INSTITUTO TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE CHETUMAL

TEMA 5: Diseño Experimental con bloques al azar
Tarea larga 5
INGENIERÍA EN GESTIÓN EMPRESARIAL

Materia:
Estadística inferencial II

Docente:
Ing. Arnaldo Aarón Aguayo León

Grupo: R5B
Aula: X-7
v

Alumno:
MORENO MORENO RODRIGO OSVALDO
Chetumal Quintana Roo Jueves 23 de noviembre del 2018

1
 INDICE

INDICE
Introducción……………………………………………………………… 3

Ejercicios…………………………………………………………………. 4

Ejercicio 8 ………………………………………………………… 4

Ejercicio 10 ………………………………………………….…..…7

Ejercicio 2 …………………………………………………………10

Ejercicio 3 …………………………………………………………13

Ejercicio 4 …………………………………………………………16

CONCLUSION…………………………………………………………. 19

Bibliografías…………………………………………………………... 20

2
 INTRODUCCIÓN

En el siguiente trabajo presentaremos una serie de ejercicio enfocados

a la unidad 5 “diseño experimental con bloques al azar” de la asignatura
“estadística Inferencial 2”. Aplicaremos una serie de operaciones así como el
análisis de varianza para comparar si los factores influyen en variable con otra.
Cabe señalar que los modelos de diseño de experimentos son modelos
estadísticos el cual su objetivo es averiguar si unos determinados factores
influyen en una variable con otra. Si existe influencia de algún factor, para
cuantificar dicha influencia. Por ejemplo en el rendimiento de una terminada
maquina en unidades producidas por día, se desea estudiar la influencie del
trabajo que realiza y la marca que corresponde a dicha máquina. Y mismo con
el comportamiento de distintos elementos.
En este trabajo podremos apreciar distintos problemas los cuales son
resueltos aplicando la teoría correspondiente para su solución.

3
 EJERCICIOS RESUELTOS

8. Una planta de energía nuclear produce una gran cantidad de calor el cual
en general se descarga en sistemas acuáticos. Este calor aumenta la
temperatura del sistema acuático, lo cual resulta en una mayor concentración
de clorofila a la cual a su vez, extiende la estación de crecimiento. Para
estudiar este efecto, se tomara una muestra de agua, cada mes, en 3
diferentes estaciones durante un periodo de 12 meses. La estación A se
ubico lo mas cerca posible de un puerto de descarga de agua potencialmente
caliente la estación C, los más lejos posible de la descarga, y la B en el punto
medio entre las dos estaciones A y C. Se registraron las siguientes
concentraciones de clorofila a:

Estacion
Mes A B C
Enero 9.867 3.723 4.41
Febrero 14.035 8.416 11.1
Marzo 10.7 20.723 4.47
Abril 13.853 9.168 8.01
Mayo 7.067 4.778 34.08
Junio 11.67 9.145 8.99
Julio 7.357 8.463 3.35
Agosto 3.358 4.086 4.5
Septiembre 4.21 4.233 6.83
Octubre 3.63 2.32 5.8
Noviembre 2.953 3.843 3.48
Diciembre 2.64 3.61 3.02
Tabla modificada.
Estacion
Mes A B C Total (Tj) Promedio ( j)
Enero 23.867 17.723 18.41 60 20
Febrero 28.035 22.416 25.1 75.551 25.184
Marzo 24.7 34.723 18.47 77.893 25.964
Abril 27.853 23.168 22.01 73.031 24.344
Mayo 21.067 18.778 48.08 87.925 29.308
Junio 25.67 23.145 22.99 71.805 23.935
Julio 21.357 22.463 17.35 61.17 20.390
Agosto 17.358 18.086 18.5 53.944 17.981
Septiembre 18.21 18.233 20.83 57.273 19.091
Octubre 17.63 16.32 19.8 53.75 17.917
Noviembre 16.953 17.843 17.48 52.276 17.425
Diciembre 2.64 17.61 17.02 37.27 12.423
Total (Tk) 245.34 250.508 266.04 761.888 (T) gran total 4
Promedio ( k) 20.445 20.8756667 22.17 gran media ( T) 21.164
Realice un análisis de variaciones y pruebe la hipótesis, a nivel de significación
de 0.05, de que no existe concentración entre las dos medias de clorofila en
las 3 estaciones.
Operación.

Hipótesis Modelo H0= no existe concentración entre las dos medias de

clorofila en las 3 estaciones. H1=si existe concentración entre las dos medias
de clorofila en las 3 estaciones.

Hipótesis Autor: H0= no existe concentración entre las dos medias de clorofila
en las 3 estaciones. H1=si existe concentración entre las dos medias de
clorofila en las 3 estaciones.

Para J:
T1=60 T2=25.184 T3=25.964 T4=24.344 T5=29.308 T6=23.395 T7=20.390 T8=17.981 T9=19.091 T10=17.917 T11=17.495 T12=12.423

T^21= 3600 T^22= 634.233 T^23=674.129 T^24=592.63 T^25= 858.958 T^26=547.326 T^27=415.752 T^28=323.31 T^29=364.466 T^210=321.018 T^211=306.075 T^212=154.330
Para K:
T1=245.34 T2=250.508 T3=266.04
T1^2=60191.715 T2^2=62754.258 T3^2=70777.281
n1=12 n2=12 n3=12

Global:
T1= 761.888 T12= 580,473.324 N= 36
T2/ N= 580,473.324/ 36= 16,124.259

∑𝐽𝐽=1 ∑𝐾
𝑘=1 X2= 23.867^2+28.034^2 …+17.02^2= 17743.924

SCT= ∑𝐽𝐽=1 ∑𝐾
𝑘=1 X2- T2/ N= 17,743.924- 16,124.259= 1,619.065

60191.715 62754.258 70777.281

SCA= ∑𝑲 = T2K/nk - T2/ N= 12 + 12 + 12 - 16,124.065= 19.539
𝒌=𝟏

5
SCB=1/K ∑𝐽𝐽=1 T2J - T2/ N=
1/3(3600+634.233+674.129+592.63+858.958+574.326+415.752+323.31+364.466+321.018
+306.075+154.330) - 16,124.259= 721.186

SCE= SCT- SCA- SCB= 1,619.065-19.539-721.186= 875.34

Se presenta el análisis de varianza (ANOVA) para esos datos. Con respecto a la

ecuación lineal que represente este modelo, los dos cocientes F de la tabla
siguiente se refiere a las pruebas de las siguientes hipótesis nula y alternativa.

Fuente de variacion Grados de libertad (gl) Suma de cuadrados (SC) Cuadrado medio (CM) Cociente F
Entre grupos intermitentes(A) (método) 3-1=2 19.539 9.770 0.24553773
Entre bloques (B) (nivel de abilidad ) 12-1=11 721.186 65.562 1.64778486
Error de muestreo (3-1)(12-1)= 22 875.34 39.788
Total (T) 36-1= 35 1616.065

Respuesta: Al utilizar el nivel de significancia del 5%, la razón de F que se

requiere para rechazar la primera hipótesis nula (gl= 2,22) es (…), en tanto que
la F que se requiere para la segunda hipótesis nula (gl= 11,22) es (). Por ello,
los dos coeficientes F calculados en la tabla anterior se encuentran en la
región de (-…) por lo tanto se concluye que….

6
10. El personal forestal utiliza arsénico orgánico como pesticida. la cantidad de
arsénico que toma el cuerpo cuando se expone estos pesticidas constituye un
grave problema a la salud. Es importante determinar con rapidez la cantidad
de exposición de tal forma que se puede cambiar de tarea a un trabador de
campo con un alto nivel de arsénico. En un experimento reportado en el
documento” a rapid Method for the Determination of arsecenic concentration
in urine at field locations”, publicado en el amer. id. Hyg. Assoc.J. (Vol
.37,1976), muestra de orina de 4 integrantes del personal de servicio de
forestación se dividieron en 3 partes iguales, de tal manera que un químico
con un equipo portátil, y un empleado forestal después de una breve
explicación, pudieron analizar exposición al arsénico de cada individuo en un
laboratorio universitario. Se registraron los siguientes niveles de arsénico, en
partes por millón:

Analista
Individuo
Empleado Quimico Laboratorio
1 0.05 0.05 0.04
2 0.05 0.05 0.04
3 0.04 0.04 0.03
4 0.15 0.17 0.1
Tabla modificada:

Analista
Individuo
Empleado Quimico Laboratorio Total (Tj) promedio ( j)
1 14.05 14.05 14.04 42.14 14.047
2 14.05 14.05 14.04 42.14 14.047
3 14.04 14.04 14.03 42.11 14.037
4 14.15 14.17 14.1 42.42 14.140
Total (Tk) 56.29 56.31 56.21 168.81 Gran total (Tj)
Promedio( k) 18.7633333 18.77 18.7366667 Gran media( k) 56.270

Realice un análisis de varianza y pruebe la hipótesis, a un nivel de significación

de 5%, de que no existe diferencia en los niveles de arsénico entre los 3
métodos de análisis.

7
Datos de la operación:

Hipótesis Modelo: H0= No existe diferencia en los niveles de arsénico entre los
3 métodos de análisis. H1= Existe diferencia en los niveles de arsénico entre
los 3 métodos de análisis.

Hipótesis Autor: H0= No existe diferencia en los niveles de arsénico entre los 3
métodos de análisis. H1= Existe diferencia en los niveles de arsénico entre los
3 métodos de análisis.

N.S: 5%
Las diversas cantidades que se requieren para la tabla análisis de varianza son:

Para J:
T1= 42.14 Tj2=42.14 Tj3=42.11 Tj4=42.42
T1^2= 1775.779 Tj2^2=1775.779 Tj^2=1773.252 Tj4^2=1799.456

Para K:
T1=56.29 T2=56.31 T3=56.21
T1^2=3168.564 T2^2=3170.816 T3^2=3159.564
n=4 n=4 n=4

Global:
T=168.81 T^2= 28496.816 N=12

T2/ N=28496.816/ 12= 2374.734

∑𝐽𝐽=1 ∑𝐾
𝑘=1 X2=14.052+14.052+14.042+ …+14.12=2374.758

SCT=∑𝐽𝐽=1 ∑𝐾
𝑘=1 X2- T2/ N= 2374.758- 2374.734= 0.024

8
 3168.564 3170.816 3159.564
SCA=∑𝐾 T2K/nk - T2/ N= 4 4 4 -2374.734= 0.002
𝑘=1

SCB= 1/K∑𝐽𝐽=1 T2J - T2/ N= 1/3(1775.779+1775.779+1773.252+1799.456)-2374.734=0.021

SCE= SCT-SCA-SCB= 0.024-0.002-0.021= 0.001

Se presenta el análisis de varianza (ANOVA) para esos datos. Con respecto a la

ecuación lineal que represente este modelo, los dos cocientes F de la tabla
siguiente se refiere a las pruebas de las siguientes hipótesis nula y alternativa.

Fuente de variacion Grados de libertad (gl) Suma de cuadrados (SC) Cuadrado medio (CM) Cociente F
Entre grupos intermitentes(A) (método) 3-1=2 0.024 0.012 12.571
Entre bloques (B) (nivel de abilidad ) 4-1=3 0.002 0.000 0.190
Error de muestreo (3-1)(4-1)= 6 0.021 0.001
Total (T) 12-1= 11 0.047

Respuesta: Al utilizar el nivel de significancia del 5%, la razón de F que se

requiere para rechazar la primera hipótesis nula (gl= 2,6) es (4,9), en tanto
que la F que se requiere para la segunda hipótesis nula (gl= 3,6) es (3,5). Por
ello, los dos coeficientes F calculados en la tabla anterior se encuentran en la
región de (5,6) por lo tanto se concluye que No existe diferencia en los niveles
de arsénico entre los 3 métodos de análisis.

9
2. Con objeto de averiguar la estabilidad de la vitamina C en concentrado de
jugo de naranja congelado reconstituido que se almacena en un refrigerador
por un periodo de tiempo de hasta una semana, en 1973 se llevó a cabo el
estudio “Vitamin C retention in recontitued frozen Orange juice” a cargo del
Department of human nutrition and foods en la Virginia Polytechnic Institude
ans State University. Tres tipos de concentrado de jugo de naranja congelado
se probaron utilizando tres periodos diferentes de tiempo.

TIEMPO (días)
Marca 0 3 7
52.6 54.6 49.4 49.2 42.7 48.5
Richfood 49.8 46.5 42.8 53.2 40.4 47.6
56 48 48.8 44 49.2 44
Ssealed-Sweed
49.6 48.4 44 42.4 42 43.2
52.5 52 48 47 48.5 43.4
Minute maid 51.8 53.6 48.2 49.6 45.2 47.6

Estos últimos se refieren al número de días que transcurren desde que el jugo
de naranja se mezcla hasta que se somete a la prueba. Los resultados, en
miligramos de ácido ascórbico por litro, se registraron de la siguiente manera,
según se indica en la tabla de arriba.
Utilice un nivel de significancia del 0.01 para probar la hipótesis de que:
a) No existe diferencia significancia en los contenidos de ácido ascórbico
entre las diferentes marcas de concentrado de jugo de naranja.
b) No existe diferencia entre los contenidos de ácido ascórbico debido a
los diferentes periodos de tiempo.
c) Las marcas de concentrado de jugo de naranja y el número de días que
transcurre desde que el jugo se mezcla hasta que se somete a la prueba
no interactúa

10
Tabla modificada

TIEMPO (días)
Marca 0 3 7 Total(Tj) Promedio( j)
66.6 68.6 63.4 63.2 56.7 62.5
745.3 62.108
Richfood 63.8 60.5 56.8 67.2 54.4 61.6
70 62 62.8 58 63.2 58
Ssealed-Sweed 727.6 60.633
63.6 62.4 58 56.4 56 57.2
66.5 66 62 61 62.5 57.4
755.4 62.95
Minute maid 65.8 67.6 62.2 63.6 59.2 61.6
Total(Tk) 783.400 734.600 710.300 2228.300 Gran total(T)
Promedio( k) 65.283 61.217 59.192 Gran media( 185.692

Las diversas cantidades que se requieren para la tabla de análisis de varianza.

Para J:

T1= 745.3 T2=7327.6 T3= 755.4

T1^2= 555472.09 T2^2=529401.76 T3^2=570629.16

Para K:

T1= 783.400 T2=734.600 T3=710.300

T1^2= 613715.56 T2^2=539637.16 T3^2=504526.09

Global:

T=2228.3 T^2= 4695320.89 N= 36

T2/N= 4,965,320.89/36= 137,925.58

∑𝐽𝐽=1 ∑𝐾
𝐾=1 (∑𝑛𝑖=1 𝑋)^2= (66.6+63.8+68.6+60.5)2 + (70+63.6+62+62.4)2+ … +
(62.5+59.2+57.4+61.6)2= 552,826.79

∑𝑛𝑖=1 ∑𝐽𝐽=1 ∑𝐾
𝐾=1 X2= 66.62+ 63.82+702+ …+61.62= 138,461.410

11
SCT= ∑𝑛𝑖=1 ∑𝐽𝐽=1 ∑𝐾
𝐾=1 X2- T2/N= 138,461.410- 137,925.580= 535.83

SCA= ∑𝐾𝐾=1 T2K- T2/N= = 230.988

555472.09 529401.76 570629.16

SCB= ∑𝐽𝐽=1 T2J - T2/N= (3)(4) (3)(4) (3)(4) = 33.004

SCI= 1/n∑𝐽𝐽=1 ∑𝐾
𝐾=1 (∑𝑛𝑖=1 𝑋)^2- SCA- SCB- T2/N= 1/4(552,826.79)- 230.988-
33.004- 137,925.58= 20.125

SCE= SCT- SCA-SCB- SCI= 535.83-230.988-33.004- 20.125= 254.713

La tabla de ANOVA para el análisis de los tres métodos de instrucción que se
aplicaron en las tres marcas.

Fuente de variación Grados de libertad(gl) suma de cuadrados (SC) Cuadrado medio(CM) Cociente(F)
Entre gupos de tratamientos(A)(métodos) 3-1=2 230.988 115.494 10.8822714
Entre gupos de tratamientos(B)(material) 3-1=2 33.004 16.502 1.55487941
interaccion entre método y materia (I) (3-1)(3-1)= 4 20.125 5.031 0.47406296
Error de muestreo ( E) (4)(3)(3-1)= 24 254.713 10.613
Total (T) 36-1= 35 535.830

Al utilizar un nivel de significancia del 1%, el cociente de F que se requiere

para rechazar la primera hipótesis nula (gl=2,24) es 3.40, para la segunda, la F
que se requiere (gl=2,24) es 3,10 para la tercera, la F que se requiere (gl=6,26)
es 2.51. Por ello, se concluye que no existe diferencia significancia en los
contenidos de ácido ascórbico entre las diferentes marcas de concentrado de
jugo de naranja. Esta ultima conclusión indica que la efectividad de las tres
diferentes pruebas de ácido ascórbico.

12
3. Se estudiaron tres razas de ratas bajo dos situaciones ambientales
diferentes para verificar sus comportamientos en una prueba de laberinto. Los
marcadores de error para las 48 ratas se registraron en la tabla de la siguiente
columna.

Familia
Ambiente Brillante Mezclada Lenta
28 12 33 83 101 94
22 23 36 14 33 56
Libre
25 10 41 76 122 83
36 86 22 58 35 23
72 32 60 89 136 120
48 93 35 126 38 153
Restringido
25 31 83 110 64 128
91 19 99 118 87 140

Utilice un nivel de significancia del 0.01 para probar la hipótesis de que:

a) No existe diferencia en los marcadores de error para ambientes
diferentes.
b) No existe diferencia en los marcadores de error para diferentes razas.
c) Los ambientes y las razas de las ratas no interactúan

Tabla modificada
Familia
Ambiente Brillante Mezclada Lenta Total (Tj) Promedio( j)
42 26 47 97 115 108
36 37 50 28 47 70
Libre 1488
39 24 55 90 136 97
50 100 36 72 49 37 62.000
86 46 74 103 150 134
62 107 49 140 52 167
Restringido 2333
39 45 97 124 78 142
105 33 113 132 101 154 97.208
Total(Tk) 877 1307 1637 3821 Gran total(T)
Promedio( 54.8125 81.6875 102.3125 Gran media( t) 238.8125

Hipótesis Modelo: H0: No existe diferencia en los marcadores de error para

ambientes diferentes. H1: Si existe diferencia en los marcadores de error para
ambientes diferentes.
Hipótesis Autor: H0: No existe diferencia en los marcadores de error para
diferentes razas.
13
H1: Si existe diferencia en los marcadores de error para diferentes razas.

Para J;

T1= 845.2 T2=847.6 T3=875.4

𝑇12 =714363.04 𝑇22 =718425.7 𝑇32 =766325.1

Para K;

T1= 903 T2=854.6 T3=810.6

𝑇12 =815409 𝑇22 =730341.1 𝑇32 =657072.3

Global;

T=2568.2 𝑇2 =6595651.2 N=36

𝑇12 6595651.2
𝑁
= 36
=183,212.5

𝑗 2 2
∑𝐽=1 ∑𝑘𝑘=1 (∑𝑛𝑖=1 𝑌) =(76.6 + 78.2 + 73.8 + 70.5) +(80 + 73.6 + 72 +
72.4)2 … (72.5 + 67.4 + 69.2 + 71.6)2 =734,796.5

𝑗
∑𝑛𝑖=1 ∑𝐽=1 ∑𝑘𝑘=1 Ȳ = 76.62 + 73.82 + ⋯ 67.42 + 71.62 = 184,432.2

2
𝑇
SCT=∑𝑛𝑖=1 ∑𝑗𝐽=1 ∑𝑘𝑘=1 Ȳ − 𝑁 =184432.2-183212.5=1219.7

𝑇2 𝑇2 815409 730341.1 657072.3

SCA=∑𝑘𝑘=1 𝑛𝐽
− =
𝑁 (4)(3)
+ 4)(3) + 4)(3) -183212.5=183568.5-
183212.5=356.03

𝑇𝑗2 𝑇2 714363.04 718425.7 766325.1

SCB=∑𝑗𝐽=1 𝑛𝐾
− 𝑁= (4)(3)
+ 4)(3) + 4)(3) —183212.5=183259.48-
183212.5=46.9

14
 1 2 𝑇2
SCI= 𝑛 ∑𝑗𝐽=1 ∑𝑘𝑘=1 (∑𝑛𝑖=1 𝑌) -SCA-SCB- 𝑁 =1/4(719861.5)-356.03-46.9-
183212.5=83.6

SCE=SCT-SCA-SCB-SCI= 1219.7-356.03-46.9-83.6=733.1

La tabla de ANOVA para el análisis de los tres métodos de instrucción que se

aplicaron en las tres marcas.

Fuente de variación Grados de libertad(gl) suma de cuadrados (SC) Cuadrado medio(CM) Cociente(F)
Entre gupos de tratamientos(A)(métodos) 3-1=2 356.030 178.015 5.827799754
Entre gupos de tratamientos(B)(material) 2-1=1 46.900 23.450 0.767698813
interaccion entre método y materia (I) (3-1)(2-1)= 4 83.200 20.800 0.680943937
Error de muestreo ( E) (4)(2)(3-1)= 16 733.100 30.546
Total (T) 48-1= 47 535.830

Respuesta: Al utilizar un nivel de significancia del 1%, el cociente de F que se

requiere para rechazar la primera hipótesis nula (gl=2,16) es 3.40, para la
segunda, la F que se requiere (gl=1,16) es 3,10 para la tercera, la F que se
requiere (gl=4,16) es 2.51. Por ello, No existe diferencia en los marcadores de
error para ambientes diferentes.

15
4. Se ha definido la fatiga a la corrosión en metales como la acción simultanea
del esfuerzo cíclico y el ataque químico sobre la estructura del metal. Una
técnica ampliamente utilizada para minimizar el daño corrosión- fatiga en el
aluminio involucra la aplicación de un recubrimiento protector. En el estudio
“Effect of humidity nad several Surface coating on the fatigue life of 2024-
T351 aluminium alloy” llevado a cabo por el “Department of mechanicals
engineering” en la Virgnia Polytechnic institude and state university, se utilizan
tres diferentes niveles de humedad.
 Bajo: 20- 25% de humedad relativa
 Medio: 55- 60% de humedad relativa
 Alto: 86- 91% de humedad relativa
Y tres tipos de recubrimientos superficiales
 No protegido: sin recubrimiento
 Anodizado: Recubrimiento de óxido anódico a base de ácido sulfúrico
 Conversión: Recubrimiento de conversión química cromo.
Los datos corrosión- fatiga, expresados en miles de ciclos antes de falla, se
registraron en la tabla de la siguiente página:

Humedad relativa
Recubrimiento
Baja Media Alta
361 469 314 522 1344 1216
Sin recubrimiento 466 937 244 739 1027 1097
1069 1357 261 134 663 1011
114 1032 322 471 78 466
Anodizado 1236 92 306 130 387 107
533 211 68 398 130 327
130 1482 252 874 586 524
Conversion 841 529 105 755 402 751
1595 754 847 573 846 529

a) Realice un análisis de varianza con α= 0.05 para probar la significancia

de los efectos principales y de interacción.
b) Utilice la prueba de rango múltiple de Duncan, a nivel de significancia
de 0.05, para determinar que niveles de humedad resultan en daño
diferente de corrosión- fatiga.

16
Tabla modificada

Humedad relativa
Recubrimiento
Baja Media Alta Total (Tj) Promedio( j)
375 483 328 536 1358 1230
Sin recubrimiento 480 951 258 753 1041 1111
1083 1371 275 148 677 1025 13483
128 1046 336 485 92 480
Anodizado 1250 106 320 144 401 121
547 225 82 412 144 341 6660
144 1496 266 888 600 538
Conversion 855 543 119 769 416 765
1609 768 861 587 860 543 12627
Total (Tk) 13460 7567 11743 32770 Gran total (T)
Promedio ( t) 747.7777778 420.3888889 652.3888889 Gran media( t) 1820.555556

Para j;

T1=13231 T2=6408 T3=12375

𝑇12 =175059361 𝑇22 =41062464 𝑇32 =153140625

Para K;

T1=13208 T2=7315 T3=11491

𝑇12 =174451264 𝑇22 =53509225 𝑇32 =132043081

Global;

T=32014 𝑇2 =1024896196 N=54

𝑇2 1024896196
𝑁
= 54
=18,979,559.1

∑𝑗𝐽=1 ∑𝑘𝑘=1 (∑𝑛𝑖=1 𝑌)2 =(361 + 469 + 466 + 937 + 1069 + 1357)2+(114 + 1032 +
1236 + 92 + 533 + 211)2 … (586 + 524 + 402 + 751 + 846 + 529)2 =135,751,256

∑𝑛𝑖=1 ∑𝑗𝐽=1 ∑𝑘𝑘=1 Ȳ = 3612 + 4662 + ⋯ 7512 + 5292 =27,653,606

𝑗 𝑇2
SCT=∑𝑛𝑖=1 ∑𝐽=1 ∑𝑘𝑘=1 Ȳ − =27653606-18979559.1=8,674,046.9
𝑁

17
 𝑇2 𝑇 2 174451264 53509225 132043081
SCA=∑𝑘𝑘=1 − = + + -18979559.1=20000198.3
𝑛𝐽 𝑁 (6)(3) (6)(3) (8)(3)
18979559.1=1,020,639.2

𝑗 𝑇𝑗 2 𝑇 2 175059361 41062464 153140625

SCB=∑𝐽=1 − = + + —18979559.1=20514580.5-
𝑛𝐾 𝑁 (6)(3) (6)(3) (6)(3)
18979559.1=1,535,021.4

1 𝑗 𝑇2
SCI=𝑛 ∑𝐽=1 ∑𝑘𝑘=1 (∑𝑛𝑖=1 𝑌)2 -SCA-SCB- 𝑁 =1/6(135751256)-1020639.2-1535021.4-
18979559.1=1,089,989.6

SCE=SCT-SCA-SCB-SCI=8674046.9-1020639.2-1535021.4-
1089989.6=5,028,396.7

La tabla de ANOVA para el análisis de los tres métodos de instrucción que se

aplicaron en las tres marcas.

Fuente de variación Grados de libertad(gl) suma de cuadrados (SC) Cuadrado medio(CM) Cociente(F)
Entre gupos de tratamientos(A)(métodos) 6-1=5 1020639.2 510319.600 2.436
Entre gupos de tratamientos(B)(material) 3-1=2 1535021.4 767510.700 3.663
interaccion entre método y materia (I) (6-1)(3-1)= 4 1089989.6 272497.400 1.301
Error de muestreo ( E) (4)(3)(3-1)= 24 5028396.7 209516.529
Total (T) 54-1= 53 8674046.9

Al utilizar un nivel de significancia del 1%, el cociente de F que se requiere

para rechazar la primera hipótesis nula (gl=2,16) es 3.40, para la segunda, la F
que se requiere (gl=1,16) es 3,10 para la tercera, la F que se requiere (gl=4,16)
es 2.51. Por ello, No existe diferencia en los marcadores de error para
ambientes diferentes.

18
 CONCLUSIÓN

En este trabajo podemos darnos cuenta de la importancia del diseño de

experimentos, o dicho de otra manera, el planear paso a paso las operaciones
para así obtener un resultado satisfactorio a nuestro problema planteado.
Para el diseño de un experimento debemos tener en cuenta los efectos y las
características de nuestro problema a resolver. Como se puede apreciar un
diseño debe de ser lo más sencillo Observamos el trabajo estadístico que nos
lleva a obtener una mejor planeación del experimento.

19
 BIBLIOGRAFÍA

Bibliografía N° 23 Sthephen Shao, Hermano Herrera, Estadística

para economistas y administradores de empresas, capítulo 16.

20