Академический Документы
Профессиональный Документы
Культура Документы
LOS MODELOS
Para mejor comprensión del método, se supone que se tiene una única población, dis-
tribuida normalmente, y que las unidades experimentales que generan dicha población se pue-
dan clasificar de acuerdo a un determinado criterio, generando de esta manera tantas pobla-
ciones normales como categorías tenga el criterio.
Un criterio de clasificación: Si las unidades experimentales son homogéneas, enton-
ces el único criterio de clasificación es el de las poblaciones.
Dos criterios de clasificación: Si las unidades experimentales son heterogéneas, en-
tonces, antes de clasificar las unidades dentro de las distintas poblaciones, hay que clasificar
las unidades experimentales por bloques o estratos, dentro de los cuales se reúnan aquellas
que sean homogéneas entre sí. En este caso los estratos constituyen un segundo criterio de
clasificación.
NOMENCLATURA y DEFINICIONES
La siguiente nomenclatura es la que será utilizada en todo este capítulo:
Y : Población o Variable en estudio, distribuida normalmente.
= E (Y) : Promedio o media esperada de la población general.
u = Y – : Variable residual poblacional.
2u = E (Y - )2 : Varianza esperada de la población general. Esta varianza se llama
VARIANZA RESIDUAL(1)
k : Cantidad de poblaciones a comparar
Yi : i-ésima población. i = 1,k
Para la aplicación del método, las k poblaciones son homoscedásticas, o sea que todas
las poblaciones tienen que tener el mismo valor de la varianza, u2 :
12 = 22 = ··· = k2 = u2
Simbólicamente
Y No ( ; 2u )
1
Algunos autores llaman VARIANZA DE ERROR
ESTADÍSTICA – C. Capriglioni Página 1
Análisis de la Varianza
Yi No (i ; 2u ) i = 1 , k
Si los promedios esperados de las k poblaciones fuesen iguales, entonces todos serían
iguales a *
1 = 2 = ··· = k = *
Si alguna población tuviese un promedio distinto a *, entonces esa población estaría
provocando un efecto diferente al resto.
Se llama EFECTO POBLACIÓN o EFECTO PROCESO o EFECTO TRATAMIENTO
a un parámetro que surge de la diferencia entre la media o promedio esperado de una pobla-
ción y el promedio general.
i = (i – *) efecto que provoca la i-ésima población (2)
Si
i = i – * entonces i = * + i
y si ui = Yi – i entonces Yi = i + ui
Reemplazando i se tiene el siguiente modelo, llamado MODELO ESTADÍSTICO
DE ANÁLISIS DE LA VARIANZA PARA UN CRITERIO DE CLASIFICACIÓN
Yi = * + i + ui
Los parámetros a estimar en este modelo son:
2u ; ; i
Cuando las unidades experimentales se clasifican en bloques o estratos, se tiene:
k : Cantidad de poblaciones o tratamientos
b : Cantidad de bloques o estratos.
Yij : i-ésima población en el j-ésimo bloque. i = 1,k j = 1,b
= E (Yij) :
uij = Yij - : Variable residual poblacional.
2u = E (Yij - )2 : Varianza esperada de la población general. VARIANZA RESIDUAL.
2
: Letra griega llamada THAO
Página 2 ESTADÍSTICA – C. Capriglioni
Análisis de la Varianza
Yij = * + i + j + uij
LAS HIPÓTESIS
La hipótesis que se plantea tiene que ver con el EFECTO POBLACIÓN, o EFECTO
TRATAMIENTO. Nótese que si todos los promedios son iguales, entonces, el parámetro
EFECTO TRATAMIENTO de todas las poblaciones son iguales a cero. La hipótesis nula a pro-
bar y la correspondiente hipótesis alternativa son:
H0: i = 0 i
H1: i / i 0 (3)
EL MÉTODO
El método que se utiliza en el ANÁLISIS DE LA VARIANZA para probar la hipótesis de
que todos los EFECTOS TRATAMIENTO son iguales, consiste en tomar una muestra de cada
población y particionar la variación total de ella en grupos que reflejen las fuentes que provo-
can tal variación. Hay dos tipos de fuentes de variación, un tipo es el grupo de las fuentes que
es posible controlar llamada VARIACIÓN SISTEMÁTICA, y el otro grupo son las fuentes
no controlables llamada VARIACIÓN ALEATORIA O RESIDUAL. El objetivo es detec-
tar y aislar cuál o cuáles son las variaciones que se presentan en un conjunto de datos que se
pueden atribuir a las CAUSAS CONTROLABLES DE VARIACIÓN y qué parte de la
variación total se puede atribuir al azar CAUSAS NO CONTROLABLES O RESIDUA-
LES DE VARIACIÓN.
VARIACIÓN TOTAL = VARIACIÓN SISTEMÁTICA + VARIACIÓN ALEATORIA
3
“Existe al menos una población tal que el efecto tratamiento sea distinto de cero”.
k ni
y ij
i1 j1
y : Media aritmética muestral general. Estimador de
n*
ni
y ij
j1
yi = : Media muestral correspondiente a la muestra de la i-ésima
ni
población.
eij = y ij - y : Residuo muestral general.
ni y i y
k 2
SCENTRE POB = : Suma de cuadrado entre poblaciones.
i1
k ni
SCDENTRO DE POB = y ij - y i 2 : Suma de cuadrado dentro de las
i1 j1
poblaciones.
Se puede demostrar que
SCTOTAL = SC ENTRE POB + SCDENTRO DE POB
y - y = n y y + y
k ni k k ni
2
ij
2
i i ij
- yi 2
i1 j1 i1 i1 j1
SC ENTRE POB
Cme ENTRE POB = : Cuadrado medio entre poblaciones
k -1
SC DENTRO POB
Cme DENTRO POB = : Cuadrado medio dentro de las poblaciones
n*- k
1 k
E(Cme TRAT) = u2
k 1 i1
ni 2i
E(Cme ERROR) = 2u
Dado que las poblaciones tienen distribución normal y que los cuadrados medios son
varianzas muestrales, su cociente tiene DISTRIBUCIÓN F de SNÉDECOR con los grados de
libertad de la suma de cuadrados entre tratamientos en el numerador, y con los grados de
libertad de la suma de cuadrados del error en el denominador
CmeTRAT u2
· ~ F [(k - 1);(n*- k)] g.l.
CmeERROR 1 k
u2
k 1 i1
ni 2i
FÓRMULAS DE TRABAJO
Para facilitar los cálculos se proponen las siguientes fórmulas de trabajo:
k ni
T= y ij = Total observado de la variable en la muestra.
i1 j1
ni
Ti = y ij = Total observado de la variable correspondiente al tratamiento i-ésimo.
j1
T
y = = Media muestral general.
n*
Ti
yi = = Media muestral del i-ésimo tratamiento.
ni
y ij - y
k ni k ni n
2 T2 k i
SCTOTAL = = Yij2
n*
= y ij2 n * y 2
i1 j1 i1 j1 i1 j1
T i2 T2
k 2 k k
SCTRAT = ni yi y = n
n*
= ni yi2 n * y 2
i1 i1 i i1
k ni
SCERROR = y ij - y i 2 = SCTOTAL - SCTRAT
i1 j1
y 1n y 2n · · · y kn
1 2 k
n1 n2 nk k ni
TOTAL
DE LA y 1j = T1 y 2j = T2 . . . y kj = Tk y ij = T
MUESTRA j1 j1 j1 i1 j1
T1
TAMAÑOS k
DE n1 n2 . . . nk ni = n*
MUESTRAS i1
ni n1 n2
. . .
nk
n i
i1 i
T T T
PROMEDIOS y1 1 y2 2 . . . yk k
MUESTRALES n1 n2 nk
k
ni y i2 n1 y12 n2 y 22 . . . nk y k2 ni yi2
i1
Una vez que se ha calculado la suma de cuadrados y los cuadrados medios correspon-
dientes a las distintas fuentes de variación, es costumbre presentar los resultados en un cuadro
llamado TABLA DE ANÁLISIS DE LA VARIANZA o TABLA DE ANVA(4).
En esta tabla también se presenta el valor numérico del estadígrafo de prueba y el pun-
to crítico.
4
En inglés ANOVA
ESTADÍSTICA – C. Capriglioni Página 7
Análisis de la Varianza
Valor del
Fuente de Punto crítico
SC GL CMe estadígrafo
Variación pc
de prueba
k T2 CM TRAT
T2 SC TRAT
TRAT. n i
n*
k-1
k 1 CMERROR
F [(k - 1);(n*- k)] ;(1- )
i1 i
SC ERROR
ERROR SCTOTAL - SCTRAT n* - k
n * k
T2
TOTAL Yij2 nt
n* - 1
i j
CM TRAT
Si pc entonces se rechaza la H0.
CMERROR
Esto quiere decir que por lo menos una de las poblaciones tiene un promedio esperado
distinto al resto.
Ejemplo 1
En una escuela técnica se desea comparar cinco métodos de entrenamiento para fabricar pie-
zas torneadas. Se tomó una muestra de 20 alumnos en idénticas condiciones iniciales y de
aprendizaje y se les asignaron al azar la misma cantidad de alumnos a cada método. La varia-
ble que se midió fue el tiempo que tardaban en tornear una pieza completa luego de haber sido
capacitados. Los resultados se presentan en la siguiente tabla:
63 92 65 70 76
57 81 66 73 82
67 85 58 78 87
61 87 68 81 83
Con un nivel de significación del 5%, ¿es posible afirmar que hay diferencias significativas
entre los tiempos medios de torneado correspondiente a cada uno de los métodos?
SOLUCIÓN
Se plantean las hipótesis nula y alternativa
Ho: i = 0 i
H1: i / i 0
Datos:
Cantidad de poblaciones: k = 5
Tamaño de la muestra para cada población: n1 = n2 = = n5 = 4
Tamaño de la muestra general: n* = 20
Grados de libertad de la Suma de Cuadrados de Tratamientos: k – 1 = 4
Grados de libertad de la Suma de Cuadrados de Error: n* – k = 15
CM TRAT
Fc = F(4;15)
CMERROR
En la siguiente tabla se calculan los totales necesarios para tener las correspondientes sumas
de cuadrados.
ni
nii
=111341,5
4 4 4 4 4 i1
PROMEDIOS
MUESTRALES
62 86.25 64.25 75.5 82
5
ni y i2 15376 29756.25 16512.25 22801 26896 ni y i2 = 11341.5
i1
k T i2 T2
SCTRAT = n
n*
= 111341,5 – 109520 = 1821,5
i1 i
TABLA DE ANVA
FV SC GL CMe ep pc
TRATAMIENTOS 1821,5 (5 –1) = 4 455,38 22,29 3,06
(ENTRE MÉTODOS)
ERROR 306,5 (20 – 5) = 15 20,43
(DENTRO DE LOS MÉTODOS)
Como ep = 22,29 es mayor que la pc = 3,06 se rechaza la hipótesis nula y se concluye que
por lo menos uno de los métodos tiene un promedio distinto al resto.
Página 10 ESTADÍSTICA – C. Capriglioni
Análisis de la Varianza
eij = y ij - y : Residuo muestral general.
y ij - yi - y j y
k n 2
SCDENTRO DE POB = : Suma de cuadrado dentro.
i1 j1
SUMA DE CUADRADOS TOTAL es la suma del cuadrado de las desviaciones entre cada
valor de la muestra y la media muestral general. Mide la variación total que hay dentro de la
muestra, o sea, a variación propia o intrínseca que se produce por causas aleatorias y no alea-
torias. La SUMA DE CUADRADOS TOTAL tiene (n*-1) grados de libertad.
La SUMA DE CUADRADOS ENTRE POBLACIONES es la suma del cuadrado de
las desviaciones entre la media de cada muestra y la media muestral general. Mide la varia-
ción entre las medias muestrales de cada población y la media muestral general. Cuanto ma-
yor sea esta suma de cuadrados, mayor será la diferencia entre las medias muestrales de las
poblaciones. La SUMA DE CUADRADOS ENTRE POBLACIONES constituye una FUENTE SIS-
TEMÁTICA DE VARIACIÓN y tiene (k – 1) grados de libertad.
La SUMA DE CUADRADOS ENTRE BLOQUES es la suma del cuadrado de las
desviaciones entre la media de cada bloque y la media muestral general. Mide la variación
entre las medias muestrales de cada bloque y la media muestral general. La SUMA DE CUA-
DRADOS ENTRE BLOQUES constituye una FUENTE SISTEMÁTICA DE VARIACIÓN y tiene
(n – 1) grados de libertad.
La SUMA DE CUADRADOS DENTRO DE LAS POBLACIONES Y BLOQUES
es la suma del cuadrado de las desviaciones entre cada valor de la muestra y su respectiva
media muestral, a través de todos los bloques. Mide la variabilidad que se produce por causas
aleatorias. La SUMA DE CUADRADOS DENTRO DE LAS POBLACIONES constituye una FUEN-
TE ALEATORIA DE VARIACIÓN y tiene (nk – k – n + 1) = (n - 1) (k - 1) grados de libertad.
Se puede demostrar que
SCTOTAL = SC ENTRE POB + SC ENTRE BLOQUES + SCDENTRO DE POB
y - y = n y y + k y 2 + y 2
k n 2 k 2 n k n
ij i j y ij - yi - y j y
i1 j1 i1 j1 i1 j1
SC ENTRE POB
Cme ENTRE POB = : Cuadrado medio entre poblaciones.
k -1
SC ENTRE BLOQUES
Cme ENTRE BLOQUES = : Cuadrado medio entre bloques.
n -1
SC DENTRO POB
Cme DENTRO POB = : Cuadrado medio dentro de las poblaciones.
n 1 k 1
Como se ha explicado para el MODELO A UN CRITERIO DE CLASIFICACIÓN, en ade-
lante, por cuestiones de mejor claridad en el vocabulario, la SUMA DE CUADRADOS ENTRE
POBLACIONES y la SUMA DE CUADRADOS DENTRO DE LAS POBLACIONES se llamarán, res-
pectivamente, SUMA DE CUADRADOS DE TRATAMIENTO y SUMA DE CUADRADO DE
ERROR, respectivamente; como así también el CUADRADO MEDIO ENTRE POBLACIONES y
el CUADRADO MEDIO DENTRO DE POBLACIONES, se llamarán, respectivamente, CUADRA-
DO MEDIO DE TRATAMIENTO y CUADRADO MEDIO DE ERROR.
CmeTRAT
~ F [(k - 1);(n- 1)(k-1)] g.l.
CmeERROR
FÓRMULAS DE TRABAJO
Para facilitar los cálculos se proponen las siguientes fórmulas de trabajo:
k n
T = R = y ij = Total observado de la variable en la muestra.
i1 j1
n
Ti = y ij = Total observado de la variable correspondiente al tratamiento i-ésimo.
j1
k
Rj = y ij = Total observado de la variable correspondiente al bloque j-ésimo.
i1
T R
y = = = Media muestral general.
n* n*
Ti
yi = = Media muestral del i-ésimo tratamiento.
n
Rj
yj = = Media muestral del j-ésimo bloque.
k
y ij - y
k n 2 k n
T2 k n
SCTOTAL = = y ij 2
= y ij2 n * y 2
i1 j1 i1 j1 nk i1 j1
k
T i2
T2
k 2 k
i1
SCTRAT = n y i y = = n yi2 n k y 2
i1 n n k i1
k ni
SCERROR = y ij - y i 2 = SCTOTAL - SCTRAT - SCBLOQUE
i1 j1
POBLACIONES
TOTAL DE
BLOQUES P1 P2 . . . Pk CADA BLOQUE R 2j
Rj
B1 y11 y21 · · · yk1 R1 R 12
k
Ti2 T12 T22 . . . Tk2 Ti2
i1
PROMEDIOS y1 y2 . . . yk
MUESTRALES
Una vez que se ha calculado la suma de cuadrados y los cuadrados medios correspon-
dientes a las distintas fuentes de variación, como ya se ha dicho, es costumbre presentar los
Página 14 ESTADÍSTICA – C. Capriglioni
Análisis de la Varianza
TRAT. T i2 k-1
SC TRAT CM TRAT
F [(k - 1);(nk- k)] ;(1- )
i1 T2 k 1 CM ERROR
n nk
k
BLOQUE R 2i T2 n-1
SC BLOQUE
i1 n 1
k nk
SCTOTAL – SC ERROR
ERROR (n-1)(k-1)
-SCTRAT-SCBLOQUE n 1k 1
T2
TOTAL y ij2 nk nk - 1
i j
Esto quiere decir que por lo menos una de las poblaciones tiene un promedio esperado
distinto al resto.
5
En inglés ANOVA
Ejemplo 2
Se realizó un experimento a fin de comparar los rendimientos de 6 deportistas sometidos a 4
pruebas distintas cada uno. A fin de eliminar la variabilidad entre las pruebas, estas pruebas se
consideran bloques. La variable que se midió fue el tiempo para completar la prueba, obte-
niéndose los siguientes resultados:
DEPORTISTA
PRUEBA A B C D E F
1 12 13 14 10 12 8
2 17 20 20 18 17 9
3 20 23 29 26 21 14
4 10 19 22 22 12 13
Verifique, con un nivel de significación del 5% si hay diferencias entre los rendimientos me-
dios de los deportistas.
SOLUCIÓN
Se plantean las hipótesis nula y alternativa
Ho: i = 0 i
H1: i / i 0
Datos:
Cantidad de poblaciones: k = 6
Cantidad de bloques: n = 4
Tamaño de la muestra general: nk = 24
Grados de libertad de la Suma de Cuadrados de Tratamientos: k – 1 = 5
Grados de libertad de la Suma de Cuadrados de Bloques: n – 1 = 3
Grados de libertad de la Suma de Cuadrados de Error: (n – 1) (k – 1) = 15
CM TRAT
Fc = F(5;15)
CMERROR
de cuadrados.
DEPORTISTAS
(POBLACIONES)
TOTAL DE
PRUEBAS A B C D E F CADA BLOQUE R 2j
(BLOQUES)
Rj
1 12 13 14 10 12 8 69 4761
2 17 20 20 18 17 9 101 10201
3 20 23 29 26 21 14 133 17689
4 10 19 22 22 12 13 98 9604
TOTAL n
k n
y ij = 401 R j = 42255
DE CADA 2
TRAT. 59 75 85 76 62 44
Ti i1 j1 j1
k
Ti2 3481 5625 7225 5776 3844 1936 Ti2 =27887
i1
PROMEDIOS
MUESTRALES
14,75 18,75 21,25 19 15,5 11
k n
y ij2 = 7425
i1 j1
T2
k n 4012
SCTOTAL = y ij 2
= 7425 - = 724, 96
i1 j1 nk 24
k
T i2 27887 4012
i1 T2
SCTRAT = = = 271,71
n n k 4 24
n
R 2j
j1 T2 42255 4012
SCBLOQUE = = = 342,46
k n k 6 24
TABLA DE ANVA
FV SC GL CMe ep pc
TRATAMIENTOS 271,71 5 54,342 7,36 2,9
(ENTRE DEPERTISTAS)
TOTAL 724,96 23
Como ep = 7,35 es mayor que la pc = 2,9 se rechaza la hipótesis nula y se concluye que por
lo menos uno de los deportistas un rendimiento promedio distinto al resto.
PRUEBA DE TUKEY
Tukey ha desarrollado una distribución basada en la distribución de Student, general-
mente simbolizada ttuk, y ha demostrado que
yi y j
ttuk = ttuk i =1 ; k j = 1; k i j
2 CMe ERROR
nA
H1: i j i – j 0
() k
El estadígrafo de prueba para la realización de las 2 pruebas simultáneas es
yi y j
ttuk = ttuk
2 CMe ERROR
nA
yi y j
pc entonces, se rechaza H0
2 CMe ERROR
nA
( )
Para cada par y i ; y j la regla de decisión es
Ejemplo 3
Tomando los datos del Ejemplo 1 donde se comparan 5 métodos de entrenamiento para fabri-
car piezas torneadas y cada tratamiento se repitió 4 veces, se tienen los siguientes promedios
muestrales
y A = 62 ; y B = 86,25 ; y C = 64,25 ; y D = 75,5 ; y E = 82
El valor pc de la tabla de Tukey para un nivel de significación del 5%, 5 tratamientos y 15
grados de libertad de error es
pc = 3,09
entonces
2 20,43
tuk = 3,09 = 9,87
4
Se calcula el módulo de las 10 diferencias entre las medias muestrales, se comparan con el valor
tuk = 9,87.
Para realizar las comparaciones, se recomienda construir una la tabla de doble entrada,
poniendo, tanto en la columna matriz como en los encabezados de las columnas, las medias
muestrales de los tratamientos. En el cuerpo del cuadro se ponen las diferencias positivas en-
tre las medias muestrales. Aquellas diferencias que resultan mayores a tuk, se indican con un
asterisco.
y D = 75,5 0 6,5
y E = 82 0
PRUEBA DE DUNNETT
En algunos casos se desea detectar la efectividad de tratamientos o proceso nuevos,
por lo tanto es necesario tomar un tratamiento o proceso conocido para que actúe como con-
trol y luego se compara cada uno de los nuevos procesos con el control. Para realizar estas
comparaciones se utiliza la prueba de DUNNETT.
Sean
h : Cantidad de tratamientos a comparar contra el control = k – 1.
0: Media esperada de la población que se toma como control
i: i = 1 ; h Media esperada de la i-ésima nueva población
y 0 : Media muestral correspondiente a la muestra de la población Control.
k
nA = ent
k 1
i1 ni
Los fractiles de la distribución de Dunnett están tabulados para pruebas bilaterales,
sólo para los niveles de significación de 5% y 1%.
Las hipótesis son
H0: i = 0 i – 0 = 0 i =1 ; h
H1: i 0 i – 0 0
El estadígrafo de prueba para la realización de las k pruebas simultáneas es
yi - y 0
tdun = tdun i =1 ; h
2 · CMe ERROR
nA
yi - y 0
pc entonces, se rechaza H0
2 . CMe ERROR
nA
Ejemplo 4
Se realizó un experimento a fin de comparar los efectos que tuvieron, sobre las ventas tres
ESTADÍSTICA – C. Capriglioni Página 21
Análisis de la Varianza
tipos de promociones. La variable que se midió fue la cantidad de unidades vendidas en cada
una de las sucursales. Dado que las ventas en las sucursales no se pueden considerar homogé-
neas, se realizó un diseño a dos criterios de clasificación. Para establecer si las promociones
son efectivas, se realizaron ventas sin promoción, consideradas como control. Los resultados
se presentan en el siguiente cuadro:
SUCURSALES
PROMOCIÓN 1 2 3 4 5 6
1. CONTROL 64 53 65 70 72 78
2. MUESTRA GRATIS 87 77 86 95 99 84
Verifique, con un nivel de significación del 5% si hay diferencias entre las ventas promedio
de las promociones.
SOLUCIÓN
Se plantean las hipótesis nula y alternativa
Ho: i = 0 i
H1: i / i 0
Datos:
= 0,05
Cantidad de poblaciones: k = 4
Cantidad de bloques: n = 6
Tamaño de la muestra general: nk = 24
Grados de libertad de la Suma de Cuadrados de Tratamientos: k – 1 = 3
Grados de libertad de la Suma de Cuadrados de Bloques: n – 1 = 5
Grados de libertad de la Suma de Cuadrados de Error: (n – 1) (k – 1) = 15
CM TRAT
Fc = F(3;15)
CMERROR
TOTAL 724,96 23
H1: i 0 i – 0 0
El estadígrafo de prueba para la realización de las 3 pruebas simultáneas es
yi - y 0
tdun = tdun i =1 ; 3
2 · CMe ERROR
nA
yi - y 0
pc entonces, se rechaza H0
2 . CMe ERROR
nA
= 0,05
los grados de libertad del ERROR
G.L.E = 15
la cantidad de tratamientos a comparar contra el control
h=3
entonces, de acuerdo a la tabla,
pc = 2,61
Se calcula la mínima diferencia con la que no se rechaza la hipótesis nula haciendo
se realizan las h = 3 diferencias entre la media las medias muestrales de cada tratamiento y la
media muestral del tratamiento control.
y 0 = 62 ; y 1 = 88 ; y 2 = 90 ; y 3 = 105
Entre los tres tratamientos que resultan distintos del control, se realiza una prueba de
Tukey para establecer cuál o cuales son distintos entre sí.
El valor pc de la tabla de Tukey para un nivel de significación del 5%, 3 tratamientos y 15
grados de libertad de error es
pc = 2,60
entonces
2 41, 4667
tuk = 2,60 = 9,66
6
Se calcula el módulo de las diferencias entre las medias muestrales, se comparan con el valor tuk
Como ya se ha explicado, para realizar las comparaciones, se recomienda construir una la
tabla de doble entrada, poniendo, tanto en la columna matriz como en los encabezados de las
columnas, las medias muestrales de los tratamientos. En el cuerpo del cuadro se ponen las
diferencias positivas entre las medias muestrales. Aquellas diferencias que resultan mayores a
tuk, se indican con un asterisco.
Yk Ym y 1 = 88 y 2 = 90 y 3 = 105
y 1 = 88 0 2 17 *
y 2 = 90 0 15 *
y 3 = 105 0