PhD. Florentino L.

Mendoza Marn

UNIVERSIDAD NACIONAL JOSE MARIA ARGUEDAS

CARRERA PROFESIONAL DE INGENIERIA AGROINDUSTRIAL
ASIGNATURA: IAAA82 Mtodos Estadsticos para la Investigacin SEGUNDA PARCIAL-A: 06-11-2013-II.
ESTUDIANTE: .CODIGO: ..
=============================================================================
1.- Una compaa distribuidora ubicada en los suburbios est interesada en estudiar la diferencia en costos
(tiempo y gasolina) entre las cuatro rutas (A, B, C, D) que llevan a la zona comercial, ms importante para ellos,
en el otro extremo de la ciudad. Deciden correr un experimento en cuadro grecolatino controlando los factores
de bloque chofer, marca de vehculo (, , , ) y da de la semana. El experimento se repite en dos semanas
diferentes, en las cuales no hay das festivos ni quincenas. Los costos observados en peso se muestran en la
siguiente tabla:
Chofer/da Lunes Martes Mircoles Jueves
Carlos 825 (D, ) 585 (C, ) 550 (B, ) 580 (A,
750 610 580 650
Enrique 650 (A, ) 540 (B, ) 580 (C, ) 850 (D, )
725 560 635 770
Genaro 700 (C, ) 650 (D, ) 635 (A, ) 450 (B, )
675 740 540 550
Luis 475 (B, ) 560 (A, ) 650 (D, ) 670 (C, )
480 615 725 730
1.1 Haga el anlisis de varianza de este experimento

Puesto que 2 (marca y ruta) sus valores-P son menores que 0.05, estos factores tienen un efecto
estadsticamente significativo sobre costo con un 95.0% de nivel de confianza.
Y las dos restantes (das y chofer) su valores-p son mayores que 0.05, estos factores no tienen
efecto estadstico significativo sobre el costo con un 95% de nivel de confianza

Por la tanto la hiptesis nula no tenemos todas las medias no se traslapan por la cual es
rechazada, y la hiptesis alterna es aceptada por hay una diferencia en las medias (diseo de
bloques completos al azar- capitulo 4)

1.2 Realice las pruebas de comparaciones mltiples para los factores significativos
2 Anlisis de Varianza para Costos - Suma de Cuadrados Tipo III
Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F Valor-P
EFECTOS PRINCIPALES
A:Rutas 200221. 3 66740.4 29.20 0.0000
B:Chofer 13164.8 3 4388.28 1.92 0.1607
C:Dias 18902.3 3 6300.78 2.76 0.0708
D:Marca 22414.8 3 7471.61 3.27 0.0439
RESIDUOS 43433.6 19 2285.98
TOTAL (CORREGIDO) 298137. 31
3 Todas las razones-F se basan en el cuadrado medio del error residual
En el cuarto del ANOVA se identifica los factores significativos en este caso son dos (ruta y marca) y
realizaremos una comparacin mltiple de estas:
Para la ruta:
Contraste Sig. Diferencia +/- Lmites
1-2 * 96.25 50.0358
1-3 -28.75 50.0358
1-4 * -125.625 50.0358
2-3 * -125.0 50.0358
24 * -221.875 50.0358
34 * -96.875 50.0358
* indica una diferencia significativa.

1
 PhD. Florentino L. Mendoza Marn

Segn la comparacin mltiple para el factor ruta se encuentra 5 pares indica que estos pares muestran diferencias
estadsticamente significativas con un nivel del 95.0% de confianza.
Para la marca
Contraste Sig. Diferencia +/- Lmites
12 -6.25 50.0358
13 38.125 50.0358
14 * 57.5 50.0358
23 44.375 50.0358
24 * 63.75 50.0358
34 19.375 50.0358
* indica una diferencia significativa.
Segn la comparacin mltiple para el factor ruta se encuentra 2 pares indica que estos pares muestran diferencias
estadsticamente significativas con un nivel del 95.0% de confianza.

3.1 Cul es la mejor ruta? Cul es el peor?

Por las medias Ls podemos decir que la ruta 2 es la mejor envista que genera menor costo, asimismo la ruta peor es
la 4 debido a que esta genera mayor costo.
4 Mtodo: 95.0 porcentaje LSD
Rutas Casos Media LS Sigma LS Grupos Homogneos
2 8 523.125 16.9041 X
1 8 619.375 16.9041 X
3 8 648.125 16.9041 X
4 8 745.0 16.9041 X

Dispersin por Cdigo de Nivel

850

750
costo

650

550

450
1 2 3 4
rutas

1.4 Hay diferencias significativas entre los choferes? Y entre el tipo o marca de unidad?
Choferes
Contraste Sig. Diferencia +/- Lmites * indica una diferencia significativa.
12 -22.5 50.0358 Entre el par del factor chofer 2-4 si existe una diferencia significativa al 95%
13 23.75 50.0358 de confiabilidad.
14 28.125 50.0358
23 46.25 50.0358
24 * 50.625 50.0358
34 4.375 50.0358
Marca
Contraste Sig. Diferencia +/- Lmites
12 -6.25 50.0358
13 38.125 50.0358
14 * 57.5 50.0358

2
 PhD. Florentino L. Mendoza Marn

23 44.375 50.0358
24 * 63.75 50.0358
34 19.375 50.0358
* indica una diferencia significativa.
Entre el par del factor marca 2-4 y 1-4 si existe una diferencia significativa al 95% de confiabilidad.

1.5 Por qu se evitaron das festivos y quincenas en el experimento?

Porque los das festivos y quincenas podran alterar de manera significativa el estudio en la diferencia en costos
(tiempo y gasolina) entre las cuatro rutas (A, B, C, D) por lo cual se realizaron en 2 semanas diferentes en que estas no
influyan.
2.- Se desea investigar el efecto del tipo y cantidad (%) de almidn sobre la
friabilidad (%) de tabletas. Se corre un diseo 3x3 con n=4 rplicas. Los
datos obtenidos se muestran a continuacin:
DDE
CREAR DISENO
FACTORIAL MULTINIVEL
N-1 (REPLICAS DISENO)
Tipo de Almidn Almidn (%)
20% 30% 40%
Pregelatinizado 0.7782 0.4272 0.7192
0.7654 0.4336 0.6742
0.7592 0.4552 0.6892
0.7758 0.4771 0.7023
Almidn 0.7856 0.6273 0.9562
0.8093 0.6592 0.9656
0.8126 0.6692 0.9656
0.8172 0.6523 0.9231
Dextrina 0.8543 0.8023 1.1356
0.8792 0.7986 1.1923
0.8723 0.7992 1.1643
0.8993 0.7827 1.1732
4.1 Escriba el modelo estadstico ms apropiado para el diseo.

4.2 Obtenga el ANOVA sin desglosar y obtenga conclusiones.

Copiar:
Determinando la hiptesis estadstica
Para el tipo almidn(A) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para el cantidad de almidn (B): la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para la interaccin del tipo almidn y cantidad de almidn(AB) la hiptesis nula se rechaza por que el
Valor-P <0.05 y se acepta HA.
Para la interaccin (BB) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
R-cuadrada = 98.6379 porciento
R-cuadrada (ajustada por g.l.) = 98.4622 porciento
Anlisis de Varianza para FRIABILIDAD

3
 PhD. Florentino L. Mendoza Marn

Anlisis de Varianza para Friabilidad

Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F Valor-P
A:Tipo almidon 0.5694 1 0.5694 1003.83 0.0000
B:Cantitad 0.0871697 1 0.0871697 153.68 0.0000
AB 0.132132 1 0.132132 232.94 0.0000
BB 0.484686 1 0.484686 854.48 0.0000
Error total 0.0175841 31 0.000567229
Total (corr.) 1.29097 35
En este caso, 4 efectos (tipos, cantidad, la interaccin de estas dos y BB) tienen un valor-P menor que
0.05, indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%.
En conclusin la H0 es rechazada porque hay un diferencia
4.3 Realice la grfica de efectos principales, y destaque los aspectos principales

Grfica de Efectos Principales para FRIABILIDAD

1.04

0.94
FRIABILIDAD

0.84

0.74

0.64
1.0 3.0 20.0 40.0
TIPOS CANTIDAD

No debe aumentar la cantidad de % en los tipos de almidn si se desea reducir la friabilidad, si se desea aumentar
la friabilidad se debe aumentar la cantidad de % en los tipos de almidn
4.4 Realice la grfica de efectos de interaccin, y destaque los aspectos principales

Grfica de Interaccin para FRIABILIDAD

1.21

1.11 CANTIDAD=40.0

1.01
FRIABILIDAD

0.91

0.81 CANTIDAD=20.0

0.71
CANTIDAD=20.0
0.61 CANTIDAD=40.0
1.0 3.0

TIPOS

4
 PhD. Florentino L. Mendoza Marn

Cuando los tipos de almidn se encuentren en un nivel bajo la cantidad no afectara significativamente a la
friabilidad por el contrario cunado el tipo de almidn se encuentre en su nivel alto la cantidad tiene un efecto
considerable sobre la friabilidad.

4.5 De la grfica de efectos principales para el factor % de almidn, Hay algn tipo de evidencia de que el
efecto no sea lineal? Argumente su respuesta.

Grfica de Efectos Principales para Friabilidad

0.97

0.87
Friabilidad

0.77

0.67

0.57

0.47
1.0 3.0 20.0 40.0

Tipo almidon Cantitad

Si hay una evidencia que el porcentaje de almidn no es lineal debido a que tenemos efectos cuadrticos o efectos
dobles.

3.- ojo La mata ratn (Gliricidia sepium) es de inters econmico para fines forrajeros. Para propagar su uso
por parte de los ganaderos es importante investigar la forma adecuada de sembrar esta especie. Se plantea un
experimento factorial con 10 estacas; cada combinacin de las longitudes L 1=8 cm y L2=10 cm con los dimetros
D1=5-6 cm, D2=6.1-7 cm y D3=7.1-8 cm. Despus de 65 das se midieron las respuestas Y 1= porcentaje de estacas
con brotes, Y2=rebrotes por estacas y Y3= altura de las plntulas. Los resultados son los siguientes:
Longitud Dimetros Y1 Y2 Y3
L1 D1 60 0.9 2.80
L1 D2 60 0.7 2.35
L1 D3 70 0.9 3.60
L2 D1 90 1.2 5.10
L2 D2 100 1.6 7.30
L2 D3 100 2.1 7.45
3.1 Analice el experimento usando el ANOVA sin desglose

La tabla ANOVA Y1 (% de estaca con brotes) para longitud. La H0 se rechaza y la hiptesis alterna se acepta
valor-P<
La tabla ANOVA Y2 (rebrotes por estaca) para la longitud. La H0 se rechaza y la hiptesis alterna se acepta
valor-P<
La tabla ANOVA Y3 (altura de plntulas) para la longitud. La H0 se rechaza y la hiptesis alterna se acepta
valor-P<
3.2 Cul de los dos factores es el ms crtico para observar brotes?

Entre los dos factores ms crticos el que ms afecta es el factor dimetro.

3.3 Analice las respuestas Y2 y Y3. Con estas respuestas resulta significativo el factor dimetro? Explique y
pruebe las hiptesis correspondientes.

5
 PhD. Florentino L. Mendoza Marn

Anlisis de Varianza para Y2

Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F Valor-P
A:LONGITUD 0.96 1 0.96 12.48 0.0386
B:DIAMETRO 0.2025 1 0.2025 2.63 0.2032
Error total 0.230833 3 0.0769444
Total (corr.) 1.39333 5

La tabla ANOVA particiona la variabilidad de Y2 En este caso, 1 efectos (longitud) tienen una valor-P menor que 0.05,
indicando que son significativamente diferentes de cero con un nivel de confianza del 95.0%. Pero el dimetro no
indica que no son significativo diferentes de cero.

En la prueba de hiptesis para el dimetro valor de P es mayor que 0.05 esto nos quiere decir que se rechaza la
hiptesis nula.

Anlisis de Varianza para Y3

Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F Valor-P
A:LONGITUD 20.535 1 20.535 34.56 0.0098
B:DIAMETRO 2.48063 1 2.48063 4.17 0.1336
Error total 1.78271 3 0.594236
Total (corr.) 24.7983 5

La tabla ANOVA particiona la variabilidad de Y3 en piezas separadas para cada uno de los efectos. En este caso, 1
efectos tienen una valor-P menor que 0.05, indicando que son significativamente diferentes de cero con un nivel de
confianza del 95.0%. Pero el dimetro no indica que no son significativo diferentes de cero.

En la prueba de hiptesis para el dimetro valor de P es mayor que 0.05 esto nos quiere decir que se rechaza la hiptesis nula.

3.4 Cules seran las dimensiones ms recomendadas para las estacas?

6
 PhD. Florentino L. Mendoza Marn

4.- Considere un experimento 25-1 con I=ABCDE que fue utilizado para investigar los
efectos de cinco factores sobre el color de un producto qumico. Los factores son A=
solvente/reactante, B=catalizador/reactante, C= temperatura, D= pureza del reactante y
E=acidez del reactante. Los resultados obtenidos son los siguientes:
decribado
e=-0.63 d= 6.79
a= 2.51 ade= 5.47
b= -2.68 bde= 3.45
abe= 1.66 abd= 5.68
c= 2.06 cde= 5.22
ace= 1.22 acd= 4.38
bce= -2.09 bcd= 4.30
abc= 1.93 abcde=4.05
4.1 Del grfico de Pareto, Cules parecen significativos?

Diagrama de Pareto Estandarizada para Color

D:Pureza +
AD -
B:Catalisis
A:Solucion
AB
E:Acidez
AC
CD
0 4 8 12 16 20
Efecto estandarizado
En este caso, 8 efectos son significativos (D, AD, B, A, AB, E, AC y CD) que se extienda ms all de la lnea
corresponde a efectos que son estadsticamente significativos con un 95.0% de nivel de confianza.
De los cuales 4 son los efectos principales (D, B, AY E) y 4 de efectos de interaccin doble (AD, AB, AC y CD)
4.2 Obtenga el mejor anlisis de varianza.

Ho no tiene efecto en A
Ho no tiene efecto en B
Ho no tiene efecto en C
Ho no tiene efecto en D
HA si tiene efecto en A
HA si tiene efecto en B
HA si tiene efecto en C
HA si tiene efecto en D

7
 PhD. Florentino L. Mendoza Marn

Determinando la hiptesis estadstica para un mejor ANOVA.

Para la solucin (A) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para la catlisis (B): la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para la solucin (D) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para la acidez (E) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para la interaccin (AD) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para la interaccin (AB) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para la interaccin (AC) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.
Para la interaccin (CD) la hiptesis nula se rechaza por que el Valor-P <0.05 y se acepta HA.

En este caso el mejor anlisis de varianza es en los 8 efectos tienen una valor-P menor que 0.05, indicando que son
significativamente diferentes de cero con un nivel de confianza del 95.0%.
El estadstico R-Cuadrada indica que el modelo, as ajustado, explica 98.7819% de la variabilidad en color quimico. El
estadstico R-cuadrada ajustada, que es ms adecuado para comparar modelos con diferente nmero de variables
independientes, es 97.3897 porciento.
4.3 Represente grficamente cada efecto significativo e interprtelo con detalle.

Grfica de Efectos Principales para Color

5

4
C o lo r

0
Solucion Pureza
Catalisis Acidez

En la grfica se muestran los efectos que estn activos y para cada uno se localiza el valor ms bajo en la lnea
as como el valor ms bajo y alto en la lnea.
De esta forma se aprecia que a mayor solucin, mayor es el color qumico, a mayor catlisis mayor es el
color qumico, a mayor pureza de reactante mayor el color qumico y a mayor catalizador menor es color
qumico.
4.4 Determine el mejor tratamiento.
El grafico se puede decir:
1. se deseamos obtener mejor color qumico la cantidad de solvente /reactante debe de ser de nivel alto, el
catalizador/ reactante en su nivel bajo y la pureza del reactante en su nivel alto.
2. Se deseamos obtener un menor color qumico la cantidad de solvente /reactante debe de ser de nivel bajo, el
catalizador/ reactante en su nivel alto y la pureza del reactante en su nivel bajo.

PROFESOR: PhD. Florentino L. MENDOZA MARIN.