LAURA ELENA PUENTES PRADO

UNIVERSIDAD DE GUANAJUATO
DIVISIN DE CIENCIAS NATURALES Y EXACTAS
MAT-2051 1 (DISEO DE EXPERIMENTOS)
TAREA #3. DISEOS EN BLOQUES

I. Problemas del libro. Captulo 4

1. En qu situacin se aplica un diseo de bloques completos al azar? En

qu difieren los factores de tratamiento y de bloques?

Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un

factor, es deseable que las posibles diferencias se deban principalmente al
factor de inters y no a otros factores que no se consideran en el estudio.
Cuando se quiere nulificar el efecto de estos otros factores se realiza un
bloqueo. Por ejemplo, supongamos que se quieren compara varias mquinas,
si cada mquina es manejada por un operador diferente y se sabe que ste
tiene influencia en el resultado, entonces la forma de anular el efecto operador
en la comparacin (bloquear) consiste en que cada operador trabaje durante el
experimento con cada una de las mquinas.

Los factores de bloque son aquellos factores adicionales al factor de inters

que se incorporan de manera explcita en un experimento comparativo. No se
quiere analizar su efecto si no es un medio para estudiar de manera adecuada
y eficaz al factor inters (tratamiento).

2. Qu diferencia hay entre un DBCA y los diseos en cuadro latino?

En un diseo de bloques completos al azar (DBCA) se consideran tres

fuentes de variabilidad: el factor de tratamientos, el factor de bloque y el error
aleatorio.

En el diseo en cuadro latino (DCL) se controlan: dos factores de bloque y

se estudia un factor de tratamientos, as que se tienen cuatro fuentes de
variabilidad que pueden afectar sobre la respuesta observada.

3. De acuerdo con el modelo estadstico para un diseo en bloques, por

qu a travs de este diseo se reduce el error aleatorio?
Porque en el diseo de bloques se analizan posibles factores (bloques) que
pueden influir de manera significativa en nuestro experimento entonces en
base a ellos decidir si nuestros resultados son vlidos o no.

4. A continuacin se muestra parte del ANOVA para un diseo de bloques,

que tiene tres tratamientos y cinco bloques con una sola repeticin por
tratamiento-bloque.

S. de
Fuente de G. de Razn
cuadrado C. medio Valor-p F critica
variacin libertad F0
s
Tratamient 600 k 1= 600/2= F2,8=4.
o 4.8 ?
300 46
2
Bloque 850 b1= 850/4= F4,8=3.
3.4 ?
212.5 84
4
Error 500 ( k 1 )( b1 )=
500/8=62.
5
8
Total 1950 14

a) Agregar en esta tabla los grados de libertad, el cuadrado medio y la

razn F para cada una de las fuentes de variacin.
b) Interprete en forma prctica para cada caso, lo que est estimando el
cuadrado medio.

Si la hiptesis nula es verdadera el cuadrado medio puede estimar la varianza

(2).

c) Escriba el modelo estadstico y las hiptesis pertinentes.

Modelo:

{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }
Hiptesis:

Tratamiento

H 0 : 1=2=3=

H A : i j para algn i j
 d) Apyese en las tablas de distribucin F para aceptar o rechazar la
hiptesis.

Como Fcritica < F0 entonces H0 se rechaza.

Es decir que SI existe diferencia significativa entre los tratamientos.

e) Con apoyo de un software obtenga el valor-p para cada caso.

Interprete los resultados.

5. (6) Aunque en el anlisis de varianza para un diseo en bloques

completos al azar tambin se puede probar la hiptesis sobre si hay
diferencia entre los bloques, se dice que esta hiptesis se debe ver con
ciertas reservas. Explique por qu.

Porque sta no es una prueba F exacta, sino aproximada, debido a la

restriccin de aleatorizacin (slo se aleatoriza dentro del bloque no de manera
completa a causa de que no es prctico e incluso imposible aleatorizar
totalmente dada la existencias de los bloques). Sin embargo, en la prctica se
recomienda su interpretacin porque es evidencia en favor o en contra de que
vali la pena el esfuerzo de controlar el factor de bloque. Si resulta significativa
significa que el factor de bloque si tiene influencia sobre la variable respuesta,
y debe ser tomado en cuenta para mejorar la calidad de sta.

6. (7) Explique por qu se utiliza el adjetivo azar en el nombre del diseo

en bloques completos al azar.

Porque aunque es imposible aleatorizar de bloque a bloque, si se aleatoriza

dentro del mismo bloque, y tambin se aleatorizan los tratamientos. La
imposibilidad de aleatorizar de bloque a bloque se aprecia claramente cuando
se bloquean factores como da o turno, ya que no tiene sentido pensar en
seleccionar al azar el orden de los das o los turnos porque es imposible
regresar en el tiempo.

7. (10) Se hace un estudio sobre la efectividad de tres maracas de

atomizador para matar moscas. Para ello cada producto se aplica a un
grupo de 100 moscas, y se cuenta el nmero de moscas muertas
expresado en porcentajes. Se hicieron seis rplicas, pero en das
diferentes; por ello, se sospecha que puede haber algn efecto
 importante debido a esta fuente de variacin. Los datos obtenidos se
muestran a continuacin:

Marca de Nmero de rplica (da)

atomizador 1 2 3 4 5 6
1 72 65 67 75 62 73
2 55 59 68 70 53 50
3 64 74 61 58 51 69

a) Suponiendo un DBCA, formule las hiptesis adecuadas y el modelo

estadstico.

Modelo:

{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }
Hiptesis:

Tratamiento

H 0 : 1=2=3=

H A : i j para algn i j

b) Existe diferencia entre la efectividad promedio de los atomizadores?

Anlisis de varianza de dos factores con una sola

muestra por grupo

RESUME Promedi
N Cuenta Suma o Varianza
Fila 1 6 414 69 26
59.1666 66.9666
Fila 2 6 355 667 667
62.8333 66.1666
Fila 3 6 377 333 667

Columna 63.6666 72.3333

1 3 191 667 333
Columna
2 3 198 66 57
Columna 65.3333 14.3333
3 3 196 333 333
Columna 67.6666 76.3333
4 3 203 667 333
Columna 55.3333 34.3333
5 3 166 333 333
Columna
6 3 192 64 151

ANLISIS DE
VARIANZA
Origen Promedi
de las Suma de Grados o de los Valor
variacion cuadrad de cuadrad Probabili crtico
es os libertad os F dad para F
Tratamie 296.333 148.166 2.88075 0.102804 4.10282
nto 333 2 667 178 42 102
281.333 56.2666 1.09397 0.420717 3.32583
Bloques 333 5 667 278 75 453
514.333 51.4333
Error 333 10 333

Total 1092 17

Como
Fcritica > F 0 entonces
H0 se acepta, es decir que no existe diferencia
significativa entre los atomizadores para matar moscas.

c) Hay algn atomizador mejor? Argumente su respuesta.

En base al anlisis anterior se concluye que no existe diferencia significativa

entre los atomizadores. Entonces no hay ningn atomizador mejor

d) Hay diferencias significativas en los resultados de diferentes das en

qu se realiz el experimento? Argumente su respuesta.

Hiptesis:

Bloques

H 0 : 1 = 2= 3= 4 = 5= 6=0

H A : j 0 para algn bloque j

Como
F0 <F critica entonces
H0 se acepta, es decir que no existe diferencia
significativa entre los bloques, es decir, los das en que se realiz la prueba.

e) Verifique los supuestos de normalidad y de igual varianza entre las

maracas.

Normalidad

H 0 : Los datos proceden de una distribuci n normal

H A : Los datos no proceden de na distribucin normal

[ ]
k
1
W= ai ( x ni+ jx i )
( n1 ) s 2 I=1

Datos
Coeficientes
i en xn-i+j-xi ai(xn-i+j-xi)
Shapiro-Wilks
orden
1 50 0.4886 25 12.215
2 51 0.3253 23 7.4819
3 53 0.2553 20 5.106
4 55 0.2027 17 3.4459
5 58 0.1587 12 1.9044
6 59 0.1197 10 1.197
7 61 0.0837 7 0.5859
8 62 0.0496 5 0.248
9 64 0.0163 1 0.0163
10 65 32.2004
11 67
12 68
13 69
14 70
15 72
16 73
17 74
18 75
 s 2= 64.235

Entonces W = 0.9495

Y de tablas
W critica = 0.982

Por lo tanto si
W critica >W la hiptesis nula se acepta. Es una distribucin
normal.

Varianza constante

Como los datos tienen una distribucin normal se utiliza el estadstico de

Bartlett.

H 0 : 12= 22= 32

H A : i2 j2 para algn i j

q
02=2.3026
c

Dnde:
 [ ]
k
1
c=1+ ( ni1)1(N k )1
3(k 1) i=1

k
q=( Nk ) log s p ( ni 1 ) log s i
2 2

i=1

( ni1) si2
s p2= i=1
Nk

Para tratamiento:

si2 log si2

1.414973
26 35
66.96666 1.825858
67 68
66.16666 1.820639
67 26
159.1333 5.061471

33 29

2(26+66.967+ 66.167)
s p2 = = 21.2178
183

q=( 183 ) log21.2178(2)(5.0615)= 9.7775

1 1 1
c=1+ (
+
3(2) 2 15
= 1.0944 )
2 9.7775
0 =2.3026 = 20.571
1.0944

De tablas 2= 5.991
Por lo tanto, como 2tablas < 20 entonces, la hiptesis nula se rechaza, esto
quiere decir que no existe Homocedasticidad en los datos.

Para bloque:

72.33333 14.33333 76.33333 34.33333 405.3333
si2
33 57 33 33 33 151 33
1.859338 1.755874 1.156347 1.882714 1.535715 2.178976 10.36896
log si2
48 86 2 23 97 95 77

5(72.33+57+14.33+76.33+ 34.33+ 151)

s p 2= = 135.1111
183

q=( 183 ) log 135.1111(5)(10.3689)= -19.8845

1 1 1
c=1+ ( +
3(5) 5 15 )
= 1.0178

19.8845
02=2.3026 = - 44.9862
1.0178
 2
De tablas = 11.070

2 2
Por lo tanto, como tablas > 0 entonces, la hiptesis nula se acepta, esto
quiere decir que hay homogeneidad de varianza en los datos con respecto a los
bloques.

Independencia

El mtodo analtico de comprobar el supuesto de independencia se realiza con

la prueba Durbin-Watson.

H 0 : =0( no hay correlacin)

H A : 0

(ei e i1 )2
d= i=2 n

(e i)2
i =1

Datos yi ei ei2 (ei-ei-1)2

1 72 69.000 -3.00 9.00
2 65 69.000 4.00 16.00 49
 3 67 69.000 2.00 4.00 4
4 75 69.000 -6.00 36.00 64
5 62 69.000 7.00 49.00 169
6 73 69.000 -4.00 16.00 121
66.69444
55 59.167 4.17 17.36
7 44
8 59 59.167 0.17 0.03 16
9 68 59.167 -8.83 78.03 81
10 70 59.167 -10.83 117.36 4
11 53 59.167 6.17 38.03 289
12 50 59.167 9.17 84.03 9
106.7777
64 62.833 -1.17 1.36
13 78
14 74 62.833 -11.17 124.69 100
15 61 62.833 1.83 3.36 169
16 58 62.833 4.83 23.36 9
17 51 62.833 11.83 140.03 49
18 69 62.833 -6.17 38.03 324
795.667 1630.472

1630.472
d= = 2.049
795.667

De las tablas obtenemos para p=2,

d L =1.16 y
d V =1.39

Por lo tanto, siendo que

d >d V se acepta
H 0 , es decir no existe correlacin

entre los datos.

 8. (12) Se dise un experimento para estudiar el rendimiento de cuatro
detergentes. Las siguientes lecturas de blancura se obtuvieron con un
equipo especial diseado para 12 cargas de lavado, distribuidas en tres
modelos de lavadoras:

Detergente Lavadora 1 Lavadora 2 Lavadora 3

A 45 43 51
B 47 44 52
C 50 49 57
D 42 37 49

a) Seale el nombre del diseo experimental utilizado.

Diseo en bloques completos al azar.

{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }

b) Formule la hiptesis que se quiere probar en este problema.

Tratamiento:

H 0 : A= B=C = D=
 H A : i j para algn i j

Bloques:

H 0 : 1 = 2= 3=0

H A : j 0 para algn bloque j

c) Realice el anlisis estadstico ms apropiado para estos datos y obtenga

conclusiones.

Anlisis de varianza de dos factores con una sola

muestra por grupo

Promedi
RESUMEN Cuenta Suma o Varianza
46.33333 17.3333
Fila 1 3 139 33 333
47.66666 16.3333
Fila 2 3 143 67 333
Fila 3 3 156 52 19
42.66666 36.3333
Fila 4 3 128 67 333

Columna 11.3333
1 4 184 46 333
Columna
2 4 173 43.25 24.25
Columna 11.5833
3 4 209 52.25 333

ANLISIS DE
VARIANZA
Origen de Promedi
Suma de Grados Valor
las o de los Probabilid
cuadrad de F crtico
variacion cuadrad ad
os libertad para F
es os
Tratamien 133.666 44.55555 34.1276 0.000363 4.757062
to 667 3 56 596 33 66
170.166 85.08333 65.1702 8.5228E- 5.143252
Bloque 667 2 33 128 05 85
7.83333 1.305555
Error 333 6 56
 311.666
Total 667 11

En tratamiento:

Dado que
F0 >F critica , la hiptesis nula es rechazada, esto quiere decir que si

existe diferencia significativa entre los diferentes tipos de detergentes.

En bloque:

Como
F0 > F critica , la hiptesis nula se rechaza, esto se interpreta en que la
lavadora que se utilice si tiene influenza en el resultado del tratamiento
(detergente).

9. (15) Un aspecto crtico para que se conserve la leche es la temperatura

de almacenamiento. De manera tradicional se han usado termmetros
de mercurio (Mer) para verificar que la temperatura sea la adecuada,
pero ahora se han comprado termmetros electrnicos (Rtd) para
facilitar el proceso de medicin. Sin embrago, se duda de las mediciones
de estos nuevos dispositivos. Para aclarar dudas y diagnosticar la
situacin, durante cinco das se toman mediciones con ambos tipos de
termmetros en varios silos (a la misma hora). Los datos para cinco silos
se muestran a continuacin:

Da 1 Da 2 Da 3 Da 4 Da 5
Silo
Mer Rtd Mer Rtd Mer Rtd Mer Rtd Mer Rtd
A 4.0 2.6 4.0 2.8 5.0 5.0 0.5 0.0 3.0 2.4
B 5.0 6.4 6.0 6.4 2.0 2.3 4.0 4.2 4.0 4.0
C 4.5 3.3 4.0 1.4 3.5 1.8 2.0 -1.9 3.0 -7.6
D 2.5 3.1 4.0 5.0 6.5 6.6 4.5 2.7 4.0 6.3
E 4.0 0.0 4.0 0.4 3.5 0.6 2.0 -4.0 4.0 -6.3

a) Observe los datos y establezca una conjetura acerca de la confiabilidad

de las mediciones con Rtd (del termmetro de mercurio no hay duda).

A primera vista, si comparamos el termmetro de Mer con el Rtd se aprecian

diferencias grandes, incluso el termmetro Rtd marca temperaturas inferiores a
0C, cosa que nunca sucede con el otro termmetro.
 b) Es claro que el silo se puede ver como tratamiento y da como bloque.
Considere slo los datos de Rtd y establezca el modelo estadstico.
Tambin haga el ANOVA correspondiente y obtenga conclusiones.

El tipo de anlisis sera Diseo en bloques completos al azar (DBCA), cuyo

modelo es:

{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }

Hiptesis:

Tratamiento:

H 0 : A= B=C = D= E=

H A : i j para algn i j

Bloques:

H 0 : 1 = 2= 3= 4 = 5=0

H A : j 0 para algn bloque j

Anlisis de varianza de dos factores con una sola

muestra por grupo

RESUME Promedi
N Cuenta Suma o Varianza
Fila 1 5 12.8 2.56 3.148
Fila 2 5 23.3 4.66 3.068
Fila 3 5 -3 -0.6 18.915
Fila 4 5 23.7 4.74 3.203
Fila 5 5 -9.3 -1.86 9.728

Columna
1 5 15.4 3.08 5.197
Columna 5 16 3.2 6.18
2
Columna
3 5 16.3 3.26 6.078
Columna
4 5 1 0.2 11.085
Columna
5 5 -1.2 -0.24 39.653

ANLISIS DE
VARIANZA
Origen Promedi
de las Suma de Grados o de los Valor
variacion cuadrad de cuadrad Probabilid crtico
es os libertad os F ad para F
8.090957 0.000911 3.006917
Filas 182.532 4 45.633 45 59 28
Columna 2.748581 0.064865 3.006917
s 62.008 4 15.502 56 29 28
Error 90.24 16 5.64

Total 334.78 24

En tratamiento:

Dado que
F0 > F critica , la hiptesis se rechaza, esto significa que la

temperatura en los silos es diferente.

En bloque:

Como
F0 < F critica , la hiptesis nula se acepta, esto se interpreta en que el da
no tiene un efecto en la medicin de la temperatura.

c) Repita el inciso anterior pero ahora para las mediciones Mer.

El tipo de anlisis sera Diseo en bloques completos al azar (DBCA), cuyo

modelo es:

{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }
Hiptesis:

Tratamiento:

H 0 : A= B=C = D= E=

H A : i j para algn i j

Bloques:

H 0 : 1 = 2= 3= 4 = 5=0

H A : j 0 para algn bloque j

Anlisis de varianza de dos factores con una sola

muestra por grupo

RESUME Promedi
N Cuenta Suma o Varianza
Fila 1 5 16.5 3.3 2.95
Fila 2 5 21 4.2 2.2
Fila 3 5 17 3.4 0.925
Fila 4 5 21.5 4.3 2.075
Fila 5 5 17.5 3.5 0.75

Columna
1 5 20 4 0.875
Columna
2 5 22 4.4 0.8
Columna
3 5 20.5 4.1 2.925
Columna
4 5 13 2.6 2.675
Columna
5 5 18 3.6 0.3

ANLISIS DE
VARIANZA
 Origen Promedi
de las Suma de Grados o de los Valor
variacion cuadrado de cuadrado Probabilid crtico
es s libertad s F ad para F
0.690402 0.609212 3.006917
Filas 4.46 4 1.115 48 39 28
Columna 1.510835 0.246022 3.006917
s 9.76 4 2.44 91 12 28
Error 25.84 16 1.615

Total 40.06 24

En tratamiento:

Dado que
F0 < F critica , la hiptesis se acepta, esto significa que la

temperatura en los silos no es diferente.

En bloque:

Como
F0 < F critica , la hiptesis nula se acepta, esto se interpreta en que el
da no tiene un efecto en la medicin de la temperatura.

d) Las conclusiones obtenidas en los incisos anteriores coinciden?

Comente su respuesta.

No las conclusiones con respecto a los tratamientos (silos) fue distinta, en el

caso del termmetro Rtd haba variacin en los silos; mientras que con el
termmetro Mer, eso no se detect, los silos eran estadsticamente iguales.
Esto quiere decir que los termmetros son distintos entre s, ya que muestran
conclusiones diferentes.

e) Datos pareados. Para comprara los dos mtodos de medicin (Mer y Rtd)
obtenga como variable de respuesta a la diferencia de temperaturas que
registran los mtodos para cada da en cada silo. Considerando esto,
establezca el modelo estadstico, haga el ANOVA correspondiente y
obtenga conclusiones.

Para |MER-RTD|
Da 1 Da 2 Da 3 Da 4 Da 5
Silo
Dif. Dif. Dif. Dif. Dif.
A 1.4 1.2 0 0.5 0.6
 B 1.4 0.4 0.3 0.2 0
C 1.2 2.6 1.7 3.9 10.6
D 0.6 1 0.1 1.8 2.3
E 4 3.6 2.9 6 10.3

El tipo de anlisis sera Diseo en bloques completos al azar (DBCA), cuyo

modelo es:

{
Y ij =+ i + j+ ij i=1,2, , k
j=1,2, , b }

Hiptesis:

Tratamiento:

H 0 : A= B=C = D= E=

H A : i j para algn i j

Bloques:

H 0 : 1 = 2= 3= 4 = 5=0

H A : j 0 para algn bloque j

Anlisis de varianza de dos factores con una sola

muestra por grupo

RESUME Promedi
N Cuenta Suma o Varianza
Fila 1 5 3.7 0.74 0.318
Fila 2 5 2.3 0.46 0.298
Fila 3 5 20 4 14.665
Fila 4 5 5.8 1.16 0.793
Fila 5 5 26.8 5.36 8.953
Columna
1 5 8.6 1.72 1.732
Columna
2 5 8.8 1.76 1.708
Columna
3 5 5 1 1.6
Columna
4 5 12.4 2.48 5.997
Columna
5 5 23.8 4.76 27.703

ANLISIS DE
VARIANZA
Origen Promedi
de las Suma de Grados o de los Valor
variacion cuadrad de cuadrad Probabilid crtico
es os libertad os F ad para F
6.659989 0.002357 3.006917
Filas 96.8136 4 24.2034 27 44 28
Columna 2.886617 0.056396 3.006917
s 41.9616 4 10.4904 23 43 28
Error 58.1464 16 3.63415

196.921
Total 6 24

En tratamiento:

Dado que
F0 > F critica , la hiptesis nula se rechaza esto se interpreta en que, la

diferencia entre las temperaturas de los termmetros, en los silos es diferente,

es decir, hay diferencias entre cada tratamiento.

En bloque:

Como
F0 < F critica , la hiptesis nula se acepta, esto se interpreta en que el da
no tiene un efecto en la medicin de la temperatura.

En conclusin, se puede inferir por los resultados en los incisos anteriores, que
el termmetro Rtd es diferente al termmetro Mer, y considerando que sobre
ste ltimo no hay duda de su funcionamiento, entonces, el termmetro Rtd,
est daado y no registra las temperaturas correctas.
 10.(16) Se requiere estudiar el efecto de cinco catalizadores diferentes (A,
B, C, D y E) sobre el tiempo de reaccin de un proceso qumico. Cada
lote de material slo permite cinco corridas y cada corrida requiere
aproximadamente 1.5 horas, por lo que slo se pueden realizar cinco
corridas diarias. El experimentador decide correr los experimentos con
un diseo en cuadro latino para controlar activamente a los lotes y das.
Los datos obtenidos son:

Da
1 2 3 4 5
Lot
1 A=8 B=7 D=1 C=7 E=3
e
2 C=11 E=2 A=7 D=3 B=8
3 B=4 A=9 C=10 E=1 D=5
4 D=6 C=8 E=6 B=6 A=10
5 E=4 D=2 B=3 A=8 C=8

a) Cmo se aleatoriz el experimento?

Primero se construy el cuadro latino estndar, y despus se aleatoriza el

orden de los renglones, y despus el de las columnas. La regla fundamental es
que cada letra debe aparecer slo una vez en cada rengln y en cada columna.

b) Anote la ecuacin del modelo y las hiptesis estadsticas

correspondientes.

El tipo de anlisis es Diseo en cuadro latino (DCL), cuyo modelo es:

Y ijl=+ i + j + l + ijl

Hiptesis:

Tratamiento:

H 0 : 1=2=3= 4= 5=

H A : i j para algn i j

Bloque 1:

H 0 : 1 = 2= 3= 4 = 5=0
 H A : j 0 para algn bloque j

Bloque 2:

H 0 : A = B = C = D= E =0

H A : j 0 para algn bloque j

c) Existen diferencias entre los tratamientos? Cules tratamientos son

diferentes entre s?

Anlisis de varianza de dos factores con una sola

muestra por grupo

RESUME Promedi
N Cuenta Suma o Varianza
Fila 1 5 26 5.2 9.2
Fila 2 5 31 6.2 13.7
Fila 3 5 29 5.8 13.7
Fila 4 5 36 7.2 3.2
Fila 5 5 25 5 8

Columna
1 5 33 6.6 8.8
Columna
2 5 28 5.6 11.3
Columna
3 5 27 5.4 12.3
Columna
4 5 25 5 8.5
Columna
5 5 34 6.8 7.7

sA= 5 42 8.4 1.3

sB= 5 28 5.6 4.3
sC= 5 44 8.8 2.7
sD= 5 17 3.4 4.3
sE= 5 16 3.2 3.7

ANLISIS DE
VARIANZA
Origen Promedi
de las Suma de Grados o de los Valor
variacion cuadrad de cuadrad crtico
es os libertad os F para F
Tratamien
to 141.44 4 35.36 11.3092 3.26
Das (B1) 12.24 4 3.06 0.9787 3.26
Lotes
(B2) 15.44 4 3.86 1.2345 3.26
Error 37.52 12 3.1267

Total 206.64 24

En tratamiento:

Dado que
F0 >F critica , la hiptesis nula se rechaza, es decir, los tratamientos

(catalizadores) son diferentes entre s.

En bloque 1:

Como
F0 <F critica , la hiptesis nula se acepta, es decir, en que el da no tiene
un efecto en los catalizadores.

En bloque 2:

Como
F0 < F critica , la hiptesis nula se acepta, es decir, que el nmero de lote
no tiene eecto sobre el catalizador.

d) Los factores de ruido, lote y da afectan el tiempo de reaccin del

proceso?

No, lo efectos de ruido (lote y da) no tienen influencia significativa sobre la

reaccin del procesos (catalizadores), es decir no influyen en los resultados de
los tratamientos.

e) Dibuje los grficos de medias para los tratamientos, los lotes y los das.
Cul tratamiento es mejor?
Hiptesis:

H 0 : i= j
 H A : i j

LSD=t
2
,(k1)(b1) 2CM E
b

t =t 0.25,12 =
2
, ( k1 ) ( b 1 )
2.1788128

CM E= 3.12667

b=5

2(3.12667)/5=
LSD=2.1788 2.4366

Utilizando LSD
i-j LSD H0
2.436636
A B 2.8 > 28
2.436636
A C 0.4 < 28
2.436636
A D 5 > 28
2.436636
A E 5.2 > 28
2.436636
B C 3.2 > 28
2.436636
B D 2.2 < 28
2.436636
B E 2.4 < 28
2.436636
C D 5.4 > 28
2.436636
C E 5.6 > 28
2.436636
D E 0.2 < 28
En base a esta comparacin los catalizadores E, D y B son estadsticamente
iguales y los que resultan mejores, ya que el tempo de reaccin es menor.

f) Verifique los supuestos del modelo, considerando que los datos se

obtuvieron columna por columna, da por da.

Normalidad
i yij ai xn-i+1-xi ai(xn-i+1-xi)
1 1 0.4450 24 10.6800
2 1 0.3069 23 7.0587
3 2 0.2543 21 5.3403
4 2 0.2148 20 4.2960
5 3 0.1822 18 3.2796
6 3 0.1539 17 2.6163
7 3 0.1283 16 2.0528
8 4 0.1046 14 1.4644
9 4 0.0823 13 1.0699
1
0 5 0.0610 11 0.6710
1
1 6 0.0403 9 0.3627
1
2 6 0.0200 8 0.1600
1
3 6 0.0000 7 0.0000
1
4 7 39.0517
1
5 7
1
6 7
1
7 8
1
8 8
1
9 8 s 2= 8.61
2
0 8
2 Entonces W = 7.3802
1 8
2
2 9
2
3 10
2
4 10
2
5 11
Y de tablas
W critica = 0.985

Por lo tanto si
W critica <W la hiptesis nula se rechaza. Estos datos no
provienen de una distribucin normal.

Varianza constante

Como los datos no tienen una distribucin normal se utiliza el estadstico de

Levine.

Para tratamiento:

H 0 : A2= B2 = C 2 D2= E2

H A : i2 j2 para algn i j

Desviaciones de cada valor respecto a la

media (tratamiento)
0.4 1.4 1.8 2.4 0.2
1.4 2.4 2.2 0.4 1.2
0.6 1.6 1.2 1.6 2.2
1.6 0.4 0.8 2.6 2.8
0.4 2.6 0.8 1.4 0.8

Anlisis de varianza de un
factor
RESUMEN
Promedi
Grupos Cuenta Suma o Varianza
Columna
1 5 4.4 0.88 0.332
Columna
2 5 8.4 1.68 0.772
Columna
3 5 6.8 1.36 0.388
Columna
4 5 8.4 1.68 0.772
Columna
5 5 7.2 1.44 1.108

ANLISIS DE
VARIANZA
Origen de Promedi
las Suma de Grados o de los Valor
variacione cuadrad de cuadrad Probabili crtico
s os libertad os F dad para F
Tratamien 0.541040 2.86608
tos 2.1504 4 0.5376 0.797 84 14
Error 13.488 20 0.6744

Total 15.6384 24

Por lo tanto si
Fcritica > F 0 la hiptesis nula se acepta. Por lo tanto si existe
homogeneidad de varianza con respecto a los tratamientos.

Para bloque 1 (Das):

 2 2 2 2 2
H 0 : 1 = 2 = 3 4 = 5

H A : i2 j2 para algn i j

Desviaciones de cada valor respecto a la

media (Das)
1.4 1.4 4.4 2.0 3.8
4.4 3.6 1.6 2.0 1.2
2.6 3.4 4.6 4.0 1.8
0.6 2.4 0.6 1.0 3.2
2.6 3.6 2.4 3.0 1.2

Anlisis de varianza de un
factor

RESUMEN
Promedi
Grupos Cuenta Suma o Varianza
Columna 1 5 11.6 2.32 2.072
Columna 2 5 14.4 2.88 0.932
Columna 3 5 13.6 2.72 3.052
Columna 4 5 12 2.4 1.3
Columna 5 5 11.2 2.24 1.428

ANLISIS DE VARIANZA
Suma Grad Promedi
de os de o de los Valor
Origen de las cuadra libert cuadrad Probabili crtico
variaciones dos ad os F dad para F
0.21493 0.927027 2.86608
Entre grupos 1.5104 4 0.3776 625 04 14
Dentro de los
grupos 35.136 20 1.7568

36.646
Total 4 24
Por lo tanto si
Fcritica > F 0 la hiptesis nula se acepta. Por lo tanto si existe
homogeneidad de varianza con respecto al da.

Para bloque 2 (Lotes):

2 2 2 2 2
H 0 : 1 = 2 = 3 4 = 5

2 2
H A : i j para algn i j

Desviaciones de cada valor con respecto a la

media (Lotes)
2.8 1.8 4.2 1.8 2.2
4.8 4.2 0.8 3.2 1.8
1.8 3.2 4.2 4.8 0.8
1.2 0.8 1.2 1.2 2.8
1.0 3.0 2.0 3.0 3.0

Anlisis de varianza de un
factor

RESUMEN
Promedi
Grupos Cuenta Suma o Varianza
Fila 1 5 12.8 2.56 1.008
Fila 2 5 14.8 2.96 2.748
Fila 3 5 14.8 2.96 2.748
Fila 4 5 7.2 1.44 0.608
Fila 5 5 12 2.4 0.8

ANLISIS DE VARIANZA
Suma Grad Promedi
de os de o de los Valor
Origen de las cuadra libert cuadrad Probabili crtico
variaciones dos ad os F dad para F
1.22750 0.330733 2.86608
Entre grupos 7.7696 4 1.9424 253 41 14
Dentro de los
grupos 31.648 20 1.5824

39.417
Total 6 24

Por lo tanto como

Fcritica > F 0 la hiptesis nula se acepta. Por lo tanto si existe
homogeneidad de varianza con respecto a los lotes.

Independencia

El mtodo analtico de comprobar el supuesto de independencia se realiza con

la prueba Durbin-Watson.
H 0 : =0( no hay correlacin)

H A : 0

(ei e i1 )2
d= i=2 n

(e i)2
i =1

Datos yi ei ei2 (ei-ei-1)2

8 8.4 0.40 0.16
9 8.4 -0.60 0.36 1.0
7 8.4 1.40 1.96 4.0
8 8.4 0.40 0.16 1.0
10 8.4 -1.60 2.56 4.0
4 5.6 1.60 2.56 10.2
7 5.6 -1.40 1.96 9.0
3 5.6 2.60 6.76 16.0
6 5.6 -0.40 0.16 9.0
8 5.6 -2.40 5.76 4.0
11 8.8 -2.20 4.84 0.0
8 8.8 0.80 0.64 9.0
10 8.8 -1.20 1.44 4.0
7 8.8 1.80 3.24 9.0
8 8.8 0.80 0.64 1.0
6 3.4 -2.60 6.76 11.6
2 3.4 1.40 1.96 16.0
1 3.4 2.40 5.76 1.0
3 3.4 0.40 0.16 4.0
5 3.4 -1.60 2.56 4.0
4 3.2 -0.80 0.64 0.6
2 3.2 1.20 1.44 4.0
6 3.2 -2.80 7.84 16.0
1 3.2 2.20 4.84 25.0
3 3.2 0.20 0.04 4.0
65.200 167.480

167.480
d= = 2.5687
65.200
De las tablas obtenemos para p=2,
d L =1.29 y
d V =1.45

Por lo tanto, siendo que

d >d V se acepta
H 0 , es decir no existe correlacin

entre los datos.

11.(21) Se quieren comparar tres dietas (A, B, C) a base de protenas de

origen vegetal utilizando 18 ratas de laboratorio de una misma camada.
Primero se observa por un tiempo el apetito para formar tres grupos de
seis ratas, segn su voracidad; y cada uno de estos grupos se clasifica a
su vez en tres grupos de dos ratas, de acuerdo a su peso inicial. Se
plantea un experimento donde la variable de respuesta es el peso en
gramos ganado por las ratas despus de cierto perodo, con los
siguientes resultados:

Apetito/
A1 A2 A3
Peso inicial
67 (C) 105 (A) 95 (B)
P1 72 112 86

85 (A) 75 (B) 88 (C)

P2 98 67 110

66 (B) 68 (C) 108 (A)

P3 47 91 120
 a) Analice los datos. Cules factores influyen en el peso ganado por las
ratas?

El tipo de anlisis es Diseo en cuadro latino (DCL), cuyo modelo es:

Y ijl=+ i + j + l + ijl

Hiptesis:

Tratamiento:

H 0 : A= B=C =

H A : i j para algn i j

Bloque 1:

H 0 : 1 = 2= 3=0

H A : j 0 para algn bloque j

Bloque 2:

H 0 : 1 = 2= 3=0

H A : j 0 para algn bloque j

Anlisis de varianza de dos factores con una sola

muestra por grupo

Promedi
RESUMEN Cuenta Suma o Varianza
209.3333 550.3333
A 3 628 33 33
145.3333 1164.333
B 3 436 33 33
 165.3333 900.3333
C
3 496 33 33

Fila 1 3 537 179 1524

174.3333 840.3333
Fila 2 3 523 33 33
166.6666 3350.333
Fila 3 3 500 67 33

Columna 1 3 435 145 1252

172.6666 1546.333
Columna 2 3 518 67 33
202.3333 566.3333
Columna 3 3 607 33 33

ANLISIS DE VARIANZA
Promedi
Origen de Suma de Grados o de los Valor
las cuadrado de cuadrado crtico
variaciones s libertad s F para F
99.4639 6.944271
Tratamiento 6432 2 3216 175 91
Peso inicial 232.6666 116.3333 3.597938 6.944271
(B1) 67 2 33 14 91
Voracidad 4932.666 2466.333 76.27835 6.944271
(B2) 67 2 33 05 91
64.66666 32.33333
Error 67 2 33

Total 11662 8

En tratamiento:

Dado que
F0 >F critica , la hiptesis nula se rechaza, es decir, los tratamientos

(dietas) son diferentes entre s.

En bloque 1:

Como
F0 < F critica , la hiptesis nula se acepta, es decir, que el peso inicial no
tiene un efecto en el resultado.

En bloque 2:
Como
F0 > F critica , la hiptesis nula se rechaza, es decir, que la voracidad de
las ratas si es un factor que influye en los resultados.

b) Cul dieta es mejor?

Utilizando
LSD
i-j LSD H0
19.97633
A B 64 > 91
19.97633
A C 44 > 91
19.97633
B C 20 > 91

Por lo tanto, se puede concluir que la dieta B es la mejor, ya que el incremento

de peso es el menor.

c) Alguno de los factores de bloque puede ser ignorado? Argumente su

respuesta.

Como el peso inicial no tiene influencia en los resultados, este factor de bloque
puede ser ignorado.

d) Si se fuera el caso, analice de nuevo el experimento y saque

conclusiones.

Hiptesis:

Tratamiento:

H 0 : 1=2=3=

H A : i j para algn i j

Bloques
 H 0 : 1 = 2= 3=0

H A : j 0 para algn bloque j

Anlisis de varianza de dos factores con una sola

muestra por grupo

RESUME Promedi
N Cuenta Suma o Varianza
209.3333 550.3333
Fila 1 3 628 33 33
145.3333 1164.333
Fila 2 3 436 33 33
165.3333 900.3333
Fila 3 3 496 33 33

Columna
1 3 435 145 1252
Columna 172.6666 1546.333
2 3 518 67 33
Columna 202.3333 566.3333
3 3 607 33 33

ANLISIS DE
VARIANZA
Origen Promedi
de las Suma de Grados o de los Valor
variacion cuadrado de cuadrado Probabilid crtico
es s libertad s F ad para F
43.26457 0.001952 6.944271
Filas 6432 2 3216 4 28 91
Columna 4932.666 2466.333 33.17937 0.003232 6.944271
s 67 2 33 22 09 91
297.3333 74.33333
Error 33 4 33

Total 11662 8

En tratamiento:

Dado que
F0 >F critica , la hiptesis nula se rechaza, es decir, los tratamientos

(dietas) son diferentes entre s.

En bloque:
Como
F0 > F critica , la hiptesis nula se rechaza, es decir, que l apetito si
influye en el resultado.

Es decir los resultados siguen siendo los mismos.

e) Verifique los supuestos del modelo.

Normalidad

H 0 : Los datos proceden de una distribuci n normal

H A : Los datos no proceden de na distribucin normal

[ ]
k
1
W= ai ( x ni+ jx i )
( n1 ) s 2 I=1

Coeficien
Datos en tes
i xn-i+j-xi ai(xn-i+j-xi)
orden Shapiro-
Wilks
1 50 0.5888 14 8.2432
2 51 0.3244 11 3.5684
3 53 0.1976 8 1.5808
4 55 0.0947 4 0.3788
5 58 13.7712
6 59
7 61
8 62
9 64

s 2= 3680.125

Entonces W = 0.00644

Y de tablas
W critica = 0.978
 Por lo tanto si
W critica >W la hiptesis nula se acepta. Estos dato provienen
de una distribucin normal.

Varianza constante

Como los datos tienen una distribucin normal se utiliza el estadstico de

Bartlett.
2 2 2
H 0 : A = B = 3

H A : i2 j2 para algn i j

q
02=2.3026
c

Dnde:

[ ]
k
1
c=1+
3(k 1)
( ni1)1(N k )1
i=1

k
q=( Nk ) log s p ( ni 1 ) log s i
2 2

i=1
 k

( ni1) si2
s p2= i=1
Nk

Para tratamiento:

si2 log si2

550.3333 2.740625
33 82
1164.333 3.066077
33 33
900.3333 2.954403
33 33
8.761106

2615 48

871.6666 2.940350
log sp2=
sp2= 67 44
-
5212.357
q= 9
1.055555
c= 56

-
11370.29
2= 24

2
De tablas = 5.991

Por lo tanto, como 2tablas < 20 entonces, la hiptesis nula se rechaza, esto
quiere decir que no existe Homocedasticidad en los datos.
Para bloque:

1546.333 566.3333 3364.666
si2
1252 33 33 67
3.097604 3.189303 2.753072 9.039979
log si2
33 12 12 57

1121.555 3.049820
log sp2=
sp2= 56 79
0.218965
q= 6
1.111111
c= 11

0.453771
2= 18

De tablas 2= 5.991

2 2
Por lo tanto, como tablas > 0 entonces, la hiptesis nula se acepta, esto
quiere decir que hay homogeneidad de varianza en los datos con respecto a los
bloques.
Independencia

El mtodo analtico de comprobar el supuesto de independencia se realiza con

la prueba Durbin-Watson.

H 0 : =0( no hay correlacin)

H A : 0

(ei e i1 )2
d= i=2 n

(e i)2
i =1

independen
cia
Datos yi ei ei2 (ei-ei-1)2
209.3333
-26.33 693.44
1 183 33
209.3333
7.67 58.78 1156
2 217 33
209.3333
18.67 348.44 121
3 228 33
145.3333
-32.33 1045.44 2601
4 113 33
145.3333
-3.33 11.11 841
5 142 33
6 181 145.3333 35.67 1272.11 1521
 33
165.3333
139 -26.33 693.44 3844
7 33
165.3333
159 -6.33 40.11 400
8 33
165.3333
32.67 1067.11 1521
9 198 33
12005.00
5230.000
0

d= 2.2954

De las tablas no viene el valor correspondiente, para p=2 y n=9 , por lo

tanto, no se pudo concluir el mtodo analtico.

2
Grficamente: en base al valor de R se puede concluir que no hay
correlacin entre los datos.

12.(23) Un investigador est interesado en el efecto del porcentaje de lisina

y del porcentaje de protena en la produccin de vacas lecheras. Se
consideran siete niveles en cada factor.
% de lisina: 0.0 (A), 0.1 (B), 0.2 (C), 0.3 (D), 0.4 (E), 0.5 (F), 0.6 (G).
% de protena: 2 (), 4 (), 6 (), 8 (), 10 (), 12 (), 14 ().

Para el estudio se seleccionan siete vacas al azar, a las cuales se les da un

seguimiento de siete perodos de tres meses. Los datos en galones de leche
fueron los siguientes:
 Vaca/
1 2 3 4 5 6 7
perodo
304 436 350 504 417 519 432
1
(A) (B) (C) (D) (E) (F) (G)
381 505 425 564 494 350 413
2
(B) (C) (D) (E) (F) (G) (A)
432 566 479 357 461 340 502
3
(C) (D) (E) (F) (G) (A) (B)
442 372 536 366 495 425 507
4
(D) (E) (F) (G) (A) (B) (C)
496 449 493 345 509 481 380
5
(E) (F) (G) (A) (B) (C) (D)
534 421 352 427 346 478 397
6
(F) (G) (A) (B) (C) (D) (E)
543 386 435 485 406 554 410
7
(G) (A) (B) (C) (D) (E) (F)

a) Analice este experimento. Qu factores tienen efecto en la produccin

de leche?

Se utiliza un anlisis de diseo en cuadro greco-latino (DCGL)

Modelo:

Y ijlm=+ i+ j + l+ m + ijlm

Hiptesis:

% Lisina:

H 0 : A= B=C = D= E= F =G =

H A : i j para algn i j

% Protena:

H 0 : = = = = = = =

H A : i j para algn i j
Vaca:

H 0 : 1 = 2= 3= 4 = 5= 6= 7 =0

H A : j 0 para algn bloque j

Perodo:

H 0 : 1 = 2= 3= 4 = 5= 6= 7 =0

H A : j 0 para algn bloque j

A 304 340 345 386 413 495 352
B 435 381 425 427 436 502 509
C 346 350 432 481 485 505 507
D 380 406 425 442 478 504 566
E 372 397 417 479 496 554 564
F 357 449 410 494 536 534 519
G 350 366 421 432 461 493 543

Anlisis de varianza de dos factores con una sola muestra por

grupo

RESUME Promedi
N Cuenta Suma o Varianza
376.4285 3940.952
Fila 1 7 2635 71 38
2057.666
Fila 2 7 3115 445 67
443.7142 4887.238
Fila 3 7 3106 86 1
457.2857 4051.571
Fila 4 7 3201 14 43
Fila 5 7 3279 468.4285 5728.952
 71 38
471.2857 4704.571
Fila 6 7 3299 14 43
4638.666
Fila 7 7 3066 438 67

Columna 363.4285 1587.952

1 7 2544 71 38
Columna 384.1428 1383.809
2 7 2689 57 52
Columna 410.7142 887.5714
3 7 2875 86 29
Columna 448.7142 1456.571
4 7 3141 86 43
Columna 472.1428 1629.142
5 7 3305 57 86
Columna 512.4285 518.2857
6 7 3587 71 14
Columna 508.5714 5363.619
7 7 3560 29 05

Vaca/
1 2 3 4 5 6 7
perodo
1 304 436 350 504 417 519 432
2 381 505 425 564 494 350 413
3 432 566 479 357 461 340 502
4 442 372 536 366 495 425 507
5 496 449 493 345 509 481 380
6 534 421 352 427 346 478 397
7 543 386 435 485 406 554 410

Anlisis de varianza de dos factores con una sola

muestra por grupo

RESUME Promedi
N Cuenta Suma o Varianza
423.1428 5925.476
Fila 1 7 2962 57 19
447.4285 5777.619
Fila 2 7 3132 71 05
Fila 3 7 3137 448.1428 6361.809
 57 52
4415.333
Fila 4 7 3143 449 33
450.4285 4055.285
Fila 5 7 3153 71 71
422.1428 4501.142
Fila 6 7 2955 57 86
459.8571 4644.476
Fila 7 7 3219 43 19

Columna 447.4285 7373.285

1 7 3132 71 71
Columna 447.8571 4611.142
2 7 3135 43 86
Columna 438.5714 4937.619
3 7 3070 29 05
Columna 435.4285 7151.619
4 7 3048 71 05
Columna 446.8571 3555.809
5 7 3128 43 52
Columna 449.5714 6674.285
6 7 3147 29 71
Columna 434.4285 2542.952
7 7 3041 71 38

ANLISIS DE
VARIANZA
Origen Promedi
de las Suma de Grados o de los Valor
variacion cuadrado de cuadrado crtico
es s libertad s F para F
42783.55 7130.591
% Lisina 1 6 8 7.2322 2.51
%Proten 145879.5 24313.25
a 51 6 85 24.6598 2.51
1459.068
Vaca 8754.408 6 0 1.4799 2.51
Perodo 1760.980 6 293.4966 0.2977 2.51
23662.77
Error 6 24 985.9490

222841.2
Total 65 48

En %Lisina:
Dado que
F0 > F critica , la hiptesis nula se rechaza, es decir, el porcentaje de

lisina no es igual para cada nivel, es decir, si tiene un efecto significativo.

En % Protena:

Como
F0 < F critica , , la hiptesis nula se rechaza, lo que significa que, el

porcentaje de protena si tiene un efecto en la produccin de vacas lecheras.

Vaca:

Como
F0 < F critica , la hiptesis nula se acepta, es decir, que la vaca (que vaca
es) no es un factor que influye en los resultados.

Perodo:

Como
F0 < F critica , la hiptesis nula se acepta, es decir, que el perodo
tampoco es un factor que influye en los resultados.

b) Interprete los datos usando grficos de medias.

 c) Cmo puede explicar la falta de efectos en vacas y perodo?

Estos factores que no influyen en la produccin de las vacas.

d) Qu porcentajes de lisina y protena dan los mejores resultados?

Utilizando diferencias mnimas significativas

Utilizando LSD
i-j LSD H0
1 A B 68.571 > 33.872
2 A C 67.286 > 33.872
3 A D 80.857 > 33.872
4 A E 92.000 > 33.872
5 A F 94.857 > 33.872
6 A G 61.571 > 33.872
7 B C 1.286 < 33.872
8 B D 12.286 < 33.872
9 B E 23.429 < 33.872
10 B F 26.286 < 33.872
11 B G 7.000 < 33.872
12 C D 13.571 < 33.872
13 C E 24.714 < 33.872
14 C F 27.571 < 33.872
15 C G 5.714 < 33.872
16 D E 11.143 < 33.872
17 D F 14.000 < 33.872
18 D G 19.286 < 33.872
19 E F 2.857 < 33.872
20 E G 30.429 < 33.872
21 F G 33.286 < 33.872

Entonces se concluye que el porcentaje de lisina A es el que proporciona menor

produccin de las vacas, pero el resto son significativamente iguales.

e) Verifique los supuestos del modelo.

Normalidad

Homogeneidad de varianza
Independencia
II. Problemas marcados con asterisco

1. (2) Un equipo de especialistas en remotivacin, en un hospital

psiquitrico, condujo un experimento para comprobar cinco
mtodos para remotivar a los pacientes. Estos fueron agrupados
de acuerdo con el nivel de motivacin inicial. En cada grupo, los
pacientes fueron asignados al azar a los cinco mtodos. Al final del
periodo experimental, un equipo de trabajo formado por un
psiquiatra, un psiclogo, una enfermera y un trabajador social
evaluaron a los pacientes. Ningn miembro del equipo de
evaluacin sabia de los mtodos que fueron asignados a los
pacientes. El equipo asign a cada paciente una calificacin como
medida de su nivel de motivacin. Los resultados fueron los
siguientes:

Nivel de Mtodo de motivacin

motivacin
A B C D E
inicial
Nulo 58 68 60 68 64
Muy bajo 62 70 65 80 69
Bajo 67 78 68 81 70
Promedio 70 81 70 89 74

Proporcionan estos datos evidencia suficiente que indique una

diferencia en las calificaciones medias entre los mtodos? Sea =
0.05

2. (3) La enfermera supervisora de un departamento de salud local

quera analizar el efecto de la hora del da en la duracin de las
visitas domiciliarias realizadas por el personal de enfermera.
Pensaba que las diferencias individuales entre las enfermeras
podan ser grandes, por lo que utiliz a las enfermeras como un
factor de formacin de bloques. Recolecto adems los siguientes
datos:

Duracin de la visita domiciliaria

Enferme Tempran
En la A medio Por la
ra o por la
maana da tarde
tarde
A 27 28 30 23
B 31 30 27 20
C 35 38 34 30
 D 20 18 20 14

Proporcionan estos datos evidencia suficiente para indicar una

diferencia en la duracin de las visitas domiciliarias en las
diferentes horas del da? Sea = 0.05

3. (5) Se realiza un experimento para investigar el efecto de la

temperatura de secado en granos de trigo con la finalidad de
mejorar la calidad en el horneado para producir pan. Se utilizaron
tres niveles de temperatura y la variable de respuesta medida fue
el volumen de la pieza de pan obtenida. Los datos obtenidos
fueron los siguientes:

Temperat
Volumen (cm3)
ura (C)
70.0 1245 1235 1285 1242 1235
75.0 1235 1240 1200 1220 1210
80.0 1225 1200 1170 1155 1095

a) La temperatura de secado afecta el volumen de pan? Usar un

=0.01
b) Utilizar el mtodo de LSD para determinar la diferencia de medias
y cul es el tratamiento ms adecuado que cumple con los fines
de obtener un mayor volumen.
c) Analizar el cumplimiento de normalidad y homogeneidad de
varianzas por los mtodos grficos y matemticos.

4. (9) Un artculo en Agricultural Engineering (diciembre 1964,

pp672-673) describe un experimento en el cual el peso ganado
diariamente por los cerdos es evaluado en los diferentes niveles
de temperatura de su vivienda. El peso promedio de cada grupo de
cerdos al inicio del experimento es considerado como un factor de
ruido. Los datos obtenidos de este experimento se muestran a
continuacin:

Temperatura promedio del aire de la

Peso
vivienda (F)
(lbs)
50 60 70 80 90 100
100 1.37 1.58 2.00 1.97 1.40 0.39
150 1.47 1.75 2.16 1.82 1.14 -0.19
200 1.19 1.91 2.22 1.67 0.88 -0.77
a) La temperatura promedio de la vivienda afecta al peso promedio
ganado? Usa =0.05
b) Utiliza el mtodo de LSD de Fisher para determinar qu niveles de
temperatura son diferentes.
c) Analiza los residuos de este experimento y haz comentarios sobre la
adecuacin del modelo.