Ejercicios Anova

EJERCICIO 2
La empresa P & C que manejan 15 mercados quiere comparar la efectividad de tres

tipos de publicidad usados para sus mercados. Se asignaron 5 de estos mercados al azar
a cada uno de los tres tipos distintos de publicidad con el propósito de estudiar el
impacto de los carteles en las ventas. Al cabo de un mes, el monto de ventas X (en miles
de dólares) de cada uno de los 5 mercados asignados a cada uno de los tipos de
publicidad dieron los siguientes resultados:
Ventas totales para cada tipo de publicidad:

𝑥1∗ =400, 𝑥2∗ = 425, 𝑥3∗ = 375
Al nivel de significación de 0.05, ¿proporcionan estos datos suficiente evidencia para
inferir que los promedios de ventas son iguales para los tres tipos de carteles?
SOLUCIÓN
5 MERCADOS TOTAL
X1 400
X2 425
X3 375
Yi●^2/b 96250
Y●●^2/N 96000 N 15
Yij^2 96698 k 3
o HIPOTESIS.
H0: 𝜇1= 𝜇 2=. . . = 𝜇 k
H1: No todas las u j son iguales
o NIVEL DE SIGNIFICACIÓN: α= 0.05
o REGLA DE DECISIÓN:
Si Fc > F(0.95,2,12) H0 se rechaza a un nivel de α
Si Fc ≤ F(0.95,2,12) H0 no se rechaza.
o CÁLCULOS:
SCTOTAL ∑Yij^2 - ∑Y●●^2/N 698
SCTRAT. ∑Yi●^2/b - ∑Y●●^2/N 250
SCERROR SCTOTAL - SCTRAT. 448
CMTRAT. SCTRAT / G.L. 125
CMERROR SCERROR / G.L. 37.33333333
F CALCULADO CMTRAT. / CMERROR 3.348214286
F TABULAR F(α;G.L.1;G.L.2) 3.885293835
o TABLA ANOVA:
FUENTE DE VARIACIÓN SUMA DE CUADRADOS G.L. CUADRADOS MEDIOS FC FT
METODO DE MEZCLADO 250 2 125 3.348 3.885
ERROR 448 12 37.333
TOTAL 698 14
o DECISION
Como Fc ≤ F(0.95,2,12), H0 se acepta.
Rpta. Los datos si fueron suficientes.
EXCEL
FUENTE DE VARIACIÓN SUMA DE CUADRADOS G.L. CUADRADOS MEDIOS FC FT
METODO DE MEZCLADO 250 2 125 3.348 3.885
ERROR 448 12 37.333
TOTAL 698 14
p 0.044870214
EJERCICIO 5
Un investigador médico realizó una evaluación a profesionales que trabajan en forma
dependiente en diferentes áreas para ver si alguna de éstas es más propensa a producir
stress. Usó un cuestionario de 20 preguntas de 4 opciones para cada una en donde
pueden marcar de 1 a 5. Los puntajes obtenidos de 20 (nivel bajo de stress) a 100 (nivel
elevado de stress) se resumen en la siguiente tabla:
Tamaño de las Media Desviación

muestras Estándar
Economistas 10 56.5 1.789
Ingenieros 10 45.6 1.897
Docentes 10 60.3 1.947
universitarios
a) ¿Se puede inferir que no existe diferencia significativa entre los puntajes promedio
de stress de los ingenieros y docentes universitarios?. Utilice la probabilidad de
error tipo 1 igual a 0,05.
b) Pruebe la hipótesis que afirma que no existe diferencia significativa en el stress que
ocasiona el trabajo de estas profesiones. Use nivel de significación α= 0.05
c) Si existiera diferencia significativa entre los promedios, cuál de estas profesiones
produce mayor stress?. Utilice el método de rangos de Duncan con el nivel de
significación α= 0.05.
SOLUCIÓN
o HIPOTESIS.
H0: 𝜇1= 𝜇 2=. . . = 𝜇 k
Si Fc > Fα,(k - 1),(n - k) H0 se rechaza a un nivel de α
Si Fc ≤ Fα,(k - 1),(n - k) H0 no se rechaza.
o CÁLCULOS:
o TABLA ANOVA:
EXCEL
MINITAB
EJERCICIO 8
La empresa de transportes terrestres ¨CARGA¨ va a adquirir una de 4 marcas de
neumáticos que hay en el mercado. El ingeniero de pruebas de la empresa diseñó un
experimento, escogiedo al azar seis neumáticos de cada marca de características
similares. En el laboratorio de pruebas, con carga específica simulada, observó la
duración de cada neumático hasta que se deteriore. Los datos redondeados en miles de
kilómetros se dan en la tabla que sigue:
Marca de neumáticos
𝑁1 𝑁2 𝑁3
55 63 59
53 67 68
50 55 57
60 62 66
55 70 71
65 75 73
Al nivel del 5%,

a) ¿Indican estos datos que las marcas de los neumáticos producen efectos
significativos en el rendimiento ?
b) ¿Qué marca de neumático debería de adquirir la empresa ?. Aplique la
de rangos de Duncan.
SOLUCIÓN
MARCAS MERCADOS Yi●^2/b
1 55 53 50 60 55 65 19040.6667
2 63 67 55 62 70 75 25610.6667
3 48 50 59 50 47 61 16537.5
4 59 68 57 66 71 73 25872.6667
87061.5
Y●●^2/N 86280.04167 N 24
Yij^2 87831 k 4
o HIPOTESIS.
H0: 𝜇1= 𝜇 2=. . . = 𝜇 k
o CÁLCULOS:
∑Yij^2 -
SCTOTAL 1550.95833
∑Y●●^2/N
∑Yi●^2/b -
SCTRAT. 781.458333
∑Y●●^2/N
SCTOTAL -
SCERROR 769.5
SCTRAT.
CMTRAT. SCTRAT / G.L. 260.486111
CMTRAT. /
F CALCULADO 6.77026929
CMERROR
F TABULAR F(α;G.L.1;G.L.2) 3.09839121
o TABLA ANOVA:
SUMA DE CUADRADOS
FUENTE DE VARIACIÓN G.L. FC FT
CUADRADOS MEDIOS
METODO DE MEZCLADO 781.4583333 3 260.4861111 6.770 3.098
ERROR 769.5 20 38.475
TOTAL 1550.958333 23
o DECISION
Fc > Fα,(k - 1),(n - k) H0 se rechaza a un nivel de α
EXCEL
One factor ANOVA
Mean n Std. Dev

56.3 6 5.35 Group 1
65.3 6 6.95 Group 2
52.5 6 5.96 Group 3
65.7 6 6.44 Group 4
60.0 24 8.21 Total
ANOVA table
p-
Source SS df MS F value
Treatment 781.46 3 260.486 6.77 .0025
Error 769.50 20 38.475
Total 1,550.96 23
Post hoc analysis

p-values for pairwise t-tests
Group 3 Group 1 Group 2 Group 4
52.5 56.3 65.3 65.7
Group 3 52.5
Group 1 56.3 .2972
Group 2 65.3 .0019 .0206
Group 4 65.7 .0015 .0169 .9268
Tukey simultaneous comparison t-values (d.f. = 20)
Group 3 Group 1 Group 2 Group 4
52.5 56.3 65.3 65.7
Group 3 52.5
Group 1 56.3 1.07
Group 2 65.3 3.58 2.51
Group 4 65.7 3.68 2.61 0.09
critical values for experimentwise error rate:

0.05 2.80
0.01 3.55
MINITAB
One-way ANOVA: C2, C3, C4, C5
Method
Null hypothesis All means are equal

Alternative hypothesis At least one mean is different
Significance level α = 0.05
Equal variances were assumed for the analysis.
Factor Information
Factor Levels Values

Factor 4 C2, C3, C4, C5
Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value

Factor 3 781.5 260.49 6.77 0.002
Error 20 769.5 38.47
Total 23 1551.0
Model Summary
S R-sq R-sq(adj) R-sq(pred)

6.20282 50.39% 42.94% 28.56%
Means
Factor N Mean StDev 95% CI

C2 6 56.33 5.35 (51.05, 61.62)
C3 6 65.33 6.95 (60.05, 70.62)
C4 6 52.50 5.96 (47.22, 57.78)
C5 6 65.67 6.44 (60.38, 70.95)
Pooled StDev = 6.20282

EJERCICIO 10
Un proceso de producción que consiste de 4 líneas está controlado si las líneas utilizan
el mismo tiempo promedio (en segundos) antes que las unidades producidas caigan a una
bandeja. Cada cierto periodo un Ingeniero realiza el control de los tiempos de producción
por línea del producto, si una línea está fuera de control, pasa a mantenimiento. En un
reciente control de las líneas de producción se escogió una muestra aleatoria de tiempos
de producción (X) por unidad en cada línea, observándose los datos de la tabla que sigue:
A nivel de significación del 5%,

a) ¿Cree usted que se debería realizar el mantenimiento a alguna delas líneas de
producción?
b) Si su respuesta en el inciso a) es afirmativa, ¿A cuál de las 4 líneas se debería
realizar el mantenimiento ?Aplique la prueba de rangos de Duncan.
Muestras
Muestra 1 Muestra 2 Muestra 3 Muestra 4
15 10 20 16
12 12 18 18
14 14 20 16
14 13 22 15
15 18 21
14 20 18
12 19
17 20
14
Además, 𝑆𝑥 = 3.199.Se supone homocedasticidad

c) Cree usted que viola el puesto de homocedasticidad? Utilice un paquete de
cómputo para resolver este inciso
SOLUCIÓN
o HIPOTESIS.
H0: 𝜇1= 𝜇 2=. . . = 𝜇 k
o CÁLCULOS:
o TABLA ANOVA:
EXCEL
MINITAB
EJERCICIO 13
Dieciséis empleados nuevos del grupo ¨BANC¨ fueron distribuidos aleatoriamente en 4
grupos distintos de 4 empleados cada uno. A cada grupo se le asignó aleatoriamente un
tiempo de entrenamiento antes de realizar cierta tarea. Los resultados de dicha tarea en
los tiempos correspondientes se dan en la siguiente tabla:
Entrenamiento
Grupo 1: 1 hora Grupo 2: 1.5 Grupo 3: 2 Grupo 4: 2.5
horas horas horas
25 14 7 8
19 26 10 7
22 17 9 9
20 15 11 4
a) Antes de saber los resultados d la prueba global de comparaciones (ANOVA)

realice una prueba de significación, por pares de medias de las muestras,
utilizando intervalos de confianza al 95% y prueba de hipótesis con α= 0.05.
Asuma los supuestos de este modelo de diseño de experimentos si fuera
necesario.
b) Al nivel significativo 0.01, ¿se debería rechazar la hipótesis nula que afirma que
no son significativas las diferencias observadas en los promedios de los 4
grupos?
En caso de rechazar la hipótesis nula, ¿qué grupo realiza el trabajo en tiempo
óptimo? Utilice Duncan con α= 0.05
SOLUCIÓN
GRUPOS Yi●^2/b
1 25 19 22 20 1849
2 14 26 17 15 1296
3 7 10 9 11 342.25
4 8 7 9 4 196
3683.25
Y●●^2/N 3108.0625 N 16
Yij^2 3817 k 4
o HIPOTESIS.
H0: 𝜇1= 𝜇 2=. . . = 𝜇 k
o CÁLCULOS:
SCTOTAL ∑Yij^2 - ∑Y●●^2/N 708.9375
∑Yi●^2/b -
SCTRAT. 575.1875
∑Y●●^2/N
SCERROR SCTOTAL - SCTRAT. 133.75
CMTRAT. SCTRAT / G.L. 191.729167
CMTRAT. /
F CALCULADO 17.2018692
CMERROR
F TABULAR F(α;G.L.1;G.L.2) 3.49029482
o TABLA ANOVA:
SUMA DE CUADRADO
FUENTE DE VARIACIÓN G.L. FC FT
CUADRADOS S MEDIOS
METODO DE MEZCLADO 575.1875 3 191.729167 17.202 3.490
ERROR 133.75 12 11.146
TOTAL 708.9375 15
o DECISION
Fc > Fα,(k - 1),(n - k) H0 se rechaza a un nivel de α
EXCEL
One factor ANOVA
Mean n Std. Dev

21.5 4 2.65 G1
18.0 4 5.48 G2
9.3 4 1.71 G3
7.0 4 2.16 G4
13.9 16 6.87 Total
ANOVA table
p-
Treatment 575.19 3 191.729 17.20 .0001
Error 133.75 12 11.146
Total 708.94 15
Post hoc analysis

G4 G3 G2 G1
7.0 9.3 18.0 21.5
G4 7.0
G3 9.3 .3593
G2 18.0 .0006 .0030
G1 21.5 .0001 .0002 .1640

G4 G3 G2 G1
7.0 9.3 18.0 21.5
G4 7.0
G3 9.3 0.95
G2 18.0 4.66 3.71
G1 21.5 6.14 5.19 1.48

0.05 2.97
0.01 3.89
MINITAB
One-way ANOVA: G1, G2, G3, G4
Method

Factor Information

Factor 4 G1, G2, G3, G4

Factor 3 575.2 191.73 17.20 0.000
Error 12 133.7 11.15
Total 15 708.9
Model Summary

3.33854 81.13% 76.42% 66.46%
Means

G1 4 21.50 2.65 (17.86, 25.14)
G2 4 18.00 5.48 (14.36, 21.64)
G3 4 9.250 1.708 (5.613, 12.887)
G4 4 7.00 2.16 ( 3.36, 10.64)

EJERCICIO 16
La importadora ¨Drogasa¨ quiere comparar la eficiencia de tres medicinas para el
tratamiento de la rinitis alérgica en adultos mayores de 50 años. Para esto diseñó un
experimento seleccionando 3 pacientes mayores de 50 años que sufren la enfermedad. A
cada paciente escogido se le suministró las tres medicinas A B y C en periodos distintos
del ataque de la enfermedad, registrándose el número de días que tardaron en
recuperarse. Los datos se registraron en el siguiente diseño de un factor (medicinas)
aleatorizado por bloques (pacientes):
Paciente Paciente Paciente

B2 C2 A3
18 15 16
A B C
23 25 16
C A B
17 28 22
a) Al nivel de significación 0.05, ¿Es válido concluir que no existen diferencias

significativas en los tiempos promedios de días de recuperación de los
pacientes?
b) ¿Fue correcto incluir a los pacientes como una fuente de variación en el diseño
del experimento?. Si no fue correcto, ¿cambia la decisión en el inciso a) si se
refine el modelo por otro de un solo factor?
SOLUCIÓN
o HIPOTESIS.
H0: Existen diferencias significativas
H1: No existen dif significativas
o CÁLCULOS:
SCTOTAL ∑Yij^2 - ∑Y●●^2/N 172 172
∑Yi●^2/b - 34.66666 72.66666
SCTRAT.
∑Y●●^2/N 67 67
137.3333 99.33333
SCERROR SCTOTAL - SCTRAT.
33 33
17.33333 36.33333
CMTRAT. SCTRAT / G.L.
33 33
CMERRO 34.33333 16.55555
SCERROR / G.L.
R 33 56
F
CMTRAT. / 0.504854 2.194630
CALCULA
CMERROR 37 87
DO
F 6.944271 6.944271
F(α;G.L.1;G.L.2)
TABULAR 91 91
o TABLA ANOVA:
FUENTE DE SUMA DE CUADRADOS
G.L. FC FT
VARIACIÓN CUADRADOS MEDIOS
TRATAMINETOS 34.6666667 2 17.3333333 1.072 6.944
BLOQUES 72.6666667 2 36.3333333 2.247

ERROR 64.6666667 4 16.167
TOTAL 172 8
o DESICIÓN
EXCEL
Randomized blocks ANOVA
Std.
Mean n Dev
Treatment
19.333 3 3.215 1
Treatment
22.667 3 6.807 2
Treatment
18.000 3 3.464 3
22.333 3 6.028 A
21.667 3 3.512 B
16.000 3 1.000 C
20.000 9 4.637 Total
ANOVA table
p-
Treatments 34.67 2 17.333 1.07 .4238
Blocks 72.67 2 36.333 2.25 .2217
Error 64.67 4 16.167
Total 172.00 8
MINITAB
One-way ANOVA: C2, C3, C4
Method

Factor Information

Factor 3 C2, C3, C4

Factor 2 34.67 17.33 0.76 0.509
Error 6 137.33 22.89
Total 8 172.00
Model Summary

4.78423 20.16% 0.00% 0.00%
Means

C2 3 19.33 3.21 (12.57, 26.09)
C3 3 22.67 6.81 (15.91, 29.43)
C4 3 18.00 3.46 (11.24, 24.76)
Tukey Pairwise Comparisons
Grouping Information Using the Tukey Method and 95% Confidence
Factor N Mean Grouping

C3 3 22.67 A
C2 3 19.33 A
C4 3 18.00 A
Means that do not share a letter are significantly different.
Fisher Pairwise Comparisons
Grouping Information Using the Fisher LSD Method and 95% Confidence

C3 3 22.67 A
C2 3 19.33 A
C4 3 18.00 A

EJERCICIO 19
La empresa agroindustrial ¨ARROZSA¨, estudia el efecto de 4 clases de fertilizantes A,
B, C y D en el rendimiento de la producción de arroz. Para esto, diseñó un experimento
dividiendo el terreno de cultivo en tres bloques 1, 2 y 3, con cuatro parcelas
homogéneas cada uno, asignando aleatoriamente los fertilizantes a cada uno de los
bloques para conseguir así un diseño de bloques completamente aleatorizado.
El rendimiento, medido en kilógramos por parcela, se da en la siguiente tabla:
1 2 3
C D B
39.9 43.4 42.7
A B D
40.1 42.9 42.9
B A C
41.4 42.2 41.1
D C A
42.1 42.3 41.9
a) Describa la variable dependiente y el modelo de este diseño de experimento.

b) ¿Proporcionan estos datos suficiente evidencia de alguna diferencia
significativa en la media de los rendimientos de los fertilizantes? Si es así, ¿Cuál
de los fertilizantes es el mejor?
c) Si un analista opina que fue innecesario dividir los terrenos en bloques y
considerarlos como fuente de variabilidad de la producción. Sólo bastaba con
haber comparado el efecto de los fertilizantes sobre la producción aplicando un
diseño de un facto completamente aleatorio. ¿Estaría usted de acuerdo con el
analista?
En todas las pruebas, use el nivel de significación α= 0.05
SOLUCIÓN
MARCAS BLOQUES Yi●^2/b
A 40.1 42.2 41.9 5141.88
B 41.4 42.9 42.7 5376.33333 21106.0533
C 39.9 42.3 41.4 5092.32
D 42.1 43.4 42.9 5495.52
6683.0625 7293.16 7131.8025
21108.025
Y●●^2/N 21100.85333 N 12
Yij^2 21113.76 k 4
o HIPOTESIS.
H0: 𝜇1= 𝜇 2=. . . = 𝜇 k
o CÁLCULOS:
SCTOTAL ∑Yij^2 - ∑Y●●^2/N 12.9066667 12.9066667
SCTRAT. ∑Yi●^2/b - ∑Y●●^2/N 7.17166667 5.2
SCERROR SCTOTAL - SCTRAT. 5.735 7.70666667
CMTRAT. SCTRAT / G.L. 1.43433333 2.6
CMERROR SCERROR / G.L. 1.43375 1.28444444
F CALCULADO CMTRAT. / CMERROR 1.00040686 2.02422145
F TABULAR F(α;G.L.1;G.L.2) 3.01233034 3.01233034
o TABLA ANOVA:
G.L. FC FT
TRATAMINETOS 7.17166667 5 1.43433333 10.724 3.012
BLOQUES 5.2 2 2.6 19.439

ERROR 0.535 4 0.134
TOTAL 12.9066667 11
P 0.00023662
EXCEL
Mean n Std. Dev

Treatment
40.8750 4 1.0532 1
Treatment
42.7000 4 0.5598 2
Treatment
42.2250 4 0.6994 3
41.4000 3 1.1358 A
42.3333 3 0.8145 B
41.2000 3 1.2124 C
42.8000 3 0.6557 D
41.9333 12 1.0832 Total
ANOVA table
p-
Treatments 7.172 2 3.5858 40.21 .0003
Blocks 5.200 3 1.7333 19.44 .0017
Error 0.535 6 0.0892
Total 12.907 11
Post hoc analysis

Treatment Treatment Treatment
1 3 2
40.8750 42.2250 42.7000
Treatment 1 40.8750
Treatment 3 42.2250 .0007
Treatment 2 42.7000 .0001 .0655

Treatment Treatment Treatment
1 3 2
40.8750 42.2250 42.7000
Treatment 1 40.8750
Treatment 3 42.2250 6.39
Treatment 2 42.7000 8.64 2.25
MINITAB
Method

Factor Information

Factor 3 C2, C3, C4

Factor 2 7.172 3.5858 5.63 0.026
Error 9 5.735 0.6372
Total 11 12.907
Model Summary

0.798262 55.57% 45.69% 21.01%
Means
C2 4 40.875 1.053 (39.972, 41.778)
C3 4 42.700 0.560 (41.797, 43.603)
C4 4 42.225 0.699 (41.322, 43.128)

C3 4 42.700 A
C4 4 42.225 A B
C2 4 40.875 B
Tukey Simultaneous 95% CIs

C3 4 42.700 A
C4 4 42.225 A
C2 4 40.875 B

EJERCICIO 22
Cuatro operarios del grupo ¨Construye¨ realizan la misma tarea de construir paredes de
ladrillo en tiempos iguales. El grupo quiere determinar si hay alguna diferencia
significativa en el metraje promedio debido a la habilidad de los operarios y/o debido al
horario. Para esto diseñaron un análisis de varianza de dos factores sin réplicas,
registrando los siguientes datos en metros cuadrados de pared construida por cada
operario en 3 horas cualesquiera:
Operarios
Horas 𝑂1 𝑂2 𝑂3 𝑂4
10-11 a.m. 3.0 3.5 3.2 3.3
2-3 p.m. 1.8 2.1 2.0 1.9
4-5 p.m. 2.4 2.5 2.4 2.4
a) Plantee la hipótesis nula y alternativa para determinar si existen diferencias

significativas en el metraje construido debido a los operarios.
b) Plantee la hipótesis nula y alternativa para determinar si existen diferencias
significativas en el metraje construido debido a los horarios.
c) Si existen diferencias en alguno de los dos factores. ¿qué pares de niveles de
éste, producen la diferencia? Use el método de Duncan
Use el nivel de significación α= 0.01 en todas las pruebas
SOLUCIÓN
OPERARIOS HORAS Yi●^2/b
O1 3 1.8 2.4 17.28
O2 3.5 2.1 2.5 21.87
77.6566667
O3 3.2 2 2.4 19.2533333
O4 3.3 1.9 2.4 19.2533333
Yi●^2/b 42.25 15.21 23.5225
80.9825
Y●●^2/N 77.52083333 N 12
Yij^2 81.17 k 4
o HIPOTESIS.
H0: 𝜇1= 𝜇 2=. . . = 𝜇 k
o CÁLCULOS:
SCTOTAL ∑Yij^2 - ∑Y●●^2/N 3.64916667 3.64916667
SCTRAT. ∑Yi●^2/b - ∑Y●●^2/N 3.46166667 0.13583333
SCERROR SCTOTAL - SCTRAT. 0.1875 3.51333333

CMTRAT. SCTRAT / G.L. 0.69233333 0.06791667
CMERROR SCERROR / G.L. 0.046875 0.58555556
F CALCULADO CMTRAT. / CMERROR 14.7697778 0.11598672
F TABULAR F(α;G.L.1;G.L.2) 5.31600892 5.31600892
o TABLA ANOVA:
SUMA DE
FUENTE DE CUADRADO
CUADRADO G.L. FC FT
VARIACIÓN S MEDIOS
S
TRATAMINETO
3.46166667 5 0.69233333 53.600 5.316
S
BLOQUES 0.13583333 2 0.06791667 5.258
ERROR 0.05166667 4 0.013
TOTAL 3.64916667 11
0.040744020402433
P
2
EXCEL
Mean n Std. Dev

3.250 Treatmen
0 4 0.2082 t 1
1.950 Treatmen
0 4 0.1291 t 2
2.425 Treatmen
0 4 0.0500 t 3
2.400
0 3 0.6000 O1
2.700
0 3 0.7211 O2
2.533
3 3 0.6110 O3
2.533
3 3 0.7095 O4
2.541
7 12 0.5760 Total
ANOVA table
p-
3.18E-
Treatments 3.462 2 1.7308 201.00 06
Blocks 0.136 3 0.0453 5.26 .0407
Error 0.052 6 0.0086
Total 3.649 11
Post hoc analysis

Treatme Treatmen Treatmen
nt 2 t3 t1
1.9500 2.4250 3.2500
1.950
Treatment 2 0
2.425
Treatment 3 0 .0004
3.250
Treatment 1 0 1.07E-06 1.55E-05

Treatme Treatmen Treatmen
nt 2 t3 t1
1.9500 2.4250 3.2500
1.950
Treatment 2 0
2.425
Treatment 3 0 7.24
3.250
Treatment 1 0 19.81 12.57

0.05 3.07
0.01 4.48
MINITAB
Method

Factor Information

Factor 3 C2, C3, C4

Factor 2 3.4617 1.73083 83.08 0.000
Error 9 0.1875 0.02083
Total 11 3.6492
Model Summary

0.144338 94.86% 93.72% 90.87%
Means

C2 4 3.250 0.208 ( 3.015, 3.485)
C3 4 1.9500 0.1291 (1.7155, 2.1845)
C4 4 2.4250 0.0500 (2.1905, 2.6595)

C2 4 3.250 A
C4 4 2.4250 B
C3 4 1.9500 C
Tukey Simultaneous 95% CIs

C2 4 3.250 A
C4 4 2.4250 B
C3 4 1.9500 C
Fisher Individual 95% CIs

EJERCICIO 25
La empresa de ¨Torneados metálicos ¨ diseñó un experimento de dos factores con tres
réplicas para determinar si existen diferencias significativas en la cantidad de piezas
producidas debido a las máquinas y debido a los operarios. Se emplean dos operarios y
cada uno de ellos utilizó cada una de las tres máquinas para procesar el producto en tres
periodos iguales al tiempo.
Los valores promedios de las cantidades de piezas producidas para cada combinación de
los niveles de los dos factores se dan en la tabla que sigue:
Operarios Máquinas
M1 M2 M3
01 102.33 130.00 114.33
02 114.00 142.67 126.67
Y la tabla ANOVA resultante es:
Fuete de Sumas de Grados de Medias Estadísticas

variabilidad cuadrados libertad cuadráticas F
Máquinas 2392.33
Operario 672.22
Interacción 0.778
Error
Total 3190.000
a) Realice una gráfica lineal de medias y analice descriptivamente la existencia

podría o no de interacción entre los dos factores considerados.
b) ¿Es significativa la interacción entre los dos factores considerados?. ¿Qué puede
decir de los efectos de las máquinas y los operarios?
c) ¿Qué máquina operario tienen mayor rendimiento? Utilice el método de rangos
de Duncan donde sea posible aplicar.
Aplique el nivel de significación α= 0.05% en todas las pruebas.
SOLUCIÓN
N 18
Fuente de Sumas de Grados de Medias Estadísticas

variabilidad cuadrados libertad cuadráticas F
Máquinas 2392.33 2 1196.165 115.1339515
Operario 672.22 1 672.22 64.70290041
Interacción 0.778 2 0.389 0.037442248
Error 124.672 12 10.38933333
Total 3190 17
EXCEL
Mean n Std. Dev

Treatment
115.55333 3 13.87550 1
Treatment
127.78000 3 14.36720 2
108.16500 2 8.25194 Block 1

136.33500 2 8.95904 Block 2
120.50000 2 8.72570 Block 3
121.66667 6 14.29775 Total
ANOVA table
p-
Treatments 224.2371 1 224.23707 1727.34 .0006
Blocks 797.6322 2 398.81612 3072.15 .0003
Error 0.2596 2 0.12982
Total 1,022.1289 5
Comparison of Groups
145.000
140.000
135.000
130.000
125.000
120.000
115.000
110.000
105.000
100.000
Treatment 1 Treatment 2
MINITAB
General Linear Model: C3 versus C1, C2
Method
Factor coding (-1, 0, +1)
Factor Information
Factor Type Levels Values

C1 Fixed 2 1, 2
C2 Fixed 3 1, 2, 3

C1 1 232.38 232.379 0.59 0.522
C2 2 5.43 2.716 0.01 0.993
Error 2 784.32 392.159
Total 5 1022.13
Model Summary

19.8030 23.27% 0.00% 0.00%
Coefficients
Term Coef SE Coef T-Value P-Value VIF

Constant 121.67 8.08 15.05 0.004
C1
1 -6.22 8.08 -0.77 0.522 1.00
C2
1 0.8 11.4 0.07 0.949 1.33
2 0.5 11.4 0.04 0.969 1.33
Regression Equation
C3 = 121.67 - 6.22 C1_1 + 6.22 C1_2 + 0.8 C2_1 + 0.5 C2_2 - 1.3 C2_3
EJERCICIO 28
Con el fin de estudiar los efectos de tipo de carga y de las empresas que las transportan,
sobre el tiempo de reparto terrestre de cargas, la distribuidora ¨DOCASA¨ diseñó un
modelo de análisis de varianza de dos vías con réplicas, Cada una de las tres empresas
de transporte terrestre: 𝐵1 , 𝐵2 y 𝐵3 transportó una misma distancia cada uno de los
tipos de carga 𝐴1 = 𝑠ó𝑙𝑖𝑑𝑜 , repitiéndose el experimento tres veces. Se registraron los
siguientes tiempos en minutos.
Tipo de carga
𝐴1 𝐴2
140 130
𝐵1 145 128
135 132
135 125
Transporte 𝐵2 136 126
134 124
90 83
𝐵3 92 82
88 84
Asumiendo a que los factores en estudio son de efecto fijos:

a) Realice una gráfica de medias y análisis descriptivo de la interacción.
b) ¿Es significativa la interacción observada entre tipo de carga y transporte?
c) ¿Son significativas los efectos de los tipos de cargas? Si es así, ¿cuál de los dos
tipos de carga llega primero? Use la prueba de rangos Duncan.
d) ¿Son significativos los efectos de las empresas de transporte?, Si fuera así,
determine la empresa de trasportes que utilizan el menor tiempo promedio.
Todas las pruebas, realice con probabilidad de error tipo 1 igual a 0.05.
SOLUCIÓN
TRANSPORTE
TIPO DE
1 2 3 Yi●^2/b
CARGA
A1 140 145 135 135 136 134 90 92 88 133225
247469
A2 130 128 132 125 126 124 83 82 84 114244
Yi●^2/b 36450 37264.5 35644.5 33800 34322 33282 14964.5 15138 14792
101400 44893.5 255643.5
109350
Y●●^2/N 247104.5 N 18
Yij^2 256089 k 4
o HIPOTESIS.
H0: 𝜇1= 𝜇 2=. . . = 𝜇 k
o CÁLCULOS:
A B AB
SCTOTAL ∑Yij^2 - ∑Y●●^2/N 8984.5 8984.5 8984.5
SCTRAT. ∑Yi●^2/b - ∑Y●●^2/N 364.5 8539 9
SCERROR SCTOTAL - SCTRAT. 8620 445.5 8975.5
CMTRAT. SCTRAT / G.L. 364.5 4269.5 4.5
CMERROR SCERROR / G.L. 8620 222.75 4487.75
F CALCULADO CMTRAT. / CMERROR 0.04228538 19.1672278 0.00100273
F TABULAR F(α;G.L.1;G.L.2) 4.33593908 5.31600892
o TABLA ANOVA:
G.L. FC FT
TRATAMINETOS 364.5 1 364.5 60.750 4.336
BLOQUES 8539 2 4269.5 711.583
INTERACCIÓN 9 2 4.5 0.750
ERROR 72 12 6
TOTAL 8984.5 17
EXCEL
ANOVA table
Source SS df MS F p-value
Treatments 2,031,036,779,536.000 8 253,879,597,442.0000 1.00 .4727
Blocks 189,764,216,197,983,000.000 2 94,882,108,098,991,300.0000 373669.36 4.41E-38
Error 4,062,719,274,288.000 16 253,919,954,643.0000
Total 189,770,309,954,036,000.000 26
MINITAB
General Linear Model: TIEMPO versus TRANSPOORTE, TIPO DE CARGA
Method
Factor coding (-1, 0, +1)
Factor Information
Factor Type Levels Values

TRANSPOORTE Fixed 3 1, 2, 3
TIPO DE CARGA Fixed 2 1, 2

TRANSPOORTE 2 8539.00 4269.50 737.94 0.000
TIPO DE CARGA 1 364.50 364.50 63.00 0.000
Error 14 81.00 5.79
Lack-of-Fit 2 9.00 4.50 0.75 0.493
Pure Error 12 72.00 6.00
Total 17 8984.50
Model Summary

2.40535 99.10% 98.91% 98.51%
Coefficients
Term Coef SE Coef T-Value P-Value VIF

Constant 117.167 0.567 206.66 0.000
TRANSPOORTE
1 17.833 0.802 22.24 0.000 1.33
2 12.833 0.802 16.01 0.000 1.33
TIPO DE CARGA
1 4.500 0.567 7.94 0.000 1.00
Regression Equation
TIEMPO = 117.167 + 17.833 TRANSPOORTE_1 + 12.833 TRANSPOORTE_2

- 30.667 TRANSPOORTE_3
+ 4.500 TIPO DE CARGA_1 - 4.500 TIPO DE CARGA_2
Fits and Diagnostics for Unusual Observations
Obs TIEMPO Fit Resid Std Resid

2 145.00 139.50 5.50 2.59 R
3 135.00 139.50 -4.50 -2.12 R
R Large residual
EJERCICIO 32
El analista estadístico del grupo “Estudios de mercado” quiere comprobar si la región
geográfica u/o los ingresos familiares influyen en las puntuaciones obtenidas en una
prueba de razonamiento. Para esto, diseñó un experimento de dos factores con réplicas
eligiendo al azar de cada una de cuatro regiones, 6 jefes de familia con ingresos bajos, 6
medios y 6 altos. Los puntajes obtenidos en la prueba por 72 personas se dan:
Alto Medio Bajo
10 15 16 17 14 12
16 14 18 15 13 11
Norte 14 12 16 12 9 12
13 12 15 18 13 10
17 16 17 16 15 11
Sur 15 11 15 13 12 9
14 16 17 17 11 12
14 10 19 11 15 8
Centro 17 13 17 18 16 13
15 14 18 12 12 13
14 13 17 20 15 8
Oriente 16 11 16 15 14 11
a) Analice descriptivamente, si existe o no, indicios de interacción entre ingresos y
regiones.
b) Defina la variable dependiente y modelo.
c) Pruebe si es o no significativa la interacción muestral.
SOLUCIÓN

Ejercicios Anova

Cargado por

Copyright:

Formatos disponibles

Ejercicios Anova

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios Anova

Cargado por

Copyright:

Formatos disponibles

EJERCICIO 2

La empresa P & C que manejan 15 mercados quiere comparar la efectividad de tres

Ventas totales para cada tipo de publicidad:

Rpta. Los datos si fueron suficientes.

Tamaño de las Media Desviación

Al nivel del 5%,

Mean n Std. Dev

Post hoc analysis

critical values for experimentwise error rate:

Null hypothesis All means are equal

Equal variances were assumed for the analysis.

Factor Levels Values

Source DF Adj SS Adj MS F-Value P-Value

S R-sq R-sq(adj) R-sq(pred)

Factor N Mean StDev 95% CI

Pooled StDev = 6.20282

A nivel de significación del 5%,

Además, 𝑆𝑥 = 3.199.Se supone homocedasticidad

a) Antes de saber los resultados d la prueba global de comparaciones (ANOVA)

Mean n Std. Dev

Post hoc analysis

Tukey simultaneous comparison t-values (d.f. = 12)

critical values for experimentwise error rate:

Null hypothesis All means are equal

Equal variances were assumed for the analysis.

Factor Levels Values

Source DF Adj SS Adj MS F-Value P-Value

S R-sq R-sq(adj) R-sq(pred)

Factor N Mean StDev 95% CI

Pooled StDev = 3.33854

Paciente Paciente Paciente

a) Al nivel de significación 0.05, ¿Es válido concluir que no existen diferencias

TRATAMINETOS 34.6666667 2 17.3333333 1.072 6.944

BLOQUES 72.6666667 2 36.3333333 2.247

Null hypothesis All means are equal

Equal variances were assumed for the analysis.

Factor Levels Values

Source DF Adj SS Adj MS F-Value P-Value

S R-sq R-sq(adj) R-sq(pred)

Factor N Mean StDev 95% CI

Pooled StDev = 4.78423

Tukey Pairwise Comparisons

Grouping Information Using the Tukey Method and 95% Confidence

Factor N Mean Grouping

Means that do not share a letter are significantly different.

Fisher Pairwise Comparisons

Factor N Mean Grouping

Means that do not share a letter are significantly different.

a) Describa la variable dependiente y el modelo de este diseño de experimento.

En todas las pruebas, use el nivel de significación α= 0.05

TRATAMINETOS 7.17166667 5 1.43433333 10.724 3.012

BLOQUES 5.2 2 2.6 19.439

Mean n Std. Dev

Post hoc analysis

Tukey simultaneous comparison t-values (d.f. = 6)

Null hypothesis All means are equal

Equal variances were assumed for the analysis.

Factor Levels Values

Source DF Adj SS Adj MS F-Value P-Value