EJERCICIOS

Nombre: Isai Hernández Tema: Ejercicio 1 Semana: 09-07-2021

Villegas

1. Tres diferentes soluciones están siendo estudiadas para evaluar s efectividad en el

retardo del crecimiento de bacterias en contenedores de leche de 5 galones. Los análisis
son hechos en un laboratorio y solo tres ensayos pueden efectuarse en un día dado.
Debido a que los días pueden ser una fuente de variabilidad, el investigador decide
utilizar un DBCA. Las observaciones fueron tomadas en cuatro días y los datos (en
UFC) se muestran en la tabla siguiente.
Solución Días
1 2 3 4
1 13 22 18 39
2 16 24 17 44
3 5 4 1 22

a) Identifique los elementos de un DBA

b) Escriba el modelo lineal aditivo y explíquelo en términos del problema.
c) Realice el ANOVA
d) Realice las pruebas de contraste necesarias
e) Explique los resultados con detalle.

El ANOVA (tabla 1) con α=0.05 revela que si existe diferencia significativa entre los
tratamientos analizados (1, 2 y 3) en el crecimiento de bacterias, dato que tiene un valor
de p< α, por lo cual se hace necesario realizar pruebas post hoc para verificar tratamientos
difieren entre sí.

Tabla 1.
ANOVA de medidas de la efectividad del retraso del crecimiento bacteriano. (n=12,
α=0.05)
 Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Tratamiento 2 703.50 351.750 40.72 0.000

Bloques/Dias 3 1106.92 368.972 42.71 0.000
Error 6 51.83 8.639
Total 11 1862.25

Al realizar las pruebas post hoc se observa que con la prueba de Tukey se observa dos
grupos de aprendizaje bien definidos (A, B) en el primero se tienen medidas de la
efectividad del retraso del crecimiento bacteriano en la solución 2 y 1, mientras que en el
segundo grupo están las medidas de la efectividad del retraso del crecimiento bacteriano
en la solución 3 (tabla 2).
Tabla 2.
Medidas de la efectividad del retraso del crecimiento bacteriano (método Tukey con
α=0.05).
Tratamiento N Media Agrupación
2 4 25.25 A
1 4 23.00 A
3 4 8.00 B
Las medias que no comparten una letra son significativamente diferentes.
 Prueba de normalidad
Grafica. Test de normalidad de Anderson Darling.
Toma de decisión: 0.372>0.05 los datos siguen una distribución normal.
Grafica. Prueba de Kolmogorov.

Toma de decisión: 0.150>0.05 los datos siguen una distribución normal

 Prueba de homocedasticidad.
Cuadro 2.
Hipótesis planteadas
Hipótesis nula Todas las varianzas son iguales
Hipótesis alterna Por lo menos una varianza es diferente
Nivel de significancia α = 0.05
Se utiliza el método de Bartlett. Este método es exacto sólo para datos normales.

Toma de decisión: 0.880> 0.05 los datos tienen una varianza constante o iguales.

 Prueba de levene
 Toma de decisión: 0.855> 0.05 todas las varianzas son iguales.
0.870> 0.05 todas las varianzas son iguales.

 Prueba de independencia

Estadístico de Durbin-Watson

Estadístico de Durbin- 2.67417

Watson

2.67417<1.579 los datos no tienen auto correlación.

Los datos de los residuos son totalmente independientes (no hay relación entre
los factores)
Nombre: Isai Hernández Tema: Ejercicio 2 Semana: 09-07-2021
Villegas
2. Dentro de los estándares de calidad del fruto de mango para que sea exportable como
fruto de primera debe de cumplir con lo siguiente: poseer por lo menos un 20% de
coloración rojiza, sin ningún daño mecánico y que no se encuentre manchado; en la
región de la costa sur está el problema de la falta de coloración rojiza del fruto, por lo
cual se llevó a cabo una investigación en el cultivo de mango (Mangifera índica L. var.
Tommy atkins) en la cual se evaluó el efecto de la fertilización foliar en la época de
floración y crecimiento del fruto sobre la calidad del fruto. Una de las variables de
respuesta evaluadas fue el número de frutos con coloración roja. Se utilizó el diseño de
bloques al azar debido a que existe un gradiente de variabilidad en la plantación. Los
resultados obtenidos se presentan a continuación.

El ANOVA (tabla 1) con α=0.05 revela que si existe diferencia significativa entre el
número de frutos con coloración roja en parcelas donde se realizó una poda de aclareo en
la etapa de floración (mezcla 1, mezcla 2, mezcla 3 y sin mezcla) en los tratamientos
evaluados, dato que tiene un valor de p> α, por lo cual se deduce que se acepta la hipótesis
nula.
 Tabla 1.
ANOVA de número de frutos con coloración roja en parcelas donde se realizó una poda
de aclareo en la etapa de floración. (n=16, α=0.05)

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Tratamiento 3 36342 12114 1.06 0.413

Bloque/Repeticiones 3 13857 4619 0.40 0.754
Error 9 102896 11433
Total 15 153095
Nombre: Isai Hernández Tema: Ejercicio 3 Semana: 09-07-2021
Villegas

3. En una empresa lechera se tienen varios silos para almacenar leche (cisternas de 60
000 L). Un aspecto crítico para que se conserve la leche es la temperatura de
almacenamiento. Se sospecha que en algunos silos hay problemas, por ello, durante
cinco días se decide registrar la temperatura a cierta hora crítica. Obviamente la
temperatura de un día a otro es una fuente de variabilidad que podría impactar la
variabilidad total.

a) En este problema, ¿cuál es el factor de tratamiento y cuál el factor de bloque?

El factor de tratamiento son los silos, y el factor de bloque los días.

b) Suponga un DBCA, formule las hipótesis adecuadas y el modelo estadístico.

Yij=µ+τi+Yj+βij

c) ¿Hay diferencia entre los silos?

La tabla ANOVA descompone la variabilidad de temperatura en
contribuciones debidas a varios factores. Puesto que se ha escogido la suma de
cuadrados Tipo III (por omisión), la contribución de cada factor se mide
eliminando los efectos delos demás factores. Los valores-P prueban la
significancia estadística de cada uno de los factores. Puesto que ningún valor-
P es menor que 0.05.

Tabla 1.
ANOVA de la temperatura medida de cada día en cada silo. (n=25, α=0.05)
 Fuente GL SC Ajust. MC Valor F Valor p
Ajust.

Tratamiento 4 4.460 1.115 0.69 0.609

Bloque/Dias 4 9.760 2.440 1.51 0.246

Error 16 25.840 1.615

Total 24 40.060

d) ¿La temperatura de un día a otro es diferente?

Por medio del problema anterior podemos observar que la temperatura es igual porque
el valor-p de los bloques es 0.609 y el nivel de significancia es 0.05 así que se muestra
que el valor-p del bloque es mayor que la significancia y por lo tanto las temperaturas
son iguales.

e) Revise residuos, ¿hay algún problema evidente?

En el recuadro de la gráfica de probabilidad normal nos muestra que el supuesto de
normalidad se cumple porque los residuos o puntos estas más o menos cerca de la
línea recta. Por mientras que en el recuadro vs ajuste también se cumple el supuesto
de varianza porque los residuos se ubican aleatoriamente dentro de una banda
horizontal.
Nombre: Isai Hernández Tema: Ejercicio 4 Semana: 09-07-2021
Villegas
4. Un aspecto crítico para que se conserve la leche es la temperatura de almacenamiento.
De manera tradicional se han usado termómetros de mercurio (Mer) para verificar que
la temperatura sea la adecuada, pero ahora se han comprado termómetros electrónicos
(Rtd) para facilitar el proceso de medición. Sin embargo, se duda de las mediciones de
estos nuevos dispositivos. Para aclarar dudas y diagnosticar la situación, durante cinco
días se toman mediciones con ambos tipos de termómetros en varios silos (a la misma
hora). Los datos para cinco silos se muestran a continuación:

a) Observe los datos y establezca una conjetura acerca de la confiabilidad de las

mediciones con Rtd (del termómetro de mercurio no hay duda).
A primera vista, si comparamos el termómetro de Mer con el Rtd se aprecian diferencias
grandes, incluso el termómetro Rtd marca temperaturas inferiores a 0°C, cosa que nunca
sucede con el otro termómetro.

b) Es claro que el silo se puede ver como tratamiento y día como bloque. Considere
sólo los datos de Rtd y establezca el modelo estadístico. También haga el ANOVA
correspondiente y obtenga conclusiones.
El tipo de análisis sería Diseño en bloques completos al azar (DBCA), cuyo modelo es:
i = 1,2, … , k
Yij = μ + τi + γj + εij { }
j = 1,2, … , b

Hipótesis:
Tratamiento:
H0 : μ A = μ B = μ C = μ D = μ E = μ
c) HA : μi ≠ μj para algún i ≠ j
 Bloques:

H0 : γ1 = γ2 = γ3 = γ4 = γ5 = 0
HA : γj ≠ 0 para algún bloque j

ANÁLISIS DE VARIANZA
Origen de Suma de Grados Promedi F Probabilida Valor
las cuadrado de o de los d crítico
variacione s libertad cuadrado para F
s s
Filas 182.532 4 45.633 8.0909574 0.00091159 3.0069172
5 8
Columnas 62.008 4 15.502 2.7485815 0.06486529 3.0069172
6 8
Error 90.24 16 5.64

Total 334.78 24

En tratamiento:
Dado que F0 > Fcritica , la hipótesis se rechaza, esto significa que la temperatura en los
silos es diferente.
En bloque:
Como F0 < Fcritica , la hipótesis nula se acepta, esto se interpreta en que el día no tiene un
efecto en la medición de la temperatura.
d) Repita el inciso anterior pero ahora para las mediciones Mer.
El tipo de análisis sería Diseño en bloques completos al azar (DBCA), cuyo modelo es:
i = 1,2, … , k
Yij = μ + τi + γj + εij { }
j = 1,2, … , b

Hipótesis:
Tratamiento:
 H0 : μ A = μ B = μ C = μ D = μ E = μ
e) HA : μi ≠ μj para algún i ≠ j
Bloques:
H0 : γ1 = γ2 = γ3 = γ4 = γ5 = 0
HA : γj ≠ 0 Para algún bloque j

ANÁLISIS DE VARIANZA
Origen de Suma de Grados Promedi F Probabilida Valor
las cuadrado de o de los d crítico
variacione s libertad cuadrado para F
s s
Filas 4.46 4 1.115 0.6904024 0.60921239 3.0069172
8 8
Columnas 9.76 4 2.44 1.5108359 0.24602212 3.0069172
1 8
Error 25.84 16 1.615

Total 40.06 24

En tratamiento:
Dado que F0 < Fcritica , la hipótesis se acepta, esto significa que la temperatura en los silos
no es diferente.
En bloque:
Como F0 < Fcritica , la hipótesis nula se acepta, esto se interpreta en que el día no tiene un
efecto en la medición de la temperatura.

f) ¿Las conclusiones obtenidas en los incisos anteriores coinciden? Comente su

respuesta.
No las conclusiones con respecto a los tratamientos (silos) fue distinta, en el caso del
termómetro Rtd había variación en los silos; mientras que con el termómetro Mer, eso no
se detectó, los silos eran estadísticamente iguales. Esto quiere decir que los termómetros
son distintos entre sí, ya que muestran conclusiones diferentes.

g) Datos pareados. Para comparar los dos métodos de medición (Mer y Rtd)
obtenga como variable de respuesta a la diferencia de temperatura que registran los
métodos para cada día en cada silo. Considerando esto, establezca el modelo
estadístico, haga el ANOVA correspondiente y obtenga conclusiones.
Para |MER-RTD|
Silo Día 1 Día 2 Día 3 Día 4 Día 5
Dif. Dif. Dif. Dif. Dif.
A 1.4 1.2 0 0.5 0.6
B 1.4 0.4 0.3 0.2 0
C 1.2 2.6 1.7 3.9 10.6
D 0.6 1 0.1 1.8 2.3
E 4 3.6 2.9 6 10.3

El tipo de análisis sería Diseño en bloques completos al azar (DBCA), cuyo modelo es:
i = 1,2, … , k
Yij = μ + τi + γj + εij { }
j = 1,2, … , b

Hipótesis:
Tratamiento:
H0 : μ A = μ B = μ C = μ D = μ E = μ
HA : μi ≠ μj para algún i ≠ j
Bloques:
H0 : γ1 = γ2 = γ3 = γ4 = γ5 = 0
HA : γj ≠ 0 para algún bloque j
ANÁLISIS DE VARIANZA
Origen de Suma de Grados Promedi F Probabilida Valor
las cuadrado de o de los d crítico
variacione s libertad cuadrado para F
s s
Filas 96.8136 4 24.2034 6.6599892 0.00235744 3.0069172
7 8
Columnas 41.9616 4 10.4904 2.8866172 0.05639643 3.0069172
3 8
Error 58.1464 16 3.63415

Total 196.9216 24

En tratamiento:
Dado que F0 > Fcritica , la hipótesis nula se rechaza esto se interpreta en que, la diferencia
entre las temperaturas de los termómetros, en los silos es diferente, es decir, hay
diferencias entre cada tratamiento.
En bloque:
Como F0 < Fcritica , la hipótesis nula se acepta, esto se interpreta en que el día no tiene un
efecto en la medición de la temperatura.
En conclusión, se puede inferir por los resultados en los incisos anteriores, que el
termómetro Rtd es diferente al termómetro Mer, y considerando que sobre éste último no
hay duda de su funcionamiento, entonces, el termómetro Rtd, está dañado y no registra las
temperaturas correctas.
Nombre: Isai Hernández Tema: Ejercicio 5 Semana: 09-07-2021
Villegas

5. Un fabricante de una bebida refrescante sin azúcar quiere comparar la influencia en las
ventas de las latas de tres colores distintos: rojo, amarillo y azul. Se seleccionan cuatro
regiones y se eligen aleatoriamente tres supermercados en cada región para vender en
cada uno de ellos latas de uno de los colores. La tabla adjunta muestra las ventas (en
decenas de latas) realizadas al final del periodo del experimento.

a) Elabore la tabla del análisis de la varianza bifactorial.

b) Contraste la hipótesis nula de que las medias poblacionales de las ventas de las latas
de los tres colores son iguales.

ANÁLISIS DE VARIANZA
Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Tratamiento 2 74.00 37.00 1.55 0.287

Bloque/Región 3 230.92 76.97 3.22 0.104
Error 6 143.33 23.89
Total 11 448.25
Agrupar información utilizando el método de Tukey y una confianza de 95%

Tratamiento N Media Agrupación

3 4 53.75 A
2 4 53.25 A
1 4 48.25 A

Las medias que no comparten una letra son significativamente diferentes.

Nombre: Isai Hernández Tema: Ejercicio 6 Semana: 09-07-2021
Villegas
6. Un ingeniero de alimentos experimentó con el crecimiento de cepas patógenas S.
aureus en el tomate en la etapa de almacenamiento a cuatro temperaturas diferentes
(25°C, 30°C, 35°C y 40°C). Para este experimento uso un Diseño de Bloques al azar
Incompleto Balanceado, porque sólo disponía de dos cámaras de cultivo para el
estudio.

Cada corrida del experimento fue un bloque que consistía en dos cámaras de cultivo como
unidades experimentales y se asignaron al azar dos temperaturas a las cámaras para cada
corrida. Los siguientes datos son las tasas de crecimiento de las cepas
patógenas Realizar el ajuste de los datos y correr el ANOVA con alfa 0.05

Tratamientos Corridas
(Temperatura) (bloque)

1 2 3 4 5 6

25 24.65 - 29.17 - 28.9 -

30 - 24.38 21.26 - - 25.5

35 - - - 5.90 18.2 8.42

40 1.34 2.24 - 1.83 - -

Nombre: Isai Hernández Tema: Ejercicio 7 Semana: 09-07-2021
Villegas

7. A seis laboratoristas, con diferente nivel de experiencia, se les pidió que realizaran la
medición de pH de cuatro sustancias químicas. Las muestras se ordenaron
aleatoriamente para cada laboratorista. Los resultados fueron los siguientes.

Laboratorista sustancia
química
(pH)
A B C D E
1 3.9 4.1 4.2 4.1 3.3
2 9.4 9.5 9.4 9.0 8.6
3 9.7 9.3 9.3 9.2 8.4
4 8.3 8.0 7.9 8.6 7.4
5 9.8 8.9 9.0 9.0 8.3
6 9.9 10.0 9.7 9.6 9.1

1. Identifique los tratamientos, el factor a controlar, repeticiones, total de unidades

experimentales.
2. Presente el modelo aditivo lineal e interprete cada uno de los componentes en
términos del problema de investigación.
3. ¿Existe diferencias significativas entre las llamas? (Realice el ANOVA para DBA)
4. Realice comparaciones.

Tabla 1: Análisis de Varianza

Fuente GL SC MC Valor F Valor p

Ajust. Ajust.
tratamiento 4 3.391 0.8478 16.05 0.000
Bloque/ jueces 5 115.142 23.0283 435.87 0.000
 Error 20 1.057 0.0528
Total 29 119.590

Grafica 1: residuos para v-respuesta

Tabla 2: prueba de contraste método de Tukey y una confianza de 95%

tratamiento N Media Agrupación

1 6 8.500 A
2 6 8.300 A
4 6 8.250 A
3 6 8.250 A
5 6 7.517 A

Las medias que no comparten una letra son significativamente diferentes.

Grafica 2: grafica de cajón prueba tukey.

5. Explique detalladamente sus resultados.
Con base a los resultados obtenidos en la prueba DBA establece que la prueba realizada
a las sustancias con respecto del pH el cual se tomó solamente el pH como principal
factor para su evaluación, haciendo las pruebas se estableció que la hipótesis Ho fue
rechazada con respecto a los dos pruebas tanto de tratamiento y por bloques dado que
superaba los valores obtenidos en los valores p. se establece que existe al menos una
diferencia significativa con respecto a los tratamientos.
Se realizó una prueba de contraste con respecto a la prueba Tukey pero los valores
señalaron que no había diferencia significativa.
Nombre: Isai Hernández Tema: Ejercicio 8 Semana: 09-07-2021
Villegas

8. Se realizó un experimento para comprobar el contenido de colesterol de 3 alimentos

dietéticos. Cada uno de los e laboratorios que fabrican alimentos dietéticos produce
alimentos de estos 3 tipos en paquetes de similar peso. Al evaluar el contenido de
colesterol (en miligramos por paquete) se obtuvieron los siguientes resultados.

Alimento Laboratorio
dietético 1 2 3
A 13 15 12
B 17 18 14
C 15 18 13

Presente el modelo aditivo lineal e interprete cada uno de sus componentes en términos del
problema.
Efectúe el ANOVA

Realice la prueba de Tukey

Analice todos sus resultados de forma conjunta.

Tabla 1: Análisis de Varianza

Fuente GL SC MC Ajust. Valor F Valor p

Ajust.
tratamiento 2 14.000 7.0000 14.00 0.016
Bloque/Laboratorios 2 24.000 12.0000 24.00 0.006
Error 4 2.000 0.5000
Total 8 40.000
 Grafica 1: residuos para v-respuesta.

Tabla 2: hipótesis.

Hipótesis nula Todas las medias son iguales

Hipótesis alterna No todas las medias son iguales

Nivel de significancia α = 0.05

Se presupuso igualdad de varianzas para el análisis.

Tabla 3: prueba de contraste LSD de Fisher y una confianza de 95%

Factor N Media Agrupación

2 3 17.00 A

1 3 15.00 A B

3 3 13.000 B
 Las medias que no comparten una letra son significativamente diferentes.

Grafica 2: prueba Fisher.

Con los datos obtenidos en el análisis DBA sobre el contenido de colesterol en los
alimentos los datos obtenidos con respecto del tratamiento el Ho fue rechazado y por
consecuente el H1 fue aceptado, de igual modo para los tratamientos esto fue el mismo
caso así que existe al menos un tratamiento que tienen una diferencia significativa con
respecto de los demás. Se realizó una prueba de contras te el cual se inició con la prueba
Tukey pero este arrojo valores que no eran significativamente diferentes así que se refutaba
el valor inicial obtenido en el análisis DBA se decidió seguir con la prueba de Ficher el
cual si demostró que existía diferencia significativa entre los tratamientos.