1

5 PRUEBAS DE HIPTESIS

Hacer una hiptesis significa suponer algo o tener alguna teora o idea para, a partir de ella, obtener una o
varias consecuencias. La estadstica general y la bioestadstica en particular conceden una gran
importancia a las pruebas de hiptesis.
Con los valores estadsticos obtenidos o con los resultados experimentales, la teora estadstica ha
desarrollado mtodos o tcnicas para probar dichas hiptesis relativas a parmetros de poblaciones. Tales
mtodos se conocen como pruebas de significancia estadstica.
Las pruebas de hiptesis estn basadas en la nulidad de las diferencias; es decir, la diferencia de
promedios de muestras es cero o estima a cero ( o la diferencia entre lo experimental observado y lo
terico esperado es cero, o situaciones similares). Dicha diferencia de promedios de poblaciones se
simboliza por H
0
y se conoce como hiptesis de nulidad. La hiptesis contraria se conoce como
alternativa, se expresa como H
A
y est basada en la no nulidad de las diferencias. Varias situaciones o
juegos de hiptesis son posibles, y el investigador puede recurrir a las que convengan a sus necesidades.
En el presente curso se explican varios mtodos y se dan ejemplos de las hiptesis de uso ms frecuente en
problemas biolgicos o agronmicos. Un juego de hiptesis puede ser:
H
0
:
1
=
2 O

1
-
2
= 0;
H
A
:
1

2
o
1
-
2
0.
H
A
excluye a H
0
, o viceversa. Tambien se dice que se acepta H
A
y se rechaza H
0
o viceversa.
Al probar hiptesis, pueden ocurrir los cuatro casos siguientes:
1. Que H
0
sea cierta y que la prueba estadstica la acepte (rechace a H
A
)
2. Que H
0
sea cierta, pero que la prueba estadstica la rechace (acepte a H
A
)
3. Que H
0
sea falsa, pero que la prueba estadstica la acepte (rechace a H
A
)
4. Que H
0
sea falsa y que la prueba estadstica la rechace (acepte a H
A
)
Caso 1
Si en la realidad (aun cuando se ignore) H
0
es cierta y la prueba estadstica la acepta, la conclusin ser
correcta.
Caso 2
Si en la realidad H
0
es cierta y la prueba estadstica la rechaza, aceptando H
A
se corre el riesgo de cometer
un error el riesgo de cometer un error, conocido error . La probabilidad de se conoce como lmite de
significancia y el investigador lo fija por adelantado, segn el riesgo el riesgo que est dispuesto a correr
de rechazar una cosa que en la realidad sea cierta. Cuando ms pequeo sea el error , ms riesgo se corre
de caer en el caso 3, que se conoce como error .
La mayora de los investigadores fijan como valor para 0.05 o 0.01 (5% y 1% ). Es decir corren el
riesgo de equivocarse en promedio cinco veces en cien (una vez en 20) o una vez en 100, es un riesgo alto.
Por tal motivo, H
0
se acepta si la probabilidad de error es mayor de 5%, en cuyo caso se dice que la
diferencia no es significativa.



2
Si existiera algn valor, este estimara a cero, lo cual se interpreta como una variacin por casualidad o
por azar. H
0
se rechaza si la probabilidad de error es igual o menor a 5% , y entonces se dice que la
diferencia es significativa. Si la probabilidad de error es menor o igual a 1%, entonces se dice que la
diferencia es altamente significativa. En ambos casos se interpreta como una variacin debida a una causa,
y no al azar o a la casualidad. En resumen se tienen:

H
0
Si p>5% [
NS
]
H
A
Si p<5% *
H
A
Si p1% **

*En lo sucesivo, un asterisco denotara una diferencia significativa, y dos asteriscos una diferencia
altamente significativa. Cuando se use NS como exponente, se estar indicando una diferencia no
significativa.

Caso 3
Si en la realidad H
0
es falsa y la prueba estadstica la acepta, se comete un error, conocido como error .
Cuntas cosas se aceptan como ciertas siendo falsas, hasta que, a travs del tiempo, por casualidad o por
investigacin, se logra descubrir la verdad!

No es posible conocer la magnitud del error , pues depende de los valores reales de los parmetros de la
poblacin, estimados por los valores estadsticos de la muestra y del tamao de est, por lo cual se
recomienda siempre tomar muestras lo ms grande y manejables posible.
Caso 4
Si en la realidad (aun cuando se ignore) H
0
de nulidad es falsa y la prueba estadstica la rechaza, la
conclusin ser correcta. En general, en la decisin de aceptar o rechazar una hiptesis es necesario
considerar:
a) La informacin disponible y alcance del investigador.
b) La experiencia y conocimientos del investigador.
c) El riesgo que se est dispuesto a correr de que la decisin se errnea.
Los mtodos estadsticos de uso comn emplean la distribucint , el anlisis de varianza con prueba
de F, las pruebas de Duncan, de Turkey, de ji cuadrada (X
2
), etc.
Ejemplo 1
Snedecor cita el siguiente estudio. En un muestreo de diferentes marcas de jugo de tomate enlatado, se
analiz la vitamina C y se encontraron por cada 100 gramos de jugo, las siguientes cantidades de vitamina
C (en mg) por observacin:
N 1 2 3 4 5 6 7 8 9 10 11



3


12 13 14 15 16 17 S S
20 29 18 22 16 25 20 3.98 0.9653

Si = 18.5 mg /100 g es significativa la diferencia?

t=


=

= 1.5554
Si estima a , se puede platear el siguiente juego de hiptesis:
H
0
:
1
=
O

1
- = 0;
H
A
:
1
o
1
- 0.

De las tablas, vemos que
T
0.05(16)
=2.12,
p (|

| 2.12) = 5%,
en tablas.
P (|

| 1.554) est entre 10 y 20%. Como el riesgo de rechazar una cosa cierta tiene una p> 5%,
H
0
se debe aceptar, la diferencia (20 18.5) = 1.5mg no es significativa, por lo tanto debe atribuirse a la
casualidad o al azar.

En la prctica, si:

t t
(GL)
mg 16 22 21 20 23 21 19 15 13 23 17
Calcula con los
valores
experimentales
Obtenida de las
tablas de Student



4

H
0
se rechaza, porque p .
Si t calculada t
(GL)
de tablas, H
0
se acepta porque p>5%

Ejemplo 2
Un estudiante de zootecnia analiz el fosforo en el suero sanguneo de ganado vacuno, estudiando una
muestra al azar de animales. Los valores del fosforo en milagros por 100 cc de suero sanguneo fueron los
siguientes:
n 1 2 3 4 5 6 7 8 9 suma
X
i
2.9 3.0 3.0 2.9 3.0 2.9 2.9 3.0 2.9 26.5 2.944


S=.6527, S
2
=.0028, S
-x
= 0.0003, S-
x
= 0.00176
La teora y la experiencia indican que el promedio en una poblacin no deficiente debe ser de 7
mg/100cc. Son deficientes en fosforo los animales muestreados? O, dicho de otra manera, es
significativa la diferencia entre de la muestra y teora?
Si 1 est estimada por , un juego de hiptesis puede ser:

H
0
:
1
=
O

1
- = 0;
H
A
:
1
o
1
- 0.
t=


=

=


= -230.45;
||= 230.45 > t
0.01(8)
3.355;
p||230.45)0
Se rechaza H0,pues la probabilidad de error al rechazar una cosas cierta es casi cero. Los animales
muestreados son deficientes en fosforo, ya que la diferencia es altamente significativa.
Ejemplo 3



5
En la tablas 5.2 se presentan los valores del peso de 80 nios y 80 nias al nacer, habindose muestreado
20 de cada sexo en 4 hospitales de la ciudad de Monterrey, N.L. Los datos fueron reunidos por
estudiantes del curso de bioestadstica del Tecnolgico de Monterrey, en la primavera de 1979.




Tabla 5.1 Valores estadsticos para la muestra de 160 nios
Valores Nios Nias

% relativo
S
CV
S
2

S
2
x

S
x
Rango




3.436 kg
106.4
0.4612 kg
13.42%
0.2127 kg
2
0.0027 kg
2

0.0516 kg
2.475 kg
3.229 kg
100.0
0.4124 kg
12.77 %
0.1701 kg
2

0.0021 kg
2

0.0461 kg
2.060 kg






6






Tabla 5.2. Peso (en kg) de 80 nios y 80 nias recin nacidos, medido en 4 hospitales de la ciudad de
Monterrey, N.L en marzo 1979

Nios Nias Nios Nias Nios Nias Nios Nias
3.100
5.050
3.925
3.400
3.650
3.380
4.760
2.575
3.000
3.400
3.860
3.500
3.400
3.625
2.950
3.200
3.425
3.910
3.225
3.260
3.250
3.560
3.000
2.560
3.325
3.400
2.560
3.770
3.260
3.500
3.250
3.500
3.000
3.425
3.920
4.250
2.950
3.625
3.860
3.325
3.400
3.625
2.900
3.150
3.400
3.925
3.230
3.270
3.075
4.560
3.950
3.430
3.625
3.360
4.210
2.600
3.000
3.625
3.265
2.850
2.600
3.300
3.350
2.770
3.375
3.000
3.850
2.970
3.500
3.425
3.925
4.360
2.980
3.670
3.600
2.980
3.720
3.000
3.300
3.420
4.000
3.600
3.200
2.900
3.900
3.350
3.500
2.890
4.000
3.675
3.450
3.250
3.900
3.760
3.800
4.100
3.800
3.900
3.670
3.560
3.200
3.100
3.400
2.600
3.150
3.500
2.800
3.250
2.300
2.850
3.350
3.600
3.560
3.760
3.900
3.200
3.150
2.900
3.340
2.800
3.200
3.150
2.900
3.400
2.700
4.000
3.100
3.050
2.800
3.050
3.250
3.100
3.500
3.050
3.350
2.900
2.850
3.400
3.500
3.350
2.600
3.200
2.850
3.100
2.900
2.750
2.500
2.950
3.300
3.350
3.800
3.800
2.650
3.100
3.050
3.000
2.750
3.200
2.950
3.400

Los valores anteriores indican que, en promedio, los nios pesan 6.4% ms que las nias. Siendo dos
muestras independientes (no relacionadas, asociadas o correlacionadas) se puede determinar por medio de
la prueba de t si la diferencia es significativa.
El promedio 1 de los nios puede estimar a 1y el promedio de 2 de las nias puede estimar a 2 ; es
decir, las muestras puede ser consideradas como de poblaciones diferentes. El siguiente juego de hiptesis
es posible y resulta de inters.
H0: 1 = 2 O 1 - 2 = 0;
Conchita

San Jos IMSS Civil



7
HA: 1 2 o 1 - 2 0.
Diferencia = 1 - 2 = 3.436 3.229 = 0.207 kg
t =


=

t=2.988 > t 0.01 (158)= 2.617; p < 1%

Se rechaza H0 y se acepta HA: un riesgo de error con una probabilidad menor de 1% de rechazar una
cosa cierta.
Conclusin
En promedio, los nios pesan ms que las nias, los nios son ms variables en general, pues su
coeficiente de variabilidad, su varianza, su varianza de la media y su rango son mayores:
Rango de nios: 5.050 2.575 = 2.475 kg
Rango de nias: 4.360 2.300 = 2.060 kg
Es poco probable que se est aceptando una cosa falsa (error ) porque las dos muestras son grandes
(n=80).
En general, cuando el nmero de observaciones o repeticiones(n) es igual para las dos muestras, el valor
de t se calcula:

;
GL=3(n-1)
Si el nmero de repeticiones es diferente en las dos muestras (n
1
n
2
), entonces:
b) t=

(1.5)

GL=

.

Aplicando la frmula del inciso a para el ejemplo del peso d los nios y las nias en la tabla 5.2 se tiene




8
1.- Para los nios:

2.-Para las nias

n=80,

=3.436,

=3.229,
por lo que finalmente,
t= (3.436 - 3.229)

=2.99
valor prcticamente igual al clculo anteriormente.



Ejemplo 4
El peso de dos cabritos de dos razas diferentes, al mes de nacidos, fue el siguiente (datos en kg)

Raza

n

1 2 3 4 5 6 7 8 9 10

1
2

10
9

23 43 24 19 29 47 6 14 29 26 26.00
17 14 10 9 3 18 3 19 11 11.56

1. Para la raza1:

;




9

=150.444;

= 15.0444;

= 3.8787.


2. Para la raza 2:

= 36.0278;

= 6.0023

Por lo que se obtiene:

Aplicando la frmula indicada como (5.1) anterior mente, se tienen:
GL= 10+9-2=17



10

)
=14.44

t= 3.1976 3.3086 (por decimales) t=3.3086>t
(0.01(17)
=2.898:

La diferencia es altamente significativa
Ejemplo 5
Datos apareados:Cuando las muestras son tomadas entre individuos relacionados o cn caracteres
asociados (es decir, no independientes), se estudian las diferencias de cada par de valores. Un ejemplo de
ello es el peso en gemelos, unos de tantos caracteres asociados entre hermanos es especiales multparas
que se estudian colectando datos de pares. Los casos ms relacionados se estudian colectando datos de
pares. Los casos ms relacionados se estudian midiendo en un mismo individuo un par de caracteres, tales
como (en humanos) longitud del pie y permetro del puo, o altura y longitud de los brazos extendidos,
peso a cada jugador antes de un juego de futbol y despus de l, precisin sangunea antes y despus de
correr 10 o ms minutos, etc.
En todos los casos anteriores a cada par se le considera una observacin y se calcula la diferencia;
cuanto ms diferentes sean los pares, mayor nmero de observaciones se deber realizar. El resultado sera
la obtencin de una poblacin o una muestra de diferencias con media y desviacin estndar. El juego de
hiptesis por probar seria: Suponer que la poblacin de diferencias es N(0, ); es decir,


H
0:

d
=0,
H
A:

d
0,
En donde
t=

11


Aplicacin
Se midi la altura y la longitud de los brazos extendidos, de extremo a extremo de los dedos medios, de
once estudiantes. (Datos en cm.)


Nmero de
estudiante
Altura Longitud de brazos Diferencia D
X
1
X
2
(X
1
- X
2
) D
2
1
2
3
4
5
6
7
8
9
10
11
170
172
185
180
178
173
155
174
167
168
182
173
170
183
175
177
174
155
173
166
167
185
-3
+2
+2
+5
+1
-1
0
+1
+1
+1
-3
9
4
4
25
1
0
1
1
1
9
Sumas 1904 1898 =6;

=0.5455 cm


Puede comprobarse si

es correcta por medio de la diferencia de las medias independientes:

12

=52.727;

2
;

t=

0.05 (10)
=2.228.

Se acepta H
0
, pues la diferencia no es significativa (p>5%). La altura promedio del hombre es igual al
promedio de la longitud de punta a punta de sus dedos medios entre sus brazos extendidos.
ANLISIS DE VARIANZA

Clasificacin simple

La estadstica ha desarrollado la tcnica de Fisher conocida como anlisis de varianza (ANAVA) para la
prueba de hiptesis de varias poblaciones con datos de muestras.
Esta tcnica es una herramienta muy til en muchas disciplinas del saber humano y en investigaciones en
las cuales se aplican las observacin y la experimentacin. El caso ms sencillo es el estudio de la
variacin de clasificacin simple.
La tcnica del ANAVA consiste en separar de la variacin total observadas las causas o factores parciales,
siguiendo los siguientes pasos:

a) Clasificar o separar las causas de variacin
b) Calcular los grados de libertad (GL) para cada factor o causa parcial de variacin
c) Calcular la suma de los cuadros de las desviaciones de las observaciones (SC) con respecto a la
media, para cada una de las causas de variacin.
d) Calcular la varianza o cuadro medio (CM) para cada factor de variacin.
e) Probar hiptesis por medio de la prueba de Fisher, conocida como prueba F o relacin de
varianzas.
f) Comparar los promedios (discriminar variables) por varios mtodos que oportunamente se
describirn.

Nomenclatura
En el presente curso ser usado un grupo de smbolos que frecuentemente se encuentran en diversos
tratados de estadstica. Estos smbolos son:
a= Nmero de muestras (o tratamientos), con i= 1,2,a
n= Nmero de observaciones o repeticiones para cada muestra (o tratamiento).



13
A= Se presentan casos (lo ms comn y lo ideal) en los que n es igual para todad las muestras; es decir,
n=n
1
= n
2
= n
3
, etc.
B= Hay casos, poco deseables pero que pueden ocurrir, en los cuales n
1
n
2
n
3
, etc.
j=1,2,3 n.
an= Nmero total de observaciones.
X
ij
=Valor en la muestra i para la repeticin j.
X
i
=Suma de los valores para la n repeticiones de la muestra i.

= X.., gran total o suma de las an observaciones.

,promedio para cualquiera de las muestras i.

promedio general de las an observaciones.

Ejemplo:

Aplicacin del ANAVA cuando el nmero de repeticiones es constante para todas las muestras (n= n
1
= n
2

= n
3
, etc.).

El peso al nacer de los nios de la tabla 5.2, con n=10 para cada hospital, se enlista en la tabla de
nmeros aleatorios.

Tabla 5.4 Peso en kg de diez nios al nacer, tomados al azar de la tabla 5.2
HOSPITAL
n Conchita San Jos IMSS Civil
1
2
3
4

5
6
7
8
9
10

3.000
3.500
3.400
3.400

3.350
5.050
4.760
3.400
3.650
3.260
3.625
3.430
3.000
3.625

3.625
3.150
3.360
3.230
3.950
3.400
3.800
3.500
3.350
3.250

4.100
3.900
4.000
3.670
3.600

3.050
2.800
3.500
3.400

3.350
3.200
3.050
3.400
2.900
3.100

Suma

Suma

36.770
3.677
34.395
3.4395
37.070
3.707
31.75
3.175

Cualquier valor en la tabla 5.4 es

Por ejemplo,

= 3.000;

=3.500;

=3.625;

= 3.050, etc.
El gran total, como ya se anot, es
X..=36.770+34.395+37.070+31.75=139.985.
Tabla 5.5. Anlisis de la variacin con los datos de la tabla 5.4 y por la tcnica del anlisis de la
varianza (ANAVA) .Clasificacin simple

14
Causas GL

Tablas
1
Hospitales (a-1) = 3 1.8346 0.6115 3.695* F
0.05
F
0.01
Error
(Diferencia)
5.9588 0.1655 2.84 4.31
Total 7.7934

F=

=3.695

1: Explicacin adelante

a= 4 i= 1a;
n= 10 j= 1n,

La variacin total observada en los 40 nios muestreados se puede atribuir a las siguientes causas
parciales:
a) Variacin entre hospitales o entre muestras.
b) Variacin dentro de cada hospital o de cada muestra. (Variacin de muestreo que ms tarde
definiremos como erros exponencial y que, como explicar tambin tienen varias causas
parciales.)
Calculo de la suma de los cuadrados SC
1. Factor de correccin general:
FC=

2. SC
total
= (

3. SC
hospitales
= SC
muestras
=

3b. SC
muestras
=

.
3. SC
error
= SC
total
SC
muestra
.
Cualquier mtodo puede emplearse, pero el descrito en 3
a
es el de uso ms comn por ser bastante
prctico.



15
Aplicando en 4 formulas a los datos de las tablas 5.4 y 5.5, se tiene:
1. FC =

= 489.895.

2. SC
total
=

FC(3.000
2
+3.500
2
++3.100
2
) FC
=497.6884 489.895= 7.7934.
3. SC
muestras
=

= -FC =

=1.8346.

4. .SCerror = SC total - SC muestras=7.7934 1.8346= 5.9588.

El cuadro medio (CM) o varianza para cada causa de variacin se calcula en la forma conocida:
Varianza= CM =


=

Para hospitales:
CM=

= 0.6115;
Para error
CM=

=0.1655.
Interpretacin del ANAVA
Cuando son varias las muestras y por tanto hay varias madias, la hiptesis de nulidad H
0
y la hiptesis
alternativa H
A
son:
H
0
:
1
=
2
==a;
H
A
:
1

2

a2
(o al menos un par de son )
O al menos dos medidas son diferentes. Este juego de hiptesis es equivalente al juego
H
0
:

= 0;



16
H
A
:

>0.
La teora estadstica demuestra que en un anlisis de varianza, cada varianza calcula con los valores
colectados (o CM) estima a las varianzas esperadas, conforme al siguiente modelo:



Varianzas o CM estimados En el ejemplo del peso de
los nios
Varianza terica esperada
Entre muestras
Error
0.6115
0.1655

Fisher y Yates desarrollaron la llamada prueba de F mediante la siguiente relacin:
F=



Tericamente:
F=

Si

= 0
Entonces
F= 1

Cuando mayor sea la variacin entre las muestras, mayor sers el valor de F. Los valores de F para
niveles significancia de 5% y 1% han sido tabulados para diferentes grados de libertad de muestras y del
error (ver la tabla 5 del apndice).

Se acepta H
0
si :

F calculada con valores experimentales < F (GL muestras, GL error) obtenida de las tablas.

De donde p > y se concluye que la diferencia entre medias es debida a la casualidad o al azar.



17

Por el otro lado, se rechaza H
0
y se acepta la alternativa (H
A
) si:

F calculada con valores experimentales F (GL muestras, GL error) obtenida en las tablas.

La probabilidad de error (p ), o riesgo de rechazar una cosa cierta, tiene bajas probabilidades de
ocurrir. En tales condiciones la conclusin ser que las diferencia entre las medias de las muestras es
significativa; obedece a una o varias causas. Lo que las matemticas indican puedeexplicarse
biolgicamente cuando se trata de problemas relativos a los seres vivos (bioestadstica).

El ejemplo numrico de la tabla 5.5 del ANAVA indic:

F=

= 3.695> F
0.05 (3, 36)
=2.84

La conclusin es: La diferencia entre los promedios de los pesos de los nios recin nacidos en los
diferentes hospitales es significativa, pues por los menos dos promedios son estadsticamente diferentes.

El valor 2.48 se busc en la tabla 5 del apndice (valores para la distribucin F), utilizando GL del
numerador (3 en el ejemplo), GL del denominador( o del error 36 en el ejemplo) y la probabilidad .
(Nota: se tom el valor de GL = 40 por estar ms cerca del 36)

Como se explicar ms adelante, la tcnica para estimar la confiabilidad de las conclusiones, adems
del valor de , consiste en el clculo de CV con el uso de la siguiente frmula:

CV=

x 10
Donde

Es promedio general.
En el ejemplo numrico:

=3.5;
CV=

Este valor indica que la desviacin estndar de cada valor individual representa en 11.62% del promedio
general. Si el error fuera cero, CV sera cero, el valor de F sera infinito y las diferencias entre medias
seran significativas; por lo cual las conclusiones seran muy confiables. En general, cuanto ms pequeo
es CV mayor confiabilidad hay en los datos colectados. Un alto valor de CV sugiere escasa confianza,
tanto en el manejo como en la recoleccin de los valores individuales y en la variacin dentro de una
muestra.




18
La tcnica de ANAVA, como se ha descrito, es descrito, es aplicable en diversas situaciones, incluso
cuando el nmero de causas parciales en que se pueden partir la variacin total y el nmero de muestras (o
tratamientos) estudiadas, sea mayor, siguiendo los conceptos tericos descritos.

COMPARACIN DE PROMEDIOS
Cada promedio (

). Estima a una de poblaciones reales o hipotticas. La prueba de F indica

que todas las medidas, o al menos dos de ellas, son diferentes.
La relacin de varianzas o prueba de F indica realmente que la variabilidad entre las muestras (o,
refirindose a experimentos, entre los tratamientos) no se bebe al azar, sino a ciertas causas biolgicas o
ecolgicas, lo cual es equivalente a decir que las diferencias son significativas entre las medias de las
poblaciones, estimadas por las medias de las muestras. Sin embargo, la prueba F indique diferencias en el
conjunto, pero un par en particular sea igual.

Con los datos del anlisis de varianza se hacen las pruebas de significancia de las diferencias, o las
comparaciones entre las medias de las muestras. Para ello existen varios mtodos. En este libro se
expondrn los siguientes:

1. Prueba de Turkey.
2. Prueba de Duncan (t mltiple).
3. Prueba de t de Student, considerando esta dos casos:
a) El clculo de la DMS y
b) Las comparaciones independientes.
4. Comparaciones ortogonales.
Prueba de Tukey
Este mtodo se emplea para hacer todas las comparaciones mltiples que son posibles con a muestras (o
tratamientos).
Nmero de comparaciones mltiples =

o de diferencias entre a muestras
En el ejemplo de las cuatro muestras del peso al nacer de 80 nios, tomadas en los cuatro hospitales, tenemos:
Conchita

= 3.6770 kg;
San Jos

=3.4395 kg;
IMSS

= 3.7070 kg;
Civil

= 3.1750 kg.






19


Numero de comparaciones o diferencias =

= 6

1.

; 4.

;
2.

; 5.

3.

; 6.

El mtodo consiste en el siguiente proceso:
A. Ordenar los promedios por su magnitud creciente o decreciente.
B. Calcular un valor terico comn o diferencia mnima significativa mediante la aplicacin de la frmula:
W = q

S
En donde:
...= error estndar de la media =

= CM o varianza de error experimental;
n = nmero de observaciones, repeticiones o valores para calcular las medias,
= valor tabular (vase la tabla 6 de apndice), que es un valor de t modificado.

El valor de q se encuentra en la tabla con el nmero a de muestras, GL de error y, para el nivel de
significancia, .

C. Si D (diferencia entre medias) q

S , la diferencia se debe considerar significativa o altamente

significativa si adems = 0.05 o si = 0.01, respectivamente. En caso contrario, las medias se deben
considerar iguales o equivalentes, o la diferencia observada estima a cero y, por lo tanto, es
estadsticamente no significativa.

D. Clasificar, aplicando la regla siguiente: dos medias cualesquiera subrayadas por la misma lnea son
iguales, o la diferencia entre ellas no es significativa. Cuando dos medias no estn subrayadas por la
misma lnea, la diferencia de ellas es significativa.

Aplicacin

Muestra IMSS Conchita San Jos

Civil

% relativo
3.677
116.8

3.4395
115.8

3.707
108.3

3.175
100


Clasificacin






20
W = q
0.05(4,36)
S = 3.79 x

= 0.488;

= 0.1655;
n = 10, = 4, GL
error
= 36;

D
1
= 3.707 - 3.175 = 0.532 > W = 0.488*;

D
2
= 3.707 - 3.4395 = 0.2675> W = 0.488
NS
;

D
3
= 3.707 - 3.677 = 0.03 > W = 0.488
NS
;

D
4
= 3.677 - 3.175 = 0.502 > W = 0.488*;

D
5
= 3.677 - 3.4395 = 0.238 > W = 0.488
NS
;

D
6
= 3.4395 - 3.175 = 0.2645 > W = 0.488
NS
;


Conclusiones
1. Hay diferencia entre el peso de los nios nacidos en el Hospital Civil y el de los nios nacidos en
los otros tres hospitales estudiados.
2. 2. No hay diferencia entre el peso de los nios nacidos en el Hospital San Jos y el Civil.
3. En promedio, los nios nacidos en el hospital Conchita y en el IMSS pesan 16% y 15% ms,
respectivamente, que los nios nacidos en el hospital Civil.

Resulta ms prctico construir, con los promedios, el tringulo de la tabla 5.6 y aplicar el artificio que se
describe a continuacin.








A. Los valores de la diagonal siempre son cero.



Promedios
(Orden creciente)

IMSS Conchita
3.707 3.677

San Jos Civil
3.4395 3.175

= 3.175

= 3.4395

= 3.677

= 3.707
*0.5320 *0.502 0.26445 0
0.2675 0.238 0


0.0300 0 W = 0.488 kg


0



21
B. La diferencia arriba de la lnea gruesa y/o con asterisco son significativas, en tanto que las
diferencias abajo de dicha lnea y sin asterisco no son significativas, pues sus valores son
menores de 0.488 kg.



Prueba de Duncan
La prueba de Duncan (con t mltiple) o de rango mltiple, tambin conocida como prueba de Student
modificada o de t modificada (ver la tabla 7 de apndice), permite hacer las comparaciones mltiples
posibles con a promedios, conforme a la frmula:

Esta prueba se utiliza cuando el nmero de muestras (o tratamientos) o de promedios es considerable (a
6) , y cuando la prueba F (del ANAVA) no sea significativa, pero est cerca del valor significancia. Se le
llama tambin prueba t mltiple, o de t modificada porque se utiliza un valor de t tabulado por Duncan
para =0.05 y =0.01, segn el lugar en que est colocado un promedio, previamente ordenado, y
considerando el nmero de grados de libertad de error. Los tericos dicen que es una prueba aproximada,
el valor de vara, y que la nica ventaja es la facilidad de aplicacin. Mi experiencia indica, que los
artificios son menos eficientes que el buen juicio cuidados, precaucin en el proceso del experimento y un
manejo sobresaliente con dedicacin en la toma de datos, mediciones y cautela en la decisiones, nada,
absolutamente nada, sustituye a los valores reales sin duda, pero hay que usarlos con cautela.
Ejemplo
n = 5; GL
error
= 20; a = 6; = 0.05, CM =

= 47.16
Muestra A B C D E F
38.0 19.2 27.4 47.6 16.6 29.8

Proceso
1. Ordenar en serie el valor de los promedios de cada muestra de acuerdo con su magnitud creciente
o decreciente.
Muestra D A F C B E
47.6 38.0 29.8 27.4 19.2 16.6

2. Calcular un lmite de significancia (LS) para cada par de medias que se comparan, considerandosu
posicin en la serie y el nmero de dichas medias que separan en ella a las dos que comparadas, o
bien, considerando el nmero de promedios incluidos en el rango. Por ejemplo, en la serie
anterior:

Entre D y A hay dos medias;
Entre D y A hay tres medias;



22
Entre D y C hay cuatro medias;
etc.


Entre A y F hay dos medias;
Entre A y C hay tres medias;
Entre A y B hay cuatro medias;
etc.

Entre F y C hay dos medias;
Entre F y B hay tres medias;
Entre F y E hay cuatro medias
etc.


Para calcular LS se usa la frmula
LS= t mltiple S ,
En donde
t= t mltiple obtenida de las tablas de Duncan para = 0.05 o bien = 0.01, con GLerror. (20 en
el ejemplo) y con el nmero de medias que separan a las medias que se estn comparando;

=error estndar de la media=

=CM para el error calculado en el ANAVA,

n= nmero de repeticiones o de observaciones en cada muestra.

Si se comparan los promedios de D E , como entre tales promedios hay 6 medias que los separan,
entonces:

LS = t
0.05(6,20)
S = 3.3 x

= 10.13.
Regla: Dos medidas son consideradas diferentes si su diferencia es igual o mayor que LS
calculado. En caso contrario, deben ser consideradas estadsticamente iguales o equivalentes.

Muestra D E
47.6 16.6 = 31.0 > 10.13




23

De aqu que las muestras son diferentes o las diferencia son significativas, con un riesgo de error que tiene
una p < 5% de ocurrir.
3. Como = 6, habr

= 15 diferencias, que se pueden comparar construyendo las siguientes

tablas. Dichas tablas son formas usuales y comunes del clculo.



S-
x
=

= 3.07

Numero de en el rango
t para: 2 3 4 5 6

t
multiple
de tablas
= 0.05 y GL
error
= 20 2.95 3.1 3.18 3.25 3.30
S 3.07 3.07 3.07 3.07 3.07
LS 9.06 9.52 9.75 9.98 10.13

Haciendo el mismo artificio descrito para el mtodo de tukey, tenemos la tabla 5.8.
Ahora se clasifican los promedios conforme a la regla de subrayar medias de muestras iguales.



Muestra D A F C B E

47.6 38.0 29.8 27.4 19.2 16.6

Clasificacin





Tabla 5.8 Diferencia entre y LS





(Orden creciente)

D A F C B E
38.0 47.6 29.8 27.4 19.2 16.6
E 16.6
LS
31.0* 21.4* 13.2* 10.8* 2.6 0
10.13 9.98 9.76 9.52 9.06
28.4* 18.8* 10.6* 8.2
NS
0



24
B 19.2
LS
C 27.4
LS
F 29.8
LS
A 38.0
LS
D 47.6
9.98 9.76 9.52 9.06
20.2* 10.6* 2.4
NS
0
9.76 9.52 9.06
17.8* 8.2
NS
0
9.52 9.06
9.6* 0
9.06
0


Observacin

En general, Tukey es ms estricto en su clasificacin; 5% de Tukey es casi igual a 1% de Duncan. (Se
sugiere hacer la comparacin.)

Prueba de Student o det

Los tericos dicen que la prueba de t solo es aplicable cuando se tienen dos tratamientos o
promedios por comprobar (a = 2). Para mayor nmero no es recomendable porque aumenta el error
llamado tipo I. Es el caso que ya se discuti con la prueba de Dumian. No obstante, por su facilidad y con
sus riesgos relativos se les da la descripcin del mtodo; el estudiante o el investigador debe conocerlo y
aplicarlo cuando lo juzgue necesario.

1. Calculo de la DMS, que se utiliza para hacer las comparaciones mltiples siguiendo el proceso
siguiente:

A. Ordenar, como en las pruebas anteriores, los promedios de acuerdo con su magnitud creciente
o decreciente.
B. Calcular un valor terico comn, conocido como diferencia mnima significativa y
simbolizada por DMS, este valor es usado para todas las comparaciones.


DMS = t
GLerror
x

El valor de t se obtiene de las tablas de la distribucin de t de Student, considerando el nivel de
significancia y GL del error. (Ver tabla 4 del apndice)

Dos promedios son estadsticamente distintos si su diferencia es mayor o igual a la de DMS comn
calculada:
D
|x1-x2|
DMS*




25
Dos promedios son estadsticamente iguales( su diferencia estima a 0), si su diferencia es menor que la
DMS terica comn:

D
|x1-x2|
DMS
NS

Ejemplo
Aplicando los valores para el caso descrito en la prueba de Duncan:

Muestras D A F C B E
47.6 38.0 29.8 27.4 19.2 16.6

DMS = t
0.05(20)

= 2.086 x 4.34 = 9.06

Observaciones
El valor de DMS= 9.06 corresponde al valor de LS para Duncan cuando se consideran dos promedios en
el rango obtenido despus de ordenar.

C. Calcificar como en la pruebas de Tukey y Duncan, subrayando promedios iguales.


En el ejemplo que se acaba de describir, haciendo uso del LS de la tabla de diferencias entre promedios, se
tiene:


Muestra D A F C B E

47.6 38.0 29.8 27.4 19.2 16.6

Clasificacin




2. Comparaciones independientes. Se dice que las comparaciones son independientes cuando cada
media aparece nicamente en una comparacin; aunque puede aparecer varias veces en un grupo
o en un conjunto como miembro de dicho grupo o conjunto. Estas comparaciones independientes
se llaman tambin planeadas u ortogonales y se disean segn las necesidades de cada
investigador. El nmero de comparaciones independientes es igual aa-1 o GL del nmero de
muestras. Varios juegos de comparaciones se pueden planear. En el ejemplo de los nios de los
cuatro hospitales, se tiene:
3.

Hospital

1
Conchita

2
San Jos

3
IMSS

4
Civil
3.677 3.4395 3.707 3.175

Donde a= 4, por lo que hay a - 1= 3 comparaciones ( c) independientes.
Un juego de dichas comparaciones puede ser:



26

c
1:

1-

2=

Otro juego completamente diferente puede ser:

Como es de suponer, un juego excluye al otro.
El mtodo consiste en calcular una DMS para cada comparacin o un valor de t para cada comparacin.

Aplicacin

Para el caso del segundo juego planeado:

DMS= t
GLerorr

T
0.05(36)=
2.03

(El valor 2.03 se tom de tablas; para 35 GL.)

S
2
=CM
error
= 0.1655;

n
1
= 3x 10 = 30, n
2 =
10


Para c
1
:
DMS= 2.03

27

D= 0.433> DMS = 0.302*

t =

t =

t = 2. 916 > t
0.05 (36)
= 2.03*
Calculada tabular
La primera conclusin sera que, en promedio, el paso al nacer de los nios de Hospital Civil es
significativamente menor que el peso promedio de los nios nacidos en los otros hospitales. Similarmente
se hacen las clculos para las otras 2 comparaciones planeadas, teniendo cuidado de usar el denominador
apropiado al calcular el error estndar de la diferencia.

Comparaciones ortogonales

Este mtodo es anlogo al anterior de comparaciones independientes. Las comparaciones que se hacen son
planeadas, pero el anlisis de varianza y la prueba de F se efectan aplicando las siguientes reglas:

1. Para la variacin entre muestras, GL y SC del anlisis de varianza se subdividen.
2. El nmero de comparaciones ortogonales es igual aa 1
3. Se hacen los clculos usando los valores totales o X
i
.

Veamos el ejemplo de los cuatro hospitales (tabla 5.4).

Muestra

Conchita


San Jos

IMSS

Civil
X
1
Total
36.77
T
1
34.395
T
2
37.07
T
3
31.75
T
4





Un juego de comparaciones puede ser Conchita, San Jos e IMSS vs. Civil:



28

c
1
=

T
4

o bien,
c
1:
T
1
+ T
2 +
T
3 +
T
4.

Otro juego de puede ser Conchita y San Jos vs. IMSS:

c
2
=

T
3
o bien,
c
2:
T
1
+ T
2
- 2T
3

Por ltimo, otro juego puede ser Conchita vs. San Jos:

C
3:
T
1
- T
2

Las cantidades anteriores (u otras de tipo similar) se llaman funciones lineales, para las cuales se cumple:
En la funcin lineal c
1,
los totales T
1
, T
2
, T
3
tienen un coeficiente de +1, T
4
tienen un coeficiente de
+1 y T
4
tiene un coeficiente de -3.
En la funcin lineal de c
2
, los totales T
1
, T
2
, T
3
tienen un coeficiente de +1 y T
3
tiene un coeficiente
de 1.
En la funcin lineal c
3
, el total T
1
tiene un coeficiente de +1
,
y T
2
tiene un coeficiente de 1.
Las comparaciones se realizan conforme a las siguientes reglas.

Regla 1. Cualquier funcin de la forma
L
1
T
1
+ L
2
T
2
+La Ta = c
Se llama comparacin si la suma de sus coeficientes es cero. En forma de sumatoria:

Para
c
1=
T
1
+ T
2 +
T
3
3T
4
,

los coeficientes son +1+1+1 - 3= 0;


para

c
2:
T
1
+ T
2 -
2T
3

los coeficientes son +1+1 2 = 0,
y por ltimo, para
c
3:
T
1
+ T
2
,
los coeficientes son +1 1 = 0,
lo que c
1
,c
2
yc
3
son comparaciones.




29
Regla 2. Si c es una de las comparaciones posibles, entonces la cantidad
SC
c
=

Es una componente de la suma de cuadrados de los datos (en este caso de los hospitales) o de las muestras,
y representa una comparacin con un grado de libertad. Aplicando esto con los valores numricos, se
tiene:
c
1=
T
1
+ T
2 +
T
3
3T
4
;
c
1
= (1 x 36.77) + (1 x 34.395) + (1 x 37.07) (3 x 31.75) = 12.985

Para obtener el valor de

, es conveniente ordenar los valores de L

i
de la siguiente manera:


L
1
= 1,

= 1;

L
2
= 1,

= 1;

L
3
= 1,

= 1;

L
4
= -3,

= 9;
__________________

= 0,

= 12;

Y, como n = 10 observaciones o repeticiones por muestra en cada hospital,

SC
1
=

= 1.4051;

GL = 1
Calculemos ahora el valor de la suma de cuadrados para la segunda comparacin de la serie.

c
2:
T
1
+ T
2
- 2T
3
;

c
2
= (1 x 36.77) + (1 x 34.395) - (2 x 37.07) = -2.975


Para obtener el valor de

:

L
1
= 1,

= 1;
L
2
= 1,

= 1;
L
3
= -2,

= 4;
__________________

= 0,

= 6;

De donde, recordando que n =10, se tiene:





30
SC
2
=

= 0.1475;
GL=1.





Similarmente, para la suma de cuadros de c
3
:

El valor correspondiente de

es:
L
1
= 1,

= 1;

L
2
= - 1,

= 1;
__________________

= 0,

= 2;

Por lo que
SC
3
=

= 0.2820;

GL = 1
Regla 3
Dos o ms comparaciones se llaman mutuamente ortogonales si la suma de producto de sus coeficientes
es igual a cero. Si en una comparacin una suma de algn o algunos de los valores de las muestras no
interviene en la comparacin, su coeficiente se toma como cero.
Con smbolos, la regla anterior queda expresada de la siguiente manera:

= 0.
Aplicando la regla 3 a c
1
y c
2
de la serie que hemos venido menejando:
C
1
= T
1
+T
2
+ T
3
- 3T
4
,
En donde los coeficientes son 1 + 1 + 1 3;



31
C
2
= T
1
+ T
2
- 2T
3
+ 0T
4
,
Con los coeficientes 1 + 1 2 + 0,

y, haciendo adecuadas, tenemos:
(1)(1) + (1) (1) + (1) + (-2) + (-3) (0),
1 + 1 2 + 0 = 0;

De aqu que c
1
y c
2
son ortogonales porque la suma del producto de sus coeficientes es igual a cero.
Regla 4 En a muestras (o en experimentos con a tratamientos), si a -1 comparaciones son mutuamente
ortogonales, entonces la suma de cuadrados de todas las a -1 comparaciones es igual a la suma de
cuadrados de las muestras.
SC
muestras
=

.
Aplicando esta frmula al ejemplo del anlisis de varianza de la tabla 5.5 se tiene:
SC
muestras
= 1.8349 = SC
1
+ SC
2
+ SC
3
;
= 1.8346 = 1.4051 + 0.1475 + 0.2820;
= 1.8346.
Conociendo SC de cada comparacin, se hacen las pruebas de F correspondientes, quedando finalmente
por hacer el anlisis de la tabla 5.5 como se muestra en la tabla 5.8.
Tabla 5.8. Anlisis de varianza y comparaciones ortogonales para el peso al nacer de los nios en
los 4 hospitales muestreados (Datos de las tablas 5.4 y 5.5)
Causas GL SC CM F F
0.05
F
0.01

Muestras
C
1
C
2
C
3
Error

(3)
2
1
1
1
36

(1.8346)
1
1.4051
01475
0.2820
5.9588

0.6115
1.4051
0.1475
0.2820
0.1655

3.695*
8.490**
0.891
NS
1.704
NS

2.84
4.08
4.08
4.08

4.31
7.31
7.31
7.31

1
Estas cifras se reparten e las 3 comparaciones.
Conclusiones
1. Los nios nacidos en el hospital Civil tienen un peso menos que aquellos nacidos en alguno de
los 3 hospitales muestreados.
2. No hay diferencia significativa entre el peso de los nios nacidos en el Hospital Civil con
respecto al de los nios nacidos en los otros 3 hospitales.
Observacin importante: cuando se tiene GL= 1 para cualquier causa de variacin, entonces:



32
t =
calculadacalculada
o bien,
t
2
=F
Cuando se plane el segundo juego de comparaciones independientes se obtuvo:

t = 2.916 (calculada)
Esta comparacin independiente es equivalente a la comparacin ortogonal de la tabla 5.8
Restos de hospitales vs Civil, con GL = en donde
F= 8.49 (calculada);
t
2
=2.916
2
= 8.50 F =8.49.
El estudiante ha de preguntarse: En la prctica, cul de los mtodos se debe seguir? La respuesta ser:
analizar y evaluar el que mejor responda a los resultados experimentales. Es necesario recordar que la
estadstica es una buena herramienta, pero su utilidad depende del buen juicio con que se le emplee; un
juicio razonado, un juicio razonado, lgico y meditado del investigador.

ANALISIS DE VARIANZA CON DIFERENTE NMERO DE REPETIONES
Aun cuando es deseable, se representan casos en los que 2 o ms muestras tienen diferente nmero de
observaciones o repeticiones. La metodologa de este anlisis con diferente nmero de repeticiones es la
misma que para el ANAVA, con ligeras modificaciones en las formulas.
Ejemplo
Supongamos 3 muestras en donde n
1
= 5, n
2
= 8, n
3
= 6 a= 3, i = 1, 2 y 3

Tabla 5.9. Una tabla para 3 muestras con diferente nmero de repeticiones
Muestras
1 2 3
X
11
X
12
X
13


X
14
X
15

X
21
X
22
X
23


X
24
X
25
X
26
X
31
X
32
X
33


X
34
X
35
X
36
X
ijjj
j



33

X
27
X
28

Sumas X
1.
X
2.
X
4.

a=3;


Tabla 5.10. ANAVA para 3 muestras con diferente nmero de repeticiones
Causas GL Clculos de SC
Muestras

Error

Total
a 1 =2

(diferencia) = 16

=18

FC
Diferencia

Proceso para calcular SC
1 . FC=

; X.. =

. :

2 SC
total
=

3 SC
muestras
=

FC = (

) FC

4 SC
error
= SC
total
SC
muestras.

Promedios
Erros estndar de la media

Ejemplo numrico
En un zoolgico se muestre la cantidad de alimento con sumido (en kg por dia) por ciervos adultos en
cada estacin del ao.



34
1 2 3 4
Febrero Mayo Agosto Noviembre

4.7
4.9
5.0
4.8
4.7

4.6
4.4
4.3
4.4
4.1
4.2

4.8
4.7
4.6
4.4
4.7
4.8

4.9
5.2
5.4
5.1
5.6
X
;
24.1
n
1
=5
26.0
n
2
=6
28.0
n
3
=6
26.2
n
4
=5
A. Probar la H
0
, que en este caso es que el consumo de alimento sea igual en las 4 estaciones.

A= 4; i = 1, 4;

= 22
X.. =

= 4.7 + 4.9 + +5.1 + 5.6 = 104.3

= 4.82

= 4.33

= 4.74

B. Clculo de SC

1. FC =

= 494.4768
2.

2
+ + 5.6
2
FC;
= 496.783 494.4768 = 2.9332.

3. SC
muestras
=

FC =

- FC

4. SC
error
= 2.9332 -2.3062 =0.627.

Tabla 5.12. ANAVA para los datos de la cantidad de alimento consumido por ciervos
X
ijjjj



35
Causas GL SC CM F F
0.05
F
0.01


Muestras
Error
Total

3
18
21

2.3062
0.6270
2.9332

0.769
0.035

22.0**

3.16

5.09

CV =

100 = 3.95 .

C. Prueba de Turkey:
W=
(

, GLerror)

= 4.82

= 4.33;

= 4.82 -4.33= 0.49;

q
0.05(4, 18)
= 3.98;

) =0.08

W = 3.98 0.08 = 0.32;

=0.49;

0.49 > 0.32*;

= 4.82 4.67 = 0.15< 0.32

NS
;

= 5.24 4.82 = 0.42 > 0.33*;

W = 3.98

) =0.33;

= 4.67 4.33 = 0.34 > 0.33*;

36
W = 3.98

) =0.30;

= 5.24 4.33 = 0.91 > 0.33*;

W = 3.98

) =0.32,

= 5.24 4.67 = 0.57 > 0.32*.

Resumen
Meses Noviembre Febrero Agosto Mayo

Clasificacin
5.4 4.82 4.67 4.33

Conclusin
En las condiciones de muestreo, los ciervos comen mayor cantidad de alimento en noviembre. Los datos
merecen confianza, ya que CV = 3.83%
ANALISIS DE VARIANZA CON CLASIFICACIN DOBLE O MLTIPLE
En los ANAVA ya descritos las muestras se clasificaron en atencin a un solo carcter. As, en el caso del
peso de los nios, las muestras se clasificaron considerando nicamente el hospital de origen de dichas
muestras. Si se considera, adems del hospital, el sexo, se tendrn una clasificacin doble. Para una mejor
descripcin consideramos el siguiente caso.

En la ciudad de Monterrey se muestrearon 12 hospitales. En cada uno se obtuvo una muestra del peso
al nacer 6 nias y 6 nias y se calcul el promedio en cada hospital para cada sexo; dicho promedio fue
considerado como la variable para estudiar la variacin entre hospitales y entre sexos. Los valores
obtenidos se anotan en la tabla 5.13.
Tabla 5.13. Promedio en kg del peso al nacer de los nios y las nias muestreado en cada uno de los
12 hospitales con seis nios de cada sexo
Sexo Suma
Hospital Nios Nias X
i.

1
2
3
4

5
6
7
8
9
10
11
3.50
3.516
3.418
3.400

3.586
3.403
3.492
3.460
3.877
3.225
3.058
3.183
3.307
3.528
3.066

3.672
3.325
3.158
3.025
3.412
2.900
3.117
6.933
6.823
6.946
6.466

7.258
6.728
6.650
6.485
7.289
6.125
6.175
3.467
3.412
3.473
3.233

3.629
3.364
3.325
3.243
3.645
3.063
3.088
Xij



37
12 3.175 2.958 6.133 3.067

X
. j

% relativo
41.360
3.447
107
38.651
3.221
100
X..80.011 .. 3.334



La variacin total puede clasificarse en:
a) Entre hospitales,
b) entre sexos
c) error.
En promedio,

= 3.334: los nios al nacer 3.334, sin considerar ni el sexo ni el hospital; pero hay
variacin entre los hospitales, de:
3.063 kg el nio de mayor peso,
3.645 kg el nio de mayor peso.
En general, los nios pesan en promedio 7% ms que las nias. Para evaluar la variacin y determinar
si la diferencia es por casualidad o si debida a factores biolgicos o ecolgico, es necesario hacer el
ANAVA
Proceso para calcular SC
a=12; i = 1,12; n = 2, j = 1, 2

1. FC =

= 266.74.
2. SC
total
=

FC = (3.75
2
+ + 2.958
2
) FC= 1.4916.
3. SC
hospitales
=

- FC =

FC= 0.9038.
4. SC
sexo
=

FC =

FC = 0.3058
5. SC
error
=SC
total
- (SC
hospitales
+ SC
sexo
) = 0.282.

Tabla 5.14. Ejemplo de tabla de ANAVA para clasificacin doble(a= 12 n=2; an= 14)

Causas

GL

SC

CM

F
En tablas
F
0.05
F
0.01




38
Hospitales
Sexo
Error
(a 1)
(n 1)
(a 1) (n 1)

11
1
11
0.9038
0.3058
0.2820

0.0822
0.3058
0.0256
3.21*
11.95**
2.82 4.46
4.84 9.65
Total (an 1) 23 1.4916

CV =

100 =

= 4.8%

Prueba de F o relacin de varianzas para la variacin entre hospitales:
F=

= 3.21 >F
0.05(11, 11)
= 2.82.
Para la variacin en sexo:
F=

= 11.95 >F
0.05(1, 11)
= 9.65.


Como se tiene GL= 1 para sexo
t =
calculada calculada
o bien,
t
2
= F
2

3.46;

t = 3.46; t
2
= 11.97; F= 11.95,
calculada calculada

en donde
t = 3.46 > t
0.01 (11)
= 3.106**




39
1. Calcular de DMS y el valor de t para las comparaciones c
2
y c
3
del juego planeado n la pgina 118
2. Hacer los mismos clculos en que en el ejercicio anterior para el primer juego planeado (pgina
118), de comparaciones independientes.
3. Calcular y probar la significancia para las comparaciones ortogonales del juego del ejercicio 2. t
compara a
4. Con datos de la tabla 5.2 tomar una muestra de n= 10 para el peso de las nias en los cuatro
hospitales, hacer el anlisis de varianza y comparar las medias de las muestras por todos los
mtodos descritos.
5. Hacer las comparaciones de Duncan y DMS y las comparaciones independientes para el ejemplo
de la pgina 120.
6. En un estudio sobre el efecto de maz y sorgo en pollos de engorde en Apodaca N.L., se obtuvo el
siguiente increment promedio en granos por da y por pollo:

Interpretar los resultados experimentales y hacer las conclusiones.

Pollo Mutante
opaco
Original
normal
Sorgo

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


49
30
26
53
27
39
41
38

34
4
41
19
19
36
29
36
33
34
32
39

31
34
28
27
43
24
18