Académique Documents
Professionnel Documents
Culture Documents
R .C .
R .R ./H o :
A cep tar
H o:
R .R ./H o :
GUIA DE PRCTICAS
Y2
142
311
337
262
302
195
253
199
236
216
211
179
249
214
Promedio = Y =
Yi Y
Varianza = S2 =
n 1
Desviacin_Estandar = S =
( Yi ) 2
( 2627) 2
2
511807
Y
n
14
=
=
= 1451.478022
n 1
13
S2 =
Error_Estandar_de_la_Media = Sx =
Coeficiente_de_Variacin =
S
Y
1451.478022 = 38.09826797
S
n
= 38.09826797 = 10.18219041
14
Coef _Asimetra =
)3 x
Yi Y
S3
( n 1)( n 2)
14
(13)(12)
Curtosis =
)4 x
Yi Y
S4
n( n + 1)
3( n 1)( n 1)
=
( n 1)( n 2)( n 3) ( n 2)( n 3)
( 3)(13)(13)
(14)(15)
=
(13)(12)(11)
(12)(11)
Mediana = Me =
Yn/2 + Y( n/2) + 1
= 187 + 200 = 193.5
2
2
Moda = Mo = 206
.
Rango = Ymayor + Ymenor = 248 123 = 125
Cuantiles:
Para obtener cualquier cuantil, primero se debe ordenar los datos en forma ascendente; luego,
obtener p =
q
100
np = j + g para el percentil q
Donde
q
n
j
g
( Yj
+ Yj + 1
2
Y = Yj + 1
si g = 0
si g > 0
Donde
Yj y Yj + 1 son las observaciones j y j+1 en los datos;
Yj
Y1
Y1
123
Y2
132
Y3
149
Y4
151
Y5
175
Y6
179
Y7
187
Y8
200
Y9
206
Y10
206
Y11
218
Y12
219
Y13
234
Y14
248
p = 25 = 0.25
100
np = (14)( 0.25) = 3.5 = j + g = 3 + 0.5
El valor resultante
( Y )
CY + t S Y + t S = 1
1
2 n
2 n
El intervalo de confianza para la media del incremento de peso en novillos Holstein del grupo
control (Y1) se obtiene con:
n = 14
S
n
= 10.18219041
Y = 187.642857
t = t0.025
En la Tabla t, o usando SAS EXCEL, se busca los valores para
2
t = t0.975
1
para n-1 = 13 grados de libertad, los cuales corresponden a:
2
t = t0.025 = 2.160368240
2
t = t0.975 = 2.160368240
1
2
Se obtiene el intervalo
C165.6455762
209.6401378] = 0.95
[
( n 1S
) 2
2
de libertad, se construye el intervalo de confianza para la varianza, que est dado por la
expresin:
2
n
1S
( n 1S
) 2
(
)
C
2
= 1
2
2
2
2
El intervalo de confianza para la varianza del incremento de peso en novillos Holstein del grupo
control (Y1) se obtiene con:
n = 14
S2 = 1451.478022
2 = 2
0.025
2
2
= 2
0.975 para n-1 = 13 grados de libertad, los cuales corresponden a:
1
2
2 = 2
= 5.00875
0.025
2
2
= 2
= 24.7356
0.975
1
2
(13)(1451.478022)
(13)(1451.478022)
C
2
= 1 0.05
24.7356
5.00875
) 2
( n 1S
C
2
1
2
( n 1S
)
= 1
2
2
2
= 2
= 24.7356
0.975
1
2
n = 14
S2 = 1451.478022
(13)(1451.478022)
= 1 0.05
5.00875
( Y )
S
lmites constituyen los valores crticos para el contraste de la hiptesis planteada. Si esta
hiptesis ( Ho : = 236 ) es cierta, la variable aleatoria tendr una distribucin t centrada;
de otro modo, seguir una distribucin t no centrada. As, el intervalo de probabilidad est
dado por la expresin:
S
S
P0 + t
Y 0 + t
= 1
1
2 n
2 n
= 0 = 236
Donde:
S
n
= 10.18219041
t = t0.025 = 2.160368240
2
t = t0.975 = 2.160368240
1
2
0 = 236 ,
por hiptesis
Pt
( Y 0 )
S
n
=
10.18219041
Debido a que esta probabilidad es menor al doble del nivel de significacin elegido ( 2 =
2x0.05 = 0.010 ), se rechaza la hiptesis.
Si se deseara realizar la prueba de hiptesis con el nivel de significacin = 0.01, se deber
usar los siguientes valores de t:
t = t0.005 = 3.012282832
2
t = t0.995 = 3.012282832
1
2
T =
( Y )
: tn 1
S
S
= 1
P + t
Y + t
1
2 n
2 n
Por hiptesis
0 = 0
S
S
Pt
Y t
= 1
1
2 n
2 n
= 0
Y = 187.642857
S
n
= 10.18219041
t = t0.025 = 2.160368240
2
t = t0.975 = 2.160368240
1
2
P( 2.160368240)(10.18219041) Y ( 2.160368240)(10.18219041) = 0.95
P( 21.99728078) Y ( 21.99728078) = 0.95
(187.642857 0) 14
38.09826797
= 18.42853545
10
Y1
123
132
149
151
175
179
187
200
206
206
218
219
234
248
+
+
+
+
+
+
+
+
+
+
+
+
+
+
n+
n
14
0
Ho : M = 0
= 0.05
n+
n+ n )
(
M =
2
M =
(14 0)
2
= 7
11
min(n+,n)n
t
Prob[ M M] = 0.5( nt 1)
j =0
Prob[ M M] = 0.5(13)
min(14,0)13
0
j =0
13
Prob[ M M] = 1.220703125X104 = (1.220703125X104 )(1) = 1 .220703125X104
0
t
+
mediana hipottica.
12
Yi M0 = 0
r
El siguiente paso es atribuir rangos ( i ) a las observaciones que quedan. Los empates se
promedian.
Y1
123
132
149
151
175
179
187
200
206
206
218
219
234
248
Yi M0
123
132
149
151
175
179
187
200
206
206
218
219
234
248
r+
i
1
2
3
4
5
6
7
8
9.5
9.5
11
12
13
14
105
Ho : M = 0
n ( n + 1)
S = r+ t t
i
4
r +es el rango de Yi M0
i
nt
es el nmero de valores Yi
Yi M0
S = 105
mayores que 0
(14)(15)
4
no iguales a
= 52.5
13
M0
Yi
iguales a
M0
Por hiptesis
2 = 900
0
= 0.05
n = 14
) 2
2 = ( n 1S
( n 1S
) 2
= 1
P2
2
1
2
2
2
2
2
0
0 = 1
P2
S2 2
( n 1)
( n 1)
1
2 = 2
0
Los lmites de dicho intervalo constituyen los valores crticos para el contraste de la hiptesis.
Si esta hiptesis es cierta, la variable aleatoria tendr una distribucin ji-cuadrado centrada, de
otro modo, la distribucin de la variable ser ji-cuadrado no centrada.
Reeemplazando valores en la ltima expresin
2 = 2
= 5.00875
0.025
2
2
= 2
= 24.7356
0.975
1
2
( )
( )
13
13
P346.7596154 S2 1712.464615 = 0.95
14
Debido a que dicha varianza est dentro del intervalo de aceptacin, cuyos lmites son 346.76 y
1712.46 (libras), se acepta la hiptesis planteada.
Otra forma de contrastar la hiptesis es calculando la probabilidad
( 2) P2
( n 1S
) 2
(14 1)(1451.478022)
= ( 2) P2
=
2
0
900
Debido a que esta probabilidad es mayor al doble del nivel de significacin elegido ( 2 = 2 x
0.05 = 0.010 ), se acepta la hiptesis.
15
El segundo paso es calcular W. En la Tabla A, con k=7 n=14, se busca los k coeficientes a i
(a1, a2, a3, a4, a5, a6, a7), los cuales resultan:
a1=0.5251, a2=0.3318, a3=0.2460, a4=0.1802, a5=0.1240, a6=0.0727, a7=0.0240
El tercer paso es ordenar los n = 14 datos, de menor a mayor:
123, 132, 149, 151, 175, 179, 187, 200, 206, 206, 218, 219, 234, 248
El cuarto paso es calcular el estadstico W utilizando la expresin:
W =
[ a1( Yn
Y1) + a2 ( Yn 1 Y2 ) + a3 ( Yn 2 Y3 ) + ... + ak ( Yn k + 1 Yk ) ] 2
d
Donde
d = S2 (n 1) = (1451.478022)(14 1) = 18869.21429
W =
W =
[ 0.5251( 248 123) + 0.3318( 234 132) + 0.2460( 219 149) + ... + 0.0240( 200 187) ] 2
18869.21429
[134.8934] 2
18869.21429
= 0.964334236
16
2
0.7071
11
0.5601
0.3315
0.2260
0.1429
0.0695
0.0000
21
0.4643
0.3185
0.2578
0.2119
0.1736
0.1399
0.1092
0.0804
0.0530
0.0263
0.0000
-
3
0.7071
0.0000
12
0.5475
0.3325
0.2347
0.1506
0.0922
0.0303
22
0.4590
0.3156
0.2571
0.2131
0.1764
0.1443
0.1150
0.0878
0.0618
0.0368
0.0122
-
4
0.6872
0.1677
13
0.5359
0.3325
0.2412
0.1707
0.1099
0.5390
0.0000
23
0.4542
0.3126
0.2563
0.2139
0.1787
0.1480
0.1201
0.0941
0.0696
0.0459
0.0228
0.0000
-
5
0.6646
0.2413
0.0000
14
0.5251
0.3318
0.2460
0.1802
0.1240
0.0727
0.0240
24
0.4493
0.3098
0.2554
0.2145
0.1007
0.1512
0.1245
0.0997
0.0764
0.0539
0.0321
0.0107
-
6
0.6431
0.2806
0.0875
15
0.5150
0.3306
0.2495
0.1876
0.1353
0.0880
0.0433
0.0000
25
0.4450
0.3069
0.2543
0.2148
0.1822
0.1539
0.1263
0.1046
0.0823
0.0610
0.0403
0.0200
0.0000
-
7
0.6233
0.3031
0.1401
0.0000
16
0.5056
0.3290
0.2521
0.1939
0.1447
0.1005
0.0593
0.0196
26
0.4407
0.3043
0.2533
0.2151
0.1836
0.1563
0.1316
0.1089
0.0876
0.0672
0.0476
0.0284
0.0094
-
8
0.6052
0.3164
0.1743
0.0561
17
0.4968
0.3273
0.2540
0.1988
0.1524
0.1109
0.0725
0.0359
27
0.4366
0.3018
0.2522
0.2152
0.1840
0.1584
0.1346
0.1128
0.0923
0.0728
0.0540
0.0358
0.0178
0.0000
-
9
0.5868
0.3244
0.1976
0.0947
0.0000
18
0.4886
0.3253
0.2553
0.2027
0.1587
0.1197
0.0837
0.0496
0.0163
28
0.4328
0.2992
0.2510
0.2151
0.1857
0.1601
0.1372
0.1162
0.0965
0.0778
0.0598
0.0424
0.0253
0.0084
-
10
0.5739
0.3291
0.2141
0.1224
0.0399
19
0.4808
0.3232
0.2561
0.2059
0.1641
0.1271
0.0932
0.0612
0.0303
0.0000
29
0.4291
0.2968
0.2499
0.2150
0.1864
0.1616
0.1395
0.1192
0.1002
0.0822
0.0650
0.0483
0.0320
0.0159
0.0000
Tomado de :Handbook for Statistical Analysis of Environmental Background Data. SWDIV and EFA WEST of Naval facilities Engineering Command, julio 1999.
17
20
0.4734
0.3211
0.2565
0.2085
0.1686
0.1334
0.1013
0.0711
0.0422
0.0140
30
0.4254
0.2944
0.2487
0.2148
0.1870
0.1630
0.1415
0.1219
0.1036
0.0862
0.0697
0.0537
0.0381
0.0227
0.0076
W0.01
0.753
0.687
0.686
0.713
0.730
0.749
0.764
0.781
0.792
0.805
0.814
0.825
0.835
0.844
0.851
0.858
0.863
0.868
0.873
0.878
0.881
0.884
0.886
0.891
0.894
0.896
0.898
0.900
0.902
0.904
0.906
0.908
0.910
0.912
0.914
0.916
0.917
0.919
0.920
0.922
0.923
0.924
0.926
0.927
0.928
0.929
0.929
0.930
W0.02
0.756
0.707
0.715
0.743
0.760
0.778
0.791
0.806
0.817
0.828
0.837
0.846
0.855
0.863
0.869
0.874
0.879
0.886
0.884
0.892
0.895
0.898
0.901
0.904
0.906
0.908
0.910
0.912
0.914
0.915
0.917
0.919
0.920
0.922
0.924
0.925
0.927
0.928
0.929
0.930
0.932
0.933
0.934
0.935
0.936
0.937
0.937
0.938
W0.05
0.767
0.748
0.762
0.788
0.803
0.818
0.829
0.842
0.850
0.859
0.866
0.874
0.881
0.887
0.892
0.897
0.901
0.905
0.908
0.911
0.914
0.916
0.918
0.920
0.923
0.924
0.926
0.927
0.929
0.930
0.931
0.933
0.934
0.935
0.936
0.938
0.939
0.940
0.941
0.942
0.943
0.944
0.945
0.945
0.946
0.947
0.947
0.947
W0.10
0.789
0.792
0.806
0.826
0.838
0.851
0.859
0.869
0.876
0.883
0.889
0.895
0.901
0.906
0.910
0.914
0.917
0.920
0.923
0.926
0.928
0.930
0.931
0.933
0.935
0.936
0.937
0.939
0.940
0.941
0.942
0.943
0.944
0.945
0.946
0.947
0.948
0.949
0.950
0.951
0.951
0.952
0.953
0.953
0.954
0.954
0.955
0.955
W0.50
0.859
0.935
0.927
0.927
0.928
0.932
0.935
0.938
0.940
0.943
0.945
0.947
0.950
0.952
0.954
0.956
0.957
0.969
0.960
0.961
0.962
0.963
0.964
0.965
0.965
0.966
0.966
0.967
0.967
0.968
0.968
0.969
0.969
0.970
0.970
0.971
0.971
0.972
0.972
0.972
0.973
0.973
0.973
0.974
0.974
0.974
0.974
0.974
Tomado de :Handbook for Statistical Analysis of Environmental Background Data. SWDIV and EFA WEST
of Naval facilities Engineering Command, july 1999.
18
14
187.642857
38.098268
-0.2586933
511807
20.3036068
Sum Weights
Sum Observations
Variance
Kurtosis
Corrected SS
Std Error Mean
14
2627
1451.47802
-0.8745453
18869.2143
10.1821904
187.6429
193.5000
206.0000
Variability
Std Deviation
Variance
Range
Interquartile Range
38.09827
1451
125.00000
67.00000
Estimate
19
Mean
Std Deviation
Variance
187.64286
38.09827
1451
165.64557
27.61949
762.83618
209.64014
61.37793
3767
-Statistic-
-----p Value------
Student's t
Sign
Signed Rank
t
M
S
Pr > |t|
Pr >= |M|
Pr >= |S|
18.42854
7
52.5
<.0001
0.0001
0.0001
--Statistic---
-----p Value------
Shapiro-Wilk
Kolmogorov-Smirnov
Cramer-von Mises
Anderson-Darling
W
D
W-Sq
A-Sq
Pr
Pr
Pr
Pr
0.964338
0.127163
0.035051
0.223019
<
>
>
>
W
D
W-Sq
A-Sq
Quantiles (Definition 5)
Quantile
Estimate
100% Max
99%
95%
90%
75% Q3
50% Median
25% Q1
10%
5%
1%
0% Min
248.0
248.0
248.0
234.0
218.0
193.5
151.0
132.0
123.0
123.0
123.0
Extreme Observations
----Lowest----
----Highest---
Value
Obs
Value
Obs
123
132
149
151
175
10
2
8
4
1
206
218
219
234
248
14
3
6
7
11
20
0.7933
>0.1500
>0.2500
>0.2500
Lower CL
Mean
Mean
Upper CL
Mean
Lower CL
Std Dev
Std Dev
Upper CL
Std Dev
Std Err
14
165.65
187.64
209.64
27.619
38.098
61.378
10.182
T-Tests
Variable
DF
t Value
Pr > |t|
Y1
13
-4.75
0.0004
VARI
1451.48
HVAR
X2
900
20.9658
Prob
0.073608
H0 : 2 = 1000 ,
21
11.0
19.6
22.5
18.2
20.8
16.0
13.9
17.9
16.0
25.1
14.4
18.5
13.7
16.5
27.8
18.2
16.5
21.0
22.0
19.3
18.0
15.7
25.0
19.0
15.4
10.7
19.7
15.8
20.2
16.5
14.3
18.7
14.0
19.9
18.1
19.0
13.0
16.3
12.5
15.3
10.9
19.5
21.6
14.4
21.0
14.5
17.1
16.3
13.0
17.5
14.9
17.5
15.2
18.7
21.2
13.8
11.2
17.7
17.0
17.3
80
17.26125
3.7610426
0.64252215
24953.55
21.7889353
Sum Weights
Sum Observations
Variance
Kurtosis
Corrected SS
Std Error Mean
80
1380.9
14.1454415
0.76664427
1117.48988
0.42049735
Variability
17.26125
17.05000
16.50000
Std Deviation
Variance
Range
Interquartile Range
3.76104
14.14544
18.60000
5.20000
Estimate
Mean
Std Deviation
Variance
17.26125
3.76104
14.14544
18.09823
4.45485
19.84571
-Statistic-
-----p Value------
Student's t
Sign
Signed Rank
t
M
S
Pr > |t|
Pr >= |M|
Pr >= |S|
41.04961
40
1620
22
<.0001
<.0001
<.0001
Test
--Statistic---
-----p Value------
Shapiro-Wilk
Kolmogorov-Smirnov
Cramer-von Mises
Anderson-Darling
W
D
W-Sq
A-Sq
Pr
Pr
Pr
Pr
0.969973
0.056078
0.039761
0.374107
<
>
>
>
W
D
W-Sq
A-Sq
0.0565
>0.1500
>0.2500
>0.2500
Quantiles (Definition 5)
Quantile
Estimate
100% Max
99%
95%
90%
75% Q3
50% Median
25% Q1
10%
5%
1%
0% Min
29.30
29.30
23.85
21.80
19.55
17.05
14.35
12.75
11.30
10.70
10.70
Extreme Observations
----Lowest----
----Highest---
Value
Obs
Value
Obs
10.7
10.9
11.0
11.2
11.4
45
7
3
56
2
22.7
25.0
25.1
27.8
29.3
49
21
75
36
26
En la tabla de Z usando SAS EXCEL, se busca los valores de Z para las probabilidades 2
CY + Z Y + Z = 1
1
2 n
2 n
23
= 3.7610426
Z = Z0.025 = 1.95996279
2
Z = Z0.975 = 1.95996279
1
2
8.94427
8.94427
C16.43709
18.08541] = 0.95
[
Para calcular el intervalo de confianza para la varianza del DAP se utiliza la expresin ya
conocida
2
2
)
( n 1S
)
( n 1S
2
C
= 1
2
2
2
2
2
= 2
0.975 para n-1 = 79 grados de libertad, los cuales corresponden a:
1
2
2 = 2
= 56.30887318
0.025
2
2
= 2
= 105.4726862
0.975
1
2
( 79)(14.14544)
( 79)(14.14544)
C
2
= 0.95
105.4726862
56.30887318
19.84571342 = 0.95
24
( Y )
constituyen los valores crticos para el contraste de la hiptesis planteada. As, el intervalo de
probabilidad est dado por la expresin:
= 1
P0 + Z
Y 0 + Z
1
2 n
2 n
Por hiptesis
0 = 18
= 3.7610426
Z = Z0.025 = 1.95996279
2
Z = Z0.975 = 1.95996279
1
2
8.94427
8.94427
C17.579503
18.420497] = 0.95
[
PZ
( Y 0 )
n
=
25
(17.26125 18) 80
PZ
= P[ Z 1.756848] = ( 2)( 0.0394718) = 0.0789436
3.7610426
Debido a que esta probabilidad (0.0789436) es menor al doble del nivel de significacin elegido
( 2 = 2x0.05 = 0.10 ), se rechaza la hiptesis.
MEM
MU0
17.2613
18
VARM
14.1454
26
80
Zc
PR
-1.75685
0.039472
Y2
142
311
337
262
302
195
253
199
236
216
211
179
249
214
27
S2 2
PF 1 2 F = 1
1
S2 2
2
2
2 1
S2
PF 1 F = 1
1
S2
2
2
2
2 = 2
1
2
F
= F0.025(13,13gl) = 0.321023208
(n ,n gl)
2 1 2
F
= F0.975(13,13gl) = 3.115033564
1 (n1,n2 gl)
2
S2
P0.321023208 1 3.115033564 = 0.95
S2
2
S2
1 = 1451.47802 = 0.497085255
2919.97802
S2
2
P[F 0.497085255] = 0.110448693
28
Para realizar esta prueba es usual que la varianza poblacional con el mayor valor se identifique
con S12 y la varianza con el menor valor con S22 . Tomando en cuenta esto, la prueba llega a
ser del siguiente modo:
S2 = 2919.97802
1
S2 = 1451.47802
2
S2
1 = 2919.97802 = 2.011727343
1451.47802
S2
2
P[F 2.011727343] = 0.110448693
Y1 Y2 ( 1 2 )
: t
n1 + n2 2
1 1
2
Sp +
n1 n2
29
) 12 + ( n2 1S
) 22
2 = ( n1 1S
Sp
S2 + S2 2
1
2
El intervalo de probabilidad es:
2 1 + 1 Y Y ( ) + t
2 1
1
P( 1 2 ) + t Sp
n
1
2
1
2
Sp n + n = 1
n
1
1
2
2
2
2
2 1 + 1 Y Y t
2 1
1
Pt Sp
n
1
2
Sp n + n = 1
n
1
1
2
2
2
2
1 = 2
) 12 + ( n2 1S
) 22
(13)(1451.47802) + (13)( 2919.97802)
2 = ( n1 1S
Sp
=
= 56828.92852 = 2185.72802
n
1
+
n
1
13 + 13
26
( 1 ) ( 2 )
2 1 + 1 =
Sp
n
n2
1
( 14
( 2185.72802) 1 + 1
14
312.24686 = 17.6705082
Por hiptesis, ( 1
2 ) = 0
( Y1 Y2 )
t = t0.005 = 2.778724593
2
t = t0.995 = 2.778724593
1
2
Y1 Y2 ( 1 2 )
48.5
= (187.642857 236.142857) =
= 2.7446862
17.6705082
17.6705082
1 1
2
Sp +
n1 n2
P[ t 2.7446862] = 0.005417371
30
GRUPO
Diff (1-2)
1
2
Lower CL
Mean
Mean
Upper CL
Mean
Lower CL
Std Dev
Std Dev
Upper CL
Std Dev
165.65
204.94
-84.82
187.64
236.14
-48.5
209.64
267.34
-12.18
27.619
39.174
36.818
38.098
54.037
46.752
61.378
87.056
64.07
14
14
Statistics
Variable
Y
Y
Y
GRUPO
Diff (1-2)
1
2
Std Err
Minimum
Maximum
10.182
14.442
17.671
123
142
248
337
T-Tests
31
Variable
Method
Variances
Y
Y
Pooled
Satterthwaite
Equal
Unequal
DF
t Value
Pr > |t|
26
23.4
-2.74
-2.74
0.0108
0.0114
Equality of Variances
Variable
Method
Folded F
Num DF
Den DF
F Value
Pr > F
13
13
2.01
0.2209
32
Ho : 2 = 2
1
2
= 0.05
n1 = 20
n2 = 10
S2 = 7.63157895
1
33
S2 = 51.433333333
2
S2
PF 1 F = 1
1
S2
2
2
2
2 = 2
1
2
F
= F0.025(19,09) = 0.34721559
(n 1,n2 1)
2 1
F
= F0.975(19,09) = 3.683339855
1 (n1 1,n2 1)
2
S2
P0.34721559 1 3.683339855 = 0.95
S2
2
S2
1 = 7.63157895 = 0.148378074
51.4333333
S2
2
P[F 0.148378074] = 0.000247006
Pr > Fc = ( 2)( 0.000247006) = 4.94012X10 04
De acuerdo a estos resultados, no existe evidencia estadstica para suponer que las varianzas
de ambas poblaciones sean iguales.
: t'
2
2
La variable aleatoria
tiene una distribucin aproximada t.
S
S
1 + 2
n1 n2
34
S2
S2
1 t + 2t
n1 1
n2 2
Tanto el valor crtico inferior como el superior estan dados por la expresin
S2
S2
1 + 2
n1
n2
t1 es el valor de
DATA HACIENDA;
DO I=1 TO 20;
DO GRUPO=1 TO 2;
INPUT PA @@;
OUTPUT;
END;
END;
CARDS;
35
32
40
28
37
33
37
35
34
45
37
28
40
30
37
32
35
30
42
16
42
.
40
.
39
.
36
.
43
.
36
.
43
.
38
.
41
.
38
.
;
PROC TTEST DATA=HACIENDA;
CLASS GRUPO;
VAR PA;
RUN;
The TTEST Procedure
Statistics
35
Variable
PA
PA
PA
GRUPO
N
1
2
Lower CL
Mean
Mean
Upper CL
Mean
Lower CL
Std Dev
Std Dev
Upper CL
Std Dev
37.207
25.77
3.9034
38.5
30.9
7.6
39.793
36.03
11.297
2.1009
4.933
3.6977
2.7625
7.1717
4.6595
4.0349
13.093
6.3017
20
10
Diff (1-2)
Statistics
Variable
PA
PA
PA
GRUPO
1
2
Diff (1-2)
Std Err
Minimum
Maximum
0.6177
2.2679
1.8046
34
16
43
45
T-Tests
Variable
Method
Variances
PA
PA
Pooled
Satterthwaite
Equal
Unequal
DF
t Value
Pr > |t|
28
10.4
4.21
3.23
0.0002
0.0086
Equality of Variances
Variable
Method
PA
Folded F
Num DF
Den DF
F Value
Pr > F
19
6.74
0.0005
36
) 12 + ( n2 1S
) 22
2 = ( n1 1S
Sp
S2 + S2 2
1
2
El intervalo de probabilidad es:
2 1 + 1 Y Y ( ) + t
2 1 + 1 = 1
P( 1 2 ) + t Sp
Sp
n
1
2
1
2
n
n2
n2
1
1
2
2
2 1 + 1 Y Y t
2 1 + 1 = 1
Pt Sp
Sp
n
n
1
2
n2
n2
1
1
2
2
1 = 2
) 12 + ( n2 1S
) 22
(13)(1451.47802) + (13)( 2919.97802)
2 = ( n1 1S
Sp
=
= 56828.92852 = 2185.72802
13 + 13
26
( n1 1) + ( n2 1)
2 1 + 1 =
Sp
n
n2
1
( 14
( 2185.72802) 1 + 1
14
312.24686 = 17.6705082
Por hiptesis, ( 1
2 ) = 0
( Y1 Y2 )
t = t0.005 = 2.778724593
2
t = t0.995 = 2.778724593
1
2
Y1 Y2 ( 1 2 )
48.5
= (187.642857 236.142857) =
= 2.7446862
17.6705082
17.6705082
2 1 + 1
Sp
n n
1 2
P[ t 2.7446862] = 0.005417371
37
38
Racin A
26
25
12
25
20
16
18
21
11
8
182
18.2
40.4
10
Racin B
23
22
16
29
24
15
24
25
16
14
208
20.8
26.4
10
D=A-B
3
3
-4
-4
-4
1
-6
-4
-5
-6
-26
-2.6
12.4888889
10
= 0.05
n = 10
D D
: tn 1
SD
t = t0.025 = 2.26215889
2
t = t0.975 = 2.26215889
1
2
Mdia_de_Diferencias = D = 2.6
Varianza_de_Diferencias = S2 = 12.4888889
D
S2 =
D
Desviacin_Estandar_de_Diferencias = SD =
Error_Estandar_de_Diferencias = S =
D
S2
D =
n
39
12.4888889 = 3.53396221
12.4888889
= 1.117536975
10
Flix A. Astete M.
El intervalo de confianza para la mdia:
CD + t S D + t S = 1
D
D
D
1
2
2
C( 2.6) + ( 2.26215889)(1.117536975) ( 2.6) + ( 2.26215889)(1.117536975) = 0.95
D
C 5.128046203 0.071953797 = 0.95
D
: 2
n 1
2
2
n
1S
( n 1S
) D
(
)
D = 1
C
2
D
2
2
2
2
n = 10
S2 = 12.4888889
D
2 = 2
= 2.70039
0.025
2
2
= 2
= 19.0228
0.975
1
2
( 9)(12.4888889)
( 9)(12.4888889)
C
2
= 0.95
D
19.0228
2.70039
2
) D
( n 1S
C
D
2
2
( n 1S
) D
= 1
2
2 = 2
= 2.70039
0.025
40
2
= 2
= 19.0228
0.975
1
2
( 9)(12.4888889)
C
D
19.0228
( 9)(12.4888889)
2.70039
= 0.95
por hiptesis
Pt S D t S = 1
D
D
1
2
D = 0
41
Lower CL
Mean
Mean
Upper CL
Mean
Lower CL
Std Dev
Std Dev
Upper CL
Std Dev
10
-5.128
-2.6
-0.072
2.4308
3.534
6.4516
Std Err
Minimum
Maximum
1.1175
-6
Statistics
Difference
PESOP1 - PESOP2
T-Tests
Difference
PESOP1 - PESOP2
DF
9
t Value
-2.33
Pr > |t|
0.0450
1
Y 11
2
Y21
Tratamientos (i)
3
....
Y 31
....
Y 12
Y22
Y 32
3
.
.
.
r
Y 13
....
....
....
Y1r
Y23
....
....
....
Y2r
Y 33
....
....
....
Y3r
Total (t)
Y1.
Y2.
Total (r )
n1.
n2.
t
Y t1
Total
Y. 1
....
Y t2
Y. 2
....
....
....
....
....
Y t3
....
....
....
Ytr
Y.3
....
....
....
Y. r
Y3.
....
Yt.
Y ..
n3.
....
nt.
n..
S de C
GL
42
CVE(C M)
e2 + r2
t-1
Tratamientos
t(r-1)
Error
X 2i. X..2
t r
r
rt 2
X
ij
rt-1
Total
2
ij
X 2i.
r
e2
(X )
ij
rt
EJEMPLO
Se ha ensayado cuatro variedades de cebada con 5 repeticiones y este experimento se
ha conducido en un D.I.A. A continuacin se dan los resultados expresados en
kilogramos cosechados. Efectuar el ANVA.
Obs.
1
2
3
4
5
A
730
730
730
750
750
Trat.(i=1,2,3,4)
B
C
D
740
680 710
740
690 710
740
690 710
740
690 720
750
700 730
ANVA:
Resultados
F. De V.
G.L.
Tratamientos
3
Error exptal.
16
Total
19
S.C.
8480
1040
9520
C.M.
Fc.
2826.3 43.49**
65
II
III
IV
Yi.
H2SO4 (lit/ha)
0
10
20
30
40
28
30
40
41
52
27
32
42
43
50
26
32
40
42
53
28
31
43
41
52
25
30
44
40
54
134
155
209
207
261
Y..= 966
ANALISIS DE
F. De V.
Tratamientos
Error exptal.
Total
43
VARIANZA
G.L.
S.C.
4
2000.16
20
37.60
24
2037.76
C.M.
Fc.
500.04 265.98**
1.88
ij : Es el verdadero efecto aleatorio del error muestral en la j-sima unidad experimental sujeta al isimo tratamiento
TABLA ANOVA: Frmulas
F. de V.
Trat.
G.L.
t-1
Error
Total
S. C.
C.M.
e2 + r02
X ij
X 2i
ri
ri
) X X
(r 1
r
t
ri
2
ij
2
i.
e2
t ri
X ij
r
ri
t
i
i
j
2
i
X ij
ri
i
j
Condiciones de almacenamiento
1
2
3
4
5
7.3
5.4
8.1
7.9
7.1
8.3
7.4
6.4
9.5
7.6
7.1
10.0
8.4
8.3
Programa en SAS.
/*******************************************/
/* EFECTUA EL ANVA DE UN DIA CON DIFERENTE */
/* NUMERO DE REPETICIONES POR TRATAMIENTO */
/*******************************************/
DATA PINO;
TITLE 'CONTENIDO DE HUMEDAD DE MADERA BLANCA DE PINO';
INPUT ALMAC REPE HUMED;
CARDS;
1 1 7.3
1 2 8.3
1 3 7.6
1 4 8.4
1 5 8.3
2 1 5.4
2 2 7.4
2 3 7.1
3 1 8.1
44
3 2 6.4
4 1 7.9
4 2 9.5
4 3 10.0
5 1 7.1
;
PROC GLM;
CLASSES ALMAC REPE;
MODEL HUMED=ALMAC;
RUN;
PROC VARCOMP METHOD=TYPE1;
CLASSES ALMAC REPE;
MODEL HUMED=ALMAC;
RUN;
Diseo Completo al Azar con igual nmero de subunidades por unidad experimental
El modelo estadstico lineal aditivo es el siguiente:
X ijk = + i + ij + ijk
ikj : = Es el verdadero efecto aleatorio del error muestral en la k-sima subunidad, de la j-sima
unidad experimental sujeta al i-simo tratamiento.
TABLA ANVA: FORMULAS
F de V
GL
SC
Tratamientos
Unidades dentro de
tratamientos=Error
experimental
Entre subunidades
dentro de
unidades=Error de
muestreo
Total entre
subunidades
t-1
X ij
rs
trs
i
2
i.
2s + s 2e
2s + s 2e + rs 2
+ rs 2i / ( t 1)
X 2ij.
i , j,k
i , j ,k
2
ijk
2s
X 2i..
rs
X2ijk
trs-1
Modelo II
t(r-1)
tr(s-1)
Modelo I
X 2ij.
i
j sXijk
i , j ,k
trs
45
2s
+ s 2e
2s + s 2e
2s
Ejemplo: Los datos que se muestran a continuacin se refieren a producciones parciales de forraje de
maz en verde, tomadas como muestras ante la imposibilidad de medir la produccin total de cada unidad
experimental. Los tratamientos consisten en cantidades diferentes de estircol incorporado al suelo como
mejorador.
Dosis
0
ton/ha
I
24
23
21
II
19
21
24
III
18
19
22
IV
23
22
20
Yi..
Yij.
4
ton/ha
68
25
28
30
64
31
24
32
59
28
32
36
65
34
33
29
256
Yij.
6
ton/ha
83
56
65
58
87
62
60
59
96
61
60
64
96
62
60
61
362
Yij.
2
ton/ha
728
66
Yij.
67
63
63
259
Y...
1605
F. de V.
Tratamientos
Error exptal.
Error de
muestreo
Total
ANALISIS DE VARIANZA
G.L.
S.C.
C.M.
3
12469.985 4156.662
12
67.916
5.660
32
47
228.000
12765.812
Programa en SAS.
DATA FORRAJE;
OPTIONS NODATE NOCENTER NONUMBER;
INPUT ESTIER PRODUC REP MAIZ @@;
CARDS;
0
1
1
24
0
1
2
23
0
1
3
0
2
1
19
0
2
2
21
0
2
3
0
3
1
18
0
3
2
19
0
3
3
0
4
1
23
0
4
2
22
0
4
3
4
1
1
25
4
1
2
28
4
1
3
4
2
1
31
4
2
2
24
4
2
3
4
3
1
28
4
3
2
32
4
3
3
4
4
1
34
4
4
2
33
4
4
3
6
1
1
56
6
1
2
65
6
1
3
6
2
1
62
6
2
2
60
6
2
3
6
3
1
61
6
3
2
60
6
3
3
6
4
1
62
6
4
2
60
6
4
3
2
1
1
24
2
1
2
19
2
1
3
2
2
1
21
2
2
2
22
2
2
3
2
3
1
23
2
3
2
18
2
3
3
2
4
1
19
2
4
2
21
2
4
3
;
PROC PRINT; RUN;
PROC GLM;
CLASS ESTIER PRODUC REP;
MODEL MAIZ = ESTIER PRODUC(ESTIER);
TEST H = ESTIER E = PRODUC(ESTIER);
LSMEANS ESTIER PRODUC(ESTIER) /PDIFF STDERR;
RUN;
PROC VARCOMP METHOD=TYPE1;
CLASSES ESTIER PRODUC;
MODEL MAIZ=ESTIER PRODUC(ESTIER);
RUN;
EJEMPLO: (Evaluacin del rendimiento de papa).
46
7.125
21
24
22
20
30
32
36
29
58
59
64
61
23
24
22
23
Fc.
734.4**
0.79ns.
Ho: 1 = 2 = 3 = 4
Ha: i 0
Ha: i j
Parcela
1
2
3
Variedades de papa
1
2
3
56
55
76
57
54
76
50
53
78
50
55
74
51
56
70
54
59
72
4
75
74
73
71
69
72
47
Fc. Ftabla
55.64 7.59
2.85
4.5
t-1
Tratamientos
F rI
G
JK
H
+
t
ri
ij
FF X
X
G
H
G
H
rij
Unidades dentro
de
tratamientos=Erro
r experimental
ijk
rrikij
t 1
ijk
j k
k
ri
ri
II
JK
JK TC
2
ri rij
2
i
s2 + c 2e2
+c3 2
F X I
JK
G
H
ri
jr
ij
ijk
ri
ij
Entre
subunidades
dentro de
unidades=Error
de muestreo
ri
rij
ri
FX I
JK
G
H
( ri 1)
t ri
2
ijk
rij
d i
2s + c1 2e
ijk
2s + c1 2e
rik
rij 1
Total entre
subunidades
t ri
2s
2s
t ri rij
rij 1
investigar
X2ijk TCla conversin fermentativa del azcar a cido
Ejemplo: Considere el experimento
para
i j
i j k
lctico. Se desea comparar la capacidad
de 2 microorganismos para efectuar esta conversin. Se
prepara una cantidad de sustrato y se divide en dos porciones desiguales. Cada porcin se divide en un
nmero de subporciones de 100 ml (unidades experimentales) como sigue: No.1, 4 unidades; No. 2, 3
unidades. Cada una de las unidades de 100 ml es inoculada con uno u otro de los microorganismos, 4
unidades fueron inoculadas con el microorganismo 1 y 3 unidades con el microorganismo 2. La
fermentacin procede por 24 horas y despus cada unidad experimental (100 ml) son examinados con
respecto a la cantidad de azcar residual. Luego se hace varias determinaciones en cada muestra.
Determinaciones
1
2
3
4
5
1
5.6
5.7
X11.=11.3
rij
ri
r11=2
Microorganismo No. 1
Muestra nmero
2
3
5.0
5.4
5.0
5.4
5.1
5.4
5.5
5.4
X12.=15.1
4
5.3
5.5
-
X13.=27.1
X14.=10.8
r13=2
r14=2
r12=2
Microorganismo No. 2
Muestra nmero
1
2
3
7.6
7.4
7.5
7.6
7.0
7.6
7.8
7.2
7.5
7.4
X21.=23.0
X22.=21.6
X23.=30.0
138.9
r22=2
r23=2
R=22
r21=2
X1.. = 64.3
X2..=74.6
r1=4
r2=3
48
F. de V.
Microorganismos
GL
1
5
SC
24.092
7
0.8468
CM
24.092
7
0.1694
Error
experimental
Error de muestreo
Total
15
22
0.1664
22.08
0.0111
Programa en SAS
DATA ONCE;
INPUT MICR MUES DETE Y;
CARDS;
1 1 1 5.6
1 1 2 5.7
1 2 1 5.0
1 2 2 5.0
1 2 3 5.1
1 3 1 5.4
1 3 2 5.4
1 3 3 5.4
1 3 4 5.5
1 3 5 5.4
1 4 1 5.3
1 4 2 5.5
2 1 1 7.6
2 1 2 7.6
2 1 3 7.8
2 2 1 7.4
2 2 2 7.0
2 2 3 7.2
2 3 1 7.5
2 3 2 7.6
2 3 3 7.5
2 3 4 7.4
;
PROC PRINT;
PROC NESTED;
CLASS MICR MUES;
VAR Y;
RUN;
PROC VARCOMP METHOD=TYPE1;
CLASS MICR MUES;
MODEL Y=MICR MUES(MICR);
RUN;
49
Fc
142.22
15.26
BIBLIOGRAFIA
ASTETE, ALONSO. 2005. GUIA DE PRCTICAS. INEIA.
IBAEZ Q., V. y W. ZEA F. 2006. Aplicaciones con el Sistema de Anlisis Estadstico SAS. UNAPuno.
50