Beruflich Dokumente
Kultur Dokumente
MANUAL PRACTICO DE
ESTADISTICA BASICA Y
DISEO EXPERIMENTAL
APLICADOS A LA
ACUICULTURA
Fabrizio Marcillo M.
1992
INDICE
Pg.
- Introduccin
v
CAPITULO I
1.
Manejo
1.1.-
de datos.Datos.1
1.2.-
Variables.1
1.3.-
Poblaciones y muestras.3
1.4.-
Distribucin
de
frecuencias.-
4
1.5.-
Grficos.6
1.6.-
Estadsticos.8
1.6.1.-
Estadsticos
tralizacin.-
de
cen-
Espacio Muestral
13
2.2.-
Ley de la multiplicacin
13
2.3.-
Permutaciones
combinaciones
13
2.4.-
Definicin
de
probabilidad
14
2.5.-
Teoremas bsicos
14
CAPITULO III
ii
Caractersticas.16
3.2.-
Distribucin
normal
tipificada
18
3.3.-
Aplicaciones.
18
CAPITULO IV
Distribucin
"t"
de
Student.-
19
4.2.-
Ji-cuadrado.21
4.3.-
"F"de
Fisher
Schnedecor.-
22
4.3.-
Distribucin
binomial.-
22
CAPITULO V
iii
Generalidades
5.2.-
Prueba Ji cuadrado
24
25
CAPITULO VI
6.- Estimacin.26
6.1.-
Puntual.26
6.2.-
28
6.2.1.- Estimas de medias por
intervalos.
6.2.2.-
28
De
varianzas.-
29
CAPITULO VII
7.- Pruebas de Hiptesis
7.1.-
Generalidades.-
7.2.-
Una Poblacin.-
30
30
32
iv
Una
32
media
con
varianza
desconocida.-
33
7.3.1.-
Dos
varianzas.-
35
7.3.2.- Medias, varianzas conocidas.37
7.3.3.-
Medias,
varianzas
desconocida
s
iguales.-
38
7.3.4.-
Medias,
varianzas
desconocida
s
desiguales.-
39
7.4.-
Pruebas
en
dependientes.7.5.-
muestras
40
Pruebas de proporciones.-
41
7.6.-
Pruebas
de
independencia.-
41
CAPITULO VIII
8.- Diseo
experimental
46
8.1.-
Generalidades.46
8.2.-
Tipos
de
diseo.-
48
8.2.1.aleatorio.-
Un
factor
completamente
48
8.2.2.aleatorios.-
Un
factor,
bloques
49
8.2.3.-
Cuadrado
Latino.-
Experimentos
Factoriales.-
50
8.2.4.50
vi
8.3.-
Determinacin
muestral.8.4.-
del
tamao
51
Datos
atpicos.52
vii
CAPITULO IX
9.- Anlisis
de
varianza
54
9.1.-
Generalidades.54
9.2.-
ANOVA
de
una
va.-
55
9.3.-
ANOVA
de
dos
vas.-
58
9.4.-
Restricciones.60
9.5.-
Comparaciones
mltiples.-
61
9.5.1.- Prueba de rango mltiple de
Duncan.-
61
CAPITULO X
10.-
Ajustes
de
curvas
63
10.1.-
Diagrama
de
dispersin.-
64
viii
Coeficiente
de
correlacin.-
66
10.4.- Uso de la regresin lineal para
comparaciones
mltiples
de
cuantitativas.10.5.-
dos
variables
no
lineales.-
66
Regresiones
68
ix
INTRODUCCION
Este
manual
es
una
recopilacin
de
varios
manera
prctica
inteligible
para
es
intencin
explicacin
procesos
de
detallada
matemticos
esta
y
que
obra
dar
una
de
los
involucran
las
profunda
Conceptos
definiciones
bsicas
de
de
forma
ms
bien
rutinaria
bases
para
reconocer
un
problema
xi
fomentar
una
forma
de
pensar
clara
Estadstica
aplicada
(no
como:
"
La
exacta)
ciencia
que
crea,
teoras,
principalmente
de
carcter
embargo
la
mayora
de
los
estadstica
moderna
que
actualmente,
no
desarrollaron
se
se
mtodos
de
utilizan
hasta
para
uso
en
biologa,
agricultura y gentica.
xii
Es
interesante
este
punto,
ya
que
al
ser
cuenta
poblaciones
la
variabilidad
naturales
en
sus
propia
de
clculos
tablas.
xiii
53
CAPITULO I
MANEJO DE DATOS
1.1.- Datos.Llamamos dato a cualquier observacin (valor numrico o
cualitativo)
que
mida
una
caracterstica
atributo
experimentales
que
va
tomar
una
variable
determinada.
Los datos estadsticos, obtenidos de muestras, experimentos o cualquier coleccin de mediciones, a menudo son
tan numerosos que carecen de utilidad a menos que sean
condensados o reducidos a una forma ms adecuada. Por
ello, en esta seccin nos ocuparemos del agrupamiento de
liii
54
liv
55
mensurables
son
aquellas
cuyos
diferentes
son
aquellas
variables
que
no
pueden
ser
como
variables
continuas
aquellas
cuyo
lv
56
la
distribucin
de
frecuencias
de
algna
lvi
57
cual
su
vez
vendr
caracterizada
por
ciertos
parmetros.
Al ser la poblacin completa generalmente muy grande
para
ser
estudiada
conveniente
estudiar
en
su
solo
totalidad,
un
resulta
subconjunto
de
ms
dicha
poblacin.
Sea una variable aleatoria dada (X); los valores de esta
variable aleatoria (X1, X2,...Xn) forman una muestra de
la variable X, si ellas son independientes y siguen la
misma
distribucin
de
X,
en
otras
palabras,
si
representa fielmente a X.
El
objetivo
de
los
muestreos
es
obtener
informacin
apropiadas,
mostrando
tambin
el
nmero
de
lvii
58
Matemticamente,
el
nmero
de
intervalos
(k)
k = 1+
10
ln N
3
lmites
de
dos
intervalos
de
representacin
consecutivos.
lviii
59
superior
el
inferior
de
un
intervalo
de
representacin.
La frecuencia es la cantidad de ocurrencias de datos
dentro de un intervalo de representacin.
La frecuencia relativa es la relacin entre la frecuencia de un intervalo y la frecuencia total expresada en
porcentaje.
La
frecuencia
acumulada
acumulada
relativa
es
la
29.0
27.0
28.2
28.9
26.1
29.4
28.2
26.0
29.5
27.4
25.3
28.4
26.0
27.0
27.6
26.0
29.7
29.8
26.3
28.5
30.2
27.0
28.0
31.0
25.6
33.4
28.0
29.0
28.0
29.5
26.4
27.3
29.3
26.0
28.0
26.0
29.5
29.5
29.4
26.6
26.4
28.0
27.7
28.1
27.6
26.8
27.0
29.3
28.0
27.0
31.0
27.0
27.0
28.9
29.3
lix
60
Intervalo
Representa
Interva
Frecuen
Frecuen
Frecuenc
cin
ia
Real
24 - 25
23.5 -
ia
F.
Marca
Acumulada
de
Relativ
Acumulad
Relativa
Clase
3.57 %
3.57 %
24.5
19
33.93 %
21
37.50 %
26.5
29
51.79 %
50
89.29 %
28.5
8.93 %
55
28.22 %
30.5
1.78 %
56
100.00 %
32.5
25.5
26 - 27
25.5 27.5
28 - 29
27.5 29.5
30 - 31
29.5 31.5
32 - 33
31.5 33.5
1.5.- Grficos.Las
propiedades
de
las
de FIGURA # 1.- Histograma de fre-
distribuciones
frecuencias relacionadas
con
su
forma
se
cuencias absolutas.
hacen
forma
ms
representar
comn
de
una
lx
61
lxi
62
FIGURA # 2.- Histograma de frecuencias relativas.
Otra
forma
de
presentar
las
distribuciones
de
frecuencia
en
forma
es
el
grfica
polgono
frecuencias.
l,
las
de
En
frecuen-
sobre
lxii
63
relatvas,
el grfico de sectores o
"pie" se usa con mucha
frecuencia (Figura # 6).
Este
corresponde
crculo
varios
dividido
un
en
sectores,
Estadsticos.-
lxiii
64
FIGURA # 4.- Polgono de frecuencias absolutas.
En
general,
trataremos
de
hacer
inferencias
sobre
los
parmetros de las
poblaciones
(por
ejemplo la media
o
la
varianza
).
Para efectuar tales inferencias utilizaremos estadsticos muestreales como x y s2; es decir cantidades calculadas con base en datos u observaciones de la muestra.
1.6.1.- Estadsticos de cen-
de
poblacional
como
la
de
y
nuestra
representa
la
esperanza
matemtica
de
lxiv
65
Este
parmetro
no
conocemos,
conoceremos
nunca
lo
no
lo
a
no
completa.
esto
estimar
este
utilizamos
tico
que
el
promedio
Es
para
parmetro
estadso
media
muestreal.
Nuestro promedio x va a estar dado por la media aritmtica de los datos de nuestra muestra. Su frmula es:
x=
1
n
xi
lxv
66
mediana
correspondera
al
valor
del
dato
que
se
mediana
viene
dada
por
el
valor
del
dato
nmero
mide el promedio de
lxvi
67
poblacional.
Este
parmetro
equivale
la
siguiente
frmula:
( xi - )2
N
( xi - x )2
n -1
s =
y s2 disminuye.
o s), no
lxvii
68
lxviii
69
CAPITULO II
TEORA DE PROBABILIDADES
que
tan
"comn"
"raros"
son
ciertos
acontecimientos.
Los
estadsticos
remplazan
las
palabras
informativas
lxix
70
nos
permiten
saber
cuantas
veces
acertamos
"en
lxx
71
k 1 x k 2 x k 3 x.... k n
disposicin
ordenada
de
elementos
de
un
n) se llama permu-
tacin.
El nmero total de permutaciones de r objetos escogidos
entre un conjunto de n objetos viene dado por:
lxxi
72
n r=
n!
(n - r)!
nCr =
n!
r!(n - r)!
un
evento
puede
ocurrir
de
maneras
mutuamente
lxxii
73
una
caracterstica
E,
entonces,
la
posibilidad
de
(E) =
n
N
posibles
por
el
nmero
de
total
de
eventos
en
condiciones
parecidas,
esta
es
la
lxxiii
74
P(E)
La
suma
evento
de
mas
la
la
probabilidad
probabilidad
de
de
ocurrencia
no
de
ocurrencia
un
del
P(E)
-
P(
E) = 1
P(A
o B) =
P(A)
P(B)
P(AB)
lxxiv
75
CAPITULO III
DISTRIBUCIN NORMAL
Una
distribucin
densidad
de
probabilidad
de
una
poblacin,
distribuciones
pero
se
"modelo"
ms
han
comunes
definido
como
la
ciertas
Normal,
lxxv
76
cuales
podemos
aproximar
estas
distribuciones
particulares.
3.1.- Caractersticas.En el siglo XVIII, los cientficos observaron con sorpresa que los grados de distribucin muestreal de varios
estadsticos, tales como la media, seguan una distribucin continua que denominaron "curva normal de errores",
y le atribuyeron reglas de la probabilidad.
La ecuacin de densidad de probabilidad normal viene
dada por:
f(x)=
Para -
< x <
1
2
1 x- 2
- (
)
e2
la
probabilidad
de
que
ocurra
un
hecho
lxxvi
77
El
centro
de
curva
la
est
representado por la
media
poblacional
( ).
-
es igual a
0.6827; de -2
a +2
de 0,9545 y de -3
+3
-
de 0,9973;
como
la
aproximadamente
media,
tienen
normal
una
distribucin
independiente
de
la
configuracin de la poblacin.
Muchos aspectos naturales, como el peso de una especie
bioacutica
la
altura
de
personas
de
una
lxxvii
78
poblacin,
son
caractersticas
que
presentan
una
distribucin normal.
3.2.- Distribucin normal tipificada
Llamamos distribucin normal tipificada a la distribucin
especial
que
representa
todas
las
variables
Z=
x-
para
varios
valores
de
permite
encontrar
la
lxxviii
79
parte
de
la
teoria
estadstica
uada
por
los
bilogos.
Ya
que
muchos
estadsticos
fenmenos
como
la
naturales,
media,
siguen
as
una
como
ciertos
distribucin
Estimaciones
de
intervalos
de
confianza
para
la
media.
-
lxxix
80
lxxx
81
CAPITULO IV
OTRAS DISTRIBUCIONES
Adems
de
la
distribucin
Normal
estudiaremos
otras
muchas
continuas
otras
como
distribuciones
discretas,
de
pero
probabilidad,
su
estudio
no
lxxxi
82
el
cual
sin
embargo
no
le
haba
encontrado
utilidad prctica.
El problema recide en que la distribucin muestreal de
la media se ajusta muy bien a la distribucin Normal
cuando se conoce
xs/ n
lxxxii
83
y varianza
figura
la
distribucin
normal,
entre
sus
la
y
caractersti-
cas tenemos:
-
a + ;
a +
es igual a 1;
Al aumentar el valor de
; y,
, la distribucin "t" de
lxxxiii
84
ms, para tamaos muestreales de 30 ms, la distribucin Normal ofrece una excelente aproximacin a
la distribucin "t".
Entre las aplicaciones de esta distribucin tenemos la
estimacin
de
intervalos
de
confianza
para
medias
)% del
rea de la curva.
Para buscar el valor de t
para
= n-1 en la tabla,
la
fila
correspondiente
al
valor
de
La
lxxxiv
85
/2 y
= 2, y que representa la
Entre
sus
(n - 1) s2
2
caractersticas tenemos:
-
Es
asimtrica
asinttica al eje x
por la derecha;
-
Su dominio va de 0 a
+
El
(Figura # 8);
rea
bajo
la
curva desde 0 a +
es igual a 1;
-
Tiene parmetro
Al incrementarse
= n-1;
se aproxima a la distribucin
normal; y,
lxxxv
86
, donde
para varios
a su derecha, es igual a
, el primer
lxxxvi
87
F = s2 1
s2
distribucin
la
podemos
grfica
apreciar
1=n1-1
2=n2-1.
en
la figura # 10.
Entre
sus
propiedades
tenemos:
-
Es
asimtrica,
asinttica al eje x
por el lado derecho;
-
Su dominio va de 0 a
+ ;
Tiene parmetros
1=n1-1
es igual a 1; y,
2=n2-1.
lxxxvii
88
= .01 y .05
2.
presentan
no
cierta
caracterstica.
generalmente
una
Estos
distribucin
fenmenos
de
densidad
distribucin
binomial
las
aplicaciones
de
la
lxxxviii
89
CAPITULO V
BONDAD DE AJUSTE
5.1.- Generalidades
Para usar las diferentes distribuciones estudiadas, en
nuestros problemas prcticos, debemos primero de asegurarnos que nuestros datos se aproximen a una de estas
distribuciones dadas.
Hablamos de bondad de ajuste cuando tratamos de comparar
una
distribucin
de
frecuencia
observada
con
los
lxxxix
90
xc
91
realizar
esta
prueba
debemos
de
seguir
los
siguientes pasos:
-
cuidando
de
que
en
cada
rango
(i)
la
muestreal
por
la
probabilidad
de
dicho
Calculamos el estadstico
xci
92
( oi - ei )2
i=1
ei
= k
intervalos
es
el
nmero
de
parmetros
Si el valor de
pondiente valor de
de la tabla # 3, concluimos
>
xcii
93
CAPITULO VI
ESTIMACIN
6.1.- Puntual.En esencia, la estimacin puntual se refiere a la eleccin
de
un
estadstico
calculado
partir
de
datos
xciii
94
ms eficiente estimador de
2,
es
prcticamente
nula.
Por
esta
razn
es
con una
E = Z( ) .
2
y n 30.
pero
pudiendo
suponer
razonablemente
que
estamos
xciv
95
E = t( ) .
2
s
n
(1- ) y para
s =
Y,
para
proporciones,
el
( xi - x )2
(n -1)
estimador
insesgado
mas
x / n=
x
n
xcv
96
6.2.- Estimacin por intervalos.Dado que no puede esperarse que las estimaciones puntuales realmente coincidan con las cantidades que intentan estimar, a veces es preferible reemplazarlas con
estimaciones por intervalos, esto es, con intervalos en
los cuales podemos esperar con un grado razonable de
certeza que contengan al parmetro en cuestin.
6.2.1.- Estimas de medias por intervalos.Para poblaciones con distribucin normal, conociendo la
varianza poblacional
muestra grande (n
x - Z(
/ 2)
< < x + Z(
/ 2)
(1- )%.
presumiblemente
normal
de
varianza
xcvi
97
x - t(
/ 2)
s
< < x + t(
n
/ 2)
s
n
de libertad.
6.2.2.- De varianzas.El intervalo de confianza para la varianza en poblaciones normales viene dado por:
(n -1) s2
2
<
<
( / 2)
(n -1) s2
2
(1- / 2)
de libertad.
6.2.3.- De proporciones.-
xcvii
98
Para
proporciones,
proporcin
el
intervalo
poblacional
de
calculada
confiansa
de
la
de
la
partir
x
-Z
n
/2
x
x
(1- )
n
n < p< x+
Z
n
n
/2
x
x
(1- )
n
n
n
de libertad.
6.3.- Grfico de intervalos.Los
intervalos
de
confianza
representarse
grfi-
camente
(Figura
11),
elaborando un grfico de
lineas para las medias,
y
representando
mismo
los
mediante
lmites
inferior
del
en
el
barras
superior
intervalo
de confianza.
xcviii
99
Este tipo de grfico tiene la ventaja de permitir observar la precisin de nuestra estimacin.
xcix
100
CAPITULO VII
PRUEBAS DE HIPTESIS
7.1.- Generalidades.Llamamos hiptesis estadstica a una asumcin sobre una
poblacin que est siendo muestreada.
Un test de hiptesis es simplemente una regla mediante
la cual esta hiptesis se acepta o se rechaza.
Esta regla est basada generalmente en un estadstico
muestreal llamado estadstico de prueba, ya que se lo
usa para probar la hiptesis.
La regin crtica de un estadstico de prueba consiste
en todos los valores del estadstico donde se hace la
decisin de rechazar H0.
101
rechazamos
una
hiptesis
verdadera,
estamos
come-
sean pequeos.
ci
102
1.- Expresar
claramente
la
hiptesis
nula
(H0)
su
alterna (H1);
2.- Especificar el nivel de significancia
y el tamao
de la muestra (n);
3.- Escoger un estadstico para probar H0, tomando en
cuenta
las
asumciones
restricciones
que
cii
103
o.
su
defecto,
su
tamao
sea
30,
por
lo
que
H1 =
ciii
104
Z(
/2)
H1 =
<
H0 =
H1 =
>
W = {Z
-Z( )}
W = {Z
Z( )}
7.2.2.- Una media con varianza desconocida.Utilizamos esta prueba para comparar una media poblacional conocida ( ) con la calculada a partir de el promedio de una muestra cuya varianza no conocemos ( 0), y
cuyo tamao sea < 30. En este caso trabajaremos con la
civ
105
H1 =
t=
xs/ n
t(
/2)
cv
106
H1 =
<
Ho =
H1 =
>
W = {t < -t( )}
W = {t
t}
7.2.3.- Una varianza.Utilizamos esta prueba para comparar una varianza poblacional conocida ( 2) con una calculada a partir de la
varianza
muestral
de
una
poblacin
muestreada
2
0),
suponiendo con cierto grado de confianza que est normalmente distribuida. En este caso trabajamos con el
estadstico de prueba
2
0
H1 =
2
0
2
2
(n - 1) s2
2
cvi
107
donde
= n-1 grados
de libertad.
La regin crtica o de rechazo (W) viene dada por:
2
( /2)
2
(1- /2)
2
0
H1 =
2
0
<
Ho =
2
0
H1 =
2
0
>
W = {
2
(1- )}
W = {
7.3.- Dos poblaciones independientes.Llamadas tambin pruebas bimuestreales, son usadas cuando
queremos
comparar
dos
estadsticos
poblacionales
cvii
108
En este captulo estudiaremos cuatro casos: dos varianzas independientes, dos medias independientes con varianzas
conocidas,
dos
medias
independientes
con
va-
rianzas desconocidas e iguales y dos medias independientes con varianzas desconocidas y desiguales.
7.3.1.- Dos Varianzas.Utilizamos esta prueba para comparar dos varianzas poblacionales
varianzas
2
1
muestrales
2
2),
calculadas
(s21
s22)
partir
de
de
las
poblacines
2
1
H1 =
2
1
2
2
2
2
cviii
109
2
F = s2 1
s2
/2)
Ho =
2
1
2
2
H1 =
2
1
>
2
2
W = {F
F( )}
cix
110
7.3.2.- Medias, varianzas conocidas.Utilizamos esta prueba para comparar dos medias poblacionales calculadas a partir del promedio de dos muestras cuyas varianzas conocemos, o en su defecto,cuyo tamao individual sea
Ho =
H1 =
2
2
Z=
( x1 - x 2 )
2
2
1
n1
n2
Z(
/2)
cx
111
H1 =
>
W = {Z
Z( )}
7.3.3.- Medias, Varianzas desconocidas e iguales.Utilizamos esta prueba para comparar dos medias poblacionales calculadas a partir del promedio de dos muestras cuyas varianzas no conocemos, y cuyos tamaos sean
< 30, siempre y cuando hayamos demostrado con anterioridad, mediante una prueba F, que las varianzas poblacionales de ambos son iguales.
En este caso trabajaremos con la varianza muestral en
vez de la poblacional, pero usaremos el estadstico de
prueba "t".
Las hiptesis a probar son:
Ho =
H1 =
2
2
cxi
112
t=
x1- x2
( n1 - 1) s21 + ( n2 - 1) s22 1 1
x( + )
n1 + n2 - 2
n1 n2
t(
/2)
H1 =
>
W = {t
t( )}
7.3.4.- Medias, varianzas desconocidas y desiguales.En el caso de que no se haya demostrado la igualdad de
varianzas entre las poblaciones mediante una prueba F,
no sera necesario realizar un test de medias, ya que
las
poblaciones
son
tan
heterogneas
respecto
sus
varianzas.
cxii
113
t =
x1 - x 2
2
2
s 1+ s 2
n1 n2
( s 1 + s 2 )2
= 2 n1 n22
( s 1 )2 ( s 2 )2
n1 + n2 - 2
n1 +1 n2 +1
cxiii
114
Esta prueba se aplica a muestras de poblaciones dependientes la una de la otra, como en el caso de pruebas en
una misma poblacin antes y despus de un tratamiento.
La lgica de la prueba se reduce a determinar las diferencias en los individuos de la muestra, y a probar si
la media de estas diferencias son iguales a cero.
Las hiptesis a probar son:
Ho:
= 0
H1:
d
sd / n
= n-1 grados
cxiv
115
_t_
t(
/2)
Z=
po - p
pq
n
cxv
116
/2)
W = {Z < -Z( )}
,
Ho = p0 = p
H1 = p0 > p0
W = {Z > Z( )}
partir
de
muestras.
En
este
caso
las
hiptesis
probar son:
Ho = p1 = p2
H1 = p1
p2
cxvi
117
Z=
p1 - p2
1 1
pq( + )
n1 n2
p=
n1 p1 + n2 p2
n1 + n2
Z(
/2)
W = {Z
Z( )}
cxvii
118
cxviii
119
1 ..
.. j ..
.. r
x
1
(ni.)
total
n11
n1j
n1r
(n1.)
n1j
ni1
nij
nir
(ni.)
nij
ns1
nsj
nsr
(ns.)
nsj
(n.j)
(n.1)
(n.j)
(n.r)
total
ni1
nij
nir
N
nij
fila
por
columna
(ij),
mediante
la
frmula:
npij =
ni. x n. j
N
cxix
120
s
2
=
i=1 j=1
( nij - npij )2
npij
=(r-1)(s-1)
grados de libertad.
-
>
( )}
cxx
121
CAPITULO VIII
DISEO EXPERIMENTAL
8.1.- Generalidades.Llamamos
investigacin
la
"bsqueda
experimento
estudio
puede
donde
ser
definido
cierta(s)
como
"un
variable(s)
en
independiente(s)
niveles
de
una
ms
determinado(s),
esta(s)
variable(s)
variables
siendo
los
independientes
cxxi
122
El
experimento
debe
especifica
del
solucionar,
incluir
problema
sea
que
una
enunciacin
que
se
se
debe
quiere
describir
enunciado
referencia
dependientes)
del
uno
problema
o
usados
ms
debe
incluir
criterios
para
la
(variables
determinar
el
variados
ciertos
niveles
al
azar,
el
cxxii
123
Los
factores
(variables
independientes)
largo
del
experimento,
con
lo
cual
los
Aleatorios
para
promediar
el
efecto
de
variable(s)
de
inters,
minimizar
la
para
promediar
las
diferencias
de
para
poder
asumir
que
los
errores
en
cxxiii
124
adems
estar
al
tanto
de
las
financieras,
ya
que
habr
que
hacer
un
Clculo
de
ciertos
estadsticos
de
prueba
cxxiv
125
resultados
deben
ser
expuestos
de
forma
pueden
ser
incluidos
en
los
innumerables
modelos
de
diseo
de
el
abarcarlos
todos;
sin
embargo
se
que
facilitar
la
comprensin
de
otros
Diseo
de
un
factor,
completamente
cxxv
126
tratamientos
aleatorio,
de
aproximadamente
forma
es
que
homogneas
completamente
se
las
consideren
condiciones
en
Yij = + j +
ij
tratamiento
poblacional
( )
va
ms
ser
igual
un
efecto
la
media
del
jsimo
cxxvi
127
ij).
8.2.2.-
Diseo
de
un
factor,
bloques
homogneas,
que
variabilidad,
variabilidad
hay
nos
es
fuentes
podemos
dividiendo
las
ms,
podamos
conocidas
librar
de
de
esta
observaciones
de
el
caso
de
que
en
cada
bloque
haya
una
cxxvii
128
Yij = +
en donde
+ i+
ij
es
cual,
al
rechazarse,
nos
indicar
que
el
cxxviii
129
la
aleatoriedad,
seguimos
diseo
es
posible
nicamente
cuando
el
caso
de
tener
tres
restricciones
la
cxxix
130
de
otro(s)
factor(es)
(variable
independiente 2(n) ).
El modelo matemtico usado vendr dado por:
Y ijk = +
en donde
ij
ij
ij
aunque
lo
separemos
en
bloques
para
experimento
factorial,
en
cambio,
estamos
factores,
as
como
sus
posibles
interacciones.
cxxx
131
de
las
ventajas
de
los
diseos
factoriales son:
-
Es
posible
mayor
eficiencia
que
con
el
Se
adquiere
informacin
sobre
posibles
de
los
principales
factores
que
hay
que
cxxxi
132
matemticamente
el
nmero
mnimo
).
estimaciones
puntuales,
nuestro
tamao
n= [
Z( 2 )
n= [
( Z( )+ Z( ) )
cxxxii
133
/2)
y Z(
/2)
escogidos
de
limitaciones
de
forma
orden
arbitraria,
econmico
prctico.
8.4.- Datos atpicos.Llamamos datos atpicos a aquellos datos que
debido
su
lejana
de
los
otros
datos
de
importante
tener
un
criterio
objetivo
varios
criterios
para
determinar
que
cxxxiii
134
| x m - x|
s
cxxxiv
135
CAPITULO IX
ANLISIS DE VARIANZA
9.1.- Generalidades.Al estudiar las pruebas de hiptesis, veamos
que stas se usaban para comparar una o dos
poblaciones.
En
el
caso
poblaciones
de
querer
usando
comparar
pruebas
ms
de
dos
bimuestreales,
la
posibilidad
total
de
un
error
cxxxv
136
Ho :
H1 :
2
i
= ... =
tal que
gual)
comparan
varios
factores
su
efecto
cxxxvi
137
= ... =
tal que
gual)
Para
facilidad
en
la
realizacin
de
los
cxxxvii
138
T R A T A M I E N T O S
1
. . . . . . j
. . . . .
Y11
Y12
Y1j
Y1k
Y21
Y22
Y2j
Y2k
Yi1
Yi2
Yn22
.
.
Yij
.
.
Yik
.
.
Ynjj
Yn1l
Ynkk
TOTALES
Yil
Yi2
Yij
Yik
Yij
n1
n2
nj
nk
Y2i1
Y2i2
Y2ij
Y2ik
Y2ij
muestras.
La siguiente es la tabla del ANOVA:
cxxxviii
139
FUENTE
Gdos. de
lbtad.
TRATAMIENTO
Suma de Cuadrados
(SC)
Suma media de
F calcul.
cuadrados
K - 1
SCT/(K - 1)
(
Yij)2/nj
SMCT/SMCE
Yij)2/N
(
ERROR
N - K
SC TOTAL - SCT
TOTAL
N - 1
Y2ij -
SCE / (N - K)
Yij) /N
F(
cxxxix
140
cuando
tenemos
otra
fuente
de
variacin
haber
poblaciones
al
con
considerar
el
mismo
iguales
tratamiento,
dos
pero
lo
puede
utilizar
tambin
en
bloques
= ... =
tal que
decir,
probar
los
efectos
de
los
tratamientos.
cxl
141
= ... =
les)
H1' :
tal que
gual)
tablas
usadas
en
este
caso
son
las
siguientes:
cxli
58
TRATAMIENTO
BLOQUES
YA1
YB1
Yi1
Yn1
YA2
YB1
Yi2
Yn2
YAj
YBj
Yij
Ynj
YAk
YBk
Yik
Ynk
YBj
Yij
Y2Bj
T.j
T2.j
YAj
Y2A
Y2
ij
Ti
Yi1
Yi2
Yij
Yik
Ynj
Yij
Y2ij
Y2
nj
Yij
es
la
suma
de
los
lviii
59
Yij es la
lix
FUENTE
Gdos. de
Suma de Cuadrados
lbtad.
Suma media de
(SC)
F calcul.
cuadrados
(SMC)
TRATAMIENTO
n - 1
n
Yij)2/k
TOTAL
(nk) - 1
SMCT/SMCE
Yij)2/n
Yij)2/N
(
(n-1) (k-1)
SCB / (k-1)
k - 1
ERROR
SMCT/SMCE
Yij)2/N
(
BLOQUE
SCT/(K - 1)
SC TOTAL-SCT-SCB
Y2ij -
SCE / (n-1)(k-1)
Yij) /N
= (n-1) y
= (n-
con
grados de libertad.
(k-1)
2=
(n-1)(k-1)
( )
un
ANOVA
comparar
tratamiento,
as
los
como
multifactorial
efectos
los
de
cuando
mas
efectos
de
de
las
de
las
repeticiones
como el
)
como
el
H0 :
er
1= 2=...= a=0 (todos los efectos del 1 factor son 0)
H1 :
tal que
0)
do
1= 2=...= b=0 (todos los efectos del 2 factor son 0)
H1' :
tal que
es 0)
y:
H0'' :
H1'' :
tal que
no
es
0)
asi como:
H0''' : Todos los (
4
H1''' : Al menos un (
)ij no es igual.
FACTOR 1 FACTOR 2
REPLICA 1 .. .. REPLICA k .. .. REPLICA r
TOTAL
NIVEL 1 NIVEL 1
Y111
Y112
Y113
Y11k
NIVEL 1 NIVEL j
Y1j1
Y1jk
Y1jr
Y1jk
NIVEL 1 NIVEL b
Y1b1
Y1bk
Y1br
Y1bk
NIVEL i NIVEL j
Yij1
Yijk
Yijr
Yijk
NIVEL a NIVEL b
Yab1
Yabk
Yabr
Yabk
a b
a b
a b
a b r
Yij1
Yijk
Yijr
Yijk
5
El orden de un experimento factorial se denota
como a x b.
Primero
realizamos
un
anova
de
vias,
Gdos. de
Suma de Cuadrados
lbtad.
(SC)
Suma media de
F calcul.
cuadrados
(SMC)
REPETICION
r - 1
r
SMCT/SMCE
Yijk)2/r
Yijk)2/N
(
(ab-1) (r-1)
SCT / (ab-1)
ab - 1
ERROR
Yijk)2/n
SMCR/SMCE
Yijk)2/N
(
TRATAMIENTO
SCR/(r - 1)
SC TOTAL-SCT-SCR
SCE / (ab-1)(r1)
TOTAL
(abr) - 1
Y2ijk -
Yijk) /N
r
r
r
NIVEL 1
Y11k
Y1jk
Y1bk
b rY1jk
r
r
r
NIVEL i
Yi1k
Yijk
Yibk
b rYijk
r
r
r
NIVEL a
Ya1k
Yajk
Yabk
b rYajk
a r
a r
TOTAL 1 a rYi1k
Yijk
Yibk a b rYijk
SSA =
1
br
r
2
Y ijk ) -(
(
i=1
j=1 k=1
Y ijk )
SSB =
1
ar
r
2
Y ijk ) -(
(
j=1
Y ijk )
i=1 k=1
Gdos. de
FUENTE
libertad
SC
SMC
F calculado
Repeticin r - 1
SCR
SCR/(r-1) SMCR / SMCE
Tratamient.
A
a - 1
SCA
SCA/(a-1) SMCA / SMCE
B
b - 1
SCB
SCB/(b-1) SMCB / SMCE
Interaccin
SC(AxB)/
AxB
(a-1)(b-1) SC(AxB) (a-1)(b-1) SMC(AxB)/SMCE
SCE/ (ab-
Error
(ab-1)(r-1)
SCE
1)(r-1)
Total
abr - 1 SC Total
9
En
donde
la
relacin
SMCR/SMCE
es
nuestro
sigue
una
distribucin
= r-1 y
"F"
2
de
= (ab-
prueba
F'
para
diferencias
debidas
al
= a-1 y
= (ab-
prueba
F''
para
diferencias
debidas
al
= b-1 y
= (ab-
la
relacin
SMC(AxB)/SMCE
es
nuestro
la
interaccin
de
ambos
= (a-1)(b-1) y
10
La regin de rechazo para cualquiera de los
cuatro estadsticos viene dada por:
W = { F
F(
Restricciones
de
seguir
una
ley
Normal
de
distribucin.
-
Todas
probando
iguales.
las
poblaciones
deben
de
que
tener
estamos
varianzas
11
entre
s,
indican
cmo
romper
embargo
este
caso
existen
esta
no
tablas
que
dependencia;
sin
ser
estudiado
por
nosotros.
Para probar la igualdad de varianzas podemos
usar
varias
hacerlo
es
pruebas.
Una
forma
fcil
observar
el
rango
de
de
cada
se
lo
extrado
de
tamaos
de
multiplica
la
tabla
muestra.
Si
por
un
para
el
factor
D4
distintos
productor
D4
es
12
Otras pruebas existentes son la prueba C de
Cochran y la prueba F de Bartley - Box.
9.6.- Comparaciones mltiples.Despus de realizar nuestro ANOVA, sabremos si
todos nuestros tratamientos son iguales o si
existe al menos uno que sea distinto; pero,
usualmente
tratamiento
queremos
es
mejor
saber
y
cul
ms:
es
Cul
peor?
Cul
muchas
formas
de
responder
estas
contrastes
ortogonales,
la
prueba
de
de
Duncan
la
prueba
de
Student
recomendada
para
comparar
factores
cua-
13
de cul comparacin debe hacerse se la realiza
despus de que los datos han sido examinados.
Las comparaciones se hacen mediante amplitudes
mltiples basandose en los resultados.
Los pasos a seguir son los siguientes:
1.- Ordene los k medias de menor a mayor.
2.- Determine el MSCE y sus grados de libertad
de la tabla de ANOVA.
3.- Obtenga el error estndar de la media para
cada tratamiento mediante la frmula:
Sx j =
4.-
Busque
en
studentizada
significativos
la
los
(rp)
MSCE
nj
tabla
valores
a
un
de
nivel
de
rangos
los
rangos
con
14
5.-
Multiplique
lograr
un
estos
grupo
rangos
de
por
k-1
Sxj
rangos
para
menos
significativos.
6.-
Pruebe
diferencias
respectivos
todas
entre
las
k(k-1)/2
pares
valores
de
de
medias
rangos
posibles
con
sus
menos
significativos.
Los valores de diferencias
mnima
significancia
que el rango de
indican
diferencias
significativas.
9.5.2.- Prueba de rango mltiple de Duncan.Es una prueba menos potente que la SNK y menos
prudente.
Se diferencia de la SNK en que usa niveles de
confianza
variables
en
vez
de
fijos,
15
16
CAPITULO X
AJUSTE DE CURVAS
Llamamos regresin a un problema en el cual
fijamos
valores
dados
de
una
variable
para
encontrar
relaciones
entre
determinar
la
fuerza
de
la
relacin,
17
necesariamente
que
es
causado
por
y,
viceversa.
Por lo tanto, la regresin puede ser usada
para
experimentos
#
mientras Figura
dispersin.
reales,
12.-
Diagrama
de
que la correlacin
se
usa
estudios
facto,
para
ex
es
post
decir,
para
analizar
datos
obtenidos
con anterioridad.
mediante
puntos,
los
valores
de
diagrama
sirve
para
darnos
una
idea
18
iniciar cualquier clculo para evitar trabajos
innecesarios.
10.2.- Mtodo de los mnimos cuadrados.Llamamos
regresin
lineal
un
experimento
y = a+bx
recta.
de
los
mnimos
la
se
recta
que
acerca
nuestros
datos
experimentales,
utilizamos
el
19
vamos a tomar la recta para la cual los cuadrados de las diferencias entre los puntos
experimentales (x,y) y los puntos calculados
(x',y') sea mnima.
Las frmulas para calcular los coeficientes a
y b son:
x
N
xy b=
2
x -
a=
y
N
x )2
-b
x
N
20
r =(
[N
2
x -(
xy -(
x )2 ][N
y)
2
y -(
y )2 ]
total
que
representa
puede
ser
la
mxima
atribuida
variacin
cualquier
Uso
de
la
regresin
lineal
para
21
Cuando
estamos
comparando
datos
de
dos
muy
significativas,
podemos
primer
paso
seguir
es
calcular
la
Gdos. de
Suma de Cuadrados
lbtad.
(SC)
Suma
media de
calcu
cuadrados
l.
(SMC)
TRATAMIENTO
k - 1
SCT/(K-1)
LINEAL
Y ij 2
) -(
nj
Y ij 2
)
N
SCT - SCDL
SMCT/
SMCE
SCL / 1
SMCL/
SMCE
22
DESV. DE
K-2
LIN.
SCDL / (k
SMCDL
- 2)
/SMCE
2
nj( y )
ERROR
N - k
SC Total - SCT
SCE / N k
TOTAL
(nk) - 1
Y ij 2
Y ij )
N
No
hay
diferencias
atribuibles
diferencias
atribuibles
regresin lineal.
H1
hay
regresin lineal.
Para el estadstico F = SMCL / SMCE con
y
= 1
y:
Ho :
da.
H1
Si
calculada.
hay
desviaciones
de
la
regresin
lineal
23
Para el estadstico F = SMCD / SMCE con
k-2 y
de
relaciones
posibles
entre
las
poblacional
es
muy
comn
la
"ndice
de
y = ab x
en
donde
Falton",
a
y
es
b
es
conocido
el
como
ndice
de
crecimiento
relativo.
Es caracterstico de esta relacin que, al
graficarse
sus
pares
de
datos
(x,y)
en
un
24
Podemos,
de
la
misma
forma,
enderezar
los
cuando
la
relacin
entre
ambas
y = b0 + b1 x+ b2 x2 +...+b p x p
cuando
nuestro
modelo
lineal
no
25
10.6.-
Pruebas
de
hiptesis
respecto
no
determinar
si
correlacin.El
objeto
de
esta
prueba
es
es o no igual a
= 0
H1 :
t=
|r|
1- r 2
x n-2
26
W = { t > t(
/2)
que
podamos
librarnos
del
error
controlables.
Cuando
estas
variables
mtodo
datos
mediante
es
una
regresin
el
cual
combinacin
lineal
del
analizamos
del
ANOVA,
mtodo
cuyo
los
de
modelo
xij +
ij
xij es la
27
H0 :
H1 :
Los
=
i
= ..
= 0
tal que
clculos
se
realizan
de
la
siguiente
manera:
-
Se
calcula
la
suma
de
cuadrados
del
Se
calcula
tratamiento,
la
suma
error
de
cuadrados
total
delANOVA
del
de
Se
calcula
la
suma
de
productos
del
yij
xij
C=
i=1 j=1
i=1 j=1
kn
SPTotal =
xij yij - C
i=1 j=1
28
(
SPT =
i=1
xij
j=1
yij )
j=1
-C
Se
calcula
la
tratamiento,
suma
error
de
cuadrados
total
para
S CTotaly = SCTotaly -
S CEy = SCEy -
(SPTotal )2
SCTotalx
(SPE )2
SCEx
del
las
29
Construimos
seguidamente
nuestra
tabla
de
anlisis de covarianza:
Grados de
FUENTE
SCx
SCy
SP
SCy'
libertad
SMC
TRATAMIENTO SCTx
SCTy
SPT
SCTy'
k - 1
SCTy'/(k-1)
ERROR
SCEx
SCEy
SPE
SCEy'
nk - k - 1 SCEy'/(nk-k-1)
TOTAL
SCTotx
SCToty
SPTot
SCToty'
nk - 2
2=nk-k-1
grados de libertad.
30
- Tablas estadsticas
1.- Funcin de distribucin Normal Z(
31
2.- Valores de t
32
3.- Valores de
33
4.- Valores de F
34
TABLA # 5
Valores de Chauvenet
n
xm -x/s
n
xm -x/s
2
1.15
14 2.10
3
1.38
16 2.15
4
1.53
18 2.20
5
1.64
20 2.24
6
1.73
25 2.33
7
1.80
30 2.39
8
1.86
40 2.50
9
1.91
50 2.58
10 1.96
60 2.64
11 2.00
80 2.74
12 2.04
100 2.81
13 2.07
1000 3.48
TABLA # 6
35
Rango de diferencias D4
n
2
3
4
5
6
7
8
9
10
D4
3.267 2.575 2.282 2.155 2.004 1.924 1.864 1.816 1.770
36
7.- Percentiles de los rangos Studentizados.
37
8.- Valores crticos de D de Duncan
38
- Ejercicios varios aplicados a la Acuicultura.1.- En un muestreo de peso en una camaronera se obtuvieron los siguientes resultados (en
gramos):
16
15
16
15
15
15
15
15
17
17
15
16
16
17
16
16
16
16
15
16
16
16
16
16
17
17
16
16
16
16
16
16
18
18
18
19
18
19
18
18
18
18
19
18
19
18
18
18
18
19
19
18
18
18
18
18
18
18
18
18
18
18
18
18
18
18
19
18
19
19
19
19
18
18
18
19
19
18
18
19
19
19
19
18
20
21
20
20
20
21
21
21
22
22
21
21
22
21
20
22
22
21
21
21
21
21
21
21
20
22
20
21
20
20
20
21
21
21
21
22
22
21
21
21
22
22
21
20
21
21
22
22
22
22
22
22
21
21
26
24
24
24
25
25
25
26
25
26
24
24
23
25
26
24
24
24
25
25
25
26
24
25
25
25
24
25
25
25
24
26
29
28
28
29
27
28
29
28
28
28
27
28
28
28
27
28
27
28
29
30
28
29
29
29
28
29
28
28
28
28
29
29
Con base en estos datos:
a.- Construya una tabla de distribucin de frecuencias.
b.- Grafique mediante un histograma la frecuenci relativa.
c.- Grafique mediante un grfico de barras la frecuencia relativa.
d.- Grafique mediante un polgono de frecuencias la frecuencia relativa y la frecuencia
acumulada relativa.
e.- Grafique mediante un grfico de sectores la frecuencia relativa.
f.- Calcule el promedio.
g.- Calcule la mediana.
h.- Calcule la desviacin estndar emprica.
i.- Calcule la varianza emprica.
j.- Calcule el rango.
k.- Construya una distribucin de frecuencias usando los rangos comerciales (colas por
libra).
l.- Realize los mismos grficos que se hicieron para la otra distribucin de frecuencias.
m.- Compare y comente la utilizacin del grfico de barras y el histograma en ambos casos.
2.- Antes de cosechar una piscina de cultivo de camarn, tomamos una muestra de 230
animales la misma que pesa 3,956 gramos y cuya varianza es 3.78; al cosechar la misma
obtenemos de la empacadora una liquidacin de la cual calculamos un peso promedio de 16.83
y una varianza de 3.96. En estos datos, seale:
a.b.c.d.-
El
La
La
La
promedio.
media.
varianza emprica.
varianza poblacional.
Sacar
Sacar
Sacar
Sacar
5.- Explique que entendera Ud. si un in forme metereolgico dice "hay 50% de probabilidad
de que llueva".
6.- En los dos ejercicios anteriores, calcule la probabilidad de no ocurrencia de los
eventos descritos.
39
7.- Obtenga de la tabla de distribucin Normal los valores de Z para los siguientes
valores de :
a.- 1.28
b.- 1.64
c.- 1.96
8.- Obtenga los valores de t para
valores de :
a.b.c.d.e.-
.1
.5
.25
.01
.005
para
.1
.5
.25
.01
.005
1
1
1
1
=
=
=
=
3,
12,
5,
15,
= .5 y
= 5
= 2
2 = 3
2 = 15
2
11.- Determine si los valores del ejercicio # 1 siguen una ley Normal.
12.- Calcule el error (E) que podemos esperar con respecto a la media poblacional en el
promedio del ejercicio # 1 con un 90% y un 95% de confianza.
13.- Calcule el intervalo de confianza para la media en el ejercicio # 1 con 90% y 95% de
confianza.
14.- Con base en los siguientes datos de longitud total de postlarvas de P. vannamei (en
mm.), calcule los intervalos de confianza para la media y para la varianza con un 95% de
confianza:
7.5
7.2
7.2
6.9
7.1
7.2
7.0
6.9
7.4
7.2
7.6
8.0
6.9
7.5
7.9
7.4
7.8
6.8
7.6
7.8
7.5
7.7
7.4
15.- Con base en los siguientes datos de longitud total diarias de larvas de P. vannammei,
construya un grfico de las medias con sus respectivos intervalos de confianza:
DIA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
L O N G I T U D E S
618
1,355
1,355
2,271
2,972
3,257
3,755
4,194
4,679
4,548
4,884
5,037
5,344
5,839
5,768
6,291
6,604
6,972
7,386
7,700
614
1,349
1,349
2,252
2,983
3,155
3,576
4,079
4,591
4,596
4,932
5,141
5,588
5,624
5,875
6,065
6,433
6,935
7,283
7,688
612
1,307
1,307
2,307
3,108
3,323
3,649
3,922
4,348
4,398
5,047
5,133
5,445
5,755
5,974
6,222
6,539
6,837
7,436
7,674
607
1,380
1,380
2,385
2,629
3,113
3,748
4,139
4,204
4,724
5,281
5,378
5,674
5,840
6,163
6,168
6,339
6,378
6,800
7,234
T O T A L E S
617
1,303
1,303
2,223
2,478
3,118
3,350
3,657
4,257
4,619
5,098
5,460
5,637
5,186
5,680
6,079
6,353
6,513
6,866
7,322
( e n
m i c r a s )
612
607
1,398
1,620
2,079
2,638
2,856
3,506
3,706
3,926
4,371
4,261
4,952
5,349
5,405
5,696
6,065
6,173
6,578
6,857
6,870
618
1,323
1,323
2,239
2,553
3,123
3,597
4,111
4,511
4,848
5,215
5,477
5,915
5,790
5,803
6,209
6,234
6,481
7,080
7,265
1,295
1,576
2,334
2,669
2,987
3,135
3,609
4,194
4,422
5,007
5,228
5,433
5,574
5,592
5,864
6,054
6,689
6,781
7,081
1,352
1,590
2,305
3,184
2,956
3,515
3,731
4,157
4,545
4,834
5,186
5,579
5,678
5,785
5,832
6,189
6,662
6,841
7,007
615
1,368
1,708
2,190
2,501
3,097
3,598
3,755
4,063
4,721
4,490
4,661
5,424
5,445
5,652
5,947
6,111
6,360
6,573
6,696
613
1,353
1,649
2,267
2,485
3,140
3,354
3,790
4,192
4,808
4,637
4,882
5,307
5,620
5,638
5,989
6,031
6,144
6,375
6,684
615
40
16.- En una muestra aleatoria de 100 camarones
tomados de una piscina de cultivo se obtiene
un peso promedio de 17.3 gramos con varianza =
3,7.
Decida
si
existen
diferencias
11.2
10.6
10.2 10.4 10.6
10.5
10.9
es de
del 95%.
18.- Determine en el ejemplo anterior si la
varianza poblacional es de 0.19,
= 0.5.
41
10.6 10.8 10.2 11.4 11.5 11.3 10.5
10.7 10.7 10.2 11.4 10.2 10.9
20.- Se desea saber si el crecimiento semanal
promedio
de
una
consecutivos
fu
camaronera
el
en
dos
aos
si
hubo
mismo
diferencias significativas (
= 0.05) entre
Determine
significativas (
si
hay
diferencias
en
gracilis,
el
para
crecimiento
lo
cual
se
de
Chaetoceros
realizan
tres
42
Con polvillo :
1'238,000
1'354,000
1'154,000
1'430,500
1'452,500
Sin polvillo :
1'338,500
Con una significancia del 95% demuestre si hay
diferencias entre ambos tratamientos.
23.-
Se
desea
determinar
la
eficiencia
de
para
lo
cual
se
realizan
los
43
ANTES
DESPUES
8.400
15.200
9.300
16.300
6.500
10.100
4.200
8.300
3.100
6.400
12.300
28.100
2.400
4.300
4.500
6.800
9.400
9.300
4.200
11.400
6.300
12.800
11.100
34.000
44
24.Cierta
camaronera
compra
solamente
semilla que tenga al menos un 60% de P.
vannamei. Si un provedor trae un lote, el
cual da como resultados del anlisis 50%,
65%, 62% y 55% en 4 muestras; indique si se
debera comprar esta larva.
25.- Se prueban dos tipos de dietas para
larvas de camarn en 10 tanques, dando como
resultado en la dieta A: 72.35%, 82.25%,
76.44%, 74,09%, 74.72% y 76.70% de sobrevivencia y en la B: 74.96%, 67.95%, 87.29% y
62.92%. Demuestre si existen diferencias
significativas (
= 0.5) con respecto a
sobrevivencia entre ambos alimentos.
26.- Determine si existen datos atpicos en
los ejercicios # 17 y 19.
27.- Se obtienen los siguientes resultados de
crecimiento semanal (en gramos) usando 4
distintos alimentos (A, B, C, D) en 19
piscinas de camarn:
0.74
0.76
0.75
0.74
0.75
0.76
0.68
0.71
0.71
0.72
0.75
0.77
0.77
O.76
0.75
0.72
0.74
0.73
0.73
45
Demuestre
si
significativas (
alimentaciones.
existen
diferencias
= 0.5) en crecimiento entre
de
46
Horas
2
4
6
8
10
12
ppm de Cl1.8
1.5
1.4
1.1
1.1
0.9
47
BIBLIOGRAFIA
-
Capa
H.
Cimacyt.
(1991).
Estadstica
Bsica.
Steel
R.,
Torrie
J.
(1985).
Bioestadistica:
Principios
yprocedimientos. McGraw - Hill.