JUDITH CADME CHAVEZ

TRATAMIENTOS
1 2 3 4 5

1 84 100 57 71 58
2 89 68 76 61 49
3 70 86 67 60 73
4 66 95 84 73 55
5 97 56 73 59 54
6 68 87 59 70 62
7 87 76 92 76 93
8 53 71 65 59 67
9 65 67 54 76 53
10 77 75 70 73 85

1. El valor de p=0,1222 es mayor a α=0,05 eso significa que la hipótesis

nula se acepta y se determina que todos los tratamientos son iguales.
JUDITH CADME CHAVEZ

2. Tomando los residuos como datos, una de las técnicas más usadas es
construir un Q-Q plot normal. Mediante esta técnica se obtiene un
diagrama de dispersión en el que, si los residuos son normales y no hay
otros defectos del modelo, entonces se alinean sobre una recta a 45°
como se muestra en la siguiente figura.
JUDITH CADME CHAVEZ

3. Realizando un gráfico de dispersión de residuos de peso vs. Predichos

de peso se debe observar una nube de puntos sin patrón alguno para
comprobar que las varianzas son homogéneas. Un patrón típico que
indica falta de homogeneidad en las varianzas, se muestra en la Figura
ya que a medida que crecen los valores predichos por el modelo,
disminuye de a poco la dispersión de los residuos.

4. En este grafico se evalúa la variable residuos vs peso donde se observa

la dispersión de los datos indicando que no tiene buena correlación.
JUDITH CADME CHAVEZ

OTRA DATA DATA 12

TRATAMIENTO
S
1 2 3 4 5
1 76 83 69 67 49
2 74 73 79 67 57
3 61 53 82 76 88
4 64 63 51 50 62
5 59 70 55 61 48
6 63 80 77 64 80
7 63 54 92 54 55
8 95 81 45 87 52
9 79 50 45 69 79
10 73 65 56 49 82
JUDITH CADME CHAVEZ

1. El valor de p=0,8409 es mayor a α=0,05 eso significa que la hipótesis

nula se acepta y se determina que todos los tratamientos son iguales.

2. Tomando los residuos como datos, una de las técnicas más usadas es
construir un Q-Q plot normal. Mediante esta técnica se obtiene un
diagrama de dispersión en el que, si los residuos son normales y no hay
otros defectos del modelo, entonces se alinean sobre una recta a 45°
como se muestra en la siguiente figura.
JUDITH CADME CHAVEZ

3. Realizando un gráfico de dispersión de residuos de peso vs. Predichos

de peso se debe observar una nube de puntos sin patrón alguno para
comprobar que las varianzas son homogéneas. Un patrón típico que
indica falta de homogeneidad en las varianzas, se muestra en la Figura
ya que a medida que crecen los valores predichos por el modelo,
aumentando de a poco la dispersión de los residuos.
JUDITH CADME CHAVEZ

4. En este grafico se evalúa la variable residuos vs peso donde se observa

la dispersión de los datos indicando que no tiene buena correlación.