Anova 100403 - 26

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
INFERENCIA ESTADÍSTICA
FASE 4 ANOVA
Mauricio Hernandez Lopez

Luz Angela Moreno
David Alexander Guarnizo
A.lilian Osorio Serna
Grupo 26
Diana Milena Caliman
TUTOR INFERENCIA ESTADÍSTICA

Células
Densidad Crioscopia % Proteína % Grasa % Sólidos somáticas
Nº Muestra (g/ml) (°C) totales (células/ml
de leche)
33 292 0.96 -0.55 3.2 3 11.7 1901936
61 544 1 -0.52 3.3 3 11.7 1907688
73 652 0.99 -0.53 3.2 3.1 11.3 1896145
78 697 1.04 -0.51 3.2 3 11.6 1916741
90 805 0.98 -0.52 3.1 3.1 11.6 1893482
104 931 1.01 -0.5 3.2 3.1 12 1887416
122 1093 0.98 -0.53 3.2 2.9 11.8 1917349
129 1156 1.02 -0.54 3 3.2 11.8 1902772
133 1192 1.07 -0.52 3.3 3.2 11.7 1891749
146 1309 1.01 -0.5 3.3 3.1 11.2 1889339
154 1381 1.12 -0.58 3.3 3 11.5 1910101
163 1462 0.99 -0.53 3.3 3 12.1 1882575
167 1498 1.1 -0.49 3.2 2.9 12.3 1884859
189 1696 1.06 -0.53 3.3 2.9 11.7 1898443
202 1810 1.05 -0.56 3.1 3 11.8 1872011
Tipo de Prueba de Temperatura
Peroxidasa Fosfatasa Temperatura Costo
leche yodo de recepcion
2 2 1 1 698 2 1
1 2 1 3 865 2 2
2 2 1 1 786 1 1
2 2 1 2 941 1 2
2 2 1 1 746 2 1
2 2 1 2 699 2 1
2 2 1 1 403 2 1
2 2 1 2 859 2 1
2 2 1 1 645 2 1
2 2 1 1 708 2 1
2 2 1 1 451 2 1
2 2 1 2 509 2 1
1 2 1 2 853 2 1
2 2 1 3 385 2 1
2 2 1 2 622 2 1
Satisfacción Departamento
2 3
2 3
1 3
2 3
3 3
1 3
2 3
2 3
1 3
1 3
2 3
1 3
2 3
2 3
2 3
Evaluar si el costo depende del departamento del cual fue recibida la leche, teniendo en cuent
departamentos 1, 2 y 3. La organización de los datos a trabajar debe ser así:
Departamento 1 Departamento 2
Costo Promedio 1 Costo Promedio 6

COMPARACIÓN MÚLTIPLE DE TUKEY

Media del grupo 1 626.2
n del grupo 1 5
n del grupo 2 5
n del grupo 3 5
CME(Cuadrado medio del error) 43557.2
Estadistico Q de tukey 3.08
Comparacion del grupo 1 con el grupo 2

Diferencia absoluta 154.6
Error éstandar de la diferencia 93.3350952215
Amplitud critica 287.4720932821
Medias del grupo1 y 2 son No depende
Diferencia absoluta 181
Medias del grupo 2 y 3 son No depende
ue recibida la leche, teniendo en cuenta los
os datos a trabajar debe ser así:
Departamento 3
Costo Promedio 11 observacion 1

Ho
Ha
Análisis de varianza de un factor
RESUMEN
Grupos
Departamento 1
Departamento 2
Departamento 3
ANÁLISIS DE VARIANZA
Origen de las variaciones
Entre grupos
Dentro de los grupos
Total
conclusion:
Departamento 1 Departamento 2 Departamento 3
638 564 698

361 995 865
745 833 786
322 659 941
1065 853 746
El costo promedio en los tres departamentos es igual.

El costo promedio en dos departamentos es diferente.
Cuenta Suma Promedio Varianza
5 3131 626.2 92416.7
5 3904 780.8 28914.2
5 4036 807.2 9340.7
Suma de cuadrados Grados de libertad Promedio de los cuadrados F

95598.5333333332 2 47799.2666666666 1.0973907108
522686.4 12 43557.2
618284.933333333 14
Con una significacia del 5% se acepta la hipotesisi nula ya que el p-valor (0,355018789) es mayor que el nivel de significancia (0
que nos dice que el costo promedio en los tres departamentos es igual. Podemos decir que el costo no depende del departame
Probabilidad Valor crítico para F 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:
0.3650187888 3.8852938347 𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
9) es mayor que el nivel de significancia (0,05). Lo

cir que el costo no depende del departamento .
1. Definición y características principales del análisis de varianza
Definición: El análisis de varianza es una técnica que se puede utilizar para decidir
Si el valor estadístico de prueba (análisis de varianza) nos impulsa a aceptar la hip
Los datos para el análisis de varianza se obtienen tomando una muestra de cada p
Características:
· Es continua
· Es asintótica
· Sus valores no pueden ser negativos
· Tienen sesgo positivo
· Existe una familia de distribuciones F. cada vez que cambian los g
2. ¿Cuándo y cómo aplicar un análisis de varianza?
Usamos ANOVA de un factor cuando queremos saber si las medias de una variable son diferen
Condiciones:
§ En ANOVA de un factor solo se relacionan dos variables: una variable dependiente (o a e
§ La variable dependiente es cuantitativa (escalar) y la variable independiente es categóric
§ Se pide que las variables sigan la distribución normal, aunque como siempre esto es difí
También que las varianzas (es decir, las desviaciones típicas al cuadrado) de cada grupo de la variable independie
Al aplicar ANOVA de un factor se calcula un estadístico o test denominado F y su significación.
La significación de F se interpretará como la probabilidad de que este valor de F se deba al aza
3. Explique cada uno de los modelos de análisis de varianza. De ejemplos.

Hemos de analizar e interpretar al aplicar ANOVA de un factor:
§ Significación: si es menor de 0,05 es que las dos variables están relacionadas y por tant
§ Valor de F: cuanto más alto sea F, más están relacionadas las variables, lo que significa
Ejemplo:
Quiero averiguar si el número de hijos varían según el nivel educativo. Para ello comparo las medias de números d
En SPSS realizaré una comparación de medias y ANOVA de un factor.
Análisis > Comparar medias > ANOVA de un factor
Introduciré las dos variables que quiero analizar:

§ "Número de hijos" (How many children do you have): es una variable cuantitativa (escala
§ "Clase social" (Social class): variable ordinal. Es la variable independiente o factor. Las c
Para obtener la comparación de medias y las desviaciones típicas, nos dirigimos a Opciones y
El resultado es el siguiente:
En la tercera columna se observan las medias para cada grupo de clase social. Si nos fijamos
El valor de F es 137,477 y la significación es 0,000. Al ser la significación menor de
4. ¿Es útil aplicar análisis de varianza a la problemática de estudio? - Explique por qué
· Una vez terminado la monografía de análisis de varianza se pudo llegar a las s

· El ANOVA permite decidir los distintos niveles de factores que se establecen e
· El análisis de la varianza permite determinar si existe o no diferencias estadíst
· El análisis de varianza nos permite comparar el valor crítico de F con los resu
de varianza
se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se basa en una muestr
nos impulsa a aceptar la hipótesis nula, se concluiría que las diferencias observadas entre las medias de las muestr
ando una muestra de cada población y calculando la media muestral y la variancia en el caso de cada muestra.
cada vez que cambian los grados de libertad, ya sea en el numerador o en el denominador; se crea una nueva distr
s de una variable son diferentes entre los niveles o grupos de otra variable. Por ejemplo, si comparamos el número d
a variable dependiente (o a explicar) y una variable independiente (que en esta técnica se suele llamar factor)
e independiente es categórica (nominal u ordinal).
e como siempre esto es difícil de cumplir en investigaciones sociales.
a grupo de la variable independiente sean similiares (fenómeno que se conoce como homocedasticidad). Aunque esto es lo ideal, en la rea
minado F y su significación. El estadístico F o F-test (se llama F en honor al estadístico Ronald Fisher) se obtiene al
ste valor de F se deba al azar. Siguiendo un nivel de confianza del 95%, el más utilizado en ciencias sociales, cuand
arianza. De ejemplos.
stán relacionadas y por tanto que hay diferencias significativas entre los grupos
as variables, lo que significa que las medias de la variable dependiente difieren o varían mucho entre los grupos de l
comparo las medias de números de hijos entre los diversos niveles educativos: sin estudios, primarios, secundarios y universitarios. Utilizar
variable cuantitativa (escalar) que va de 0 hasta 8 o más hijos. Esta será la variable dependiente o a explicar
ndependiente o factor. Las categorías o grupos de la clase social son: clase baja, clase trabajadora, clase media ba
nos dirigimos a Opciones y marcamos la opción de Descriptivos
clase social. Si nos fijamos en las medias del número de hijos en cada grupo de clase social, podemos observar qu
ser la significación menor de 0,05 es que las diferencias de media de hijos entre los grupos de la clase social son si
? - Explique por qué
arianza se pudo llegar a las siguientes conclusiones: El Análisis de la varianza y sus procedimientos, se aplican en to
actores que se establecen en las diferentes poblaciones o analizar, el comportamiento de ésta misma para todos los
ste o no diferencias estadísticas significativas entre medias cuando se tiene más de dos muestras o más de dos gru
alor crítico de F con los resultados del estadístico de prueba y allí poder tomar decisiones de rechazar o no la hipóte
ueba se basa en una muestra única, obtenida a partir de cada población. El análisis de varianza puede servir para de
tre las medias de las muestras se deben a la variación casual en el muestreo (y por tanto, que los valores medios de
caso de cada muestra.
dor; se crea una nueva distribución.
si comparamos el número de hijos entre los grupos o niveles de clase social: los que son clase baja, clase trabajad
e suele llamar factor)
Aunque esto es lo ideal, en la realidad cuesta de cumplir, e igualmente se puede aplicar ANOVA
Ronald Fisher) se obtiene al estimar la variación de las medias entre los grupos de la variable independiente y dividi
en ciencias sociales, cuando la significación de F sea menor de 0,05 es que las dos variables están relacionadas.
mucho entre los grupos de la variable independiente.
undarios y universitarios. Utilizaré los datos de la Encuesta Mundial de Valores realizada entre 2010 y 2014 en 58 países del mundo.
pendiente o a explicar
rabajadora, clase media baja, clase media alta, y clase alta.
ocial, podemos observar que a medida que aumenta la clase social desciende la media del número de hijos. Las pe
pos de la clase social son significativas. Aunque aparentemente podamos pensar que las diferencias no son exagera
edimientos, se aplican en todas las ciencias tanto puras como sociales, tales como: en la Geografía, Matemática, E
e ésta misma para todos los niveles en función de las poblaciones estudiadas.
muestras o más de dos grupos en el mismo planteamiento.
s de rechazar o no la hipótesis nula
arianza puede servir para determinar si las diferencias entre las medias muestrales revelan las verdaderas diferenci
o, que los valores medios de población son iguales). Si se rechaza la hipótesis nula, se concluiría que las diferencia
n clase baja, clase trabajadora, clase media-baja, clase media-alta y clase alta. Es decir, vamos a comprobar media
riable independiente y dividirla por la estimación de la variación de las medias dentro de los grupos. El cálculo del es
iables están relacionadas.
14 en 58 países del mundo.

del número de hijos. Las personas de clase baja ( lower class) tienen de media 2,18 hijos, las de clase trabajadora (
s diferencias no son exageradas, la decisión de si las diferencias son significativas no depende de nuestro criterio, s
a Geografía, Matemática, Economía, Política, Administración, Contaduría, Educación, Industrias, Medicinas, Agricul
lan las verdaderas diferencias entre los valores medios de cada una de las poblaciones, o si las diferencias entre lo
concluiría que las diferencias entre los valores medios de la muestra son demasiado grandes como para deberse ún
, vamos a comprobar mediante ANOVA si la variable “número de hijos” está relacionada con la variable “clase socia
los grupos. El cálculo del estadístico F es algo complejo de entender, pero lo que hace es dividir la variación entre l
s, las de clase trabajadora (working class) 1,88 hijos, las de clase media-baja (lower middle class) 1,78, las de clase
epende de nuestro criterio, sino de la significación de F. Este es el objetivo de aplicar ANOVA de un factor: valorar es
dustrias, Medicinas, Agriculturas, en la Ingeniería y al Gobiernos, entre otras. El análisis de la varianza nos permite
o si las diferencias entre los valores medios de la muestra son más indicativas de una variabilidad de muestreo.
ndes como para deberse únicamente a la casualidad (y por ello, no todas las medias de población son iguales).
con la variable “clase social”. Concretamente, se analizará si la media del número de hijos varía según el nivel de c
es dividir la variación entre los grupos por la variación dentro de los grupos. Si las medias entre los grupos varían mu
ddle class) 1,78, las de clase media alta 1,70 hijos y las de clase alta (upper class) tienen de media 1,69 hijos.
OVA de un factor: valorar estadísticamente si las diferencias de medias son significativas o no.
de la varianza nos permite decidir cuál es la alternativa más adecuada que permita llevar a una solución satisfactor
ariabilidad de muestreo.
población son iguales).
os varía según el nivel de clase social a la que pertenece la persona.
s entre los grupos varían mucho y la media dentro de un grupo varía poco, es decir, los grupos son heterogéneos en
n de media 1,69 hijos.
ar a una solución satisfactoria del problema de investigación.
grupos son heterogéneos entre ellos y similares internamente, el valor de F será más alto, y por tanto, las variables
o, y por tanto, las variables estarán relacionadas. En conclusión, cuanto más difieren las medias de la variable depe
s medias de la variable dependiente entre los grupos de la variable independiente, más alto será el valor de F. Si hac
alto será el valor de F. Si hacemos varios análisis de ANOVA de un factor, aquel con F más alto indicará que hay más
ás alto indicará que hay más diferencias y por tanto una relación más fuerte entre las variables.
Evaluar si el “% solidos totales” depende de “satisfacción” que se
tiene del proveedor en el departamento 3, teniendo en cuenta los departamentos 1, 2 y 3. La organ
los datos a trabajar debe ser así:
Satisfacciòn 1 "Muy
Escolaridad 2 "Aceptable
satisfecho"
% Solidos totales Promedio 1 Solidos totales Promedio 6

n del grupo 1 5
n del grupo 2 5
n del grupo 3 5

de de “satisfacción” que se
a los departamentos 1, 2 y 3. La organización de
be ser así:
Escolaridad 3 "Nada satisfecho"
Solidos totales Promedio 11 observacion 1

Ho
Ha
RESUMEN
Grupos
Columna 1
Columna 2
Columna 3
Entre grupos
Total
conclusion:
Escolaridad 3
Satisfacciòn 1 Escolaridad 2
"Nada
"Muy satisfecho" "Aceptable
satisfecho"
11.3 11.7 12
12 11.7 12.4
11.7 11.6 11.6
11.2 11.8 11.9
12.1 11.8 11.6
% de solidos totales promedio en los 3 tipos de satisfacciòn es igual

% de solidos totales promedio en los 3 tipos de satisfacciòn es diferente

5 58.3 11.66 0.163
5 58.6 11.72 0.007
5 59.5 11.9 0.11

0.156 2 0.078 0.8357142857
1.12 12 0.0933333333
1.276 14
Con una significacia del 5% se acepta la hipotesis nula ya que el p-valor (0,45730304134072) es mayor que el nivel de significan
Lo que nos dice % solidos totales promedio en los tres tipos de satisfacciòn es igual. Podemos decir que % solidos totales no d
del tipo de satisfacciòn.
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

Probabilidad Valor crítico para F
0.4573030413 3.8852938347
134072) es mayor que el nivel de significancia (0,05).

Podemos decir que % solidos totales no depende
Evaluar si el recuento de células somáticas depende del tipo de leche de “pasteurizada”, “ul
pasteurizada” y “esterilizada” en el departamento 1. La organización de los datos a trabajar debe
Tipo de leche 2 (Ultra-
Tipo de leche 1
Alta pasteurizada)
(pasteurizada)
Recuento de Células (somaticas) Recuento de Células

1. (somaticas) 6.
2. (somaticas) 7.
3. (somaticas) 8.
4. (somaticas) 9.
5. (somaticas) 10.

n del grupo 1 5
n del grupo 2 5
n del grupo 3 5


del tipo de leche de “pasteurizada”, “ultra
ganización de los datos a trabajar debe ser así:
Tipo de leche 3 (esterilizada)
Recuento de Células (somaticas)

11. observacion 1
12. observacion 2
13. observacion 3
14. observacion 4
15. observacion 5
Ho
Ha
RESUMEN
Grupos
Tipo de leche 1 (pasteurizada)
Tipo de leche 2 (Ultra-Alta

pasteurizada)
Tipo de leche 3 (esterilizada)
Entre grupos
Total
conclusion:
Tipo de leche 2
Tipo de leche 3
Tipo de leche 1 (Ultra-Alta
(esterilizada)
(pasteurizada) pasteurizada)
1897753 1908144 1902837
1901328 1890220 1882737
1890599 1898993 1885051
1896183 1898904 1890566
1894730 1887360 1901426
Los promedios de los tres tipos de leche en el departamento 1 son iguales

Al menos dos de ellas sean diferentes

5 9480593 1896118.6 15551863.3
5 9483621 1896724.2 67575918.2
5 9462617 1892523.4 85267108.3

51564891.7333334 2 25782445.8666667 0.4593211688
673579559.2 12 56131629.9333333
725144450.933333 14
Con una significancia del 5%, se acepta la hipotesis nula, ya que el p-valor (0,6424) es mayor al nivel de significancia. Por lo tan
los tres tipos de leche en el departamentos 1 son iguales, lo que implica, que los tipos de leche no depende del departamen
Probabilidad Valor crítico para F
0.6423714469 3.8852938347
nivel de significancia. Por lo tanto, los promedios de
he no depende del departamento 1
Evaluar si el “% grasa” depende de la “temperatura” en el
departamento 6. La organización de los datos a trabajar debe ser así
Temperatura alta Temperatura media
% grasa proveedor 1 % grasa proveedor 6


n del grupo 1 5
n del grupo 2 5
n del grupo 3 5

Diferencia absoluta 0
e la “temperatura” en el aclaro que se escogio el
departamanto 6 porque el
datos a trabajar debe ser así departameto 2 no tiene los
suficientes datos
Temperatura baja
% grasa proveedor 11
Temperatura Temperatura
alta media
observacion 1 3.1 2.9

observacion 2 3.1 2.8
observacion 3 3 3
observacion 4 3 3
observacion 5 3 3.2
Ho el % grasa en los tres tipos de temperatura son iguales

Ha el % grasa en al menos dos tipos de temperaturas son diferentes
RESUMEN
Grupos Cuenta Suma
Columna 1 5 15.2
Columna 2 5 14.9
Columna 3 5 15.2
Origen de las variaciones Suma de cuadrados Grados de libertad
Entre grupos 0.012 2
Dentro de los grupos 0.172 12
Total 0.184 14
conclusion:
con una significancia del 5% se acepta la hipotesis nula, lo cual indica que el % grasa no
el % grasa no depende de la temperatura de la leche.
Temperatura
baja
3.1
3.1
3.1
2.8
3.1
ra son iguales
peraturas son diferentes
Promedio Varianza
3.04 0.003
2.98 0.022
3.04 0.018
Promedio de los cuadrados F Probabilidad Valor crítico para F

0.006 0.4186046512 0.6672118383 3.8852938347
0.0143333333
hipotesis nula, lo cual indica que el % grasa no es diferente en las tres temperaturas. Por lo tanto
de la leche.
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

realizando la estadistica se pudo comprobar los diferentes metodos para la toma de deciciones
Los ANOVA evalúan la importancia de uno o más factores al comparar las medias de la variable de respuesta en los diferentes n
Si el valor p es menor que el nivel de significancia, entonces usted concluye que al menos una media es diferente
e de respuesta en los diferentes niveles de los factores
media es diferente
BIBLIOGRAFIA
chato_099. (2019). Pruebas de Hipótesis. Abril 7 de 2019, de monografias Sitio web:

https://www.monografias.com/trabajos17/pruebas-de-hipotesis/pruebas-de-hipotesis.shtml
Sánchez, J. T. (2017). Pruebas de Hipótesis [OVI]. Colombia. Recuperado

de http://hdl.handle.net/10596/10565
Gutiérrez,H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico de la calidad y Seis
Sigma.(3a. ed.) McGraw-Hill Interamericana. Pp.72- 90. Recuperado
de http://bibliotecavirtual.unad.edu.co:2053/?il=280
Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto Politécnico Nacional. Pp.
65-84. Recuperado
Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva, teoría de la
probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones
Espejo, M. I., Fernández, P. F., & López, S. M. (2016). Inferencia estadística: teoría y problemas (2a. ed.).
Madrid, ESPAÑA: Servicio de Publicaciones de la
l
calidad y Seis
nico Nacional. Pp.
de la
as (2a. ed.).

Anova 100403 - 26

Transféré par

Informations du document

Titre original

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

Anova 100403 - 26

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Mauricio Hernandez Lopez

Diana Milena Caliman

TUTOR INFERENCIA ESTADÍSTICA

Costo Promedio 1 Costo Promedio 6

COMPARACIÓN MÚLTIPLE DE TUKEY

CME(Cuadrado medio del error) 43557.2

Estadistico Q de tukey 3.08

Comparacion del grupo 1 con el grupo 2

Costo Promedio 11 observacion 1

Análisis de varianza de un factor

638 564 698

El costo promedio en los tres departamentos es igual.

Cuenta Suma Promedio Varianza

5 3131 626.2 92416.7

5 3904 780.8 28914.2

5 4036 807.2 9340.7

Suma de cuadrados Grados de libertad Promedio de los cuadrados F

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0

9) es mayor que el nivel de significancia (0,05). Lo

2. ¿Cuándo y cómo aplicar un análisis de varianza?

3. Explique cada uno de los modelos de análisis de varianza. De ejemplos.

Introduciré las dos variables que quiero analizar:

· Una vez terminado la monografía de análisis de varianza se pudo llegar a las s

? - Explique por qué

dor; se crea una nueva distribución.

e suele llamar factor)

mucho entre los grupos de la variable independiente.

14 en 58 países del mundo.

os varía según el nivel de clase social a la que pertenece la persona.

COMPARACIÓN MÚLTIPLE DE TUKEY

Estadistico Q de tukey 3.08

Solidos totales Promedio 11 observacion 1

Análisis de varianza de un factor

Análisis de varianza de un factor

% de solidos totales promedio en los 3 tipos de satisfacciòn es igual

Cuenta Suma Promedio Varianza

Suma de cuadrados Grados de libertad Promedio de los cuadrados F

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

134072) es mayor que el nivel de significancia (0,05).

Recuento de Células (somaticas) Recuento de Células

COMPARACIÓN MÚLTIPLE DE TUKEY

Estadistico Q de tukey 3.08

Diferencia absoluta 605.5999999999

Error éstandar de la diferencia 3350.5709941242

Tipo de leche 3 (esterilizada)

Recuento de Células (somaticas)

Análisis de varianza de un factor

Tipo de leche 2 (Ultra-Alta

Tipo de leche 3 (esterilizada)

1897753 1908144 1902837

1901328 1890220 1882737

1890599 1898993 1885051

1896183 1898904 1890566

1894730 1887360 1901426

Los promedios de los tres tipos de leche en el departamento 1 son iguales

Cuenta Suma Promedio Varianza

5 9483621 1896724.2 67575918.2

5 9462617 1892523.4 85267108.3

Suma de cuadrados Grados de libertad Promedio de los cuadrados F

Temperatura alta Temperatura media

% grasa proveedor 1 % grasa proveedor 6

COMPARACIÓN MÚLTIPLE DE TUKEY