Estadistica - Capitulo 9,10

- - - -...
-~
~ ..
....~ ... -~--.
- -...- -...-~.-- ... - - - ...- - - -...------------------------~
8.1 INTRODUCCION
8.4 DISENO DE MEDICIONES
REPETIDAS
8.2 DISENO COMPLETAMENTE

ALEATORIZADO
8.3 DISENO POR BLOQUES
8.5 EXPERIMENTO FACTORIAL

8.6 RESUMEN
COMPLETOS Y ALEATORIZADOS
8.t
INTRODUCCION
En los capftulos anteriores se estudian los conceptos elementales de estadfstica,
los cuales constituyen las bases para este y los capitulos siguientes.
En este capitulo se estudia el antilisis de La variancia, el eual se define como
una ticnica en La que La variancia total de un conjunto de datos se divide en dos 0 mas
componentes, y cada uno de ellos se asocia con una fuente especifica de variaci6n, de
manera que durante el antilisis es posible encontrar la magnitud con la que contribuye
cada una de esas fuentes en fa variacion total.
El desarrollo del analisis de la variancia (ANOVA) se debe principalmente al
trabajo de R. A. Fisher (1), cuyas contribuciones a la estadistica, desde 1912 hasta
1962, tuvieron una gran influencia en toda la estadistiea moderna (2, 3).
Aplicaeiones
El amllisis de variancia tiene amplia aplicacion en el amHisis de
datos derivados de experimentos. Los principios para el disefio de experimentos
se estudian en varias obras, entre elIas las de Hinkelmann y Kempthorne (4),
Montgomery (5), y Myers y Well (6). No se estudia aqui con detalle este tema,
porque de hacerlo serfa necesario por 10 menos un capftulo adicional. Sin embar
go, algunos conceptos importantes del disefio experimental apareeen conforme
se estudia el analisis de la variancia.
EI analisis de la variancia se utiliza para cumplir dos objetivos: 1) estimar y
probar hipotesis respecto a las variancias de las poblaciones y 2) estimar y probar
hip6tesis respecto a las medias de las poblaciones. En esta secci6n el objetivo es
295
296
CAPITULO 8
ANALISIS DE LA VARIANCIA
estimar y probar hipotesis respecto a las medias de las pobladones. Sin embargo,
tal como se puede apredar, las condusiones respecto a las medias dependen de la
magnitud de las variandas observadas.
Es posible observar que los conceptos y tecnicas cubiertas bajo el titulo de
amilisis de la variancia son extensiones de los conceptos y tecnicas que se tratan en
el capitulo 7. En dicho capitulo se aprendio a probar la hipotesis nula que dice que
dos medias son iguales. En este capitulo se estudia como probar la hipotesis nula
que afirma que tres 0 mas medias son iguales. Por ejemplo, mientras que en el
capitulo 7 se aprendio a determinar si es posible conduir que dos tratamientos
difieren en eficada, aqui se aprendera a determinar si es posible conduir que tres 0
mas tratamientos difieren en eficacia. Los siguientes ejemplos ilustran algunas ideas
basicas reladonadas con la aplicacion del analisis de la variancia, las cuales se am
pliaran y explicaran en las siguientes secciones.
FJEMPLO 8.1.1
Suponga que se pretende saber si tres medicamentos difieren en su eficada para
disminuir las concentraciones sericas de colesterol en los seres humanos. Se aplican
a tres grupos de individuos, respectivamente, los medicamentos A, B Y C. Despues
de transcurrido derto periodo se toman medidones para identificar el grado en
que se redujo el nivel de colesterol serico en cada individuo. Se encuentra que el
cole sterol disminuyo en diferente medida en cada individuo, es decir, existe variabi
lidad entre las mediciones. La pregunta es: ~por que son diferentes las mediciones?
Probablemente, porque cada individuo redbi6 diferente medicamento. AI revisar
las mediciones hechas en los individuos que recibieron el medicamento A, se en
cuentra que la cantidad de colesterol disminuyo en diferente grado en cada indivi
duo. Yal revisar las mediciones de los individuos que recibieron los medicamentos
B y C, se encuentra que tambien ocurre la misma situaci6n: existe variabilidad entre
las medidones de los tres grupos. Otra vez la pregunta ~por que son diferentes las
mediciones? Entre las causas posibles estan las diferencias geneticas de cada indivi
duo y la diferencia en sus dietas. A traves del analisis de la variabilidad observada es
posible llegar a la conclusion de que los tres medicamentos tienen igual eficacia.
Para hacer esto, es necesario utilizar tecnicas y conceptos de variancia.
Variables
En el ejemplo se mencionan tres tipos de variables. Se tiene que estas
variables estan presentes en todas las situaciones en las que se utiliza el analisis de
la variancia como la tecnica mas conveniente. Primero se tiene la variable tratamien
to, que en el ejemplo se identifica como "medicamento". Se tienen tres "categorias"
para esta variable: medicamentosA, By C. El segundo tipo de variable es la variable
respuesta; para este ejemplo, se refiere al nivel de colesterol antes y despues. La
variable respuesta es la variable que se espera que presente diferentes valores cuan
do se utilicen diferentes "categorias" para la variable tratamiento . .Fi.nalmente, se
mencionan otras variables: composicion genetica y dieta, llamadas variables extra
nas. Estas pueden tener efecto sobre la variable respuesta, pero no son el foeo de
atenci6n para el experimento porque la variable tratamiento es la variable de inte
res principal. La pregunta que es necesario responder es: ~las diferentes "catego
.----
. - _...
_ _...._ - - _.... - - - _ ...__._-_...__ __ .

..
8.1
INTRODUCCION
297
rias" de la variable tratamiento producen diferencias, en promedio, en la variable

respuesta?
Supuestos
Para utilizar correctamente el analisis de variancia como una he
rramienta de la inferencia estadistica es necesario satisfacer un conjunto de supo
siciones fundamentales. Aunque el investigador experto no espera que todas las
suposiciones se cumplan a la perfecci6n, es importante que las personas que utili
zan las tecnicas del analisis de la variancia esten enteradas de las suposiciones basicas
y sean capaces de identificar cuando tales suposiciones no son satisfechas. Debido
a que los experimentos en los que las suposiciones son satisfechas perfectamente
no se presentan con frecuencia, se sugiere que los resultados del analisis de
variancias sean considerados mas como aproximaciones que como resultados exac
tos. Estas suposiciones se exponen en las siguientes secciones.
El analisis de la variancia se estudia seg(m la forma en que se utiliza para
analizar los resultados de dos diseiios de experimentaci6n diferentes: los disefios
completamente aleatorizados y los disefios por bloques completos y aleatorizados.
Aunado a esto, el concepto de experimento factorial se utiliza en diseiios completa
mente aleatorizados, sin que esto agote las posibilidades. En las referencias biblio
graficas (4-6) se encuentran algunos estudios acerca de otros disefios.
ProcedimieldoANOVA
En la presentaci6n del analisis de variancia para diferen
tes diseiios, se sigue el procedimiento de los diez pasos presentado en el capitulo 7.
A continuaci6n se replantea el procedimiento de los diez pasos para incluir nuevos
conceptos, necesarios para adaptar e1 procedimiento al analisis de la variancia.
1. Descripcion de datos. Ademas de describir los datos de la muestra en la

forma usual, estos se despliegan en forma tabular.
2. Supuestos. Junto con las suposiciones que fundamentan el analisis, se pre
senta e1 modelo de cada diseiio estudiado. El modelo se compone de una
representaci6n simb61ica de un valor representativo de los datos que se han de
analizar.
3. Hipotesis.
4. Estadistica de prueba.
5. Distribucion de Ia estadistica de prueba.
6. RegIa de decision.
7. CaIculo de la estadistica de prueba. El resultado de los cilculos aritmeticos
se resume en una tabla Hamada analisis de la variancia (ANOVA, siglas en
ingles). Las entradas en la tabla facilitan la evaluacion de los resultados del
analisis.
8. DecisiOn estadistica.
9. Conclusion.
10. Calculo del valor p.
Estos pasos se estudian con ::nas detalle en la secci6n 8.2.
298
CAPITULO 8
El usa de computadoras
Los caJculos que se requieren para el analisis de la
variancia son mas largos y omplicados que los que se presentan en los capitulos
anteriores. Por esta razon lacomputadora asume una flindon importante para este
analisis. Todos los ejercidos que aparecen en este capitulo pueden ser realizados
con una computadora utilizando los paquetes que se mencionan en el capItulo 1.
Los resultados de los paquetes estadisticos pueden variar ligeramente de los que se
presentan en este capItulo, pero esto no es un problema grave para quienes utilizan
computadora para analizar los datos de los ejercidos. Los conceptos basicos del
analisis de la variancia que se presentan en este capitulo proporcionan las bases
necesarias para entender la descripcion de los programas y los resultados de cual
quiera de los paquetes estadisticos.
8.2 DISENO COMPLETMfENTE

ALEATORIZADO
En el capItulo 7 se estudia la forma de probar la hip6tesis nula de no diferencia entre
las medias de dos poblaciones. A menudo, el investigador tendra interes en probar
una hip6tesis de esta clase para mas de dos poblaciones. EI estudiante, al enfrentar
por primera vez este problema, puede inclinarse a sugerir que todos los pares posi
bles de medias muestrales se deben probar por separado mediante la prueba t
de Student. Suponga que hay cinco poblaciones involucradas. EI numero posible de
pares de medias muestrales es 5C2 = 10. Dado que es muy laborioso llevar a cabo
muchas pruebas t, serfa deseable disponer de un metodo de analisis mas eficiente.
Sin embargo, una consecuencia muy importante que podrfa desprenderse de la
realizaci6n de todas las pruebas t posibles es que es muy probable lIe gar a una
conclusion falsa.
Suponga que se extrajeron cinco muestras a partir de poblaciones que tie
nen medias iguales. Como se vio en el parrafo precedente, seria necesario efectuar
10 pruebas si estas se efectuaran por separado. Si se elige un nivel de significacion
ex
.05 para cada prueba, la probabilidad de no rechazar una hipotesis de no
diferencia en cada caso serfa de .95. Mediante la regIa de multiplicacion para la
probabilidad, si las pruebas fueran independientes una de otra, la probabilidad de
no rechazar la hipotesis de no diferenda en los 10 casos serfa (.95)10 = .5987. La
probabilidad de rechazar al menos una hipotesis de no diferencia, entonces, seria
de 1- .5987 .4013. Puesto que se sabe que lahipotesis nula es verdadera en todos
los casos de este ejemplo, al rechazar la hipotesis nula se comete un error de tipo I.
Entonces, a la larga, al probar todos los posibles pares de medias a partir de las
cinco muestras, se podrfa cometer un error de tipo I en 40 por ciento de los casos.
EI problema se hace mas complicado en la pnictica, porque tres 0 mas pruebas t con
base en los mismos datos de las muestras no serfan independientes entre sf.
Dado 10 anterior, es claro que se requiere un metodo para hallar una deferencia
significativa entre varias medias. EI analisis de variancias constituye dicho metodo.
ANOVA unilateral
El tipo mas simple de analisis de variancia es el que se conoce
como aruilisis de la variancia unilateral, en el cual se investiga una sola fuente de varia
8.2
299
DISENO COMPLETAt)1E:'-l'TE ALEATORIZADO
ci6n 0 factor. Esto es una extensi6n a tres 0 mas muestras del procedimiento de la
prueba t (estudiado en el capitulo 7), para utilizarlo en dos muestras independientes.
Dicho de otra forma, se puede afirmar que utilizar la prueba t con dos muestras
independientes es un caso espedfico del analisis de la variancia unilateraL
En una situaci6n caracterfstica, se quiere utilizar el analisis de la variancia unila
teral para probar la hip6tesis nula que indica que tres 0 mas tratamientos son igual
mente eficaces. EI experimento se disefia en tal forma que los tratamientos de interes
se asignan de manera totalmente aleatoria a los individuos u objetos en los que se
han de realizar las determinaciones para medir la eficacia de los tratamientos. Por
esta razon, el disefio se llama disefto de experimentaci6n completamente aleatorizado.
Es posible asignar aleatoriamente individuos para tratamiento como sigue.
Suponga que se cuenta con 16 individuos para participar en un experimento, en el
que se pretende comparar cuatro medicamentos. Se numeran a los individuos del 1
al 16; despues, a partir de la tabla de numeros aleatorios se seleccionan consecuti
vamente, sin repetir, los numeros dell a116. Para ilustrar esto, se utiliza la tabla D y
se comienza aleatoriamente desde un punto que esta, digamos, en la interseccion
del renglon 4 y las columnas 11 y 12. EI numero de dos dfgitos que esta en esa
interseccion es 9S. Los siguientes 16 numeros consecutivos de dos dfgitos, entre 1 y
16, son 16,09,06, 15, 14, 11,02,04, 10,07,05, 13,03, 12,01 YOS. Se asignan los
individuos 16,09,06 Y 15 al primer grupo, para aplicarles el medicamentoA. EI
medicamento B se aplica a los individuos 14, 11,02 Y04; los individuos 10,07, 05
Y 13 reciben el medicamento C, y los individuos 03, 12,01 YOS reciben el medica
mento D. Es importante decir que la cantidad de individuos en cada grupo no dene
que ser el mismo. La figura S.2.1 muestra el esquema de asignacion aleatoria.
Pasos de la prueba de hip6tesis

Despues de haber decidido que el disefio
completamente aleatorizado es el disefio adecuado, se procede con los pasos de la
prueba de hipotesis. Primero se analizan con detalle y despues se da un ejemplo.
1. Descripcion de los datos. Las mediciones (u observaciones) que resultan de
un disefio experimental completamente aleatorizado, junto con las medias y
Individuos
disponibles
Numeros
aleatorios
Tratamiento
FIGURA 8.2.1
Asignaci6n de los individuos a los grupos de tratamiento en un diseiio
completamente aleatorizado.
300
ANALISIS DE LA V ARIANClA
CAPITULO 8
TABlA 8.2.1
Tabla de valores de la
muestra para el diseiio
complementamente aleatorizado
Tratamientos
1
XII
Total
21
31
X!3
Xu
12
22
x 2k
23
3k
X33
32
xn!)
xn,l,
T.J
T.k
Media
x. 2
x. 3
T..
x. k
los totales que puedan calcularse a partir de los datos, pueden presentarse, si
asi conviene, en la forma que se muestra en la tabla 8.2.1. Los simbolos utili
zados en la tabla 8.2.1 se definen como sigue:
Xij = la i-esima observaci6n resultante a partir del j-esimo tratamiento
(en total existen k tratamientos)
i:::: 1, 2 ... , nJ'j:::: 1,2, ... , k
:: i
xi}
== total del j-esimo tratamiento
i=1
T. j
x. j == -
medida delj-esimo tratamiento
nj
If.
Ii
.=1
x = T ..
..
nj
L T. =L L
N'
xi}
total de todas las observaciones
j=1 .=1
2. Supuestos. Antes de establecer las suposiciones, es necesario especificar el

modelo para el experimento descrito aqui.
Elmodelo
Tal como se habra notado, un modelo es una representaci6n simb61ica de un valor
representativo del conjunto de datos. Para escribir el mode1o para el &~seiio experi
mental completamente aleatorizado, se debe identificar el valor representativo a
partir de los datos representados por la muestra desplegada en la tabla 8.2.1. Se
utiliza e1 simbolo xi} para representar dicho valor.
8.2
301
DISENO COMPLETAMENTE ALEATORIZADO
EI ami1isis de la variancia unilateral puede escribirse como sigue:

(8.2.1)
Los terminos en este modelo se definen de la siguiente forma:
1. Jl representa la media de todas las k-medias poblacionales, y se Ie conoce
como la gran media.
2. 'tj representa la diferencia entre la media de la j-esima poblaci6n y la gran
media. Se Ie conoce como ejecta del tratamiento.
3. eij representa la cantidad en que difieren una medici6n individual de la media
poblacional a la que pertenece. Se Ie conoce como firmino del error.
Componentes del modelo

Al revisar el modelo es posible apreciar que una
observaci6n representativa a partir del conjunto completo de datos bajo estudio
esta compuesto de: 1) la gran media, 2) efecto del tratamiento, y 3) termino del
error que representa la desviaci6n de la observaci6n a partir de su media grupal.
En la mayoria de las situaciones, el interes esta solamente en los k-tratamien
tos representados en el ejemplo. Cualquier inferencia que se haga, se apliea unica
mente a estos tratamientos y no se pretende ampliar la inferencia a cualquier otro
conjunto mayor de tratamientos. Cuando se establecen tales restricciones para los
objetivos inferenciales, el modelo se conoce como modelo I 0 modelo de eJectos fijos. El
anaIisis en este libro se limita a este modelo.
Supuestos del modelo
Las suposiciones para el modelo de efectos fijos son las siguientes:
a) Los k conjuntos de datos observados forman k muestras aleatorias simples a

partir de las poblaciones respectivas.
b) Cada una de las poblaciones de las que se extraen las muestras siguen una
distribucion normal con media Jl} y variancia 0"2.
}
c) Cada una de las poblaciones tienen la misma variancia. Es decir,
... = cri = (J'2 ,variancia comun~
O"~
= (J~
d) Las 'tj son constantes desconocidas y L 't j = 0, puesto que la suma de todas las
desviaciones de Jlj a partir de su media, Jl, es cero.
e) Las e..v tienen una media igual acero, porque la media de x.v es Jl.J
f) Las e..l) tienen una variancia igual a la variancia de las x.,
porque las e..I} y las x.Y
1)
difieren s610 por una constante; es decir, la variancia del error es igual a (J2, la
variancia comun, especificada en el inciso c.
g) Las eij siguen una distribucion normal (e independiente).
302
CAPITULO 8
ANALISIS DE LA VARIAN CIA
3. Hipotesis. Pruebe la hip6tesis que dice que todas las poblaciones 0 trata
mientos tienen medias iguales contra la hip6tesis alternativa, que dice que al
menos un par de poblaciones no tienen medias iguales. Las hip6tesis se re
dactan r:omo sigue:
Ho :111 =11 2 =... Ilk

H A : no todas las 11 j son iguales
Si las medias de las poblaciones son iguales, y el efecto de cada tratamiento es
igual a cero, de tal manera que, alternativamente, las hip6tesis pueden escri
birse como sigue:
Ho
:'tj
=O,j
1,2, ...,k
HA : no todas las 1: j
Si Ho es verdadera y las suposiciones se cumplen respecto a que las variancias son

iguales y que las poblaciones siguen una distribuci6n normal, entonces es posible apre
ciar una fotografia de la poblaci6n como se muestra en la figura 8.2.2. Cuando Ho es
verdadera, las medias de la poblaci6n son todas iguales y las poblaciones estan cen
tradas sobre el mismo punto (la media comun) en el eje horizontal. Si todas las pobla
ciones siguen una distribuci6n normal con variancias iguales, la distribuci6n es identica,
de tal manera que en la fotograffa cada una de ellas esta sobrepuesta sobre las otras,
y una sola fotograffa es suficiente para representarlas a todas.
Cuando la Ho es falsa, probablemente 10 es porque la media de una de las pobla
ciones es diferente de las demas que SI pueden ser iguales. 0, tal vez, todas las medias
poblacionales son diferentes. Estas son unicamente dos de las posibilidades cuando
Ho es falsa. Existen muchas otras posibles combinaciones de medias iguales y me
dias diferentes. La figura 8.2.3 muestra una fotograffa de las poblaciones cuando se
cumplen las suposiciones, pero Ho es falsa porque no hay dos medias de poblacio
nes que sean iguales.
4. Estadistica de prueba. La estadlstica de prueba para el analisis de la variancia
unilateral es el calculo de la raz6n, designada como R.V, tal como se estudia
en el capitulo 7. Las dos variancias con las que se calcula la R.V son las mis-
FIGURA 8.2.2
Descripci6n de las poblaciones representadas en un disefio completamen
te aleatorizado cuando Ho es verdadera y se cumplen las suposiciones.
8.2
IL1
IL2
303
1\
I
ILk
FIGURA8.2.3
Descripci6n de las poblaciones representadas en el disefto completamente
aleatorizado cuando las suposiciones de variancias iguales y poblaciones con distribuci6n
normal se cumplen, pero Ho es falsa porque ninguna de las medias poblacionales es igual.
mas variancias calculadas a partir de los datos de la muestra. Los metodos

mediante los cuales es posible calcular las variancias se estudian mas adelan
teo
S. Distribuci6n de la estadistica de prueba. En la seccion 7.8 se dijo que R.V.

sigue una distribucion F cuando Ho es verdadera y se cumplen las suposiciones.
6. RegIa de decision. En general, la regIa de decision es rechazar la hip6tesis
nula si el valor calculado para R.V. es mayor 0 igual que el valor critico de F
con nivel 0:.
7. CaIcuIo de la estadistica de prueba. Se defini6 al analisis de la variancia
como un proceso por el que la variacion total presente en el conjunto de datos
se divide en componentes que son atribuibles a diferentes fuentes. EI termino
variaci6n se utiliza en este contexto para referirse a la suma de desviaciones at
cuadrado de las observaciones de su media 0 suma de cuadrados.
Los calculos iniciales aplicados para una Al~OVA unilateral consisten en la
division de la variaci6n total presente en los datos observados dentro de sus compo
nentes basicos, cada uno de los cuales es atribuible a una Fuente identificable.
Aquellos que utili zan computadoras para realizar los calculos probablemente
quieran pasar por alto el estudio de los calculos asociados para obtener la estadisti
ca de prueba.
Swna total de cuadrados
Antes de hacer cualquier division, primero es ne
cesario calcular la suma total de cuadrados. La suma total de cuadrados es la suma
de los cuadrados de las desviaciones de las observaciones individuales a partir de la
media de todas las observaciones tomadas juntas. La suma total de cuadrados (SCtotal)
se define como
SCrotal =
uJ
j=1
j=1
L L (Xij - xy
(8.2.2)
donde r;~1 indica que hay que sumar las desviaciones al cuadrado para cada grupo de
tratamiento, y
indica que hay que snmar los totales de los k grupos que se
obtienen al aplicar
. Ellector puede identificar la ecuaci6n 8.2.2 como el nu
merador de la variancia que puede calcularse a partir del conjunto completo de
observaciones juntas.
r;=1
--~~~~---~---~~~~---- ~~~~--~-~~~~~---~~~--~~~~
304
CAPITULO 8 ANALISIS DE LA VARIANCIA
Suma de cuadrados dentro de los grupos Ahora se muestra c6mo calcu

lar los primeros dos componentes de la suma total de cuadrados.
EI primer paso para calcular estos componentes es realizar ciertos calculos
dentro de cada grupo. Estos calculos implican realizar dentro de cada grupo, la
suma de las desviaciones al cuadrado de las observaciones individuales, a partir
de su media. Despues de realizar estos calculos dentro de cada grupo, se obtiene la
suma de los resultados individuales del grupo. A este componente de variaci6n se
Ie llama suma de cuadrados dentro de los grupos y se Ie designa como SCdenlm' A esta
cantidad algunas veces se Ie conoce como suma de cuadrados residuales 0 de errores.
La expresi6n matematica para estos calculos es la siguiente:
SCdenlm
nj
j~l
i~l
LL(xij -
)2
(8.2.3)
Suma de cuadrados entre los grupos Para obtener el segundo compo

nente de la suma total de cuadrados, se calcula para cada grupo la desviacion al
cuadrado de la media del grupo a partir de la gran media, y se multiplica el resul
tado por el tamano del grupo. Finalmente, se suman los resultados de todos los
grupos. Esta cantidad es una medida de la variacion entre los grupos y se conoce
como suma de cuadrados entre los grupos 0 SCentre La formula para calcular esta
cantidad es como sigue:
k
(j SC entre = "
"'"' n
X.j
-X.. )2
..
(8.2.4)
j=1
Entonces, para resumir, se encuentra que la suma total de cuadrados es igual

ala suma de cuadrados entre los grupos mas la suma de los cuadrados dentro de los
grupos. Esta relacion se expresa asf:
Con la suma de cuadrados, recien descrita, es posible calcular dos estimaciones de

la variancia comun de la poblacion, (52. Puede demostrarse que cuando las suposi
ciones se cumplen y las medias de las poblaciones son todas iguales, tanto la suma
de cuadrados dentro de los grupos como la suma de cuadrados entre grupos, si se
dividen entre sus respectivos grados de libertad, producen estimaciones de (52
insesgadas e independientes.
Primera estimacion de
tematica:
(f,l
Dentro de cualquier muestra, la expresion ma
306
CAPITULO 8 ANALISIS DE LA VARIANCL;\
Ellector reconocera el numerador de la ecuad6n R2.7 como la suma de cua

drados entre los grupos para el caso especial en que todos los tamafios de las mues
tras son iguales. Cuando se divide esta suma de cuadrados entre los grados de libertad
asociados k - 1, se obtiene 10 que se conoce como el cuadrado medio entre los grupos.
Cuando no todos los tamafios de las muestras son iguales, una estimaci6n de
0'2 con base en la variabilidarlentre las medias de las muestras se obtiene mediante
k
'"
... n.(x
J
.J.
j=!
(8.2.8)
k 1
Si, ademas, la hip6tesis nula es verdadera, puede esperarse que esas dos esti
madones de 0'2 tengan una magnitud muy semejante. Si la hip6tesis nula es falsa,
esto es, si todas las medias de las poblaciones son diferentes, se puede esperar que
el cuadrado medio entre los grupos, que se calcula mediante el uso de las desviacio
nes al cuadrado de las medias de las muestras a partir de toda la media, sea mayor
que el cuadrado medio dentro de los grupos.
Para comprender el amilisis de la variancia es necesario tener en cuenta que el
cuadrado medio entre grupos proporciona una estimaci6n valida de 0'2 cuando la
suposid6n de igualdad de las variancias de las poblaciones se cumple y cuando Ho
es verdadera. Ambas condiciones, una hip6tesis nula verdadera y variancias iguales
en las poblaciones, se deben cumplir para que el cuadrado medio entre grupos sea
una estimaci6n valida para 0'2.
La razon de variancias
Lo que se necesita ahora es comparar las dos estima
dones de 0'2 mediante el calculo de la siguiente relaci6n de varian cia, que represen
ta la estadfstica de prueba requerida.
cuadrado medio entre los
R.V.=--------------------~~---
cuadrado medio dentro de los grupos

Si las dos estimaciones son aproximadamente iguales, la R.V. sera casi igual a 1.
V na raz6n pr6xima a 1 tiende a apoyar la hip6tesis de que las medias son iguales
para las poblaciones. Por otra parte, si el cuadrado medio entre los grupos es con
siderablemente mayor que el cuadrado medio dentro de los grupos, la R.V. sera, a
su vez, considerablemente mayor que 1. Vn valor de RV. con esta caracterfstica
ocasionara dudas sobre la hip6tesis de igualdad de las medias de las poblaciones.
Se sabe que debido a la variabilidad del muestreo, aun cuando la hip6tesis
nula es verdadera, es poco probable la igualdad de los cuadrados m.:dios entre y
dentro de los grupos. Por 10 tanto, antes de conc1uir que las diferencias no se deben
a la fluctuaci6n del muestreo, es necesario decidir que tan grande debe ser la dife
rencia observada. Dicho de otra forma, (que tan grande debe ser un valor de RV.
para concluir que la diferenda observada entre las dos estimaciones de 0'2 no es
resultado unicamente del azar?
Praeba de F
Para responder a la pregunta anterior se debe considerar la distri
buci6n muestral de la raz6n de las variancias para dos muestras. En el capitulo 6 se
8.2
305
proporciona una estimaci6n insesgada de la variancia real para la poblaci6n de la

cual proviene la muestra. Bajo la suposici6n de que todas las variancias de la pobla
ci6n son iguales, es posible continuar las k estimaciones para obtener
(8.2.5)
Esta es.la primera estimaci6n de a 2 , y se Ie puede llamar variancia dentro de los grupos,
dado que la expresion corresponde ala suma de cuadrados dentro de los grupos de la
ecuaci6n 8.2.3 dividida entre los respectivos grados de libertad. El estudiante adver
tinl que esta es una extensi6n para las k muestras del procedimiento de combinaci6n
de variancias que se plante6 en los capitulos 6 y 7,. clonde la combinaci6n de las
variancias se utiliza para la distribuci6n t. A la cantidad en la ecuaci6n 8.2.5 casi
siempre se Ie llama cuadrado medio dentro de los grupos, en lugar de variancia den
tro de los grupos.
El cuadrado medio dentro de los grupos es una estimaci6n valida de a 2 s610 si
las variancias de las poblaciones son iguales. Sin embargo, no es necesario que Ho
sea verdadera para que el cuadrado medio dentro de los grupos sea una estimaci6n
valida de a2 Esto es, el cuadrado medio dentro de los grupos estima a a2 sin impor
tar si Ho es verdadera 0 falsa, siempre que las variancias de las poblaciones sean
iguales.
Segundo estimaci6n de a 2 La segunda estimaci6n .de a 2 se puede obtener a
partir de la f6rmula ya conocida para la variancia de las medias de las muestras,
a; = a 2 / n. Si la ecuaci6n es resuelta para a 2, la variancia de la poblacion a partir
de la cual se extrajeron las muestras, se tiene
(8.2.6)
Una estimaci6n insesgada de

proporcionada por
ai, calculada a partir de los datos de la muestra, es
k-l
Si esta cantidad se sustituye en la ecuaci6n 8.2.6, se obtiene la estimaci6n para a 2 ,

k
n.2,(x. j -xy
(8.2.7)
k-l
8.2
307
vio que la cantidad (S12 1an I(s= 1a~) sigue una distribucion F cuando las variancias
de las muestras se cakulan a partir de muestras extraidas de forma independiente
y aleatoria de una pobladon que sigue una distribucion normal. La distribucion F,
presentada por R. A. Fisher a principios de Ia decada de 1920, se ha convertido en
una de las distribuciones de mayor uso en la estadistica moderna. Ya se tiene cono
cimiento de su uso en la construccion de intervalos de confianza para las variancias
de la pobladon y para probar hipotesis acerca de estas. En este capitulo se aprecia
ra que la distribucion F es fundamental para el analisis de variancias. Por 10 tanto,
a la operacion identificada como R.V con frecuencia se Ie identifica como F, y al
procedimiento de prueba se Ie llama prueba de F.
En el capitulo 7 se estudia que, cuando las variancias de la poblacion son igua
les, se anulan en la expresion (S12 / ai) I( s~ 1a~), para dejar, S12 1s~, la cual sigue una
distribudon F. La distribucion F es realmente una familia de distribuciones, y la distri
budon F que se utiliza en una situacion determinada depende del numero de gra
dos de libertad asociados con la variancia muestral del numerador (grados de libertad
del numerador) y del numero de grados de libertad asociados con la variancia muestral
en el denominador (grados de libertad del denominador).
Una vez que se determina la distribucion F adecuada, el tamano de la R.V
observada que causara el rechazo de la hipotesis de la igualdad de las medias de la
poblacion depende del nivel de significacion elegido. El nivel de significacion ele
gido determina el valor critico de F, que es el valor que separa la region de acepta
cion de la region de rechazo.
Como se ha vis to, la R.V se cakula, en situadones de este tipo, colocando el
cuadrado medio entre los grupos en el numerador y el cuadrado medio dentro de
los grupos en el denominador, par 10 que el valor de los grados de libertad del nume
rador es igual al numero de grupos menos 1, (k - 1), Y el valor de los grados de
libertad del denominador es igual a:
k
1)=L,nj-k
N-k
}=1
La tablaANOVA
Los dikulos que se han efectuado se pueden resumir y mostrar en una tabla como
la 8.2.2, conodda como tabla ANOVA.
8. Decision estadistica. Para tomar una decision es necesario comparar la R.V
cakulada contra el valor critico de F, que puede obtenerse de la tabla G con
los correspondientesgrados de libertad k - 1 en el numerador y N - ken el
denominador.
Si el valor cakulado para R.Y. es mayor 0 igual que el valorcritico F, la hipotesis
nula es rechazada; pero si es menor que el valor cduco de F, no se rechaza la hipo
tesis nula.
Explicaci6n de par que se rechaza la hlp6tesis nula

Existen dos posi
bies explicaciones de por que puede ser rechazada la hipotesis nula. Si la hipotesis
308
CAPITULO 8
TABlA 8.2.2
aleatOlizado
Tabla para el analisis de la variancia para el disefio completamente
Sumade
cuadrados
Fuente de
variacion
Grados de
libertad
Cuadrado
medio
Entre muestras
SCentre
= Lnj(x. j -xY
Razonde la
variacion
1) R.V.
k 1
CMemre
= SCentre j( k
N- k
CMdentro

=SCdentro j(N -
CMdentro
j-I
Dentro de las muestras
SCdeno
Total
SCtOtal
fij
~ ~(X'ii X,),)2
..t.....t...,
k
= CMentre
k)
nj
= LL(Xij XY
N-l
j=! ;=!
nula es verdadera, es decir, si las vari~ncias de las dos muestras son estimaciones de
una variancia comun, se sabe que la probabilidad de obtener un valor para RV.
mayor 0 19ual que el valor critico F es igual al nivel de signification. Es posible
conduir, si se desea, que la hipotesis nula es verdadera y suponer que debido a la
casualidad se obtuvo un conjunto de datos que originaron un evento extraiio. Por
otro lado, posiblemente se prefiera suponer que el valor calculado de R.v. no repre
senta un evento extrano producto del azar, sino que, en lugar de elio, refleja el hecho
de que existe algo que acrua y que no es el azar. Se conduye que ese otro "algo" es una
hipotesis nula falsa.
Esta ultima es la explicacion que en general se da para los valores de RV. que
son mayores que el valor critico de F. Dicho de otra forma, si el valor calculado de
RV. es mayor que el valor crftico de F, la hipotesis nula se rechaza.
Vale la pena recordar que la hipotesis original que se desea probar es:
~El rechazo de la hipotesis acerca de las variancias implica un rechazo de la hipote

sis de la igualdad de las medias poblacionales? La respuesta es afirmativa. Un valor
grande de RV. result6 del hecho de que el cuadrado medio entre los grupos era
considerablemente mayor que el cuadrado medio dentro de los grupos. Dado que el
cuadrado medio entre los grupos se basa en la dispersi6n de las medias muestrales en
torno a su media, esta cantidad sera grande cuando exista una gran discrepancia
entre los tamanos de las medias muestrales. Debido a esto, un valor significativo de
la R.v. indica que se rechace la hipotesis nula de la igualdad de las medias pobla
cionales.
9. Conclusion. Cuando se rechaza Ho se conduye que no todas las medias

poblacionales son iguales. Cuando no se rechaza Ho se concluye que proba
blemente todas las medias poblacionales son iguales.
10. Calculo del valor p.
--~ ...-
- - -...-
...~ ...
---
-~ ..-
8.2
-...-~-- .. --~~--------------------------
309
EJEMPLO 8.2.1
El objetivo de un estudio realizado por Makynen et al. (A-I) fue el de investigar si el

cakio que se consume diariamente en la dieta como tratamiento no farmacol6gico
de la presi6n sangufnea elevada puede influir beneficamente lafunci6n endotelial en
la hipertensi6n experimental mineralo-corticoide-NaCl. Los investigadores forma
ron cuatro grupos con ratas macho Wistar-Kyoto de siete semanas de edad, las cuales
registraron un promedio igual en la presi6n sangufnea sist6lica. Los grupos fueron
los siguientes: grupo de ratas sin tratamiento con dieta normal (WKY), grupo de
ratas sin tratamiento con dieta rica en cakio (WKY-Ca), grupo de ratas con dieta
normal tratadas con deoxicorticosterona y NaCI (DOC), y un cuarto grupo de ratas
que recibi6 dieta rica en cakio y tratamiento (DOC-Ca). Se pretende saber si las
cuatro condiciones tienen diferentes efectos en el peso promedio de las ratas macho.
Solucion:
1. Descripcion de datos. Los datos corresponden a los pesos de las
ratas al final del estudio,junto con los totales del tratamiento y las me
dias, tal como se muestra en la tabla 8.2.3. En la figura 8.2.4 se
muestra la grafica de los datos en forma de grrifica de puntos. Esta
grafica resalta las caracterfsticas principales de los datos y aclara las
diferencias en las respuestas por el tratamiento.
TABlA 8.2.3
Peso al final del estudio, en
gramos, de ratas Wistar-Kyoto estudiadas
bajo cuatro condiciones diferentes
Condici6n
DOC
336
346
269
346
323
309
322
316
300
309
276
306
310
302
269
Total 4950
Media 309.38
FUENTE:
WKY
DOC-Ca
WKY-Ca
328
315
343
368
353
374
356
339
343
343
334
333
313
333
372
304
292
299
293
277
303
303
320
324
340
299
279
305
290
300
342
284
334
348
315
313
301
354
346
319
289
322
308
325
5147
343.13
4840
302.50
4500
19437
321.43
318.64
Utilizada con autorizaci6n del Dr. HeiRki Makynen.
310
CAPITULO 8
ANAuSIS DE LA VARIANCIA
380
370
360
350
340
Vi 330
0
E
f!1
.9 320
f,l
Q)
0..
310
300
290
280
270
260
250
DOC
WKY
DOC-Ca
WKY-Ca
Condici6n
Peso de ratas Wistar-Kyoto estudiadas bajo cuatro condiciones diferentes.

ratas sin tratamiento con dietas normales. vVKY-Ca = ratas sin tratamiento con
dietas altas en caleio, DOC ratas con dietas normales tratadas con deoxycorticosterona y
NaCl, DOC-Ca = ratas tratadas y con dietas altas en caleio.
FIGUUA 8.2.4
WRy
2. Supuestos. Se supone que los cuatro conjuntos de datos forman

muestras aleatorias simples e independientes, extraidas de cuatro
poblaciones que son similares excepto por la condici6n estudiada.
Se supone que las cuatro poblaciones de mediciones siguen una dis
tribuci6n normal con variancias iguales.
3. Hipotesis.
Ho= J..l1 = J..l2 J..l 3 = J.l4 (en promedio las cuatro condiciones producen
la misma respuesta).
H A: no todas las J.l son iguales (al menos una condici6n produce una
respuesta promedio diferente del promedio de cuando menos una de
las demas condiciones)
CMdentro'
La estadistica de prueba es R.v.
CMenu/
--~ ..
8.2
..
..-
- -...- -..- - - - - - - - - - - - - - - - - - - -
311
DISENO COMPJ.ETA..'\mNTE ALEATORIZADO
TABLA 8.2.4
Tabla ANOVA para el ejemplo 8.2.1
Fuente
g. I.
SC
Entre muestras
Dentro de las muestras
Total
14649.1514
23210.9023
37860.0547
3
57
60
CM
R.V.
4883.0503
407.2088
11.99
5. Distribucion de la estadistica de prueba. Si Ho es verdadera y se

cumplen las condiciones, entonces R.v. sigue una distribucion F con
los grados de libertad correspondientes, respectivamente, del nu
merador y denominador: 4 -1 = 3 Y 61 - 4 57.
6. RegIa de decision. Suponga que a = .05. El valor crftico de F a
partir de la tabla G es 3.34. La regIa de decision, entonces, es recha
zar Ho si el valor calculado de R.V: es mayor 0 igual a 3.34.
7. C31culo de Ia estadistica de prueba.
siguiente resultado:
La ecuaci6n 8.2.2 produce el
SC,ataj= 37860.0547
Mediante la ecuaci6n 8.2.4 se calcula

SCentre
SCdentro
14649.1514
= 37860.0547 -
14649.1514
= 23210.9023
EI resultado de los cuatro dilculos se muestra en la tabla 8.2.4.

8. Decision estadfstica. Debido a que el valor calculado para R.V:,
11.99, es mayor que el valor critico F, 3.34, se rechaza Ho'
9. Conclusion. Dado que se rechazo H o' se concluye que la hipotesis
alternativa es verdadera. Es decir, se COnclUye que los cuatro trata
mientos no tienen el mismo efecto en promedio.
10. Valor de p. Puesto que 11.99 > 4.77 (el valor de F995 para 3 y 57
grados de libertad, obtenido por interpolaci6n), p < .005 para esta
prueba.
Advertencia
El diseiio completamente aleatorizado es sencillo y, por 10 tanto,
amplialllente utilizado. Sin embargo, se debe utilizar solo cuando las unidades que
reciben los tratamientos son homogeneas. Si las unidades experimentales no son
homogeneas, el investigador deb era usar otro diseiio, como alguno de los que se
estudian mas adelante en este capitulo.
312
En el ejemplo anterior los tratamientos son tales en el sentido usual de la

palabra. Sin embargo, este rio es siempre el caso, ya que el termino "tratamiento" se
usa en forma generica en el disefio experimental. Es posible que uno quiera anali
zar la respuesta al mismo tratamiento (en el sentido usual de la palabra) de algunas
cepas de animales. Sin embargo, uno podrfa referirse a la cepa de animales como el
"tratamiento" .
Tambien hay que precisar que, aunque todas las tecnicas de analisis de varian cia
se aplican frecuentemente a datos que resultan de los experimentos controlados,
las tecnicas tambien se utilizan para analizar datos recolectados en encuestas, siem
pre que las suposiciones basicas sean satisfechas en forma razonable.
Amilisis por computadora

La figura 8.2.5 muestra los resultados para el
ejemplo 8.2.1 proporcionados por el programa de analisis de variancia unilateral,
el cual se encuentra incluido en el paquete de software MINITAB. Los datos fueron
registrados en columnas desde la 1 hasta la 4. Compare las salidas impresas de la
tabla ANOVA contra los resultados de la tabla 8.2.4 para observar que la etiqueta
Caja de dialogo:
Stat>
Comandos de la sesi6n:
ANOVA >
Oneway(Unstacked)
MTB > AOVONEWAY Cl- C4
Teclear CI-C4 en Responses (in separate columns).

Clic OK.
Resultados:
Analisis de la variancia unilateral
Analysis of Variance on Cl
Source
C2
Error
Total
DF
3
57
60
SS
14649
23211
37860
MS
4883
407
11.99
0.000
Individual 95% CIs For Mean

Based on Pooled StDev
Level
1
2
3
4
N
15
14
16
16
Mean
343.13
321.43
309.37
302.50
StDev
---+---------+---------+-----
(-----+----)
.18.71
21.72
-----*----)
23.54
(--- *----)
16.05 (--- *----)
---+
300
Pooled StDev
-------+--
320
-----+- ------+-
340
360
20.18
FIGURA 8.2.5
-+
Procedimiento MINITAB Yresultados para el ejemplo 8.2.1.
8.2
313
Sistema SAS
Procedimiento de amllisis de la variancia
Dependent Variable: SERUM
DF
Sum of Squares
Mean Square
F Value
Pr > F
Model
14649.15366901
4883.05122300
11.99
0.0001
Error
57
23210.91190476
407.20898079
Corrected Total
60
37860.06557377
Source
R-Square
C.V.
Root MSE
SERUM Mean
0.386929
6.332997
20.17941973
318.63934426
FIGURA 8.2.6
Resultados impresos parcialmente por SAS para el ejemplo 8.2.1.
"factor" aparece en lugar de "muestras entre". Los diferentes tratamientos se men

cionan como niveles en la forma impresa. Un nivel 1 es igual al tratamiento 1, el
nivel 2 es igual al tratamiento 2, yasi sucesivamente. Las salidas impresas presen
tan medias y desviaciones estandar para las cuatro muestras, as! como la desviaci6n
estandar combinada. Esta ultima cantidad es igual a la rafz cuadrada del cuadrado
medio del error que se muestra en la tabla ANOVA. Finalmente, la computadora
genera una representaci6n grafica de los intervalos de confianza de 95 por ciento
para la media de cada una de las cuatro poblaciones representadas por los datos de
las muestras.
La figura 8.2.6 muestra una parte de los resultados impresos por el paquete
SAS parael ejemplo 8.2.1. Para ellose utiliz6 la instrucci6n PROC ANOVA del
paquete SAS. EI paquete calcu16 algunas cantidades adicionales c0!ll0 se muestra
en la salida. Raiz cuadrada SCenrn/ SCtota1 Esta cantidad indica que la proporci6n
de la variabilidad total presente en las observaciones se toma en cuenta para dife
rentes respuestas en lostratamientos. C.Y. = 100 (la raiz de CMre,idua/concentraci6n
media en el suero). La raiz de CMresidual es la rafz cuadrada de CMentre Yla concentra
ci6n media en el suero es la media de las 18 observaciones.
Un mecanismo uti! para mostrar las caracterfsticas importantes de un conjun
to de datos analizados mediante el analisis de la variancia unilateral es la gcifica
formada por cajas de valores extremos bilateral. Para cada muestra se construye
una caja de valores extremos mediante el metodo descritoen el capitulo 2. La
figura 8.2.7 muestra las cajas de valores extremos para el ejemplo 8.2.1. En la figu
ra 8.2.7 es posible apreciar que la variable de interes esta representada por el eje
vertical en lugar del eje horizontal.
Alternativas
Si los datos disponibles para elanalisis no cumplen las suposicio
nes para el analisis de la variancia unilateral, tal como se estudia aquf, quiza sea
necesario utilizar otro procedimiento como el de Kruskal-Wallis, tecnica no
parametrica que se estudia en el capitulo 13.
314
CAPITULO 8
370
360
350
340
330
320
310
300
290
280
270
260
250
DOC
FIGURA 8.2.7
WKY
DOC-Ca
WKY-Ca
Caja de puntos extremos bilateral para el ejemplo 8.2.1.
Prueba para diferencias significativa.'l entre pares individuates de

lnedias Siempreque el an,Hisis de variancias conduce a rechazar la hip6tesis
nula de no diferencia entre las medias de las poblaciones, surge la pregunta respec
to a que par de medias son diferentes. De hecho, 10 que con frecuencia se desea
haeer, aunque no siempre, es llevar a cabo una prueba de signifieaci6n en todos y
eada uno de los pares de medias de los tratamientos. En el ejemplo 8.2.1, en el que se
tienen cuatro tratamientos, se desea saber, despues de reehazar Ho: III 112 Ils = J..l4 '
emil de las seis hip6tesis individuales posibles debe ser rechazada. Sin embargo, el
experimentador debe tener preeauci6n al probar las diferencias signifieativas entre
las medias individuales, y siempre debe asegurarse de que su proeedimiento es
valido. El punto critico en el proeedimiento es el nivel de significaci6n. Aunque la
probabilidad, a, de rechazar una hip6tesis nula verdadera para la prueba como un
todo sea pequefia, la probabilidad de reehazar al menos una hip6tesis verdadera
cuando se prueban varios pares de medias es, como se ha vis to, mayor que a.
Prueba HSD de Tukey Durante varios afios se han sugerido divers os procedi
mientos para efeetuar eomparaciones multiples. Un procedimiento de compara
eiones multiples, desarrollado por Tukey (7) se utiliza con frecuencia para probar la
hip6tesis nula de que todos los pares de medias posibles de tratamientos son igua
les si el tamafio de todas las muestras es igual. Si se utiliza esta prueba es necesario
8.2
315
seleccionar un nivel de significaci6n total de 0:. Si la probabilidad es 0:, entonces,

una 0 mas de las hip6tesis nulas es falsa.
La pmeba de Tukey, que generalmente se conoce como pmeba de HSD (dift
renew verdaderamente signifieativa), utiliza un solo valor contra el que se comparan
todas las diferencias; Este valor, Hamada HSD, se obtiene con Ia siguiente f6rmula
HSD
q",k.N-k
(8,2.9)
donde 0: es el nivel de significaci6n seleccionado, k es el numero de medias en el

experimento, N es la cantidad total de observaciones, n es el numero de observacio
nes en el tratamiento, CMresidual es el cuadrado medio del error 0 dentro, el cual se
puede ver en la tabla ANOVA, y q se obtiene a partir de la tabla H del apendice con
los par ametros 0:, k y N - k.
La estadistica q, tabulada en la tabla H del apendice, se conoce como estadfs
tica de amplitud de Student. Se define como la diferencia entre las medias de los
tratamientos mayory menor, a partir de unaANOVA(es decir, es la amplitud de las
medias de los tratamientos), divididaentre el cuadrado medio del error sobre n, el
numero de observaciones en el tratamiento. Laamplitud de Student se estudia de
talladamente en Winer (8).
Se caIculan todas las diferencias posibles entre los pares de medias y si cualquier
diferencia produce un valor absoluto que excede la HSD se dedara como significativo.
Praeba de Taker para maestra..; con tamafios diferentes
Cuando no
todas las muestras son del mismo tamano,como en el ejemplo 8.2.1, la ecuaci6n
8.2.9 no es aplicable para la pmeba de Tukey de HSD. Sin embargo, Spj~tvoll y
Stoline (9) han extendido el procedimiento de Tukey para los casos en que los
tamanos de las muestras son diferentes. Su procedimiento, que es aplicable en ex
perimentos que comprenden tres 0 mas tratamientos y niveles de significaci6n de
.050 menos, cOllsiste en Ia sustituci6n de n, en la ecuaci6n 8.2.9, por n;, que es el
mas pequeno de lOs tamanos de muestra asociados con las dos medias de las mues
tras que se van a comparar. Si esta nueva cantidad se designa como HSD*, se tiene
como un nuevo criterio de pmeba la expresi6n:
HSD"
CMrest'dua I
q",k.N-k
(8.2.10)
nj
Cualquier valor absoluto de la diferencia entre las medias de dos muestras,

una de las cuales se calcula partir de una muestra de tamano
(que es mas peque
no que la muestra de la cual se calcula la otra media), que excede la HSD', se
considera significativo.
n;
EJEMPLO 8.2.2
Mediante los datos del ejemplo 8.2.1 se ilustra el usa de la pmeba de HSD.
Soluci6n: El primer paso es preparar una tabla can todas las posibles diferencias
(ordenadas) entre las medias. Los resultados de este paso para el ejem
plo se muestran en la tabla 8,2,5.
316
TABlA 8.2.5
Diferencias entre las medias de las
muestras (valol' absoluto) para el ejemplo 8.2.2
DOC-Ca
DOC
6.87
DOC-Ca(DC)
DOC(D)
WKY-Ca
18.93
12.06
WKY-Ca(WC)
WKY(W)
WKY
40.63
33.76
21.70
Suponga que a. =.05. AI buscar en la tabla H con a. = .05, k 4 Y

N - k = 57, se encuentra que q esta alrededor de 3.75 (se obtiene me
diante una interpolaci6n). En la tabla 8.2.4 se tiene que CMre5iduai =
407.2088.
En la tabla 8.2.6. se muestran la hip6tesis que debe probarse, el
valor de HSD' y la decisi6n estadfstica para cada prueba.
EI paquete SAS utiliza el procedimiento de Tukey para probar la
hip6tesis de no diferencia entre las medias poblacionales para todos los
pares posibles de medias muestrales. Los resultados que ofrece tambien
incluyen interval os de confianza para la diferencia entre todos los pares
posibles de medias poblacionales. Los resultados para el ejemplo 8.2.1
se muestran en la figura 8.2.8.
TABlA 8.2.6
Prueba de comparaciones multiples con los
datos del ejemplo 8.2.1 y HSD*
Hip6tesis
HSD*
Decisi6n estadistica
~407.2088 =18.92
HSD* = 3.75.
Ho: !loc =!!we
16
1407.2088
No se rechaza Ho
porque 6.87 < 18.92
20.22
No se rechaza Ho
porque 18.93 < 20.22
1407.2088
HSD*= 3.75J
=19.54
. V
15
Se rechaza Ho
porque 40.63 > 19.54
HSD* = 3.75
14
HSD*
= 3.75 ~407.2088 20.22
No se rechaza Ho
porque 12.06 < 20.22
HSD*
= 3.75,/407.2088
Se rechaza Ho
porque 33.76> 19.54
14
HSD* = 3.75
19.54
15
~407.2088
14
=20.22
Se rechaza Ho
porque 21.7> 20.22
- . - - - -..... - -..- -....
-~--
.....
---~
8.2
...- - . - -....
-~- ...
-.
317
Tambien, es posible utilizar el paquete MINITAB para realizar com

paraciones multiples con una gran variedad de metodos que incluyen el
de Tukey.Para utilizar esta caracterfstica de MINITAB se agregan todas
las mediciones de todos los tratamientos en una sola columna. En otra,
se meten los c6digos numericos que especifican el tratamiento con el
que esta relacionada cada medici6n. En la rota de Stat se escoge la op
ci6n ANOVA, despues One-way y se hacen las selecciones adecuadas y
anotaciones en la caja de dialogo.
Sistema SAS
Procedimiento de analisis de la variancia
Tukey's Studentized Range (HSD) Test for variable: WEIGHT

NOTE: This test controls the type I experimentwise error rate.
Alpha = 0.05
Confidence = 0.95
df = 57
Critical Value of Studentized Range
3.743
MSE
407.209
Comparisons significant at the 0.05 level are indicated by '***'
GROUP
Comparison
Simultaneous
Lower
Confidence
Limit
Difference
Between
Means
Simultaneous
Upper
Confidence
Limit
41.550
52.952
59.827
***
***
***
-1.859.
31.598
38.473
***
W
w
W
WC
- D
- DC
1.859
14.565
21. 440
21. 705
33.758
40.633
WC
WC
WC
- W
- D
DC
-41.550
-7.490
-0.615
-21. 705
12.054
18.929
D
D
D
- W
WC
- DC
-52.952
-31.598
-12.006
-33.758
-12.054
6.875
-14.565
7.490
25.756
***
DC
- W
WC
- D
-59.827
-38.473
-25.756
-40.633
-18.929
-6.875
. -21.440
0.615
12.006
***
DC
DC
FIGURAS.2.S
te
SAS.
Comparaciones multiples para el ejemplo 8.2.1, producidas por el paque
318
CAPITULO 8
EJERCICIOS
En los ejercicios del 8.2. 1 aI8.2. 7 aplique el procedimiento de los diez pasos de la prueba de
hip6tesis para analizar las variancias y ver si es posible conduir que existen diferencias entre
las medias de las poblaciones. Sea a = .05 para cada prueba. Utilice el procedimiento HSD
de Tukey para probar las diferencias significativas entre los pares de medias individuales.
Utilice el mismo valor de a que parala prueba F. Construya una gra.fica de puntos y una
grafica de caja de val ores extremos bilateral.
8.2.1 Una investigaci6n realizada por Singh et al. (A-2) y publicada en la revista Clinical Immunology
and Immunopathology se refiere a las anormalidades inmunol6gicas en ninos autistas. Como
parte de su investigaci6n, tomaron mediciones de la concentraci6n serica de un antigeno en
tres muestras de ninos de diez afios 0 menos de edad. Las medici ones en unidades pc.,'
milimetro de suero son las siguientes:
Ninos autistas (n = 23): 755,385,380,215,400,343,415,360,345,
450,410,435,460,360,225,900,365,440,820,400, 170,300,325
Ninos normales (n = 33); 165,390,290,435,235,345,320,330,205,
375,345,305,220,270,355,360,335,305,325,245,285,370,345,345,
230,370,285,315,195,270,305,375,220
Ninos con retraso mental (sin sindrome de Down) (n 15): 380,510,
315,565,715,380,390,245,155,335,295,200,105,105,245
FUENTE:
Utilizada con autorizaci6n de V~endra K. Singh, Ph. D.
8.2.2 El prop6sito de una de las investigaciones realizadas por Schwartz et at. (A-3) es cuantificar
los efectos que produce fumar cigarros sobre las medidas estandar del funcionamiento
pulmonar en pacientes con fibrosis pulmonar idiopatica. Entre las mediciones registradas
esta el porcentaje del volumen residual pronosticado. Los resultados que se registraron de
tales mediciones son los siguientes:
Nunca (n = 21)
35.0
120.0
90.0
109.0
82.0
40.0
68.0
84.0
124.0
77.0
140.0
127.0
58.0
110.0
42.0
57.0
93.0
Anterior (n = 44)
62.0
73.0
60.0
77.0
52.0
115.0
82.0
52.0
105.0
143.0
80.0
78.0
47.0
85.0
105.0
46.0
66.0
95.0
82.0
141.0
64.0
124.0
65.0
42.0
53.0
67.0
95.0
99.0
69.0
118.0
131.0
76.0
69.0
69.0
Actual (n
= 7)
96.0
107.0
63.0
134.0
140.0
103.0
158.0
(ContinUa)
EJERCICIOS
Nunca (n
70.0
51.0
74.0
74.0
FUENTE:
= 21)
Anterior (n
91.0
151.0
40.0
80.0
57.0
=44)
Actual (n
319
= 7)
97.0
137.0
103.0
108.0
56.0
Utilizada con autorizaci6n de David A. Schwartz, M. D.,
M.P. H.
8.2.3 Szad6czky et at. (A-4) examinaron las caracterfsticas de los sitios de uni6n de la 3H-imipramina
en pacientes permanentemente deprimidos (SAD) y pacientes deprimidos por corto tiempo
(no-SAD), as! como en individuos sanos (grupo de control). Una de las variables en las que se
hicieron las mediciones es la densidad de los sitios de uni6n para la 3H-imipramina en las
plaquetas sanguineas (Bmf;y,)' Los resultados son los siguientes:
SAD
634
585
520
525
693
660
520
573
731
788
736
1007
846
701
584
867
691
FUENTE:
No-SAD
Control
771
546
552
557
976
204
807
526
1067
1176
1040
1218
942
845
Utilizada con autorizaci6n de Erika Szad6czky.
8.2.4 Meg Gulanick (A-5) compar610s efectos de la prueba de enseiianza mas ejercicios, ambos
con y sin capacitaci6n de ejercitamiento, sobre la autoeficacia y el desempefio de actividades
durante la primera etapa en recuperaci6n de individuos que tuvieron infarto del miocardio
o cirugia cardiovascular. La autoeficacia (confianza) para realizar actividad fisica esta defini
da como el sano juicio de la propia capacidad para realizar diversas actividades cotidianas.
Se escogi6 a varios individuos aleatoriamente paraasignarlos a uno de tres grupos. EI grupo
320
CAPITULO 8
ANALISIS DE LA VARIAN CIA
1 recibi6 ensefianza, pruebas de ejen:icios de rutina y entrenamiento deejen:icios tres veces

por semana. EI grupo 2 recibi6 5610 instrucciones y pruebas de ejen:icio. EI grupo 3 recibi6
s610 cuidados de rutina sin supervisi6n en los ejen:icios ni ensefianza. Las siguientes califica
ciones son el total de autoeficacias por grupo despues de cuatro semanas del infarto 0 de
practicada la operaci6n cardiovascular.
Crupo 1: 156,119,107,108,100; 170, 130, 154, 107, 137, 107
Crupo 2: 132, 105, 144, 136, 136, 132, 159, 152, 117,89, 142, 151,82
Crupo 3: 110, 117, 124, 106, 113,94,113,121,101, -119, 77, 90, 66
FUENTE:
Utilizada con eI permiso de Meg Gulanick, Ph. D., R. N.
8.2.5 Azoulay-Dupuis et al. (A-6) estudiaron la eficacia de cinco medicamentos para erradicar el
StreptocoCI;US pneumoniae de los pulmones de ratones de laboratorio hembras en varias ocasio
nes antes de la infecci6n. Las siguientes medici ones corresponden a la existencia de bacte
rias viables en los pulmones (loglo cfulml de homogenado pulmonar) 24 horas despues de
aplicar seis inyecciones. Las dosis se administran por inyecci6n.
Dosis de medicamento
(mglkg)
Bacterias viables
Controles
8.80
8.60
8.10
8.40
8.80
Amoxicilina, 50
2.60
2.60
2.60
Eritromicina, 50
2.60
2.60
2.60
Temafloxacina, 50
2.60
2.60
2.60
Ofloxacina, 100
7.30
5.30
7.48
Ciprofloxacina, 100
7.86
4.60
6.45
FUENTE:
Utilizada con autorizaci6n de Esther Azoulay-Dupuis.
8.2.6 EI prop6sito de un estudio realizado por Robert D. Budd (A-7) es la exploraci6n de la rela
cion entre el uso de cocafna y el comportamiento violento en casos donde se investigan las
causas de muerte. Se registraron las siguientes concentraciones de cocaina (Ilg!ml) en vfcti
mas de muerte violenta segiin el tipo de muerte.
- - -...-
..
.. --~ ..
--.--------------------
EJERCICIOS
321
Homicidio
78
1.88
.25
.81
.04
.04
, 09
1.88
1.71
4.10
.38
2.50
1.80
.12
.30
.19
.14
2.38
.21
.13
1.32
3.58
1.55
3.11
2.49
4.70
1.81
1.15
3.49
.27
.42
.35
2.39
4.38
.10
1.24
4.08
1.52
.41
.35
1.79
.27
2.77
.16
.35
1.49
1.18
2.26
.19
.47
.40
2.96
7.62
.04
.3.22
.21
.54
Accidente
1.18
.05
1.46
3.85
.03
.46
.65
.47
Suicidio
1.15
1.82
FUENTE:
.54
.92
.35
Utilizada con autorizaci6n de Robert D. Budd.
8.%.7 Rosen et al. (A-8) disefiaron un estudio para probar 1a hip6tesis de que los sobrevivientes
del holocausto nazi presentan mas y diferentes problemas para dormir en comparaci6n
con individuos deprimidos y sanos, y que la gravedad de los problemas de los sobrevivien
tes estan correlacionados con el tiempo que pasaron en los campos de concentraci6n. Los
individuos estudiados eran sobrevivientes del holocausto nazi, pacientes deprimidos e in
dividuos sanos. Los investigadores describieron los patrones de suefio de los individuos
durante el mes anterior al estudio segiin el Indice de la calidad del suefio de Pittsburgh, un
instrumento de automedici6n con preguntasrespecto ala calidad, latencia, duraci6n, efi
ciencia y disturbios del suefio, uso de somniferos y disfunci6n durante el dia. Las siguien
tes calificaciones globales corresponden a los indices por tipo de. individuo para cada
individuo estudiado.
322
CAPITULO 8
Pacientes
depresivos
Sobrevivientes
8
io
8
6
13
3
6
5
16
3
6
2
11
7
12
8
10
12
9
9
6
Sanos
(grupo de control)
2
1
2
2
1
6
3
2
5
I
2
2
4
1
2
4
4
FUENTE:
Utilizada con autorizaci6n de Jules Rosen, M. D.
8.2.8 Regenstein et al. (A-9) presentaron un estudio cuyo objetivo era determinar si habfa asociaci6n
entre el aumento de incidencia de la intolerancia a la glucosa y la terapia cr6nica de terbutalina
administrada por via oral 0 como inyecci6n subcutanea. Respectivamente, 38 y 31 mujeres
recibieron terbutalina via oral e inyecci6n subcutanea. Se compararon los resultados de das;fi
cad6n de diabetes gestacional contra los resultados en 82 mujeres que no recibieron terapia.
~Cmil es la variable tratamiento en este estudio? cCuaJ es la variable respuesta? C:Cuales son las
variables ex'tranas que pueden causar efectos que pudieran induirse en el termino de error?
C:CuaIes son las "categorfas" de la variable tratainiento? Elabore una tabla para el analisis de la
varianda en el que se especifiquen las mentes de variaci6ny los grados de libertad.
8.2.9 ] eSsee y Cecil (A-l 0) condujeron un estudio para comparar las habilidades, medidas por una
prueba y por un procedimiento de clasificaci6n, de varias mujerescapacitadas para sugerir y
priorizar soluciones ante dilemas medicos. Las 77 mujeres se repartieron en cuatro grupos:
visitantes domiciliarias capacitadas con experiencia 'entre cero y seis meses; visitantes domi
ciliarias capacitadas con mas de seis meses deexperiencia; enfermeras con capacitaci6n profe
sional, y mujeres sin experiencia ni capacitaci6n. (Cuales la variable tratamiento? C:Cual es la
variable respuesta? C:Cuales son las "categorias" de la variable tratamiento? C:Quienes son los
sttietos del estudio? C:Cuales son las variables extraiias cuyos efectos pueden induirse en el
termino de error? (Cual es el objetivo de induir en el estudio mujeres con y sin capacitaci6n
y experiencia? Elabore una tabla ANaVA en la que se especifiquen las fuentes de variaci6n y
los grados de libertad. Los autores calcularon una R.V: de 11.79. C:Cual es el valor de p?
8.3 DISENO POR BLOQUES

COMPLETOSY~TO~OS
El diseiio por bloques completos y aleatorizados fue creado alrededor de 1925 por R. A.
Fisher, quien buscaba metodos para el mejoramiento de experimentos en el campo
agricola. El disefio por bloques completos y aleatorizados es un disefio en el que las
unidades (llamadas unidades de experimentaci6n) a las que se aplican los tratamientos
son subdivididas en grupos homogeneos llamados bloques, de tal manera que el
numero de unidades de experimentacion en un bloque es igual al numero (0 a un
multiplo del mismo) de tratamientos en estudio. Luego se asignan los tratamientos
8.3
323
DISENO POR BLOQUES COMPLETOS YALEATO.RIZADOS
en forma aleatoria a las unidades experimentales dentro de cada bloque. Es necesa

rio hacer notar que .cada uno de los tratamientos aparece en todos los bloques, y
cada bloque recibe todos los tratamientos.
Objetivo
El objetivo al utilizar el diseiio por bloques completos y aleatorizados
es aislar y eliminar del termino de error la variacion atribuible a los bloques, y
asegurar que las medias del tratamiento esten libres de los efectos del bloque. La
eficacia del diseiio depende de la capacidad de conseguir bloques homogeneos de
unidades de experimentacion. Esta capacidad depende del conocimiento de los
investigadores acerca del material experimental. Cuando el diseiio se utiliza con
eficacia, el cuadrado medio del error en la tabla ANOVA se reduce, aumenta la R.y.
y mejora la probabilidad de rechazar la hip6tesis nula.
En experimentos con animales, si se piensa que las diferentes cepas de anima
les responderan de manera diferente a un mismo tratamiento, la cepa se puede
utilizar como un factor para formar bloques. Las camadas tambien pueden utilizar
se como bloques, en cuyo caso un animal de cada camada recibe untratamiento. En
experimentos en los que intervienen seres humanos, si sedesea eliminar las dife
rencias que resultan de la edad, los individuos pueden agruparse de acuerdo con la
edad, de tal forma que una persona de cada edad recibe el tratamiento respectivo.
El diseiio por bloques completos y aleatorizados tambien se puede utilizar de ma
nera eficaz cuando el experimento se lleva a cabo en mas de un laboratorio (blo
que) 0 cuando se-requieren varios dfas (bloques) para terminarlo.
Una de las ventajas del di'seiio por bloques completos y aleatorizados
es que se comprende facilmente. Ademas, alglinas complicaciones que podrfan sur
gir en el transcurso de un experimento son faciles de controlar cuando se utiliza
este diseiio.
Resulta conveniente seiialar que el analisis de comparaciones por parejas que
aparece en el capitulo 7 es un caso especial del diseiio por bloques completos y
aleatorizados. EI ejemplo 7.4.1. puede ser como un diseiio por bloques completos
y ali::atorizados en el que los dos puntos en el tiempo (antes y despues) son los
tratamientos, y los individuos sobre los que se hacen las mediciones son los bloques.
VenJujas
Despliegue de datos
En general, los datos de un experimento que utiliza el
diseiio por bloques completos y aleatorizados pueden presentarse en tablas como
la 8.3.1. Se debe observar la siguiente notacion nueva:
el total del t- simo bloque
T;.
xij
j-I
k
LXij
la media del i- simo bloque
y el gran total
TI.
"
j-I
i-I
T.. '= "T

.J.) = "T
..
I.
10 cual indica que el gran total sepuede obtener sumando los totales de los renglo
nes 0 sumando los totales de las columnas.
324
CAPITULO 8
TABlAS.3.1
Tabla de valores aleatoriospara
el disefio por bIoques compIetos y a1eatorizados
Tratamientos
Bloques 1
Xu
X I2
XIS
. X lk
T I
Xl.
X 21
X 22
X 23
X 2k
T 2
x2
X 3l
S2
X33
Tg.
xg
xnl
xn2
xn3
xnk
X".
Total
T.l
T.2
T.3
T.k
T ..
Media
x. I
x' 2
x.
X.k
'X
Total
3k
Media
ANOVA hUtileral
La tecnica paraanalizar los datos de un disefio por bloques
completos y aleatorizados se llama andlisis de la variancia bilateral, porque una ob
senraci6n se clasifica con base en dos criterios: el bloque alque pertenece y el grupo
de tratamiento del cual forma parte.
Los pasos para la pruebade hip6tesis, si se utiliza el disefio por bloques COffi
pletos y aleatorizados, es como sigue:
1. Datos. Despues de identificar los tratamientos, los bloques y las unidades de

experimentaci6n, los datos pueden presentarse por conveniencia, como en la'
tabla B.3.1.
2. Supuestos. El modelo para el disefio por bloques completos y aleatorizados
se fundamenta en las siguientes suposiciones:
El modelo es
Jl+Pi+'tj+eij
i = 1,2, ... , n; j := 1, 2, ... , k
Xij
(B.3.1)
En este modelo
xij es el valor representativo de toda la poblaci6n.
Jl es una constante desconocida.

Pi representa un efecto de bloque que refleja el hecho de que la unidad de
experimentaci6n cae en el i-esimo bloque.
'tj representa el efecto de un tratamiento que refleja el hecho d~ que la
unidad de experimentaci6n recibe el j-esimo tratamiento.
eij es un componenteresidual.que representa toda las fuentes de variaci6n
que no son tratamientos ni bloques.
8.3
DISENO POR BLOQUES COMPLETOS Y ALEATORIZADOS
325
Supuestos del 'I1I,odeio

a)
Cada xij que se observa constituye una muestra aleatoria independiente

de tamafio 1 a partir de una de las kn poblaciones representadas.
b) Cada una de estas kn poblaciones sigue una distribucion normal con una
media J..t; Yla misma variancia (5'2. Esto implica que los eij siguen una distri
bucion ~ormal e independiente con una media igual a 0 y variancia (5'2.
c)
Los efectos del tratamiento y del bloque son aditivos. Esta suposicion se
interpreta como la no existencia de interacci6n entre los tratamientos y
bloques. En otras palabras, una combinacion particular de bloque
tratamiento no produce un efecto que sea mayor 0 menor que la suma
de sus efectos individuales. Es posible demostrar que cuando esta
suposicion se satisface
n
L't
j=!
=L~i
=0
i=1
Las consecuencias de contravenir esta suposicion son resultados enga

fiosos. No es necesario preocuparse por la suposicion de adicion, a me
nos que la media mayor sea en mas de 50 por ciento mas grande que la
media menor.
Cuando estas suposiciones son verdaderas, 'tj y ~j son un conjunto de cons tan
tes f!jas, y se tiene una situacion que se ajusta al modelo de efectos f!jos.
3. Hip6tesis.
Se puede probar
Ho:
'tj
0,
j = 1, 2, ... , k
contra la alternativa
Una prueba de hipotesis respecto a los efectos del bloque no se efectua, por 10
general, bajolas suposiciones del modelo de efectos f!jos por dos razones. Primero,
el interes principal esta en los efectos del tratamiento, siendo el prop6sito general
de los bloques proporcionar una forma de eliminar las fuentes extrafias de varia
cion. Segundo, aunque las unidades experimentales se asignen al azar a los trata
mientos, los bloques no se obtienen de manera aleatoria.
La estarustica de prueba es R.Y.
5. Distribuci6n de la estadistica de prueba. Cuando Ho es verdadera y se cum

plen las suposiciones, R.Y. sigue una distribucion F.
6. RegIa de decisi6n. Se rechaza la hipotesis nula si el valor calculado para la
estadfstica de prueba R.Y. es mayor 0 igual que el valor cdtico de F.
326
7. Calculo de la estadistica de prueba. Puede mostrarse que la suma total de

los cuadrados para el disefio por bloques completos y aleatorizados puede
dividirse en tres componentes, cada uno atribuible a los tratamientos (SC trat ),
bloques (SC bloq ) y error (SCresidual)' Esto es:
(8.3.2)
SCtotal = SC blOq + SC trat + SCresidual
Las f6rmulas para las cantidades en la ecuaci6n 8.3.2 son las siguientes:
k
SC total =
L,L,(xij -x.Y
(8.3.3)
j=1 ;=1
SC b10q =
L,L,(x;. -x.Y
(8.3.4)
j=1 ;=1
SC trat =
"
L,L,(x. -x.Y
(8.3.5)
j=1 ;=1
SCresidual = SCtotal - SC b10q - SCtrat
(8.3.6)
Los grados de libertad adecuados para cada componente en la ecuaci6n

8.3.2 son:
.
total
kn
bloques
1
= (n -
1)
(error) residual
tratamientos
(k
1)
(n-l)(k-l)
Los grados de libertad residuales, al igual que la suma de cuadrados

residuales, pueden calcularse mediante una resta como sigue:
( kn - 1) - (n - 1) - (k - 1) = kn - 1 - n + 1 - k + 1
= n(k -1) -1(k -1) = (n -1)(k -1)
TablaANOVA
I;
Los resultados de los c:ilculos para el disefio por bloq~es completos y aleatorizados
pueden desplegarse en una tabla ANOVA como la 8.3.2.
TABLA 8.3.2
aieatol"izados
Fuente
.
.
Tabla ANOVA para el disefio pOI" bloques completos y
SC
g.l.
(k 1)
Tratamientos SCrrat
Bloques
SCb10q
(n 1)
Residuales
SCresidual (n-l)(k-l)
Total
kn-l
CM
R.v.
8.3
327
8. Decision estadistica. Es posible mostrar que, cuando el modelo de efectos

f~os se aplica y la hip6tesis nula de no efectos del tratamiento (todas las 'tj
0)
es verdadera, tanto el cuadrado medio del error, 0 residual, como el cuadrado
medio de los tratamientos son estimaciones para la variancia comun (12. Por 10
tanto, cuando la hip6tesis nula es verdadera, la cantidad
CMtralCMresidual
sigue una distribuci6n F con k - 1 grados de libertad en el numerador y (n 1)

x (k - 1) grados de libertad en el denominador. La razon de la variancia calcu
lada, por 10 tanto, se compara contra el valor critico de F.
9. Conclusion. Si se rechaza H o' se concluye que la hip6tesis alternativa es ver
dadera. Si no se rechaza Ho. se concluye que Ho puede ser verdadera.
10. Valor de p.
El siguiente ejemplo muestra el uso del disefio por bloques completos y
aleatorizados.
EJEMPLO 3.3.1
Un fisioterapeuta tenia como proposito comparar tres metodos para ensefiar a sus
pacientes a utilizar cierto mecanismo protesico. Considero que el porcentaje de
aprendizaje seria diferente en pacientes con diferentes edades, y quiso disefiar un
experimento en el que la edad fuera tomadaen cuenta.
Solucion: El disefio por bloques completos y aleatorizados es un disefio adecuado
para el fisioterapeuta.
1. Datos.
Escogio al azar a tres pacientes por grupo para formar cin

co grupos de edad para que participaran en el experimento, y a
cada uno de los pacientes en cada grupo de edad se Ie asigno al azar
un metodo de ensefianza. Los metodos de instruccion forman tres
tratamientos, y los cinco grupos de edad son los bloques. Los datos
. que se obtuvieron se muestran en la tabla 8.3.3.
2. Supuestos. Se supone que cada una de las 15 observaciones for
man una muestra aleatoria de tamafio 1 a partir de una de las 15
poblaciones definidas por la combinacion de bloques y tratamien
tos. Por ejemplo, se supone que el numero 7 en la tabla forma una
respuesta seleccionada al azar a partir de una poblacion de respues
tas que resultarfa si la poblacion de individuos con edades menores
a 20 afios recibiera el metodo de ensefianza A. Se supone que las
respuestas en las 15 poblaciones representadas siguen una distribu
cion normal con variancias iguales.
3. Hipotesis.
Ho: 'tj = 0 j = 1, 2, 3
H ,1 : no todas las TJ = 0
Sea a = .05.
4. Estadistica de prueba. La estarustica de prueba es RV = CMu", /CMresidual
328
CAPtTUL08
Tiempo (en diaB) necesario para

TABlA 8.3.3
aprender a utilizar cierto aparato protesico
Metodo de enseilanza
Grupo de edad
Total
Media
Menor de 20
20 a 29
30 a 39
40 a 4:9
50y mas
7
8
9
10
11
9
9
9
9
12
10
10
12
12
14
26
27
30
31
37
8.67
9.00
10.00
10.33
12.33
Total
45
48
58
151
Media
9.0
9.6
11.6
10.07
5. Distribucion de la estadistica de prueba. Cuando Ho es verdade

ra y las suposiciones se cumplen, R.v. sigue una distribuci6n F con 2
y 8 grados de libertad.
6. Regia de decision. Rechazarla hip6tesis nula si el valor calculado
de R.v. es mayor 0 igual que el valor crftico de F. EI valor de F, 4.46,
se puede localizar en la tabla G.
7. CaIculo de la estadistica de prueba.
mas de cuadrados:
Se calculan las siguientes su
SCwtal (7 10.07)2 + (8 10.07)2 + ... + (14 - 10.07)2 = 46.9335

SCb10q 3 [(8.67 10.07)2 + (9.00 - 10.07)2 + ... + (12.33 - 10.07)2] = 24.855
SCtrat 5 [(9 10.07)2 + (9.6 - 10.07)2 + (11.6 - 10.07)2] = 18.5335
SCresidual 46.9335 - 24.855 - 18.5335 = 3.545
Los grados de libertad en total son = (3)(5) - 1 = 14, bloques

1 4, tratamientos 3 - 1 = 2, Y el (error) residual = (5 -
TABlA 8.3.4
ejemplo 8.3.1
Tabla ANOVA para el
SC
g.l.
CM
R.V.
Tratamientos
Bloques
Residuales
18.5335
24.855
3.545
2
4
8
9.26675
6.21375
.443125
20.91
Total
46.9335
14
Fuente
8.3
329
1)(3 - 1) = 8. Los resultados de los calculos pueden desplegarse en

una tabla ANOVA como la que se muestra en la tabla 8.3.4.
8. Decisi6n estadistica. Puesto que la razon de la variancia, 20. 9 1, es

mayor que 4.46, se rechaza la hipotesis nula de que no hay efectos
del tratamiento bajo la suposicion de que una R.v. tan grande refleja
que el cuadrado medio de las dos muestras no son estimaciones de la
misma cantidad. La otra (mica explicacion para esa R.v. tan grande
serfa que la hipotesis nula es realmente verdadera, y que se observo
un conjunto de resultados inusuales. Se descarta la segunda explica
.
cion en favor de la primera.
9. Conclusi6n. Se concluye que no todos los efectos de los tratamien
tos son iguales acero, 0 equivalentes, es decir que no todos los trata
mientos son iguales.
Para esta prueba p < .005.
10. Valor de p.
Muchos paquetes de software estadfstico analizan

los datos a partir de diseiios por bloques completos y aleatorizados. A continuacion
se muestra la entrada y la salida del paquete MINITAB. Los datos del experimento
servicin para alimentar la hoja de trabajo de MINITAB fonnada por tres columnas. La
columna 1 contiene las observaciones, la columna 2 contiene los nUmeros que identifi
can el bloque a que corresponde cada observaci6n. La columna tres contiene los nUme
( ros que identifican e1 tratamiento a que corresponde cada observacion. La figura 8.3.1
muestra la hoja de trabajo de MINITAB para el ejemplo 8.3.1. La figura 8.3.2 muestra
las cajas de diaIogo para comenzar e1 anaIisis y la tabla ANOVA que resulta.
Antilisis par (,-OmpulUikJro
ROW
C1
C2
C3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
7
9
10
8
9
10
9
9
12
10
9
12
11
12
14
1
1
1
2
2
2
3
3
3
4
4
4
5
5
5
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
FIGURA 8.3.1
Hoja de trabajo de MINITAB para los datos de la figura 8.3.2.
330
CAPiTULO 8
ANA.LISIS DE LA VARIANCIA
Caja de dialogo:
Comandos de la sesi6n:
Stat> ANOVA > Twoway
MTB > TWOWAY Cl

SUBC > MEANS C2
C2 C3
C3.
Tedear Cl en Response. Tedear C2 en Row factor y

verificar Display means. Tedear C3 en Column factQr y
verificar Display means. Clic OK.
Resultados:
Analisis de la variancia bilateral
Analysis of Variance.for
Source
DF
SS
4
C2
24.933
2
18.533
C3
Error
3.467
8
Total
14
46.933
Cl
MS
6.233
9.267
0.433
Individual 95% Cl
C2
1
2
3
4
5
Mean
8.67
9.00
10.00
10.33
12.33
-+-------
------+-
(-----*
)
(-----* ---)
-*-
---*--
*---- )
-------+-
-+------
9.00
10.50
12.00
-----+-
13.50
Individual 95% CI
C2
1
2
3
Mean
9.00
9.60
11. 60
---+---------+----------+---------+-
(-
*----)
(-----*---- )
(---+--
9.00
--'+---
10.00
--+----
11.00
*----)
-+-
12.00
FIGUR\ 8.3.2
Caja de dialogo y resultados para el anaIisis de la variancia bilateral, ejelll
plo 8.3.1. MINITAB.
EJERCICIOS
331
SistemaSAS
Proc:edimiento de analisis de la varlanc:ia
Dependent Variable: DAYS
DF
Sum of Squares
Mean Square
F Value
Pr > F
Model
43.46666667
7.24444444
16.72
0.0004
Error
3.46666667
0.43333333
14
46.93333333
Source
Corrected Total
R-Square
Source
GROUP
AGE
C.V.
Root MSE
DAYS Mean
0.926136
6.539211
0.65828059
10.06666667
DF
Anova SS
Mean Square
F Value
Pr > F
2
4
18.53333333
24.93333333
9.26666667
6.23333333
21. 38
14.38
0.0006
0.0010
.J<1GUR.\ 8.3.3
Resultados impresos parcialmente para el ejemplo B.3.1. Paquete MINITAB .
La tabla ANOVA producida por el paquete SAS para el am'ilisis del ejemplo
8.3.1 se muestraenla figura 8.3.3. Observe que en estos resultados el modele SC es
<
igual a la suma de SCb10q Y SCn<at'
Alternativas
Cuando los datos disponibles no cumplen las suposiciones del di
sefio por bloques completos yaleatorizados tal como se estudia aquf, puede ser
conveniente un procedimiento alternativo nocparametrico como el de Friedman
que se trata en el capftulo 13.
E,JERCICIOS
Para los ejercicios deIB.3.1 aIB.3.5 aplique el procedimiento de los diez pasos de la prueba
de hip6tesis para el amilisis de la variancia.
8.3.1
<
Druml ct al. (A-ll) tenian como prop6sito, en uno de sus estudios, evaluar el impacto de la
alcalosis respiratoria sobre la eliminaci6n dellactato administrado por via intravenosa. Rea
lizaron el estudio en ocho individuos que eran 'pacientes con tratamiento de respiraci6n
asistida debido a que presentaban enfermedades neurol6gicas 0 neuromusculares. Se torna
ron mediciones, al azar yen dos ocasiones, de las concentraciones plasmaticas de lactato:
primero, durante la respiraci6n normal, y despues durante la alcalosis inducida por
hiperventilaci6n controlada. Se evalu6 la eliminaci6n de lactato cinco minutos despues de
administrar Immol/ kg de peso corporal de acido L-lactico. Los siguientes datos representan
332
CAPiTULO 8
los niveles de lactato del plasma (mmo1/1) 90 minutos despues de administrarlo a cada uno
de los pacientes por cada ocasi6n.
Individuo
1
2
Normoventilaci6n
Hiperventilaci6n
2.8
2.0
1.3
1.4
1.2
1.1
1.8
3
4
5
6
7
8
1.7
2.7
2.1
1.4
1.8
1.3
1.9
2.0
2.8
FUENTE; Wilfred Druml, Georg Grimm, Anton N. Laggner, Kurt
Lenz y Bruno Schneewei~, "Lactic Acid Kinetics in Respiratory
Alkalosis", Critical Care Medicine, 19, 1120-1124. Williams &
Wilkins.
Despues de eliminar los efectos en los individuos, ~es posible conduir que la concentraci6n
media de lactato en el plasma es diferente durante la respiraci6n normal y durante la hiper
ventilaci6n? Sea ex = .05.
8.3.2 McConville et al. (A-12) informaron ace rca de los efectos que produce masticar una pieza de
goma de mascar con nicotina (2 miligramos) en la frecuencia con que se presenta un tic en
pacientes con des6rdenes de Tourette tratados inadecuadamente con haloperidol. Los si
guientes datos corresponden a la frecuencia del tic nervioso bajo cuatro condiciones.
Ntimero de tics durante un periodo de 30 minutos

Despues de terminar de masticar
Paciente
1
2
3
4
5
6
7
8
9
10
AI inicio
Masticando
chicle
0-30
minutos
30-60
minutos
249
1095
83
569
368
326
324
95
413
332
108
593
27
363
141
134
126
41
365
293
93
600
32
342
167
144
312
63
282
525
59
861
61
312
180
158
260
71
321
455
FUENTE: Brian J. McConville, M. Harold Fogelson, Andrew B. Norman, William M. Klykylo, Pat Z.
Manderscheid, Karen W. Parker y Paul R. Sanberg, "Nicotine Potentiation of-Haloperidol in
Reducing Tic Frequency in Tourette's Disorder", AmericanJournal of Psychiatry, 148, 793-794. Co
pyright , The American Psychiatric Association. Reimpresa con autorizaci6n.
EJERCICIOS
333
Despues de disipar los efectos en el paciente. <!es posible conduir que el numero medio de
tics difiere en las cuatro condiciones? Sea a = .Ol.
8.3.3 Un equipo de especialistas en remotivacion, en un hospital psiquiatrico, condujo un expe
rimento para comparar cinco metodos para remotivar a los pacientes. Estos fueron agru
pados de acuerdo con el nivel de motivaci6n inicial. En cada grupo, los pacientes fueron
asignados al azar a los cinco metodos. AI final del periodo experimental, un equipo de
trabajo formado por un psiquiatra, un psic61ogo, una enfermera y un trabajador social
evaluaron a los pacientes. Ninglin miembro del equipo de evaluaci6n sabia de los metodos
que fueron asignados a los pacientes. El equipo asign6 a cada paciente una calificaci6n como
medida de su nivel de motivaci6n. Los resultados son los siguientes:
Metodo de remotivaci6n
Nivel de
motivaci6n
inicial
Nulo
Muybajo
Bajo
Promedio
58
62
67
70
68
70
78
81
60
65
68
70
68
80
81
89
64
69
70
74
~Proporcionan estos datos evidencia suficiente que indique una diferencia en las calificacio
nes medias entre los metodos? Sea a == .05.
8.304 La enfermera supervisora de un departamento de salud local queria analizar el efecto de la

hora del dra en la duracion de las visitas domiciliarias realizadas por el personal de enferme
ria. Pensaba que las diferencias individuales entre las enfermeras podian ser grandes, por 10
que utilizo a las enfermeras como un factor de formaci6n de bloques. Recolecto ademas los
siguientes datos:
Duracion de la visita domiciliaria seglin la hora del dia
Enfermera
A
B
C
D
Enla
mafuma
Amedio
dia
27
31
35
20
28
30
38
18
Temprano
porIa tarde
30
27
34
20
Poria
tarde
23
20
30
14
~Proporcionan estos datos evidencia suficiente para indicar una diferencia en la duraci6n de
las visitas domiciliarias en las diferentes horas del dia? Sea a = .05.
8.3.5 Cuatro individuos participaron en un experimento para comparar tres metodos de libera
ci6n de la tensi6n nerviosa. Cada individuo fue puesto en una situaci6n de tension nerviosa en
tres ocasiones diferentes. Por cada vez se utiliz6 un metodo diferente para reducir el estres
334
CAPITULO 8
en cada individuo. La variable de respuesta es el total de reduccion del nivel de tension

nerviosa antes y despues de la aplicacion del tratamiento. Los resultados son los siguientes:
Tratamiento
Individuo
16
16
26
20
21
29
22
23
22
36
2
3
4
17
28
ms posible conduir a partir de estos datos que los tres metodos difieren en eficacia? Sea a =.05.
8.3.6 En un estudio realizado por Valencia et al. (A-13) se midieron los efectos de la temperatura
ambiental y la humedad en el gasto energetico durante 24 horas mediante calorimetria
indirecta de todo el cuerpo en ocho hombres jovenes con peso normal. Los individuos estu
diados utilizaron ropa ligera y siguieron un regimen de actividad controlada. Se evaluaron
los efectos de la temperatura medida a 20, 23, 26 Y30 grados Celsius en un ambiente hume
do, y en un ambiente altamente humedo con temperaturas de 20 y 30 grados Celsius. (CuM
es la variable bloqueo? (Cwil es la variable tratamiento? ,:Cwlntos bloques existen? <!Cuantos
tratamientos hay? Elabore una tabla ANOVA en la que se especifiquen las fuentes variabili
dad y los grados de libertad para cada una. ~Cuales son las unidades experimentales? tCua
les son las variables extrafias que pueden influir y podrian incluirse en el termino de error?
8.3.7 Hodgson et al. (A-14) realizaron un estudioen el cual indujeron dilataci6n gastrica en seis
perros con anestesia, mantenidos con dosis constantes de isofluorano en oxigeno. Compara
ron las mediciones cardiopulmonares antes de la distension estomacal (medidas de linea de
base) contra las mediciones tomadasdurante .1, .5, 1.0, 1.5, 2.5 Y 3.5 horas de distension
estomacal para analizar los cam bios a partir de las medidas de linea de base. Despues de la
distension estomacal, los indices cardiacos aumentaron de 1.5 a 3.5 horas. No hubo cambios
en el volumen sistolico. Durante la insuflacion, se observ6 un incremento en la presion arterial
sistemica, arterial pulmonar y auricular derecha. No cambiola frecuencia de la respiracion.
La Pao-, tendi6 a disminuir durante la dilataci6n gastrica. (Cuales son las unidades de expe
rimentacion? (CuMes son los bloques? tCual es la variable tratamiento? (CuM es la variable
o variables respuesta? (Que variables extrafias pueden causar efectos que pudieran incluirse
en el termino de error? Elabore una tabla ANOVA para este estudio en el que se identifiquen
las fue"1tes de variabilidad y se especifiquen los grados de libertad.
8.4 DISENO DE MEDICIONES HEPETIDAS

Uno de los diseiios que se utilizan con mayor frecuenda en el campo de ciencias de
la salud es el diseiio de mediciones repetidas.
DEFINICION
EI disefto de mediciones repetidas es aquel en el que, para
una rnisrna variable, se hacen rnediciones sobre cada
individuo en dos 0 lIlas ocasiones distintas.
Las ocasiones distintas durante las que se toman las medici ones pueden ser
puntos distintos en el tiempo 0 diferentes condiciones, como tratamientos diferentes.
8.4
DISENO DE MEDICIONES REPETIDAS
335
Curindo utlli:zar Hledlclones repetldas En general, el motivo principal

para utilizar el disefio de mediciones repetidas es el deseo de controlar la variabili
dad entre los individuos estudiados. En este disefiocada individuo sirve como su
propio control. Cuando se toman las medici ones s610 en dos ocasiones se tiene el
disefio de un par de comparaciones que se estudian en el capitulo 7. Una de las
situaciones mas usuales que permiten el uso del disefio de mediciones repetidas es
cuando el investigador esta interesado en respuestas sobre el tiempo.
Velltqjas Tal como se mencion6 con anterioridad, la principal ventaja del dise
fiode mediciones repetidas es la capacidad para controlar variaciones extrafias
entre los individuos. Una ventaja adicional es que se necesitan menos individuos
para aplicar el disefio de mediciones repetidas que otros disefios en los que se
utilizan diferentes individuos por cada ocasi6n en que se toman las mediciones. Por
ejemplo, suponga que se tienen cuatro tratamientos(en el sentido usual) 0 cuatro
puntos en el tiempo sobre los cuales se quisiera tener lO mediciones. 8i se utiliza
una muestra diferente de individuos para cada uno de los cuatro tratamientos 0
puntas en el tiempo, se necesitarian 40 individuos. 8i fuera posible tomar las medi
ciones en los mismos indi~iduos para cada tratamiento 0 punto en el tiempo, es
decir, si se pudiera utilizar el disefio de mediciones repetidas, se necesitarian sola
mente lO individuos. Esta ventaja resulta conveniente si es dificil 0 caro reclutar
.
individuos.
. ..
Desventqjas El principal problema potencial sobre el que se debe tener cuida
do es el ejecta. acarreado. Cuando se evahian dos 0 mas tratamientos, los investigado
res deben asegurarse de que las respuestas de los individuos para un tratamiento
no reflejan un efecto residual del tratamiento anterior. Este problema frecuente
mente puederesolverse dejando pasar tiempo suficiente entre los tratamientos.
Otro posible problema es el eJecto de posici6n. Un individuo puede responder
al ultimo tratamiento en secuencia de manera diferente como habrfa respondido si
dicho tratamiento hubiera sido el primero en la secuencia. En ciertos estudios,
como en los que hay participaci6n flsica por parte de los individuos, el entusiasmo
que al principio es alto puede derivar en aburrimiento hacia el final. Una manera de
darle vuelta a este problema es aleatorizar la secuencia de tratamientos independien
temente para cada individuo.
Dlseiio de medlclolles repetldascoll un solofuctor . EI disefio mas sim
pie de mediciones repetidas es aquel en el que se agrega una variable adicional ala
variable tratamiento. EI motivo que origina la introducci6n de una variable adicio
nal es mediry aislar su contribuci6n a la variabilidad total entre las observaciones.
Esta variable adicional se conoce como factor.
DEFINICION
EI diseiio de lllediciones repetidas en el que se introduce
un factoradicional enel experilllento, se llallla diseiio de
mediciones repetidascon un solofactor.
336
CAPiTULO 8
ANALISIS DE LAVARIANCIA
EI factor adicional se refiere al individuo. En el diseiio de mediciones repeti

das con un solo factor, cada individuo recibe cada uno de los tratamientos. EI orden
en el que los individuos son expuestos a los tratamientos, si hay la posibilidad, es al
azar. La aleatorizaci6n se aplica de manera independiente sobre cada individuo.
Supuestos
Se deben considerar, en este texto, los siguientes supuestos en el di
seiio de mediciones repetidas con un s6lo factor. AI diseiio que cumpla con estos
supuestos se Ie llama diseiio aditivo de efectos fijos.
1. Losindividuos estudiados forman una muestraaleatoria simple extraida de

una poblaci6n con individuos similares.
2. Cada una de las observaciones es una muestra aleatoria simple e indepen
diente de tamaiio 1 extraida de cada una de las kn poblaciones, donde n es el
nfunero de individuos y k es el nfunero de tratamientos a los que se expone el in
dividuo.
3. Las kn poblaciones tienen medias potencialmente diferentes, pero todas las
poblaciones tienen la misma variancia.
4. Los k tratamientos son ftios, es decir, son los unicos tratamientos respecto a
los que se tiene interes en la situaci6n actual. Nose pretende hacer inferencias
para un conjunto mayor de tratamientos.
5. No hay interacci6n entre los tratamientos y los individuos. Esto es, los trata
mientos y los efectos en los individuos son aditivos.
Con frecuencia es posible encontrar que los datos de los experimentos no cumplen
con las suposiciones de tratarrtientos ftios ytratamlentos aditivos y efectos sobre los
individuos. Para cada caso, la bibliografia anotada al final del capitulo puede dar
una guia adecuada.
Modelo
EI modelo para el diseiio de
aditivo de efectos ftios es el siguiente:
Xij
m~diciones
repetidas con un s6lo factor
= f..L + ~i -+ 't) + eij
z = 1,2, ... , n;
= 1,2, ... , k
(S.4.I)
EI lector recordara que este modelo es igual al modelo del diseiio por bloques
completos y aleatorizados estudiado en la secci6n S.3. Los individuos son los blo
ques. Consecuentemente, la notaci6n, los datos desplegados y el procedimiento
para prueba de hip6tesis son losmismos que se presentaron anteriormente para el
diseiio por bloques completos y aleatorizados. EI siguiente ejemplo muestra la apli
caci6n del diseiio de mediciones repetidas.
EJEMPLO 8.4.1
Hill et al. (A-I5) estudiaron los efectos de las alteraciones en la composici6n diete
tica sobre el gasto de energia y balance de nutrientes en los seres humanos. Una de
lasmedidas empleadas para el gasto energetico era una cantidad llamada cociente
8.4
DISENO DE MEDICIONES REPETIDAS
337
TABL\8.4.1
Cocientes de respiracion diaria (las
24 horas) registradas en tres ocasiones diferentes
Inidal
Dia3
Dia 7
Total
1
2
3
4
5
6
7
8
0.800
0.819
0.886
0.824
0.820
0.906
0.800
0.837
0.809
0.858
0.865
0.876
0.903
0.820
0.867
0.852
0.832
0.835
0.837
0.900
0.877
0.865
0.857
0.847
2.441
2.512
2.588
2.600
2.600
2.591
2.524
2.536
Total
6.692
6.850
6.850
20.392
Individuo
FUENTE: James O. Hill, John C. Peters, George W. Reed, David G. Schlundt,

leresa Sharp y Harry L. Greene, "Nutrient Balance in Humans: Effect of Diet
Composition" ,AmericanJournal ofClinical Nutrition, 54, 10-17. AmericanJournal
af Clinical Nutrition.
respiratorio (CR). En la tabla 8.4.1 se muestran,para tres puntos diferentes en el
tiempo, los cocientes respiratoriosdiarios (24 horas), con una dieta alta en calorias
en los ocho individuos que participaron en el estudio. Se pretende saber si existe
diferencia entre el CR medio y los tres puntos en el tiempo.
Solucion: 1. Datos. Vease la tabla 8.4.1.
2. Supuestos. Se considera que se cumplen los supuestos descritos para

el disefio de mediciones repetidas con un solo factor aditivo de efectos
fijos.
3. Hipotesis.
H A : no todas las Il son iguales
R.V.
= CMtra/CMresidual
5. Distribucion de la estadistica de prueba. Distribucion F con 3 - 1

2 grados de libertad en el numerador y 23 - 2 7 = 14 grados de
libertad en el denominador.
6. Regia de decision. Sea a. = .05. El valor cntico de F es 3.74. Se
rechaza Ho si R.v. es mayor 0 igual que 3.74.
7. CaIculo de la estadistica de prueba. Se utilizo el paquete MINITAB
para realizar los calculos. Primero se introdujeron las mediciones en la
columna 1, los numeros de renglon (individuos) se introdujeron en
la columna 2, los codigos de tratamientos (periodos de tiempo) en la
columna 3, y se procedio como se muestra en la figura 8.4.1.
338
CAPiTULO 8
Caja de dialogo:
Comandosde la sesi6n:
Stat>- ANOVA >- Twoway
MTB > TWOWAY C1 C2 C3i

SUBC> MEANS C2 C3.
Tedear CI en Response. Teclear C2 en Row factor y

verificar Display means. Tedear C3 en Column factor y
verifiear Display means. Clie OK.
Resultados:
Analysis of Variance for C1

Source
DF
SS
MS
0.001063
C2
7
0.007438
0.001040
0.002080
C3
Error
0.000964
14
0.013495
23
0.023013
Total
FIGURA 8.4.1
Procedimiento MINITAB Yresultados (tabla ANOVA) para el ejemplo 8.4.1.
Sistema SAS
Procedimiento de amilisis de la variancia

Dependent Variable: DRQ
DF
Sum of Squares
Mean Square
F Value
Pr > F
Model
0.00951833
0.00105759
1.10
0.4227
Error
14
0.01349500
0.00096393
Corrected Total
23
0.02301333
R-Square
C.V.
Root MSE
DRQ Mean
3.654045
0.03104720
0.84966667
DF
Anova SS
Mean Square
F Value
Pr > F
0.00743800
0.00208033
0.00106257
0.00104017
1.10
1. 08
0.4131
0.3666
Source
0.413601
Source
SUBJ
TIME
FIGUHA 8.4.2
Resultados para el analisis del ejemplo 8.4.1. Paquete SAS.
339
EJERCICIOS
8. Decision estadistica. No es posible rechazar la hip6tesis nula por

que R.V. .001040/.000964 1.0788 es menor que 3.74.
9. Conclusion. Se conduye que probablemente no hay diferencia en
las tres medias poblacionales.
10. Valor de p. Puesto que 1.0788 es menor que 2.73, el valor crftico
de F para (l .10, el valor de pes mayor que .10.
La figura 8.4.2 Inuestra los resultados para el amHisis del ejemplo 8.4.1. Paque
te SAS''')
FJERCICIOS
Para los ejercicios del 8.4.1 al 8.4.3 aplique el procedimierito de 10 pasos para Ia prueba de
hip6tesis. Sea (X == .05.
..
.
8.4.1 Uno de los prop6sitos de un estudio realizado por Blum et ai. (A-16) era determinar la
farmacocinetica de la fenitofna en presencia y ausencia de la terapia concomitante de
fluconazola. Entre los datos recolectados durante e1 curso del estudio se obtuvieron las si
guientes concentraciones sericas de fluconazola en 10 individuos varones sanos; las medicio
nes se hicieron en tres diferentes ocasiones.
Individuo
001
004
005
007
008
012
013
016
017
020
Dia 14 Cmin (Ilglml)

8.28
4.71
9.48
6.04
6.02
7.34
5.86
6.08
7.50
4.92

9.55
5.05
11.33
8.08
6.32
7.44
6.19
6.03
8.04
5.28

11.21
5.20
8.45
8.42
6.93
8.12
5.98
6.45
6.26
6.17
FUENTE: RobertA. Blum, John H. Wilton, Donald M. Hilligoss, MarkJ. Gardner, Eugenia B. Henry,
Nedra J. Harrison y Jerome J. Schentag, "Effect of Fluconazole on the Disposition of Phenytoin",
Clinical Pharmacology and Therapeutics, 49, 420-425.
8.4.2 Abbrecht et al. (A-17) estudiaron los efectos respiratorios durante eI ejercicio y varios grados
de r~sistencia de los conductos de aereaci6n. Estudiaron a ciI).cO individuos, varones sanos
que no fumaban, dedicados a ejercicios prolongados mientras respiraban a traves de dife
rentes cargasde resistencia al flujo. Entre las mediciones que tomaron estaban los siguientes
volumenes inspiratorios (Vmin) en cinco ocasiones sucesivas bajo una de las condiciones de
resistencia al flujo.
340
Intervalo de tiempo
Individuo
1
2
3
4
5
FUENTE:
39.65
44.88
32.98
38.49
39.71
36.60
40.84
33.79
35.50
41.90
39.96
43.96
34.32
39.63
36.50
40.37
44.10
33.89
35.21
40.36
37.82
45.4l
32.8l
37.51
42.48
Utilizada con autorizaci6n de Peter H. Abbrecht, M. D., Ph. D.
8.4.3 Kabat-Zinn et ai. (A-I 8) disenaron un estudio para detenninar la eficacia de un programa de
reducci6n de estres con base en la meditaci6n en pacientes con trastomos de ansiedad. Los
individuos estudiados fueron seleccionados de entre los que estaban en el programa de relaja
ci6n y reducci6n del estres. Entre los datos que recolectaron los investigadores estaban las
calificaciones obtenidas con base en la Escala de clasificaci6n de la ansiedad de Hamilton, en
tres ocasiones diferentes: al momenta del recluciuniento inici<iI (RI), antes del tratamiento
(Pre), despues del tratamiento (Post) y a los tres meses de seguimiento (3-M). Se obtuvieron los
siguientes datos correspondientes a los resultados de los 14 individuos.
RI
Pre
21
30
38
43
35
40
27
18
31
21
18
28
40
35
21
38
19
33
34
40
FUENTE:
15
11
42
23
24
8
37
32
Post
16
10
15
30
25
31
11
4
23
21
16
5
31
12
3M
19
21
6
24
10
30
6
7
27
17
13
2
19
21
Utilizada con autorizaci6n de Kenneth E. Fletcher,
Ph.D.
8.4.4 EI prop6sito del estudio de Speechley et ai. (A-19) era comparar los cambios en la autoeva
luaci6n de la confianza cHnica entre dos grupos de medicos posgraduados que ejercian la
medicina familiar, en un periodo de dos anos de residencia. Un grupo comenz6 en un centro
de pr:ktica familiar y el otro comenz6 en\un hospital. Un grupo con cuarenta y dos residen
tes participaron en la medici6n inicial, de los cuales 24 presentaron respuestas completas
despues de dos anos. Se evalu6 la seguridad del medico respecto a 177 temas concentrados
en 19 temas generales, mediante cuestionarios que les fueron aplicados despues de seis, 12
y 24 meses.Los residentes cambiaban cada seis meses de un lugar a otro, y aproximadamen
te la mitadiniciaron en cHnica y la otra mitad en hospitaL Las asignaciones al sitio de inicio
341
se hicieron tomando en cuentalas preferencias'de los residentes. ':Quienes son los individuos
examinados en este estudio? (Cuil es la variable tratamiento? ':Cual es la variable respuesta?
Comente sobre el efecto acarreado y el efecto de posici6n, y c6mo pueden 0 no influir en e1
estudio. Elabore una tabla ANOVA. para este esiudio, en la que se identifiquen las fuentes de
variabilidad y se especifiquenlos gradosqe libertad para cac;la,una,
8.4.5 Barnett y Maughan (A-20) efectuaron unestudio para determinar si existen efectos de adi
mataci6n cuando los deportistas varones que no estin acostumbrados al dima ejercitan a
plena luz de dfa en intervalos semanales. Cinco individuos estudiados ejercitaron durante
una hora en condiciones de V02max al 55 por ciento durante cuatro ocasiones diferentes. El
primer ejercitamiento fue bajo condiciones moderadas. Los tres ejercitamientos subsecuen
tes fueron en intervalos semanales a plena luz de dfa. No hubo cambios significativos entre las
pruebas en el calor para el ritmo cardiaco, temperatura rectal 0 V02 ':Cuiles son los individuos
para este estudio? (CuaI es la variable tratamiento? ':Cuil es la variable respuesta? Comente
respecto a los efectos de acarreado y de posici6n, y c6mo pueden 0 no influir en el estudio.
Elabore una tabla ANOVA para este estudio, en la que se identifiquen las fuentes de variabili
dad y se especifiquen los grados de libertad para cada una.

En, los diseiios experimentales que se han considerado hilsta ahora, el interes ha
recaido en los efectos de una sola variable, los tratamientos. Sin embargo, con fre
cuencia se desea estudiar simultaneamente los efectos de dos 0 mas variables. Las
variables de interes reciben el nombre defactores. El experimento en que se investi
gan dos 0 mas factores en forma simult.:mea se llama experimento factorial.
Las diferentes categorias designadas de los factores se conocen como niveles.
Por ejemplo, suponga que se analizan los efectos de tres dosis de cierto medica
mento sobre el tiempo de reaccion. Se dice que el factor medicamento ocurre en
tres niveles. Suponga que el segundo factor de interesen el'analisis es la edad, y se
piensa que deben induirse dos grupos de edad de menos de 65 y de 65 aiios y mas.
Por 10 tanto, se tierien dos niveles para el factor edad. En general, se dice que el
factor A ocurre en los niveles a y el factor B en los niveles b.
En un experimento factorial no solo es posible estudiar los efectos de factores
individuales, sino tambien, si el experimento se efect6.a adecuadamente, la interaccwn
entre los facto res. Para ilustrar el concepto de interaccion, considerese el siguiente
ejemplo.
EJEMPLO 8.5.1
Suponga, en terminos de los efectos sobre el tiempo de reacci6n, que se conoce la

verdadera relacion entre los tres niveles de dosis de cierto medicamento y la edad
de las personas que toman dichci medicamento. Suponga, ademas, que la edad ocu
rre en dos niveles: 'Jovenes" (menores de 65 afios) y "viejos" (de 65 aftos y mas). Si
se conoce la verdadera relaci6n entre estos dos factores, se conocera, para los tres
niveles de dosis, el efecto medio sobre el tiempo de reaccion de los individuos en
los dos grupos de edades. Suponga que el efecto se mide en terminos de la reduc
ci6n en el tiempo de reacci6n a algtin estimulo, y que las medias son las que se mues
tran en la tabla 8.5.1.
342
CAPiTULO 8 ANAl-ISIS DE LA VARIANCIA
TABLA 3.5.1
Reduecion media en el .
tiempo de reaccion(milisegundos) de
individuosen dos grup~de edades en
tres ilivelesde dosis de medieamento
. Factor B: dosis del medicamento

Factor A: edad
j=l
J6venes (i == I!
flJl
fll'2 :::::
fl2l
10
1122
Viejos (i == 2)
j=3
j=2
10
illS
= IS
fl23
=20
2S
Sedeben notar las siguientes caracteristicas importantes de los datos de la

. '
.
tabla: 8.S.1.
1. Para ambos niveles del factor A, la diferencia entre las medias para dos nive
les cualesquiera del factor B es la misma. Es decir, para ambos niveles del
factor A, la diferencia entre las medias para los niveles 1 y 2esS, para los
niveles 2 y 3 la diferencia es IO,Ypara los niveles 1 y 3 la diferencia es IS.
2. Para todos los niveles del factor B, la diferencia entre las medias para los dos
riiveles del factor A esla misma. En este caso, la diferencia es S en los tres niveles
del factor B.
3. Una tercera caracteristica aparece cuando los datos se grafican como se mues
tra en la figura 8.5.1. Se observa que todas las curvas que corresponden a los
distintos niveles de un factor son paralelas.
Cuando los datos de la pobl<ilci6n poseen las tres caracteristicas mencionadas,

.
se dice que no existe interacci6n.
La presencia de interacci6n entre dos factores puede afectar las caracteristicas de
los datos en varias formas, dependiendo de la naturaleza de fa interacci6n. EI efecto
de un tipo de interacci6n se ilustra cambiando los datos de la tabla 8.5.1 como se mues
tra en la tapla 8.S.2.
<l
'0
'13
'0
~
!!! 30
Edad
,,'
25
82
a.
E
20
8,
",.
""'"
1ii
cQ)
c
-0
'13
(.)
Q)
15
10
5
(l)
0::
E
~.
1ii
cQ)
c
-0
"
::l
"0::
Q)
Dosis del medicamento
FIGl'R4. 8.5.1
"a.
'0
::l
"
l;l
!!!
Dosis del medicamenlo
30
25
~b3
20
15
10
5
0
"
~b2
~bl
8,
82
Edad
Efectos de la edad y de los medicamentos, sin interacci6n.
343
TABIAB.5.2
Datos de la tabla B.5.1 alterados
para mostrar los efectos de un tipo de interaccion
Factor B: dosis del medicamento
Factor B: edad
j=l
j=2
j=3
J6venes (i = 1)
1111 =5
1113
Viejos (i = 2)
1121
=10
1122 =10
1112
=15
20
11 23 =5
Las caracteristicas importantes de los datos en la tabla 8.5.2 son las siguientes:
1. La diferencia entre las medias para dos niveles cualesquiera del factor B no es
la misma para ambos niveles del factor A. Se observa en la tabla 8.5.2, por
ejemplo, que la diferencia entre los niveles 1 y 2 del factor B es -5 para el
grupo de edades masj6venes y +5 para el grupo de edades mas grandes.
2. La diferencia entre las medias para ambos niveles delfactor A no es la misma
en todos los niveles del factor B. Las diferencias entre las medias del factor A
son -10,0 Y 15 paralos niveles 1, 2 Y 3, respectivamente, del factor B.
3. Las curvas de los .niveles de los factoresno son paralelas, como se muestra en
la figura 8.5.2.
Cuando los datos deJa poblacl6n presentan las caracte~isticas que aparecen en
la tabla 8.5.2 y la figura 8.5.2, se dice que hay interacci6n entre los dos factores. Es
importante indiear que el tipo de interacci6n que se muestra en este ejemplo es s6lo
uno de los muchos tipos de interacci6n que pueden ocurrir entre dos factores.
En resumen, entonces, es posible decir que existe interaccion entre dos factores si un
cambia en uno de los factores produce un cambia en la respuesta en un nivel del otro factor
diferente del que se produce en otros niveles de este factor.
c:
t::
-0
-0
'0
'0
l!: .30
25
"'"o
c.
E
20
(jj
c:
'"c:
-0
'8::>
4l
0::
Edad
><"
.
b2
82
b3
~ ~~
Oosis del medicamento
~ 25
0
~ 20
'"
~ 15
ai 10
c::
:Q
o
"::>
4l
0::
5 .;'-
0
~b
b2
b3
8,
Dosis del medicamento
nGURA8.5.2
Efectos de la edad y el medicamento, con interacci6n.
82
Edad
344
CAPiTULO 8 ANALISIS DE LA VARIANCIA
Ventajas
Las ventajas del experimento factorial incluyen las siguientes:
1. La interacdon de los factores se puede estudiar.

2. Se ahorra tiempo y esfuerzo.
En el experimento factorial todas las observaciones se pueden utilizar para
estudiar los efectos de cada uno de los factores sujetos a estudio. La alternativa,
cuando se investigan dos factores, serfa efectuar dos experimentos diferentes, uno
para estudiar cada uno de los dos factores. Si se hidera esto, algunas de las observa
dones proporcionarfan informacion solo de uno de los factores, y el resto darfa
informacion unicamente del otro factor. Para lograr el nivel de exactitud del expe
rimento factorial, se necesitarfan mas unidades de experimentadon si los facto res
fueran estudiados a traves de dos experimentos.Por 10 tanto, se aprecia que un
experimento de dos factores es mas accesible en terminos econ6micos que dos ex
perimentos de un factor.
3. Dado que los diversos factores se combinan en un experimento, el resultado
tiene un campo de aplicadon mas amplio.
Diseiio compietamente aleatamado para das factares
Un arreglo
factorial se puede estudiar con cualquiera de los disefios que se han explicado. A
continuacion, se ilustra el analisis de un experimento factorial por medio de un
disefio completamente aleatorizado para dos factores.
1. Datos. Los resultados de un disefio completamente aleatorizado para dos

factores puede presentarse en forma tabular, como se muestra en la tabla 8.5.3.
En esta tabla se tienen a niveles para el factor A, b niveles para el factor B
y n observaciones para cada combinacion de niveles. Cada una de las ab com
binaciones de los niveles del factor A con los niveles del factor B se consideran
como un tratamiento. Ademas de los totales y medias que se muestran en la
tabla 8.5.3, es posible apreciarque el total y lamedia de la ij-esima celda son,
n
T;j = ~>ijk Yxi) = T,j./ n

1=1
respectivamente. EI subfndice i va de 1 a a y j va de 1 a b. EI total de observa

ciones es nab.
Para mostrar que la tabla 8.5.3 representa datos de un disefio completa
mente aleatorizado, se considera que cada combinacion de niveles de factores
es un tratamiento y que se cuenta con n observaciones para cada tratamiento.
Un arreglo alternativo de los datos se obtendria al numerar las observaciones
de cada tratamiento en una columna aparte. La tabla 8.5.3 tambien se puede
utilizar para presentar datos de un disefio de bloques aleatorizado para dos
factores, .si se considera la primera observadon en cada celda como parte del
bloque 1, la segunda observation en cada celda como parte del bloque 2, y asi
sucesivamente, hasta la n-esima observacion en cada celda, la cual se puede
considerar como parte del bloque n.
8.5
EXPERIMENTO FACTORIAL
345
TABUS.5.3
Tabla de datos de la muestra a
partir de un experimento completamente
aleatorizado de doble factor
Factor B
Factor A
x III
x 121
X 110
Totales
Totales
,.
x ",
x.11
X,I,
X ,,,,
T ,2
"'"
T
x.,.
. x.,.
'"
."
x.,.
221
''''
021
Medias
I"
''''
X
T I .,
Xl"
T 2"
x2 "
1'...
X.,.
'"
'!""
x"I
x
".
T".
x ..
Es importante notar la similitud entre los datos para el experimento

factorial, anotados en la tabla 8.5.3, y los datos del diseiio por bloques com
pletos y aleatorizados de la tabla 8.3.1. Para que el experimentador pueda
probar que existe interaccion, el experimento factorial requiere de al menos
dos observaciones por celda, mientras que el diseiio por bloques completos y
aleatonzados solo requiere de una observaci6n por celda. Se utiliza el anaIisis
de variancia bilateral para analizar los datos de un experimento factorial del
tipo que se presenta aquf.
2. Supuestos. Para analizar estos datos, se supone un modelo de efectos ftios y
un diseiio completamente aleatorizado para dos factores:
El modelo EI modelo de efectos ftios para el diseiio completamente
aleatorizado de dos factores se escribe asf
Xiik = J.l
1,2, ... , a; j
+ a.i
+~j
+ (a.~)ij + eijk
1,2, ... , b;
1,2, ... , n
(8.5.1)
donde xij' es una observaci6n representativa, Jl es una constante, a. representa

el efecto debido al factor A, ~ representa un efecto debido al factor B, (a.~)
representa un efecto debido ala interaccion de los factoresA y B, yeij!< repre
senta el error experimental.
346
CAPITULO S
Supuestos para el modelo

a. Las observaciones en cada una de las ab celdas constituyen una muestra
aleatoria independiente de tamafio n, extrafda de una poblacion definida
por la combinacion particular de los niveles de los dos factores.
b. Cada una de las ah poblaciones sigue una distribucion normal.
c. Todas las poblaciones tienen la misma varian cia.
3. Hipotesis. Las siguientes hipotesis pueden probarse:
a. Ho: a i 0
I, 2, ..., a
H A : no todas las a i = 0
b.Ho:~j=O
H A : no todas las ~j
c. Ho: (a~)ij
1,2, ... ,b
=0
H A : no todas las (a~)ij
= 1,2, ... ,a;
= 1,2, ... , b
Antes de recolectar los datos, los investigadores probablemente decidan probar

solo una de las hipotesis posibles. En este caso seleccionan la hipotesis que prefie
ren, eligen unnivel de significacion a, y proceden en la forma sencilla ya conocida.
Este procedimiento no ofrece las complicaciones que podrfan aparecer si los inves
tigadores quisieran probar todas las hipotesis.
Cuando se prueban las tres hipotesis, la situacion se complica por el hecho de
que las tres pruebas no son independientes en el sentido de la probabilidad. Si a es el
nive! de significacion asociado ala prueba como un todo, y a, a' y a son los niveles
de significacion asociados con las hipotesis I, 2, Y3, respectivamente, se tiene
fit
a <1
(l -a')(1
a')(l- a"')
(8.5.2)
Si a a" =a" .05, entonces a < 1 - (.95)3, 0 a < .143. Esto significa que la
probabilidad de rechazar una 0 mas de las tres hipotesis es un poco menor que .143
cuando se elige un nivel de significacion de .05 para las hipotesis y todas son verda
deras. Para demostrar el procedimiento de prueba de hipotesis para cada caso, se
efectuan tres pruebas. Sin embargo, ellector debe enterarse de los problemas que
implica la interpretacion de los resultados.
.
potesis es la R.v.
La estadlstica de prueba para cada conjunto de hi
5. Distribucion de Ia estadistica de prueba. Cuando Ho es verdadera y se cum

pleD las suposiciones, cad a una de las estadisticas de prueba sigue una distri
bucionF.
6. RegIa de decision. Se rechaza Hosi el valor calculado de la estadfstica de
prueba es mayor 0 igualque el valor cdtieo de F.
7. CaIcuIo de la estadistica de prueba. Mediante una adaptaci6n del procedi
miento que se utiliza paradividir la suma total de cuadrados en el disefio
347
completamente aleatorizado, se puede demostrar que la suma total de cua

drados bajo el presente modelo puede dividirse en dos terminos como sigue:
a
LLL(Xij.
i=1 )=1 k=1
i=1 j=1 k=1
(8.5.3)
+ "..J "
.., - Xlj. )2
..J "
.J (X9".
i=1 )=1 <=1
o bien
(8.5.4)
La suma de cuadrados para los tratamientos puede seccionarse en tres terminos

como slgue:
;=1 j=1 k=1
i=1 )=1 k=1
+ LLL(X.). _X... )2
(8.5.5)
;=1 )=1 k=1

a
+"
"(X - X
..J "
.J.Lt
l).
to.
X.).. + X... )2
o bien
SClfa, =SC A+SC B+ SCAB
TablaANOVA
En general, los resultados de los calculos para el modelo de efectos ftios en un
experimento completamente aleatorizado de dos factores se pueden presentar como
se muestra en la tabla 8.5.4.
TABlA 8.5.4
Tabla del amilisis de la variancia para un
experimento completamente aleatorizado de doble factor (modelo
de efectos fijos)
Fuente
A
B
AB
Tratamientos
Residual
Total
SC
g.l.
CM
R.V.
SCA
SCB
SCAB
SCtra'
SCresidual
a-I
b-l
(a - l)(b 1)
ab-l
ab(n 1)
CMA = SC)(a 1)
CMB SClJ/(b 1)
CMAB =SCAB/(a 1)(b 1)
CMA/CM""idual
CMB /CM",sidual
CMAB /CMresidual
SC,otal
abn-:-l
CMresidual
SC",sidual/ab(n
1)
348
CAPITULO 8 ANillsIS DE LA VARIANCIA
8. Decision estadistica. .Si se cumplen las suposiciones establecidas al princi

pio, y si cada hip6tesis es verdadera, puede demostrarse que cada una de las
relaciones de variancia anotadas en la tabla 8.5.4 sigue una distribuci6n F con
los grados de libertad indicados. Se rechaza Ho si los valores calculados para
R.v. son mayores 0 iguales que los valores criticos correspondientes como 10
determinan los grados de libertad y los niveles de significaci6n seleccionados.
9. Conclusion. Si se rechaza H o' se conduye que HA es verdadera. Si no se
rechaza H o' se conduye que Ho puede ser verdadera.
10. Valor de p.
EJEMPLO 8.5.2
En un analisis.del.tiempo invertido en visitas domiciliarias individuales realizadas por

enfermeras de salud publica, se obtuvieron datos de la duraci6n de la visita, en minu
tos, para una muestra de 80 enfermeras. Tambien se registr6la edad de cada una de las
enfermeras y el tipo de enfermedad de cada paciente visitado. Los investigadores que
nan obtener; a partir de su investigaci6n, respuestas a las siguientes preguntas:
1. ml tiempo medio de visita difiere entre los distintos grupos de edad de las
enfermeras?
2. ml tipo de paciente influye en el tiempo medio de visita?
3. mxiste interacci6n entre las edades de las enfermeras y el tipo de paciente?
Solucion: 1. Datos. Los datos acerca de la duraci6n de la visita domiciliaria que
se obtuvieron durante el analisis se muestran en la tabla 8.5.5.
2. Supuestos. Para analizar estos datos, se supone un modelo de efec

tos fgos y un diseiio completamente aleatorizado para dos factores.
3. Hipotesis. Para este ejemplo, es posible probar las siguientes hip6
tesis que se apegan a las condiciones mencionadas anteriormente.
a. Ho:
(X.l
(X.2
(X.3
(X.4
= 0
H A : no todas las (X.j = 0

H A : no todas las ~j
=0
c. Ho: todas las (X.~)ij = 0

HA : no todas las
(X.~)ij =
Sea (X. = .05.

4. Estadistica de prueba. La estadistica de prueba para cada conjun
to de hip6tesis es la R.v.
5. Distribuci6n de la estadistica de prueba. Cuando Ho es verdadera
y se cumplen las suposiciones, cada una de las estadisticas de prueba
sigue una distribuci6n F.
349
Duracion de las mitas domiciliarias

TABU 8.5.5
realizadas por enfermeras de salud publica por grnpos de
edad de las enfermeras y tipos de pacientes
Niveles del factor B (grupo de edad de las enfermeras)
Niveles del
factor A (tipos
de pacientes)
1
(20 a 29)
2
(30 a 39)
3
(40 a 49)
4
(500 mas)
1 (Cardiacos)
20
25
22
27
21
25
30
29
28
30
24
28
24
25
30
28
31
26
29
32
2 (Cancerosos)
30
45
30
35
36
30
29
31
30
30
39
42
36
42
40
40
45
50
45
60
3 (A.V.C.)
31
30
40
35
30
32
35
30
40
30
41
45
40
40
35
42
50
40
55
45
4 (Tuberculosos)
20
21
20
20
19
23
25
28
30
31
24
25
30
26
23
29
30
28
27
30
6. RegIa de decision. Se rechazaHo si el valor calculado de la esta

dfstica de prueba es mayor 0 igual que elvalor critico de F. Los
valores crfticos de F para probar las tres hip6tesis de este ejemplo
son 2.76, 2.76 Y 2.04, respectivamente. Puesto que los grados de
libertad igual a 64 en el denominador no se muestran en la tabla G,
60 se utilizanicomo los grados de libertad en el denominador.
7. CaIculo de la estadfstica de prueba. Para tal efecto, se utilizara el
programa MINITAB. Se incluyen las mediciones en la columna 1,
los numeros de rengl6n (factor A) en la columna 2, y en la columna
3 los numeros de columna (factor B). El contenido de las columnas
resuItantes se muestra en la tabla 8.5.6. Las cajas de dialogo del
programa MINITAB, los comandos de la sesi6n y los resultados se
muestran en la figura 8.5.3.
350
CAPITID,08 ANALISIS DE LA VARIANCIA
TABLA 8.5.6
Contenido de las columnas para los c8lculos
con el paquete MINITAB, ejemplo 8.5.2

R~ng16n
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
.29
30
31
32
33
34
35
36
37
38
39
40
CI
20
25
22
27
21
25
30
29
28
30
24
28
24
25
30
28
31
26
29
32
30
45
30
35
36
30
29
31
30
30
39
42
36
42
40
40
45
50
45
60
C2
C3
Reng16n
CI
C2
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
31
30
40
35
30
32
35
30
40
30
41
45
40
40
35
42
50
40
55
45
20
21
20
20
19
23
25
28
30
31
24
25
30
26
23
29
30
28
27
30
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
C3
- - - -...- -.....-~--..... - - - -...- - - . - - -.....- - - -
8.5
. - - - - - ..
:>
ANOVA
:>
351
EXPERlMENTOFACTORIAL
Comandos de la sesion:
Caja de dialogo:
Stat
- _..._ _...._ - - - _..... - - - - - - - - - - - - -
Twoway
MTB > TWOWAY Cl C2 C3i

SUBC> MEANS C2 C3.
Teclear Cl en Response. Tedear C2 en Row factor y

verificar Display means. Teclear C3 en Column factor y
verificar Display means. Clic OK.
Resultados:
Analysis of Variance for C1
Source
DF
SS
C2
2992.4
3
C3
3
1201.1
Interaction
608;5
9
Error
64
939.6
Total
79
5741. 5
MS
997.5
400.4
67.6
14.7
Individual 95% CI
Mean
26.70
38.25
38.30
25.45
C2
1
2
3
4
-+----------+--
-----+------ ---+---------+
(----*---)
(---*_.- )
(---*- )
(----* ---)
-+- -------+---
24.00
28.00
--+-
32.00
-+---------+
36.00
40.00
Individual 95% CI
C3
1
2
3
4
Mean
27.85
29.80
32.95
38.10
-----+---------+---------+--
----+-----
*--)
( -*--)
(---*--)
(---*-- )
-----+---------+---------+----------+-----
28.00
FIGURA 8.5.3
31. 50
35.00
38.50
Procedimiento MINITAB YtablaANOVA para el ejemplo 8.5.2.
8. Decision estadfstica. Las razones de las variancias son R.V:(A) =

997.5/14.7 67.86, R.V:(B) = 400.4/14.7 27.24y R.V:(AB) = 67.61
14.7 = 4.60. Puesto que los tres valores calculados para R.V: son
mayores que los correspondientes valores crlticos, se rechaza la hi
p6tesis nula.
352
CAPITUW 8 ANALISIS DE LA VARIANCIA
9. Conclusion. Cuando se rechaza Ho: 0.1 = 0.2 = 0.3 = 0.4 , se concluye

que existen diferencias entre los niveles de A, es decir, en el tiempo
promedio empleado en las visitas domiciliarias con diferentes tipos
de pacientes. De forma amiloga, ruando se rechaza Ho: ~I = ~2 = ~3
= ~4' se concluye que existen diferencias entre los niveles de B, 0
diferencias en el tiempo promedio empleado en las visitas domici
liarias entre las diferentes enfermeras cuando se agrupan por eda
des. Cuando se rechaza Ho: {o.~)ij =0, se concluye que los factoresA y
B interacruan; es decir, combinaciones diferentes de los niveles de los
dos factores producen diferentes efectos.
10. Valor de p. Puesto que 67.86, 27.24 y 4.60 son mayoresque los
val ores criticos de P995 para los grados de libertad adecuados, el va
lor de p para cada una de las pruebas es menor que .005. Cuando se
rechazan las hipotesis de no interaccion, el interes en los niveles de
.los factores A y B en general se subordinan al interes en los efectos
de la interaccion. Es decir, se tiene mayor interes en aprender que
combinaciones de niveles presentan diferencias significativas.
La figura 8.5.4 muestra el resultado del analisis para el ejemplo 8.5.2,
producido por el paquete SAS.
Sistema SAS
Procedimiento de analisis de la variancia
Dependent Variable: TIME
Source
DF
Sum of Squares
Mean Square
F Value
Pr > F
Model
15
4801.95000000
320.13000000
21.81
0.0001
Error
64
939.60000000
14.68125000
Corrected Total
79
5741.55000000
R-Square
C.V.
Root MSE
TIME Mean
0.836351
11.90866
3.83161193
32.17500000
DF
Anova SS
. Mean Square
F Value
Pr > F
3
3
9
1201.05000000
2992.45000000
608.450000000
400.35000000
997.48333333
67.
27.27
67.94
4.60
0.0001
0.0001
0.0001
Source
FACTORB
FACTORA
FACTORB*FACTORA
FIGURA 8.5.4
Resultados del paquete SAS para el ejemplo 8.5.2.
353
EJERCICIOS
Hasta este punto, solamente se han tratado casos donde la cantidad de obser
vaciones en cada una de las celdas es la misma. Cuando la cantidad de observacio
nes por celda no es el mismo para cada celda, el analisis se vuelve mas complicado.
En estos casos, se dice que el disefio esta desbalanceado. Para el amilisis de
estos disefios con el paquete MINITAB se utiliza el procedimiento lineal general
(GLM). Otros paquetes de software como SAS tambien acomodan tamafios des
iguales.
FJERCICIOS
Para los ejercicios del 8.5.1 al 8.5.4 aplique el analisis de la variancia, pruebe las hip6tesis
adecuadas con un nivel de significaci6n de .05, y determine el valor de p asociado con cada
prueba.
8.5.1 Orth et al. (A-21) estudiaron los efectos de los niveles excesivos de la cistefna y la homocistefna
en la discondroplasia tibial (DT) en polluelos. En un experimento, los investigadores exami
naron la interacci6n entre la DL-homocistefna y el complemento de cobre en la dieta de los
polluelos. Entre las variables para las que recolectaron datos estaban el peso corporal des
pues de tres semanas (ITl), la gravedad de la discondroplasia tibial (GDT) y la incidencia de
la discondroplasia tibial (IDT). Se presentaron dos niveles de homocisteina (HOMO): 1
no se agreg6 homocisteina, y 2 =: se agreg6 .48 por ciento de homocisteina. Los niveles de
cobre (Gu) fueron: 1 no se agrego cobre, 2 250 ppm de cobre agregado. Los resultados
fueron los siguientes (los investigadores utilizaron el paquete SAS para analizar los datos).
HOMO
CU
PTI
GDT
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
503
465
513
453
574
433
526
505
487
483
459
505
648
472
469
506
507
1
1
1
1
1
1
2
I
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
IDT iHOMO
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
CU
PTI
GDT
IDT
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
426
392
520
367
545
523
304
437
357
420
448
346
382
331
532
536
508
4
4
3
4
4
4
4
4
4
3
4
4
4
4
2
4
l'
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
(ContinUa)
354
CAPITULO 8 ANillsIS DE LA VARIANCIA
HOMO
CU
PTI
GDT
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
523
554
518
614
552
580
531
544
592
485
578
514
482
653
462
577
462
524
484
571
586
426
546
503
468
570
554
455
507
460
550
1
4
1
1
1
4
4
1
1
1
4
1
3
4
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
FUENTE:
1
4
3
1
1
1
1
4
1
2
1
1
1
1
1
1
IDT
HOMO
0
1
0
0
0
1
1
0
0
0
1
0
1
1
0
0
1
1
0
0
0
0
1
0
1
0
0
0
0
0
0
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
CU
PTI
GDT
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
492
426
437
496
594
466
463
551
443
517
442
516
433
383
506
336
491
531
572
512
465
497
617
456
487
448
440
484
431
493
553
4
1
4
4
3
4
4
1
4
4
4
2
3
4
1
2
2
2
2
2
2
2
1
1
4
1
4
2
3
3
2
4
4
4
3
4
2
4
IDT
1
0
1
1
1
1
I
0
I
1
1
1
1
1
0
0
0
1
0
1
1
1
1
1
1
1
1
1
1
1
Utilizada con autorizaci6n de Michael Orth.
8.5.2 Un gropo de investigadores en un centro de traurnatologfa pretendia desarrollar un progra

rna para ayudar a victirnas de dana cerebral por traurnatisrno a recuperar un nivel aceptable
de independencia. Se llev6 a cabo un experirnento en el que intervinieron 72 individuos con
el rnisrno grade de dana cerebral. El objetivo fue cornparar las cornbinaciones diferentes de
tratarnientos psiquiatricos y terapia fisica. A cada individuo se Ie asigno una de las 24 corn
binaciones de cuatro tip os de tratamiento psiquiatrico y seis programas de terapia fisica. Habla
tres individuos en cada cornbinaci6n. La variable respuesta es el nurnero de rneses transcu
EJERCICIOS
355
rridos entre el inicio de la terapia y el tiempo en el que el paciente fue capaz de valerse por
sf mismo. Los resultados son los siguientes:
Programade
terapia fisica
Tratamiento psiquiatrico
A
11.0
9.6
10.8
9.4
9.6
9.6
12.5
11.5
10.5
13.2
13.2
13.5
II
10.5
ll.5
12.0
10.8
10.5
10.5
10.5
11.8
11.5
15.0
14.6
14.0
III
12.0
11.5
11.8
11.5
11.5
12.3
11.8
11.8
12.3
12.8
13.7
13.1
IV
11.5
11.8
10.5
9.4
9.1
10.8
13.7
13.5
12.5
14.0
15.0
14.0
11.0
11.2
10.0
11.2
11.8
10.2
14.4
14.2
13.5
13.0
14.2
13.7
VI
11.2
10.8
ll.8
10.8
11.5
10.2
11.5
10.2
ll.5
ll.8
12.8
12.0
~Es posible conduir con base en estos datos que los diferentes programas de tratamiento
psiquiatrico tienen diferentes efectos? tEs posible conduir que los programas de terapia
ffsica difieren en cuanto a eficacia? cEs posible conduir que existe interaccion entre los pro
gramas de tratamiento psiquiatrico y los de terapia ffsica? Sea a = .05 para cada prueba.
Los ejercicios 8.5.3 y 8.5.4 son opcionales, pues tienen tamafios de celdas desiguales. Se
recomienda que los datos para dichos ejercicios sean analizados mediante el programa SAS
o cualquier otro paquete de software que acepte tamafios de celdas desiguales.
8.5.3 Gorenflo y Gorenflo (A-22) investigaron los efectos de la informaci6n impresa basada en
los hechos, y de tres tecnicas para aumentar la comunicaci6n, en las actitudes de individuos
sin discapacidad hacia personas mudas con discapacidades ffsicas. Los individuos estudia
dos eran estudiantes inscritos en el curso de introducci6n a la psicologfa en una prestigiada
universidad del suroeste de los Estados Unidos. Las variables de interes eran las califica
ciones de la Escala de actitudes hacia personas mudas (AHPM). Las calificaciones mas all\as
indicaron actitudes mas favorables. Las variables independientes (factores) eran la informa
cion (INFO) y las tecnicas de aumento de la comunicaci6n (TAG). Los niveles de informacion
fueron los siguientes: 1 = presencia de una hoja con informacion respecto a las personas
mudas,2 = ausencia de la hoja. Las calificaciones (niveles) de TAG fueron: 1 sin TAG, 2 =
una pizarra, 3 voz producida pOI' computadora para apoyar la comunicaci6n (VPCAC).
Los individuos vieron un video en el que se describe una conversaci6n entre personas
356
adultas sin capacidad de habla e individuos con habla normal bajo una de las tres condicio
nes de TAC. Recolectaron los siguientes datos y los analizaron con el paquete SPSS/PC +.
INFO
~
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
I
1
I
1
1
1
1
1
1
1
1
1
1
TAC
AHPM
INFO
TAC
AHPM
INFO
TAC
AHPM
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
82.00
92.00
100.00
110.00
99.00
96.00
92.00
95.00
126.00
93.00
103.00
101.00
120.00
94.00
94.00
93.00
101.00
6S.00
29.00
112.00
100.00
88.00
99.00
97.00
107.00
110.00
91.00
123.00
97.00
11S.00
107.00
107.00
101.00
122.00
114.00
101.00
12S.00
104.00
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
1
1
1
1
109.00
96.00
127.00
124.00
93.00
112.00
95.00
107.00
102.00
102.00
112.00
lOS.00
109.00
111.00
116.00
112.00
112.00
84.00
107.00
123.00
97.00
108.00
10S.00
129.00
140.00
141.00
14S.00
107.00
82.00
78.00
98.00
88.00
9S.00
9S.00
93.00
108.00
102.00
83.00
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
33.00
34.00
29.00
118.00
110.00
74.00
106.00
107.00
83.00
82.00
92.00
89.00
108.00
106.00
9S.00
97.00
98.00
108.00
120.00
94.00
99.00
99.00
104.00
110.00
33.00
99.00
112.00
98.00
84.00
100.00
101.00
94.00
101.00
97.00
95.00
98.00
116.00
99.00
...
1
1
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
357
EJERCICIOS
INFO
TAC
AHPM
INFO
2
2
2
2
102.00
113.00
88.00
116.00
114.00
108.00
95.00
84.00
83.00
134.00
96.00
37.00
36.00
2
2
2
2
2
2
2
2
2
2
2
2
2
FUENTE:
2
2
2
2
2
2
2
2
TAC
1
1
1
AHPM
INFO
TAC
AHPM
111.00
97.00
90.00
90.00
85.00
95.00
97.00
78.00
98.00
91.00
99.00
102.00
102.00
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
97.00
84.00
91.00
106.00
100.00
104.00
79.00
84.00
110.00
141.00
141.00
2
2
2
2
2
2
Utilizada con autorizaci6n de Carole Wood Gorenflo, Ph. D.
8.5.4 Las influencias combinadas e individuales generadas por la castraci6n y adrenalectomfa (ADX)
sobre el balance de energfa en ratas utilizadas en una investigacion realizada por Ouerghi et
al. (A-23) produjo los siguientes datos respecto a dos variables dependientes, energfa bruta
(EB) consumida y ganancia energetica, producto de la adrenalectomfa y castraci6n.
Rata #
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
ADX
No
No
No
No
No
No
No
No
No
No
No
No
Sf
Sf
Sf
Sf
Sf
Sf
Castraci6n
Consumo de EB
No
No
No
No
No
No
No
No
No
No
No
No
No
No
No
No
No
No
3824
4069
3782
3887
3670
3740
4356
4026
4367
4006
4251
4585
3557
3831
3528
3270
3078
3314
Ganancia energetica
740.3
1113.8
331.42
323.6
259.02
294.74
336.14
342.3
261.47
166.45
385.98
749.09
253
-106
192
-21
-47
39
(ContinUa)
358
CAPITULO 8
Rata #
ANillsIS DE LA VARIANCIA
ADX
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
Sf
Sf
Sf
Sf
Sf
Sf
No
No
No
No
No
No
No
No
No
No
No
No
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
41
42
43
44
45
46
Castraci6n
No
No
No
No
No
No
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Sf
Consumo de EB
3525
2953
3351
4197
4978
3269
4571
3994
4138
5175
5049
5042
5058
4267
5205
4541
5453
4753
3924
3497
3417
3785
4157
4073
4510
3828
3530
3996
Ganancia energetica
95
-116
-27
496
123
78
1012
742
481
1179
1399
1017
966
662
830
638
1732
936
189
215
304
37
360
73
483
112
154
77
-~--
...
FUENTE:
Utilizada con autorizaci6n de Denis Richard, Department ofPhysioiogy, Laval University.
8.5.5 Niaura et al. (A-24) examinaron las reacciones de 56 fumadores ante indicaciones respecto a
fumar y a la interacci6n interpersonal. De los individuos que participaron en los sociodramas,
algunos 10 hicieron en compaiifa de un aliado, y otros desempeiiaron su papel sin aliado.
Para cada una de las situaciones representadas, los individuos fueron expuestos a uno de los
siguientes tipos de seiiales: indicaciones respecto a fumar, indicaciones visuales 0 indicacio
nes visuales y olfatorias. Las mediciones respecto a las reacciones incluian cambios en los
valores de la presi6n sangufnea en reposo, ritmo cardiaco, manifestaci6n verbal de la urgen
cia de fumar y, despues de estar expuestos a los procedimientos de experimentaci6n, medi
ciones del comportamiento ante indicaciones de libertad para fumar. ~Cmlles son los factores
de este estudio? ~A que nivel ocurre cada uno de los factores? ~Quienes son los individuos
estudiados? ~Cu;iles son las variables respuesta? Comente respecto ala cantidad de indivi
duos por casilla en este experimento. ~Que variables extraiias pueden causar efectos que
puedan incluirse en el termino de error?
8.5.6 Max et al. (A-25) distribuyeron al azar a 62 pacientes con dolor, despues de ser sometidos a
cirugfa mayor, para aplicarles desipramina 0 placebo a las 6 a.m. en el primer dia despues de
PREGUNTAS Y EJERGIGIOS DE REPASO
359
la cirugia. En la primera solicitud de medicamentos para el dolor despues de las 8 a.m., los
investigadores aplicaron morfina intravenosa en dosis de 0.033 mg/kg 0 de 0.10 mg/kg.
Determinaron para cada individuo el alivio del dolor (medido sobre una escala visual analo
ga), la calificaci6n de efectos colaterales y el tiempo en que fue necesario volver a adminis
trar el medicamento. ~Cuales son los factores en este estudio? tEn cuantos niveles ocurre
cada factor? Comente respecto a la cantidad de individuos por casilla. ~Cuiles son las varia
bles respuesta?
8.6
RESUMEN
EI objetivo de este capitulo es presentar al estudiante las ideas y tecrucas basicas del
analisis de variancias. Se incluye un analisis detallado de dos tipos de disefio expe
rimental, el completamente aleatorizado y el de bloques completos y aleatorizados.
Tambien se presenta el concepto disefios de mediciones repetidas y un experimen
to factorial y c6mo se utiliza con el disefio completamente aleatorizado. Quienes
deseen profundizar sobre cualquier aspecto del analisis de variancia encontrara
una bibliograffa muy util sobre metodologia al final del capitulo.
PREGUNTA." YFJERCICIOS DE REPASO

1.
Defina el concepto de analisis de variancia.
2.
Describa el disefio completamente aleatorizado.
3.
Describa el disefio por bloques completos y aleatorizados.
4.
Describa el disefio de medidas repetidas.
5.
Describa el experimento factorial y como se utiliza en el disefio completamente aleatorizado.
6.
iCual es prop6sito de la prueba HSD de Tukey?
7.
iQue es la unidad de experimentaci6n?
8.
iCuaI es objetivo del disefio por bloques completos y aleatorizados?
9.
iQue es la interaccion?
10. iQue es el cuadrado medio?

11. tQue es una tabla ANOVA?
12. Para cada uno de los siguientes disefios describa una situaci6n que corresponda al campo
particular de interes del lector donde el disefio sea un disefio de experimentacion adecuado.
Utilice datos reales 0 inventados y aplique el anaIisis de la variancia adecuado para cada
uno:
a) Disefio completamente aleatorizado.
b) Disefio por bloques completos aleatorizados.
c) Disefio completamente aleatorizado con un experimento factorial.
d) Disefio de mediciones repetidas.
360
CAPiTULO 8
ANALISIS DE LA VARUNCU
13. Maes et at. (A-26) condujeron un estudio para determinar si la depresion puede estar aso
ciada con los indices serologicos del proceso autoinmunologicoo asociado a infecciones de
virus activos. En el estudio participaron individuos distribuidos en cuatro categorias: gru
po de control con estado de sa Iud sano (1), pacientes con depresion menor (2), pacientes
con depresion grave sin melancolfa (3) y pacientes con depresi6n grave con melancolla (4).
Entre las mediciones que se obtuvieron para cada individuo estin los niveles circulantes de
receptor de interleuquina-2 soluble (sIL-2R). Los resultados por individuo y por categoria
del individuo son los siguientes. Se pretende saber si es posible conduir que, en promedio, las
concentraciones de sIL-2R difieren entre las cuatro categorfas de pacientes representados en
este estudio. Seaa .01, Ycalcule el valor de p. Utilice el procedimiento de Tukey para probar
la diferencia significativa entre pares individuales de medias muestrales.
Individuo
(VIm!)
Categoria del
individuo
Individuo
1
2
3
4
5
6
7
8
9
10
92.00
259.00
157.00
220.00
240.00
203.00
190.00
244.00
182.00
192.00
157.00
164.00
196.00
74.00
634.00
305.00
324.00
250.00
306.00
369.00
428.00
324.00
655.00
395.00
270.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
1.00
2.00
2.00
2.00
2.00
2.00
2.00
2.00
2.00
2.00
2.00
2.00
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
sIL2R
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
FUENTE:
Utilizada con autorizaci6n del Dr. M. Maes.
sIL2R
(VIm!)
230.00
253.00
271.00
254.00
316.00
303.00
225.00
363.00
288.00
349.00
237.00
361.00
273.00
262.00
242.00
283.00
354.00
517.00
292.00
439.00
444.00
348.00
230.00
255.00
270.00
Categoria del
individuo
2.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
4.00
4.00
4.00
4.00
4.00
4.00
4.00
4.00
4.00
4.00
4.00
PREGUNTAS Y EJERCICIOS DE REPASO
361
14. Graveley y Littlefield (A-27) condujeron un estudio para determinar las reIaciones entre el
costo y la eficacia de tres modeIos de personal c1inico para atenci6n prenatal: medicos de
base (1), personal mixto (medicos y enfermeras generales) (2), y especialistas en enfermeria
clinica con medicos disponibles para atender consultas (3). Los individuos eran mujeres que
reunfan los siguientes criterios: a) mujeres con mayo ria de edad y algunas menores emanci
padas; b) mujeres que obtuvieron atenci6n prenatal en una de las cllnicas con un minimo de
tres visitas prenatales; c) mujeres dadas de alta 48 horas despues de la entrevista. La satisfac
ci6n de las madres que recibieron atenci6n medica fue evaluada por medio de un instrumen
to para medir la satisfacci6n del paciente que distingue cinco categorias de satisfacci6n:
accesibilidad, costeabilidad, disponibilidad, aceptabilidad y alojamiento. <!.Es posible Con
cluir con base en estos datos que, en promedio, la satisfacci6n de las pacientes difiere entre
las tres clinicas? Sea a = .05, Yca1cule eI valor de p. Aplique el procedimiento de Tukey para
probar las diferencias entre los pares individuales de las medias muestrales. Los siguientes
datos corresponden a las calificaciones totales de satisfacci6n por cHnica.
CHnica 1
119
126
125
111
127
123
119
119
125
106
124
131
131
117
105
129
130
131
119
98
120
125
128
126
130
127
133
135
125
135
130
122
135
116
126
129
133
126
102
131
128
128
130
116
121
121
131
135
127
125
133
128
Clfnica 3
CHnica2
132
121
79
127
133
127
121
127
130
III
117
101
III
121
109
131
129
126
124
126
97
104
121
114
95
128
115
92
126
107
108
125
130
121
124
112
131
118
109
116
112
110
117
118
120
113
114
107
119
124
98
114
131
109
127
124
135
131
131
126
132
128
129
128
114
120
120
135
127
124
129
125
135
122
117
126
130
131
Utilizada con autorizaci6n de Elaine Graveley,

D. B. A., R. N.
FUE!>.'TE:
132
135
125
130
135
135
135
133
131
131
126
132
133
135
132
131
132
126
135
135
135
134
127
131
131
131
---------
362
CAPiTULO 8
At~ALISIS DE LA VARIANCIA
15. En un experimento con ocho animales se midi6 la frecuencia respiratoria (respiraciones por
minuto) bajo tres niveles de exposici6n al mon6xido de carbono. Los resultados son los
siguientes:
Nivel de exposici6n
Animal
Bajo
Moderado
1
2
3
4
5
6
7
8
36
33
35
39
41
41
44
45
43
38
41
34
28
44
30
31
Alto
45
39
33
39
33
26
39
29
Con base en estos datos, ~es posible concluir que los tres niveles de exposici6n, en prome
dio, tienen diferentes efectos en la frecuencia respiratoria? Sea a == .05. Determine el. valor
dep.
16. Se disefi6 un experimento para estudiar los efectos de tres medicamentos diferentes y tres
tipos de situaciones estresantes que produdan ansiedad en individuos adolescentes. La si
guiente tabla muestra las diferencias entre las calificaciones antes y despues del tratamiento
de 18 individuos que participaronen el experimento.
Situaci6n
estresante
(factor A)
Medicamento (factor B)
A
4
5
1
3
1
0
II
6
6
6
6
6
3
5
4
7
4
4
5
III
Aplique el analisis de la variancia para estos datos y pruebe las tres posibles hip6tesis. Sea
a' = (I." == am .05. Determine el valor de p.
17. La siguiente tabla muestra las calificaciones de madurez emocional de 27 varones j6venes
mayores de edad, clasificados por edad y grado de uso de marihuana.
363
Consumo de marihuana (factor B)

Edad
(factor A)
Nunca
Ocasionalmente
Diario
15-19
25
28
22
18
23
19
17
24
19
20-24
28
32
30
16
24
20
18
22
20
25-29
25
35
30
14
16
15
10
8
12
Aplique el analisis de la variancia para estos datos. Sea rl

valor de p.
= a" = aNI = .05.
DeteITIline el
18. Das et al. (A-28) investigaron los efectos producidos por fumar cigarros en la funci6n respira
toria en vadas mujeres durante el embarazo. Entre los datos que recolectaron estaban las
siguientes mediciones sobre la capacidad vital forzada (CVF), que se muestran por grado de
tabaquismo de las mujeres. ~Es posible conduir con base en estos datos que, en promedio,
las mediciones de CVF difieren de acuerdo con el grado de tabaquismo? Sea a
.01 Y
calcule el valor de p. Aplique el procedimiento de Tukey para probar las diferencias significa
tivas entre los pares individuales de las medias muestrales.
Nofuman
3.45
4.00
4.00
2.74
3.95
4.03
3.80
3.99
4.13
4.54
4.60
3.73
3.94
3.90
4.05
4.66
3.45
3.49
4.75
3.55
4.14
3.82
4.20
3.86
4.34
4.45
4.05
3.60
Fuman muy poco

3.15
3.86
3.85
4.94
3.10
3.65
4.44
3.24
3.68
3.94
4.10
4.22
3.63
3.42
4.03
3.69
3.83
3.99
3.12
3.43
3.58
2.93
4.77
4.03
4.48
4.26
3.45
3.99
3.95
3.78
3.63
3.74
4.84
3.20
3.65
4.78
4.36
4.37
3.20
3.29
3.40
4.40
4.29
4.38
Fuman
mucho
3.04
4.34
3.50
2.68
3.10
3.60
4.93
4.21
4.87
4.02
3.31
4.25
4.37
2.97
3.02
3.12
4.05
4.33
3.39
4.24
4.37
3.64
4.62
4.64
2.74
4.34
4.10
3.75
(ContinUa)
364
Nofuman
3.20
3.74
3.87
3.44
4.44
3.70
3.10
4.81
3.41
3.38
3.39
3.50
3.62
4.27
3.55
FUENTE:
Fuman
mucho
Fuman muy poco
4.21
3.72
4.73
3.45
4.78
4.54
3.86
4.04
4.46
3.90
3.66
4.08
3.84
2.82
4.31
4.24
2.92
4.05
3.94
4.10
3.78
2.90
3.94
3.84
3.33
4.18
2.70
3.74
3.65
3.72
4.69
2.84
3.34
3.47
4.14
3.89
3.80
2.87
3.89
4.07
3.36
2.72
4.21
3.53
3.48
3.62
3.51
3.73
3.40
3.63
3.68
4.07
3.95
4.25
4.06
3.67
3.07
4.59
3.60
Utilizada can autorizaci6n dejean-Marie Moutquin, M. D.
19. Durante un experimento se probaron los efectos de cuatro medicamentos diferentes en el

tiempo de coagulaci6n sanguinea (en minutos). Se extrajeron muestras de sangre de 10
individuos, y cada una fue dividida en cuatro partes iguales que, al azar, se asignaron a cada
uno de los cuatro medicamentos. Los resultados son los siguientes:
Medicamento
Individuo
A
B
C
D
E
F
G
H
I
1.5
1.4
1.8
1.3
2.0
1.1
1.5
1.5
1.2
1.5
1.8
1.4
1.6
1.2
2.1
1.0
1.6
1.5
1.0
1.6
1.7
1.3
1.5
1.2
2.2
1.0
1.5
1.5
1.3
1.6
1.9
1.5
1.9
1.4
2.3
1.2
1.7
1.7
1.5
1.9
----- - - - - - - - - - - - - - - - - - -
Con base en estos datos,

tes? Sea a = .05.
~es
posible concluir que los medicamentos tienen efectos diferen
20. En un estudio del sfndrome de Marfan, Pyeritz et at. (A-29) informaron las siguientes califi
caciones de la gravedad de los pacientes sin, con moderada y con marcada ectasia dural. Con
los siguientes datos, ~es posible concluir que la gravedad promedio difiere entre las tres
poblaciones representadas en el estudio? Sea a
.05, y calcule el valor de p. Aplique el
365
procedimiento de Turkey para probar la diferencia significativa entre los pares individuales
de las medias muestrales.
Sin ectasia dural: 18, 18,20,21,23,23,24,26,26,27,28,29,29,29,30,30,30, 30, 32,
34,34,38
Con ectasia dural moderada: 10, 16,22,22,23,26,28,28,28,29, 29,30,31,32,32,33,
33,38,39,40,47
Con ectasia dural marcada: 17,24,26,27,29,30, 30,
FUFNrE:
3~,
34, 35, 35, 36, 39
Utilizado con el permiso de Reed E. Pyeritz, M. D., Ph. D.
21. La siguiente tabla muestra las concentraciones de epinefuna plasmatica arterial (nanogramos
por minuto) que fueron halladas en 10 animales de laboratorio durante tres tipos de anestesias:
Animal
Anestesia
A
B
C
.28
.20
1.23
.50
.38
1.34
.68
.50
.55
.27
.29
1.06
.31
.38
.48
.99
.62
.68
7
.26
.42
1.12
.35
.87
1.52
10
.38
.37
.27
.34
,43
.35
Con base en estos datos, ~es posible conduir que los tres tipos de anestesia, en promedio,
tienen diferentes efectos? Sea 0: .05.
22. Se midieron los niveles nutritivos de cierta &Uta comestible en un total de 72 muestras,
representativas de seis muestras de cada una de las cuatro variedades cultivadas en cada una
de tres regiones geognificas. Los resultados son los siguientes:
366
CAPfTUL08 AN.ALISIS DE LA VARIANCIA
Variedad
Region
geografica
6.8
5.2
5.0
5.2
5.5
7.3
7.8
6.5
7.0
9.3
6.6
to.8
8.7
10.5
10.0
8.1
10.6
to.5
1l.8
13.5
14.0
to.8
12.3
14.0
Realice pruebas de la diferencia entre las variedades, la diferencia entre las regiones e
interacciones. Sea a. =.05 para todas las pruebas.
23. Se eligieron los siguientes registros de bebes recien nacidos de parto tinico para forrnar
muestras aleatorias a partir de cuatro poblaciones. Los siguientes datos corresponden al
peso (en gramos) de los bebes al momento de nacer:
Muestra
A
2946
2913
2280
3685
2310
2582
3002
2408
3186
2857
3099
2761
3290
2937
3347
2300
2903
2572
2584
2675
2571
2286
2938
2952
2348
2691
2858
2414
2008
2850
2762
~Ofrecen estos datos suficiente evidencia para indicar, en un nivel de significaci6n de .05,
que las cuatro poblaciones difieren con respecto al peso promedio al momento de nacer?
Pruebe para una diferencia significativa entre todos los pares posibles de medias.
24. La siguiente tabla muestra los niveles de agresi6n de 30 animales de laboratorio criados bajo
tres condiciones diferentes. Un animal de cada una de las 10 camadas fue asignado aleato
riamente a cada una de las tres condiciones de cdanza.
367
CondiciOn de crianza
Camada
Extremadamente
crecido
Moderadamente
crecido
Sin
crecimiento
30
30
30
25
35
30
20
30
25
30
20
10
20
15
25
20
20
30
25
20
10
20
10
10
20
10
10
10
10
20
1
2
3
4
5
6
7
8
9
10
~Ofrecen estos datos suficiente evidencia para indicar que el nivel de crecimiento tiene efec
tos diferentes en el nivel de agresion? Sea a .05.
25. La siguiente tabla muestra las mediciones de la capacidad vital de 60 varones adultos clasifi
cados por ocupacion y grupo de edad.
Ocupacion
Grupode
edad
4.31
4.89
4.05
4.44
4.59
4.68
6.18
4.48
4.23
5.92
4.17
3.77
5.20
5.28
4.44
5.75
5.70
5.53
5.97
5.52
4.13
4.61
3.91
4.52
4.43
3.41
3.64
3.32
3.51
3.75
3.89
3.64
4.18
4.48
4.27
4.58
5.21
5.50
5.18
4.15
3.79
4.17
4.47
4.35
3.59
4.63
4.59
4.90
5.31
4.81
5.81
5.20
5.34
5.94
5.56
6.89
6.18
6.21
7.56
6.73
368
CAPITULO 8
Proebe las diferencias entre ocupaciones, grupos de edad e interaccion. Sea

todas las pruebas.
26.
g.l.
SC
Tratamientos
Error
154.9199
Total
200.4773
39
CM
R.V.
Complete la siguiente tabla ANOVA y establezca que diseno se realizo.
Fuente
SC
g.l.
Tratamientos
28.
= .05 para
Complete la siguiente tabla ANOVA y establezca que diseno se realizo.

Fuente
27.
(X
Bloques
Error
183.5
26.0
Total
709.0
CM
R.V.
3
3
15
Considere la siguiente tabla ANOVA.
Fuente
A
B
AB
Tratamientos
Error
Total
g.l.
CM
2
3
6.15759
6.59481
1.49027
10.0525
6
11
48
51.0938
59
SC
12.3152
19.7844
8.94165
41.0413
R.V.
29.4021
31.4898
7.11596
P
<.005
<.005
<.005
0.209427
--
a) (Que tipo se analisis se utilizo?
b) (Que puede conduirse a partir del analisis? Sea (X = .05.
.. -- -
-----
-.
369
29. Considere la siguiente tabla ANOVA
Fuente
Tratamientos
Error
SC
g.l.
CM
5.05835
2
27
2.4230
65.42090
a)
~Que
b)
~Cmintos
tratamientos se compararon?
c)
~Cmintas
observaciones se analizaron?
2.52917
R.v.
1.0438
disefio se utiliz6?
d) Con un nivel de significaci6n de .05, 2es posible concluir que existe una diferencia entre
los tratamientos? ~Por que?

30. Considere la siguiente tabla ANOVA
Fuente
Tratamientos
Bloques
Error
g.l.
CM
R.V.
231.5054
2
7
14
115.7527
14.0714
2.824
98.5000
SC
573.7500
40.9821
a) 2Que disefio se utiliz6?

b)
~Cuantos
tratamientos se compararon?
c) 2Cuantas observaciones se analizaron?

d) Con un nivel de significaci6n de .05,
efectos distintos? ~Por que?
~es
posible concluir que los tratamientos tienen
31. Durante una investigaci6n se recolectaron datos con respecto a la relaci6n entre el tabaquis
mo y las concentraciones sericas de colesterollipoproteico de alta densidad (C-LAD) regitradas
en muestras de varones adultos que no fuman, que fuman poco, que son fumadores modera
dos y que son fumadores compulsivos. Se pretende saber si estos datos ofrecen suficiente
evidencia que indique que las cuatro poblaciones difieren con respecto a las concentraciones
medias de C-LAD. Sea .05 la probabilidad de cometerel error tipo I. Si se encuentra una
diferencia significativa en el conjunto de todas las medias, determine que pares de medias
muestrales individuales tienen diferencias significativas.
370
CAPITULO 8
AN.ALISIS DE LA VARIANCIA
Estado de habito de fumar

Nofuman
12
10
11
13
9
9
12
Ligeramente
Moderadamente
Mucho
9
8
5
9
9
10
8
5
4
7
9
5
7
6
3
2
1
5
4
6
2
32. El prop6sito de un estudio realizado por Nehlsen-Cannarella et at. (A-30) era examinar la
relaci6n entre el entrenamiento de ejercicio moderado y los cambios en los niveles circulan
tes de variables del sistema inmunol6gico. Los individuos estudiados eran mujeres que no
fuman, premenopausicas, que fueron repartidas en dos grupos (l = grupo deportista, 2 =
grupo sedentario). Los datos recolectados corresponden a tres variables dependientes: nive
les sericos de inmunoglobina IgG, IgA e IgM. Se analizaron las mediciones tomadas en tres
ocasiones diferentes: al inicio (B), al final de 6 semanas (M) y al final de 15 semanas (F). Los
investigadores obtuvieron los siguientes datos y los procesaron con el paquete SPSS/PC+.
Grupo
1
1
1
1
2
2
2
BIgG
MIgG
797.00
1030.00
98l.00
775.00
823.00
1080.00
613.00
1020.00
956.00
1140.00
872.00
1270.00
798.00
643.00
7-72.00
1480.00
1250.00
968.00
1470.00
962.00
881.00
956.00
1050.00
1340.00
1100.00
1220.00
1120.00
958.00
1320.00
1020.00
1580.00
935.00
1290.00
1050.00
801.00
1110.00
1590.00
1720.00
1150.00
1470.00
1260.00
797.00
. MIgG
FIgG
Grupo
BIgG
FIgG
855.00
1020.00
1300.00
1060.00
1140.00
1100.00
960.00
1200.00
1020.00
1520.00
1000.00
1520.00
1130.00
847.00
1150.00
1470.00
1690.00
1090.00
560.00
1020.00
828.00
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1040.00
1160.00
1460.00
1010.00
549.00
1610.00
1060.00
1400.00
1330.00
874.00
828.00
1210.00
1220.00
981.00
1140.00
1040.00
1280.00
1440.00
974.00
1030.00
1510.00
966.00
1320.00
1320.00
1000.00
1140.00
1160.00
1150.00
979.00
1220.00
931.00
1300.00
1570.00
1080.00
1030.00
1560.00
1020.00
1260.00
1240.00
970.00
1240.00
1080.00
1160.00
943.00
1550.00
Grupo
BIgA
MIgA
FlgA
1
1
97.70
173.00
122.00
74.30
126.00
182.00
151.00
123.00
110.00
179.00
160.00
113.00
(ContinUa)
371
Grupo
BIgG
MIgG
FIgG
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
118.00
264.00
113.00
239.00
231.00
219.00
137.00
94.30
94.70
102.00
127.00
434.00
187.00
80.80
262.00
142.00
113.00
176.00
154.00
286.00
138.00
73.40
123.00
218.00
220.00
210.00
207.00
124.00
194.00
344.00
117.00
239.00
162.00
306.00
173.00
310.00
258.00
320.00
177.00
99.10
143.00
135.00
192.00
472.00
236.00
98.50
290.00
201.00
107.00
194.00
147.00
300.00
148.00
164.00
127.00
198.00
245.00
219.00
237.00
189.00
184.00
356.00
125.00
307.00
164.00
292,00
188.00
295.00
245.00
320.00
183.00
134.00
142.00
146.00
195.00
480.00
255.00
89.70
249.00
160.00
112.00
181.00
144.00
308.00
160.00
166.00
122.00
198.00
220.00
190.00
239.00
204_00
178.00
335.00
135.00
296.00
BIgM
MlgM
FIgM
150.00
139.00
Grupo
1
FUENTE:
128.00
Grupo
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
BIgG
MIgG
FIgG
145.00
155.00
78.10
143.00
273.00
154.00
113.00
124.00
102.00
134.00
146.00
119.00
141.00
115.00
187.00
234.00
83.80
279.00
. 154.00
167.00
157.00
223.00
189.00
103.00
104.00
185.00
101.00
156.00
217.00
190.00
110.00
123.00
179.00
115.00
297.00
139.00
169.00
124.00
186.00
273.00
234.00
139.00
127.00
142.00
139.00
141.00
124.00
181.00
194.00
224.00
306.00
94.60
286.00
201.00
180.00
175.00
252.00
199.00
117.00
173.00
190.00
81.10
153.00
187.00
202.00
176.00
123.00
189.00
114.00
297.00
146.00
166.00
119.00
183.00
270.00
245.00
130.00
128.00
133.00
146.00
173.00
141.00
195.00
200.00
196.00
295.00
98.20
263.00
147.00
165.00
152.00
250.00
166.00
110.00
150.00
157.00
91.50
140.00
152.00
223.00
188.00
113.00
170.00
113.00
308.00
Utilizada con autorizaci6n de David C. Nieman.
a) Aplique el amilisis de mediciones repetidas para cada gropo de combinaciones de inmu

noglobulina y gropo de ejercicio.
b) Amllice los datos como un experimento factorial para cada inmunoglobulina en el que
los factores sean los grupos de ejercicio (2 niveles) y lapso de tiempo (3 niveles). Sea a = .05,
para todas las pruebas.
372
CAPiTULO 8
33. El prop6sito de un estudio realizado por Roodenburg et al. (A-31) era clasificar y cuantificar
la descripci6n de varios patrones de movimiento fetal durante la segunda mitad del embara
zoo Los siguientes datos corresponden al mlmero de incidentes de movimientos generales
fetales experimentados por hora en nueve mujeres embarazadas, en intervalos de cuatro
semanas. Con base en estos datos, ~es posible concIuir que el numero promedio de movi
mientos generales por hora difieren entre los intervalos de tiempo? Sea IX = .05.
Semanas de gestacion
Paciente
num.
20
24
28
32
36
1
2
3
4
5
6
7
8
9
66
47
57
39
54
53
96
60
63
57
65
63
49
46
62
46
47
47
52
37
34
34
27
22
37
43
62
42
40
24
10
26
35
40
41
26
39
FUENTE:
44
57
58
54
45
64
50
44
Utilizada con autorizaci6n de J. W. Wladimiroff, M. D., Ph. D.
Para los ejercicios 34 al 38, haga 10 siguiente:
a) Indique que tecnica estudiada en este capitulo es adecuada (disefio completamente
aleatorizado, disefio de bloques completos y aleatorizados, disefio de mediciones repetidas 0
el experimento factorial).
b) Identifique la variable respuesta y las variables tratamiento.
c) Identifique los factores y el numero de niveles para cada uno, las variables de bloqueo y
los individuos.
d) Haga una lista de variables extrafias cuyos efectos podrfan incIuirse en terminos de\error.
e) Donde sea oportuno, comente sobre los efectos de acarreado y de posicion.
t) Elabore una tabla ANOVA en la que se indiquen las fuentes de variabilidad y el numero
de grados de libertad para cada una.
34. En un estudio realizado por Vasterling et al. (A-32), se agrup6 por categorias a 60 pacientes
que recibian quimioterapia contra el dincer y que presentaban altos y bajos niveles de ansie
dad. Aleatoriamente, los pacientes fueron asignados a una de las siguientes tres condiciones:
distracci6n cognitiva, capacitaci6n para relajamiento, y no intervenci6n. Cada paciente reci
bi6 cinco sesiones consecutivas de quimioterapia. Se recolectaron datos respecto a variables
como miuseas y presion sanguinea sistolica y diast6lica.
35. Durante un estudio doble ciego controlado mediante placebo participaron 30 pacientes con
ataques isquemicos agudos. Huber et at. (A-33) investigaron los efectos del bloqueador de
captaci6n de adenosina propentofilina en el metabolismo de la glucosa de una regi6n cerebral.
36. El prop6sito de un estudio efectuado por Smith et al. (A-34) fue determinar si el estiramiento
estatico y balfstico podrian inducir grados significativos de dolor muscular de inicio retard ado
(DMIR) y aumento en la producci6n de creatinacinasa. Para este estudio, se asignaron al azar
veinte varones a uno u 000 de los dos grupos de estiramiento: (ESTATICO 0 BALISTICO).
Todos los individuos realizaron tres rutinas de 17 ejercicios de estiramiento durante 90 minu
tos: los individuos del grupo ESTATICO permanedan inm6viles durante cada estiramiento
de 60 segundos que realizaban, mientras que los del grupo BALISTICO realizaban movimien
tos violentos al con traer los musculos. Los investigadores evaluaron las calificaciones subjetivas
373
de DMIR y los niveles sericos de creatinacinasa antes de inciar el experimento y cada 24 horas
despues de realizar los ejercicios de estiramiento por espacio de cinco dfas.
37. Un estudio de Cimprich (A-35) prob610s efectos de una intervenci6n experimental dirigida
a mantener 0 restablecer la capacidad para prestar atenci6n en 32 mujeres durante los tres
meses despues de la cirugia de cancer de pecho localizado. La capacidad de atencion se
evalu6 por medio de mediciones objetivas y subjetivas realizadas en cuatro ocasiones diferen
tes despues de que se practic61a drugia de cancer de pecho.Despues de la primera observa
cion, las mujeres fueron repartidas aleatoriamente en dos grupos de 16 individuos cadauno;
uno de los grupos recibi6 intervenci6n.y el otto no.
38. Paradis et al. (A-36) compararon la actividad farmacocinetica y bactericida de cinco agentes
bactericidas. Para tal efecto, los investigadores aplicaron los cinco agentes en 15 voluntarios sanos.
Para los estudios descritos en los ejercicios de139 al67, haga 10 siguiente:
a) Desarrolle un analisis estadfstico de los datos (que incluya prueba de hip6tesis y e1abora
ci6n de intervalos de confianza) que puedan aportar informaci6n a los investigadores.
b) Determine los valores de p para cada una de las estadlsticas de prueba.

c) Establezca todas las supodones necesarias para que el anaIisis tenga validez.
d) Con base en el anaIisis, <'.para que poblaciones pueden ser aplicables las inferencias?
39. Shirakami et al. (A-37) investigaron el significado clfnico de la endotelina (ET). peptidos
natriureticos y el sistema renina-angiotensina-aldosterona en los trasplantes de h1gado prac
ticados en nifios. Los individuos eran nifios con edades entre 6 meses y 12 aDos, a los cuales
se 1es practico trasplante de hfgado, de un donador familiar vivo, por atresia biHar congenita
y cirrosis hepatica grave. Entre los datos recolectados estaban los siguientes niveles totales de
bilirrubina serica (mg/dl) durante y despues del transplante.
Tiempo desp1l:~ de la reperfusi6n del bigado donador
Preoperatorio
6.2
17.6
13.2
3.9
20.8
1.8
8.6
13.4
16.8
20.4
25
9.2
8
2.9
21.3
25
23.3
17.5
Transecci6n de
higado
Fase
anhepatica
1.2
11.9
10.2
3.3
19.4
1.8
6.5
12
13.9
17.8
21.5
6.3
6.5
3
17.3
25
23.7
16.2
0.9
9.3
7.9
3
1.6
4.8
10.1
8.3
17
13.8
6.8
6.4
4.1
13.6
24
15.7
14.4
Ih
24
4h
8h
Id
2d
3d
0.8
3.5
5.3
2.9
9.4
1.4
3.1
5.8
3.7
10.8
7.6
5.3
4.1
3.4
9.2
20.1
13.2
12.6
1.1
3
4.9
2.3
8.4
1.4
2.1
5.6
3.7
9.3
7
4.8
3.8
3.4
7.9
19.3
11
12.7
1.5
6.1
3.3
1.4
6.8
1.1
1
4.5
2.2
8.9
5
0.2
3.8
3.7
7.9
18.6
9.6
11.5
2
9
3.6
1.2
7.1
1.9
1.3
4.1
2.1
7
11.5
4
3.5
4.2
9.8
23.6
9.3
10
1.4
6.3
2.8
0.8
3.7
0.7
1.5
3
1.9
2.8
12.3
4.2
3.1
3.3
8.6
25
7.2
7.8
1.6
6.4
1.9
0.8
3.8
0.8
1.6
3.1
3.1
3.8
10.1
3.7
2.9
2
4.7
14.4
6.3
5.5
1.3
6.2
1.9
0.9
3.2
0.7
3.2
3.6
4.1
4.8
11.4
3.5
2.8
1.9
5.5
20.6
6.3
4.9
* Dato faltante.
FUENTE:
Utilizada con autorizaci6n del Dr. Gotaro Shirakami.
374
CAPITULO 8 Al"lAUSIS DE LA VARIANCIA
Observe que falta una observaci6n en el conjunto de datos. Para resolver este problema
existen al menos tres soluciones:
1. Omitir el individuo cuyo dato falta y analizar los datos con los 17 individuos res
tantes.
2. Utilizar un paquete de computadora que automaticamente calcule los datos
faltantes.
3. Analizar los datos con un procedimiento para datos perdidos. Un procedimiento
para este prop6sito puede encontrarse en Jerome L. Myers y Arnold D. Well,
Research Design and Statistical Analysis, Erlbaum Associates, Hillsdale, NJ, pp. 256
258.
40. El propos ito de un estudio realizado por Sakakibara y Hayano (A-38) era examinar los efec
tos de la respiraci6n lenta voluntaria sobre la respuesta parasimpatica cardiaca ante una
situaci6n de amenaza (anticipaci6n de una descarga electrica). Los individuos eran 30 es
tudiantes universitarios con edad promedio de 23 alios y desviaci6n estandar de 1.5 alios.
Un mimero igual de individuos fue asignado, al azar, en gmpos para efectuar respiraciones
lentas (6 varones y 4 mujeres), respiraciones rapidas (7 varones y 3 mujeres), y respiraci6n
libre (5 varones y 5 mujeres). Los individuos en los gmpos para respirar lento y rapido
regularon su ritmo respiratorio en 8 y 30 rpm, respectivamente. Los miembros del grupo
de respiraci6n libre respiraban espontaneamente. Los siguientes datos corresponden a las
calificaciones logradas por los individuos seg(m la evaluaci6n del estado de ansiedad del In
ventario de estados 0 rasgos de ansiedad, tomadas antes y despues de la situaci6n de amenaza:
Ritmo lento
Inicial
39
44
48
50
34
54
34
38
44
39
FUENTE:
Ritmo nipido
Respiraci6n libre
Amenazado
Inicial
Amenazado
Inicial
Amenazado
59
47
51
61
48
69
43
52
48
65
37
40
39
47
45
43
32
27
44
41
49
42
48
57
49
44
45
54
44
61
36
34
50
49
38
39
66
39
45
42
51
71
37
53
52
56
67
49
65
57
Utilizada can autorizaci6n del Dr. Masahito Sakakibara.
41. Takahashi et al. (A-39) utilizaron gatos para investigar la correlaci6n de intensidad de la
senal de resonancia magnetica con el potencial descrito de la medula espinal y su morfolo
gia. despues de cuatro horas de compresi6n de la medula espinal. Repartieron a 24 gatos en
cuatro gmpos, formados con base en la medici6n de la funcion de la medula espinal, mas un
gmpo de control que no sufri6 compresi6n. Entre los datos recolectados se tienen los si
guientes porcentajes de compresi6n [(diametro sagital / diametro transversal) x 100] obteni
das despues de cuatro horas de compresion.
375
Control
80.542986
79.111111
70.535714
87.323944
80.000000
82.222222
Grupo I
83.928571
84.183673
48.181818
98.461538
Grupo II
30.263158
34.865900
43.775100
82.439024
FUENTE::
Groupo III
36.923077
31.304348
53.333333
55.276382
40.725806
Grupo IV
66.666667
29.565217
12.096774
34.274194
24.000000
Utilizada con autorizacion del Dr. Toshiaki Taka
hashi.
42. EI objetivo de un estudio efectuado por Yamashita et at. (A-40) era investigar si la pentoxifilina
administrada en la soluci6n de irrigaci6n 0 durante la reperfusion puede reducir el dana
isquemico pulmonar en los aloinjertos pulmonares conservados de perros. Para tal efecto,
los investigadores estudiaron tres grupos de animales. EI primer grupo no recibio pentoxifilina
(C), el segundo grupo recibi6 pentoxifilina solo durante el periodo de reperfusion (P), y el
tercer grupo recibi6 solo pentoxifilina en la solucion de irrigacion (F). En total realizaron 14
alotrasplantes de pulmon izquierdo. Los siguientes datos corresponden a las lecturas de
presion de la aorta para cada animal durante un periodo de valoraci6n de seis horas:
Grupo
C
C
C
C
C
P
P
P
P
0
min
60
min
120
min
180
min
240
min
85.0
100.0
120.0
80.0
72.0
85.0
82.0
80.0
85.0
80.0
100.0
75.0
85.0
98.0
85.0
57.0
57.0
57.0
30.0
*
57.0
75.0
52.0
56.0
65.0
112.0
67.0
73.0
90.0
71.0
92.0
90.0
70.0
80.0
75.0
105.0
62.0
73.0
70.0
75.0
80.0
73.0
50.0
35.0
*
F
70.0
95.0
105.0
115.0
110.0
F
60.0
63.0
140.0
135.0
125.0
F
67.0
65.0
75.0
75.0
80.0
F
115.0
107.0
90.0
103.0
110.0
F
90.0
99.0
102.0
117.0
110.0
'" Dato faltante.
FUENTE: Utilizada con autorizacion del Dr. Motohiro Yamashita.
300
min
360
min
75.0
80.0
80.0
80.0
82.0
*
95.0
70.0
80.0
55.0
*
105.0
130.0
80.0
112.0
118.0
*
*
75.0
66.0
*
50.0
'"
100.0
120.0
80.0
95.0
103.0
376
CAPiTULO 8
43. Zhou et al. (A-41) investigaron la biodisponibilidad relativa de beta-caroteno (BC) y alfa
caroteno (AC) producidos en diferentes fuentes de zanahorias. Los investigadores utilizaron
hurones como animales de experimentacion. Entre los datos recolectados estaban las si
guientes concentraciones de BC, AC Yla razon molar de AC/BC en el suero de 24 hurones a
los cuales se les suministraron carotenoides de diferentes fuentes en el agua de uso, durante
tres dras.
BC
(/J-moVg)
AC
(lJ.moVg)
AClBC
(moVmol)
Jugo sin calentar

0.637
0.354
0.287
0.533
0.228
0.632
0.506
0.297
0.249
0.433
0.190
0.484
0.795
0.840
0.869
0.813
0.833
0.767
Jugo caliente
0.303
0.194
0.293
0.276
0.226
0.395
0.266
0.180
0.253
0.238
0.207
0.333
0.878
0.927
0.864
0.859
0.915
0.843
Cromoplastos sin calentar

0.994
0.890
0.809
0.321
0.712
0.949
0.775
0.729
0.661
0.283
0.544
0.668
0.780
0.819
0.817
0.882
0.763
0.704
Cromoplastos calientes
0.933
0.280
0.336
0.678
0.714
0.757
FUENTE:
0.789
0.289
0.307
0.568
0.676
0.653
0.845
1.031
0.916
0.837
0.947
0.862
Utilizada con autorizaci6n del Dr. Jin-R. Zhou.
377
44. Poetteiger et al. (A-42) pretendian detenninar si la ingestion de citrato de sodio podia mejo
rar el desempefio de ciclistas y facilitar condiciones metabolicas favorables durante una ca
rrera en bicicleta. Los individuos eran ocho varones cidistas de alto rendimiento, entrenados,
con edad media de 25.4 anos y desviacion estandar de 6.5. Cada participante completo un
circuito de 30 krn bajo dos condiciones: despues de ingestion de citrato de sodio e ingestion
de placebo. Los investigadores recolectaron muestras de sangre de los cidistas antes de inge
rir el tratamiento (PRE-ING), antes del recorrido (PRE-REC), durante el recorrido al com
pletar 10, 20 Y 30 krn; Y 15 minutos despues de terminar el recorrido (POST-REC). Los
siguientes valores corresponden a la presion parcial de oxigeno (P02 ) y bioxido de carbono
(PC0 2 ) para cada individuo, bajo cada condicion, para cada vez que se registro la medicion.
P o2 (mmHg)
Tiempos de medici6n
Individuo
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
Tratamiento
PRE-ING
PRE-EX
IOkm
20km
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
42.00
43.00
44.00
40.00
37.00
36.00
34.00
46.00
36.00
41.00
28.00
34.00
39.00
40.00
49.00
27.00
20.00
29.00
38.00
26.00
22.00
30.00
21.00
36.00
24.00
25.00
31.00
21.00
28.00
27.00
27.00
22.00
53.00
58.00
66.00
57.00
59.00
52.00
65.00
65.00
41.00
51.00
49.00
66.00
47.00
58.00
65.00
62.00
72.00
43.00
60.00
60.00
58.00
69.00
61.00
61.00
64.00
52.00~
52.00
57.00
72.00
64.00
67.00
56.00
30km I5-POST-EX
56.00
55.00
76.00
46.00
56.00
65.00
62.00
72.00
50.00
67.00
53.00
57.00
65.00
57.00
51.00
49.00
41.00
56.00
58.00
45.00
52.00
36.00
59.00
66.00
46.00
54.00
46.00
41.00
72.00
60.00
49.00
34.00
P C02 (mmHg)
Tiempos de medici6n
Individno
1
2
2
3
3
4
Tratamiento
PRE-ING
PRE-EX
IO-km
20-km
1
2
1
2
1
2
1
31.70
24.60
27.10
21.70
37.40
38.40
36.60
30.20
24.40
35.90
37.90
49.60
42.10
45.50
28.20
34.40
31.30
31.90
39.90
40.90
34.80
29.80
35.20
35.40
39.90
39.70
37.70
33.90
30-km I5-POSTEX
28.20
30.90
34.10
45.10
39.80
37.70
34.00
30.10
34.00
42.00
48.00
42.80
45.60
40.50
(ContinUa)
378
P C02 (mm Hg)

Tiempos de medici6n
Individuo
4
5
5
6
6
7
7
S
S
Tratamiento
2
1
2
1
2
1
2
1
2
PRE-ING
PRE-EX
10-km
20-km
39.20
33.70
3l.50
35.00
27.20
2S.00
2S.40
22.90
4l.40
40.20
39.50
37.30
4l.00
36.10
36.50
3l.30
2S.40
4l.S0
3l.90
32.90
32.40
3S.70
34.70
30.70
4S.10
25.70
29.50
32.30
30.50
3l.90
37.10
36.30
34.60
43.70
2S.20
29.90
30-km 15-POST-EX
33.70
2S.50
30.20
35.S0
34.10
34.30
35.10
32.30
31.30
45.90
37.20
3l.70
40.00
40.60
3S.60
34.70
34.S0
39.00
"l=citrato de sodio; 2= placebo.
FUENTE: Utilizada con autorizaci6n del Dr. Jeffrey A. Potteiger.
45. Teitge et al. (A-43) describieron un metodo radiogrMico para demostrar la inestabilidad de
la r6tula. Estudiaron a 90 individuos con edades entre los 13 y 52 arros, los repartieron en
cuatro grupos de acuerdo con hallazgos clinicos relacionados con la naturaleza de la inesta
bilidad de la rodilla: inestabilidad normal (sin sintomas 0 signos relacionados con la rodilla),
inestabilidad lateral, inestabilidad media e inestabilidad multidireccional. Entre los datos
que recolectaron estan las siguientes medici ones radiograficas del angulo de congruencia
(en grados).
Lateral
Normal
-S
-16
-22
-26
-S
12
-S
12
-20
-20
-5
10
-4
-2
-6
-7
0
-2
-15
-5
FUENTE:
4
IS
5
-6
32
30
-10
2S
6
9
10
20
-9
-10
12
0
35
-1
5
22
22
12
-S
-S
-20
-5
-10
Medio
-16
-25
20
-S
S
-14
-IS
-4
-20
-20
-20
-22
-15
-10
-5
-5
-6
-15
-25
-10
-20
Utilizada con autorizaci6n del Dr. Robert A. Teitge.
Mu1tidireccional
10
-5
-10
-12
-14
15
-26
-S
-12
-40
-20
-16
-34
-14
-6
-35
-24
-25
10
-16
-30
-30
379
46. Ikeda et al. (A-44) disefiaron un estudio para determinar la dosis de bromuro de ipratropio
en aerosol que mejora el desempefio deportivo mediante ergometria progresiva de bicicleta en
pacientes con enfermedad pulmonar obstructiva cr6nica estable. La edad promedio de los 20
individuos varones es de 69.2 afios con desviaci6n estandar de 4.6 afios. Entre los datos que
recolectaron los investigadores estan los siguientes valores de ventilaci6n maxima (VEmax l!min)
en el ejercicio maximo alcanzado para diferentes dosis debromuro de ipratropio (Ilg):
Placebo
40
80
160
240
26
38
49
37
34
42
23
38
37
33
40
52
45
24
41
56
35
28
28
38
24
39
46
39
33
38
26
41
37
35
37
58
48
30
37
54
51
41
34
40
23
43
25
43
57
38
37
44
27
37
38
38
46
58
51
27
46
58
51
33
35
39
28
37
52
38
41
42
22
40
39
36
40
63
38
30
42
58
46
38
35
45
FUENTE:
54
39
37
44
28
44
36
34
40
48
47
23
39
51
49
37
34
43
Utilizada con autorizaci6n de la Dra. Akihiko Ikeda.
47. Pertovaara et al. (A-45) compararon los efectos de la temperatura de la piel en el umbral de
la temperatura crftica que despierta ardores contra los efectos de la temperatura de la piel
en el estado latente de la respuesta a 1a primera sensaci6n de dolor provocado por el calor.
Los individuos eran adultos sanos con edades entre 23 y 54 afios. Entre los datos recolecta
dos estaban los siguientes estados latentes (en segundos) a la primera respuesta de dolor
inducida por la estimulaci6n de calor radiante, registrados durante tres diferentes grados de
temperatura de la piel.
Individuo
25C
30C
35C
1
2
3
4
5
6
6.4
8.1
9.4
6.75
10
4.5
4.5
5.7
6.8
4.6
6.2
4.2
3.6
6.3
3.2
3.9
6.2
3.4
FUENTE:
Utilizada can autorizaci6n del Dr. Antti Pertovaara.
380
48. Knight et al. (A-46) informaron de un estudio para desarrollar y validar un metodo sensitivo
y especffico para cuantificar la concentraci6n total de activin-A Como parte del estudio, los
investigadores recolectaron las siguientes concentraciones sericas perifericas de activin-A en
seres humanos en diferentes estadios reproductivos: fase folicular normal (FF), fase lutea
normal (FL), embarazo (EMB), hiperestimulaci6n ovarica para fertilizaci6n in vivo (HIP),
posmenopausia (PM), y varones adultos normales.
FF
134.5
159.2
133.2
225.0
146.4
180.5
FL
EMB
HIP
PM
Varones
78.0
130.4
128.3
166.4
115.2
148.9
2674.0
945.6
5507.6
7796.5
5077.5
4541.9
253.1
294.3
170.2
219.8
165.8
159.0
793.1
385.1
270.9
640.3
459.8
196.7
190.6
185.3
335.4
214.6
Utilizada con autorizaci6n del Dr. Philip G. Knight.
Nota: Convierta las respuestas en logaritmos antes de realizar el analisis.
FUENTE:
49. El prop6sito de un estudio de Maheux et al. (A-47) fue evaluar los efectos del trabajo de parto
en la produccion y utilizaci6n de glucosa. Los individuos estudiados eran seis mujeres emba
razadas. Entre los datos recolectados estaban las siguientes concentraciones de glucosa du
rante cuatro fases del trabajo de parto: latente (AI) y activa (A2) de dilataci6n cervical,
expulsion fetal (B), y expulsi6n de la placenta (C).
AI
A2
3.60
3.53
4.02
4.90
4.06
3.97
4.40
3.70
4.80
5.33
4.65
5.20
5.30
4.10
5.40
6.30
6.10
4.90
6.20
3.80
5.27
6.20
6.90
4.60
U tilizada con autorizaci6n del Dr.
Pierre C. Maheux.
FUENTE:
50. Trachtrnan et al. (A-48) realizaron estudios para 1) evaluar los efectos del IGF-I recombinante
humano (rh) en la nefropatfa por aminonucleosido de puromicina (NAP) y 2) comparar los
resultados del tratamiento con rhIGF-I y con rhGH en el modelo de glomerulosclerosis de
segmentos fetales. Como parte de los estudios, se formaron cuatro grupos con ratones Sprague
Dawley: NAP (IA), NAP + rhIGF-I (IB), normal (IIA), y normal + rhIGF-I (lIB). Los anima
381
les produjeron los siguientes datos que corresponden a los niveles de creatinina antes (pre) y
despues de 4, 8 Y 12 semanas de tratamiento:
Grupo
IA
lIA
IB
lIB
Pre
44
44
44
44
44
44
44
44
44
44
53
35
44
44
44
44
44
44
44
53
44
35
44
44
44
53
53
53
35
53
44
62
62
53
53
62
53
35
4 semanas
97
88
62
8 semanas
53
44
53
53
53
53
44
53
44
62
44
44
62
70
53
53
53
53
53
62
62
12 semanas
88
70
53
70
88
88
FUENTE:
79
79
79
62
79
70
62
62
53
53
53
62
Utilizada con autorizaci6n del Dr. Howard Trachtman.
51. Samuels y Kramer (A-49) realizaron un estudio para examinar las alteraciones inducidas por
el ayuno en la secreci6n pulsatil de glucoproteina. Los individuos que participaron en el
---------"
382
CAPITULO 8
estudio eran 12 hombres jovenes, con edades entre 22 y 35 alios, que produjeron los siguien
tes niveles de T3 en el suero (nmoVl) a las 0800 horas despues de ayunar 8 horas (el primer
dfa),32 horas (el segundo dfa) y 56 horas (el tercer dfa).
Individuo
Individuo
5
5
5
Individuo
9
9
9
FUENTE:
T3
Dia
88
73
59
1
2
3
T3
Dia
93
91
113
1
2
3
T3
Dia
108
93
75
1
2
3
Individuo
2
2
2
Individuo
6
6
6
Individuo
10
10
10
T3
115
77
75
T3
119
57
44
T3
124
97
74
Dia Individuo
1
2
3
3
3
3
Dia Individuo
1
2
3
7
7
7
Dia Individuo
1
2
3
11
11
11
T3
D1a
119
93
65
1
2
3
T3
Dia
152
70
74
1
2
3
T3
D1a
102
56
58
1
2
3
Individuo T3
4
4
4
164
120
86
Individuo T3
8
8
8
121
107
133
Individuo T3
12
12
12
131
83
66
Dia
2
3
Dia
1
2
3
Dia
2
3
Utilizada con autorizaci6n de la Dra. Mary H. Samuels.
52. Para determinar la naturaleza y grado en que los cambios del neurocomportamiento ocurren
en asociaci6n con la intoxicaci6n resultante de la exposici6n excesiva de hierro (Fe) en la ali
mentaci6n, Sobotka et al. (A-50) utilizaron ratas macho Sprague-Dawley recien destetadas como
individuos de experimentaci6n. Los investigadores asignaron al azar a los animales, de acuer
do con rangos de peso, en cinco grupos de alimentaci6n diferentes con base en el total de
hierro presente: grupo 1 de control, 35 ppm; grupo 2, 35G ppm; grupo 3, 3500 ppm; grupo 4,
4 ppm (deficiencia en el consumo de hierro), y grupo 5, 20,000 ppm. Los siguientes datos
corresponden al peso (en gramos) corporal de los animales despues de 10 semanas.
Dieta
2
3
4
5
1
2
3
4
5
1
2
3
Peso
Dieta
Peso
Dieta
Peso
396
368
319
241
138
331
325
331
232
116
349
364
392
1
2
3
4
5
1
2
3
4
5
1
2
3
335
349
302
220
118
394
300
285
237
113
377
366
269
1
4
5
4
5
4
5
4
5
4
5
4
5
373
292
116
291
154
281
118
250
119
242
118
277
104
(Continua)
383
Dieta
4
5
1
2
3
4
5
1
2
3
4
5
FUENTE:
Peso
Dieta
Peso
Dieta
Peso
310
131
341
399
274
319
131
419
373
Muerta
220
146
4
5
1
2
3
4
5
1
2
3
4
5
344
Muerta
336
379
195
277
148
301
368
308
299
Muerta
5
5
120
102
Utilizada con autorizaci6n del Dr. Thomas J. Sobotka.
53. Hansen (A-51) not6 que las concentraciones de la bilirrubina en el cerebro aumentan debido
a hiperosmolalidad e hipercarbia, y que los estudios anteriores no consideraban la pregunta
de si el aumento de bilirrubina cerebral bajo diferentes condiciones se debe a los efectos
relacionados con la entrada 0 eliminaci6n de bilirrubina del cerebro. En un estudio, el inves
tigador plante6la hip6tesis de que la cinetica del aumento de concentraciones de bilirrubina
en el cerebro serfa diferente en la acidosis respiratoria (hipercarbia) y la hiperosmolalidad.
Sacrific6 cuarenta y cuatro ratas Sprague-Dawley machos durante el experimento en dife
rentes momentos despues de aplicarles bilirrubina ..Los siguientes datos corresponden a los
niveles de bilirrubina en la sangre (jlmol)/l) de 11 animales justo antes de sacrificarlos y
despues de 60 minutos de haberles aplicado la bilirrubina.
Controles
30
94
78
52
FUE]',rI"E:
Hipercarbia
48
20
58
74
Hiperosmolalidad
102
118
74
Utilizada con autorizaci6n del Dr. Thor Willy Ruud Hansen.
54. Johanson et ai. (A-52) compararon los efectos de tratamientos de corto plazo con hormona
del crecimiento (GH) y con factor I de crecimiento parecido a la insulina (IGF-I) en marcado
res bioquimicos del metabolismo 6seo en hombres con osteoporosis idiop<itica. Los indivi
duos tentan edades entre 32 y 57 arlOS. Entre los datos que recolectaron estan las siguientes
concentraciones sericas de la proteina-3 que se une al IGF al inicio y 7 dias despues de la
primera inyecci6n, y I, 4, 8 Y 12 semanas despues de la ultima inyecci6n con GH e IGF-I.
384
CAPITULO 8
Paciente
num.
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
9
9
10
10
11
11
FUENTE:
Dia
Dias
Semana
Semanas
4507
3480
2055
2354
3178
3088
2905
3464
4142
4990
3504
3622
5130
5390
3074
3161
3228
4379
5838
5628
2304
2698
4072
3515
4095
3570
3574
3405
2888
5874
4465
4590
3529
6800
4784
5188
2691
4942
5995
3548
5025
6152
4721
2621
3036
4003
2315
3630
3196
3309
2797
2929
3967
2989
4093
6185
4093
4788
2614
3222
3315
3339
4137
4415
3700
3072
Tratamiento
GH
IGF-I
GH
IGF-I
GH
IGF-I
IGF-I
GH
GH
IGF-I
IGF-I
GH
IGF-I
GH
IGF-I
GH
GH
IGF-I
IGF-I
GH
GH
IGF-I
2484
3667
1840
3666
2365
3444
3083
3903
4213
4081
4114
4247
4852
4602
3003
2699
2919
2379
5777
5251
3228
2383
8
Semanas
3540
4263
2483
2700
4136
2357
3376
3367
4321
4806
4445
4450
4943
4926
3145
3514
3235
2783
5659
3334
2440
3075
12
Semanas
3480
4797
2354
2782
3088
3831
3464
2938
4990
4435
3622
4199
5390
5793
3161
2963
4379
3000
5628
3910
2698
2822
Utilizada con autorizaci6n de la Dra. Anna G.Johansson.
55. El objetivo de un estudio conducido por Strijbos et al. (A-53) fue comparar los resultados de
un programa de rehabilitaci6n de pacientes externos durante 12 semanas en un hospital
(grupo 1) contra los de un programa de rehabilitaci6n de 12 semanas en casa (grupo 2). Los
individuos estudiados eran pacientes enfermos de obstrucci6n pulmonar cr6nica con limita
ciones ventilatorias moderadas y severas. Un grupo de control (grupo 3) no recibi6 terapia
de rehabilitaci6n. Entre los datos recolectados estan las siguientes calificaciones de frecuen
cia respiratoria de los individuos, 18 meses despues de la rehabilitaci6n.
Grupo
Grupo
12
16
16
14
12
12
12
16
14
12
12
18
12
24
16
18
18
24
24
18
12
12
14
16
12
12
16
12
12
12
12
15
20
FUENTE:
10
Utilizada con autorizaci6n del Dr. Jaap H. Strijbos.
24
14
15
16
16
18
16
385
56. Siete varones sanos (con edad promedio de 27.4 afios y desviaci6n estandar de 4.4) partici
paron en un estudio dirigido por Lambert et at. (A-54). Los investigadores midieron la absor
ci6n intestinal despues de la ingesta y la perfusion por via intestinal de un Hquido. Como
parte del estudio, los investigadores registraron los siguientes cambios en el volumen del
plasma en seis ocasiones, durante los 85 minutos que duro el ejercicio de ciclismo en ambos
experimentos.
Individuo
-8.02277330
-10.46486300
-7.06516950
-16.61268200
-3.57781750
-3.52995560
-5.07020210
Tomada
1
2
3
4
5
6
7
-8.4151514
-12.1966790
-9.7418719
-15.0291920
-5.8845683
-9.7100000
-6.9787024
-7.4902674
-5.1496679
-5.9062747
-14.4165470
-5.8845683
-7.5700000
-6.5752716
Infusion
8
9
10
11
12
13
14
-13.5391010
-8.8259516
-4.2410016
-10.7192870
-6.9487760
-7.1160660
-7.0497788
-11.7186910
-8.9029745
-1.3448910
-9.7651132
-2.9830660
-5.4111706
-5.7725485
Individuo
-10.77312900
-6.38160030
-2.49740390
-11.12140900
1.77828157
-7.07086340
-5.18045500
6
Tomada
1
2
3
4
5
6
7
-7.35202650
-8.40517240
-4.19974130
-15.36239700
-5.50433470
-4.22938570
-5.94416340
-7.89172340
-9.02789810
-3.33795970
-17.63314100
-5.12242600
-7.86923080
-5.21535350
-7.84726700
5.13333985
-5.65380700
-14.43982000
--6.26313790
-7.51168220
-6.34285620
Infusion
8
9
10
11
12
13
14
-11.64145400
-5.69396590
-1.01234570
-12.13053100
2.28844839
-8.35430040
-7.92841880
-12.40814000
--6.38160030
-5.58572150
-15.98360700
2.59034233
-10.60663700
-8.38462720
-8.26411320
-7.37350920
-2.81811090
-12.64667500
1.56622058
-9.45689580
-8.44542770
FL"ENTE:
Utilizada con autorizaci6n del Dr. C. V. Gisolfi.
57. Roemer et at. (A-55) desarrollaron un metodo para autorregistrar las mediciones del trastor
no de ansiedad generalizada (TAG) para utilizarlo en estudiantes universitarios. En los estu
dios de confiabilidad, los individuos universitarios llenaron e] cuestionario de TAG, as! como
un cuestionario de preocupaci6n del estado de Pensilvania (CPEP). Los siguientes datos
336
CAPITULO 8 ANALISIS DE LA VARIANClA
corresponden a las calificaciones obtenidas, mediante la aplicaci6n del cuestionario, por

cuatro grupos de individuos determinados por su estadio de TAG: (grupo 1) estudio II, TAG
par cuestionario; (grupo 2) estudio II, sin TAG por cuestionario; (grupo 3) estudio I, TAG por
cuestionario, y (grupo 4) TAG runico.
Grupo
1
59.0
5l.0
58.0
6l.0
64.0
68.0
64.0
67.0
56.0
78.0
48.0
62.0
77.0
72.0
59.0
FUENTE:
50.0
28.0
43.0
36.0
36.0
30.0
24.0
39.0
29.0
48.0
36.0
38.0
42.0
26.0
35.0
32.0
43.0
55.0
42.0
37.0
36.0
41.0
36.0
34.0
42.0
35.0
51.0
37.0
50.0
39.0
3
46.0
77.0
80.0
60.0
59.0
56.0
44.0
7l.0
54.0
64.0
66.0
59.0
68.0
59.0
61.0
78.0
70.0
74.0
73.0
4
65.0
62.0
76.0
66.0
78.0
76.0
74.0
73.0
61.0
63.0
75.0
63.0
55.0
67.5
70.0
70.0
55.0
73.0
80.0
79.0
79.0
61.0
61.0
72.0
67.0
74.0
65.0
68.0
72.0
75.0
56.0
65.0
66.0
69.0
73.0
67.0
78.0
76.0
66.0
55.0
59.0
44.0
68.0
64.0
4l.0
54.0
72.0
74.0
59.0
63.0
51.0
72.0
63.0
58.0
7l.0
Utilizada con autorizaci6n del Dr. T. D. Borkovec.
58. Christiansen et ai. (A-56) se dieron cuenta de que los linfomas distintos de Hodgkin (LDH)
representaban un grupo heterogeneo de enfennedades en las que es dificil predecir el pronosti
387
co. Los investigadores informaron acerca de los aspectos de pron6stico de la adhesi6n intercelular
de la molecu1a-1 soluble (sICAM-1) en LDH. Entre los datos que reco1ectaron estan las siguientes
concentraciones sericas (nglml) de s1CAM-1 en cuatro grupo de individuos: grupo de control
formado por individuos sanos (C), grupo con alto grado de LDH (aLDH), grupo con bajo grado
de LDH (ILDH) Ypacientes con leucemia de celulas vellosas (LCV).
309
329
314
254
304
335
381
456
294
450
422
528
461
286
309
225
388
377
310
261
350
405
319
289
310
227
206
226
309
382
325
FUENTE:
ILDH
aLDH
460
222
663
1235
500
739
1847
477
818
585
1837
362
671
375
543
352
443
359
383
587
648
782
472
506
663
873
987
859
1193
1836
691
844
503
764
1088
470
806
482
734
616
836
1187
581
381
699
1854
769
510
571
1248
784
514
678
1264
618
1123
912
520
1867
485
287
455
522
824
496
656
1038
1050
446
1218
511
317
334
1026
534
292
782
1136
476
961
1097
1099
625
473
654
508
454
889
805
541
655
654
1859
619
1837
534
424
571
420
408
391
493
1162
460
1113
572
653
1340
656
LCV
581
601
572
439
1135
590
404
382
692
484
438
787
77
478
602
802
568
665
382
975
663
429
1902
1842
314
430
645
637
712
581
860
448
735
Utilizada con autorizad6n de la Dra. Ilse Christiansen.
59. Cossette et at. (A-57) examinaron el genero y el parentesco con respecto al apoyo formal e
informal a cuidadores en la atenci6n de enfermos. Fbrmaron dos modelos de apoyo. Entre
388
CAPITULO 8
los datos recolectados estaban las edades de tres grupos de cuidadores de familiares con
problemas mentales que viven en casa: esposos, esposas e hijas adultas.
Esposo
64
70
55
67
79
67
77
68
72
67
77
70
65
65
74
86
72
71
78
71
88
77
75
66
80
76
67
65
62
82
75
80
74
70
FUENTE:
Hija
Esposa
66
58
81
77
76
64
82
85
63
72
77
79
63
80
70
85
76
67
72
60
74
65
53
70
72
74
79
63
77
78
69
73
71
70
71
56
68
76
67
66
67
72
72
70
66
73
78
64
78
59
71
70
67
78
67
55
64
69
59
55
75
68
65
81
79
75
59
66
80
76
68
53
78
75
74
86
63
52
55
71
67
78
70
68
78
59
72
73
75
54
65
67
83
70
72
71
76
74
68
69
72
67
67
57
53
50
70
70
Utilizada con autorizaci6n de Sylvie Cossette, M. Sc., R. N.
40
47
46
45
69
48
53
50
47
62
55
49
43
44
47
57
49
50
58
46
47
50
53
57
65
50
43
59
44
45
41
50
58
35
50
59
45
50
48
51
46
62
55
50
43
39
50
50
43
28
389
60. Tasaka et al. (A-58) se dieron cuenta de que el Corynebacterium parvum (CP) aumenta la sus
ceptibilidad a la endotoxina, la cual esta asociada con el aumento de la producci6n del factor
de necrosis tumoral. Los investigadores estudiaron los efectos de la infecci6n por CP en la
patogenesis de dafios agudos pulmonares causados por la endotoxina de Escherichia coli
introtraqueal (lipopolisacarido [LPS]). Los animales para la experimentaci6n eran cerdas de
guinea repartidas en cuatro grupos. Los animales de dos grupos recibieron un tratamiento
de 4 mglkg de CP siete dias antes del estudio. Subsecuentemente, algunos animales que no
recibieron pretratamiento se les suministr6 s610 soluci6n salina (grupo de control), y otros reci
bieron endotoxina (unicamente LPS). Los grupos pretratados 0 recibieron soluci6n salina
(unicamente CP) 0 LPS (CP + LPS). Entre los datos recolectados estaban las siguientes pro
porciones de tejido pulmonar: plasma de los ensayos de albiimina serica radio-iodizada:
Control
0.12503532
0.10862729
0.10552931
0.15587316
0.13672624
0.11290446
FUENTE:
S6lo CP
S6lo LPS
0.18191647
0.30887462
0.25011885
0.23858085
0.26558231
0.32298454
0.17669093
0.25344761
0.17372285
0.1786867
0.22209666
0.27064831
CP
+ LPS
0.3651166
0.64062964
0.39208734
0.49942059
0.85718475
0.93030465
Utilizada con autorizaci6n del Dr, Sadatomo Tasaka.
61. De acuerdo con Takahashi et at. (A-59) sus investigaciones indican que existe asociaci6n en
tre las alteraciones en el metabolismo del calcio y varias enfermedades 6seas en pacientes
con otras discapacidades. Los individuos estudiados eranj6venes (con edad pmmedio de 16
arros) con severos problemas de retraso mental que habian vivido en instituciones la mayor
parte de su vida. Los investigadores examinaron las relaciones entre los cambios 6seos y
otras variables. Repartieron en dos grupos a los individuos, con base en la graved ad de los
cambios 6seos. Entre los datos recolectados estan los siguientes valores de fosfatasa alcalina
(VI/I).
Grado I: 109,86,79,103,47,105,188,96,249
Grado II: 86,106,164,146, 111,263, 162, III
Grado III: 283, 201, 208, 301,135, 192, 135,83,193,
175, 174, 193,224, 192,233
FUENTE:
Utilizada con permiso del Dr. Mitsugi Takahashi.
62. Las investigaciones de Allen (A-60) indican que la alimentaci6n con deficiencia en sales
cuprosas reduce el indice de crecimiento en ratas. En un estudio sobre este tema, Allen
reparti6 ratas macho Sprague-Dawley recien destetados en tres grupos alimenticios: con
deficiencia en sales cuprosas (CuD), con cantidades adecuadas de sales cuprosas (Cw\.), y
con alimentaci6n en pareja (AP). Al inicio, el peso de las ratas del grupo AP era igual al peso de
las ratas del grupo CuD, y luego las ralas AP fueron alimentadas con cantidades iguales de la
dieta adecuada en Cu que consumian sus contrapartes CuD. Despues de 20 semanas, los
animales fueron anestesiados para extraer muestras de sangre y extirparles los 6rganos. Como
parte del estudio se recolectaron los siguientes datos.
390
Rata
Peso
corporal
(PCorp)(g)
Dieta
Peso
del coraz6n
(PCor) (g)
Peso
del higado
(PH)(g)
Peso de
los Mones
(PR)(g)
Peso
del bazo
(PB)(g)
253.66
400.93
355.89
404.70
0.89
1.41
1.24
2.18
2.82
3.98
5.15
4.77
1.49
2.15
2.27
2.99
0.41
0.76
0.69
0.76
AP
10
397.28
421.88
386.87
401.74
437.56
0.99
1.20
0.88
1.02
1.22
2.34
3.26
3.05
2.80
3.94
1.84
2.32
1.86
2.06
2.25
0.50
0.79
0.84
0.76
0.75
11
12
13
14
15
CuA
490.56
528.51
485.51
509.50
489.62
1.21
1.34
1.36
1.27
1.31
4.51
4.38
4.40
4.67
5.83
2.30
2.75
2.46
2.50
2.74
0.78
0.76
0.82
0.79
0.81
1
2
3
4
6
7
8
9
Rata
1
2
3
4
6
7
8
9
10
11
12
13
14
15
CuD
PR/PCorp
(g/lOOg)
0.00351
0.00352
0.00348
0.00539
0.01112
0.00993
0.01447
0.01179
0.00587
0.00536
0.00638
0.00739
0.00162
0.00190
0.00194
0.00188
nd
5.27
4.80
4.97
AP
0.00249
0.00284
0.00227
0.00254
0.00279
0.00589
0.00773
0.00788
0.00697
0.00900
0.00463
0.00550
0.00481
0.00513
0.00514
0.00126
0.00187
0.00217
0.00189
0.00171
35.30
39.00
28.00
34.20
45.20
CuA
0.00247
0.00254
0.00280
0.00249
0.00268
0.00919
0.00829
0.00906
0.00917
0.01191
0.00469
0.00520
0.00507
0.00491
0.00560
0.00159
0.00144
0.00169
0.00155
0.00165
34.60
39.00
37.10
33.40
37.30
CuD
PCor/PCorp
(gilOO g)
PB/PCorp
(gilOO g)
Ceruloplasmina
(mgldl)
PH/PCorp
(g/lOO g)
Dieta
nd= no hay datos.
Utilizada con autorizaci6n de Corrie B. Allen.
FUENTE:
63. Hughes et al. (A-61) afirman que las complicaciones sistemicas producidas por la pancreatitis
aguda son los principales responsables de la mortalidad asociada con la enfermedad. Ade
mas, los investigadores se dieron cuenta de que las citocinas proinflamatorias, particular
mente TNFa, pueden desempeftar una funci6n central en la pancreatitis aguda al mediar
391
secuelas sisremicas. Los investigadores utilizaron un modelo de infusi6n biliar de pancreatitis

aguda para mostrar la disminuci6n de la severidad de la enfermedad, as! como el mejora
mien to de la sobrevida general por la inhibici6n del TNFa. Consideraron como individuos
de estudio a ratas Sprague-Dawley machos que pesaban entre 250 y 300 gramos, y las repar
tieron en tres grupos: sin tratamiento (soluci6n biliar aplicada sin tratamiento), con trata
miento (soluci6n biliar aplicada precedida de tratamiento con anticuerpos policlonales
anti-TNFa), y placebo (aplicaci6n de soluci6n salina). Entre los datos recolectados estan las
siguientes concentraciones porcentuales de hematocrito encontradas en los animales que
sobrevivieron mas de 48 horas.
Sustituto
Sin tratamiento
Con tratamiento
40
56
60
50
50
50
38
40
32
36
40
40
42
38
46
36
35
40
40
38
40
38
55
35
36
40
40
40
35
45
FUENTE:
Utilizada con autorizaci6n del Dr. A. Osama Gaber.
64. Un estudio realizado por Smarason et al. (A-62) fue motivado por las observaciones que otros
investigadores realizaron sobre el suero producido por celulas endoteliales cultivadas dafta
das de mujeres con preeclampsia. Los individuos estudiados para esta investigaci6n eran
mujeres con preeclampsia, un grupo control de mujeres con embarazo normal, y mujeres sin
embarazo con edad para embarazarse. Entre los datos recolectados estaban las siguientes
observaciones respecto a la variable medida en las mujeres de los tres grupos.
Preeclampsia
113.5
106.6
39.1
95.5
43.5
49.2
99.5
Controles con embarazo

91.4
95.6
113.1
100.8
88.2
92.2
78.6
Controles sin emharazo

94.5
115.9
107.2
103.2
104.7
94.9
93.0
(Continua)
392
CAPITULO 8
Preeclampsia
Controles con embarazo
96.9
91.6
108.6
77.3
100.0
61.7
83.3
103.6
92.3
98.6
85.0
128.2
88.3
102.9
101.2
104.9
75.4
71.1
73.9
76.0
81.3
72.7
75.3
55.2
90.5
55.8
FUENTE:
Controles sin embarazo
100.4
107.1
105.5
119.3
88.2
82.2
125.0
126.1
129.1
106.9
110.0
127.3
128.6
Utilizada con autorizaci6n del Dr. Alexander Smarason.
65. El objetivo de un estudio realizado por LeRoith et ai. (A-63) era evaluar los efectos de la admi
nistracion, por siete semanas, de la hormona del crecimiento recombinante humana (rhGH) y
el factor de crecimiento parecido ala insulina recombinante humano (rhIGF-I), separadamen
te y en combinacion, sobre la funcion inmunologica en monas rhesus de edad avanzada. Los
ensayos para la funcion in vivo del sistema inmunologico dependieron de la respuesta a la
inmunizacion con toxoide tetanico. Los siguientes datos corresponden a las respuestas para los
tres grupos de tratamiento y para el grupo de control.
Salina
11.2
9.0
10.8
10.0
FUENTE:
rhIGF-Il
rhGH
rhIGF-I +rhGH
12.2
9.4
10.7
10.8
9.1
12.6
12.15
11.20
10.60
11.30
11.00
11.5
12.4
10.8
11.9
11.0
Utilizada con autorizaci6n del Dr. J ad A. Yanovski.
66. Hampl et ai. (A-64) se dieron cuenta de que eloxido nitrico (NO) inhalado es un vasodilatador
pulmonar selectivo. Plantearon la hipotesis de que una dietilenotriamina I NO (DETAlNO)
nebulizada permanecerfa en las vias respiratorias bajas y suministrarfa suficiente NO de
manera continua para alcanzar vasodilatacion sostenida en la hipertension pulmonar eroni
ca. Los individuos estudiados eran ratas macho adultas Sprague-Dawley libres de patogenos
especfficos. Los animales fueron repartidos al azar en cuatro grupos: controles sin trata
miento y con tension pulmonar normal; inyectados con rnonocrotalina (para inducir
hipertensi6n), sin ninglin tratarniento (MeT); inyectados con rnonocrotalina, tratados con
dosis de 5 0 50 !lrnol de DETAINO. Diecinueve dias despues de inducir la hipertensi6n
pulrnonar en los dos grupos de ratas, los investigadores iniciaron el procedimiento del trata
393
miento, que duro cuatro dras. Entre los datos recolectados estan las siguientes medici ones
sobre el gasto cardiaco de los animales, en los cuatro grupos.
MCT
+ DETA/NO
Control
MCT
5 !lmol
50 !!IDol
71.8
66.1
67.6
66.4
42.8
53.2
56.1
56.5
72.5
62.9
58.9
69.3
47.1
86.6
56.0
FUENTE:
Utilizada con autorizaci6n del Dr. Stephen L. Archer.
En los siguiente.." ejercicios se utUiza una gran cantidad de datos

disponihles en disco para computadora que el editor puede proveel'
1. Consulte los datos del acido siaJico serico unido a lipidos de 1400 individuos (ASSLDATOS).
Se pretende realizar un estudio para determinar si las mediciones de acido sialico serico
unido a lipidos (ASSL) pueden ser utilizadas para detectar cancer de mama. Las mediciones
de ASSL (en mg/dl) corresponden a cuatro poblaciones de individuos: grupo A de control,
individuos normales; pacientes con enfermedad benigna de seno, grupo B; pacientes con
cancer primario de seno, grupo C, y pacientes con cancer de seno metastasico recurrente,
grupo D. Seleccione una muestra aleatoria simple de tamafio 10 a partir de cada poblaci6n,
y realice un analisis adecuado para determinar si es posible conduir que las cuatro medias
poblacionales son diferentes. Sea a =.05, y determine el valor de p. Pruebe todos los pares
posibles de medias. ~Que condusiones pueden obtenerse a partir del analisis? Prepare un
informe verbal de los hallazgos. Compare los resultados obtenidos entre varios estudiantes.
2. Consulte los datos correspondientes al nivel serico de enzima convertidora de angiostesi

na de 1600 individuos (ECADATOS). La sarcoidosis, que se encuentra en todo el mundo,
es una enfermedad granulomatosa sistemica de origen desconocido. Los ensayos realiza
dos con la enzima convertidora de angiostesina (ECA) en el suero es util para diagnosticar
sarcoidosis activa. La actividad de ECA por 10 general aumenta en pacientes con la enfer
medad, mientras que los niveles normales ocunen en individuos que no han tenido la
enfermedad, en pacientes que se han recuperado y en pacientes con otros des6rdenes granu
lomatosos. Los siguientes datos corresponden a los val ores de ECA para cuatro poblaciones
de individuos dasificados de acuerdo con el estado de la sarcoidosis: el grupo A nunca ha
tenido esta enfermedad; en el grupo B, la enfermedad se encuentra en estado activo; en el
grupo C, se encuentra en estado estable, y el grupo D 10 forman pacientes recuperados .
. Seleccione una muestra aleatoria simple de 15 individuos a partir de cada poblaci6n y apli
que el analisis para determinar si es posible conduir que las medias poblacionales son dife
rentes. Sea a =.05. Utilice la prueba de Tukey para probar las diferencias significativas entre
los pares individuales de medias. Prepare un informe verbal de los hallazgos. Compare los
resultados obtenidos entre varios estudiantes.
3. Consulte los datos del factor urinario de estimulacion de colonias de 1500 individuos
(FUECDATOS). Los datos corresponden a los niveles del factor urinario de estimulaci6n de
colonias de cinco poblaciones: individuos normales y cuatro poblaciones con diferentes enfer
medades. Cada observaci6n representa la cantidad promedio de colonias en cuatro laminillas
394
CAPiTULO 8
de una sola muestra de orina proveniente de un s610 individuo dado. Seleccione una muestra
aleatoria simple de tamaflo 15 a partir de cada una de las cinco poblaciones y aplique el
anaIisis de la variancia para determinar si es posible conduir que las medias poblacionales son
diferentes. Sea a
.05. Utilice la estadistica de HSD de Tukey para probar las diferencias
significativas entre todos los pares posibles de medias muestrales. Prepare un informe narra
tivo con base en los resultados del anaIisis. Compare los resultados obtenidos entre varios
estudiantes.
4. Consulte los datos de la cantidad de gl6bulos rojos de 1050 individuos (GRDATOS). Suponga
que el estudiante es un consultor en estadistica que trabaja con un investigador medico intere
sado en aprender algo acerca de la relacion entre las concentraslones de folato en la sangre de
mujeres adultas y la calidad de su dieta. EI investigadore tiene disponibles tres poblaciones
de individuos: la primera poblacion la forman individuos con una dieta considerada de buena
calidad; la segunda poblacion tiene una dieta considerada como regular, y la tercera poblaci6n
tiene una dieta deficiente. Para cada individuo existe tambien informacion de la cantidad de
folato en globulos rojos (GR) (en ~g!litro de globulos rojos). Extraiga una muestra aleatoria
simple de tamaflo lOa partir de cada poblacion y determine si el investigador puede conduir
que las tres poblaciones difieren respecto al promedio de folato en GR. Utilice la prueba de
Tukey para hacer todas las comparaciones posibles. Sea a = .05 Y calcule el valor de p para
cada prueba. Compare los resultados obtenidos entre varios estudiantes.
5. Consulte los datos sobre el nivel serico de cole sterol de 350 individuos sometidos a tres
regimenes dieteticos (SERCOL). Trescientos cincuenta varones adultos con edades entre 30
y 65 arios participaron en un estudio para investigar las relaciones entre el consumo de carne
y los niveles sericos de colesterol. Cada individuo comi6 carne de res como unico alimento
durante 20 semanas; en otro periodo de 20 semanas comieron solo carne de puerco, y en un
tercer periodo comieron polIo 0 pescado durante 20 semanas. AI terminar cada periodo, se
midieron los niveles de colesterol (mgtlOOml) en cada individuo. Se1eccione una muestra
aleatoria de 10 individuos a partir de la poblaci6n de 350. Utilice el anaIisis bilateral de la
variancia para determinar si es posible conduir que existe una diferencia en las medias
poblacionales del nivel de colesterol entre las tres dietas. Sea a = .05. Compare los resulta
dos obtenidos entre varios estudiantes.
BmllOGRAFIA
Bibliografia de metodologia
1. R. A. Fisher, The Design ofExperiments, octava edici6n, Oliver and Boyd, Edinburgh.
2. R. A. Fisher, Contributions to Mathematical Statistics, Wiley, New York.

3. R. A. Fisher, Statistical Methods for Research Workers, tatorceava edici6n, Hafner, New York.
4. Klaus Hinkelmann y Oscar Kempthorne, Design and Analysis ofExperiments, edici6n revisada,
Wiley, New York.
5. Douglas C. Montgomery, Design and Analysis ofExperiments, cuarta edicion, Wiley, New York.
6. Jerome L. Myers y Arnold D. Well, Research Design and Statistical Analysis, Earlbaum Associates,
Hillsdale, NJ.
7. J. w. Tukey, "The Problem of Multiple Comparisons", Ditto, Princeton University; citado en
Roger E. Kirk, Experimental Design: Procedures for the Behavioral Sciences, Brooks/Cole, Pacific
Grove, CA.
BIBLIOGR.AFiA
395
8. B. J. Winer, Statistical Principles in Experimental Design, Segunda edici6n, McGraw-Hill, New

York.
9. Emil Spj~tvoll y Michael R. Stoline, "An Extension of the T-Method of Multiple Comparison
to Include the Cases with Unequal Sample Sizes",journal ofthe American Statistical Association,
68, 975-978.
Bibliograffa de aplicaciones
A.I. Heikki Makynen, Mika Kah6nen, Xiumin Wu, Pertti Arvola e Ilkka P6rsti, "Endothelial
Function in Deoxycorticosterone-NaCI Hypertension: Effect of Calcium Supplementation",
Circulation, 93, 1000-1008.
A-2. Vijendra K. Singh, Reed P. Warren, J. Dennis Odell y Phyllis Cole, "Changes of Soluble
Interleukin-2, Interleukin-2 Receptor, T8 Antigen, and Interleukin-l in the Serum ofAutistic
Children", Clinical Immunology and Immunopathology, 61,448-455.
A-S. David A. Schwartz, Robert K. Merchant, Richard A. Helmers, Steven R. Gilbert, Charles S.
Dayton y Gary W Hunninghake, "The Influence of Cigarette Smoking on Lung Function in
Patients with Idiopathic Pulmonary Fibrosis" ,American Review ofRespiratory Disease, 144, 504
506.
A4. Erika Sziid6czky, Annamiiria Falus, Attila Nemeth, Gy6rgy Teszeri y Erzsebet Moussong-Kov,ics,
"Effect of Phototherapy on 3H-Imipramine Binding Sites in Patients with SAD, Non-SAD
and in Healthy Controls",journal ofAffictive Disorders, 22, 179-184.
A-5. Meg Gulanick, "Is Phase 2 Cardiac Rehabilitation Necessary for Early Recovery of Patients
with Cardiac Disease? A Randomized, Controlled Study", Heart & Lung, 20,9-15.
A6. E. Azoulay-Dupuis, J. B. Bedos, E. Vallee, D. J. Hardy, R. N. Swanson y J. J. Pocidalo,
"Antipneumococcal Activity of Ciprofloxacin, Ofloxacin, and Temafloxacin in an Experi
mental Mouse Pneumonia Model at Various Stages ofthe Disease",journal ofInftctious Diseases,
163,319-324.
A-7. Robert D. Budd, "Cocaine Abuse and Violent Death", Americanjournal of Drug and Alcohol
Abuse, 15, 375-382.
A-S. Jules Rosen, Charles F. Reynolds III, Amy L. Yeager, Patricia R. Houck y Linda F. Hurwitz,
"Sleep Disturbances in Survivors of the Nazi Holocaust", Americanjournal ofPsychiatry, 148,
62.66.
A-9. A. C. Regenstein, J. Belluomini y M. Katz, "Terbutaline Tocolysis and Glucose Intolerance",
Obstetrics and Gynecology, 81,739-741.
A-lO. P. O. Jessee y C. E. Cecil, "Evaluation of Social Problem-Solving Abilities in Rural Home
Health Visitors and Visiting Nurses", Maternal-Child Nursingjournal, 20, 53-64.
A-II. Wilfred Druml, George Grimm, Anton N. Laggner, Kurt Lenz y Bruno Schneewei~, "Lactic
Acid Kinetics in Respiratory Alkalosis", Critical Care Medicine, 19, 1120-1124.
A-12. Brian J. McConville, M. Harold Fogelson, Andrew B. Norman, William M. Klykylo, Pat Z.
Manderscheid, Karen W. Parker y Paul R. Sanberg, "Nicotine Potentiation of Haloperidol in
Reducing Tic Frequency in Tourette's Disorder",Americanjournal ofPsychiatry, 148,793-794.
A-IS. M. E. Valencia, G. McNeill, J. M. Brockway y J. S. Smith, "The Effect of Environmental
Temperature and Humidity on 24h Energy Expenditure in Men", BritishjournalofNutrition,
68,319 -327.
396
CAPITULO 8
A-14. D, S, Hodgson, C, I. Dunlop, P. L Chapman y]. L Grandy, ~'Cardiopulmonary Responses to

Experimentally Induced Gastric Dilatation in Isoflurane-Anesthetized Dogs",AmericanJournal
of Veterinary Research, 53,938-943,
A-15. James 0, Hill,John C, Peters, George W. Reed, David G, Schlundt, Teresa Sharp y Harry L
Greene, "Nutrient Balance in Humans: Effect ofDiet Composition" ,AmericanJournal ofClinical
Nutrition, 54, 10-17,
A-I6. RobertA. Blum, John H. Wilton, Donald M, Hilligoss, Mark]. Gardner, Eugenia B. Henry,
Nedra]. Harrison y Jerome]. Schentag, "Effect of Fluconazole on the Disposition of
Phenytoin", Clinical Pharmacology and Therapeutics, 49, 420-425.
A-I7. Peter H. Abbrecht, Krishnan R. Rajagopal y Richard R. Kyle, "Expiratory Muscle Recruitment
During Inspiratory Flow-Resistive Loading and Exercise", American Review ofRespimtory Disease,
144, 113-120.
A-I8. Jon Kabat-Zinn, Ann O. Massion,Jean Kristeller, Linda Gay Peterson, Kenneth E. Fletcher,
Lori Pbert, William R. Lenderking y Saki F. Santorelli, "Effectiveness of a Mediation-Based
Stress Reduction Program in the Treatment ofAnxiety Disorders", AmericanJournal ofPsychiatry,
149,936-943.
A-19. M. Speechley, G. L Dickie, W. W. Weston y V Orr, "Changes in Residents' Self-Assessed
Competence During a Two-Year Family Practice Program", Academic Medicine, 68, 163-165.
A-20. A. Barnett y R. J. Maughan, "Response of Unacclimatized Males to Repeated Weekly Bouts
of Exercise in the Heat", BritishJournal of Sports Medicine, 27, 39-44.
A-21. Michael W. Orth, Yisheng Bai, Ibrahim H. Zeytun y Mark E. Cook. "Excess Levels of Cysteine
and Homcysteine Induce Tibial Dyschondroplasia in Broiler Chicks",Journal of Nutrition,
122,482-487.
A-22. Carole Wood Gorenflo y Daniel W. Gorenflo, "The Effects of Information and Augmentative
Communication Technique on Attitudes Toward Nonspeaking Individuals" ,Journal ofSPeech
and Hearing Research, 34, 19-26.
A-23. D. Ouerghi, S. Rivest y D. Richard, "Adrenalectomy Attenuates the Effect of Chemical
Castration on Energy Balance in Rats",Journal ofNutrition, 122,369-373.
A-24. R. Niaura, D. B. Abrams, M. Pedraza, P. M. Monti y D. J. Rohsenow, "Smokers' Reactions to
Interpersonal Interaction and Presentation ofSmoking Cues",Addictive Behaviors, 17, 557-566.
C. Buzzarel!, M. Perez y B.
A-25. M. B. Max, D. Zeigler, S. E. Shoaf, E. Craig, J. Benjamin, S. H.
C. Ghosh, "Effects of a Single Oral Dose of Desipramine on Postoperative Morphine Analge
sia" ,Journal ofPain and Symptom Management, 7, 454-462.
A-26. M. Maes, E. Bosmans, E. Suy, C. Vandervorst, C. Dejonckheere y J. Raus, "Antiphospholipid,
Antinuclear, Epstein-Barr and Cytomegalovirus Antibodies, and Soluble Interleukin-2
Receptors in Depressive Patients" ,Journal ofAffective Disoniers, 21, 133-140.
A-27. Elaine A. Graveley y John H. Littlefield, "A Cost-effectiveness Analysis of Three Staffing
Models for the Delivery of Low-Risk Prenatal Care", American Journal of Public Health, 82,
180-184.
A-28. Tarun K. Das, Jean-Marie Moutquin y Jean-Guy Parent, "Effect of Cigarette Smoking on
Maternal Airway Function During Pregnancy", American Journal of Obstetrics and Gynecology,
165,675-679.
BIBLIOGRAFIA
397
A29. Reed E. Pyeritz, Elliot K. Fishman, Barbara A. Bernhardt y Stanley S. Siegelman, "Dural
Ectasia Is a Common Feature of the Marfan Syndrome", AmericanJournal of Human Genetics,
43,726-732.
A30. Sandra L. Nehlsen-Cannarella, David C. Nieman, Anne J. Balk-Lamberton, Patricia A.
Markoff, Douglas B. W. Chritton, Gary Gusewitch y Jerry W. Lee, "The Effects of Moderate
Exercise Training on Immune Response", Medicine and Science in Sports and Exercise, 23,
64-70.
A31. P.]. Roodenburg,]. W. Wladimiroff, A. van Es y H. F. R. Prechtl, "Classification and Quantitative
Aspects of Fetal Movements During the Second Half of Normal Pregnancy", Early Human
Development, 25, 19-35.
A32.
J. Vasterling, R. A.] enkins, D. M. Tope y T. G. Burish, "Cognitive Distraction and Relaxation

1:raining for the Control of Side Effects Due to Cancer Chemotherapy" ,Journal ofBehavioral
Medicine, 16, 65-80.
A33. M. Huber, B. Kittner, C. Hojer, G. R. Fink, M. Nevelingy W. D. Heiss, "Effect ofPropentoJ.Ylline

on Regional Cerebral Glucose Metabolism in Acute Ischemic Stroke" ,journal ofCerebral Blood
Flow and Metabolism, 13, 526-530.
AM. L. L. Smith, M.H. Brunetz, 1:: C. Chenier, M. R. McCammon,]. A. Houmard, M. E. Franklin
y R. G. Israel, "The Effects of Static and Ballistic Stretching on Delayed Onset Muscle Soreness
and Creatine Kinase", Research Quarterly for Exercise and Sport, 64, 103-107.
A-35. B. Ciinprich, "Development of an Intervention to Restore Attention in Cancer Patients",

Cancer Nursing, 16, 83-92.
A-36. D. Paradis, F. Vallee, S. Allard, C. Bisson, N. Daviau, C. Drapeau, F. Auger y M. LeBel,
"Comparative Studv of Pharmacokinetics and Serum Bactericidal Activities of Cefpirome,
Ceftazidime, Ceftriaxone, Imipenem, and Ciprofloxacin" ,AntimicrobialAgents and Chemotherapy,
36, 2085-2092.
A-37. Gotaro Shirakami, Masahiro Murakawa, Koh Shingu, Susumu Mashima, Shin-ichi Suga, Tatsuo
Magaribuchi, Toyohiko O'higashi, Tsutomu Shichino, Kazuwa Nakao y Kenjiro Mori,
"Perioperative Plasma Concentrations of Endothelin and Natriuretic Peptides in Children
Undergoing Living-Related Liver Transplantation", Anaesthesia and Analgesia, 82, 235-240.
A-38. Masahito Sakakibara y]unichiro Hayano, "Effect of Slowed Respiration on Cardiac
Parasympathetic Response to Threat", Psychosomatic Medicine, 58,32-37.
A-39. Toshiaki 1:akahashi, Yuji Suto, Shinsuke Kato y Eisaku Ohama, "Experimental Acute Dorsal
Compression of Cat Spinal Cord", Spine, 21, 166-173.
A-40. Motohiro Yamashita, Ralph A. Schmid, Kan Okabayashi, KoeiAndo,]un Kobayashi,]oel D.
Cooper y G. Alexander Patterson, "PentoxiJ.Ylline in Flush Solution Improves Early Lung
Allograft Function", Annals of Thoracic Surgery, 61, 1055-1061.
A-41.
]in-R. Zhou, Eric T. Guggery John W. Erdman,]r., "The Crystalline Form of Carotenes and
the Food Matrix in Carrot Root Decrease the Relative Bioavailability of Beta and Alpha
Carotene in the Ferret Model",]ournal ofthe American College ofNutrition, 15, 84-91.
A-42.
J.
A. Potteiger, G. L. Nickel, M. J. Webster, M. D. Haub y R. J. Palmer, "Sodium Citrate

Ingestion Enhances 30 km Cycling Performance", InternationalJournal of Sports Medicine,
17,7-11.
398
A43.
Robert A Teitge, Wade Faerber, Patricia Des Madryl y Thomas M. Matelic, "Stress Radiographs
of the PatellofemoralJoint",journal ofBone and joint Surgery, 78-A, 193-203.
A44.
Akihiko Ikeda, Koichi Nishimura, Hiroshi Koyama, Mitsuhiro Tsukino, Michiaki Mishima y
Takateru Izumi, "Dose Response Study oflpratropium Bromide Aerosol on Maximum Exercise
Performance in Stable Patients with Chronic Obstructive Pulmonary Disease", Thorax, 51,
48-53.
A-45.
Antti Pertovaara, Timo Kauppila y Minna M. Hamalainen, "Influence of Skin Temperature

on Heat Pain Threshold in Humans", Experimental Brain Research, 107, 497-503.
A46.
P. G. Knight, S. Muttukrishna y N. P. Groome, "Development and Application of a Two-Site

Enzyme Immunoassay for the Determination of 'Total' Activin-A Concentrations in Serum
and Follicular Fluid",journal ofEndocrinology, 148,267-279.
A-47.
Pierre C. Maheux, Brigitte Bonin, Anne Dizazo, Pierre Guimond, Danielle Monier, Josee
Bourque y Jean-Louis Chiasson, "Glucose Homeostasis During Spontaneous Labor in Nor
mal Human Pregnancy",journal ofClinical Endocrinology and Metabolism, 81,209-215.
A-48.
Howard Trachtrnan, John Maesaka, Stephen Futtenweit, Chan Ma, Elsa Valderrama,James
C. M. Chan y Winnie Chan, "The Effect ofRecombinant Human Insulin-Like Growth Factor
Ion Chronic Puromycin Arninonucleoside Nephropathy in Rats", Pediatric Research, 39, 13
19.
A-49.
M. H. Samuels y P. Kramer, "Differential Effects ofShort-Term Fasting on Pulsatile Thyrotropin,

Gonadotropin and a-Subunit Secretion in Healthy Men -A Clinical Research Center Study",
journal ofClinical Endocrinology and Metabolism, 81,32-36.
A-50.
T. J. Sobotka, P. Whittaker, J. M. Sobotka, R. E. Brodie, D. Y. Quander, M. Robl, M. Bryant y
C. N. Barton, "Neurobehavioral Dysfunctions Associated with Dietary Iron Overload",

Physiology and Behavior, 58,213-219.
A51.
Thor Willy Ruud Hansen, "Bilirubin Entry into a.nd Clearance from Rat Brain During
Hypercarbia and Hyperosmolality", Pediatric Research, 39,72-76.
A52.
Anna G. Johansson, Erik Lindh, Werner F. Blum, Gina Kollerup, Ole H. S!i)rensen y Sverker
Ljunghall, "Effects of Growth Hormone and Insulin-like Growth Factor I in Men with
Idiopathic Osteoporosis", journal ofClinical Endocrinology and Metabolism, 81, 44-48.
A53.
Jaap H. Strijbos, Dirkje S. lbstma, Richard van Altena, Fernando Gimeno y Gerard H. KQeter,
"A Comparison Between an Outpatient Hospital-Based Pulmonary Rehabilitation Program
and a Horne-Care Pulmonary Rehabilitation Program in Patients with COPD", Chest, 109,
366-372.
A54.
G. P. Lambert, R. T. Chang, D. J oensen, X. Shi, R. W. Summers, H. P. Schedl y C. V. Gisolfi,

"Simultaneous Determination of Gastric Emptying and Intestinal Absorption During Cycle
Exercise in Humans", Internationaljournal ofSports Medicine, 17, 48-55.
A55.
Lizabeth Roemer, Mary Borkovec, Sharon Posa y T. D. Borkovec, "A Self-Diagnostic Measure
of Generalized Anxiety Disorder", journal ofBehavior Therapy & Experimental Psychiatry, 26,
345-350.
A-56.
Ilse Christiansen, Cecilia Gidlof, Karl-Michael Kalkner, Hans Hagberg, HeIge Bennmarker
y Thomas T6tterman, "Elevated Serum Levels of Soluble lCAM-1 in Non-Hodgkin's Lym
BIBLIOGRAFlA
399
phomas Correlate with Tumour Burden, Disease Activity and Other Prognostic Markers",
BritishJournal ofHaema,tology, 92,639-646.

A-57. Sylvie Cossette, Louise Levesque y Liane LaU)'in, "Informal and Formal Support for Caregivers
of a Demented Relative: Do Gender and Kinship Make a Difference?", Research in Nursing &
Health, 18, 437-451.
A58. Sadatomo Tasaka, Akitoshi Ishizaka, Koichi Sayama, Fumio Sakamaki, Hidetoshi Nakamura,
Takeshi Terashima, Yasuhiro Waki, Kenzo Soejima, Morio Nakamura, Hiroaki Matsubara,
Seitaro Fujishima y Minoru Kanazawa, "Heat-Killed Corynebacterium parvum Enhances
Endotoxin Lung Injury with Increased TNF Production in Guinea Pigs", AmericanJournal of
Respiratory and Critical Care Medicine, 153, 1047-1055.
A-59. Mitsugi Takahashi, Hideo Nagao y Hirosi Matsuda, "Estimating Bone Change in Patients
with Severe Disability", Development Medicine and Child Neurology, 37, 1085-1093.
A-60. Corrie B. Allen, "Effects of Dietary Copper Deficiency on Relative Food Intake and Growth
Efficiency in Rats", Physiology & Behavior, 59,247-253.
A~61.
Christopher B. Hughes, Lillian W Gaber, Abou Bakr Mohey EI-Din, Hani P. Grewal, Malak
Kotb, Linda Mann y A. Osama Gaber, "Inhibition of TNFa. Improves Survival in an Experi
mental Model of Acute Pancreatitis", The American Surgeon, 62, 8-13.
A-62. Alexander K. Smarason, Iran L. Sargent y Christopher W. G. Redman, "Endothelial Cell

Proliferation Is Suppressed by Plasma but Not Serum from Women with Preeclampsia",
AmericanJournal ofObstetrics and Gynecology, 174, 787-793.
A-63. Derek LeRoith,Jack Yanowski, Eric P. Kaldjian, Elaine S.Jaffe, Tanya LeRoith, Kathy Purdue,
Barbara D. Cooper, Robert Pyle y William Adler, "The Effects ofGrowth Hormone and Insulin
Like Growth Factor I on the Immune System ofAged Female Monkeys", Endocrinology, 137,
1071-1079.
A-64. Vaclav Hampl, Martin Tristani-Firouzi, Thomas C. Hutsell y Stephen L. Archer, "Nebulized
Nitric Oxide/Nucleophile Adduct Reduces Chronic Pulmonary Hypertension", Cardiovascular
Research, 31,55-62.

Estadistica - Capitulo 9,10

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estadistica - Capitulo 9,10

Transféré par

Droits d'auteur :

Formats disponibles

- - - -...

....~ ... -~--.

- -...- -...-~.-- ... - - - ...- - - -...------------------------~

8.4 DISENO DE MEDICIONES

8.2 DISENO COMPLETAMENTE

8.3 DISENO POR BLOQUES

8.5 EXPERIMENTO FACTORIAL

_ _...._ - - _.... - - - _ ...__._-_...__ __ .

rias" de la variable tratamiento producen diferencias, en promedio, en la variable

1. Descripcion de datos. Ademas de describir los datos de la muestra en la

8.2 DISENO COMPLETMfENTE

DISENO COMPLETAt)1E:'-l'TE ALEATORIZADO

Pasos de la prueba de hip6tesis

== total del j-esimo tratamiento

medida delj-esimo tratamiento

total de todas las observaciones

2. Supuestos. Antes de establecer las suposiciones, es necesario especificar el

DISENO COMPLETAMENTE ALEATORIZADO

EI ami1isis de la variancia unilateral puede escribirse como sigue:

Componentes del modelo

Las suposiciones para el modelo de efectos fijos son las siguientes:

a) Los k conjuntos de datos observados forman k muestras aleatorias simples a

g) Las eij siguen una distribucion normal (e independiente).

ANALISIS DE LA VARIAN CIA

Ho :111 =11 2 =... Ilk

Si Ho es verdadera y las suposiciones se cumplen respecto a que las variancias son

DISENO COMPLETAMENTE ALEATORIZADO

mas variancias calculadas a partir de los datos de la muestra. Los metodos

S. Distribuci6n de la estadistica de prueba. En la seccion 7.8 se dijo que R.V.

CAPITULO 8 ANALISIS DE LA VARIANCIA

Suma de cuadrados dentro de los grupos Ahora se muestra c6mo calcu

Suma de cuadrados entre los grupos Para obtener el segundo compo

Entonces, para resumir, se encuentra que la suma total de cuadrados es igual

Con la suma de cuadrados, recien descrita, es posible calcular dos estimaciones de

Dentro de cualquier muestra, la expresion ma

CAPITULO 8 ANALISIS DE LA VARIANCL;\

Ellector reconocera el numerador de la ecuad6n R2.7 como la suma de cua

cuadrado medio entre los

cuadrado medio dentro de los grupos

DISENO COMPLETAMENTE ALEATORIZADO

proporciona una estimaci6n insesgada de la variancia real para la poblaci6n de la

Una estimaci6n insesgada de

ai, calculada a partir de los datos de la muestra, es

Si esta cantidad se sustituye en la ecuaci6n 8.2.6, se obtiene la estimaci6n para a 2 ,

DISENO COMPLETAMENTE ALEATORIZADO

Explicaci6n de par que se rechaza la hlp6tesis nula

Tabla para el analisis de la variancia para el disefio completamente

Dentro de las muestras

~El rechazo de la hipotesis acerca de las variancias implica un rechazo de la hipote

9. Conclusion. Cuando se rechaza Ho se conduye que no todas las medias

10. Calculo del valor p.

DISENO COMPLETAMENTE ALEATORIZADO

El objetivo de un estudio realizado por Makynen et al. (A-I) fue el de investigar si el

Utilizada con autorizaci6n del Dr. HeiRki Makynen.

Peso de ratas Wistar-Kyoto estudiadas bajo cuatro condiciones diferentes.

2. Supuestos. Se supone que los cuatro conjuntos de datos forman

respuesta promedio diferente del promedio de cuando menos una de

las demas condiciones)

La estadistica de prueba es R.v.

DISENO COMPJ.ETA..'\mNTE ALEATORIZADO

Tabla ANOVA para el ejemplo 8.2.1

5. Distribucion de la estadistica de prueba. Si Ho es verdadera y se

La ecuaci6n 8.2.2 produce el

Mediante la ecuaci6n 8.2.4 se calcula

_ _...._ - - _.... - - - _ ...__._-_... .