Problema 5: ejercicio 11, página 507-508 Anderson 10a ed.

11. En la publicidad de tres pinturas se dice que tienen el mismo tiempo de secado. Para
verificar esto, se prueban cinco muestras de cada una de las pinturas. Se registra el
tiempo en minutos necesario para que el secado sea suficiente para la aplicación de una
segunda mano. Los datos obtenidos son los siguientes.

GRAFICO DE DISPERSIÓN

Dispersión según Muestra

160

150
respuesta

140

130

120
pintura 1 pintura 2 pintura 3 pintura 4

Este grafico de dispersión muestra la distribución de los 20 valores utilizados en el análisis

donde podemos observar el comportamiento de los valores según la muestra.

Resumen Estadístico
Recuent Promedi Desviación Coeficiente de Mínimo Máximo
o o Estándar Variación
PINTURA A 5 133,0 6,89202 5,18197% 124,0 141,0
PINTURA B 5 139,0 7,07107 5,0871% 130,0 146,0
PINTURA C 5 136,0 4,58258 3,36954% 131,0 143,0
PINTURA D 5 144,0 7,38241 5,12667% 135,0 153,0
Total 20 138,0 7,33413 5,31459% 124,0 153,0
En esta grafica podemos ver la desviación estándar por cada tratamiento en este caso
diferentes pinturas asi también como sus coeficientes de variación una medida de
dispersión que describe la cantidad de variabilidad en relación con la media. Puesto que
el coeficiente de variación no se basa en unidades, se puede utilizar en lugar de la
desviación estándar para comparar la dispersión de los conjuntos de datos que tienen
diferentes unidades o diferentes medias.

GRAFICA DE CAJA Y BIGOTES

Gráfico Caja y Bigotes

PINTURA A

PINTURA B

PINTURA C

PINTURA D

120 130 140 150 160

respuesta

son una forma útil de graficar datos divididos en cuatro cuartiles, cada uno con igual
cantidad de valores. El diagrama de caja no grafica frecuencia ni muestra las estadísticas
individuales, pero en ellos podemos ver claramente dónde se encuentra la mitad de los
datos. Es un buen diagrama para analizar la asimetría en los datos.

La tabla de ANDEVA

Este procedimiento compara los datos en 4 columnas del archivo de datos actual. Realiza
varias pruebas estadísticas y gráficas para comparar las muestras. La prueba-F en la
tabla ANOVA determinará si hay diferencias significativas entre las medias.
Tabla ANOVA
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
Entre 330.0 3 110.0 2.54 0.0928
grupos
Intra 692.0 16 43.25
grupos
Total 1022.0 19
(Corr.)
Lo que se desea probar es
Hipótesis Nula: μA = μB = μC = μD = μe
Hipótesis Alternativa: las medias no son todas iguales

ANOVA Gráfico para PINTURA A

PINTURA A PINTURA C PINTURA B PINTURA D

Grupos P = 0,0928

Residuos
-13 -8 -3 2 7 12 17

La tabla ANOVA descompone la varianza de los datos en dos componentes: un

componente entre-grupos y un componente dentro-de-grupos. La razón-F, que en este
caso es igual a 2.54335, es el cociente entre el estimado entre-grupos y el estimado
dentro-de-grupos. Puesto que el valor-P de la razón-F es mayor o igual que 0.05, no
existe una diferencia estadísticamente significativa entre las medias de las 4 variables con
un nivel del 95.0% de confianza.

De acuerdo a la prueba realizada con el método ANOVA utilizando el estadístico F

se puede concluir que estadísticamente no hay evidencia suficiente para determinar que
las medias de las cuatro muestras de los tiempos de secado de las pinturas no sean
iguales, en otras palabras hay un 95% de confianza que las medias no presenten
diferencia. De igual manera podemos constatar nuestros resultados haciendo uso del
valor P= 0.0928 ya que de acuerdo a la regla de la prueba de hipótesis: Ho: µ1 = µ2 = µ3
= µ4, Ha: no todas las medias poblacionales son iguales. La hipótesis nula se debería de
rechazar si el valor P es menor o igual a 0.05(como nivel de significancia) sin embargo en
este caso el valor P > 0.05 por lo tanto nuestra hipótesis nula es aceptada.

Intervalo de confianza para la media del tratamiento i

Con un 95% de confiabilidad y con la evidencia con la que se cuenta, se puede esperar
que los intervalos de confianza del modelo se encuentre entre los siguientes límites:
Tabla de Medias para TIEMPO por TRATAMIENTO con intervalos de confianza del
95,0%
Error Est.
TRATAMIENTO Caso Media (s Límite Límite
s agrupada) Inferior Superior
A 5 133,0 2,94109 128,591 137,409
B 5 139,0 2,94109 134,591 143,409
C 5 136,0 2,94109 131,591 140,409
D 5 144,0 2,94109 139,591 148,409
Total 20 138,0

Medias y 95,0% de Fisher LSD

150

145

140
Media

135

130

125

120
PINTURA A PINTURA B PINTURA C PINTURA D

Esta gráfica muestra las medias de las 4 columnas de datos. También muestra un
intervalo alrededor de cada media. Los intervalos mostrados actualmente están basados
en el procedimiento de la diferencia mínima significativa (LSD) de Fisher. Están
construidos de tal manera que, si dos medias son iguales, sus intervalos se traslaparán un
95.0% de las veces. Cualquier par de intervalos que no se traslapen verticalmente
corresponden a pares de medias que tienen una diferencia estadísticamente significativa.
En otras palabras este grafico muestra intervalos que de alguna manera nos definen los
límites que podemos considerar para decir que las medias tienden a ser iguales, según
este grafico si los intervalos no se traslapan en pares todos habrá diferencia significativa
en sus medias, en este caso podemos ver que el intervalo de la pintura 1 y la pintura 4 no
se traslapan por lo que es posible que haya una diferencia significativa entre las medias
de estas dos muestras. En este caso sería conveniente realizar la prueba de rangos
múltiples.

Intervalo d/confianza p/la diferencia d/medias d/2 tratamientos

Pruebas de Múltiple Rangos

Método: 95,0 porcentaje LSD

Caso Media Grupos
s Homogéneos
PINTURA A 5 133,0 X
PINTURA C 5 136,0 XX
PINTURA B 5 139,0 XX
PINTURA D 5 144,0 X

Contraste Sig. Diferenci +/-

a Límites
PINTURA A - PINTURA -6,0 8,8174
B
PINTURA A - PINTURA -3,0 8,8174
C
PINTURA A - PINTURA * -11,0 8,8174
D
PINTURA B - PINTURA 3,0 8,8174
C
PINTURA B - PINTURA -5,0 8,8174
D
PINTURA C - PINTURA -8,0 8,8174
D
* indica una diferencia significativa.

Esta tabla aplica un procedimiento de comparación múltiple para determinar cuáles

medias son significativamente diferentes de otras. La mitad inferior de la salida muestra
las diferencias estimadas entre cada par de medias. Se ha colocado un asterisco junto a
1 par, indicando que este par muestra diferencias estadísticamente significativas con un
nivel del 95.0% de confianza. En la parte superior de la página, se han identificado 2
grupos homogéneos según la alineación de las X's en columnas. No existen diferencias
estadísticamente significativas entre aquellos niveles que compartan una misma columna
de X's. El método empleado actualmente para discriminar entre las medias es el
procedimiento de diferencia mínima significativa (LSD) de Fisher. Con este método hay
un riesgo del 5.0% al decir que cada par de medias es significativamente diferente,
cuando la diferencia real es igual a 0.
 Esta prueba muestra que la pintura 1 y la pintura 2 presentan diferencias
significativas en sus medias sin embargo de acuerdo al criterio de la prueba podríamos
estar cometiendo un error del 5 por ciento al tomar esta decisión, por lo que
estadísticamente se considera que en general para las cuatro muestras existe relación
respecto a sus medias.

Análisis de residuales y verificación del modelo.

HETEROESLASTICIDAD

Gráfico de Residuos

3
residuos

-3

-6

-9
130 133 136 139 142 145
valor predicho
INDEPENDENCIA
Gráfico de Residuos

3
residuos

-3

-6

-9
0 4 8 12 16 20
observación

se observa una nube de puntos que no tienen una tendencia definida, los residuos se
encuentran distribuidos en forma aleatoria, esto indica independencia de los residuos y
por tanto independencia en las observaciones.

NORMALIDAD

Gráfico de Probabilidad Normal

99,9
p o r c e n ta je

99

95

80

50

20

0,1
-9 -6 -3 0 3 6 9
RESIDUOS

En la gráfica de probabilidad normal de los residuos se nota que éstos tienen un

comportamiento normal; asimismo, la prueba de Shapiro-Wilks arrojó un P-value =
0.4609, lo cual indica que no se puede rechazar la hipótesis de normalidad con un nivel
de significancia de 5%. En la gráfica de residuos contra predichos, se nota que aquéllos
tienen una varianza aproximadamente constante.
.

Tamaño de la muestra
Potencia y tamaño de la muestra

ANOVA unidireccional
Alfa = 0.05 Desviación estándar asumida = 7.33413

Factores: 1 Número de niveles: 4

Tamaño Potencia
Diferencia de la del Potencia
máxima muestra objetivo real
5 62 0.9 0.900163

El tamaño de la muestra es para cada nivel.

Curva de la potencia para ANOVA unidireccional

Conclusión: El tamaño de la muestra que se obtuvo en el programa de minitab es de 62

muestras por cada nivel de tratamiento.

Conclusión
Al realizar la prueba se pudo obtener que las medias si bien no son exactamente iguales
son estadísticamente consideradas iguales ya que no hay diferencias significativas. Hay
que considerar el tamaño de las muestras ya que como vimos en la prueba de rangos
múltiples si existe diferencia significativa entre un par de variables puede ser por que
estemos cayendo en el porcentaje del error y por lo tanto habría que considerarlo, y en
este caso el tamaño de la muestra puede estar influyendo.

Confiando en la prueba con el estadístico F del enfoque-método ANOVA y el

método del valor P podemos aceptar con un 95% como nivel de confianza estadístico que
la hipótesis de que todas las medias sean las mismas es correcta.
Problema 8: ejercicio 3-4, página 119 Montgomery DE 2a ed.

A) ¿la temperatura de cocción afecta la densidad de los ladrillos? Utilizar 0.05.

Para determinar si la temperatura afecta la densidad de los ladrillos podríamos hacer uso
del análisis de la varianza para comprobar si estas son diferentes y si la densidad de los
ladrillos es afectada.

Verificación de Varianza
Prueba Valor-P
de Bartlett 1.11303 0.720465

Comparación Sigma1 Sigma2 F-Ratio P-Valor

100 / 125 0.114018 0.141421 0.65 0.6697
100 / 150 0.114018 0.164317 0.481481 0.4964
100 / 175 0.114018 0.216025 0.278571 0.2488
125 / 150 0.141421 0.164317 0.740741 0.8385
125 / 175 0.141421 0.216025 0.428571 0.5046
150 / 175 0.164317 0.216025 0.578571 0.5976
Los estadísticos mostrados en esta tabla evalúan la hipótesis nula de que las
desviaciones estándar dentro de cada una de las 4 columnas son iguales. De particular
interés es el valor-P. Puesto que el valor-P es mayor o igual que 0.05, no existe una
diferencia estadísticamente significativa entre las desviaciones estándar, con un nivel del
95.0% de confianza. De acuerdo con esta prueba no hay diferencias en las desviaciones
estándar de las diferentes temperaturas por lo que se podría decir que las diferentes
temperaturas no afectan la densidad de los ladrillos.
Como una prueba que refuerce nuestro análisis podríamos aplicar el método de Levene
modificada:

Verificación de Varianza
Prueba Valor-P
Levene's 0.2955 0.828027

Comparación Sigma1 Sigma2 F-Ratio P-Valor

100 / 125 0.114018 0.141421 0.65 0.6697
100 / 150 0.114018 0.164317 0.481481 0.4964
100 / 175 0.114018 0.216025 0.278571 0.2488
125 / 150 0.141421 0.164317 0.740741 0.8385
125 / 175 0.141421 0.216025 0.428571 0.5046
150 / 175 0.164317 0.216025 0.578571 0.5976

P-valor < valor de significancia -> Rechazar la hipótesis nula

H0: M1=M1=M3 (la temperatura de cocción no afecta la densidad de los ladrillos)
H1: M1≠M2≠M3(la temperatura de cocción afecta la densidad de los ladrillos)
Los estadísticos mostrados en esta tabla evalúan la hipótesis nula de que las
desviaciones estándar dentro de cada una de las 4 columnas son iguales. De particular
interés es el valor-P. Puesto que el valor-P es mayor o igual que 0.05, no existe una
diferencia estadísticamente significativa entre las desviaciones estándar, con un nivel del
95.0% de confianza.
Al igual que en la primera prueba tenemos que no hay o existe diferencia significativa
entre las desviaciones estándar de las variables por lo que se puede concluir que la
densidad de los ladrillos no se ve afectada por el cambio de la temperatura.
En la cual el valor p es mayor que el valor de significancia, por lo que se acepta la
hipótesis nula.
b) ¿es apropiado comparar las medias utilizando la prueba de rango múltiple de
Duncan en este experimento?
R= de acuerdo a las reglas del método o prueba de Duncan esta se hace si la hipótesis
nula del análisis de varianza se rechazó pero también nos da este dato interesante:

Para comparar pares de medias requieren que todos los tratamientos tengan el mismo
número de observaciones n.

Esto se puede comprender, porque la prueba de rangos múltiples de Duncan analiza las
medias por pares y si cada tratamiento no tiene las mismas observaciones podríamos
incurrir en un error, entonces como conclusión no es apropiado comparar las medias por
la prueba de rango múltiple de Duncan.

En nuestro análisis que realizamos utilizamos la prueba de Fisher, lo cual está prueba es
más adecuada para la variables a experimentar.

c) analizar los residuales de este experimento. ¿Se satisfacen los supuestos del
análisis de varianza?

 Grafica de los residuales en secuencia en el tiempo

Gráfico de Residuos

0.3

0.2

0.1
residuos

-0.1

-0.2

-0.3
0 3 6 9 12 15 18
observación

Conclusión: Esta grafica muestra los residuos con un comportamiento normal, no se

percibe ningún patrón y existe aleatoriedad en la distribución. De acuerdo al criterio del
análisis de los residuos los valores aquí mostrados no presentan irregularidades en su
distribución como por ejemplo que haya una dispersión mayor en uno de los extremos,
entonces se puede decir que no se viola el supuesto de independencia de los errores.

 Grafica de residuos frente a los valores predichos

Gráfico de Residuos

0.3

0.2

0.1
residuos

-0.1

-0.2

-0.3
21.5 21.54 21.58 21.62 21.66 21.7 21.74
valor predicho

Conclusión: Esta grafica muestra que no existe ningún patrón obvio en la distribución de
los valores por lo tanto se puede concluir que no se viola el supuesto de homogeneidad
de las varianzas.

Gráficas de residuos para 100, 125, 150, 175

Gráfica de probabilidad normal vs. ajustes
99
0.2
90
Porcentaje

Residuo

0.0
50

10 -0.2

1
-0.4 -0.2 0.0 0.2 0.4 21.5 21.6 21.7
Residuo Valor ajustado

Histograma
3
Frecuencia

0
-0.3 -0.2 -0.1 0.0 0.1 0.2
Residuo

Conclusión: En este grafico obtenido de minitab nos podemos fijar que los tratamientos
si se comportan significativamente de una manera normal.
Podemos ver que la gráfica de valor ajustado-residuos que las varianzas son
significativamente iguales por lo que sí existe homocedasticidad.

Grafica caja y bigotes.

Gráfico Caja y Bigotes

100

125

150

175

21.3 21.4 21.5 21.6 21.7 21.8 21.9

respuesta

Conclusión: Este grafico nos muestra los intervalos de las pinturas en base a las
observaciones, podemos observar que en todos los intervalos la mediana varía con la
media.

Podemos observar que la temperatura 175 que está entre los intervalos 21.4 y 21.9 la
mediana se encuentra a la derecha por lo que la temperatura en la densidad de los
ladrillos si influye en la cocción.

Potencia y tamaño de la muestra

ANOVA unidireccional

Alfa = 0.05 Desviación estándar asumida = 0.17424

Factores: 1 Número de niveles: 4

Tamaño Potencia
Diferencia de la del Potencia
máxima muestra objetivo real
0.24 16 0.9 0.900974

El tamaño de la muestra es para cada nivel.

Curva de la potencia para ANOVA unidireccional

Conclusión: El tamaño de la muestra que se obtuvo en el programa de minitab es de 16

muestras por cada nivel de tratamiento.

CONCLUSIÓN

Al realizar las pruebas se pudo observar que las temperaturas no afectan en la densidad
de los ladrillos, la prueba que se aplicó en este problema fue la de levene´s ya que es la
más fuerte entre todas las pruebas consideradas.

Los supuestos realizados en el problema fueron analizados y podemos decir que si se

satisfacen los supuestos del análisis de varianza, en la cual se comportan de una manera
normal y hay independencia de error en las variables.

Los supuestos realizados en los problemas si se cumplen por lo que si se satisfacen los
supuestos del análisis de varianza
 BIBLIOGRAFÍA

MONTGOMERY, C.D.; G.C, RUNGER. 2010. Segunda edición. Probabilidad y

Estadística. LIMUSA WILEY.

Tutoriales: Análisis de Una Variable, ANOVA simple