1.

- Los datos que aparecen en la tabla siguiente representan el empuje de un motor de turbina (Y) y seis variab
regresión candidatas: X1 = velocidad de rotación primaria, X2 = velocidad de rotación secundaria, X3 = rapidez d
flujo de combustible, X4 = presión, X5 = temperatura de escape y X6 = temperatura ambiente al momento de efec
tuar la prueba.
Y X1 X2 X3 X4 X5
4540 2140 20640 30250 205 1732
4315 2016 20280 30010 195 1697
4095 1905 19860 29780 184 1662
3650 1675 18980 29330 164 1598
3200 1474 18100 28960 144 1541
4833 2239 20740 30083 216 1709
4617 2120 20305 29831 206 1669
4340 1990 19961 29604 196 1640
3820 1702 18916 29088 171 1572
3368 1487 18012 28675 149 1522
4445 2107 20520 30120 195 1740
4188 1973 20130 29920 190 1711
3981 1864 19780 29720 180 1682
3622 1674 19020 29370 161 1630
3125 1440 18030 28940 139 1572
4560 2165 20680 30160 208 1704
4340 2048 20340 29960 199 1679
4115 1916 19860 29710 187 1642
3630 1658 18950 29250 164 1576
3210 1489 18700 28890 145 1528
4330 2062 20500 30190 193 1748
4119 1929 20050 29960 183 1713
3891 1815 19680 29770 173 1684
3467 1595 18890 29360 153 1624
3045 1400 17870 28960 134 1569
4411 2047 20540 30160 193 1746
4203 1935 20160 29940 184 1714
3968 1807 19750 29760 173 1679
3531 1591 18890 29350 153 1621
3074 1388 17870 28910 133 1561
4350 2071 20460 30180 198 1729
4128 1944 20010 29940 186 1692
3940 1831 19640 29750 178 1667
3480 1612 18710 29360 156 1609
3064 1410 17780 28900 136 1552
4402 2066 20520 30170 197 1758
4180 1954 20150 29950 188 1729
3973 1835 19750 29740 178 1690
3530 1616 18850 29320 156 1616
3080 1407 17910 28910 137 1569
 Elabore un informe con su respuesta donde especifique principalmente:
a. El ajuste del modelo de regresión lineal múltiple que mejor describa al problema
b. Si se cumplen las condiciones estandar de un modelo de regresión lineal

2 Una investigación de la relación entre flujo de tránsito x (miles de automóviles por 24 h) y contenido
g
de plomo Y de la corteza de árboles cerca de la autopista ( g de peso en seco) produjo los datos
de las columnas xi y y i siguientes:
X Y
8.3 4579.30
8.5 4918.00
8.5 4918.00
8.6 5093.45
8.6 5093.45
8.7 5273.02
Calcule y compare las rectas de regresión que
9.2 6234.50 resultan al considerar los siguientes modelos:
9.3 6439.86
9.5 6864.00 y  a  bx
9.8 7534.54 y  ax b
10.3 8746.82 y  ab x
10.5 9266.00
10.8 10082.70
11.2 11244.42
11.5 12172.00
11.7 12817.90
11.9 13486.27
12.3 14891.94
12.6 16008.01
12.9 17178.51
13.4 19253.83
13.7 20575.82
13.8 21029.58
14.5 24394.00
14.7 25417.18
14.9 26468.59
15.1 27548.61
15.3 28657.62
15.5 29796.00
15.9 32162.43
15.9 32162.43
16.2 34017.22
16.3 34650.98
16.4 35292.55
16.7 37264.70
16.8 37938.06
3.- Se consideran seis diferentes máquinas para su uso en la fabricación de sellos de caucho. Las máquina
comparar con respecto a la resistencia a la tracción del producto. Se utiliza una muestra aleatoria de cuatr
sellos de cada máquina para determinar si la resistencia media a la tracción varía de una máquina a otra.
Las siguientes son las mediciones de la resistencia a la tracción en kilogramos por centímetro cuadrado x
Máquina
1 2 3 4 5 6
17.5 16.4 20.3 14.6 17.5 18.3
16.9 19.2 15.7 16.7 19.2 16.2
15.8 17.7 17.8 20.8 16.5 17.5
18.6 15.4 18.9 18.9 20.5 20.1
Realice el análisis de varianza al nivel de significancia de 0.05 e indique si las resistencias medias a la tra
de manera significativa para las seis máquinas.

4.-Se mide la temperatura de una mezcla con cuatro termómetros, obteniéndose los datos siguientes:
(termómetro 1) 63, 63, 62, 65, 66:
(termómetro 2) 64, 64, 63,64, 65;
(termómetro 3) 58, 59, 59, 68;
(termómetro 4) 61, 62, 60, 63.
¿Son los cuatro termómetros análogos?.
Calcular los residuos y analizar si se verifican las hipótesis básicas del modelo de ANOVA.
Elimine el tercer termómetro y calcule la tabla ANOVA para comparar los otros tres termómetros. ¿Qué c
podrán extraerse?. Use un nivel de significación del 0,05.

5.- Trece alumnos de características análogas se asignan al azar a 3 métodos de aprendizaje, obteniendo lo
siguientes resultados en el examen posterior.
Método 1 Método 2 Método 3
7.72 8.01 7.91
7.98 7.93 8.32
7.85 8.15 8.12
7.87 8.09 8.28
8.23
¿Podemos concluir que los métodos son distintos?. Use un nivel de significación del 0,05.

6.-En un análisis de la varianza con cinco grupos se conoce que las medias estimadas en cada grupo son 2
Hay diez observa
Calcular la tabla ANOVA.

7.- Un psicólogo clínico quería comparar tres métodos para reducir los niveles de hostilidad en estudiante
Cada prueba sicológica (PNH) fue usada para medir el grado de hostilidad. Las puntuaciones altas en esta
usaron como indicación de gran hostilidad. En el experimento se usaron 11 estudiantes que obtuvieron puntuacio
altas y muy cercanas entre sí. De los 11 estudiantes se seleccionaron 5 al azar y se trataron con el método A, de lo
restantes se tomaron tres al azar y se trataron con el método B y el resto se trató con el método C. Todos los trata
se realizaron durante un trimestre. Cada estudiante tomó la prueba PNH nuevamente al final del trimestre, con lo
siguientes resultados:
Método A 73,83,76,68,80
Método B 54,74,71
Método C 79,98,87
a) Realice un análisis de varianza para este experimento.
b) Presentan los datos suficiente evidencia para concluir que hay diferencias entre las respuestas medias
de los tres métodos, después del tratamiento?. Use un nivel de significación del 0,05.

8.-Un estudio mide la tasa de absorción de tres tipos diferentes de solventes químicos orgánicos. Estos so
para limpiar partes metálicas industriales labradas y son desechos peligrosos potenciales. Se prueban mue
independientes de solventes de cada tipo y se registran sus tasas de absorción como porcentaje molar.
Aromáticos Cloroalcanos Ésteres
1.06 0.95 1.58 1.12 0.29 0.43 0.06
0.79 0.65 1.45 0.91 0.06 0.51 0.09
0.82 1.15 0.57 0.83 0.44 0.10 0.17
0.89 1.12 1.16 0.43 0.55 0.53 0.17
1.05 0.61 0.34 0.60
¿Existe una diferencia significativa en la tasa de absorción media para los tres solventes? Utilice un p-val

9.- Una central de productos lácteos recibe diariamente leche de dos granjas A y B. Para estudiar la calida
se extrae una muestra de cada granja y se analiza el contenido de materia grasa (en gr/l), obteniéndose los
Granja A 29 30 31 30 35
Granja B 26 32 30 28
Se puede decir a un nivel de significación del 0,05 que el contenido medio de materia grasa depende de la
procedencia?.

10.- Un químico del departamento de desarrollo de un laboratorio farmacéutico desea conocer cómo influye el tip
aglutinante utilizado en tabletas de ampicilina de 500 mg en el porcentaje de friabilidad; para ello, se eligen los s
aglutinantes: polivinilpirrolidona (PVP), carboximetilcelulosa sódica (CMC) y grenetina (Gre). Los resultados del dis
experimental son los siguientes
Aglutinante % de friabilidad
PVP 0.485 0.250 0.073 0.205 0.161
CMC 9.64 9.37 9.53 9.86 9.79
Gre 0.289 0.275 0.612 0.152 0.137
a) Especifique el nombre del diseño experimental.
b) ¿Sospecha que hay algún efecto significativo del tipo de aglutinante sobre la variable de respuesta?
c) Escriba las hipótesis para probar la igualdad de medias y el modelo estadístico.
d) Realice el análisis adecuado para probar las hipótesis e interprete los resultados.
e) Revise los supuestos, ¿hay algún problema?

11.- El Ministerio de Educación esta interesado en implementar tres programas de estudio; con el
objetivo de medir la habilidad de lectura en los alumnos. Para ello, se eligen alumnos del sexto
grado de un Colegio de San Salvador, de los cuales fueron asignados al azar 27 alumnos, a
cada uno de los tres grupos. Se utilizó un programa diferente en cada grupo, se llevó a cabo un
examen al inicio y al final de la implementación de los programas, los valores obtenidos
representan la diferencia que hay entre la nota del examen que se hizo al inicio y al final de la
implementación del programa, obteniéndose los siguientes datos, en base 100:
Tratamiento Observaciones
Programa 1 20 18 18 23 22 17 15 13 21
Programa 2 15 20 13 12 16 17 21 15 13
Programa 3 12 15 18 20 18 17 10 24 16
a) Indique la variable de estudio
b) Explique el significado verbal de las hipótesis
c) Calcule los estimadores del modelo
d) Desarrolle el ANOVA correspondiente
e) Comparaciones entre tratamientos

12.- Los cigarrillos producen cantidades apreciables de monóxido de carbono . Cuando se inhala el humo
del cigarrillo, el monóxido de carbono se combina con la hemoglobina para formar la carboxihemoglobina.
En un estudio reciente, los investigadores deseaban diterminar si una concentración apreciable de
carboxihemoglobina reduce la tolerancia al ejercicio en aquellos pacientes que sufren de bronquitis crónica
y enfisema. Se seleccionaron siete de estos pacientes y, en un ambiente controlado, se les pidió que
caminaran durante 12 minutos respirando una de las siguientes cuatro mezclas gaseosas: aire, oxígeno,
aire más monóxido de carbono (CO) u oxígeno más monóxido de carbono. La cantidad de monóxido de carbono
respirado fue suficiente para elevar la concentración de carboxihemoglobina de cada sujeto en 9%.
Para controlar el consumo de monóxido de carbono, se pidió a los siete fumadores que dejaran de fumar 12
horas antes del experimento- Los datos que figuran en la tabla representan las distancias caminadas por los
sujetos en 12 minutos para cada condición
Mezcla Gaseosa
Sujeto Aire Oxígeno Aire + CO Oxígeno + CO
1 835 874 750 854
2 787 827 755 829
3 724 738 698 726
4 336 378 210 279
5 252 315 168 336
6 560 672 558 642
7 336 341 260 336
a) Escríbase el modelo para este problema
b) ¿Puede rechazarse la hipótesis nula de que no existe algún efecto, debido a la mezcla de gas, en la distancia
caminada durante el lapso de 12 minutos para un nivel de a = 0,05?
c) Llévese a cabo una prueba F conservadora para la hiótesis nula.¿Es la conclusión diferente a la de la parte b?
d) Si la respuesta a la parte b es sí, constrúyase los contratses pertinentes y empléese el método de Sceffé para
determinar si estos son estadísticamente significativos.
 motor de turbina (Y) y seis variables de
otación secundaria, X3 = rapidez de
atura ambiente al momento de efec-

X6
99
100
97
97
97
87
87
87
85
85
101
100
100
100
101
98
96
94
94
94
101
100
100
99
100
99
99
99
99
99
102
101
101
101
101
100
99
99
99
100
óviles por 24 h) y contenido
n seco) produjo los datos

gresión que
es modelos:
 e sellos de caucho. Las máquinas se deben
a una muestra aleatoria de cuatro
ón varía de una máquina a otra.
amos por centímetro cuadrado x 10-1:

si las resistencias medias a la tracción difieren

éndose los datos siguientes:

odelo de ANOVA.
s otros tres termómetros. ¿Qué conclusiones

dos de aprendizaje, obteniendo los

ficación del 0,05.

as estimadas en cada grupo son 20, 22, 24, 26 y 28.

veles de hostilidad en estudiantes universitarios.

d. Las puntuaciones altas en esta prueba se
udiantes que obtuvieron puntuaciones
se trataron con el método A, de los 6
tó con el método C. Todos los tratamientos
 mente al final del trimestre, con los

ncias entre las respuestas medias de los estudiantes

ón del 0,05.

tes químicos orgánicos. Estos solventes se utilizan

sos potenciales. Se prueban muestras
ción como porcentaje molar.

s tres solventes? Utilice un p-valor para sus conclusiones.

jas A y B. Para estudiar la calidad de los productos,

grasa (en gr/l), obteniéndose los siguientes resultados:

o de materia grasa depende de la granja de

o desea conocer cómo influye el tipo de

riabilidad; para ello, se eligen los siguientes
enetina (Gre). Los resultados del diseño

variable de respuesta?

de estudio; con el
umnos del sexto
 llevó a cabo un

y al final de la

Cuando se inhala el humo

mar la carboxihemoglobina.
ación apreciable de
sufren de bronquitis crónica
lado, se les pidió que
gaseosas: aire, oxígeno,
antidad de monóxido de carbono
e cada sujeto en 9%.
ores que dejaran de fumar 12
distancias caminadas por los

a mezcla de gas, en la distancia

sión diferente a la de la parte b?

pléese el método de Sceffé para
 Y X1 X2 X3 X4 X5 X6
4540 2140 20640 30250 205 1732 99
4315 2016 20280 30010 195 1697 100
4095 1905 19860 29780 184 1662 97
3650 1675 18980 29330 164 1598 97
3200 1474 18100 28960 144 1541 97
4833 2239 20740 30083 216 1709 87
4617 2120 20305 29831 206 1669 87
4340 1990 19961 29604 196 1640 87
3820 1702 18916 29088 171 1572 85
3368 1487 18012 28675 149 1522 85
4445 2107 20520 30120 195 1740 101
4188 1973 20130 29920 190 1711 100
3981 1864 19780 29720 180 1682 100
3622 1674 19020 29370 161 1630 100
3125 1440 18030 28940 139 1572 101
4560 2165 20680 30160 208 1704 98
4340 2048 20340 29960 199 1679 96
4115 1916 19860 29710 187 1642 94
3630 1658 18950 29250 164 1576 94
3210 1489 18700 28890 145 1528 94
4330 2062 20500 30190 193 1748 101
4119 1929 20050 29960 183 1713 100
3891 1815 19680 29770 173 1684 100
3467 1595 18890 29360 153 1624 99
3045 1400 17870 28960 134 1569 100
4411 2047 20540 30160 193 1746 99
4203 1935 20160 29940 184 1714 99
3968 1807 19750 29760 173 1679 99
3531 1591 18890 29350 153 1621 99
3074 1388 17870 28910 133 1561 99
4350 2071 20460 30180 198 1729 102
4128 1944 20010 29940 186 1692 101
3940 1831 19640 29750 178 1667 101
3480 1612 18710 29360 156 1609 101
3064 1410 17780 28900 136 1552 101
4402 2066 20520 30170 197 1758 100
4180 1954 20150 29950 188 1729 99
3973 1835 19750 29740 178 1690 99
3530 1616 18850 29320 156 1616 99
3080 1407 17910 28910 137 1569 100

Elabore un informe con su respuesta donde especifique principalmente:

a. El ajuste del modelo de regresión lineal múltiple que mejor describa al problema
b. Si se cumplen las condiciones estandar de un modelo de regresión lineal

Solucion

Matriz X

1 2140 20640 30250 205 1732 99

1 2016 20280 30010 195 1697 100
1 1905 19860 29780 184 1662 97
1 1675 18980 29330 164 1598 97
1 1474 18100 28960 144 1541 97
1 2239 20740 30083 216 1709 87
1 2120 20305 29831 206 1669 87
1 1990 19961 29604 196 1640 87
1 1702 18916 29088 171 1572 85
1 1487 18012 28675 149 1522 85
1 2107 20520 30120 195 1740 101
1 1973 20130 29920 190 1711 100
1 1864 19780 29720 180 1682 100
1 1674 19020 29370 161 1630 100
1 1440 18030 28940 139 1572 101
1 2165 20680 30160 208 1704 98
1 2048 20340 29960 199 1679 96
1 1916 19860 29710 187 1642 94
1 1658 18950 29250 164 1576 94
1 1489 18700 28890 145 1528 94
1 2062 20500 30190 193 1748 101
1 1929 20050 29960 183 1713 100
1 1815 19680 29770 173 1684 100
1 1595 18890 29360 153 1624 99
1 1400 17870 28960 134 1569 100
1 2047 20540 30160 193 1746 99
1 1935 20160 29940 184 1714 99
1 1807 19750 29760 173 1679 99
1 1591 18890 29350 153 1621 99
1 1388 17870 28910 133 1561 99
1 2071 20460 30180 198 1729 102
1 1944 20010 29940 186 1692 101
1 1831 19640 29750 178 1667 101
1 1612 18710 29360 156 1609 101
1 1410 17780 28900 136 1552 101
1 2066 20520 30170 197 1758 100
 1 1954 20150 29950 188 1729 99
1 1835 19750 29740 178 1690 99
1 1616 18850 29320 156 1616 99
1 1407 17910 28910 137 1569 100

40x7

X`*X 7X7 (primer nº con ultimo nº)

40 72397 779784 1184231 6980 66076 3897

72397 133508823 1420459296 2147723138 12862178 120197842 7049906
779784 1420459296 15236106846 23102744527 136908160 1290468251 75973422
1184231 2147723138 23102744527 35068553535 207040491 1957453512 115392271
6980 12862178 136908160 207040491 1239432 11583909 679365
66076 120197842 1290468251 1957453512 11583909 109336064 6441279
3897 7049906 75973422 115392271 679365 6441279 380533

7x7

X`*Y
MATRIZ X`:7X40 MATRIZ Y : 40X1
156160
287571830 PRODUCTO: 7X1
3062352081
4631760166
27708929
259142680
15200200

7X1

A) Y= -4738,015 + 1,1185X1 - 0,030X2 + 0,231X3 + 3,85X4 + 0,822X5 - 16,946X6

B) Condiciones: Independencia entre si (Durbin Watson)

Varianza Unica (Grafico)
Distribuidos normalmente; media 0 (Shapiro WiKls)

Dulbin Watson

X1 X2 X3 X4 X5 X6 Y
2140 20640 30250 205 1732 99 4540
2016 20280 30010 195 1697 100 4315
1905 19860 29780 184 1662 97 4095
1675 18980 29330 164 1598 97 3650
1474 18100 28960 144 1541 97 3200
2239 20740 30083 216 1709 87 4833
2120 20305 29831 206 1669 87 4617
1990 19961 29604 196 1640 87 4340
1702 18916 29088 171 1572 85 3820
1487 18012 28675 149 1522 85 3368
2107 20520 30120 195 1740 101 4445
1973 20130 29920 190 1711 100 4188
1864 19780 29720 180 1682 100 3981
1674 19020 29370 161 1630 100 3622
1440 18030 28940 139 1572 101 3125
2165 20680 30160 208 1704 98 4560
2048 20340 29960 199 1679 96 4340
1916 19860 29710 187 1642 94 4115
1658 18950 29250 164 1576 94 3630
1489 18700 28890 145 1528 94 3210
2062 20500 30190 193 1748 101 4330
1929 20050 29960 183 1713 100 4119
1815 19680 29770 173 1684 100 3891
1595 18890 29360 153 1624 99 3467
1400 17870 28960 134 1569 100 3045
2047 20540 30160 193 1746 99 4411
1935 20160 29940 184 1714 99 4203
1807 19750 29760 173 1679 99 3968
1591 18890 29350 153 1621 99 3531
1388 17870 28910 133 1561 99 3074
2071 20460 30180 198 1729 102 4350
1944 20010 29940 186 1692 101 4128
1831 19640 29750 178 1667 101 3940
1612 18710 29360 156 1609 101 3480
1410 17780 28900 136 1552 101 3064
2066 20520 30170 197 1758 100 4402
1954 20150 29950 188 1729 99 4180
1835 19750 29740 178 1690 99 3973
1616 18850 29320 156 1616 99 3530
1407 17910 28910 137 1569 100 3080
por lo tanto no se cumplen todas las condiciones de un modelo de regresion lineal

Metodo del Grafico

Residuos
-3.74121288
38.64329361
3.433687106
22.49745584 60

-20.0780701
40
-6.74146336
20

0
0 5 10 1
 60

40

26.71699152
20
-0.58019104
7.239840222 0
-10.5383223 0 5 10 1

30.34142563 -20
-16.2910926
-3.48476386 -40
23.68694905
7.006512243 -60
4.776206467
-27.1974742
-18.6773321
6.297715588
-36.6066978
-49.9485017
-22.4130765
-27.9240727
-25.7874957
-32.9280815
23.70586137
41.19061513
49.60592146
47.45831704
14.50296125
-25.6021249
-4.1287378
18.25520564
-2.56302917
9.226447721
-17.7697681
-33.3952223
-0.38818235
16.76748417
-4.56798814
Matriz X`

1 1 1 1 1
2140 2016 1905 1675 1474
20640 20280 19860 18980 18100
30250 30010 29780 29330 28960
205 195 184 164 144
1732 1697 1662 1598 1541
99 100 97 97 97

7x40
 (X`*X)inv Nota: las casillas rosadas sirven para generar informacion en la ta

8505.21842 0.301897083 0.052095942 -0.405463063 0.635777553

0.301897083 0.000116781 -1.5221E-06 -9.37732E-06 -0.0009399
0.052095942 -1.5221E-06 2.08023E-06 -3.19361E-06 -7.1628E-06
-0.40546306 -9.37732E-06 -3.19361E-06 1.982435E-05 -5.88482E-05
0.635777553 -0.0009399 -7.1628E-06 -5.88482E-05 0.010268521
0.693297264 -2.97837E-05 8.58106E-07 -3.58073E-05 0.000510048
6.986432977 7.43697E-05 4.60605E-05 -0.000336697 0.00321117

(X´*X)INV *(X´*Y )

-4738.0149019063 Bo
1.1185084441 B1
-0.0301839562 B2
0.2306188025 B3
3.8495486326 B4
0.8218636604 B5
-16.946456615 B6

7X1

822X5 - 16,946X6

Y-Yest
Y est Residuos
 4543.7412128844 -3.7412129
4276.3567057354 38.6432943 42.3845065
4091.5663122435 3.43368776 -35.2096065
3627.5025435168 22.4974565 19.06376873
3220.0780694891 -20.078069 -42.575526
4839.7414627051 -6.7414627 13.33660678
4590.2830078345 26.7169922 33.45845487
4340.5801903925 -0.5801904 -27.2971826
3812.7601591418 7.23984086 7.820031251
3378.5383216967 -10.538322 -17.7781626
4414.6585737166 30.3414263 40.87974798
4204.2910919277 -16.291092 -46.6325182
3984.4847632152 -3.4847632 12.80632871
3598.3130503143 23.6869497 27.1717129
3117.9934871233 7.00651288 -16.6804368
4555.223792877 4.77620712 -2.23030575
4367.1974735543 -27.197474 -31.9736807
4133.6773314899 -18.677331 8.520142064
3623.7022837712 6.29771623 24.97504772
3246.6066971585 -36.606697 -42.9044134
4379.948501048 -49.948501 -13.3418039
4141.4130758745 -22.413076 27.53542517
3918.9240720901 -27.924072 -5.51099622
3492.7874951031 -25.787495 2.136576987
3077.92808087 -32.928081 -7.14058577
4387.2941379744 23.705862 56.6339429
4161.8093842171 41.1906158 17.48475376
3918.3940778927 49.6059221 8.415306324
3483.5416823208 47.4583177 -2.14760443
3059.4970381165 14.5029619 -32.9553558
4375.6021242678 -25.602124 -40.1050862
4132.128737148 -4.1287371 21.47338712
3921.7447937145 18.2552063 22.38394343
3482.5630285275 -2.5630285 -20.8182348
3054.7735516423 9.22644836 11.78947689
4419.7697674006 -17.769767 -26.9962158
4213.3952216777 -33.395222 -15.6254543
3973.3881817049 -0.3881817 33.00703997
3513.2325151918 16.7674848 17.15566651
3084.5679875053 -4.5679875 -21.3354723
23189.6372 27874.28534

d: 1.202014722

si d es menor que la cota inf. Se rechaza Ho (se encuentran autocorrelacionados)

 Si d es mayor que la cota sup. No se rechaza (No se encuentran autocorrelacionados)
Si di < d < ds la prueba no es concluyente

Tabla Durbin Watson (nivel significancia = 0,05)

n= 40
di: 0,997 k= variable explicativa = 6

ds: 1,652

La prueba no es concluyente

Chart Title

5 10 15 20 25 30 35 40 45
 La varianza es constante

5 10 15 20 25 30 35 40 45
Matriz X`

Bo 1 1 1 1 1
X1 2140 2016 1905 1675 1474
X2 20640 20280 19860 18980 18100
X3 30250 30010 29780 29330 28960
X4 205 195 184 164 144
X5 1732 1697 1662 1598 1541
X6 99 100 97 97 97
 1 1 1 1 1 1 1 1
2239 2120 1990 1702 1487 2107 1973 1864
20740 20305 19961 18916 18012 20520 20130 19780
30083 29831 29604 29088 28675 30120 29920 29720
216 206 196 171 149 195 190 180
1709 1669 1640 1572 1522 1740 1711 1682
87 87 87 85 85 101 100 100
para generar informacion en la tabla anova

0.6932972643 6.986432977
-2.978367E-05 7.43697E-05
8.581056E-07 4.60605E-05
-3.58073E-05 -0.0003367
0.000510048 0.00321117
0.000175071 0.000264616
0.0002646163 0.009769033

7X7
 1 1 1 1 1 1 1 1
2239 2120 1990 1702 1487 2107 1973 1864
20740 20305 19961 18916 18012 20520 20130 19780
30083 29831 29604 29088 28675 30120 29920 29720
216 206 196 171 149 195 190 180
1709 1669 1640 1572 1522 1740 1711 1682
87 87 87 85 85 101 100 100
 1 1 1 1 1 1 1 1
1674 1440 2165 2048 1916 1658 1489 2062
19020 18030 20680 20340 19860 18950 18700 20500
29370 28940 30160 29960 29710 29250 28890 30190
161 139 208 199 187 164 145 193
1630 1572 1704 1679 1642 1576 1528 1748
100 101 98 96 94 94 94 101
 1 1 1 1 1 1 1 1
1674 1440 2165 2048 1916 1658 1489 2062
19020 18030 20680 20340 19860 18950 18700 20500
29370 28940 30160 29960 29710 29250 28890 30190
161 139 208 199 187 164 145 193
1630 1572 1704 1679 1642 1576 1528 1748
100 101 98 96 94 94 94 101
 1 1 1 1 1 1 1 1
1929 1815 1595 1400 2047 1935 1807 1591
20050 19680 18890 17870 20540 20160 19750 18890
29960 29770 29360 28960 30160 29940 29760 29350
183 173 153 134 193 184 173 153
1713 1684 1624 1569 1746 1714 1679 1621
100 100 99 100 99 99 99 99
 1 1 1 1 1 1 1 1
1929 1815 1595 1400 2047 1935 1807 1591
20050 19680 18890 17870 20540 20160 19750 18890
29960 29770 29360 28960 30160 29940 29760 29350
183 173 153 134 193 184 173 153
1713 1684 1624 1569 1746 1714 1679 1621
100 100 99 100 99 99 99 99
 1 1 1 1 1 1 1 1
1388 2071 1944 1831 1612 1410 2066 1954
17870 20460 20010 19640 18710 17780 20520 20150
28910 30180 29940 29750 29360 28900 30170 29950
133 198 186 178 156 136 197 188
1561 1729 1692 1667 1609 1552 1758 1729
99 102 101 101 101 101 100 99
 1 1 1 1 1 1 1 1
1388 2071 1944 1831 1612 1410 2066 1954
17870 20460 20010 19640 18710 17780 20520 20150
28910 30180 29940 29750 29360 28900 30170 29950
133 198 186 178 156 136 197 188
1561 1729 1692 1667 1609 1552 1758 1729
99 102 101 101 101 101 100 99
 1 1 1
1835 1616 1407
19750 18850 17910
29740 29320 28910
178 156 137
1690 1616 1569
99 99 100
 1 1 1
1835 1616 1407
19750 18850 17910
29740 29320 28910
178 156 137
1690 1616 1569
99 99 100
Una investigación de la relación entre flujo de tránsito x (miles de automóviles por 24 h) y contenido
de plomo Y de la corteza de árboles cerca de la autopistag( de peso en seco) produjo los datos
g
de las columnasxi yy i siguientes:

X Y
8.3 4579.30
8.5 4918.00
8.5 4918.00
8.6 5093.45
8.6 5093.45
8.7 5273.02
9.2 6234.50
9.3 6439.86 Solucion
9.5 6864.00
9.8 7534.54 para el modelo y= a +bx
10.3 8746.82
10.5 9266.00
10.8 10082.70
11.2 11244.42 Matriz X Matriz x´
11.5 12172.00
11.7 12817.90 Bo X
11.9 13486.27 1 8.3
12.3 14891.94 1 8.5
12.6 16008.01 1 8.5
12.9 17178.51 1 8.6
13.4 19253.83 1 8.6
13.7 20575.82 1 8.7
13.8 21029.58 1 9.2
14.5 24394.00 1 9.3
14.7 25417.18 1 9.5
14.9 26468.59 1 9.8
15.1 27548.61 1 10.3
15.3 28657.62 1 10.5
15.5 29796.00 1 10.8
15.9 32162.43 1 11.2
15.9 32162.43 1 11.5
16.2 34017.22 1 11.7
16.3 34650.98 1 11.9
16.4 35292.55 1 12.3
16.7 37264.70 1 12.6
16.8 37938.06 1 12.9
1 13.4
1 13.7
 1 13.8
1 14.5
1 14.7
1 14.9
1 15.1
1 15.3
1 15.5
1 15.9
1 15.9
1 16.2
1 16.3
1 16.4
1 16.7
1 16.8

36x2

X´*X

36 449.8
449.8 5912.28

2X2

y = -29878,43 + 3835,25X1

para el modelo y= ax^b aplicamos ln para intentar dejarlo

ln y = ln a + blnx
y°= a°+ bx°

entonces: A cada dato de Y e X

Ln
A cada dato de A ap

Y° X°
8.42930143 2.11625551
8.50065722 2.14006616
8.50065722 2.14006616
8.53571068 2.1517622
8.53571068 2.1517622
8.57035853 2.16332303
8.73785366 2.21920348
8.77026208 2.2300144
8.83404564 2.2512918
8.92725306 2.28238239
9.07644548 2.3321439
9.13410707 2.35137526
9.21857636 2.37954613
9.32762728 2.41591378
9.40689351 2.44234704
9.45859791 2.45958884
9.50942741 2.4765384
9.60857541 2.50959926
9.6808445 2.53369681
9.75141446 2.55722731
9.86546528 2.59525471
9.93187188 2.61739583
9.9536853 2.62466859
10.1020925 2.67414865
10.1431806 2.68784749
10.183714 2.70136121
10.2237074 2.71469474
10.2631747 2.72785283
10.3021294 2.74084002
10.3785543 2.76631911
10.3785543 2.76631911
10.4346221 2.78501124
10.4530813 2.79116511
10.4714272 2.79728133
10.5258018 2.81540872
10.5437101 2.82137889

Matriz A

Bo° X°
1 2.11625551
1 2.14006616
1 2.14006616
1 2.1517622
1 2.1517622
1 2.16332303
1 2.21920348
1 2.2300144
1 2.2512918
1 2.28238239
 1 2.3321439
1 2.35137526
1 2.37954613
1 2.41591378
1 2.44234704
1 2.45958884
1 2.4765384
1 2.50959926
1 2.53369681
1 2.55722731
1 2.59525471
1 2.61739583
1 2.62466859
1 2.67414865
1 2.68784749
1 2.70136121
1 2.71469474
1 2.72785283
1 2.74084002
1 2.76631911
1 2.76631911
1 2.78501124
1 2.79116511
1 2.79728133
1 2.81540872
1 2.82137889

36X2

para el modelo y= ab^x

ln y = ln a + xlnb
y°= a°+ xbº

entonces: A cada dato de Y en la tabla se le aplica Ln

A cada dato de A y B aplicarle exponencial

Y° X
8.42930143 8.3
8.50065722 8.5
8.50065722 8.5
8.53571068 8.6
8.53571068 8.6
8.57035853 8.7
8.73785366 9.2
8.77026208 9.3
8.83404564 9.5
8.92725306 9.8
9.07644548 10.3
9.13410707 10.5
9.21857636 10.8
9.32762728 11.2
9.40689351 11.5
9.45859791 11.7
9.50942741 11.9
9.60857541 12.3
9.6808445 12.6
9.75141446 12.9
9.86546528 13.4
9.93187188 13.7
9.9536853 13.8
10.1020925 14.5
10.1431806 14.7
10.183714 14.9
10.2237074 15.1
10.2631747 15.3
10.3021294 15.5
10.3785543 15.9
10.3785543 15.9
10.4346221 16.2
10.4530813 16.3
10.4714272 16.4
10.5258018 16.7
10.5437101 16.8

Matriz X

Bo X
1 8.3
1 8.5
1 8.5
1 8.6
1 8.6
1 8.7
1 9.2
 1 9.3
1 9.5
1 9.8
1 10.3
1 10.5
1 10.8
1 11.2
1 11.5
1 11.7
1 11.9
1 12.3
1 12.6
1 12.9
1 13.4
1 13.7
1 13.8
1 14.5
1 14.7
1 14.9
1 15.1
1 15.3
1 15.5
1 15.9
1 15.9
1 16.2
1 16.3
1 16.4
1 16.7
1 16.8

1 y = -29878,43 + 3835,25X1

2 Yº = 8,029 + 2,998X1º

3 Yº= 654,22 + 1,28X1

viles por 24 h) y contenido
seco) produjo los datos

1 1 1 1 1 1 1
8.3 8.5 8.5 8.6 8.6 8.7 9.2

2x36
 (X´*X)INV X´*Y X´:2X36 Y : 36X1

0.56189484 -0.0427484 649472.29

-0.0427484 0.00342139 9235758.24

2X2 2X1

= -29878,43 + 3835,25X1

plicamos ln para intentar dejarlo como un modelo de regresion

ln y = ln a + blnx
y°= a°+ bx°

entonces: A cada dato de Y e X en la tabla se le aplica

Ln
A cada dato de A aplicarle exponencial
Matriz X´

1 1 1 1 1 1
2.11625551 2.14006616 2.14006616 2.1517622033 2.1517622 2.16332303

2X36

X´*X (X´*X)inv

36 89.9310517 3.1409772871 -1.2462345

 89.9310517 226.659897 -1.2462345348 0.498876

X`* Y (X´*X)inv*(X`*Y)

344.669092 2.0830902797 Bo
867.023556 2.9987177578 B1

A Bo aplicar Exp

Bo : 8.02924322

Yº = 8,029 + 2,998X1º

Y en la tabla se le aplica Ln
A y B aplicarle exponencial
X`

1 1 1 1 1 1
8.3 8.5 8.5 8.6 8.6 8.7

X`*X (X`*X)INV

36 449.8 0.5618948417 -0.0427484

449.8 5912.28 -0.0427483644 0.00342139
X`*Y (X´*X)inv*(X`*Y)

344.669092 6.4834528414 Bo
4378.74839 0.2473650275 B1

Aplicar Exp a Bo y B1

Bo: 654.225989
B1: 1.2806465

Yº= 654,22 + 1,28X1

 1 1 1 1 1 1 1 1
9.3 9.5 9.8 10.3 10.5 10.8 11.2 11.5
(X´*X)INV *(X´*Y )

-29878.42896731 Bo
3835.2506287754 B1
 1 1 1 1 1 1 1 1
2.2192034841 2.2300144 2.2512918 2.28238239 2.3321439 2.35137526 2.37954613 2.41591378
 1 1 1 1 1 1 1 1
9.2 9.3 9.5 9.8 10.3 10.5 10.8 11.2
 1 1 1 1 1 1 1 1
11.7 11.9 12.3 12.6 12.9 13.4 13.7 13.8
 1 1 1 1 1 1 1 1
2.44234704 2.45958884 2.4765384 2.50959926 2.53369681 2.55722731 2.59525471 2.61739583
 1 1 1 1 1 1 1 1
11.5 11.7 11.9 12.3 12.6 12.9 13.4 13.7
 1 1 1 1 1 1 1 1
14.5 14.7 14.9 15.1 15.3 15.5 15.9 15.9
 1 1 1 1 1 1 1 1
2.62466859 2.67414865 2.68784749 2.70136121 2.71469474 2.72785283 2.74084002 2.76631911
 1 1 1 1 1 1 1 1
13.8 14.5 14.7 14.9 15.1 15.3 15.5 15.9
 1 1 1 1 1
16.2 16.3 16.4 16.7 16.8
 1 1 1 1 1 1
2.76631911 2.78501124 2.79116511 2.79728133 2.81540872 2.82137889
 1 1 1 1 1 1
15.9 16.2 16.3 16.4 16.7 16.8
 3.- Se consideran seis diferentes máquinas para su uso en la fabricación de sellos de caucho. Las máquina
comparar con respecto a la resistencia a la tracción del producto. Se utiliza una muestra aleatoria de cuatr
sellos de cada máquina para determinar si la resistencia media a la tracción varía de una máquina a otra.
Las siguientes son las mediciones de la resistencia a la tracción en kilogramos por centímetro cuadrado x

Máquina
1 2 3 4 5 6
17.5 16.4 20.3 14.6 17.5 18.3
16.9 19.2 15.7 16.7 19.2 16.2
15.8 17.7 17.8 20.8 16.5 17.5
18.6 15.4 18.9 18.9 20.5 20.1

Yi▪ 68.8 68.7 72.7 71 73.7 72.1

Ῡi▪ 17.2 17.175 18.175 17.75 18.425 18.025
Y▪▪ 427
Ῡ▪▪ 17.7916667

Calculo para la SCT Calculo de la SCTratamiento Calculo de SCE

7665.02 7602.38 SCT - SCTrat

7597.04167 7597.04167
SCT 67.9783333 SCTrat 5.33833333 SCE 62.64

Formar ANOVA

SC G.L Cuad MediosFo Fcrit Valor P

SCTrat 5.33833333 5 1.06766667 0.30680077 2.77285315 0.90242052
SCE 62.64 18 3.48
SCT 67.9783333 23 2.95557971

Como Fo < Fc no se rechaza Ho. Por lo que se puede afirmar que no existen diferencias entre la resistencia a tracc
promedio entre las diferentes maquinas
 sellos de caucho. Las máquinas se deben
una muestra aleatoria de cuatro
n varía de una máquina a otra.
mos por centímetro cuadrado x 10-1:

Realice el análisis de varianza al nivel de significancia de 0.05 e indique si las resistencias medias a la tracción difiere
de manera significativa para las seis máquinas.

alculo de SCE

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
1 4 68.8 17.2 1.36666667
rencias entre la resistencia a traccion 2 4 68.7 17.175 2.70916667
3 4 72.7 18.175 3.76916667
4 4 71 17.75 7.21666667
5 4 73.7 18.425 3.15583333
6 4 72.1 18.025 2.6625

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad
Entre grupos 5.33833333 5 1.06766667 0.30680077 0.90242052
Dentro de los 62.64 18 3.48

Total 67.9783333 23
cias medias a la tracción difieren

Valor crítico para F

2.77285315
 4.-Se mide la temperatura de una mezcla con cuatro termómetros, obteniéndose los datos siguientes:
(termómetro 1) 63, 63, 62, 65, 66:
(termómetro 2) 64, 64, 63,64, 65;
(termómetro 3) 58, 59, 59, 68;
(termómetro 4) 61, 62, 60, 63.
¿Son los cuatro termómetros análogos?.
Calcular los residuos y analizar si se verifican las hipótesis básicas del modelo de ANOVA.
Elimine el tercer termómetro y calcule la tabla ANOVA para comparar los otros tres termómetros. ¿Qué c
podrán extraerse?. Use un nivel de significación del 0,05.

Termometro 1 Termometro 2 Termometro 3 Termometro 4

63 64 58 61
63 64 59 62
62 63 59 60
65 64 68 63
66 65

Yi▪ 319 320 244 246

Ῡi▪ 63.8 64 61 61.5
Y▪▪ 1129
Ῡ▪▪ 62.7222222222

Calculo de SCT Calculo de la SCTratamiento

70929 70845.2
70813.3888889 70813.3888888889
SCT 115.611111111 SCTrat 31.8111111111

SC G.L Cuadrados medios Fo

SCTrat 31.8111111111 3 10.6037037037 1.7715018121
SCE 83.8 14 5.9857142857
SCT 115.611111111 17

Ho: u1=u2=u3=u4
Ha: ui =/ uj para algun i distinto de j

Como Fo < Fc no se rechaza Ho. Por lo que se puede afirmar que todos los termometros son analogos entre si
Para los residuos
Residuos
1 -0.8
2 -0.8 0
3 -1.8 -1
4 1.2 3
5 2.2 1
6 0 -2.2
7 0 0
8 -1 -1
9 0 1
10 1 1
11 -3 -4
12 -2 1
13 -2 0
14 7 9
15 -0.5 -7.5
16 0.5 1
17 -1.5 -2
18 1.5 3
83.8 187.09

d: 2.2325775656

n:18 y k:1
di: 1,03
ds: 1,26

si d es menor que la cota inf. Se rechaza Ho (se encuentran autocorrelacionados)

Si d es mayor que la cota sup. No se rechaza (No se encuentran autocorrelacionados)
Si di < d < ds la prueba no es concluyente

Por lo tanto los datos no se encuentran autocorrelacionados y se cumple la independencia

 Residuos
-0.8
-0.8
-1.8 Chart Title
1.2 8
2.2
0 6

0
4
-1
0
2
1
-3 0
-2 0 2 4 6 8 10 12 14 16 18

-2 -2
7
-0.5 -4
0.5
-1.5
1.5

Para Shapiro Wilks

1PASO: Ordenar residuos

Residuos Residuos Promedio Residuos 7.89491928622E-16

-0.8 -3 Suma Residuos 1.42108547152E-14
-0.8 -2
-1.8 -2
1.2 -1.8
2.2 -1.5
0 -1
0 -0.8
-1 -0.8
0 -0.5
1 0
-3 0
-2 0
-2 0.5
7 1
-0.5 1.2
 0.5 1.5
-1.5 2.2
1.5 7

2Do Paso Obtener varianza

S^2 83.8

3er Paso Calcular B

si n es par n=2k
k: 18/2
k=9

ai an-i+1 Yn-i+1 Yi an-i+1*(Yn-i+1 - Yi)

a18 0.4886 7 -3 4.886
a17 0.3253 2.2 -2 1.36626
a16 0.2553 1.5 -2 0.89355
a15 0.2027 1.2 -1.8 0.6081
a14 0.1587 1 -1.5 0.39675
a13 0.1197 0.5 -1 0.17955
a12 0.0837 0 -0.8 0.06696
a11 0.0496 0 -0.8 0.03968
a10 0.0163 0 -0.5 0.00815

b: 8.445

4° paso : Calcular Wo

Wo: 0.8510504177

5to paso: Calcular W

n:18
significancia: 0,05

W:0,897

Cómo Wo < Wc , entonces no serechaza Ho. Por lo que se puede afirmar que los residuos si tienen una distribucio

Termometro 1 Termometro 2 Termometro 4

63 64 61
63 64 62
62 63 60
 65 64 63
66 65

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
Termometro 1 5 319 63.8 2.7
Termometro 2 5 320 64 0.5
Termometro 4 4 246 61.5 1.6666666667

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados de libertad
Promedio de los cuadrados F
Entre grupos 16.5571428571 2 8.2785714286 5.1159711075
Dentro de los gr 17.8 11 1.6181818182

Total 34.3571428571 13

Ho: u1=u2=u3=u4
Ha: ui =/ uj para algun i distinto de j

Como Fo > Fc se rechaza Ho. Por lo que no se puede afirmar que todos los termometros son analogos entre si
se los datos siguientes:

o de ANOVA.
os tres termómetros. ¿Qué conclusiones

63 64 58 61
63 64 59 62
62 63 59 60
65 64 68 63
66 65

70813.3889

20363 20482 14950 15134 70929

Calculo de SCE

SCT - SCTrat

SCE 83.8

Fc Valor P Análisis de varianza de un factor

3.34388868 0.19869238
RESUMEN
Grupos Cuenta Suma
Termometro 5 319
Termometro 5 320
Termometro 4 244
Termometro 4 246

etros son analogos entre si

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados de libertad
 Entre grupos 31.8111111 3
Dentro de los 83.8 14

Total 115.611111 17

Hipotesis basicas de un modelo ANOVA

Independencia entre si (Durbin Watson)

Varianza Unica (Grafico)
Distribuidos normalmente; media 0 (Shapiro Wilk)
 Se puede concluir que la varianza no es unica debido al comportamiento de los residuo

Como conclusion final no se cumplen las condiciones para crear un modelo de anova co

2 14 16 18 20
siduos si tienen una distribucion normal
 Probabilidad
Valor crítico para F
0.02686682 3.98229796

metros son analogos entre si

 prom 63.8 4070.44 prom
n: 5 n:
var 2.7 4073.14 var
20365.7

Promedio Varianza
63.8 2.7
64 0.5
61 22
61.5 1.66666667

Promedio de los cuadradosF Probabilidad Valor crítico para F

10.6037037 1.77150181 0.19869238 3.3438886781
5.98571429
al comportamiento de los residuos en el tramo 10 a 15

para crear un modelo de anova correcto

 5.- Trece alumnos de características análogas se asignan al azar a 3 métodos de aprendizaje, obteniendo lo
siguientes resultados en el examen posterior.
Método 1 Método 2 Método 3
7.72 8.01 7.91 ¿Podemos concluir que los métodos son distintos?. Use
7.98 7.93 8.32
7.85 8.15 8.12
7.87 8.09 8.28
8.23

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
Método 1 4 31.42 7.855 0.01136667
Método 2 4 32.18 8.045 0.00916667
Método 3 5 40.86 8.172 0.02707

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
Entre grupos 0.22384308 2 0.11192154 6.58827045 0.01495398 4.10282102
Dentro de los 0.16988 10 0.016988

Total 0.39372308 12

Ho: u1=u2=u3=u4
Ha: ui =/ uj para algun i distinto de j

Como Fo > Fc se rechaza Ho. Por lo que se puede afirmar que todos los metodos son diferentes entre si
os de aprendizaje, obteniendo los

os métodos son distintos?. Use un nivel de significación del 0,05.

r crítico para F

os son diferentes entre si

6.-En un análisis de la varianza con cinco grupos se conoce que las medias estimadas en cada grupo son 20, 22, 24
Hay diez observaciones en cada grupo y la varianza de estimación de las medias de grupo es 6.

Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5

Ῡi▪ 20 22 24 26 28
Yi▪ 200 220 240 260 280
Y▪▪ 1200
N:50

n:10

Tratamiento 1

n:
promedio:
var:

28800
29500

SCT: 700

Tabla Anova

SC G.L
SCTrat 400 4
SCE 300 45
SCTrat 700 49
adas en cada grupo son 20, 22, 24, 26 y 28.
de grupo es 6.

ratamiento 1 Tratamiento 2

10 S.C Trat 1 4060 n: 10

20 promedio: 22
6 var: 6

Para el tratamiento

29200
SCTrat 400 SCE 300

CM Fo Fc Valor P
100 15 2.57873918 7.281084E-08
6.66666667
 Tratamiento 3

4900 n: 10 5820
promedio: 24
var: 6
Tratamiento 4 Tratamiento 5

n: 10 6820 n: 10
promedio: 26 promedio: 28
var: 6 var: 6
7900
7.- Un psicólogo clínico quería comparar tres métodos para reducir los niveles de hostilidad en estudiante
Cada prueba sicológica (PNH) fue usada para medir el grado de hostilidad. Las puntuaciones altas en esta
usaron como indicación de gran hostilidad. En el experimento se usaron 11 estudiantes que obtuvieron puntuacio
altas y muy cercanas entre sí. De los 11 estudiantes se seleccionaron 5 al azar y se trataron con el método A, de lo
restantes se tomaron tres al azar y se trataron con el método B y el resto se trató con el método C. Todos los trata
se realizaron durante un trimestre. Cada estudiante tomó la prueba PNH nuevamente al final del trimestre, con lo
siguientes resultados:

73,83,76,68,8
Método A
0
Método B 54,74,71
Método C 79,98,87

a) Realice un análisis de varianza para este experimento.

b) Presentan los datos suficiente evidencia para concluir que hay diferencias entre las respuestas medias
de los tres métodos, después del tratamiento?. Use un nivel de significación del 0,05.

Metodo A Metodo B Metodo C Análisis de varianza de un factor

73 54 79
83 74 98 RESUMEN
76 71 87 Grupos Cuenta
68 Metodo A 5
80 Metodo B 3
Metodo C 3

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Entre grupos 707.878788
Dentro de los 552.666667

Total 1260.54545

Ho: u1=u2=u3=u4
Ha: ui =/ uj para algun i distinto de j

Como Fo > Fc se rechaza Ho. Por lo que se pue

 eles de hostilidad en estudiantes universitarios.
. Las puntuaciones altas en esta prueba se
diantes que obtuvieron puntuaciones
e trataron con el método A, de los 6
con el método C. Todos los tratamientos
mente al final del trimestre, con los

cias entre las respuestas medias de los estudiantes

ianza de un factor

Suma Promedio Varianza

380 76 34.5
199 66.3333333 116.333333
264 88 91

Grados de
Promedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
2 353.939394 5.12336879 0.03695039 4.45897011
8 69.0833333

10

1=u2=u3=u4
i =/ uj para algun i distinto de j

se rechaza Ho. Por lo que se puede afirmar Que hay diferencias entre las respuestas medias de los estudiantes
8.-Un estudio mide la tasa de absorción de tres tipos diferentes de solventes químicos orgánicos. Estos so
para limpiar partes metálicas industriales labradas y son desechos peligrosos potenciales. Se prueban mue
independientes de solventes de cada tipo y se registran sus tasas de absorción como porcentaje molar.
Aromáticos Cloroalcanos Ésteres
0.29 0.43
1.06 0.95 1.58 1.12
0.06
0.06 0.51
0.79 0.65 1.45 0.91
0.09
0.44 0.10
0.82 1.15 0.57 0.83
0.17
0.55 0.53
0.89 1.12 1.16 0.43
0.17
0.61 0.34
1.05
0.60
¿Existe una diferencia significativa en la tasa de absorción media para los tres solventes? Utilice un p-val

Aromaticos Cloroalcanos Esteres

1.06 1.58 0.29
0.95 1.12 0.43
0.79 1.45 0.06
0.65 0.91 0.06
0.82 0.57 0.51
1.15 0.83 0.09
0.89 1.16 0.44
1.12 0.43 0.1
1.05 0.17
0.55 Origen de las variaciones
0.53
0.17
0.61
0.34
0.6
químicos orgánicos. Estos solventes se utilizan
potenciales. Se prueban muestras
n como porcentaje molar.

es solventes? Utilice un p-valor para sus conclusiones.

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
Aromaticos 9 8.48 0.94222222 0.02831944
Cloroalcanos 8 8.05 1.00625 0.16076964
Esteres 15 4.95 0.33 0.0431

ANÁLISIS DE VARIANZA Valor p

Origen de las variaciones
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
Entre grupos 3.30540694 2 1.65270347 24.5115048 5.8552E-07 3.3276545
Dentro de los 1.95534306 29 0.06742562

Total 5.26075 31
9.- Una central de productos lácteos recibe diariamente leche de dos granjas A y B. Para estudiar la calida
se extrae una muestra de cada granja y se analiza el contenido de materia grasa (en gr/l), obteniéndose los
Granja A 29 30 31 30 35
Granja B 26 32 30 28
Se puede decir a un nivel de significación del 0,05 que el contenido medio de materia grasa depende de la
procedencia?.

Granja A Granja B Análisis de varianza de un factor

29 26
30 32 RESUMEN
31 30 Grupos Cuenta Suma
30 28 Granja A 5 155
35 Granja B 4 116

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados de libertad
Entre grupos 8.88888889 1
Dentro de los 42 7

Total 50.8888889 8

Ho: u1=u2=u3=u4
Ha: ui =/ uj para algun i distinto de j

Se concluye que las dos son iguales

as A y B. Para estudiar la calidad de los productos,
grasa (en gr/l), obteniéndose los siguientes resultados:

de materia grasa depende de la granja de

Promedio Varianza
31 5.5
29 6.66666667

Promedio de los cuadradosF Probabilidad

Valor crítico para F
8.88888889 1.48148148 0.26298028 5.59144785
6

gun i distinto de j
 10.- Un químico del departamento de desarrollo de un laboratorio farmacéutico desea conocer cómo influ
aglutinante utilizado en tabletas de ampicilina de 500 mg en el porcentaje de friabilidad; para ello, se elig
aglutinantes: polivinilpirrolidona (PVP), carboximetilcelulosa sódica (CMC) y grenetina (Gre). Los resultado
experimental son los siguientes
Aglutinante % de friabilidad
PVP 0.485 0.250 0.073 0.205 0.161
CMC 9.64 9.37 9.53 9.86 9.79
Gre 0.289 0.275 0.612 0.152 0.137
a) Especifique el nombre del diseño experimental.
b) ¿Sospecha que hay algún efecto significativo del tipo de aglutinante sobre la variable de respuesta?
c) Escriba las hipótesis para probar la igualdad de medias y el modelo estadístico.
d) Realice el análisis adecuado para probar las hipótesis e interprete los resultados.
e) Revise los supuestos, ¿hay algún problema?

Aglutinantes
PVP CMC Gre
0.485 9.64 0.289
0.25 9.37 0.275
% de friabilidad 0.073 9.53 0.612
0.205 9.86 0.152
0.161 9.79 0.137

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
PVP 5 1.174 0.2348 0.0238362
CMC 5 48.19 9.638 0.03897
Gre 5 1.465 0.293 0.0365795

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
Entre grupos 292.920971 2 146.460485 4420.9726 6.1982E-18 3.88529383
Dentro de los 0.3975428 12 0.03312857

Total 293.318514 14

Ho: u1=u2=u3=u4
Ha: ui =/ uj para algun i distinto de j
B) Sospecho que entre las medias 1 y 3 no habrian efectos significativos, pero entre la 1 y 2 y 2 y 3 si habri

C) LSD
 desea conocer cómo influye el tipo de
abilidad; para ello, se eligen los siguientes
netina (Gre). Los resultados del diseño

ariable de respuesta?

r crítico para F
tre la 1 y 2 y 2 y 3 si habrian, por las diferencias de las medias