UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERÍA AGRÍCOLA

ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA

MÉTODOS ESTADÍSTICOS PARA LA

INVESTIGACIÓN
PROBLEMAS RESUELTOS
POR:
EDUARDO FLORES CONDORI
EDUARDO LUIS FLORES QUISPE

PUNO – PERÚ
2011
 SUMATORIA

Al presentarse la suma de una secuencia numérica, en donde destaquemos cierta

secuencia u orden en los sumandos que se van a sumar, podemos esa suma
abreviarla bajo un signo, el que denominaremos sumatoria.
n
Tenemos por lo tanto que la sumatoria, ak
k m

es una forma de expresar la

suma de los términos de una sucesión, términos que se obtienen dando a la

variable k valores enteros comprendidos entre dos límites escritos en la
parte superior del símbolo  de sumatoria

Identificación,

Valor donde termina la sumatoria


Término a sumar

Signo
sumatoria xi
i 1 Valor por el cual comienza la suma

Exprese las siguientes sumas mediante el símbolo

sumatoria.
a) S=12 + 22 + 32 + 42 + .... + n2 Ejemplos:
b) S= 1.2 + 2.3 + 3.4 + ..... + n(n+1)
1 2 3 n
c) S  2  3  ...  n 5
2 2 2 2  xi  x1  x 2  x3  x 4  x5
i 1
1 2 3 n
d) S   2  3  ...  n n
2 2 2 2  xi x1  x 2  x3  x 4  .....  x n
i 1
d) S  1  2  3  ....  n 1 n
2 3 4
 SUMATORIA-PROPIEDADES

1. La sumatoria de la suma de dos o más términos, es igual a la suma de las

sumatorias separadas de los términos.

n n n
  xi  y i    xi   y i
i 1 i 1 i 1

2. La sumatoria de la diferencia de dos o más términos es igual a la diferencia de las

sumatorias separadas de los términos.

n n n
  xi  y i    xi   y i
i 1 i 1 i 1

3. La sumatoria de una constante multiplicada por una variable es igual a la constante

multiplicada por la sumatoria de la variable.

n n
 a.xi  a. xi
i 1 i 1

4. La sumatoria de una constante es igual a la constante multiplicada por el número

que indique los límites de la sumatoria.

n
 a  n.a
x 1

En la práctica frecuentemente se comenten algunos errores, los cuales los

cuales mencionaremos para que no se incurra en ellos.

2
n
 n 
 Es falso el tomar a  2
x   x ya que son valores completamente diferentes
i 1  i 1 
n n n
 Otro error se comete es decir que  xi yi   xi . yi ya que son términos diferentes.
i 1 i 1 i 1
EJERCICIOS.

1.—Escribe los términos de cada una de las siguientes sumatorias.

4 5 n
a ) ( X i  2) b )  f i X i2 c ) U i U i  6 
i 1 i 1 i 1
N 4
d )  YK2  4  e ) 4 X iY i
K 1 i 1

2.-- Dadas dos variables X e Y toman los valores X1= 2, X2= -5, X3= 4, X4= -8 y Y1= -3, Y2=-8,
Y3=10, Y4= 6. Calcula :

4 4 4 4 4
a ) X i b)Yi c) X iYi d) X i2 e)Yi 2
i 1 i 1 i 1 i 1 i 1

 4
  4
 4 n
f )   X i  .  Yi  g) X i .Yi 2 h) ( X i Yi )  X i Yi 
 i 1   i 1  i 1 i 1

6 6
3.—Si  X i  4 y
i 1

i
Xi
1
2
 10 , Halle:

6 6 6
a ) (2X i  3) b) X i ( X i  1) c) (X i  5)2
i 1 i 1 i 1

4.—Dos variables U y V toman los valores U1= 3, U2= -2, U3= 5 y V1= -4, V2= -1, V3= 6,
respectivamente. Calcule:

2
3 3 3
 3  n 
a ) U iV i b) Ui +3 V i  4  c)V i d)   U i   V i 
2

i 1 i 1 i 1  i 1   i 1 
3 n n
U 
e ) U iV i 2 f) (U i2  2V i 2  2) g)  i 
i 1 i 1 i=1 
Vi 

4 4 4
5.—Dado Xi  7
i 1
Yi  3
i 1
y 
i
X iYi
1
 5 Halle:

4 4
a ) (2X i  5Y i ) b)  X i  3  2Y i  1
i 1 i 1

6.-- Desarrolle las siguientes sumatorias.

f ) x j  y j  
4 3 5 3 3 3
a) xi  b)  f i . x i  c) x 2  d ) 3i  e)  m x  y  
j

i 1 i 1 x 1 i 1 m 1 j 1

g ) f i xi  20   h) 2 xi  4   i) 5 x i  j ) 2 xi  y i  6 z i   k ) Ay j  j  

3 7 4 2 2
2

i 1 i 1 i 0 i 1 j 1
 SUMATORIA----EJERCICIOS
Desarrolle las siguientes sumatorias
8 5
h)  k  1k  2  n)  k  1
5
a)  k
k

k 0 k 3 k 0
k 1 5 9
 12  i )  k  4 k  1 ñ)  20  2k  1
4 k
b)   
K 1  k 
k  1 k 0
4
o)  k  3 1
6
j )  k  3k  4 
7 k
c )  2k  4  k  2 k  2
k 3

k )  k 3  k 
4
p )  k  5
5
3
d )  2k  1 k  3 k 0
k  3

l )  k  3k  7 
n
q ) k  1
4
5 3
e)  5  k 
2
k
k  1 k 1
k 2

ll )  3k 3  5k 2  k  3 r )  k 2  7 
2 n 3
6
3k  1
f ) k  3 k 4
k 0 2
n 1
3k 2  5k  9
3
s )  2k  3
m) 
4 2
g )  k  3
2

k  3 k  2 2k  1 k  2

Desarrolle las siguientes sumatorias

N n 5 6
a )  K  1 b)  e  kx Senkx  c)  2  3k   d ) 2  3k 
2 2 k 4

K 0 k 2 k 0 k 1

e) 
n
(1) k 1 e kx
 f )  Lg k  1 
2
2
g )
n
 1
k

 h) 
n
 1 k  2 
k


1 k 4 k 1 k k  1 k 1 k k  12
k
k 0 k  2

m
i ) k k 4  Sen
k

3
 k
j )  Sen 2 
 n
k ) k 3 
n 1
l) 
k  3k  4 

k 1 2 k 0  4  k 1 k  2 1 k 2
m
1
ll )  
k 3 2k  12k  1

HOJA DE EJERCICIOS Nº 1

1. El valor de dos (2) variables X e Y, de una población es de 50 y 70 respectivamente.

i. ¿Cuál es la razón entre X e Y?
ii. ¿Cuál es la proporción de cada variable?
iii. ¿Cuál es el porcentaje de cada variable?

2. En una población de 240 datos y de dos variables X e Y el porcentaje de X [P (X) ] es de

35%.
i. ¿Cuál es valor de cada variable?
ii. ¿Cuál es la proporción de cada variable?
iii. ¿Cuál es la razón entre X e Y?
 3. En una población de tres (3) variables X, Y y Z el valor de cada una de ellas es: 60,
40 y 80 respectivamente.
i. Halle la razón entre X e Y; entre Z y X y entre Y y Z.
ii. Halle la proporción de cada variable.
iii. Halle el porcentaje de cada variable.

4. En una población de cinco (5) variables el valor de cada una de ellas es: X 1 = 150; X2 =
200; X3 = 180; X4 = 160 y X5 = 300.
i. Calcule la razón entre: X3 y X1; X4 y X2 y X5 y X1
ii. Verificar que la suma de las proporciones es igual a uno (1)
iii. Calcule el porcentaje de cada variable.

5. En una población de dos (2) variables X e Y la razón entre X e Y es de 5 a 3 y el total

de ellas es 240.
i. Halle el valor de cada variable.
ii. Calcule la proporción de cada variable.
iii. Calcule el porcentaje de cada variable.

6. En una población de tres (3) variables X, Y y Z, la razón entre X y Z es de 5 a 9 y la

proporción de Y es 0,3, sí el total de la población es de 720.
i. ¿Cuál es el valor de cada variable?
ii. Halle la razón entre X e Y, entre Z e Y.
iii. ¿Cuál es la proporción de cada variable?
iv. ¿Cuál es el porcentaje de cada variable?

7. Dada la siguiente tabla

i 1 2 3 4 5 6 7 8

Xi 3 5 7 8 0 9 1 4

Yi 5 7 2 9 3 0 6 3

8. Hallar el valor de las siguientes sumatorias:

8 2 7
 5 
b)( X
i 1
i  Yi )

c ) X i .Yi  d) ( X i
2
 Yi 2 )
i 3
4  i 2 
a) ( 3 X  Yi ) 6 4

 X
i 7
( X i2  Y3 )2 3
X
2
f ) h)
i 1
g) i 1 i
6 i 2 i 1

 ( 2.X
i 2
e) 4) 7

( X
i
 Yi 1 )
7
i 2
2 6
j)
i 3
i 1 k) ( X i 1  Yi1 )2
 8  i 4

i ) ( X i  Yi 2 )
 i 2 

i 2
( 2.X i  4 )

9. Expresar en forma de sumatoria las siguientes expresiones:

a )x1  x2  x3  x3 b )x1  x2  x3  x4  x5
2 2 2 2 2

c )cx3  y0   cx4  y0   cx5  y0  d )x2  x3  x4  x5  x6  5

e )4 x3  7   4 x3  7   4 x3  7   4 x3  7  f )x2  x2  x2  x2  x2   6
2

n n

X i Y i
10. Sabiendo que: X  i i
y Y i 1
. Demostrar que:
n n
n n

n n  X . Y i i
A) ( X
i 1
i  X ),( Yi  Y )   X .Y 
i 1
i i
i 1
n
i 1

2
 n 
 Yi 
  
 Y  Y  
n n
 Yi   i1 
2
B) i
i 1 i 1 n
2
 n 
 
 Xi 

 X  
n n
X i   i 1 
2
C) i X
i 1 i 1 n

 X 
n
D) i  X 0
i 1

E)  X i 
 X 0   n. X  X 0  0 

 Y  Y 
n

 2

1  n 2 1  
i
F) i 1
n 1

n  1  i 1 
Yi 
n   Yi 



  
 PROBLEMAS DE APLICACIÓN
(APLICACIONES: EXCEL SAS Y MINITAB)
1. Dada la serie histórica de descargas medias (m3/s) del rio Huancané, para el periodo 1959-
2008. Calcule las frecuencias absolutas, relativa, acumulada, función de densidad y función
acumulada.

año Q=m3/s año Q=m3/s año Q=m3/s año Q=m3/s año Q=m3/s
1959 25.00 1969 17,00 1979 24,00 1989 19,00 1999 23,00
1960 20,00 1970 11,00 1980 21,00 1990 29,00 2000 10,00
1961 13,00 1971 14,00 1981 18,00 1991 24,00 2001 14,00
1962 26,00 1972 28,00 1982 20,00 1992 23,00 2002 23,00
1963 29,00 1973 28,00 1983 19,00 1993 24,00 2003 21,00
1964 22,00 1974 21,00 1984 17,00 1994 15,00 2004 27,00
1965 29,00 1975 16,00 1985 21,00 1995 27,00 2005 27,00
1966 20,00 1976 7,00 1986 17,00 1996 19,00 2006 28,00
1967 19,00 1977 28,00 1987 21,00 1997 26,00 2007 26,00
1968 26,00 1978 9,00 1988 8,00 1998 23,00 2008 19,00
Solución problema 1

Número de intervalos de clase

m= 7
min = 7
max = 29
Ancho = 3
m xi <=xi+1 o frec. Relat. frec. Re. Acu.
1 7 10 4 0.08 0.08
2 10 13 2 0.04 0.12
3 13 16 4 0.08 0.2
4 16 20 12 0.24 0.44
5 20 23 10 0.2 0.64
6 23 26 8 0.16 0.8
7 26 29 10 0.2 1
Total = 50 1
 Histograma de frecuencia absoluta
14
12
12
10 10
10
Frecuencia absoluta

8
8

6
4 4
4
2
2

0
1 2 3 4 5 6 7
Intervalo de clase

Histograma de frecuencia relativa

0.3

0.24
0.25
0.2 0.2
Frecuencia relativa

0.2
0.16
0.15

0.1 0.08 0.08

0.04
0.05

0
1 2 3 4 5 6 7
Intervalo de clase

Histograma de frecuencia relativa acumulada

1.2
1
1
Frecuencia relativa acumulada

0.8
0.8
0.64
0.6
0.44
0.4
0.2
0.2 0.12
0.08

0
1 2 3 4 5 6 7
Intervalo de clase
 2. Dado los datos de precipitación anual, en mm. De la Estación Ayaviri, para el periodo 1959-
2008. Calcular su media, varianza, desviación estándar, coeficiente de variación, coeficiente
de sesgo y coeficiente de curtosis.

pp pp pp pp pp
año (mm) año (mm) año (mm) año (mm) año (mm)
1959 650.00 1969 158,00 1979 139,00 1989 155,00 1999 239,00
1960 752,00 1970 81,00 1980 686,00 1990 601,00 2000 512,00
1961 536,00 1971 793,00 1981 531,00 1991 149,00 2001 97,00
1962 777,00 1972 635,00 1982 105,00 1992 485,00 2002 370,00
1963 127,00 1973 279,00 1983 369,00 1993 193,00 2003 545,00
1964 505,00 1974 251,00 1984 519,00 1994 724,00 2004 751,00
1965 499,00 1975 354,00 1985 515,00 1995 404,00 2005 460,00
1966 552,00 1976 494,00 1986 316,00 1996 514,00 2006 798,00
1967 701,00 1977 770,00 1987 79,00 1997 608,00 2007 124,00
1968 156,00 1978 726,00 1988 211,00 1998 75,00 2008 416,00

Solución problema 2

Media 429.72
Varianza 54181.88
Desvest 232.77
CV 54.17
Coef Sesgo -0.06
Curtosis -1.29

3. Los gastos máximos anuales registrados en la estación hidrométrica Las Perlas en el

Coatzacoalas se muestran en la tabla siguiente:
a) ¿Cuál es la probabilidad de que, en un año cualquiera, el gasto sea mayor o igual a 7500
m3/s?
b) Se planea construir cerca de este sitio un bordo para protección contra inundaciones.
¿Cual debe ser el gasto de diseño si se desea que el periodo de retorno sea de 60 años?
Supóngase que los datos de la tabla siguen una distribución normal.
Resolver usando las funciones de distribución:
Distribución Lognormal
Distribución Pearson III o Gamma de tres parámetros, y
Distribución Gumbel

año m3/s año m3/s año m3/s año m3/s año m3/s
1954 2500 1959 2070 1964 2489 1969 5971 1974 5565
1955 3220 1960 3682 1965 2350 1970 4744 1975 3130
1956 2246 1961 4240 1966 3706 1971 6000 1976 2414
1957 1804 1962 2367 1967 2675 1972 4060 1977 1796
1958 2737 1963 7061 1968 6267 1973 6900 1978 7430
Solución a) Distribución Normal

Media 3886.16
Desvest 1825.91
x 7500
Z 1.9792
F(x)=P(X<7500)= 0.9761
P(X>7500) 0.0239

P(X>x) 0.0167
P(X<x) 0.9833
F(z) 0.9833
z= 2.1280
x (gasto de diseño m3/s) = 7771.7717

b) Distribución Lognormal

P(X>x) 0.0167
P(X<x) 0.9833
F(z) 0.9833
z= 2.1280
ln(x) = 9.1221
x= 9155.0451

Distribución Pearson III

Gamma 0.6778
bheta1 8.7057
alpha1 618.8364
delta1 -1501.2647
P(X>x) 0.0167
gl 17
2y 31.6415
y 15.8208
x 8289.2060

Distribución Gumbel

alpha 0.00059773
beta 2997.96706
T 60
x 9833.7448
4. Dada la serie histórica de descargas medias (m3/s) del rio Huancané, para el periodo 1959-
2008. Realizar las pruebas de bondad de ajustes de Chi-cuadrado (X2 ) y Smirnov-
Kolmogorov, para ver si se ajustan a una distribución normal.

AÑO Q=m3/s AÑO Q=m3/s AÑO Q=m3/s AÑO Q=m3/s AÑO Q=m3/s
1959 28.00 1969 17,00 1979 24,00 1989 14,00 1999 23,00
1960 21,00 1970 11,00 1980 21,00 1990 29,00 2000 10,00
1961 13,00 1971 14,00 1981 18,00 1991 24,00 2001 14,00
1962 28,00 1972 28,00 1982 20,00 1992 23,00 2002 23,00
1963 29,00 1973 28,00 1983 19,00 1993 24,00 2003 25,00
1964 23,00 1974 21,00 1984 16,00 1994 15,00 2004 27,00
1965 29,00 1975 16,00 1985 21,00 1995 27,00 2005 17,00
1966 20,00 1976 7,00 1986 7,00 1996 19,00 2006 28,00
1967 19,00 1977 28,00 1987 21,00 1997 26,00 2007 26,00
1968 26,00 1978 9,00 1988 8,00 1998 23,00 2008 16,00

5. Se desea saber si en una cierta región el gasto máximo medio anual, el área de la cuenca y la
altura media de precipitación máxima en 24 horas se pueden correlacionar linealmente, y que
tan bueno es el ajuste. Los datos se presentan en la tabla siguiente:

Estación Y=gasto máx. medio X1=área de la X2=altura media de pp.

Meteorológic anual cuenca, máx.
a 102 m3/s 103 km2 En 24 h. cm
1 45.2 1.23 2.9
2 9.1 5.25 1.8
3 48.3 8.55 2.2
4 35.8 7.99 1.1
5 74.9 7.36 3.9
6 26.7 5.78 2.7
7 12.1 5.98 2.5
8 6.8 8.11 2.3
9 69.7 2.23 2.8
10 57.0 6.77 1.1
11 33.7 7.02 2.1
12 71.4 3.04 3.9
13 88.2 6.78 3.2
14 26.6 1.23 3.3
15 16.0 2.22 2.7

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.4618
Coeficiente de determinación R^2 0.2132
R^2 ajustado 0.0821
Error típico 25.0735
Observaciones 15.0000
F. de V. GL SC CM Fc Valor crít de F
Regresión 2 2044.4866 1022.243 1.6260 0.2372
Residuos 12 7544.1667 628.6806
Total 14 9588.6533

Coeficientes Error típico Estadístico t Probabilidad

Intercepción -11.5288 32.9915 -0.3494 0.7328
Variable X 1 2.2847 2.8637 0.7978 0.4405
Variable X 2 15.9144 8.8250 1.8033 0.0965

Y = - 11.5288 + 2.2847 X1 + 15.9144 X2

PROGRAMA DE SAS 9.2

data regresion;
input X1 X2 Y;
CARDS;
1.23 2.9 45.2
5.25 1.8 9.1
8.55 2.2 48.3
7.99 1.1 35.8
7.36 3.9 74.9
5.78 2.7 26.7
5.98 2.5 12.1
8.11 2.3 6.8
2.23 2.8 69.7
6.77 1.1 57
7.02 2.1 33.7
3.04 3.9 71.4
6.78 3.2 88.2
1.23 3.3 26.6
2.22 2.7 16
PROC PRINT;
PROC REG;
MODEL Y=X1 X2;
PROC GLM;
PROC PLOT;
RUN;

Obs X1 X2 Y
1 1.23 2.9 45.2
2 5.25 1.8 9.1
3 8.55 2.2 48.3
4 7.99 1.1 35.8
5 7.36 3.9 74.9
6 5.78 2.7 26.7
7 5.98 2.5 12.1
8 8.11 2.3 6.8
9 2.23 2.8 69.7
 10 6.77 1.1 57.0
11 7.02 2.1 33.7
12 3.04 3.9 71.4
13 6.78 3.2 88.2
14 1.23 3.3 26.6
15 2.22 2.7 16.0
The REG Procedure
Model: MODEL1
Dependent Variable: Y
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 2044.48663 1022.24332 1.63 0.2372
Error 12 7544.16670 628.68056
Corrected Total 14 9588.65333
Root MSE 25.07350 R-Square 0.2132
Dependent Mean 41.43333 Adj R-Sq 0.0821
Coeff Var 60.51529
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 -11.52882 32.99154 -0.35 0.7328
X1 1 2.28473 2.86373 0.80 0.4405
X2 1 15.91441 8.82500 1.80 0.0965

Y = - 11.5288 + 2.2847 X1 + 15.9144 X2

6. Se realizaron siete (07) pruebas de la resistencia a la compresión en cuatro muestras de

concreto. La fuerza que fractura cada muestra de forma cilíndrica, medida en kilogramos,
está dada en la siguiente tabla:

Muestras

Pruebas m1 m2 m3 m4

Prueba 1 45 42 43 48

Prueba 2 90 100 102 104

Prueba 3 40 45 56 58

Prueba 4 89 25 98 25

Prueba 5 105 125 87 103

Prueba 6 111 121 120 109

Prueba 7 80 85 86 88

Pruebe con un nivel de significancia de 0.01 si estas muestras son diferentes en su resistencia a
la compresión, y efectuar la prueba de rango múltiple de Duncan a la probabilidad de 0.01.

SOLUCIONARIO MANUAL

1) Hipótesis
H0: µi=0
Ha:µi≠ 0
2) Nivel de significación
α = 0.05 y 0.01

3) Estadística de Prueba
 Fc=(CMtratam/CMerror)
4) Regla de decisión
Si Fc ≤ F0.05, no se rechaza la Ho. Se representa (NS)
Si F0.05< Fc < F0.01, se rechaza la H0, representando con un asterisco (*)
Si Fc > F0.01; se rechaza la H0, representándose por dos asteriscos (**)
5) Cálculos
.. 𝒀𝟐 𝟐𝟐𝟑𝟎𝟐
a) 𝑭𝒂𝒄𝒕𝒐𝒓 𝒅𝒆 𝒄𝒐𝒓𝒓𝒆𝒄𝒄𝒊𝒐𝒏 𝑭𝑪 = 𝒕×𝒏 = 𝟕×𝟒
= 177603.571
𝑌..2
b) 𝑺𝑪𝒕𝒐𝒕𝒂𝒍 = ∑𝑡𝑖=1 ∑𝑛𝑗=1 𝑌𝑖𝑗2 − = (45)2 + ⋯ + (88)2 −177603.571
𝑡×𝑛
= 202998.000 − 177603.571 = 25394.42857
∑𝒕𝒊=𝟏 𝒀𝟐𝒊. 𝒀𝟐.. (𝟏𝟕𝟖)𝟐 +⋯+(𝟑𝟑𝟗)𝟐
c) 𝑺𝑪𝒕𝒓𝒂𝒕. = 𝒏
− 𝒕×𝒏 = 𝟒
− 𝑭𝑪

= 𝟏𝟗𝟒𝟐𝟒. 𝟒𝟐𝟖𝟓𝟕
𝒀𝟐𝒊.
d) 𝑺𝑪𝒆𝒓𝒓𝒐𝒓 = ∑𝒕𝒊=𝟏 ∑𝒏𝒋=𝟏 𝒀𝟐𝒊𝒋 − = 𝟐𝟓𝟑𝟗𝟒. 𝟒𝟐𝟖𝟓𝟕 −19424.42857
𝒏
=5970.0000
6) Análisis de varianza
Cuadro 44. Análisis de varianza de los resultados

F.de V. GL SC CM Fc Ft Pr>F Niv. Sig.

Pruebas 6 19424.42857 3237.40476 11.3878559 2.57 1.109E-05 **
Error 21 5970.00000 284.285714
Total 27 25394.42857

C.V. = 21.1705 %

SOLUCIONARIO CON EL PAQUETE DEL SISTEMA PARA EL ANALISIS

ESTADISTICO

data trabajo;
input x$ y@@;
datalines;
p1 45 p2 90 p3 40 p4 89 p5 105 p6 111 p7 80
p1 42 p2 100 p3 45 p4 25 p5 125 p6 121 p7 85
p1 43 p2 102 p3 56 p4 98 p5 87 p6 120 p7 86
p148 p2 104 p3 58 p4 25 p5 103 p6 109 p7 88
proc print;
proc anova;
class x;
model y=x;
means x/duncan alpha=0.01;
run;

RESULTADOS UTILIZANDO EL SAS

Obs x y
1 p1 45
2 p2 90
3 p3 40
4 p4 89
5 p5 105
6 p6 111
7 p7 80
8 p1 42
9 p2 100
10 p3 45
11 p4 25
12 p5 125
 13 p6 121
14 p7 85
15 p1 43
16 p2 102
17 p3 56
18 p4 98
19 p5 87
20 p6 120
21 p7 86
22 p1 48
23 p2 104
24 p3 58
25 p4 25
26 p5 103
27 p6 109
28 p7 88
The ANOVA Procedure
Class Level Information
Class Levels Values
x 7 p1 p2 p3 p4 p5 p6 p7
Number of observations 28
The ANOVA Procedure
Dependent Variable: y
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 6 19424.42857 3237.40476 11.39 <.0001
Error 21 5970.00000 284.28571
Corrected Total 27 25394.42857
R-Square Coeff Var Root MSE y Mean
0.764909 21.17048 16.86077 79.64286
Source DF Anova SS Mean Square F Value Pr > F
x 6 19424.42857 3237.40476 11.39 <.0001
The ANOVA Procedure
Duncan's Multiple Range Test for y
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error
rate.

Alpha 0.01
Error Degrees of Freedom 21
Error Mean Square 284.2857
Number of Means 2 3 4 5 6 7
Critical Range 33.76 35.21 36.17 36.87 37.41 37.85
Means with the same letter are not significantly different.
Duncan Grouping Mean N x
A 115.25 4 p6
A 105.00 4 p5
A 99.00 4 p2
B A 84.75 4 p7
B C 59.25 4 p4
B C 49.75 4 p3
C 44.50 4 p1

7. Se diseñó un experimento para estudiar el rendimiento de seis (06) detergentes

diferentes. Las siguientes lecturas de “blancura” se obtuvieron con un equipo
especialmente diseñado para 24 cargas de lavado distribuidas en cuatro (04)
modelos de lavadoras:
Detergente Lavad 1 Lavad 2 Lavad 3 Lavad 4

Detergente A 100 102 101 104

Detergente B 25 46 52 55

Detergente C 45 58 62 66

Detergente D 47 50 63 65

Detergente E 49 54 68 67
 Detergente F 99 95 98 99

Considerando los detergentes como tratamientos y las lavadoras como bloques,

efectuar el análisis de variancia y su prueba con un nivel de significación de 0.05 si
existen diferencias entre los detergentes y entre las lavadoras. Además, efectuar la
prueba de Rango Múltiple de Tukey a la probabilidad de 0.05.

Cuadro 45. Análisis de varianza

F. de V. GL SC CM Fc Ft Sig
bloque 3 849.5000 283.166667 8.78490176
tratamiento 5 11506.8333 2301.36667 71.3971044
error 15 483.5000 32.2333333
total 23 12839.8333

SOLUCIONARIO UTILIZANDO EL SISTEMA PARA ANALISIS ESTADISTICO (SAS)

RESULTADO UTILIZANDO EL SAS

data detergente;
input lavadoras detergente rdto;
cards;
1 1 100
1 2 25
1 3 45
1 4 47
1 5 49
1 6 99
2 1 102
2 2 46
2 3 58
2 4 50
2 5 54
2 6 95
3 1 101
3 2 52
3 3 62
3 4 63
3 5 68
3 6 98
4 1 104
4 2 55
4 3 66
4 4 65
4 5 67
4 6 99
proc print;
proc anova;
class lavadoras detergente;
model rdto= lavadoras detergente;
means detergente/tukey alpha =0.05;
run;

Obs lavadoras detergente rdto

 1 1 1 100
2 1 2 25
3 1 3 45
4 1 4 47
5 1 5 49
6 1 6 99
7 2 1 102
8 2 2 46
9 2 3 58
10 2 4 50
11 2 5 54
12 2 6 95
13 3 1 101
14 3 2 52
15 3 3 62
16 3 4 63
17 3 5 68
18 3 6 98
19 4 1 104
20 4 2 55
21 4 3 66
22 4 4 65
23 4 5 67
24 4 6 99
The ANOVA Procedure
Class Level Information
Class Levels Values
lavadoras 4 1 2 3 4
detergente 6 1 2 3 4 5 6
Number of observations 24
The ANOVA Procedure

Dependent Variable: rdto

Sum of
Source DF Squares Mean Square F Value Pr > F
Model 8 12356.33333 1544.54167 47.92 <.0001
Error 15 483.50000 32.23333
Corrected Total 23 12839.83333
R-Square Coeff Var Root MSE rdto Mean
0.962344 8.159196 5.677441 69.58333
Source DF Anova SS Mean Square F Value Pr > F
lavadoras 3 849.50000 283.16667 8.78 0.0013
detergente 5 11506.83333 2301.36667 71.40 <.0001

Tukey's Studentized Range (HSD) Test for rdto

NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher
Type II
error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 15
Error Mean Square 32.23333
Critical Value of Studentized Range 4.59474
Minimum Significant Difference 13.043
Means with the same letter are not significantly different.
Tukey Grouping Mean N detergente
A 101.750 4 1
A 97.750 4 6
B 59.500 4 5
B 57.750 4 3
C B 56.250 4 4
C 44.500 4 2

8. Evaluar el sistema de riego por exudación utilizando cuatro variedades de melón, bajo
modalidad de siembra, SIMPLE HILERA. Se desea probar el comportamiento de tres
variedades híbridas de melón y uno estándar:

V1 : Híbrido Mission V3 : Híbrido Topfligth.

V2 : Híbrido Mark. V4 : Híbrido Hales Best Jumbo.

Hipótesis : Ho : Efecto de variedades de melón en estudio es nulo.

 H1 : Al menos dos variedades tienen efectos distintos.

Datos: Rendimiento en Kg. por parcela.

C1 C2 C3 C4

F1 36V1 50 V2 43 V3 35 V4

F2 29 V4 53 V3 41 V2 63 V1

F3 37 V2 41 V4 41 V1 63 V3

F4 38 V3 40 V1 35 V4 41 V2

F. de V. GL SC CM Fc Ft sig.
Hilera 3 170.75 56.92 1.3445
Columna 3 552.75 184.25 4.3524
Tratamiento 3 430.25 143.417 3.3878
Error 6 254.0000 42.3333
Total 15 1407.7500

SOLUCIONARIO APLICANDO EL SAS DISEÑO DE CUADRADO LATINO

DATA OCHO;
INPUT FILA COLUMNA TRAT $ RDTO;
CARDS;
1 1 V1 36
1 2 V2 50
1 3 V3 43
1 4 V4 35
2 1 V4 29
2 2 V3 53
2 3 V2 41
2 4 V1 63
3 1 V2 37
3 2 V4 41
3 3 V1 41
3 4 V3 63
4 1 V3 38
4 2 V1 40
4 3 V4 35
4 4 V2 41
PROC PRINT;
PROC ANOVA;
CLASS FILA COLUMNA TRAT;
MODEL RDTO= FILA COLUMNA TRAT;
MEANS FILA COLUMNA TRAT/DUNCAN;
RUN;
RESULTADOS UTILIZANDO EL SAS
 Obs FILA COLUMNA TRAT RDTO
1 1 1 V1 36
2 1 2 V2 50
3 1 3 V3 43
4 1 4 V4 35
5 2 1 V4 29
6 2 2 V3 53
7 2 3 V2 41
8 2 4 V1 63
9 3 1 V2 37
10 3 2 V4 41
11 3 3 V1 41
12 3 4 V3 63
13 4 1 V3 38
14 4 2 V1 40
15 4 3 V4 35
16 4 4 V2 41
The ANOVA Procedure
Class Level Information
Class Levels Values
FILA 4 1 2 3 4
COLUMNA 4 1 2 3 4
TRAT 4 V1 V2 V3 V4
Number of observations 16
The ANOVA Procedure
Dependent Variable: RDTO
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 9 1153.750000 128.194444 3.03 0.0954
Error 6 254.000000 42.333333
Corrected Total 15 1407.750000

R-Square Coeff Var Root MSE RDTO Mean

0.819570 15.17529 6.506407 42.87500
Source DF Anova SS Mean Square F Value Pr > F
FILA 3 170.7500000 56.9166667 1.34 0.3456
COLUMNA 3 552.7500000 184.2500000 4.35 0.0596
TRAT 3 430.2500000 143.4166667 3.39 0.0949
Duncan's Multiple Range Test for RDTO
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error
rate.
Alpha 0.05
Error Degrees of Freedom 6
Error Mean Square 42.33333
Number of Means 2 3 4
Critical Range 11.26 11.67 11.87
Means with the same letter are not significantly different.
Duncan Grouping Mean N FILA
A 46.500 4 2
A 45.500 4 3
A 41.000 4 1
A 38.500 4 4
The ANOVA Procedure
Duncan's Multiple Range Test for RDTO
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error
rate.

Alpha 0.05
Error Degrees of Freedom 6
Error Mean Square 42.33333
Number of Means 2 3 4
Critical Range 11.26 11.67 11.87
Means with the same letter are not significantly different.
Duncan Grouping Mean N COLUMNA
A 50.500 4 4
B A 46.000 4 2
B A 40.000 4 3
B 35.000 4 1
The ANOVA Procedure
Duncan's Multiple Range Test for RDTO
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error
rate.
Alpha 0.05
Error Degrees of Freedom 6
 Error Mean Square 42.33333
Number of Means 2 3 4
Critical Range 11.26 11.67 11.87
Means with the same letter are not significantly different.
Duncan Grouping Mean N TRAT
A 49.250 4 V3
B A 45.000 4 V1
B A 42.250 4 V2
B 35.000 4 V4

9. Supóngase que se efectúan dos repeticiones del experimento de soldadura, empleando el

cuadrado latino, los resultados que señalan el número de libras fuerza de tensión requerida
para separar los puntos soldados, fueron como se indica a continuación:

REPETICIÓN I

Fundentes

F1 F2 F3 F4

A 20.0 B 17.5 C 14.0 D 14.0

D 24.0 A 21.0 B 18.0 C 14.1

C 12.0 D 18.0 A 23.0 B 19.0

B 20.0 C 15.0 D 13.0 A 22.0

REPETICIÓN II

Fundentes

F1 F2 F3 F4

C 12.0 D 10.0 A 24.2 B 22.1

B 19.5 C 13.0 D 10.5 A 22.3

A 23.5 B 17.2 C 20.4 D 14.0

D 11.0 A 22.2 B 20.5 C 14.5

Analice el experimento como un cuadrado latino y pruébese con un nivel de significancia de

0.05 si existen diferencias en los métodos (A, B, C y D), en los operadores (filas), los fundentes
(columnas) y, entre las producciones. Utilizar la prueba de rango múltiple de Tukey  = 0.01, si
es que es significativo.
F. de V. GL SC CM Fc Sig Pr > F
repetición 1 1.8528125 1.8528 0.181683 NS 0.6742
hilera 3 12.1609375 4.0536 0.3974922 NS 0.7562
columna 3 7.2009375 2.4003 0.2353697 NS 0.8707
tratamiento 3 365.545937 121.85 11.948229 ** 0.0001
error 21 214.159062 10.198
Total 31 600.919688

SOLUCIONARIO MEDIANTE EL SAS

data fundente;
input repet hilera columna trat$ rdto;

cards;
1 1 1 A 20
1 1 2 B 17.5
1 1 3 C 14
1 1 4 D 14
1 2 1 D 24
1 2 2 A 21
1 2 3 B 18
1 2 4 C 14.1
1 3 1 C 12
1 3 2 D 18
1 3 3 A 23
1 3 4 B 19
1 4 1 B 20
1 4 2 C 15
1 4 3 D 13
1 4 4 A 22
2 1 1 C 12
2 1 2 D 10
2 1 3 A 24.2
2 1 4 B 22.1
2 2 1 B 19.5
2 2 2 C 13
2 2 3 D 10.5
2 2 4 A 22.3
2 3 1 A 23.5
2 3 2 B 17.2
2 3 3 C 20.4
2 3 4 D 14
2 4 1 D 11
2 4 2 A 22.2
2 4 3 B 20.5
2 4 4 C 14.5
PROC PRINT;
PROC ANOVA;
CLASS REPET HILERA COLUMNA TRAT;
MODEL RDTO= REPET HILERA COLUMNA TRAT;

MEANS HILERA COLUMNA TRAT/TUKEY ALPHA=0.01;

RUN;
RESULTADOS DEL PROGRAMA DE SAS
Obs repet hilera columna trat rdto

1 1 1 1 A 20.0
 2 1 1 2 B 17.5
3 1 1 3 C 14.0
4 1 1 4 D 14.0
5 1 2 1 D 24.0
6 1 2 2 A 21.0
7 1 2 3 B 18.0
8 1 2 4 C 14.1
9 1 3 1 C 12.0
10 1 3 2 D 18.0
11 1 3 3 A 23.0
12 1 3 4 B 19.0
13 1 4 1 B 20.0
14 1 4 2 C 15.0
15 1 4 3 D 13.0
16 1 4 4 A 22.0
17 2 1 1 C 12.0
18 2 1 2 D 10.0
19 2 1 3 A 24.2
20 2 1 4 B 22.1
21 2 2 1 B 19.5
22 2 2 2 C 13.0
23 2 2 3 D 10.5
24 2 2 4 A 22.3
25 2 3 1 A 23.5
26 2 3 2 B 17.2
27 2 3 3 C 20.4
28 2 3 4 D 14.0
29 2 4 1 D 11.0
30 2 4 2 A 22.2
31 2 4 3 B 20.5
32 2 4 4 C 14.5
The ANOVA Procedure
Class Level Information
Class Levels Values
repet 2 1 2
hilera 4 1 2 3 4
columna 4 1 2 3 4
trat 4 A B C D
Number of observations 32
Dependent Variable: rdto
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 10 386.7606250 38.6760625 3.79 0.0048
Error 21 214.1590625 10.1980506
Corrected Total 31 600.9196875
R-Square Coeff Var Root MSE rdto Mean
0.643615 18.19947 3.193439 17.54688
Source DF Anova SS Mean Square F Value Pr > F
repet 1 1.8528125 1.8528125 0.18 0.6743
hilera 3 12.1609375 4.0536458 0.40 0.7562
columna 3 7.2009375 2.4003125 0.24 0.8707
trat 3 365.5459375 121.8486458 11.95 <.0001
Tukey's Studentized Range (HSD) Test for rdto
NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher
Type II
error rate than REGWQ.
Alpha 0.01
Error Degrees of Freedom 21
Error Mean Square 10.19805
Critical Value of Studentized Range 4.98557
Minimum Significant Difference 5.629
Means with the same letter are not significantly different.
Tukey Grouping Mean N hilera
A 18.388 8 3
A 17.800 8 2
A 17.275 8 4
A 16.725 8 1
Tukey's Studentized Range (HSD) Test for rdto
NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher
Type II
error rate than REGWQ.
Alpha 0.01
Error Degrees of Freedom 21
Error Mean Square 10.19805
 Critical Value of Studentized Range 4.98557
Minimum Significant Difference 5.629
Means with the same letter are not significantly different.
Tukey Grouping Mean N columna
A 17.950 8 3
A 17.750 8 4
A 17.750 8 1
A 16.738 8 2
Tukey's Studentized Range (HSD) Test for rdto
NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher
Type II
error rate than REGWQ.
Alpha 0.01
Error Degrees of Freedom 21
Error Mean Square 10.19805
Critical Value of Studentized Range 4.98557
Minimum Significant Difference 5.629
Means with the same letter are not significantly different.
Tukey Grouping Mean N trat
A 22.275 8 A
B A 19.225 8 B
B 14.375 8 C
B 14.313 8 D

10. Se desea determinar los efectos de la temperatura de la caldera (1600 y 1900 °F) y del
ancho del horno (4, 8 y 12 pulgadas) para el experimento; supóngase que cinco
repeticiones de ese experimento dan los siguientes tiempos requeridos para la producción
del coque (en horas):
A A(4) Pulgadas A(8) Pulgadas A(12) Pulgadas

T T1=1600 T2=1900 T1=1600 T2=1900 T1=1600 T2=1900

I 12.5 8.2 17.1 5.2 17.8 7.6

II 14.0 9.3 16.9 4.6 15.6 9.1

III 12.7 6.4 17.5 8.8 17.8 7.9

IV 13.5 7.8 17.3 5.9 16.8 8.1

V 14.4 10.7 20.2 8.3 22.4 10.2

Explíquese un análisis de variancia basado en este experimento con dos factores y pruébese la
significancia de los efectos factoriales, empleando un nivel de significancia de 0.05. Aplicar la
prueba de Duncan  = 0.05, si es que es significativo al nivel de ANOVA.

RESULTADO UTILIZANDO EL PAQUETE DE SISTEMA DE ANALISIS ESTADISTICO

data flores;
input ancho temp hr;
cards;
1 1 12.5
1 1 14
1 1 12.7
1 1 13.5
1 1 14.4
1 2 8.2
1 2 9.3
1 2 6.4
1 2 7.8
1 2 10.7
2 1 17.1
2 1 16.9
2 1 17.5
2 1 17.3
 2 1 20.2
2 2 5.2
2 2 4.6
2 2 8.8
2 2 5.9
2 2 8.3
3 1 17.8
3 1 15.6
3 1 17.8
3 1 16.8
3 1 22.4
3 2 7.6
3 2 9.1
3 2 7.9
3 2 8.1
3 2 10.2
proc print;
proc anova;
class ancho temp;
model hr=ancho temp ancho*temp;
means ancho temp ancho*temp/duncan;
run;

RESULTADO
Obs ancho temp hr

1 1 1 12.5
2 1 1 14.0
3 1 1 12.7
4 1 1 13.5
5 1 1 14.4
6 1 2 8.2
7 1 2 9.3
8 1 2 6.4
9 1 2 7.8
10 1 2 10.7
11 2 1 17.1
12 2 1 16.9
13 2 1 17.5
14 2 1 17.3
15 2 1 20.2
16 2 2 5.2
17 2 2 4.6
18 2 2 8.8
19 2 2 5.9
20 2 2 8.3
21 3 1 17.8
22 3 1 15.6
23 3 1 17.8
24 3 1 16.8
25 3 1 22.4
26 3 2 7.6
27 3 2 9.1
28 3 2 7.9
29 3 2 8.1
30 3 2 10.2
The ANOVA Procedure
Class Level Information
Class Levels Values
ancho 3 1 2 3
temp 2 1 2
Number of observations 30
The ANOVA Procedure
Dependent Variable: hr
Sum of
Source DF Squares Mean Square F Value Pr > F
 Model 5 630.8106667 126.1621333 45.97 <.0001
Error 24 65.8640000 2.7443333
Corrected Total 29 696.6746667
R-Square Coeff Var Root MSE hr Mean
0.905459 13.63085 1.656603 12.15333
Source DF Anova SS Mean Square F Value Pr > F
ancho 2 28.3326667 14.1663333 5.16 0.0137
temp 1 549.5520000 549.5520000 200.25 <.0001
ancho*temp 2 52.9260000 26.4630000 9.64 0.0008

The ANOVA Procedure

Duncan's Multiple Range Test for hr
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error
rate.
Alpha 0.05
Error Degrees of Freedom 24
Error Mean Square 2.744333
Number of Means 2 3
Critical Range 1.529 1.606
Means with the same letter are not significantly different.
Duncan Grouping Mean N ancho
A 13.3300 10 3
B A 12.1800 10 2
B 10.9500 10 1
Duncan's Multiple Range Test for hr
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise error
rate.
Alpha 0.05
Error Degrees of Freedom 24
Error Mean Square 2.744333
Number of Means 2
Critical Range 1.248
Means with the same letter are not significantly different.
Duncan Grouping Mean N temp
A 16.4333 15 1
B 7.8733 15 2
The ANOVA Procedure
Level of Level of --------------hr-------------
ancho temp N Mean Std Dev
1 1 5 13.4200000 0.81670068
1 2 5 8.4800000 1.61771444
2 1 5 17.8000000 1.36014705
2 2 5 6.5600000 1.88228584
3 1 5 18.0800000 2.57914715
3 2 5 8.5800000 1.06630202

11. En un centro de investigación en trigo, se llevó a cabo un experimento para estudiar 06

variedades (A, B, C, D, E y F), y debido a la conformación del terreno, se utilizó el diseño
de cuadrado latino, el rendimiento del trigo expresado en Kg/parcela.

A 21 B 20 C 12 D 23 E 16 F 30

B 22 C 16 D 21 E 18 F 29 A 14

C 16 D 20 E 20 F 31 A 13 B 24

D 28 E 21 F 32 A 12 B 26 C 18

E 20 F 33 A 13 B 28 C 15 D 27

F 31 A 16 B 27 C 14 D 25 E 23
Efectuar el análisis de variancia correspondiente y efectuar la prueba de significancia de Tukey
a la probabilidad de 0.05

SOLUCIONARIO CON EL SISTEMA DE ANALISIS ESTADISTICO

DATA LATINO;
INPUT HILERA COLUMNA TRATAM$ RDTO;
CARDS;
1 1 A 21
1 2 B 20
1 3 C 12
1 4 D 23
1 5 E 16
1 6 F 30
2 1 B 22
2 2 C 16
2 3 D 21
2 4 E 18
2 5 F 29
2 6 A 14
3 1 C 16
3 2 D 20
3 3 E 20
3 4 F 31
3 5 A 13
3 6 B 24
4 1 D 28
4 2 E 21
4 3 F 32
4 4 A 12
4 5 B 26
4 6 C 18
5 1 E 20
5 2 F 33
5 3 A 13
5 4 B 28
5 5 C 15
5 6 D 27
6 1 F 31
6 2 A 16
6 3 B 27
6 4 C 14
6 5 D 25
6 6 E 23
PROC PRINT;
PROC ANOVA;
CLASS HILERA COLUMNA TRATAM;
MODEL RDTO=HILERA COLUMNA TRATAM;
MEANS HILERA COLUMNA TRATAM/TUKEY; RUN;

RESULTADO MEDIANTE EL ANALISIS ESTADISTICO

Obs HILERA COLUMNA TRATAM RDTO
1 1 1 A 21
2 1 2 B 20
3 1 3 C 12
4 1 4 D 23
5 1 5 E 16
6 1 6 F 30
7 2 1 B 22
8 2 2 C 16
9 2 3 D 21
10 2 4 E 18
11 2 5 F 29
12 2 6 A 14
13 3 1 C 16
 14 3 2 D 20
15 3 3 E 20
16 3 4 F 31
17 3 5 A 13
18 3 6 B 24
19 4 1 D 28
20 4 2 E 21
21 4 3 F 32
22 4 4 A 12
23 4 5 B 26
24 4 6 C 18
25 5 1 E 20
26 5 2 F 33
27 5 3 A 13
28 5 4 B 28
29 5 5 C 15
30 5 6 D 27
31 6 1 F 31
32 6 2 A 16
33 6 3 B 27
34 6 4 C 14
35 6 5 D 25
36 6 6 E 23
The ANOVA Procedure
Class Level Information
Class Levels Values
HILERA 6 1 2 3 4 5 6
COLUMNA 6 1 2 3 4 5 6
TRATAM 6 A B C D E F
Number of observations 36
The ANOVA Procedure
Dependent Variable: RDTO
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 15 1244.750000 82.983333 12.74 <.0001
Error 20 130.222222 6.511111
Corrected Total 35 1374.972222
R-Square Coeff Var Root MSE RDTO Mean
0.905291 11.85300 2.551688 21.52778
Source DF Anova SS Mean Square F Value Pr > F
HILERA 5 52.805556 10.561111 1.62 0.1999
COLUMNA 5 31.472222 6.294444 0.97 0.4615
TRATAM 5 1160.472222 232.094444 35.65 <.0001
Tukey's Studentized Range (HSD) Test for RDTO
NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher
Type II
error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 20.00
Error Mean Square 6.51
Critical Value of Studentized Range 4.44
Minimum Significant Difference 4.63
Means with the same letter are not significantly different.
Tukey Grouping Mean N HILERA
A 22.833 6 4
A 22.667 6 5
A 22.667 6 6
A 20.667 6 3
A 20.333 6 1
A 20.000 6 2
Tukey's Studentized Range (HSD) Test for RDTO
NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher
Type II
error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 20.00
Error Mean Square 6.51
Critical Value of Studentized Range 4.44
Minimum Significant Difference 4.6307
Means with the same letter are not significantly different.
Tukey Grouping Mean N COLUMNA
A 23.000 6 1
A 22.667 6 6
A 21.000 6 4
 A 21.000 6 2
A 20.833 6 3
A 20.667 6 5
Tukey's Studentized Range (HSD) Test for RDTO
NOTE: This test controls the Type I experimentwise error rate, but it generally has a higher
Type II
error rate than REGWQ.
Alpha 0.05
Error Degrees of Freedom 20.00
Error Mean Square 6.51
Critical Value of Studentized Range 4.44
Minimum Significant Difference 4.63
Means with the same letter are not significantly different.
Tukey Grouping Mean N TRATAM
A 31.000 6 F
B 24.500 6 B
C B 24.000 6 D
C D 19.667 6 E
E D 15.167 6 C
E 14.833 6 A

12. Aplicando la regresión lineal múltiple, se desea saber si en una cierta región el gasto
máximo medio anual, el área de la cuenca y la altura media de la precipitación máxima en
24 horas se pueden correlacionar linealmente, y que tan bueno es el ajuste. Los datos se
presentan en la tabla siguiente:

Estación Y = gasto máximo X1 = área de la X2 = altura media de precipitación

medio anual, 102m3/s cuenca, 103km2 máximo. en 24 h. cm

1 20.5 1.25 1.7

2 8.5 0.87 2.1

3 85.5 5.69 1.9

4 105.0 8.27 1.9

5 24.8 1.62 2.1

6 3.8 0.18 2.4

7 1.8 0.15 3.2

8 18.0 1.40 2.7

9 85.5 8.27 2.1

10 105.0 1.62 2.4

data regresion;
input X1 X2 Y;
CARDS;
20.5 1.25 1.7
8.5 0.87 2.1
85.5 5.69 1.9
105 8.27 1.9
24.8 1.62 2.1
3.8 0.18 2.4
1.8 0.15 3.2
18 1.4 2.7
85.5 8.27 2.1
105 1.62 2.4
PROC PRINT;
PROC REG;
MODEL Y= X1 X2;
RUN;
Obs X1 X2 Y
1 20.5 1.25 1.7
2 8.5 0.87 2.1
3 85.5 5.69 1.9
4 105.0 8.27 1.9
5 24.8 1.62 2.1
6 3.8 0.18 2.4
7 1.8 0.15 3.2
8 18.0 1.40 2.7
9 85.5 8.27 2.1
10 105.0 1.62 2.4
The REG Procedure
Model: MODEL1
Dependent Variable: Y
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 0.40973 0.20487 1.06 0.3967
Error 7 1.35527 0.19361
Corrected Total 9 1.76500
Root MSE 0.44001 R-Square 0.2321
Dependent Mean 2.25000 Adj R-Sq 0.0128
Coeff Var 19.55605
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 2.45361 0.20877 11.75 <.0001
X1 1 -0.00064324 0.00542 -0.12 0.9088
X2 1 -0.05939 0.07355 -0.
13. Se desea estimar los gastos en alimentación de una familia en base a la información que
proporcionan las variables regresoras X1 =“ingresos mensuales” y X2 =“número de
miembros de la familia”. Para ello se recoge una muestra aleatoria simple de 15 familias
cuyos resultados son los de la tabla adjunta (El gasto e ingreso está dado en miles de soles).
Efectuar el análisis de regresión múltiple.

Gasto (Y) Ingreso (X1) Tamaño (X2)

35 21 3
31 11 4
32 9 5
46 16 4
125 62 4
44 23 3
52 18 6
29 10 5
129 89 3
35 24 2
35 12 4
78 47 3
43 35 2
47 29 3
38 14 4

Regression Analysis: Y versus X1, X2

The regression equation is
Y = - 18.6 + 1.50 X1 + 8.12 X2

Predictor Coef SE Coef T P VIF

Constant -18.601 8.917 -2.09 0.059
X1 1.50326 0.09837 15.28 0.000 1.2
X2 8.121 1.984 4.09 0.001 1.2

S = 7.64694 R-Sq = 95.2% R-Sq(adj) = 94.4%

Analysis of Variance

Source DF SS MS F P
Regresión 2 13847.2 6923.6 118.40 0.000
Residual Error 12 701.7 58.5
Total 14 14548.9

SOLUCIONARIO CON SAS

Obs X1 X2 Y
1 21 3 35
2 11 4 31
3 9 5 32
4 16 4 46
5 62 4 125
6 23 3 44
7 18 6 52
8 10 5 29
9 89 3 129
10 24 2 35
11 12 4 35
12 47 3 78
13 35 2 43
14 29 3 47
15 14 4 38
The REG Procedure
Model: MODEL1
Dependent Variable: Y
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 2 13847 6923.61222 118.40 <.0001
Error 12 701.70890 58.47574
Corrected Total 14 14549
Root MSE 7.64694 R-Square 0.9518
Dependent Mean 53.26667 Adj R-Sq 0.9437
Coeff Var 14.35596
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 -18.60147 8.91730 -2.09 0.0590
X1 1 1.50326 0.09837 15.28 <.0001
X2 1 8.12097 1.98364 4.09 .. 0.0015

Y = - 18.60147 + 1.50326 X1 + 8.12097 X2

NOTA
LOS AUTORES DEL TEXTO DE: METODOS ESTADISTICOS PARA LA
INVESTIGACION ESTAN TRABAJANDO PARA EDITAR UN TEXTO QUE
SERA DE MUCHA UTILIDAD PARA LOS ESTUDIANTES DE PREGRADO Y
POST GRADO DE LA UNIVERSIDAD NACIONAL DEL ALTIPLANO DE
PUNO.

Dr. Eduardo Flores Condori

Dr.(c) M.SC. Eduardo Luis Flores Quispe