Adan Jair Serna media global es de 1.805667 media para 10 es de 1.696 para 30 es de 1.917 para 60 es de 1.804.
la media de 60 se encuentra sobre la media global mientras que la media de 10 por debajo de, y la de 30 por encima de la media global.
10 20 30 40 50 60 1 . 6 1 . 8 2 . 0 2 . 2 2 . 4 x1 y * * * 1 ^ 2 ^ 3 ^ Parece no haber normalidad. En los casos de 30 y 60 grados vemos que la mediana es mucho menor que la media, lo contrario a la 10 que se encuentra por encima de la media. En 30 la caja inferior es menor que la superior lo que nos indica que los tiempos comprendidos entre el 25% y el 50% de los datos estn menos dispersos que entre el 50% y el 75%. En la de 10 los tiempos comprendidos entre el 50% y 75% estan menos dispersos que en 25% y 50%. El brazo inferior de 10 y 60 es menor, es decir, los datos estn ms concentrados entre el valor mnimo y el primer cuartil 10 30 60 1 . 6 1 . 8 2 . 0 2 . 2 2 . 4 Modelo 1. Yji = j + ji
ji 0.054 0.184 -0.126 -0.156 -0.136 0.024 0.004 -0.106 0.104 0.154 0.283 -0.017 0.313 -0.117 -0.367 -0.067 0.463 -0.167 -0.217 -0.107 0.226 0.196 0.016 -0.084 0.256 -0.184 -0.174 0.016 -0.184 -0.084 Los datos poseen una distribucin normal (visualmente). No existe independencia pues los errores siguen un patron No hay homocedasticidad ya que hay efecto abanico. Histogram of eji eji F r e q u e n c y -0.4 -0.2 0.0 0.2 0.4 0 2 4 6 8 1 0 -2 -1 0 1 2 - 0 . 4 - 0 . 2 0 . 0 0 . 2 0 . 4 Normal Q-Q Plot Theoretical Quantiles S a m p l e
Q u a n t i l e s 1.70 1.75 1.80 1.85 1.90 - 0 . 4 - 0 . 2 0 . 0 0 . 2 0 . 4 tiempo.est e j i -0.4 -0.2 0.0 0.2 0.4 - 0 . 4 - 0 . 2 0 . 0 0 . 2 0 . 4 ea e b Ho: los datos siguen una distribucin normal Ha: los datos no siguen una distribucin normal
Usando la prueba Shapiro-Wilk, notamos lo siguiente:
Shapiro-Wilk normality test
data: y W = 0.9122, p-value = 0.01695
Con =.05, se rechaza H0, lo que quiere decir que efectivamente los datos no siguen una distribucin normal (pues >p).
Podemos concluir que no hay normalidad Kruskal-Wallis rank sum test
data: y by x Kruskal-Wallis chi-squared = 4.5495, df = 2, p-value = 0.1028
con =0.05 podemos rechazar la Ho pues 0.05818=p<=0.05, lo que indica que al menos 2 niveles son diferentes respecto a las medias Analysis of Variance Table
Response: y Df Sum Sq Mean Sq F value Pr(>F) x 2 0.24425 0.122123 3.166 0.05818 Residuals 27 1.04149 0.038574
Si usamos un =0.06 podemos rechazar la Ho pues 0.05818=p<=0.06, lo que indica que al menos 2 niveles son diferentes respecto a las medias
Ho: Ha:
Ahora usando la prueba de Levene para homogeneidad de varianzas, dado que no tenemos normalidad
Levene's Test for Homogeneity of Variance (center = median) Df F value Pr(>F) group 2 1.28 0.2944 27
Con =.05< 0.2944=p, no se rechaza H0, lo que quiere decir que tenemos igualdad de varianzas y por lo tanto las varianzas son iguales, viendo asi que no existe problema de heterocedasticidad.
De aqu podemos decir que los ngulos 10 con 30 son diferentes al rechazar la hipotesis nula con un alfa de 0.05>0.023=p, mientras que las otras dos combinaciones (10-60, 30-60) no se rechaza la hipotesis nula pues p=0.2>0.05 lo que nos indica que 60 grados es igual que 10 y 30.
No existe normalidad Hay homocedasticidad 10 con 30 tienen un efecto diferente sobre el resultado Errores tienen normalidad mas no independencia ni homocedasticidad
Se requiri un nivel de significancia de 6% para que el modelo nos reflejara la existencia de que los niveles eran diferentes. Despus de esto solo queda decir que el mejor ngulo para un mayor vuelo se encuentra en 30 teniendo un promedio de 1.91 segundos y marcando un diferencia en los resultados al compararla con 10, un error de 0.07022