ANOVA 6.

Una valoración potenciométrica (ácido base) se quiere cambiar para dejar de emplear el pHmetro. Para ello
se hicieron valoraciones con tres indicadores ácido-base diferentes, determinando la cantidad de valorante
añadido hasta el punto en que cambia de color el indicador. Los resultados obtenidos (en mL) son:

Indicadores
Réplicas pH metro
A B C
1 3,5 3,3 5,2 4,1
2 3,6 3,4 5,1 3,9
3 3,4 3,6 5,1 3,8
4 3,5 3,4 5,2 4,0
5 3,6 3,5 5,2 3,8
6 3,7 3,6 5,1 3,9
7 3,4 3,3 5,2 4,0

¿Cuál de estos indicadores puede sustituir al pHmetro?

 Se alimentan los datos en Minitab con las variables de la tabla respectivamente

 Ingresamos a Estadísticas/Anova/Un solo factor

 Aparecerá la siguiente ventana en la que seleccionamos la alternativa Los datos estás en una columna
separada para cada nivel de factor, en Respuestas colocamos las columnas del C2 al C5.
 Luego hacemos clic en Gráficas seleccionamos la opción Tres en Uno. Y finalmente aceptamos

 Se tendrán los siguientes datos y gráficos.

ANOVA de un solo factor: pH metro, A, B, C

Método
Hipótesis nula Todas las medias son iguales
Hipótesis alterna No todas las medias son iguales
Nivel de α = 0.05
significancia
Se presupuso igualdad de varianzas para el análisis.

Información del factor

Facto
r Niveles Valores

Facto 4 pH metro, A, B, C
r
Análisis de Varianza
Fuent G Valor
e L SC Ajust. MC Ajust. F Valor p

Factor 3 13.1314 4.37714 399.65 0.000

Error 24 0.2629 0.01095    
Total 27 13.3943      
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)

0.10465 98.04% 97.79% 97.33%

4
Medias
Factor N Media Desv.Est. IC de 95%

pH 7 3.5286 0.1113 (3.4469, 3.6102)

metro
A 7 3.4429 0.1272 (3.3612, 3.5245)
B 7 5.1571 0.0535 (5.0755, 5.2388)
C 7 3.9286 0.1113 (3.8469, 4.0102)
Desv.Est. agrupada = 0.104654

Comparaciones en parejas de Tukey

Agrupar información utilizando el método de Tukey y una confianza de 95%
Factor N Media Agrupación

B 7 5.1571 A    
C 7 3.9286   B  
pH metro 7 3.5286     C
 A 7 3.4429     C
Las medias que no comparten una letra son significativamente diferentes.

ICs simultáneos de 95% de Tukey

Comparaciones en parejas de Fisher
Agrupar información utilizando el método LSD de Fisher y una confianza de 95%
Factor N Media Agrupación

B 7 5.1571 A    
C 7 3.9286   B  
pH metro 7 3.5286     C
A 7 3.4429     C
Las medias que no comparten una letra son significativamente diferentes.

ICs individuales de 95% de Fisher

ICs individuales de 95% de Fisher

Diferencia de las medias para pH metro, A, ...

A - pH metro

B - pH metro

C - pH metro

B-A

C-A

C-B

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Si un intervalo no contiene cero, las medias correspondientes son significativamente

diferentes.

Gráfica de intervalos de pH metro, A, ...

 Gráfica de intervalos de pH metro, A, ...
95% IC para la media
5.5

5.0

4.5
Datos

4.0

3.5

pH metro A B C

La desviación estándar agrupada se utilizó para calcular los intervalos.

x
Gráficas de residuos para pH metro, A, ...
Gráficas de residuos para pH metro, A, ...
Gráfica de probabilidad normal vs. ajustes
99 0.2

90
0.1
Porcentaje

Residuo

50
0.0

10
-0.1

1
-0.2 -0.1 0.0 0.1 0.2 3.5 4.0 4.5 5.0
Residuo Valor ajustado

Histograma

8
Frecuencia

0
-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15
Residuo

RPTA: El valor de p el cual es menor que alfa por lo que rechazamos la hipótesis nula que sostiene que los
indicadores y el pH son iguales; en cambio aceptamos la hipótesis alternativa que sostiene que al menos una es
distinta. En consecuencia se hace un análisis de Tukey y Fisher, entonces se logra demostrar que el pH no es
significativamente diferente del INDICADOR A. Entonces se puede sustituir el pH metro con el INDICADOR A.

ANOVA 7.
El término dureza del agua se refiere a la cantidad de calcio y magnesio disueltos en el agua. Estos minerales tienen su
origen en las formaciones rocosas calcáreas, y pueden ser encontrados, en mayor o menor grado, en la mayoría de las
aguas naturales. Cuando el agua es calentada, ellos se precipitan fuera de la solución (en forma de carbonatos), y
forman una costra dura, de apariencia rocosa. Esta costra acelera la corrosión (arruinando los calentadores de agua),
restringe el flujo de agua, y reduce la transferencia de calor.
Clasificación del nivel de dureza
Agua blanda................................. 0 hasta 17 mg/l
Agua levemente dura................... 17 hasta 60 mg/l
Agua moderadamente dura.......... 60 hasta 120 mg/l
Agua dura......................................120 hasta 180 mg/l
Agua muy dura.............................. más de 180 mg/l
En Cayo Coco, el agua que reciben desde Morón es muy dura por lo que les crea grandes problemas en el sistema de
agua caliente de los hoteles. Por esto están solicitando diferentes ofertas de plantas de tratamiento de agua y evaluando
la efectividad y costo de las diferentes tecnologías antes de decidir cuál es el que van a adquirir. La concentración de
Ca2+ en el agua tratada utilizando 5 tecnologías diferentes se reportan en la siguiente tabla.

Los costos del tratamiento del agua en centavos de USD por m3 de agua tratada son:

Complete la siguiente tabla (redondeando los valores según el error):

a) Escriba todas las pruebas de hipótesis que realizó, especificando en cada caso la hipótesis nula, la hipótesis
alternativa y el resultado que obtuvo.
b) Haga una recomendación a los gerentes sobre qué tecnología comprar y por qué.
c) Cree usted que haya que repetir algún experimento. Explique.
d) ¿Por qué es necesario probar la homogeneidad de las varianzas?
e) Diga que significa cada término en la tabla de ANOVA.
f) Cómo clasificaría usted la dureza del agua que se obtiene de la planta de tratamiento que usted recomendó.

 Se alimentan los datos en Minitab con las variables de la tabla respectivamente

  Ingresamos a Estadísticas/Anova/Un solo factor

 Aparecerá la siguiente ventana en la que seleccionamos la alternativa Los datos estás en una columna
separada para cada nivel de factor, en Respuestas colocamos las columnas del C2 al C5.

Luego hacemos clic en Gráficas seleccionamos la opción Tres en Uno. Y finalmente aceptamos

 Se tendrán los siguientes datos y gráficos.

ANOVA de un solo factor: met 1, met 2, met 3, met 4, met 5

Método
Hipótesis nula Todas las medias son iguales
Hipótesis alterna No todas las medias son iguales
Nivel de α = 0.05
significancia
Se presupuso igualdad de varianzas para el análisis.

Información del factor

 Facto
r Niveles Valores

Facto 5 met 1, met 2, met 3, met 4, met

r 5
Análisis de Varianza
Fuent MC
e GL SC Ajust. Ajust. Valor F Valor p

Factor 4 83411.8 20853.0 3477.62 0.000

Error 30 179.9 6.0    
Total 34 83591.7      
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)

2.4487 99.78% 99.76% 99.71%

4
Medias
Facto
r N Media Desv.Est. IC de 95%

met 1 7 19.22 2.66 (17.33, 21.11)

met 2 7 41.31 3.23 (39.42, 43.20)
met 3 7 151.20 2.95 (149.31, 153.09)
met 4 7 50.549 1.211 (48.658, 52.439)
met 5 7 20.564 1.507 (18.674, 22.454)
Desv.Est. agrupada = 2.44874

Comparaciones en parejas de Tukey

Agrupar información utilizando el método de Tukey y una confianza de 95%
Facto
r N Media Agrupación

met 3 7 151.20 A      
met 4 7 50.549   B    
met 2 7 41.31     C  
met 5 7 20.564       D
met 1 7 19.22       D
Las medias que no comparten una letra son significativamente diferentes.

Pruebas simultáneas de Tukey para diferencias de las medias

Diferencia EE de
Diferencia de de las diferenci Valor p
niveles medias a IC de 95% Valor T ajustado

met 2 - met 22.08 1.31 (18.29, 25.88) 16.87 0.000

1
met 3 - met 131.98 1.31 (128.19, 135.77) 100.83 0.000
1
met 4 - met 31.32 1.31 (27.53, 35.12) 23.93 0.000
 1
met 5 - met 1.34 1.31 (-2.45, 5.13) 1.02 0.842
1
met 3 - met 109.90 1.31 (106.10, 113.69) 83.96 0.000
2
met 4 - met 9.24 1.31 (5.45, 13.04) 7.06 0.000
2
met 5 - met -20.74 1.31 (-24.54, -16.95) -15.85 0.000
2
met 4 - met -100.66 1.31 (-104.45, -96.86) -76.90 0.000
3
met 5 - met -130.64 1.31 (-134.43, -126.85) -99.81 0.000
3
met 5 - met -29.98 1.31 (-33.78, -26.19) -22.91 0.000
4
Nivel de confianza individual = 99.31%

ICs simultáneos de 95% de Tukey

ICs simultáneos de 95% de Tukey
Diferencia de las medias para met 1, met 2, ...

met 2 - met 1

met 3 - met 1

met 4 - met 1

met 5 - met 1

met 3 - met 2

met 4 - met 2

met 5 - met 2

met 4 - met 3

met 5 - met 3

met 5 - met 4

-150 -100 -50 0 50 100 150

Si un intervalo no contiene cero, las medias correspondientes son significativamente

diferentes.

Gráfica de intervalos de met 1, met 2, ...

 Gráfica de intervalos de met 1, met 2, ...
95% IC para la media
160

140

120

100
Datos

80

60

40

20

0
met 1 met 2 met 3 met 4 met 5

La desviación estándar agrupada se utilizó para calcular los intervalos.

Gráfica de caja de met 1, met 2, ...

Gráfica de caja de met 1, met 2, ...

160

140

120

100
Datos

80

60

40

20

0
met 1 met 2 met 3 met 4 met 5

Gráficas de residuos para met 1, met 2, ...

 Gráficas de residuos para met 1, met 2, ...
Gráfica de probabilidad normal vs. ajustes
99 5.0

90
2.5

Porcentaje

Residuo
50 0.0

-2.5
10
-5.0
1
-5.0 -2.5 0.0 2.5 5.0 0 40 80 120 160
Residuo Valor ajustado

Histograma
8

6
Frecuencia

0
-4 -2 0 2 4
Residuo

 Adicionalmente, click en Estadísticas/ Estadísticas Básicas/ Mostrar estadísticas descriptivas

 Emergerá la sgte ventana, seleccionamos de C1 hasta C5, en Estadísticas seleccionamos los estadísticos como
muestra la figura.

Estadísticas
Error
estándar
Variabl de la
e Media media Desv.Est. Varianza

met 1 19.22 1.01 2.66 7.09

met 2 41.31 1.22 3.23 10.46
met 3 151.20 1.11 2.95 8.70
met 4 50.549 0.458 1.211 1.466
 met 5 20.564 0.569 1.507 2.270

Con los datos obtenidos, completamos la tabla

Método 1 Método 2 Método 3 Método 4 Método 5

media 19.22 41.31 151.20 50.549 20.564
Varianza 7.09 10.46 8.70 1.466 2.270
Desviación
2.66 3.23 2.95 1.211 1.507
estándar
Intervalo de
confianza de la (17.33, 21.11) (39.42, 43.20) (149.31, 153.09) (48.658, 52.439) (18.674, 22.454)
media

RPTA a): Con los datos obtenidos con el procedimiento anterior tenemos:

Hipótesis nula Todas las medias son iguales

Hipótesis alterna No todas las medias son iguales
Nivel de α = 0.05
significancia
Se presupuso igualdad de varianzas para el análisis.

H0 : Todos los métodos empleados tienen el mismo efecto en el tratamiento del agua
Ha : Al menos alguno de los métodos empleados es más efectivo para el tratamiento de agua

H0 : El método más efectivo permitirá obtener Agua blanda

Ha : El método más efectivo no permitirá obtener Agua blanda

H0 : El método más efectivo será caro

Ha : El método más efectivo será barato

RPTA b): Considero recomendar el método 4, porque si vemos la gráfica de Cajas vemos que el más efectivo es el
Método 3, pero teniendo en cuenta el costo del tratamiento de 70 $ y la media de los datos obtenidos de 151.20 que
la clasifica el agua tratada en agua dura no estamos consiguiendo nuestros objetivos que es obtener la mejor
efectividad reduciendo los costos y disminuyendo la cantidad de Ca 2+. Entonces yo propongo hacer uso del método
4 dado a que es el segundo más efectivo de los cinco, el costo de este tratamiento es de 70$ ubicándolo como el
segundo más barato y viendo la media que se consigue que es de 50.549 logrando clasificar el agua tratada en
Agua levemente dura. No escogí el método 2 ya que es de los más caros pero logra reducir la concentración
promedio a 41.31, para finalmente decidir observamos las desviaciones estándar de cada uno y vemos que el
método 4 es él que tiene menor desviación.
RPTA c): Sería el métodos 2 dado que su varianza y desviación estándar es la más alta que los otros 4 métodos
utilizados.
 Ingresamos a Estadísticas/Anova/Prueba de igualdad de varianzas
  En la ventana que aparecerá se colocan que Los datos están en una columna separada para cada nivel de
factor y en Respuestas se colocan las columnas desde la C2 hasta la C5.

 Clic en Opciones y escogemos IC de 95 y usar distribución normal y luego Aceptar. Clic en gráficas y se
seleccionan los tres tipos. Clic en Gráficas y seleccionar los tres tipos de gráficas y luego Aceptar. Clic en
Resultados y seleccionamos las tres opciones que aparezcan. Finalmente hacer clic en Aceptar en la
ventana general.

 En la ventana de sesión se tienen los siguientes datos

Prueba de igualdad de varianzas: met 1, met 2, met 3, met 4, met 5

Método
Hipótesis nula Todas las varianzas son iguales
Hipótesis alterna Por lo menos una varianza es diferente
Nivel de α = 0.05
significancia
Intervalos de confianza de Bonferroni de 95% para desviaciones estándar
Muestr
a N Desv.Est. IC

met 1 7 2.66343 (1.33238, 8.4241)

met 2 7 3.23351 (1.52037, 10.8809)
met 3 7 2.94887 (1.04758, 13.1338)
met 4 7 1.21082 (0.45163, 5.1362)
 met 5 7 1.50674 (0.64769, 5.5459)
Nivel de confianza individual = 99%

Pruebas
Estadístic
a
Método de prueba Valor p

Comparaciones — 0.160
múltiples
Levene 2.07 0.110

RPTA d): Primero para evaluar el cumplimiento de la normalidad y homocedasticidad. El primero para evaluar si
la variable se distribuye normalmente y el segundo para conocer si las poblaciones muestrales poseen la misma
varianza.
TABLA ANOVA

Fuent GL SC Ajust. MC Ajust. Valor F Valor p

e

Factor 4 83411.8 20853.0 3477.6 0.000

2

Error 30 179.9 6.0    

Total 34 83591.7      

RPTA e): Según sabemos ya, el estadístico F es el cociente entre dos estimadores diferentes de la varianza
poblacional. Uno de estos estimadores se obtiene a partir de la variación existente entre las medias de los grupos
(variación Inter-grupos). El otro estimador se obtiene a partir de la variación existente entre las puntuaciones
dentro de cada grupo (variación Intra-grupos). La tabla recoge: una cuantificación de ambas fuentes de variación
(Sumas de cuadrados= SC Ajust.), los grados de libertad asociados a cada suma de cuadrados (gl) y el valor
concreto adoptado por cada estimador de la varianza poblacional (medias cuadráticas = MC Ajust.: se obtienen
dividiendo las sumas de cuadrados entre sus correspondientes grados de libertad).
El cociente entre estas dos medias cuadráticas nos proporciona el valor del estadístico F, el cual aparece
acompañado de su correspondiente nivel crítico o nivel de significación observado (Sig.), es decir, de la
probabilidad de obtener valores como el obtenido o mayores bajo la hipótesis de igualdad de medias. Puesto que el
valor del nivel crítico (0,000), es menor que 0,05, decidimos rechazar la hipótesis de igualdad de medias y
concluimos que las poblaciones definidas por la variable catlab no poseen el mismo salario medio.
RPTA f): La media obtenida en el método escogido que fue el método 4 fue 50.549 que la clasifica como Agua
levemente dura.

REGRESIÓN 4.
La ecuación de Clausius-Clapeyron relaciona la presión de vapor con la temperatura, pudiendo aplicarse la misma a
transformaciones de fases donde una de las fases presentes es el vapor y tiene comportamiento ideal:

ΔH - calor evolucionado durante el cambio de fase (calor de

vaporización)
p - presión de vapor de la sustancia
T – Temperatura (Kelvin),
R - constante de los gases (8.31joule/mol K)
Si se considera ΔH independiente de la temperatura, integrando
indefinidamente se obtiene:
Se obtienen mejores resultados si los datos experimentales
se ajustan a la ecuación empírica de Callingaert-Davis

Donde A y B son constantes y t es la temperatura en oC. Una

vez conocidos los coeficientes A y B en la ecuación anterior,
se puede calcular ΔH mediante la siguiente ecuación:

Para calcular el calor de vaporización del agua se obtuvieron las

siguientes medidas de su presión de vapor a diferentes temperaturas:
Teniendo en cuenta la ecuación (2) donde el ΔH de vaporización se
considera que no depende de la temperatura:

a) Ajuste por mínimos cuadrados los datos experimentales y reporte la

ecuación ajustada.

b) Determine los valores del intercepto y de la pendiente y los

intervalos de confianza correspondientes.

c) Compruebe la significación del intercepto y de la pendiente.

d) Compruebe la significación de la regresión y determine si existe
error por falta de ajuste.

e) Determine el coeficiente de correlación y determinación. Interprete

el resultado.

f) Realice un análisis de los residuos. Explique el comportamiento

observado.

 Ingresamos a Estadísticas/Regresión/Ajustar modelo de regresión

 Se obtendrá la siguiente ventana en la que para respuestas colocamos la variable de concentración y

para predictores continuos la columna C2

 Luego clic en Modelo y en la ventana que aparezca, verificamos que exista únicamente un predictor
  Clic en Gráficas en la opción Cuatro en uno

 Finalmente clic en Aceptar en la ventana general y se obtendrán los siguientes datos en la ventana de

sesión en los cuales encontraremos la respuesta al problema a través de la ecuación de regresión.

REGRESIÓN 6
Con el objetivo de estudiar la Reacción
ClO- + Br- → BrO- + Cl-

Se mezclan 100 ml de NaClO 0,1 mol/L, 48 mL de NaOCl 0,5 mol/L y 21 ml de agua destilada,
sumergiendo dicha mezcla en un baño termostático a 25 0C. Se agregan a esta mezcla 81 ml de solución al
1% de KBr a 25 0C. Se extrajeron muestras a diferentes tiempos, para la determinación de la concentración
de BrO-. A continuación se da el resultado de los análisis.

La concentración inicial del NaClO en la mezcla de reaccionantes fue de 0.003230 mol/L y la KBr de
0.002508 mol/L. El pH era 11.28.

a) Determine la cte. de velocidad específica (k) de la reacción sabiendo que es de 2do orden
y que para una cinética de este tipo se cumple que:

b) Reporte la ecuación ajustada obtenida.

c) ¿Qué puede usted decir acerca de la calidad del ajuste?. Explique
d) Explique si usted considera que la regresión es significativa. Plantee las hipótesis nula y alternativa.
e) Calcule en que valor t se debe esperar que la concentración de BrO - sea igual a 0.2000 moles/l.
f) ¿Cuál será el rango de valores en que se debe esperar que se encuentre la concentración experimental y la
concentración real de BrO - a los 50 minutos.

 Ingresamos a Estadísticas/Regresión/Ajustar modelo de regresión

 Se obtendrá la siguiente ventana en la que para respuestas colocamos la variable de concentración y

para predictores continuos la columna C1

 Luego clic en Modelo y en la ventana que aparezca, verificamos que exista únicamente un predictor

 Clic en Gráficas en la opción Cuatro en uno

 Finalmente clic en Aceptar en la ventana general y se obtendrán los siguientes datos en la ventana de

sesión en los cuales encontraremos la respuesta al problema a través de la ecuación de regresión.

Análisis de regresión: C(BrO) vs. t(min)
Análisis de Varianza
MC
Fuente GL SC Ajust. Ajust. Valor F Valor p

Regresió 1 0.03203 0.032031 13.09 0.015

n
  t(min) 1 0.03203 0.032031 13.09 0.015
Error 5 0.01223 0.002447    
Total 6 0.04426      
Resumen del modelo
R- R-cuad. R-cuad.
S cuad. (ajustado) (pred)

0.0494647 72.36% 66.83% 0.00%

Coeficientes
EE del
Término Coef coef. Valor T Valor p FIV

Constant 0.0702 0.0253 2.78 0.039  

e
t(min) 0.002266 0.000626 3.62 0.015 1.00
Ecuación de regresión
C(BrO = 0.0702 + 0.002266 t(min)
)
Gráficas de residuos para C(BrO)
Gráficas de residuos para C(BrO)
Gráfica de probabilidad normal vs. ajustes
99 0.06

90 0.03
Porcentaje

Residuo

0.00
50
-0.03
10
-0.06
1
-0.10 -0.05 0.00 0.05 0.10 0.10 0.15 0.20 0.25 0.30
Residuo Valor ajustado

Histograma vs. orden

2.0 0.06

0.03
1.5
Frecuencia

Residuo

0.00
1.0
-0.03
0.5
-0.06
0.0
-0.075 -0.050 -0.025 0.000 0.025 0.050 1 2 3 4 5 6 7
Residuo Orden de observación

 El valor de la ecuación obtenido fue de

C(BrO = 0.0702 + 0.002266 t(min)

)
RPTA a): Realizamos lo cálculos para un t = 0 y por l tanto x = 0
 ( a−x ) a
( log −log )
( b−x ) b

(0.003230−0) 0.003230
log =log +k 0 ¿ ¿
(0.002580−0) 0.002580

(0.003230−0) 0.003230
log =log +k 0 ¿ ¿
(0.002580−0) 0.002580