Professional Documents
Culture Documents
Marcelo Rodríguez G.
Ingeniero Estadístico - Magister en Estadística
H1 : µi 6= µj .
H 0 : µ 1 = µ 2 = . . . µt .
yij = µ + τj + εij ,
i = 1, · · · , r j = 1, · · · , t
donde:
1 2 ··· t
yr 1 yr 2 ··· yrt
r t X
r
1 1
yj yij n =r ·t y yij
X X
Considere: = =
r i =1
n j =1 i =1
Condiciones de empaque
Al vacio (T1 ) Mezcla de gases (T2 ) 100% CO2 (T3 )
620 730 550
640 720 500
680 690 440
630 680 510
670 670 550
grados de libertad.
SCTR
MCTR =
t −1
(Media de cuadrática del error)
Es la variación dentro (intra-grupos) de cada tratamiento. También
llamada estimación de la varianza del error experimental.
SCE
MCE =
n−t
mrodriguez@ucm.cl (UCM) ANOVA un Factor 21/03/2011 10 / 37
Prueba de hipótesis
(Tabla de ANOVA)
Modelo Suma de Grados de Media Fc
cuadrados libertad cuadrática
Tratamiento (Inter-grupos) SCTR t −1 MCTR
MCTR
Error (Intra-grupos) SCE n−t MCE
MCE
Total SCT n−1
(Hipótesis)
H0 : µ1 = µ2 = · · · = µ t v/s H1 : µi 6= µj , para algún i, j
r
diferente de UE's asignadas ( j ). Tanto la prueba de hipótesis como la
tabla ANOVA se mantiene, considerando los siguientes cambios:
(y j − y )2
X
SCTR =
j =1 i =1
r
t X j
(yij − y )2
X
SCT =
j =1 i =1
rj t r
t X j
1 1
yj yij n= rj y yij
X X X
donde; = =
rj i =1 j =1
n j =1 i =1
H0 : µ1 = µ2 = µ3 = µ4
Recursos Tiempo de procesador
Tiempo transcurrido
00:00:00,000
v/s00:00:00,008 H1 : µi 6= µj , para algún i, j
[Conjunto_de_datos1] C:\Users\13865271\Desktop\carne.sav
Descriptivos
750
Número de bacterias
Intervalo de confianza para la
media al 95% 700
Desviación Límite
550
ANOVA
Número de bacterias
500
Suma de Media
cuadrados gl cuadrática F Sig.
Inter-grupos 94813,333 2 47406,667 41,953 ,000
450
Intra-grupos 13560,000 12 1130,000
Total 108373,333 14 Al vacio Mezcla de gases 100% CO2
Condiciones de empaques
valor−
Conclusión: Existe un efecto atribuible a las condiciones de empaque.
Denición (Kolmogorov-Smirnov)
Pruebas de signicación permiten contrastar la hipótesis de que las
muestras obtenidas proceden de poblaciones normales (simétricas conforma
de campana). Se debe vericar que para cada tratamiento, los datos
provienen de una población con distribución normal.
(Regla)
Se rechaza la hipótesis de normalidad si el valor p (sig.) es menor que 0,05.
En SPSS: Analizar -> Estadísticos Descriptivos -> Explorar -> Grácos ->
Grácos con prueba de normalidad.
Pruebas de normalidad
a
Condiciones de Kolmogorov-Smirnov Shapiro-Wilk
empaques
Estadístico gl Sig. Estadístico gl Sig.
*
Número de bacterias Al vacio ,221 5 ,200 ,915 5 ,501
*
Mezcla de gases ,221 5 ,200 ,915 5 ,501
*
100% CO2 ,213 5 ,200 ,885 5 ,332
a. Corrección de la significación de Lilliefors
*. Este es un límite inferior de la significación verdadera.
Número de bacterias
SPSS también entrega la prueba de Shapiro-Wilk, la cual se utiliza
Gráficos Q-Q normales
cuando n
≤ 50, en caso contrario se utiliza la prueba de
Kolmogorov-Smirnov. Ambos métodos son para vericar el supuesto
de normalidad.
(Regla)
Se Rechaza la hipótesis de homogeneidad, si el valor p (Sig.) es menor que
0, 05.
En SPSS: Analizar -> Estadísticos Descriptivos -> Explorar -> Grácos ->
Dispersión por nivel con prueba de Levene -> No transformados.
800
Número de bacterias
Levene gl1 gl2 Sig.
Número de bacterias Basándose en la media ,573 2 12 ,578
600
Basándose en la ,567 2 12 ,582
mediana.
Basándose en la mediana ,567 2 8,987 ,586
500
y con gl corregido
Basándose en la media ,628 2 12 ,550
recortada
400
Considere las hipótesis H0 : σ12 = σ22 = σ32 . (varianzas iguales para las
distintas condiciones de empaque)
MCE
r
DHS (t , α) = q (α, t , n − t )
r
Las estimaciones de los intervalos simultáneos de dos lados para el valor
absoluto de todas las diferencias por pares, µi − µj . para toda i <j son:
y i − y j ± DHS (t , α).
mrodriguez@ucm.cl (UCM) ANOVA un Factor 21/03/2011 29 / 37
Método de Tukey
MCE
s
1 1
DHS (t , α) = q (α, t , n − t ) +
2 ri rj
Las estimaciones de los intervalos simultáneos de dos lados para el valor
absoluto de todas las diferencias por pares, µi − µj . para toda i <j son:
y i − y j ± DHS (t , α).
· MCE
r
2
D (t − 1, α) = d (α, t − 1, n − t )
r
Las estimaciones de los intervalos de conanza simultáneos bilaterales (dos
colas) para las diferencias entre las medias de los tratamientos individuales
y la media del tratamiento testigo µi − µc , son:
y i − y c ± D (t − 1, α).
s
1 1
D (t − 1, α) = d (α, t − 1, n − t ) MCE +
ri rc
Las estimaciones de los intervalos de conanza simultáneos bilaterales (dos
colas) para las diferencias entre las medias de los tratamientos individuales
y la media del control µi − µ c , son:
y i − y c ± D (t − 1, α).
Subconjuntos homogéneos
SPSS entrega los intervalos de conanza y valores−
Número de bacterias
p. Cuando los
signos de los intervalos son
Condiciones de
empaques diferentes, no se podría armar que existen
Subconjunto para alfa = 0.05
N 1 2
a
diferencias
HSD de Tukey
signicativas
100% CO2 5
entre
510,00
esos tratamientos.
Al vacio 5 648,00
Subconjuntos homogéneos
Número de bacterias
Condiciones de Subconjunto para alfa = 0.05
empaques
N 1 2
a
HSD de Tukey 100% CO2 5 510,00
Al vacio 5 648,00
Mezcla de gases 5 698,00
Sig. 1,000 ,086
Se muestran las medias para los grupos en los subconjuntos homogéneos.
a. Usa el tamaño muestral de la media armónica = 5,000.