Estadstica; 3 CC. AA.

Examen final, 6 de febrero de 2008

Apellidos
Nombre:

Grupo:

DNI

1. En un estudio sobre la biologa de la muerte celular1, se llev a cabo un experimento con ratas para
comprobar el efecto neuroprotector de varias dosis de troglitazone (dose baja = 1.3, media = 4.5 y alta =
13.5) en dos formas de iones (ion 0 = negativo y 1 = positivo).
En cada caso, se midi el porcentaje de clulas muertas relativas a la cantidad de glutamato glut (valores
mayores de glutamato indican mayor muerte celular).
Realizado un anlisis de la varianza con SPSS se obtuvieron los siguientes datos:
Tabla ANOVA
Variable dependiente: glut
Suma de
cuadrados
tipo III

Fuente
dosis

Media
cuadrtica

gl

Significacin

48765,567

24382,784

74,589

,000

2021,803

2021,803

6,185

,023

583,708

291,854

,893

,427

5884,142

18

326,897

ion
dose * ion
Error
Total

57255,210
23
a R cuadrado = ,897 (R cuadrado corregida = ,869)
Estadsticos descriptivos
Variable dependiente: glut
dose
dosis baja

dosis media

dosis alta

ion
0

Media
115,6275

Desv.
Tp.
29,44958

N
4

106,0050

13,36462

Total

110,8163

21,78747

48,2450

14,50785

34,9400

7,07903

Total

41,5925

12,73812

17,7800

18,73075

-14,3625

17,43727

Total
Total

1,7088

23,99696

60,5508

47,04220

12

42,1942

52,99293

12

Total

51,3725

49,89346

24

a) Definir los siguientes elementos:

Variable respuesta: Yij = el porcentaje de clulas muertas relativas a la cantidad de glutamato con la
dosis i y la forma de in j.
Factor 1: dosis de troglitazone

n de niveles: Tres (3)

Factor 2: ion

n de niveles: Dos (2)

Cuntas rplicas se han hecho para cada combinacin de niveles de los factores?: Cuatro (4)

Source: Uryo S, Harada J, Hisamoto M, and Oda T. (2002) Troglitazone inhibits both post glutamate neurotoxicity and lopotassium induced apoptosis in cerebellar granule neurons. Brain Research, 924: 229-236.

Modelo terico: Yij = ijijU. La variable U es N(0,). Anlisis de la varianza con

dos factores e interaccin.
Comparaciones mltiples
Variable dependiente: glut
Bonferroni
Intervalo de confianza al
95%.
Diferencia
entre medias
(I-J)
69,2238(*)
109,1075(*)

Error tp.
9,04014
9,04014

Significacin
,000
,000

Lmite inferior
45,3655
85,2493

Lmite
superior
93,0820
132,9657

(I) dose
dosis baja

(J) dose
dosis media
dosis alta

dosis media

dosis baja

-69,2238(*)

9,04014

,000

-93,0820

-45,3655

dosis alta

39,8838(*)
-109,1075(*)
-39,8838(*)

9,04014
9,04014
9,04014

,001
,000
,001

16,0255
-132,9657
-63,7420

63,7420
-85,2493
-16,0255

dosis alta

dosis baja
dosis media

Basado en las medias observadas.

* La diferencia de medias es significativa al nivel ,05.

b) Indicar las conclusiones que se obtienen del contraste de Bonferroni.

Solamente se hacen comparaciones para la variable dose ya que la variable ion tiene solamente
dos niveles.
El contrate de Bonferroni indica que hay diferencias significativas (al nivel de significacin global
=005) para la respuesta media entre las dosis baja y media, entre la dosis baja y alta y entre la
dosis media y alta.

ion
no in
s in

150,00

100,00

0,00

glut

Residuo estandarizado para glut

1,00

50,00

-1,00

0,00

-2,00

-50,00

-50,00

0,00

50,00

glut

Estadstica, CC. AA. 2008

100,00

150,00

dosis baja

dosis media

dosis alta

dose

Pgina 2

Grfico Q-Q Normal de Residuo estandarizado para glut

Media =-1,3115E-15
Desviacin tpica =0,
88465
N =24

Valor Normal esperado

Frecuencia

-1

0
-2,00

0,00

2,00

Residuo estandarizado para glut

-2
-2

Valor observado

c) Especificar y comentar los requisitos del modelo.

Normalidad : U sigue una distribucin N(0,El grfico de los residuos muestra un posible dato
anmalo (por debajo de -2). Esto se detecta tambin en el histograma y el grfico Q-Q.

Homocedasticidad : la varianza es igual en cada uno de los 6 casos (3 dosis x 2 formas de in).
Var(U) = 2. Los datos descriptivos hacen discutible el cumplimiento de este requisito ya que las
desviaciones tpicas muestrales presentan diferencias grandes.
Independencia: las observaciones se han realizado de manera independiente (el resultado de cada
rata no influye en los de las dems). Se supone que las ratas han sido elegidas independientemente
unas de otras.
Linealidad: los residuos se distribuyen homogneamente alrededor del cero. E(U)=0. Salvo el
mencionado dato posiblemente anmalo, los residuos se distribuyen sin forma alrededor del 0.

d) Suponiendo que se cumplen los requisitos del modelo, indicar, especificando la H0 en

cada caso, las conclusiones que se obtienen de la tabla ANOVA.
H0 : 1 = 2 = 3 = 0 (el factor dosis no influye en la respuesta media).
Se rechaza (el p-valor es menor que 0.0005), Hay evidencia muy significativa de que la dosis influye
en la media de la muerte celular.
H0 : 1 = 2 = 0 (el factor in no influye en la respuesta media).
Con = 0.05 se rechaza H0 (el p-valor es 0.023), Hay evidencia significativa de que, en media, la
forma de in influye en la muerte celular. Nota: con = 0.01 no podramos rechazar.
H0 : ij = 0 para todas las parejas ij (no hay interaccin entre la dosis y el in).
No se rechaza (el p-valor es 0.427). No hay evidencia de que exista interaccin.

Estadstica, CC. AA. 2008

Pgina 3

2. En un estudio2 sobre el sonido de los grillos en relacin con la temperatura ambiente, se midi a 15
temperaturas diferentes (en grados Farenheit) la frecuencia (en vibraciones por segundo) de los chirridos
producidos por los grillos al frotar sus alas. Se supone que dicha frecuencia aumenta con la temperatura.
A continuacin se presentan los resultados SPSS obtenidos en un modelo de regresin lineal:
20

vibraciones por segundo

19

18

R
0,835

17

R cuadrado
0,697

16

15

14

65,00

70,00

75,00

80,00

85,00

90,00

95,00

grados F

Coeficientes no
estandarizados

Modelo

B
1

(Constante)

Sig.

Error tp.

-,309

3,109

-,099

,922

,039

5,475

,000

grados F

,212
a Variable dependiente: vibraciones por segundo

ANOVA(b)

Modelo
1

Suma de
cuadrados

Media
cuadrtica

gl

Regresin

28,287

28,287

Residual

12,270

13

,944

Total

40,557

14

Sig.

29,970

,000(a)

a Variables predictoras: (Constante), grados F

b Variable dependiente: vibraciones por segundo
5

Frecuencia

Media =-1,2490009E16
Desviacin tpica =0,
96362411
N =15

0
-2,00000

0,00000

2,00000

Standardized Residual

Fuente: Pierce, George W. 1948. The Song of Insects.

Estadstica, CC. AA. 2008

Pgina 4

2,00000

Grfico Q-Q Normal de Standardized Residual

Standardized Residual

Valor Normal esperado

0,00000

-1
-2,00000

14

15

16

17

18

19

20

vibraciones por segundo

-2
-2

Valor observado

a) Describir el modelo terico utilizado

Regresin lineal simple. Variable explicativa (X): temperatura en grados F. Variable
respuesta (Y): n de vibraciones por segundo.
Modelo: (Y|X=x)=0+1 x+U. La variable U es N(0,).
b)
Escribir la ecuacin de la recta de regresin estimada.
Qu porcentaje en la variacin de la frecuencia de los chirridos estimamos que se
debe a la existencia de variaciones en la temperatura?
Dar un intervalo de confianza del 95% para la pendiente de la recta de regresin (1).
Y= 0309 + 0212 X
R cuadrado = 0697: el modelo explica aproximadamente el 70% de la variabilidad.
IC95%( 1)= [ 0212 t13;0025 Error tip.] = [0212 216 0039] = [0128, 0296].

Estadstica, CC. AA. 2008

Pgina 5

c) Qu conclusiones pueden extraerse de la tabla ANOVA?

El coeficiente de la regresin (1) es significativamente distinto de cero a cualquier nivel
de significacin razonable.
El nmero medio de vibraciones por segundo crece linealmente con la temperatura.

d) Qu efecto tendr sobre la frecuencia de chirridos un aumento de 5 grados

Fahrenheit?
Aumentara la frecuencia, en media, en 0212 5 = 11 vibraciones por segundo.

e) Indicar los requisitos previos necesarios para que el anlisis realizado sea correcto y si
los grficos presentan alguna evidencia en su contra.
La variable Y, fijado cualquier valor de la X, tiene distribucin normal con varianza
constante.
El valor medio de la variable Y, fijada X, es de la forma 0+1 X.
No parecen observarse grandes desviaciones de la normal tanto el histograma como en el
diagrama Q-Q. Sin embargo la homocedasticidad es dudosa ya que para la parte alta de
los valores de Y solamente se observan residuos positivos. Esto puede ser debido a una
falta de linealidad en la relacin entre X e Y.
Las observaciones deben ser independientes.

Estadstica, CC. AA. 2008

Pgina 6