Karen Cáceres / Juan José Prieto

Prueba 2 Técnicas Multivariadas 2

1. Utilice los datos de los puntajes de una prueba en la Tabla 5.2

0
0
a) Test H0 : µ = 500 50 30 v/s H1 : µ 6= 500 50 30
Se asume un muestra aleatoria de 87 observaciones. Donde X1 corresponde al puntaje obtenido
en Historia, X2 es el puntaje obtenido en lenguaje y X3 es el puntaje obtenido en ciencias. Se
considera Σ2 desconocida.

Se estima µ por ȳ y Σ por S, donde:

 
5808,06 597,84 222,03
S 2 =  597,84 126,05 23,39 


ȳ = 526,59 54,69 25,13
222,03 23,39 23,11

   0  −1    
526,59 500 5808,06 597,84 222,03 526,59 500
T 2 = 87 ·  54,69  −  50   597,84 126,05 23,39   54,69  −  50  = 223,31
25,13 30 222,03 23,39 23,11 25,13 30

2
El valor de tabla de T0,05,3,86 es 8.3 aproximadamente, como es menor al T 2 calculado, existe
evidencia suficiente para rechazar la hipótesis nula. Es decir, los puntajes promedios del grupo
de estudiantes es significativamente diferente de los estudiantes universitarios promedio.
b) Determine las longitudes y direcciones de los ejes del elipsoide de confianza del 95 %
para µ.
     
0,994 0,103 −0,037
La dirección de los ejes son: 0,103 ; −0,995; −0,009
0,038 −0,005 0,999

Figura 1: Proyecciones del elipsoide

EST 1 Mayo, 2019

 Karen Cáceres / Juan José Prieto

c) QQ plot y gráficos de dispersión. Discutir la normalidad de los datos

Figura 2: QQ plot puntajes de pruebas

Figura 3: Gráficos de dispersión puntajes de pruebas

Aparentemente los datos distribuyen normal.

 Karen Cáceres / Juan José Prieto

2. Un investigador consideró tres ı́ndices que miden la gravedad de los ataques cardı́acos.
Los valores de estos ı́ndices para n = 40 pacientes de ataques cardı́acos que llegan a la
sala de
 emergencias
 de un hospital produjeron
 las estadı́sticas de resumen:
46,1 101,3 63 71
x̄ = 57,3 ; S =  63 80,2 55,6
50,4 71 55,6 97,4

a) Los tres ı́ndices son evaluados para cada paciente. Probar la igualdad de los ı́ndices
medios utilizando un α = 0,05:
H0 : Cµ = 0

donde:  
1 −1 0
C=
0 1 −1
 
µ = µ1 ; µ2 ; µ3
Para sacar T 2 se procederá a utilizar la siguiente ecuación:

T 2 = n · (C x̄)0 (CSC 0 )−1 (C x̄)

   
−11,2 0 55,5 −32,6
Y ya avanzando las multiplicaciones son: C x̄ = y CSC =
6,9 −32,6 66,4
Por lo tanto (siendo n= 40):
T 2 = 90,4

Para comparar finalmente en el test (q=3), tenemos que:

(n − 1)(q − 1) (39)2
F q − 1, n − q + 1)(,05) = (3,25) = 6,67
(n − q + 1) ( 38

Siendo
T 2 = 90,4 > 6,67
Se rechazará la hipótesis alternativa, es decir, al menos una de las medias es distinta.
b) Juzgue las diferencias en pares de ı́ndices medios utilizando intervalos de confianza simultáneos
del 95” r
p 55,5
µ1 − µ2 : (46,1 − 57,3) + − 6,67 = −11,2 + −3
40

µ2 − µ3 : 6,9 + −3,3

µ1 − µ3 : −4,3 + 3,3
 Karen Cáceres / Juan José Prieto

3. Las observaciones
  en dos respuestas se presentan para tres tratamientos. Los observadores
x
vectoriales 1 son:
x2
         
6 5 8 4 7
Tratamiento 1: , , , ,
7 9 6 9 9
     
3 1 2
Tratamiento 2: , ,
3 6 3
       
2 5 3 2
Tratamiento 3: , , ,
3 1 1 3

a) Dividir las observaciones en media, tratamiento y componentes residuales. Construir

los correspondientes matrices para cada variable.
         
6 5 8 4 7
 7
  9 6 9 9 

 3 1 2 
 
 3 6 3 
        
 2 5 3 2 
3 1 1 3
       
6 2 3 4
con x̄1 = , x̄2 = x̄3 = ; y x̄ =
8 4 8 5

Para la primera variable:

       
6 5 8 4 7 4 4 4 4 4 2 2 2 2 2 0 −1 2 −2 1
3 1 2  = 4 4 4  + −2 −2 −2  +  1 −1 0 
2 5 3 2 4 4 4 4 −1 −1 −1 −1 −1 2 0 −1

(observación) (media) (efecto del tratamiento) (residual)

y
SSobs = SSmedia + SStr + SSres

246 = 192 + 36 + 18
 Karen Cáceres / Juan José Prieto

Para la segunda variable:

       
7 9 6 9 9 5 5 5 5 5 3 3 3 3 3 −1 1 −2 1 1
3 6 3  = 5 5 5  + −1 −1 −1  + −1 2 −1 
3 1 1 3 5 5 5 5 −3 −3 −3 −3 1 −1 −1 1

(observación) (media) (efecto del tratamiento) (residual)

y
SSobs = SSmedia + SStr + SSres

402 = 300 + 84 + 18
b) Construya un tabla MANOVA

Fuente de variación SSP Grados de libertad

 
36 48
Tratamiento B=


 3-1=2
48 84
 
 18 −13
Residuos W =

 5+3+4-3=9
−13 18
 
54 35 
Total 



35 102

c) Evaluar lambda de Wilks, y usar Table 6.3 para probar los efectos del tratamiento.
Con α = 0,01. Repetir el test usando la aproximación de χ2 con la corrección de
Bartlett’s. Compare los resultados

|W | 155
Λ∗ = = = 0,0362
|B + W | 4283
Considerando p = 2 y g = 3; y de acuerdo a la Tabla 6.3
√ ! P   √  
1 − Λ∗ nl − g − 1 1 − 0,0362 12 − 3 − 1
√ = √ = 17,0235
Λ∗ g−1 0,0362 3−1

El valor de tabla de F2(g−1),2(P nl −g−1) = F4,16 = 4,77; como es menor al estadı́stico calculado,
existe evidencia para rechazar la hipótesis nula (H0 : τ1 = τ2 = τ3 = 0) . Es decir, existe diferencia
entre los tratamientos.
 Karen Cáceres / Juan José Prieto

Por otro lado, usando Bartlett’s

   
(p + g) 5
− n−1− ln(Λ∗) = − 12 − 1 − ln(0,0362) = 28,2089
2 2
El valor de tabla de χ4 2 = 13,28, como es menor al estadı́stico calculado, existe evidencia pa-
ra rechazar la hipótesis nula (H0 : τ1 = τ2 = τ3 = 0) . Es decir, existe diferencia entre los
tratamientos.