TEMA 2

EXPERIMENTOS UNIFACTORIALES

EXPERIMENTOS UNIFACTORIALES.
INTRODUCCION.
Se desea estudiar el efecto que tiene un factor x sobre una variable de respuesta y.
De
y = f( x )
y = Variable de Respuesta
f ( x ) = factor.
El efecto de un factor se define como el cambio en la respuesta, producido por un cambio en el nivel
del factor.
Dicho efecto del factor puede verse como una diferencia entre la respuesta promedio
del primer nivel ( m1 ) y la respuesta promedio al segundo nivel ( m2 ).
Para evaluar si el efecto del factor es significativo en la variable de respuesta, debemos probar
estadsticamente la respuesta promedio al primer nivel y la respuesta promedio al segundo nivel,
son diferentes ? ; si es as, se dice que el factor afecta a la variable de respuesta.
Lo anterior lo podemos realizar por medio de una prueba de hiptesis:
Ho: 1 =

H1:

( El factor no afecta a la variable de respuesta; es decir,

no hay diferencia significativa entre los tratamientos del factor A).
( El factor afecta a la variable de respuesta, es decir,
hay diferencia significativa entre los tratamientos del factor A).

Otras formas ms tiles para plantear la anterior hiptesis.

PRUEBA MULTIPLE DE PROMEDIOS.
Supongamos que tenemos a diferentes niveles ( tratamientos ) de un factor que deseamos comparar.
La respuesta observada para cada nivel a es una variable aleatoria y.
yij = j sima observacin tomada del tratamiento i.
De:
j =
i = 1
2
3
.
.
.
a

1
y11
y21

2
y12
y22

ya1
y.j

y.1

3
y13

...

n
y1n

yi.

_
yi. = yi. / n

y..

_
y.. = y.. / N

yan
y.2

n
representa el tamao de la muestra por nivel (# de datos)
a
representa el nmero de niveles del factor ( # de tratam.)
n * a = N.
Matricialmente:

TEMA 2

Nivelesa2

EXPERIMENTOS UNIFACTORIALES

Factor: y
datos
Al tener a medias
y11
y12
Ho: 1 = 2 = ... = a =
y22
Si restamos una constante a cada media
y31
y32
Ho: 1 - cte = 2 - cte ... =

a1
y21
a3

a - cte = - cte
Si
cte =
y
i - =
Ho: 1 - = 2 - ... = a - = -
1 = 2
= a
=
0
Ho:

= 0,

= 0,

= 0

Probaremos:
Ho:i = 0

para

H1:i

Exista al menos una y tal quei

1, 2, 3, ... a

MODELO ESTADISTICO DE LA VARIABLE DE RESPUESTA.

El modelo es una ecuacin que expresa la forma en que se comporta ( vara ) la variable de resp.
Este comportamiento est en funcin de la variacin existente en el modelo.
Si la variacin existe puede deberse a dos cosas:
a).- Variacin natural ( error )Factores que no podemos medir, controlar ni cuantificar y
que afectan al proceso.
b).- Variacin del factor
(Elemento que podemos medir, cuantificar, controlar y variar).
Variacin Total = Variacin del factor + Variacin del Error
La ecuacin del modelo ser:
yij = + i + Eij.
Donde:
yij.- es el dato j simo del tratamiento i.
.- es la media general, es la media de las medias.

i.- es el efecto que tiene el nivel i del factor sobre la variable de respuesta.
Si i es positiva significa que el factor tiene un efecto positivo sobre y.
Si i es negativa significa que el factor tiene un efecto negativo sobre y.
Eij.- es el error al seleccionar la forma del modelo ( # de factores utilizados ) ms el error natural.
La diferencia

= yij -

es la variacin detectada entre cada dato y su media general.

Se desea probar la igualdad de los efectos de los a tratamientos: si la hiptesis Ho es verdadera, el

modelo estadstico queda como:
yij = + Eij
donde estadsticamente no podemos
afirmar que el factor ( con alguno de sus tratamientos ) afecta a la variable de respuesta.
El procedimiento para probar la hiptesis se conoce como Anlisis de Varianza ( Andeva Anova )
ANALISIS DE VARIANZA PARA UN FACTOR.

TEMA 2

EXPERIMENTOS UNIFACTORIALES

EJMC1P1.
Niveles

Datos

Total

yij

yi.

Promedio
_
yi. = yi. / n

a1
a2

5
7

8 5
10 13

18
30

6.0
10.0

Total

12 18 18
y.j

48
y..

8.0
y.. / N

Sumas por rengln:

yi. =

yij

yi1 + yi2 + ... + yin

J=1
a

Sumas por columnas: y.j =

yij

y1j + y2j + ... + yaj

i=1

El punto representa que se realiz una sumatoria sobre el subndice en donde se encuentra ubicado.
_
Promedio por renglnyi. = yi. / n
a

suma total:

y.. =

_
y.j = y.j / a

Promedio por columna

yij

j = 1, 2, ..., n

i=1 J=1
a

yi.

y.j

i=1

= 1

= 2
j = 1, 2, ..., n

...

J=1

= a
j = 1, 2, ..., n

_
Promedio global:
y.. = y.. / (a * n) = y.. / N
_
y..
representa la media muestral de todos los datos.

Donde:N = a * n
N = 2 * 3 = 6

La Variacin Total es igual a la variabilidad natural ,ms el efecto del factor

Haciendo la descomposicin en suma de cuadrados, tenemos:
a

( VTij )

i=1 J=1
a

( Eij

VTij = Eij +

i.

Donde el binomio al cuadrado es:

i=1 J=1
a

( Eij ) + ( i )
i=1 J=1

i )

i.

i=1 J=1

+ 2

( Eij
i=1 J=1

i )

Al sumar todos los errores

obtenemos cero ( suponiendo
errores normales, independientes)
3

TEMA 2

EXPERIMENTOS UNIFACTORIALES

( Eij

i )

= 0

i=1 J=1

( VTij )

i=1 J=1
a

( Eij )
i=1 J=1

( yij

- y.. ) =

i=1 J=1

( i )

La notacin queda como:

i=1 J=1
n

( yij

- yi. ) +

i=1 J=1

_
_
( yi. - y.. )
n

i=1 J=1

Variacin Total = Variacin dentro de los niveles + Variacin entre los niveles

SST = SSE + SSF

( ECUACION DEL ANALISIS DE VARIANZA )

Donde:
SST

suma de cuadrados del total ( indica cmo varan los datos alrededor de la media de
todos los datos ).
a

SST =

( yij

- y.. ) = (

i=1 J=1

( yij ) )

- ( y.. / N ).

i=1 J=1

SST = ( 5 + 8 + 5 + 7 + ... + 13 ) - ( 48 / 6 ) = 48
g.l. = N - 1 = 6 - 1 = 5
SSF

Suma de cuadrados del factor ( indican cmo varan los datos entre la media de los
datos del primer nivel y la media de los datos del
segundo nivel )
a

SSF = ( ( yi. / n ) ) - ( y.. / N ).

i=1

SSF = ( ( 18 / 3 ) + ( 30 / 3 ) ) - ( 48 / 6 ) = 24
g.l. = a - 1 = 2 - 1 = 1
SSE

Suma de cuadrados del error ( indican cmo varan los datos dentro de los niveles de
cada factor ).
a n
a
SSE = ( ( yij ) ) - ( yi. / n ).
SSE = SST - SSF
i=1 j=1

i=1

TEMA 2

EXPERIMENTOS UNIFACTORIALES

SSE = ( 5 + 8 + 5 + 7 + ... + 13 ) - ( 18 / 3 ) + ( 30 / 3 )
= 432 - ( 408 / 3 ) = 24
g.l. = ( N - 1 ) - ( a - 1 ) = N - a = 6 - 2 = 4
CUADRADOS MEDIOS.
Los cuadrados medios se utilizan tanto para el factor ( MSF ) como para el error ( MSE ).
MSF ( Cuadrado medio del factor ) mide la variacin que existe entre los niveles.
MSF = SSF / g.l. = 24 / 1 = 24
MSE ( cuadrado medio del error ) mide la variacin que existe dentro de los niveles.
MSE = SSE / g.l. = 24 / 4 = 6.
ESTADISTICO DE PRUEBA Fo.
Se utiliza para probar la hiptesis de igualdad de medias.

Fo = MSF / MSE = 24 / 6 = 4.

CRITERIO DE DECISION.
De:

Ho : = 0 no hay significancia entre las medias y por lo tanto no hay efecto del factor.
H1 : 0

si hay significancia entre las medias, es decir, existe suficiente evidencia

estadstica para creer que las medias entre los niveles, son diferentes y por lo
tanto el factor afecta significativamente a la variable de respuesta.

Se rechaza
Ho si Fo > f
donde
f( , g.l.( factor ) , g.l. ( error ) )
Si:
= 0.05,
g.l.( factor ) = 1
g.l. ( error ) = 4
f ( 0.05, 1, 4 ) = 7.71 Fo = 4
Conclusin:
como

Fo <

se acepta Ho, ya que no hay evidencia significativa para rechazarla y

concluir que el factor no afecta a la variable de respuesta.

Andeva.
Fuente de Var.
Factor
Error
Total
EMJC1P2

S.S.

G. De L.
24
24
48

M.S.
1
4
5

Fo
24
6

7.71

Para una empresa productora de embutidos y carnes fras se desea anlizar la forma de hacer que los
porcentajes de aprovechamiento de la carne sean lo ms parecidos posibles a los estndares
establecidos. Se cree que el 93% de la diferencia que se presenta respecto al estndar es debida a los
proveedores de la carne.
Actualmente se utilizan tres proveedores y se trata de probar si existe
diferencia entre ellos con respecto a dicho esndar. El nivel de significancia = 1.
5

TEMA 2

EXPERIMENTOS UNIFACTORIALES

La variable de respuesta es

y = Diferencia que existe entre el estndar y el % de aprovechamiento

real utilizado.
Se tomaron 5 replicas para cada proveedor ( n = 5, a = 3, N = a * n = 3 * 5 = 15 )
Nivel
Proveedor

Datos
3

yi.

_
yi.

1
2
3

-1.30 -0.85 -0.25 -0.32 -0.45

-2.20 -1.88 -1.90 -2.38 -1.87
-0.20 -0.05 -0.16 0.00 -0.19

-3.17
-10.23
-0.60

-0.634
-2.046
-0.120

y.j

-3.70 -2.78 -2.31 -2.70 -2.51

-14.00

-0.933
_
y..

y..
Ho: 1 = 2 = 3
H1: Al menos una media es diferente.

Probar la hiptesis:

SST = ( -1.3 ) + ( -0.85 ) + ( -0.25 ) + ... + ( -0.19 ) - ( 14 ) / 15

= 24.0298 - 13.06667 = 10.96313.
SSF = ( ( ( -3.17 ) + ( -10.23 ) + ( -0.60 ) ) / 5 ) - ( ( 14 ) / 15 )
= 23.01236 - 13.06667 = 9.94569
SSE = SST - SSF = 10.96313 - 9.94569 = 1.01744.
Andeva
Fuente de Var. S.S.
Proveedor
Error
Total
Conclusin:

g.l.
9.94569
1.01744
10.96313

M.S.
2
12
14

Fo
4.973
0.085

( Fo >
58.51

f ) = ?
f( 0.01, 2, 12 )

= 6.93

La decisin es: rechazar Ho, es decir, existe al menos un proveedor que da un

% diferente de carne de ms de menos.

SUPUESTOS BASICOS.
Cuando utilizamos el anlisis de varianza para probar la hiptesis de igualdad de las medias, es
necesario cumplir con tres requisitos indispensables para validar los resultados que el andeva ofrece.
*
*
*

Normalidad de los errores

Varianza constante u homocedasticidad
Independencia de los errores.

Propositos a evaluar:
6

TEMA 2

EXPERIMENTOS UNIFACTORIALES

Primero
que los residuos ( errores aleatorios ) provengan de una distribucin normal con
= 0 y = MSE; esto debido a que el mtodo utilizado para probar la hiptesis con la
prueba F, la cual est condicionada a que dichos residuos sean normales.
Segundo
Exista una variacin constante en los datos, es decir, que el intervalo entre el valor
mnimo y mximo no sea muy grande; en otras palabras, las varianzas deben ser constantes para cada
nivel del factor que est siendo analizado en el experimento.
Tercero
Exista aleatoriedad en los errores, sin el cual, al evaluar la significancia de un factor,
los resultados pueden no ser del todo confiable.
Los tres requisitos son tres pruebas estadsticas que permiten evaluar la confiabilidad del andeva
utilizando los datos del experimento.
NORMALIDAD.
Existen diferentes mtodos para probar la normalidad, pero la prueba ms usada es la prueba de
Daniel - papel probabilistico normal - ( entre 10 y 40 datos ).
Este metodo se basa en la idea de trazar los errores en una grfica especial en la que dichos puntos
deben formar una linea recta y con la cual podemos validar el supuesto de normalidad de residuos.
Aunque esta prueba no es nmerica, las conclusiones obtenidas son altamente confiables.
Procedimiento:
1.Obtener los residuos

eij

mediante la frmula:

eij

= yij

_
- yi.( valor obs. - valor esp. )

2.-

Ordenar los residuos de manera ascendente ( 1, 2, 3, ..., k ).

3.-

Obtener la probabilidad acumulada Pk mediante la formula:.

1
Pk = K - -----2
---------------N

4.-

n 20

Graficar el k - simo residuo contra su probabilidad acumulada Pk sobre papel de

probabilidad normal y verificar que los puntos formen una recta a lo largo de toda la grfica.

Se puede probar mediante el anlisis de regresin, que tan vlido es, estadsticamente al suponer esos
puntos como una recta.
EJMC1P3.
El porcentaje de material voltil que tiene un material, influye en las ventas al menudeo. Al controlar
el nivel de material voltil se ha encontrado que el tipo de aglomerante puede variar este porcentaje.
Los datos presentados en la tabla muestran los resultados de la experimentacin en 8 das (2 por da).
7

TEMA 2

EXPERIMENTOS UNIFACTORIALES

DIA

HORA

TIPO DE
AGLOME.

% DE MATERIAL
VOLATIL

1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8

10:15
13:55
9:20
16:30
12:00
15:20
11:00
17:30
11:15
18:25
8:05
13:10
7:25
14:30
9:35
15:15

I
II
II
IV
II
III
I
III
I
IV
IV
II
III
IV
III
I

25
34
29
72
33
10
28
11
29
45
68
37
11
53
9
26

_
El primer paso es obtener los residuos correspondientes para cada experimento, su media ( yi. ) y su
desviacin estndar ( si. ).
Tipo de
aglom.

REPLICAS
2
3

I
II
III
IV

25
34
10
72

28
29
11
45

29
33
11
68

yi.

_
yi.

26
37
9
53

108
133
41
238
___

27.00
33.25
10.25
59.50
____

si.
1.8257
3.3040
0.9574
12.662

_
y.. = 520
y.. = 32.5
_
Se calculan los residuos mediante la ecuacin:
e = yij - yi.
_
_
ejms. e11 = y11 - y1. = 25 - 27 = -2
e23 = y23 - y2. = 33 - 33.25 = -0.25
Tabla de residuos
Tipo de
aglom.
I
II
III

1
-2.00
0.75
-0.25

RESIDUOS
2
3
1.00
-4.25
0.75

2.00
-0.25
0.75

4
-1.00
3.75
-1.25
8

TEMA 2

IV

EXPERIMENTOS UNIFACTORIALES

12.5

-14.5

8.5

-6.5

Residuos ordenados ascendentemente y calculos de Pk

k

e11

Pk

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

-14.50
- 6.50
- 4.25
- 2.00
- 1.25
- 1.00
- 0.25
- 0.25
0.75
0.75
0.75
1.00
2.00
3.75
8.50
12.50

0.03125
0.09375
0.15625
0.21875
0.28125
0.34375
0.40625
0.46875
0.53125
0.59375
0.65625
0.71875
0.78125
0.84375
0.90625
0.96875

3.125
9.375
15.625
21.875
28.125
34.375
40.625
46.875
53.125
59.375
65.625
71.875
78.125
84.375
90.625
96.875

Ahora graficaremos los residuos contra sus

porcentajes en papel probabilistico normal.
Si observamos los datos originales se puede
ver cmo se presenta un rango muy amplio
entre el valor mnimo y mximo, con lo que
al colocarlos en el papel probabilstico normal,
, hay valores extremos que dificultan creer que
los datos son normales; adems, si observamos
observamos las desviaciones estndar (si.)
los valores son muy diferentes entre si.

VARIANZA CONSTANTE.
Existen diferentes mtodos para probar homocedasticidad.
El uso de cada una de ellas est en
funcin del nmero de observaciones tomadas por cada nivel en el experimento ya sea igual o
diferente.
Prueba grfica.

Prueba de Cochran.
Prueba de bartlett.

Consiste en visualizar mediante una grfica, formas no usuales para el compota

miento de la dispersin.
Ayuda a verificar la igualdad de varianzas para cada nivel y facilita el entendimiento de la decisin sobre la hiptesis de igualdad de medias.
Es utilizada en casos balanceados ( la n es consatante ) donde no es necesario
haber cumplido con la normalidad.
Utilizada en casos desbalanceadas ( el tamao de muestra es diferente para
cada nivel del factor ); sin embargo es necesario cumplir con la normalidad.

Prueba de Cochran.
Pasos.
0.-

Hiptesis a probar:
Ho: 1 = 2 = ... = a
H1:
Al menos una varianza es diferente.

1.-

Calcular las varianzas por nivel.

TEMA 2

EXPERIMENTOS UNIFACTORIALES

Factor

Muestra
2
...

1
2
.
.
a

sn
s1
s2
sa

N
2.-

Calcular el estadstico de prueba dado por

La mayor si

= ------------------a

si
i=1

3.Si

G > g

EJMC1P4.

Determinar la regin de rechazo dada por g cuyo valor lo obtenemos de la

Tabla II.
se rechaza Ho ( no existe varianza constante ).

Pruebe si existe Varianza constante ( utilice

g( ) > G
G > g( )

Ho: Las varianzas son constantes.

H1: Las varianzas no son constantes.

Tipo de
aglomerado
I
II
III
IV

replicas ( Porcentajes )
1
2
3
4

Si.

Si.

25
34
10
72

1.8257
3.3040
0.9574
12.6620

3.3331
10.9164
0.9166
160.3262

El estadstico de prueba es

Como

= 0.05

Como G > g( )

= 0.05 ).

28
29
11
45

29
33
11
68

26
37
9
53

160.3262
G = ------------------------------------------------- = 0.91358
3.3331 + 10.9164 + 0.9166 + 160.3262

a=4

0.91358 > 0.6841

n=4

g( 0.05, 4,4 ) = 0.6841

Las varianzas no son constantes.

10

TEMA 2

EXPERIMENTOS UNIFACTORIALES

NOTA.
El que las varianzas no sean constantes no implica que el supuesto de normalidad no es
vlido ni viceversa; sin embargo si se realiza la prueba de Cochran para los datos transformados, se
observar como esta prueba se cumple.
INDEPENDENCIA ESTADISTICA.
La prueba ms utilizada y rpida es el mtodo grfico. En l se grafican los errores de los datos
contra el orden de experimentacin a travs del tiempo.
Si en la grfica existe un cierto patrn de comportamiento entonces se puede decir que no existe
independencia estadstica.
Mtodos utilizados:
Durbin-Watson
Pruebas no Paramtricas
METODO GRAFICO PARA PROBAR INDEPENDENCIA.
Obtener los resultados
que fueron obtenidos.
EJMC1P5.

eij

correspondientes a cada observacin y graficarlos contra la secuencia en

Utilizando los datos del porcentaje del material, pruebe si existe independencia en los
residuos.

La secuencia, valores observados y errores son:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

25
34
29
72
33
10
28
11
29
45
68
37
11
53
9
26

-2.00
0.75
-4.25
12.5
-0.25
-0.25
1.00
0.75
2.00
-14.5
8.5
3.75
0.75
-6.5
-1.25
-1.00

La grfica queda:
11

TEMA 2

EXPERIMENTOS UNIFACTORIALES

En base a la grfica, no se observa ninguna secuencia o comportamiento definido: es decir, los

errores son independientes uno de otro.
METODO DURBIN-WATSON.
Sirve para
* probar la independencia de variables aleatorias.
* probar la autocorrelacin de los errores
* probar la independencia de las variables aleatorias.
Esto asume que los errores del modelo estadstico:
Yt = o + 1 xt + t
dados por
t = t-1 + ut , estn correlacionados positivamente y por lo tanto provienen de
variables aleatorias independientes.
La prueba consiste en determinar si el parmetro de autocorrelacin

= 0,

Probar:

ut

y por lo tanto los errores

es o no cero.

son independientes dado que

ut

Note que si

lo es.

Ho: = 0
H1: > 0

12

TEMA 2

EXPERIMENTOS UNIFACTORIALES

Para probar la hiptesis Ho utilizaremos el estadistico D que se obtiene de la suma de cuadrados

de la funcin de regresin ajustada, donde los residuos son calculados de la forma
n

(t t-1 )
t=2

= yt - Yt

= -------------------n

(t )
t=1

donde n es el nmero de errores disponibles.

El procedimiento para saber si los errores estn o no autocorrelacionados est en funcin del lugar
que ocupa ese valor en la curva normal
Para obtener los lmites dL y dU y ubicar la
regin donde cae el valor D.
Utilizaremos la tabla Durbin-Watson ( tabla IV )
R1

dL

R2

R 3

dU

R2
4 - dL

R1
4 - dU

La tabla contiene los valores de los lmites dL y dU para dos niveles de significancia = 0.01 y
0.05, para n >= 15 errores disponibles.
El valor p - 1 es el nmero de variables X del modelo
de regresin ( variables independientes del modelo ).
Los criterios de aceptacin y rechazo de Ho son:
REGION

CRITERIO

D
R1

R2

R3

<= dL
o
>= 4 - dU

dL < D

o
4 - dL <

dU

CONCLUSION
Los errores estn autocorrelacionados, con lo que el
modelo estadstico no es apropiado ya que los errores
aleatorios no son independientes

< dU

No se puede concluir algo con esta informascin y no

se sabe si el modelo es adecuado o no.

< 4 - dU

<= D <= 4 -

dL

Los errores no estn autocorrelacionados con lo que los

supuestos del modelo estadstico son vlidos.
Los errores aleatorios son independientes.

13

TEMA 2

EXPERIMENTOS UNIFACTORIALES

EJMC1P4.
Con los datos del ejm. Anterior y utilizando el modelo de regresin: xt
verifique el supuesto de que los residuos son independientes.
t
x

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
25 34 29 72 33 10 28 11 29 45 68 37 11 53 9 26

Para

xt

nt*x -

t* x

= -----------------------------

= -------- -

n t - ( t )

* -------

Donde n es el nmero total de observaciones

los clculos son:
t
x
t*x
t

136
520
4316
1496

1 2 3
4
5
6
7
8
9 10 11 12 13 14 15 16
25 34 29 72 33 10 28 11 29 45 68 37 11 53
9 26
25 68 87 288 165 60 196 88 261 450 748 444 143 742 135 416
1 4
9 16 25 36 49 64 81 100 121 144 169 196 225 256
16 * 4316 - 136 * 520
520
136
= ------------------------------ = -0.30588
= -------- - ( -0.30588 * ----- ) = 35.1
16 * 1496 - ( 136 )
16
16
Xt = 35.1 - 0.30588t

Los clculos para obtener el valor D es:

t

Xt

et

et

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

25
34
29
72
33
10
28
11
29
45
68
37
11
53
9

34.79
34.48
34.18
33.87
33.57
33.26
32.95
32.65
32.34
32.04
31.73
31.42
31.12
30.81
30.51

-09.79
-00.48
-05.18
38.12
-00.57
-23.26
-04.95
-21.65
-03.34
12.95
36.26
05.57
-20.12
22.18
-21.51

0095.924
0000.238
0026.856
1453.402
0000.325
0541.247
0024.590
0468.850
0011.202
0167.930
1315.127
0031.031
0404.957
0492.055
0462.757

9.305
-04.694
43.305
-38.694
-22.694
18.305
-16.694
18.305
16.305
23.305
-30.694
-25.694
42.305
-43.694

et-1

( et -

et-1 )

86.599
22.034
1875.399
1497.234
515.023
335.105
278.693
335.105
265.881
543.164
942.129
660.187
1789.787
1909.176
14

TEMA 2

16

EXPERIMENTOS UNIFACTORIALES

26

30.20

-04.20

11355.015
= -------------- = 2.059
5514.188

dL

= 1.10

dU

0017.689
_______
5514.188

4 -

dL

1.10

R2

dL

= 2.90

299.493
________
11355.015

= 0.05

4 -

dU

= 2.63

El valor D cae en la regin 3 y por lo tanto

los errores no estn autocorrelacionados, siendo
X t vlido

R 3
R1

para n = 16

= 1.37

17.305

R2

dU

1.37

4 - dL
2.63

4 - dU
2.90

2.059

15