Fase 2.

Los trabajos deben ser presentados siguiendo el estilo de presentacin

de los trabajos (pgina ppal del curso)
Estilo de presentacin de los trabajos en D.E

Enunciados del ejercicio:

Ncleo problemico: Composicin bromatolgica de alimentos
Escuelas: ECAPMA ECBTI

1. Recientemente un instituto de certificacin de normas tcnicas realizo

una investigacin sobre la prdida de peso de una misma variedad de
fruta proveniente de una misma localidad. Estudio en donde se pretende
lograr una confiabilidad del 98%, una probabilidad esperada del 55% y no
cometer un error superior al 2 %.
Los interesados tomaron muestras del producto vegetal directamente de
las bodegas de almacenamiento, durante un mes y en tres momentos
diferentes pero consecutivos, procesaron el material y determinaron los
pesos reportados en la tabla 1.

Tabla 1. Prdida de peso (%)**

Fuente: Varios investigadores del programa de normalizacin autores.
**Datos tomados con fines educativos

a) Describa detalladamente el diseo del experimento que

programaron los profesionales a cargo del proyecto. Se deben
identificar los elementos que intervienen en el estudio
experimental.

El diseo que programaron los profesionales es diseo de bloques

completos al azar permite El anlisis de varianza utiliza las medias de
dichos agrupamientos, denominadas fuente de variacin, para estimar
varianzas o ms precisamente cuadrados medios. Un cuadrado medio que
estima la dispersin entre mediciones de parcelas debidas a causas
aleatorias; esta se denomina error experimental. En ausencia de diferencias
reales debidas a medias de los tratamientos, bloques u otras fuentes de
variacin, dichos cuadrados medios sern, en promedio, iguales. Slo
espordicamente un cuadrado medio se desviar de otro de manera
considerable, exclusivamente por casualidad. Cuando una prueba F indica
que el cuadrado medio de una de las fuentes de variacin es
significativamente mayor que el cuadrado medio debido a efectos
aleatorios, decimos que existen diferencias reales entre las medias de
aquella fuente particular de variacin; empero, recurdese: siempre existe
una probabilidad definida de que estemos equivocados en semejante
conclusin. Est en manos del experimentador seleccionar las
probabilidades para las cuales se encuentra dispuesto a concluir que
existen efectos reales (Badii et al., 2007a-h, Rositas et al; 2007).

De acuerdo a la anterior hiptesis se renen las unidades experimentales a

evaluar las cuales son prdida de peso y tamao de cada unidad as:

Confiabilidad del 98%

Probabilidad esperada del 55%

Error inferior o igual al 2%.

 Los datos experimentales a investigar en este caso son (peso, sobre el
tamao de una misma fruta). Esto se origina en tres meses consecutivos
dnde se evidencia la variacin del tamao y el peso de la fruta en cada
mes Junio y Julio. Por lo tanto, se analizan en estos dos meses 16 muestras
en las fechas establecidas.

Elementos que intervienen en el estudio experimental

- Muestras de frutas 16
- Se analiza en el mes de junio y julio si hay variacin en el producto
prdidas en cosecha enfocada en el tamao y peso
- Se analizan las muestras en dos meses o sea Tiempo.

b)Se podra asociar un modelo matemtico a la experimentacin

desarrollada?.

En modelo de bloques aleatorios aplican varios modelos matemticos a los

cuales se pueden analizar de acuerdo a la informacin que se desee llegar en
este caso se puede realizar la suma de las prdidas de peso y tamao de las
frutas de cada bloque de manera individual para hallarle la media general.

Utilizando la ecuacin as:

JUNIO 24-14_ JULIO 07- 14 JULIO 24- 14

FRUT PESO (gr) TAMA PESO (gr) TAMA PESO (gr) TAMA
A N O (mm) O (mm) O (mm)

1E 75 52 70 50 65 48

2E 80 55 75 51 70 50

3E 85 55 75 52 70 52

4E 90 55 85 53 85 52
5E 115 62 110 61 110 61

6B 75 50 70 49 70 48

7B 75 52 70 51 65 48

8B 85 55 85 53 85 53

9B 90 55 80 52 75 50

10B 95 58 90 57 85 54

11H 85 53 85 52 80 52

12H 90 53 85 54 85 52

13H 85 54 80 53 80 53

14H 95 52 90 53 90 51

15H 70 51 65 48 65 47

16H 105 55 100 54 95 52

1395 867 1315 843 1275 823

87.18 54.18 82.18 52.68 79.68 51.43
16 16 16 16 16 16
=

2 962 9216
Aplicacin Formula General: = = = = 4608
2 2

FC= 4608

. . . . . .
= + + + + +

= 475.02 + 183.46 + 422.09 + 173.44 + 396.80 + 165.31
= . .

= . .
 = 1.816.12 4608 = 2.791.88

SCtrat = 7646.42

Anlisis de comprobacin y de las suposiciones que se hacen en el momento

de proponerlo basndose en el siguiente modelo matemtico:

Y ij i Modelo matemtico

En donde

i= 1,., k numero de tratamientos

j=1,., r nmero de repeticiones

= promedio de todas las unidades experimentales del experimento = X o

Y segn el caso.

= la diferencia entre el promedio () y el resultado cuando se tiene

la combinacin de factores determinada por el tratamiento i.

Como hay variaciones no controlables, la inexactitud de las mediciones,

conforman un factor llamado error experimental

Al final el modelo se expresa como:

Y ij i ij modelo estadstico.

C. El nmero de muestras fue apropiado?. Justifique su respuesta a

travs de una formula.

El nmero de muestras fue apropiado y para probarlo:

t = nmero de bloques
r = nmero de repeticiones

=
= 6 16 = 96 entre peso y tamao durante el mes de junio y julio
Respectivamente.

Para estimar la muestra de aleatoria simple

La frmula para calcular el tamao de muestra cuando se desconoce el tamao
de la poblacin es la siguiente:

En donde
Z = nivel de confianza,
P = probabilidad de xito, o proporcin esperada
Q = probabilidad de fracaso
D = precisin (error mximo admisible en trminos de proporcin)

Si no se conoce la probabilidad de fracaso

=+
=
= = .

= = % .
= % = .

= % .

=?

(. ) . .
=
(. )

. .
=
.
 .
= . . tamao de la muestra por que no conozco el tamao de la
poblacin

Nota y Aplicando la relacin entre peso y tamao as

Desviacin
Media Varianza
estndar
Peso ( (
( )2
de la )2 )2 2
Fruta 1
= 2
75 87,19 -12,19 148,54 2048,44 136,56 11,69
Funcin Excel
80 136,56
-7,19 51,66 Varianza
Funcin Excel Desviacin
85 11,69
-2,19 4,79 estndar
90 2,81 7,91
115 27,81 773,54
75 -12,19 148,54
75 -12,19 148,54
85 -2,19 4,79
90 2,81 7,91
95 7,81 61,04
85 -2,19 4,79
90 2,81 7,91
85 -2,19 4,79
95 7,81 61,04
70 -17,19 295,41
105 17,81 317,29

d) Qu tipo de informacin grfica se podra construir con los datos

tomados?
 PRDIDA DE PESO/TAMAO GRFICO GENERAL
JUNIO/JULIO
JUNIO 24-14_ PESO (gr) JUNIO 24-14_ TAMAO (mm) JULIO 07- 14 PESO (gr)

JULIO 07- 14 TAMAO (mm) JULIO 24- 14 PESO (gr) JULIO 24- 14 TAMAO (mm)

115
110
110

105
100
95

95

95
90
90

90

90

90
90
85

85
85

85
85
85

85
85
85

85
85
85
80
80

80

80
80
75

75

75

75

75

75
70

70

70

70
70

70

70
65

65

65
65
62
61
61

58
57
55
55

55

55

55

55
54
54

54

54
53

53
53

53

53

53
53

53
52

52
52

52

52

52

52
52

52

52

52
51

51

51
51
50

50

50

50
49
48
48

48

48
47
1E 2E 3E 4E 5E 6B 7B 8B 9B 10B 11H 12H 13H 14H 15H 16H
 TABLA DE DIFERENCIA C-A PESO GR JUNIO-JULIO

Diferencia de Peso gr= Junio/Julio

Prdida C-A

115
110
105
100
95 95 95
90 90 90 90 90
85 85 85 85 85 85 85
80 80 80 80
75 75 75 75 75 75
70 70 70 70 70 70
65 65 65

0 0
-5 -5 -5 -5 -5 -5 -5 -5
FRUTA 1E
-10 2E
-10 3E 4E 5E 6B 7B
-10 8B 9B 10B
-10 11H 12H 13H 14H 15H 16H
-10
-15 -15
N

JUNIO 24-14_ JULIO 07-14 JULIO 24-14 C-A

TABLA DE DIFERENCIA C-A TAMAO MM JUNIO-JULIO

Diferencia de Tamao mm= Junio/Julio

Prdida C-A
70

60 62
61
58
57
55 55 55 55 55 54 54 54 55
54
52 52 53
52 52 53 52 53
52 53
52 53 53
52 52
50 50 51
50 50 51 50 51 51
48 49
48 48 48
47
40

30

20

10

0 0 -1 -1 -1 -1 -1
-3 -3 -2 -2 -3
FRUTA -4
1E 2E
-5 3E 4E 5E 6B -4
7B 8B 9B
-5 -4
10B 11H 12H 13H 14H -4
15H 16H
-10 N

JUNIO 24-14_ JULIO 07-14 JULIO 24-14 C-A

 PROMEDIO EN PESOMGR JUNIO - JULIO

115
112
110
105
100
95 95
92 95
90
87 90 90 90
87 90
85 85 85 82 85 85
83 85 85
82
80 77 80 80 80
75 75 75 75
72 75 75
70 70 70 70 70 70
67
65 65 65

1E 2E 3E 4E 5E 6B 7B 8B 9B 10B 11H 12H 13H 14H 15H 16H

Peso (gr) junio 24-14 Peso (gr) julio 07-14 Peso (gr) julio 24-14 Promedio (gr)

PROMEDIO EN TAMAO MM JUNIO-JULIO

62
61
58
57
56
55 55
53 55
53 55
54
53 55 54 53 54
53 54
53 53 55
54
52
50 52
51
50 52 52 50 52
51
50 52
50 52 52 52
51 51 52
48 49
48 48 49
48
47

1E 2E 3E 4E 5E 6B 7B 8B 9B 10B 11H 12H 13H 14H 15H 16H

Tamao (mm) junio 24-14 Tamao (mm) julio 07-14 Tamao (mm) julio 24-14 Promedio (mm)
 e) Determine el intervalo de confianza para la proporcin de varianza de la
propiedad determinada.

Tabla calculo media y desviacin estandar de la diferencia en peso gr

Junio - Julio

FRUTA PESO (gr) PESO (gr) PESO (gr) DIFERENCIA

N C-A
1E 75 70 65 -10
2E 80 75 70 -10
3E 85 75 70 -15
4E 90 85 85 -5
5E 115 110 110 -5
6B 75 70 70 -5
7B 75 70 65 -10
8B 85 85 85 0
9B 90 80 75 -15
10B 95 90 85 -10
11H 85 85 80 -5
12H 90 85 85 -5
13H 85 80 80 -5
14H 95 90 90 -5
15H 70 65 65 -5
16H 105 100 95 -10
MEDIA 87,1875 82,1875 79,6875 -7,5

Tabla calculo media y desviacin estandar de la diferencia

A.A. Diferencia MEDIA X - MEDIA (X - MEDIA)2 (1/16)*(X

C-A -
MEDIA)2
1 -10 -7,5 -2,5 6,25 0,391
2 -10 -7,5 -2,5 6,25 0,391
3 -15 -7,5 -7,5 56,25 3,516
4 -5 -7,5 2,5 6,25 0,391
5 -5 -7,5 2,5 6,25 0,391
6 -5 -7,5 2,5 6,25 0,391
7 -10 -7,5 -2,5 6,25 0,391
8 0 -7,5 7,5 56,25 3,516
9 -15 -7,5 -7,5 56,25 3,516
10 -10 -7,5 -2,5 6,25 0,391
11 -5 -7,5 2,5 6,25 0,391
12 -5 -7,5 2,5 6,25 0,391
13 -5 -7,5 2,5 6,25 0,391
14 -5 -7,5 2,5 6,25 0,391
15 -5 -7,5 2,5 6,25 0,391
16 -10 -7,5 -2,5 6,25 0,391

SUMA 15,625
DESV C-A 4,082

Para este ejercicio usamos la formula

=C-A

De acuerdo a la tabla de la distribucin de T Student para el estadstico

tenemos 2,920

Para hallarlo lo realizamos as.

Nivel de confianza: 98% ns= 2%

2 0,02
= = 0,02 1 =1 = 1 0,01 = 0,99
100 2 2
16;0,99 = , de acuerdo a la tabla T Student

LIMITE INFERIOR = -7,5 (2,920)*(4,082/(16))

LIMITE INFERIOR = -2985

LIMITE SUPERIOR = -7,5 + (2,920)*(4,082/(16))

LIMITE INFERIOR = 2,970

El intervalo es:

[-2985 ; 2970]

Tabla calculo media y desviacin estandar de la diferencia en Tamao mm

Junio - Julio

FRUTA TAMAO (mm) TAMAO (mm) TAMAO (mm) DIFERENCIA

N C-A
1E 52 50 48 -4
2E 55 51 50 -5
3E 55 52 52 -3
4E 55 53 52 -3
5E 62 61 61 -1
6B 50 49 48 -2
7B 52 51 48 -4
8B 55 53 53 -2
9B 55 52 50 -5
10B 58 57 54 -4
11H 53 52 52 -1
12H 53 54 52 -1
13H 54 53 53 -1
14H 52 53 51 -1
15H 51 48 47 -4
16H 55 54 52 -3
 MEDIA 54,1875 52,6875 51,4375 -2,75

Tabla calculo media y desviacin estandar de la diferencia tamao en mm

DIFERENCIA (1/16)*(X -
A.A. MEDIA X - MEDIA (X - MEDIA)2
C-A MEDIA)2
1 -4 -2,75 -1,25 1,56 0,098
2 -5 -2,75 -2,25 5,06 0,316
3 -3 -2,75 -0,25 0,06 0,004
4 -3 -2,75 -0,25 0,06 0,004
5 -1 -2,75 1,75 3,06 0,191
6 -2 -2,75 0,75 0,56 0,035
7 -4 -2,75 -1,25 1,56 0,098
8 -2 -2,75 0,75 0,56 0,035
9 -5 -2,75 -2,25 5,06 0,316
10 -4 -2,75 -1,25 1,56 0,098
11 -1 -2,75 1,75 3,06 0,191
12 -1 -2,75 1,75 3,06 0,191
13 -1 -2,75 1,75 3,06 0,191
14 -1 -2,75 1,75 3,06 0,191
15 -4 -2,75 -1,25 1,56 0,098
16 -3 -2,75 -0,25 0,06 0,004

SUMA 2,063
DESV C-A 1,483

Para este ejercicio usamos la formula

=C-A

De acuerdo a la tabla de la distribucin de T Student para el estadstico

tenemos 2,920
Para hallarlo lo realizamos as.

Nivel de confianza: 98% ns= 2%

2 0,02
= = 0,02 1 =1 = 1 0,01 = 0,99
100 2 2

16;0,99 = , de acuerdo a la tabla T Student

LIMITE INFERIOR = -2,75 (2,920)*(1,483/(16))

LIMITE INFERIOR = -627,4

LIMITE SUPERIOR = -2,75 + (2,920)*( 1,483/(16))

LIMITE INFERIOR = 77,4

El intervalo es:

[ -627,4 ; 77,4 ]

INTERVALO DE CONFIANZA PESO Y TAMAO DE LA MUESTRA DE LAS

16 FRUTAS JUNIO Y JULIO

Intervalo de
Alfa ()
Confianza
Nivel de
Confianza


2

98% 2% 2,33

Formula Intervalo de Confianza

<
2

< + Intervalo
de Confianza al
Rangos de Intervalos de Confianza 2 98%

(29,398 <
+ < 30,451)
2
29,398 2
30,451

Error
Estndar
0,076


=

f) Se podra concluir que existen diferencias significativas entre las

frutas proveniente de las diferentes localidades?

Se evidencia que las frutas en el anlisis de peso y tamao hay diferencias

significativas para ello tomar los datos individuales de peso y tamao

UTILIZANDO ANOVA Y PRUEBA DE TUKEY:

Se realizan comparaciones mltiples que son posibles con t tratamientos. Para

esto se procede a aplicar la siguiente ecuacin: DMS= qt EE.

DONDE q es el valor que se encuentra en las tablas de Tukey con el nmero

de tratamientos, los grados de libertad del error y el nivel de significancia
deseado.

El mtodo es hallar todas las comparaciones posibles con t tratamientos que

son t(t-1)/2 poniendo las medias en orden creciente y decreciente y restando de
la media mayor todas las medias, despus a la siguiente mayor le restamos las
dems medias y as sucesivamente hasta que se termine, si esta diferencias de
medias superan la DMS , se dice que las medias son significativas, en caso
contrario no son significativas o estadsticamente .

1) Ordenamos la media de mayor a menor

HP7 HP5 HP6

19,43 17,316 16,7833

2) Hallamos el valor de DMS = = (4,18) (3,83)=16,0094

3) Se busca la diferencia entre todas las medias para lo cual se

implementa la

siguiente Tabulacin.

HP7 HP5 HP6

19,43 17,31 16,78

Tabla calculo media y desviacin estandar de la diferencia en peso gr

Junio - Julio

FRUTA N PESO (gr) PESO (gr) PESO (gr)

1E 75 70 65
2E 80 75 70
3E 85 75 70
4E 90 85 85
5E 115 110 110
6B 75 70 70
7B 75 70 65
8B 85 85 85
9B 90 80 75
 10B 95 90 85
11H 85 85 80
12H 90 85 85
13H 85 80 80
14H 95 90 90
15H 70 65 65
16H 105 100 95
MEDIA 87,1875 82,1875 79,6875

Anlisis de varianza de un
factor
PRUEBA
ANOVA
RESUMEN
Grupos Cuent Suma Promed Varian
a io za
Columna 1 16 1395 87,1875 136,56
25
Columna 2 16 1315 82,1875 139,89
58333
Columna 3 16 1275 79,6875 154,89
58333

ANLISIS DE
VARIANZA
Origen de las Suma Grados Promed F Proba Valor
variaciones de de io de bilidad crtico
cuadr libertad los para F
ados cuadra
dos
Entre grupos 466,66 2 233,333 1,62 0,209 4,2727
66667 3333 07676
Dentro de los 6470,3 45 143,784
grupos 125 7222

Total 6936,9 47
79167

Nivel de
confianza de
98%
Valor Valor P SI/NO
Prueba F
Diferencia estadstica 1,62 0,209 NO
entre peso de la fruta
Hipotesis Nula: El promedio del peso de las 0,02
frutas es igual, con 98% de confiabilidad
Hipotesis Alterna: El promedio del peso de
las frutas es distinto, con 98% de
confiabilidad

R/ Con el anlisis de ANOVA, arroja como resultado que el promedio de peso

en los tres anlisis de junio y julio tienen un peso promedio igual

PRUEBA TUKEY
 PRUEBA TUKEY

HSD= 3.20
Multiplicador = 4.28
Mse= 143,7847222
n= 16

PRUEBA
TUKEY
HSD= 3.20

PESO PESO
PESO A B C
PESO A 5 7,5
PESO B 2,5
PESO C

R/ si hay diferencia de peso, especialmente entre el segundo anlisis y el

tercero

Tabla calculo media y desviacin estandar de la diferencia en tamao mm

Junio - Julio

FRUTA TAMAO (mm) TAMAO (mm) TAMAO (mm)

N
1E 52 50 48
2E 55 51 50
3E 55 52 52
4E 55 53 52
5E 62 61 61
6B 50 49 48
7B 52 51 48
8B 55 53 53
9B 55 52 50
10B 58 57 54
11H 53 52 52
12H 53 54 52
13H 54 53 53
 14H 52 53 51
15H 51 48 47
16H 55 54 52
MEDIA 54,1875 52,6875 51,4375

PRUEBA DE ANOVA

Anlisis de varianza de
un factor

RESUMEN
Grupos Cuenta Sum Promedi Varianz
a o a
Columna 1 16 867 54,1875 8,29583
333
Columna 2 16 843 52,6875 9,42916
667
Columna 3 16 823 51,4375 10,9291
667
ANLISIS
DE
VARIANZA
Origen de Suma de Grad Promedi F Probabili Valor
las cuadrad os de o de los dad crtico
variaciones os libert cuadrad para F
ad os
Entre grupos 60,66666 2 30,33333 3,18 0,051 4,272707
667 333 676
Dentro de 429,8125 45 9,551388
los grupos 889

Total 490,4791 47
667
 Valor Valor P SI/N
Prueba F O
Diferencia estadistica 3.18 0,051
entre Tamao de la
fruta
Hipotesis Nula: El promedio del 0.02
Tamao de las frutas es igual, con 98%
de confiabilidad
Hipotesis Alterna: El promedio del Tamao de las si
frutas es distinto, con 98% de confiabilidad

R/ El tamao de las frutas no es igual

PRUEBA TUKEY

PRUEBA TUKEY

HSD= 0.82
Multiplicador = 4.28
Mse= 9,551388889
n= 16

PRUEBA TUKEY
HSD= 0.82

TAMAO
TAMAO A TAMAO B C
TAMAO
A 1,5 2,75
TAMAO
B 1,25
TAMAO
C

R/ hay diferencia de Tamao en todos los anlisis

2- Un grupo de profesionales-del que Ud hace parte, trabajo durante un

ao_ dos cosechas en un proyecto de investigacin sobre man, el cual
tena como meta estudiar el efecto de seis abonos y dos formas de
 aplicacin, superficial (al voleo)_ o Incorporado_directamente en cada
planta.

a) Esquematice el diseo de campo.

ESQUEMA DE CAMPO CULTIVO DE MAN

Diseo experimental totalmente aleatorizado

PRIMER SEMESTRE COSECHA SEGUNDO SEMESTRE COSECHA

7 8
9

10 11

1 3 2
12
5 4

ABONO B

ABONO A

b) Plantee las hiptesis a contrastar.

La hiptesis planteada es que al menos uno de los seis tipos de abono y su

aplicacin permite mejorar la cosecha de man durante el ao

H0 : U1=U2
Y la hiptesis alterna

HA: U1 # U2

Diseo del experimento: para lograr una buena cosecha de man

semestralmente se requiere aplicar seis tipos de abono los cuales se
analizarn con el fin de identificar cul de todos cumple con su funcionalidad en
el cultivo. Por lo tanto, el primer paso es aleatorizar asignndole una secuencia
de nmeros aleatorios a los abonos a aplicar, asignndole una secuencia de
nmeros a las unidades experimentales, para ello se utilizarn tablas de
permutacin aleatoria, por ejemplo: 132546, asignar el primer tratamiento A y al
tratamiento B 798101112.

Tabla de aleatorizacin

1 3 2 5 4 6 7 9 8 10 11 12

Tratamiento A A A A A A B B B B B B
de abono

La muestra se evala despus de tres das de la cosecha

TRATAMIENTOS:

Los diferentes tipos de Abonos

VARIABLES:

Cada seis meses

MEDIA
TOTAL C/TRATAMIENTO
ABONO
1
A 3 2 5 4 6 21 3,5
ABONO
7
B 9 8 10 11 12 57 9,5
GRAN 78 6,5
 MEDIA

a) Analic los resultados del ensayo. Cules son sus conclusiones?

Solucin: con los datos de la tabla desarrollamos las siguientes

operaciones:

= = + + + + + + + + + + + =
=

2- Podemos calcular la media por tratamiento y la gran media.

a= nmero de tratamientos.

r=repeticiones de haberse realizado.

N= total de mediciones-datos (N= anr).

r=1 solo una medida por tratamiento

= /

+ + + + + = = .

+ + + + + = = .

Gran media 78/12=6.5

Son 12 en total los abonos que se analizarn 6 cada periodo de cosecha

. . = = =
=

3- Elevamos al cuadrado cada uno de los datos u observaciones

registradas. Cada observacin de cada tratamiento se eleva al cuadrado.


() = {() + () + () + () + () + () + () + () + ()
= =

+ () + () + ()
= + + + + + + + + + + +
=

Calculamos

()
[ /] = = .

Conocido tambin como factor de correccin

Elevamos al cuadrado la suma horizontal de los tratamientos (hallados en

2) estos valores (cuadrados) para cada tratamiento se suman.

Aplicamos la frmula para calcular la suma de cuadrados por

tratamiento= SCt.

[{(21)2 + (57)2 }] (78)2

= =
12 1212

= {441 + 3249/12 } 42.25 = 307.5 42.25 = 265.25

Todos los valores-determinaciones (producto cuadrado) se suman, con

esta

calculamos la suma total de cuadrados

= ( ) . ./
= =

= {() + () + () + () + () + () + () + () + ()
+ () + () + ()
= + + + + + + + + + + +
= . = .

= +
 =

= . 265.25 = .

Calculo de los grados de libertad

Libertad de los tratamientos= 2-1=1

Libertad total=12-1=11

Libertad total - Libertad de los tratamientos = 11-1=10

Calculo de los cuadrados medios

Cuadrado medio de los tratamientos

CMtratamient = SCtrata/ libertad tratamieno

CMtratamient = 265.25/ 1= 265.25

Cuadrado medio del error

CMerror = SCerror/ libertad error

CMerror =11 / 10 = 1.1

Cuadrado medio total

CMtotal = SCtotal/ libertad total

CMtotal = 603.75 / 11 = 54.886

Tabla calculo media y desviacin estandar para la utilizacin de seis

abonos durante un ao de coseha

MEDIA
TOTAL C/TRATAMIENTO
 ABONO
1
A 3 2 5 4 6 21 3,5
ABONO
7
B 9 8 10 11 12 57 9,5
GRAN
MEDIA 78 6,5

PRUEBA DE ANOVA

Nivel de
confianza de
95%
Valor Prueba
F Valor P SI/NO
EFECTO DE SEIS ABONOS EN
DOS FORMAS DE
APLICACIN 0,37 0,850 NO

Hiptesis Nula: Efecto de seis abonos en dos formas de aplicacin la

cosecha es igual, con 95% de confiabilidad 0,05 NO
Hiptesis Alterna: Efecto de seis abonos en dos formas de aplicacin la
cosecha es diferente, con 95% de confiabilidad

Anlisis de varianza de
un factor

RESUMEN
Grupos Cuen Suma Promedio Varia
ta nza
Columna 1 2 8 4 18
Columna 2 2 12 6 18
Columna 3 2 10 5 18
Columna 4 2 15 7,5 12,5
Columna 5 2 15 7,5 24,5
Columna 6 2 18 9 18

ANLISIS DE
VARIANZA
 Origen de las Sum Grado Promedio F Proba Valor
variaciones a de s de de los bilida crtico
cuad liberta cuadrado d para F
rado d s
s
Entre grupos 34 5 6,8 0,374 0,850 4,38737
4187
Dentro de los 109 6 18,166666
grupos 67

Total 143 11

PRUEBA TUKEY

PRUEBA TUKEY

HSD= 10
Multiplicador = 3,46
Mse= 18,16666667
n= 2
HSD= 10

ABONO
A ABONO B
ABONO
A 6,5
ABONO
B 6,5

R/ no hay diferencia en la aplicacin de abonos para la cosecha.

d) Verifique si hay ganancia neta en este diseo versus el diseo de

bloques completos al azar.
Lo que nos reflejan resultados los cuales me dan a entender que sin importar la
aplicacin el abono se obtiene el mismo resultado en la cosecha, y que los
datos estadsticos hay diversas formas de aplicacin e interpretacin de los
anlisis que se quieren investigar Nos genero ganancias,