtodo: 95.0 porcentaje Tukey HSD
material

Casos

Media

20.5

Grupos Homogneos
X

22.625

31.875

XX

43.125

Contraste

Sig.

A- B

Diferencia

+/- Lmites

11.25

13.3775

A- C

20.5

13.3775

A- D

22.625

13.3775

B-C

9.25

13.3775

B-D

11.375

13.3775

Pgina 5 de 19
C-D

2.125

13.3775

* indica una diferencia significativa.


El StatAdvisor
Esta tabla aplica un procedimiento de comparacin multiple para determinar cules medias son significativamente
diferentes de otras. La mitad inferior de la salida muestra las diferencias estimadas entre cada par de medias. El asterisco
que se encuentra al lado de los 2 pares indica que estos pares muestran diferencias estadsticamente significativas con un
nivel del 95.0% de confianza. En la parte superior de la pgina, se han identificado 2 grupos homogneos segn la
alineacin de las X's en columnas. No existen diferencias estadsticamente significativas entre aquellos niveles que
compartan una misma columna de X's. El mtodo empleado actualmente para discriminar entre las medias es el
procedimiento de diferencia honestamente significativa (HSD) de Tukey. Con este mtodo hay un riesgo del 5.0% al decir
que uno o ms pares son significativamente diferentes, cuando la diferencia real es igual a 0.

La mitad superior de la tabla presenta en orden creciente de magnitud cada


una de las medias muestrales estimadas. Se muestran:
Casos el nmero de observaciones nj .
Media la media muestral estimada Yj .
Grupos Homogneos una ilustracin grfica de qu media es
significativamente diferente de cules otras, basada en los contrastes
exhibidos en la segunda mitad de la tabla. Cada columna de Xs indica un
grupo de medias dentro de las cuales no hay diferencia estadsticamente
significativa. Por ejemplo, la primera columna en la tabla anterior contiene una
X para los materiales C y D, indicando que sus medias no son
significativamente diferentes. De igual modo, los materiales B y C no muestran
diferencias significativas. La media del material A, por otro lado, es
significativamente mayor que la media de cualquier otro material.
Diferencia la diferencia entre las dos medias muestrales

Lmites una estimacin por intervalo de tal diferencia, empleando el


procedimiento de comparaciones mltiples actualmente seleccionado:

donde M es la constante que depende del proceso elegido.


Sig. Se pone un asterisco junto a cualquier diferencia que estadsticamente
sea significativamente diferente de 0 al nivel de significancia actualmente
seleccionado, i.e., cualquier intervalo que no contenga al 0.
Opciones de Ventana: Haga clic derecho y elija Opciones de Ventanas

Pgina 6 de 19

Mtodo: el mtodo empleado para hacer las comparaciones mltiples.


Nivel de Confianza: el nivel de confianza empleado por el procedimiento de
comparaciones mltiples seleccionado.
Los mtodos disponibles son:
LSD forma un intervalo de confianza para cada par de medias al nivel de
confianza elegido usando:

donde t representa el valor de la distribucin t de Student con n - q grados de


libertas que deja un rea de /2 en la cola superior de la curva. Este
procedimiento de debe a Fisher y es llamado el procedimiento de la Mnima
Diferencia Significativa (Least Significant Difference), ya que la magnitud
de los lmites indica la diferencia mnima entre dos medias cualesquiera que
puede ser declarada que representa una diferencia estadsticamente
significativa. Slo debe emplearse cuando la prueba de F en la tabla de
ANOVA indica diferencias significativas entre las medias muestrales. La
probabilidad de cometer un error Tipo I aplica a cada par de medias por
separado. Si se hace ms de una comparacin, la probabilidad global de
declarar al menos un par de medias significativamente diferentes cuando no lo
son puede ser considerablemente mayor que .
Tukey HSD (Diferencia Honestamente Significativa (Honestly Significant
Difference )) ampla los intervalos para permitir mltiples comparaciones
entre todos los pares de medias, usando:

Que usa la T de Tukey en vez de la t de Student. La T de Tukey es igual a ( ) 1


2 / veces la distribucin de rangos estudentizados, la cul se tabula en libros
tales como en Neter et al. (1996). Tukey llam a su procedimiento el
procedimiento de la Diferencia Honestamente Significativa ( Honestly
Significant Difference ) ya que la tasa de error por experimento en . Si todas
las media son iguales, la probabilidad de declarar cualquiera de los pares
significativamente diferente en todo el experimento es igual a . El
procedimiento de Tukey es ms conservador que el procedimiento de la LSD
de Fisher, ya que hace ms difcil declarar que cualquier par especfico de
medias sea significativamente diferente.

Pgina 7 de 19

Scheffe diseado para permitir la estimacin de todos los posibles contrastes


entre las medias muestrales (no solo comparaciones por pares). Emplea un
mltiplo relacionado con la distribucin F:

En este caso, este procedimiento es muy probable que sea muy conservador,
ya que slo se estn estimando pares.
Bonferroni diseado para permitir la estimacin de cualquier nmero de
contrastes previamente seleccionado. En este caso, usa un mltiplo igual a:

ya que se estn estimando q(q-1)/2 diferencias por pares. Estos lmites


generalmente son ms amplios que los lmites de Tukey cuando se hacen
todas las comparaciones por pares.
Student-Newman-Keuls A diferencia de todos los mtodos anteriores, este
procedimiento no crea intervalos para las diferencias por pares. En su lugar,
ordena las medias en orden creciente y luego comienza a separarlas en grupos
de acuerdo con valores de la distribucin de rangos estudentizados. Al final, las
medias se separan en grupos homogneos dentro de los cuales no hay
diferencias significativas.
Duncan - similar al procedimiento de Student-Newman-Keuls, excepto que usa
un valor crtico diferente de la distribucin de rangos estudentizados cuando
define los grupos homogneos. Un tratamiento detallado de los procedimientos
de Duncan y Student-Newman-Keuls se encuentra en Milliken y Johnson
(1992).
La eleccin entre el procedimiento LSD y un procedimiento de comparaciones
mltiples tal como la HSD de Tukey deber depender del costo relativo de
cometer el error Tipo I (declarar diferentes un par de medias cuando realmente
no lo son) versus el costo de cometer el error Tipo II (no declarar diferentes un
par de medias cuando realmente s lo son). En etapas tempranas de una
investigacin, uno puede no querer ser tan conservador como cuando se estn
haciendo verificaciones finales.
10)Tabla de Medias. Esta tabla presenta la media de cada nivel junto con un
intervalo de incertidumbre, la ventana de resultado al elegir Tabla de Medias
en el cuadro Tablas y Grficos es la siguiente:
Tabla de Medias para fuerza por material con intervalos de confianza del 95.0%
Error Est.
material

Casos

Media

(s agrupada)

Lmite Inferior

Lmite Superior

43.125

3.46386

36.4363

49.8137

Pgina 8 de 19
B

31.875

3.46386

25.1863

38.5637

22.625

3.46386

15.9363

29.3137

20.5

3.46386

13.8113

27.1887

Total

32

29.5313

El StatAdvisor
Esta tabla muestra la media de fuerza para cada nivel de material. Tambin muestra el error estndar de cada media,
el cual es una medida de la variabilidad de su muestreo. El error estndar es el resultado de dividir la desviacin
estndar mancomunada entre el nmero de observaciones en cada nivel. La tabla tambin muestra un intervalo
alrededor de cada media. Los intervalos mostrados actualmente estn basados en la diferencia honestamente
significativa (HSD) de Tukey. Estn construidos de tal forma que si todas las medias son iguales, todos los intervalos
se traslaparn 95.0% de las veces. Puede ver grficamente los intervalos seleccionando Grfica de Medias de la lista
de Opciones Grficas. En las Pruebas de Rangos Mltiples, estos intervalos se usan para determinar cules medias
son significativamente diferentes de otras.

El tipo de intervalo exhibido depende de las Opciones de Ventana.


Opciones de Ventana. Haga clic derecho y elija: Opciones de Ventanas

Intervalos: el mtodo empleado para construir los intervalos.


Nivel de Confianza: el nivel de confianza asociado con cada intervalo.
Los tipos de intervalos que se pueden seleccionar son:
Ninguno ningn intervalo es exhibido.
Errores Estndar (S Agrupada) muestra los errores estndar empleando la
desviacin estndar agrupada intra muestras:

Errores Estndar (S individual) - muestra los errores estndar usando la


desviacin estndar de cada muestra por separado:

Pgina 9 de 19
Intervalos de Confianza (S Agrupada) presenta intervalos de confianza
para las medias de los grupos empleando la desviacin estndar agrupada
intra grupos:

Intervalos de confianza (s individual) - presenta intervalos de confianza para


las medias muestrales usando la desviacin estndar de cada grupo por
separado:

Intervalos LSD - diseados para comparar cualquier par de medias con el


nivel de confianza establecido. Los intervalos estn dados por

donde M se define como en las Pruebas de Rangos Mltiples . Esta frmula


aplica tambin a las tres secciones siguientes.
Intervalos Tukey HSD - diseados para comparar todos los pares de medias.
El nivel de confianza establecido aplica a la familia completa de comparaciones
por pares.
Intervalos Scheffe - diseado para comparar todos los contrastes.
Generalmente no relevante aqu.
Intervalos Bonferroni - diseados para comparar un selecto nmero de
contrastes. Los intervalos de Tukey generalmente son ms estrechos.
11) Grfico de Medias. Las medias de los niveles pueden ser graficadas junto con
los intervalos de incertidumbre:
Los tipos de intervalos que se pueden emplear son los mismos que para
la Tabla de Medias anterior.
Haga clic derecho y seleccione Opciones de Ventana, Seleccione las pruebas
que desee.
NOTA: Comparando medias. Si el P-valor en la tabla ANOVA es pequeo,
entonces la media de la muestra debe ser examinada, para determinar qu
medias son significativamente diferentes unas de otras. Un grfico habitual
para esta finalidad es Grfico de medias, disponible en el cuadro de dilogo
Tablas y Grficos. El grfico de medias muestra cada media de la muestra,
junto con un intervalo de confianza a su alrededor. La interpretacin de los

Pgina 10 de 19
intervalos depende del tipo de intervalo representado, el cual puede ser
cambiado utilizando Opciones de ventana. Los dos intervalos ms
habitualmente utilizados son:
Intervalos LSD de Fisher LSD (Least Significant Difference): Estos intervalos
estn escalados de modo que un par de muestras tiene medias
significativamente diferentes si los intervalos no se solapan en la direccin
vertical. Mientras la posibilidad de declarar incorrectamente dos muestras con
media diferente con este mtodo se fija en el 5%, haciendo comparaciones de
ms de dos pares de muestras la probabilidad de error es considerablemente
superior.
Intervalos HSD de Tukey (Honestly Significant Difference). Estos intervalos
estn escalados para controlar el error del experimento como mucho con una
tasa del 5%. Usando el mtodo de Tukey, no se declararn incorrectamente
que ningn par de medias sea significativamente diferente cuando realmente
no los son en ms de 5% de los anlisis que se hagan.
NOTA: El tipo de intervalo utilizado para el Grfico de Medias, debe ser el
mismo que se us para la Prueba de Rango Mltiple.
12)Verificacin de Varianza. Uno de los supuestos subyacentes al anlisis de
varianza es que las varianzas de las poblaciones de donde provienen las
muestras son la misma. La ventana Contraste de Varianza realiza cualquiera
de varias pruebas para verificar este supuesto: Haga clic derecho y seleccione
Opciones de Ventana, Seleccione las pruebas que desee. Las hiptesis a
contrastar en las prueba son:
Hiptesis Nula: todas las j son iguales
Hiptesis Alt.: no todas las j son iguales

Las cuatro pruebas son:


Prueba de Cochran: compara la mxima varianza intra-muestra con la
varianza intra-muestra promedio. Un valor de P menor de 0.05 indica una
diferencia significativa entre desviaciones estndar intra-muestra a un nivel de
significancia del 5%. La prueba es apropiada slo si todos los tamaos de
grupo son iguales.

Pgina 11 de 19
Prueba de Bartlett: compara un promedio ponderado de las varianzas intramuestra con su media geomtrica. Un valor de P menor de 0.05 indica una
diferencia significativa entre desviaciones estndar intra-muestra a un nivel de
significancia del 5%. La prueba es apropiada tanto para tamaos de grupo
iguales como diferentes.
Prueba de Hartley: calcula la razn entre la mayor varianza muestral y la
menor. Esta estadstica debe ser comparada con una tabla de valores crticos,
tal como la que se encuentra en Neter et al. (1996). Para 6 muestras y 62
grados de libertad para el error experimental, H tendra que exceder
aproximadamente 2.1 para ser estadsticamente significativa a un nivel de
significancia del 5%. Nota: esta prueba slo es apropiada si el nmero de
observaciones dentro de cada nivel de es el mismo.
Pueba de Levene: realiza un anlisis de varianza simple sobre las variables

La estadstica tabulada es la estadstica F de la tabla de ANOVA.


Usando la prueba de Levene para los artilugios, no hay razn para rechazar el
supuesto de que las desviaciones estndar son la misma para todos los
materiales, dado que el valor de P es mayor que 0.05. Cualesquiera aparentes
diferencias entre las desviaciones estndar muestrales no son
estadsticamente significativas al nivel de significancia del 5%.
13)Grficos de Residuos. Al igual que con todos los modelos estadsticos, es
buena prctica examinar los residuos. En un anlisis de varianza simple, los
residuos estn definidos por:

Es decir: los residuos son las diferencias entre los valores de los datos
observados y sus respectivas medias de nivel.
El procedimiento Grficos de Residuos (Botn Tablas y Grficos-Grficos
de Residuos) crea 3 grficos de residuos, eligiendo Opciones de Ventana:
1. Residuos versus nivel del factor.
2. Residuos versus valor predicho.
3. Residuos versus nmero de fila.
Residuos versus Nivel del Factor: Este grfico es til para visualizar
cualquier diferencia en variabilidad entre los niveles.
Residuos versus Predichos: Este grfico es til para detectar cualquier
heteroscedasticidad en los datos. La heteroscedasticidad se presenta cuando

Pgina 12 de 19
la variabilidad de los datos cambia conforme cambia la media, y podra
necesitar transformar los datos antes de realizar el ANOVA. Generalmente se
evidencia por un patrn en forma de embudo en el grfico de residuales.
Residuos versus Observacin: Este grfico muestra los residuales versus el
nmero de hilera en la hoja de datos: Si los datos estn arreglados en orden
cronolgico, cualquier patrn en los datos podra indicar una influencia externa.
Ningn patrn tal es evidente en el grfico anterior.
Los requisitos del modelo ANOVA son:
1.- Normalidad en cada nivel del factor. (Residuos versus nivel del factor)
2.- Homocedasticidad (igualdad de varianzas en todos los niveles del factor)
(Residuos versus valor predicho).
3.- Independencia de las observaciones. (Residuos versus nmero de fila)
Estos requisitos se traducen en que los residuos son una variable aleatoria, de
distribucin normal y media cero. En la prctica, vamos a comprobar:
(1) normalidad de los residuos;
(2) homocedasticidad;
(3) aleatoriedad de los residuos (salvo que los datos hayan sido reordenados, y
en consecuencia se haya perdido el orden en que fueron recogidos).
(1) Normalidad de los residuos.
Desde la ventana de ANOVA, Botn Guardar Resultados + Residuos.

Botn Guardar Resultados. Deber aparecer la ventana: Opciones


para Guardar Resultados

Pgina 13 de 19
Con esto, los residuos se incorporan a la hoja de datos.
Para contrastar su normalidad, Describir + Ajuste de Distribuciones +
Ajuste de datos no Censurados; Datos= residuos. El contraste que estamos
realizando es:
HO: variable RESIDUOS es normal
H1: variable RESIDUOS no es normal
(2) Homocedasticidad.
Desde la ventana de ANOVA simple, botn Tablas y Grficos + Verificacin
de varianza. El contraste que realizamos es:
H0:
1 = 2 = 3 = 4
H1:
alguna es distinta
Si todos los p-valores son mayores de 005. Entonces, aceptamos la
homocedasticidad. PRUEBAS: Prueba de Cochran, Prueba de Bartlett, Prueba
de Hartley, Prueba de Levene. Haga clic Derecho en la salida: Verificacin de
Varianza y elija la prueba que desee.
(3) Independencia de las observaciones
Se recuerda no obstante que en general esta hiptesis debe venir garantizada
por un correcto proceso de muestreo y una correcta eleccin del modelo. En
cualquier caso, y siempre que los datos guarden el orden en que hayan sido
observados, se puede contrastar realizando un anlisis de aleatoriedad
sobre los residuos.
PRUEBA DE ALEATORIEDAD DE LOS RESIDUOS. Pronsticos-Modelo
Definido por el Usuario-Datos: Residuos-Aceptar-Seleccione: Caminata
Aleatoria-Aceptar-Seleccione: Contrastes de Aleatoriedad. La siguiente es
una secuencia grfica del procedimiento:

Aceptar

Pgina 14 de 19

Aceptar

Seleccionar: Contrastes de Aleatoriedad; Aceptar

Observe los resultados de: Prueba de Aleatoriedad de residuos.


14)Pruebas de Kruskal-Wallis y Friedman. Una alternativa al anlisis de
varianza estndar que compara las medianas de los niveles en vez de las
medias es la Prueba de Kruskal-Wallis. Esta prueba es mucho menos
sensible a la presencia de valores atpicos que un ANOVA simple estndar y
debe usarse siempre que el supuesto de normalidad dentro de los niveles
no es razonable. Prueba las hiptesis:
Hiptesis Nula: todas las medianas de los niveles son iguales
Hiptesis Alt.: no todas las medianas de los niveles son iguales
15)Prueba de Mood para la Mediana. La Prueba de Mood para la Mediana es
otro mtodo para determinar si las medianas de todos los q materiales son
iguales o no. Es menos sensible a valores atpicos que la prueba de Kruskal-

Pgina 15 de 19
Wallis, pero tambin es menos potente cuando los datos provienen de
distribuciones tales como la normal.
16)Grfico de Medianas. El Grfico de Medianas exhibe los intervalos de
confianza para las medianas presentados por la ventana de la Prueba de
Mood para la Mediana
ANOVA Simple - Guardar Resultados: Haga clic en botn Guardar Resultados:
de la Barra de Herramientas de Anlisis, para guardar los resultados del
anlisis.
Los siguientes resultados pueden ser guardados en la hoja de datos:
Conteos de nivel los q tamaos de muestra.
Medias de niveles las q medias de nivel.
Medianas de niveles las q medianas de los niveles.
Desviaciones Estndar las q desviaciones estndar de los niveles.
Errores Estndar de niveles los errores estndar de cada media de nivel.
Etiquetas de niveles una etiqueta para cada nivel.
Indicadores de Niveles n indicadores de nivel, identificando a cada residual.
Residuales los n residuales.
Rangos de Niveles - los q rangos de los niveles.
COPIAR ANALISIS A STATREPORTER. Haga clic derecho en la ventana de
resultados y luego haga clic en: Copiar Anlisis a StatReporter.

El StatReporter est diseado para facilitar la creacin de reportes dentro del


STATGRAPHICS. El StatReporter se encuentra en una ventana separada de
Windows, modelado despus del WordPad de Microsoft.
Las tablas y grficas de cualquier anlisis pueden ser pegadas dentro del
StatReporter o puede ser pegado el vnculo. Dentro del StatReporter, el texto
puede ser editado, se pueden aadir anotaciones, reacomodar imgenes y tablas
y tambin pueden realizarse otras operaciones. Cuando es guardado, el contenido
del Statreporter es almacenado en un archivo con formato Rich Text con
extensin.rtf, el cual puede ser ledo directamente con programas como Microsoft

Pgina 16 de 19
Word. StatPublish tambin puede convertir el StatReporter dentro de un formato
HTML y colocarlo en un servidor de la web para ser visto por otros usuarios
mediante un browser de la web.
Guardando y Recuperando StatReporters
Para guardar un StatReporter, seleccionar Guadar StatReporter del men Archivo
o usar el men que aparece en la pantalla al presionar el botn derecho del ratn.
Al elegir Guardar StatReporter, aparecer la siguiente ventana:

Nombre del Archivo: Se refiere al nombre del archivo que va ser guardado.
Guardar Archivo como tipo: Los archivos son guardados con la extensin .rtf
para Formato Rich Text. Los archivos RTF pueden ser abiertos por muchos
programas, incluyendo Microsoft word.
Cuando un StatFolio es guardado, recuerda el nombre del StatReporter asociado
con l. Cuando el StatFolio es abierto nuevamente, tambin abrir
automticamente el StatReporter asociado.
Para abrir un StatReporter dentro de un StatFolio diferente, hay que acceder a
Abrir StatFolio del men Archivo.
Solamente un StatReporter puede ser abierto a la vez.
EJERCICIOS: Realice ANOVAS simples para las siguientes situaciones, copie los
resultados en el StatReporter, guarde el StatReporter a un archivo de Word y
finalice el informe del anlisis realizado.
1. Archivo de datos: Esporas.xls. Esporas es un proyecto que mide la cantidad
de ESPORAS (variable resultado) como respuesta a la actividad de ciertos
factores qumicos del suelo como son PH, Materia Orgnica (MO), Fsforo (P),
Potasio (K) y tipo de suelo (ZONAS).

Pgina 17 de 19
Se tomaron cuatro zonas agrolgicas segn la clasificacin de tierras por su
capacidad de uso y manejo, en las subclases: III sc Iv hs; VIIsc Iv esc; VI
sc VI esc y VII sc VII esc:
1. Zona 1 (subclase III sc Iv hs): Pertenecen a esta subclase las siguientes
localidades: cabecera municipal, Las Peas, Hato Nuevo, La Loma y
Chapinero.
2. Zona 2. (Subclase VII sc Iv esc): En esta zona se encuentra ubicadas
las localidades de San Jos de pileta, Cantagallos y Don Alonso.
3. Zona 3 (subclase VI sc VI esc): En esta subclase se encuentran las
localidades de Las Tinas, El Mamn y Las Brujas.
4. Zona 4 (subclase VII sc VII esc): Pertenecen a esta subclase los
corregimientos Las Llanadas, Villanueva y Paliz.
Se requiere determinar si existe diferencia estadsticamente significativa entre
las zonas para el nivel de esporas y los distintos factores qumicos.
2. Archivo de datos: Embalajes,xls. Embalajes son los datos de:
Caracterizar a matria-prima atravs de anlises fsico-qumicas: teor de
umidade, acidez titulvel, pH, slidos solveis, relao slidos solveis e
acidez titulvel, carotenides totais, textura, coordenadas de cor (L*, a* e b*) e
atividade de gua., para: Avaliar a influncia de quatro tipos de embalagem
na conservao de abacaxi desidratado;
Determina si existe diferencia estadsticamente significativa entre los 4 tipos de
embalajes para las distintas caracterizaciones fsicas y qumicas.
3. Archivo de datos: Suelos_Faraway.xls. Divida el archivo por el factor
Contour. Observe que la orden Dividir Archivo del men Editar, no est
habilitada. Para que se habilite debe Guardar los datos como un archivo de
StatGraphics. Haga clic en Archivo-Guardar-Guardar StatFolio-Digite un
nombre y luego Guardar.
Ahora divida el archivo en tres hojas de datos para cada contorno con la orden:
Editar-Dividir Archivo-Elija Contour y luego Aceptar.
Determine si hay diferencias estadsticamente significativas en cada Contour
para el Ph A las distintas profundidades (variable Depth)
4. Archivo de datos: DATOS_MERCURIO_PROFESORES_LUIS_DIAZ_Y_ENALDO_GARRIDO.xls.
Divida el archivo por el factor sp. Divida el archivo Diamante por el factor
Region. Divida el archivo Tuberculo por el factor Dias. Determine si hay
diferencias estadsticamente significativas en cada Concentracion para el Hg.
Clculos: Las siguientes son las ecuaciones con que se realizan los principales
clculos involucrados en un ANOVA simple:
Anlisis de Varianza

Pgina 18 de 19

Pgina 19 de 19

Lmites de Confianza para la Mediana


Los lmites presentados son una interpolacin no lineal de los intervalos de
confianza al nivel ms cercano por arriba y por debajo del nivel solicitado.
Despus de ordenar las observaciones, el intervalo que se extiende del d-sima
observacin ms pequea a la d-sima observacin ms grande forma un
intervalo de confianza para la mediana con nivel de confianza 1 2 P B (d-1),
donde P B representa la distribucin binomial acumulada con p = 0.5 y n = n j .
RECUERDE QUE PUEDE ESTUDIAR LOS ASPECTOS TEORICOS DEL DISEO
EXPERIMENTAL EN EL CURSO ONLINE DE LA UNIVERSIDAD NACIONAL DE
COLOMBIA:
CURSO ONLINE DE DISEO EXPERIMENTAL:
http://www.virtual.unal.edu.co/cursos/ciencias/2000352/index.html