Objetivo 8.

La teoría Mendeliana indica que la forma y color de cierta variedad de guisantes

debería ser agrupada en cuatro grupos, “redondo y amarillo”, “redondo y verde”,
“angular y amarillo” y “angular verde”, de acuerdo a las proporciones 9/3/3/1.
Para n = 556 guisantes, se observó lo siguiente (la última columna da el número
esperado):
Redondo y amarillo 315 312,75
Redondo y verde 108 104,25
Angular y amarillo 101 104,25
Angular y verde 32 34,75

Verifique al nivel de 5% de significación la hipótesis nula; esto es, existe un buen ajuste de los
datos al modelo.
Conjunto de hipótesis:
H0: existe un buen ajuste de los datos al modelo.
HA: No existe un buen ajuste de los datos al modelo.
Calculo del estadístico de prueba:

2 
 315  312,75 2 
108  104,25 2 
101  104,25 2 
 32  34,75 2  0,47
312,75 104,25 104,25 34,75

Calculamos el valor crítico de la prueba:  0, 05 ; 3  7,81 .

2

Como el estadístico de prueba es menor al valor crítico, entonces no se rechaza la

hipótesis nula, y por lo tanto concluimos que las existe un buen ajuste de los datos al
modelo

Objetivo 9.
La siguiente tabla de datos corresponde a las respuestas del crecimiento de una planta
(en mm) al variar su temperatura ambiental desde - 3 a + 3 °C. Empleando el método de
mínimos cuadrados, determine la recta de regresión que se ajuste a los puntos

x -3 -2 -1 0 1 2 3
y 1 0 0 1 1 3 2

x y x2 y2 x*y
-3 1 9 1 -3
-2 0 4 0 0
-1 0 1 0 0
0 1 0 1 0
1 1 1 1 1
2 3 4 9 6
3 2 9 4 6
0 8 28 16 10

 x 2
 0 2
SC x   x  2
 28   28 .
n 7

  y 2
 8 2
SC y   y  2
 16   6,8571
n 7
  x *  y  0 * 8
SC xy    x * y    10  10
n 7
SC xy 10
b1    0,3571 . b 0  y  b1 * x .
SC x 28

x
x  0  0 ; y
 y  8  1,1429 .
n 7 n 7
b 0  1,1429   0,3571* 0   1,1429 .

Modelo: ŷ  b 0  b1 x  ŷ  1,1429  0,3571x

Objetivo 10.
Se quiere estudiar el efecto de distintas dosis de un medicamento para combatir a los
parásitos de peces criados en acuicultura. Para ello, se tomaron 60 peces al azar, y se
dividieron en 5 grupos de 12 individuos cada uno. El primer grupo no fue medicado,
pero a los restantes se le suministró el medicamento en dosis crecientes. Tras una
semana de tratamiento, se contabilizaron los parásitos existentes en cada individuo,
obteniendo los resultados siguientes:
Control 50 65 72 46 38 29 70 85 72 40 57 59
25 mg 49 47 30 602 62 60 19 28 56 62 55 40
50 mg 20 59 64 61 28 47 29 41 60 57 61 38
100 mg 20 23 38 31 27 16 27 18 22 12 24 11
125 mg 18 30 22 26 31 11 15 12 31 36 16 13

Analice los resultados obtenidos de aplicar un análisis de varianza (ANOVA), entre el

efecto de aplicar distintas dosis del medicamento

H0: Las medias en los tratamientos son iguales. 1   2   3   4   5

HA: Las medias en los tratamientos no son todas iguales.
Calculo la media general y la media para cada grupo.
100 125
Control
25 mg 50 mg mg mg
50 49 20 20 18
65 47 59 23 30
72 30 64 38 22
46 602 61 31 26
38 62 28 27 31
29 60 47 16 11
70 19 29 27 15
85 28 41 18 12
72 56 60 22 31
40 62 57 12 36
57 55 61 24 16
59 40 38 11 13
683 1110 565 269 261 2888
56,92 92,50 47,08 22,42 21,75 48,13

683
Media del grupo control: x Control   56,92
12
 110
Media del grupo 25 mg: x 25 mg   92,50
12
565
Media del grupo 50 mg: x 50 mg   47,08
12
269
Media del grupo 100 mg: x 100 mg   22,42
12
261
Media del grupo 125 mg: x 125 mg   21,75
12
2888
Media general de los datos: x   48,13
60
Calculo los desvíos cuadráticos de cada dato respecto de la media general.
Control 25 mg 50 mg 100 mg 125 mg
3,50 0,76 791,30 791,30 907,82
284,60 1,28 118,16 631,52 328,70
569,78 328,70 251,86 102,62 682,78
4,54 306771,98 165,64 293,44 489,74
102,62 192,38 405,22 446,48 293,44
365,96 140,90 1,28 1032,34 1378,64
478,30 848,56 365,96 446,48 1097,60
1359,40 405,22 50,84 907,82 1305,38
569,78 61,94 140,90 682,78 293,44
66,10 192,38 78,68 1305,38 147,14
78,68 47,20 165,64 582,26 1032,34
118,16 66,10 102,62 1378,64 1234,12
4001,38 309057,36 2638,06 8601,02 9191,10

Sumamos todos esos desvíos cuadráticos. (Suma de los cuadrados totales = SS).
SS = 4001,38 + 309057,36 + 2638,06 + 8601,02 + 9191,10 =

SS = 333488,93.

Ahora calculo el término SSE (Suma de los cuadrados de los errores). Para ello calculo
los desvíos cuadráticos de cada dato respecto de la media de su grupo, y hallamos la
suma de todos ellos.

Control 25 mg 50 mg 100 mg 125 mg

47,89 1892,25 733,33 5,86 14,06
 65,29 2070,25 142,09 0,34 68,06
227,41 3906,25 286,29 242,74 0,06
119,25 259590,25 193,77 73,62 18,06
357,97 930,25 364,05 20,98 85,56
779,53 1056,25 0,01 41,22 115,56
171,09 5402,25 326,89 20,98 45,56
788,49 4160,25 36,97 19,54 95,06
227,41 1332,25 166,93 0,18 85,56
286,29 930,25 98,41 108,58 203,06
0,01 1406,25 193,77 2,50 33,06
4,33 2756,25 82,45 130,42 76,56
3074,92 285433,00 2624,92 666,92 840,25

SSE = 3074,92 + 285433,00 + 2624,92 + 666,92 + 840,25 =

SSE = 292640,00
Ahora calculo: SST. (Suma de los cuadrados debido a los tratamientos)
SST = Total de SS – SSE = 333488,93 - 292640,00 = 40848,93.

Tabla ANOVA.

Fuente de Variación Suma de Grados de Cuadrado de F

Cuadrados Libertad La media
Tratamientos 40848,93 4 10212,2325 1,919
Error 292640,00 55 5320,7272
Total 333488,93

Busco en la tabla “F” de Fisher el valor critico de la prueba.

Como no me dieron el nivel de significación, uso el 5%.
F04, 05
; 55
 2,54 .

Como el valor del estadístico de prueba F = 1,919 es menor al valor critico de la prueba
F04, 05
; 55
 2,54 , entonces no rechazamos la hipótesis nula, y se concluye que no existe

diferencia significativa en los promedios de cada grupo.