ESTADISTICA INFERENCIAL Y DISEÑO DE EXPERIMENTOS

TALLER DE ANOVA

PROFESOR:
Luis Alfonso Peña Flores

ESTUDIANTES:
Paula Puerto 20161015
Yuly Castillo 20161015037

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

INGENIERIA INDUSTRIAL
MARZO 2019
BOGOTA D.C
 TALLER ANOVA

En la realización de este trabajo, el primer paso a seguir en cada uno de los puntos fue
verificar los supuestos de Normalidad en la población base de la cual fueron tomadas las
muestras; y el supuesto de independencia entre los datos, es decir, que las muestras
fueron extraídas de manera aleatoria. Posteriormente procedemos a hacer el ANOVA y
el análisis de este, teniendo en cuenta que:
Ho: Las µ son iguales (no hay diferencia entre factores)
H1: Las µ no son iguales (los factores difieren de manera significativa)

1. La empresa Chemitech, Inc.; dicha empresa elaboró un sistema de filtración para los
suministros de aguas municipales. Los componentes del sistema de filtración se
comprarían a varios proveedores y Chemitech armaría el sistema de filtración en su
fábrica en Columbia, Carolina del Sur. El grupo de ingenieros industriales era el
encargado de determinar el mejor método para armar el sistema de filtración. Después
de considerar varios métodos, quedaron sólo tres alternativas: el método A, el método
B y el método C. La diferencia entre estos métodos era el orden en los pasos para
armar el sistema.

MÉTODO
1 2 3
58 58 48
64 69 57
55 71 59
66 64 47
67 68 49
1. A
2. B
3. C

Solución:

Pruebas de normalidad
Método Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
*
Observaciones 1,00 ,249 5 ,200 ,892 5 ,368
2,00 ,251 5 ,200* ,915 5 ,497
3,00 ,305 5 ,145 ,830 5 ,140
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

 Para poder realizar el ANOVA se tiene encuentra el supuesto de si los datos

presentados se distribuyan normalmente.
  Ho: Los datos se distribuyen normalmente.
 H1: Los datos no se distribuyen con normalidad.
 Se establecen significancias prueba para analizar el supuesto: 0,05 para este
caso, es decir, que los datos tienen una confianza de 95%.
 Dado que el conjunto de datos es menor a cincuenta (50), se considera el estudio
de Shapiro-Wilk; por lo anterior se observa en la última columna (de izquierda a
derecha) que los valores “sig.”, es decir, nivel de significancia, son mayores a la
significancia establecida para la realización del ejercicio.
 Con base a la premisa anterior se afirma que los datos se distribuyen
normalmente.
 Siguiendo con el análisis, no se rechaza la hipótesis nula.
 Se observa una peculiaridad en cuanto a si se tomará una significancia menor,
como por ejemplo del 0,01 (confianza del 99%) o del 0,02 (confianza del 98%) o
del 0,1 (confianza del 90%), los datos siguen distribuyéndose con normalidad
porque los valores obtenidos por la tabla son mayores a los que se toman por
ejemplo como significancia.

Prueba de homogeneidad de varianza

Estadístico df1 df2 Sig.
de Levene
Observaciones Se basa en la ,200 2 12 ,821
media
Se basa en la ,029 2 12 ,971
mediana
Se basa en la ,029 2 11,543 ,971
mediana y con gl
ajustado
Se basa en la ,191 2 12 ,828
media recortada

 El supuesto analizado es la homogeneidad de varianzas, es decir:

 Ho: Los datos tienen varianzas iguales.
 H1: Los datos no tienen varianzas iguales.
 Para esta prueba se observan los datos que arroja la tabla basada en la media.
 Con base en lo anterior el “sig.” Es mayor ala significancia tomada, de 0,05.
 Podemos afirmar que las varianzas son iguales y por consiguiente el estudio
ANOVA se puede realizar.
 Si se tomaran niveles de significancia menores al ejemplo encontramos que las
varianzas no pierden su homogeneidad.
 Concluimos que no se rechaza la hipótesis nula.

Prueba de rachas
Método Observaciones
a
1,00 Valor de prueba 62,0000
 Casos < Valor de prueba 2
Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 4
Z ,109
Sig. asintótica (bilateral) ,913
2,00 Valor de pruebaa 66,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 4
Z ,109
Sig. asintótica (bilateral) ,913
3,00 Valor de pruebaa 52,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 2
Casos totales 5
Número de rachas 3
Z ,000
Sig. asintótica (bilateral) 1,000
a. Media

 El estudio de Rachas permite evaluar si los datos son tomados aleatoriamente, es

decir, si existe independencia estadística.
 Ho: Los datos fueron tomados aleatoriamente.
 H1: Los datos no fueron tomados aleatoriamente.
 El “sig.” Es mayor en el conjunto de los tres (3) grupos evaluados al nivel de
significancia de 0,05 tomado; por lo cual se afirma que si hay independencia
estadística.
 La hipótesis nula no se rechaza, es decir, que los datos fueron tomados
aleatoriamente.

Observaciones
HSD Tukey
Método N Subconjunto para alfa = 0.05
1 2
3,00 5 52,0000
1,00 5 62,0000
2,00 5 66,0000
Sig. 1,000 ,482
Se visualizan las medias para los grupos en los subconjuntos homogéneos.
a. Utiliza el tamaño de la muestra de la media armónica = 5,000.

 Esta prueba ayuda a mirar si las medias de los grupos evaluados se parecen.
 Entre las opciones que se dan para la comparación de medias entre grupos se
escoge la de Turkey.
 Se observa que el método 1 y el método 2 tienen una media muy parecida porque
el valor “sig.” Es mayor al nivel de significancia tomado.
 Aunque e método 3 presenta homogeneidad de medias con los otros métodos,
este valor no se parece tanto en comparación al parecido entre método 2 y 1.

Comparaciones múltiples
Variable dependiente: Observaciones
HSD Tukey
(I) (J) Diferencia Error Sig. 95% de intervalo de
Método Método de medias estándar confianza
(I-J) Límite Límite
inferior superior
1,00 2,00 -4,00000 3,36650 ,482 -12,9814 4,9814
*
3,00 10,00000 3,36650 ,029 1,0186 18,9814
2,00 1,00 4,00000 3,36650 ,482 -4,9814 12,9814
*
3,00 14,00000 3,36650 ,004 5,0186 22,9814
*
3,00 1,00 -10,00000 3,36650 ,029 -18,9814 -1,0186
*
2,00 -14,00000 3,36650 ,004 -22,9814 -5,0186
*. La diferencia de medias es significativa en el nivel 0.05.

 Siguiendo con las comparaciones de medias entre los grupos estudiados, la tabla
anterior muestra que tanto se parecen en medias teniendo como base todas las
combinaciones posibles.
 Método 1:
 El valor “sig.” Es mayor que la significancia tomada para el método 2, es
decir que estos dos métodos tienen una media parecida.
 Al comparar con el método 3 se ve que “sig.” Es menor a la significancia de
0,05, lo que concluye que estos dos métodos no se parecen o tiene medias
muy alejadas en comparación.
 Método 2:
 El valor “sig.” Que corresponde a 0,482 es mayor que la significancia
tomada para el método 1, es decir que estos dos métodos tienen una media
parecida.
 Al comparar con el método 3 se ve que “sig.” Es menor a la significancia de
0,05, lo que concluye que estos dos métodos no se parecen o tiene medias
muy alejadas en comparación.
 Método 3:
 El valor “sig.” Es menor que la significancia tomada para el método 1, es
decir que estos dos métodos no tienen una media parecida. Así mismo
sucede con el método 2 con el cual tampoco tiene media parecida.
  Al comparar con el método 2 y el método 1 podemos darnos cuenta que la
media se parece más con el método 1 que con el 2, dado que el valor de
“sig” se acerca más al nivel de significancia escogido que el valor de “sig”
del método 2.

ANOVA
Suma de gl Media F Sig.
cuadrados cuadrática
Entre grupos 520,000 2 260,000 9,176 ,004
Dentro de grupos 340,000 12 28,333
Total 860,000 14

Análisis y premisas finales.

 La ANOVA compara lo que sucede entre los grupos y dentro de los grupos.
 F (0,05) (2,12) = 3,89
Fo = 9,176
Fo > F Entonces Se rechaza Ho
Es decir que las medias entre los métodos de fabricación son por lo menos una de
ellas diferente. En este caso podemos darnos cuenta de que el método 3 tiene una
media bastante diferente de la media de los otros 2 métodos.
 Podemos ver que el “Sig”, es decir el P-valor es menor que el nivel de significancia
tomado para este ejercicio, por lo tanto, se rechaza la Ho

2. Los datos siguientes se obtuvieron de un diseño completamente aleatorizado.

TRATAMIENTO
1 2 3
162 142 126
142 156 122
165 124 138
145 142 140
148 136 150
174 152 128
4. A
5. B
6. C

Solución:

Pruebas de normalidad
Tratamientos Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Observaciones 1,00 ,234 6 ,200* ,915 6 ,470
2,00 ,167 6 ,200* ,958 6 ,803
 3,00 ,216 6 ,200* ,943 6 ,684
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

 Encontrando un conjunto de datos menor a cincuenta (50), se considera el estudio

de Shapiro-Wilk; por lo anterior se observa en la última columna (de izquierda a
derecha) que los valores “sig.”, es decir, nivel de significancia, son mayores a la
significancia puesta como ejemplo.
 Los valores que se tienen en cuenta son 0,47; 0,803; 0,684 para los tratamientos
1, 2 y 3 respectivamente.
 Para poder realizar el ANOVA se tiene encuentra el supuesto de si los datos
presentados se distribuyan normalmente.
 H0: Los datos se distribuyen normalmente.
 H1: Los datos no se distribuyen con normalidad.
 Se establecen significancias prueba para analizar el supuesto: 0,05 para este
caso, es decir, que los datos tienen una confianza de 95%.
 Con base a la premisa anterior se afirma que los datos se distribuyen
normalmente.
 Siguiendo con el análisis, no se rechaza la hipótesis nula.
 Se observa una peculiaridad en cuanto a si se tomará una significancia menor,
como por ejemplo del 0,01 (confianza del 99%) o del 0,02 (confianza del 98%) o
del 0,1 (confianza del 90%), los datos siguen distribuyéndose con normalidad
porque los valores obtenidos por la tabla son mayores a los que se toman por
ejemplo como significancia.

Prueba de homogeneidad de varianza

Estadístico df1 df2 Sig.
de Levene
Observaciones Se basa en la ,476 2 15 ,630
media
Se basa en la ,464 2 15 ,637
mediana
Se basa en la ,464 2 12,078 ,640
mediana y con gl
ajustado
Se basa en la ,465 2 15 ,637
media recortada

 El supuesto analizado es la homogeneidad de varianzas, es decir:

 H0: Los datos tienen varianzas iguales.
 H1: Los datos no tienen varianzas iguales.
 Para esta prueba se observan los datos que arroja la tabla basada en la media.
 Con base en lo anterior el “sig.” Que corresponde a 0,630 es mayor a la
significancia tomada, de 0,05.
  Podemos afirmar que las varianzas son iguales y por consiguiente el estudio
ANOVA se puede realizar.
 Si se tomaran niveles de significancia menores al ejemplo encontramos que las
varianzas no pierden su homogeneidad.
 Concluimos que no se rechaza la hipótesis nula.

Prueba de rachas
Tratamientos Observaciones
1,00 Valor de pruebaa 156,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 3
Casos totales 6
Número de rachas 5
Z ,456
Sig. asintótica (bilateral) ,648
2,00 Valor de pruebaa 142,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 4
Casos totales 6
Número de rachas 5
Z ,884
Sig. asintótica (bilateral) ,377
3,00 Valor de pruebaa 134,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 3
Casos totales 6
Número de rachas 3
Z -,456
Sig. asintótica (bilateral) ,648
a. Media

 El estudio de Rachas permite evaluar si los datos son tomados aleatoriamente, es

decir, si existe independencia estadística.
 H0: Los datos fueron tomados aleatoriamente.
 H1: Los datos no fueron tomados aleatoriamente.
 El “sig.” en el conjunto de los tres (3) grupos evaluados son 0,648; 0,377; 0,648
respectivamente. Y dichos valores son mayores al nivel de significancia de 0,05
tomado; por lo cual se afirma que si hay independencia estadística.
 La hipótesis nula no se rechaza, es decir, que los datos fueron tomados
aleatoriamente.

Observaciones
HSD Tukey
Tratamientos N Subconjunto para alfa = 0.05
1 2
3,00 6 134,0000
2,00 6 142,0000 142,0000
1,00 6 156,0000
Sig. ,476 ,127
Se visualizan las medias para los grupos en los subconjuntos homogéneos.
a. Utiliza el tamaño de la muestra de la media armónica = 6,000.

 Esta prueba ayuda a mirar si las medias de los grupos evaluados se parecen.
 Entre las opciones que se dan para la comparación de medias entre grupos se
escoge la de Turkey.
 Se observa que el tratamiento 1 y el tratamiento 2 tienen unas medias muy
parecida porque el valor “sig.” Es mayor al nivel de significancia tomado.
 Se observa que el tratamiento 2 y el tratamiento 3 tienen una media muy parecida
porque el valor “sig.” Es mayor al nivel de significancia tomado.

Comparaciones múltiples
Variable dependiente: Observaciones
HSD Tukey
(I) (J) Diferencia Error Sig. 95% de intervalo de
Tratamientos Tratamientos de medias estándar confianza
(I-J) Límite Límite
inferior superior
1,00 2,00 14,00000 6,71648 ,127 -3,4459 31,4459
*
3,00 22,00000 6,71648 ,013 4,5541 39,4459
2,00 1,00 -14,00000 6,71648 ,127 -31,4459 3,4459
3,00 8,00000 6,71648 ,476 -9,4459 25,4459
*
3,00 1,00 -22,00000 6,71648 ,013 -39,4459 -4,5541
2,00 -8,00000 6,71648 ,476 -25,4459 9,4459
*. La diferencia de medias es significativa en el nivel 0.05.

 Siguiendo con las comparaciones de medias entre los grupos estudiados, la tabla
anterior muestra que tanto se parecen en medias teniendo como base todas las
combinaciones posibles.
 Tratamiento 1:
 El valor “sig.” Es mayor que la significancia tomada para el tratamiento 2,
es decir que estos dos tratamientos tienen una media parecida.
 Al comparar con el método 3 se ve que “sig.” Es menor a la significancia de
0,05, lo que concluye que estos dos tratamientos no se parecen o tiene
medias muy alejadas en comparación.
 Tratamiento 2:
 El valor “sig.” Que corresponde a 0,127 es mayor que la significancia
tomada para el tratamiento 1, es decir que estos dos tratamientos tienen
una media parecida.
  Al comparar con el tratamiento 3 se ve que “sig.” Es mayor a la significancia
de 0,05, lo que concluye que estos dos tratamientos se parecen o tiene
medias cercanas en comparación.
 Tratamiento 3:
 El valor “sig.” Es menor que la significancia tomada para el tratamiento 1,
es menor a la significancia de 0,05 es decir que estos dos tratamientos no
tienen una media parecida.
 El valor “sig.” Que corresponde a 0,476 es mayor que la significancia
tomada para el tratamiento 2, es decir que estos dos tratamientos tienen
una media parecida.

ANOVA
Datos
Suma de gl Media F Sig.
cuadrados cuadrática
Entre grupos 1488,000 2 744,000 5,498 ,016
Dentro de 2030,000 15 135,333
grupos
Total 3518,000 17

 F (0,05) (2,15) = 3,68

Fo = 5,498
Fo > F Entonces Se rechaza Ho
Es decir que las medias entre los métodos de fabricación son por lo menos una de
ellas diferente. En este caso vemos que la media del tratamiento 3 es más parecida
a la del tratamiento 2, que la del 2 a la del tratamiento 1.
 Podemos ver que el “Sig”, es decir el P-valor es menor que el nivel de significancia
tomado para este ejercicio, por lo tanto, se rechaza la Ho

3. Realice los cálculos del análisis de varianza para el siguiente diseño

completamente aleatorizado. Con α=0.05, ¿La diferencia entre las medias de
tratamiento es significativa?

TRATAMIENTO
1 2 3
136 107 92
120 114 82
113 125 85
107 104 101
131 107 89
114 109 117
129 97 110
102 114 120
104 98
89 106
 1. A
2. B
3. C

Solución:

Pruebas de normalidad
Tratamiento Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Observaciones 1,00 ,170 8 ,200* ,953 8 ,744
2,00 ,180 10 ,200* ,969 10 ,883
3,00 ,128 10 ,200* ,956 10 ,740
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

 Se establecen significancias prueba para analizar el supuesto: 0,05 para este

caso, es decir, que los datos tienen una confianza de 95%.
 El conjunto de datos es menor a cincuenta (50) por lo cual el estudio de Shapiro-
Wilk esel que debe usarse; por lo anterior se observa en la última columna (de
izquierda a derecha) que los valores “sig.”, es decir, nivel de significancia, son
mayores a la significancia puesta como ejemplo.
 Los valores que se tienen en cuenta son 0,744; 0,883; 0,740 para los tratamientos
1, 2 y 3 respectivamente.
 Para poder realizar el ANOVA se tiene encuentra el supuesto de si los datos
presentados se distribuyan normalmente.
 H0: Los datos se distribuyen normalmente.
 H1: Los datos no se distribuyen con normalidad.
 Con base a la premisa anterior se afirma que los datos se distribuyen
normalmente.
 Siguiendo con el análisis, no se rechaza la hipótesis nula.
 Se observa una peculiaridad en cuanto a si se tomará una significancia menor,
como por ejemplo del 0,01 (confianza del 99%) o del 0,02 (confianza del 98%) o
del 0,1 (confianza del 90%), los datos siguen distribuyéndose con normalidad
porque los valores obtenidos por la tabla son mayores a los que se toman por
ejemplo como significancia.

Prueba de homogeneidad de varianza

Estadístico df1 df2 Sig.
de Levene
Observaciones Se basa en la media 1,069 2 25 ,358
Se basa en la mediana 1,035 2 25 ,370
 Se basa en la mediana y 1,035 2 24,839 ,370
con gl ajustado

Se basa en la media 1,069 2 25 ,358

recortada

 Para esta prueba se observan los datos que arroja la tabla basada en la media, es
decir, que el valor para tener en cuenta es 0,358.
 El supuesto analizado es la homogeneidad de varianzas, es decir:
 H0: Los datos tienen varianzas iguales.
 H1: Los datos no tienen varianzas iguales.
 Con base en lo anterior el “sig.” Es mayor ala significancia tomada, de 0,05.
 Podemos afirmar que las varianzas son iguales y por consiguiente el estudio
ANOVA se puede realizar.
 Si se tomaran niveles de significancia menores al ejemplo encontramos que las
varianzas no pierden su homogeneidad.
 Concluimos que no se rechaza la hipótesis nula.

Prueba de rachas
Tratamiento Observaciones
1,00 Valor de pruebaa 119,0000
Casos < Valor de prueba 4
Casos >= Valor de prueba 4
Casos totales 8
Número de rachas 6
Z ,382
Sig. asintótica (bilateral) ,703
2,00 Valor de pruebaa 107,0000
Casos < Valor de prueba 4
Casos >= Valor de prueba 6
Casos totales 10
Número de rachas 6
Z ,000
Sig. asintótica (bilateral) 1,000
3,00 Valor de pruebaa 100,0000
Casos < Valor de prueba 5
Casos >= Valor de prueba 5
Casos totales 10
Número de rachas 6
Z ,000
Sig. asintótica (bilateral) 1,000
a. Media
  El “sig.” de los tres (3) grupos evaluados- tratamientos- son 0,703; 1,000; 1,000
respectivamente. Y dichos valores son mayores al nivel de significancia de 0,05
tomado; por lo cual se afirma que si hay independencia estadística.
 El estudio de Rachas permite evaluar si los datos son tomados aleatoriamente, es
decir, si existe independencia estadística.
 H0: Los datos fueron tomados aleatoriamente.
 H1: Los datos no fueron tomados aleatoriamente.
 La hipótesis nula no se rechaza, es decir, que los datos fueron tomados
aleatoriamente.

Observaciones
HSD Tukey
Tratamie N Subconjunto para alfa = 0.05
nto 1 2
3,00 10 100,0000
2,00 10 107,0000 107,0000
1,00 8 119,0000
Sig. ,420 ,092
Se visualizan las medias para los grupos en los subconjuntos homogéneos.
a. Utiliza el tamaño de la muestra de la media armónica = 9,231.
b. Los tamaños de grupo no son iguales. Se utiliza la media armónica de los tamaños de
grupo. Los niveles de error de tipo I no están garantizados.

 Esta prueba ayuda a mirar si las medias de los grupos evaluados se parecen.
 Entre las opciones que se dan para la comparación de medias entre grupos se
escoge la de Turkey.
 Se observa que el tratamiento 1 y el tratamiento 2 tienen unas medias muy
parecida porque el valor “sig.” Es mayor al nivel de significancia tomado, sin
embargo, no son tan parecidas, porque el valor de la significancia es mas cercano
a 0,05 que entre el tratamiento 2 y 3.
 Se observa que el tratamiento 2 y el tratamiento 3 tienen una media muy parecida
porque el valor “sig.” Es mayor al nivel de significancia tomado.

Comparaciones múltiples
Variable dependiente: Observaciones
HSD Tukey
(I) (J) Diferencia Error Sig. 95% de intervalo de
Tratamiento Tratamiento de medias estándar confianza
(I-J) Límite Límite
inferior superior
1,00 2,00 12,00000 5,58032 ,100 -1,8996 25,8996
3,00 19,00000* 5,58032 ,006 5,1004 32,8996
2,00 1,00 -12,00000 5,58032 ,100 -25,8996 1,8996
 3,00 7,00000 5,26118 ,392 -6,1047 20,1047
*
3,00 1,00 -19,00000 5,58032 ,006 -32,8996 -5,1004
2,00 -7,00000 5,26118 ,392 -20,1047 6,1047
*. La diferencia de medias es significativa en el nivel 0.05.

 Siguiendo con las comparaciones de medias entre los grupos estudiados, la tabla
anterior muestra que tanto se parecen en medias teniendo como base todas las
combinaciones posibles.
 Tratamiento 1:
 El valor “sig.” Es mayor que la significancia tomada para el tratamiento 2,
es decir que estos dos tratamientos tienen una media parecida.
 Al comparar con el tratamiento 3 se ve que “sig.” El valor “sig.” Es menor
que la significancia tomada en el ejercicio, es decir que estos dos
tratamientos no tienen una media parecida.
 Tratamiento 2:
 El valor “sig.” Que corresponde a 0,100 es mayor que la significancia
tomada para el tratamiento 1, es decir que estos dos tratamientos tienen
una media parecida.
 Al comparar con el método 3 se ve que “sig.” Es mayor a la significancia de
0,05, lo que concluye que estos dos tratamientos se parecen o tiene medias
cercanas en comparación.
 Tratamiento 3:
 El valor “sig.” Es menor que la significancia tomada para el tratamiento 1,
es menor a la significancia de 0,05 es decir que estos dos tratamientos no
tienen una media parecida.
 El valor “sig.” Que corresponde a 0,392 es mayor que la significancia
tomada para el tratamiento 2, es decir que estos dos tratamientos tienen
una media parecida.

ANOVA
Observaciones
Suma de cuadrados gl Media F Sig.
cuadrática
Entre grupos 1617,857 2 808,929 5,845 ,008
Dentro de grupos 3460,000 25 138,400

Total 5077,857 27
 F (0,05) (2,25) = 3,39
Fo = 5,845
Fo > F Entonces Se rechaza Ho
Es decir que las medias entre los tratamientos son por lo menos una de ellas
diferente. En este caso vemos que la media del tratamiento 3 es más parecida a
la del tratamiento 2, además vemos que el tratamiento 1 y 2 tienen un nivel de
significancia cercano a 0,05, es decir que sus medias no son tan parecidas.
  Podemos ver que el “Sig”, es decir el P-valor es menor que el nivel de significancia
tomado para este ejercicio, por lo tanto, se rechaza la Ho
 La diferencia entre las medias de tratamiento es significativa.

4. Para estudiar el efecto de la temperatura en el rendimiento de un proceso

químico, se produjeron cinco lotes con cada uno de los tres tratamientos. Los
resultados se presentan a continuación. Dé la tabla para el análisis de varianza.
Use a α=0.05 para probar si la temperatura afecta el rendimiento medio del
proceso.
TEMPERATURA
1 2 3
34 30 23
24 31 28
36 34 28
39 23 30
32 27 31
1. 50°C
2. 60°C
3. 70°C

Solución:

Pruebas de normalidad
Temperatura Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Observa 50,00 ,230 5 ,200* ,934 5 ,625
ciones 60,00 ,194 5 ,200* ,979 5 ,927
70,00 ,300 5 ,161 ,885 5 ,334
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

 Para poder realizar el ANOVA se tiene encuentra el supuesto de si los datos

presentados se distribuyan normalmente.
 H0: Los datos se distribuyen normalmente.
 H1: Los datos no se distribuyen con normalidad.
 Encontrando un conjunto de datos menor a cincuenta (50), se considera el estudio
de Shapiro-Wilk; por lo anterior se observa en la última columna (de izquierda a
derecha) que los valores “sig.”, es decir, nivel de significancia, son mayores a la
significancia puesta como ejemplo.
 Los valores que se tienen en cuenta son 0,625; 0,927; 0,334 para las temperaturas
de50°C, 60°C y 70°C respectivamente.
 Se establecen significancias prueba para analizar el supuesto: 0,05 para este
caso, es decir, que los datos tienen una confianza de 95%.
  Con base a la premisa anterior se afirma que los datos se distribuyen
normalmente.
 Siguiendo con el análisis, no se rechaza la hipótesis nula.
 Se observa una peculiaridad en cuanto a si se tomará una significancia menor,
como por ejemplo del 0,01 (confianza del 99%) o del 0,02 (confianza del 98%) o
del 0,1 (confianza del 90%), los datos siguen distribuyéndose con normalidad
porque los valores obtenidos por la tabla son mayores a los que se toman por
ejemplo como significancia.

Prueba de homogeneidad de varianza

Estadístico df1 df2 Sig.
de Levene
Observaciones Se basa en la media ,717 2 12 ,508
Se basa en la mediana ,449 2 12 ,649
Se basa en la mediana y ,449 2 9,623 ,651
con gl ajustado
Se basa en la media ,666 2 12 ,532
recortada

 Para esta prueba se observan los datos que arroja la tabla basada en la media, es
decir, que el valor para tener en cuenta es 0,508.
 Con base en lo anterior el “sig.” Es mayor ala significancia tomada, de 0,05.
 El supuesto analizado es la homogeneidad de varianzas, es decir:
 H0: Los datos tienen varianzas iguales.
 H1: Los datos no tienen varianzas iguales.
 Podemos afirmar que las varianzas son iguales y por consiguiente el estudio
ANOVA se puede realizar.
 Si se tomaran niveles de significancia menores al ejemplo encontramos que las
varianzas no pierden su homogeneidad.
 Concluimos que no se rechaza la hipótesis nula.

Prueba de rachas
Temperatura Observaciones
50,00 Valor de pruebaa 33,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 4
Z ,109
Sig. asintótica (bilateral) ,913
60,00 Valor de pruebaa 29,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 3
 Casos totales 5
Número de rachas 2
Z -,982
Sig. asintótica (bilateral) ,326
70,00 Valor de pruebaa 28,0000
Casos < Valor de prueba 1
Casos >= Valor de prueba 4
Casos totales 5
Número de rachas 2
Z -,204
Sig. asintótica (bilateral) ,838
a. Media

 El estudio de Rachas permite evaluar si los datos son tomados aleatoriamente, es

decir, si existe independencia estadística.
 H0: Los datos fueron tomados aleatoriamente.
 H1: Los datos no fueron tomados aleatoriamente.
 Se debe observar u comparar el valor “sig.” Que para este caso son 0,913; 0,326;
0,838 para las temperaturas de 50°C, 60°C y 70°C respectivamente.
 Se encontró que el valor “sig.” Es mayor en el conjunto de los tres (3) grupos
evaluados al nivel de significancia de 0,05 tomado; por lo cual se afirma que si hay
independencia estadística.913
 La hipótesis nula no se rechaza, es decir, que los datos fueron tomados
aleatoriamente.

Observaciones
HSD Tukey
Temperatura N Subconjunto para alfa = 0.05

1
70,00 5 28,0000
60,00 5 29,0000
50,00 5 33,0000
Sig. ,217
Se visualizan las medias para los grupos en los subconjuntos homogéneos.

a. Utiliza el tamaño de la muestra de la media armónica = 5,000.

 Esta prueba ayuda a mirar si las medias de los grupos evaluados se parecen.
  Entre las opciones que se dan para la comparación de medias entre grupos se
escoge la de Turkey.
 Se observa que la temperatura 50°C, 60°C y 70°C tienen unas medias muy
parecida porque el valor “sig.” Es mayor al nivel de significancia tomado.

Comparaciones múltiples
Variable dependiente: Observaciones
HSD Tukey
(I) (J) Diferencia Error Sig. 95% de intervalo de
Temperatura Temperatura de medias estándar confianza
(I-J) Límite Límite
inferior superior
50,00 60,00 4,00000 2,80476 ,359 -3,4827 11,4827
70,00 5,00000 2,80476 ,217 -2,4827 12,4827
60,00 50,00 -4,00000 2,80476 ,359 -11,4827 3,4827
70,00 1,00000 2,80476 ,933 -6,4827 8,4827
70,00 50,00 -5,00000 2,80476 ,217 -12,4827 2,4827
60,00 -1,00000 2,80476 ,933 -8,4827 6,4827

 Siguiendo con las comparaciones de medias entre los grupos estudiados, la tabla
anterior muestra que tanto se parecen en medias teniendo como base todas las
combinaciones posibles.
 Temperatura 50°C:
 El valor “sig.” Es mayor que la significancia tomada para la temperatura de
60°C, es decir que estos dos métodos tienen una media parecida.
 Al comparar la temperatura de 70°C se ve que “sig.” El valor “sig.” Es mayor
que la significancia tomada en el ejercicio, es decir que estos dos métodos
tienen una media parecida.
 Temperatura 60°C:
 El valor “sig.” Que corresponde a 0,359 es mayor que la significancia
tomada para la temperatura de 50°C es decir que estos dos métodos tienen
una media parecida.
 Al comparar con la temperatura de 70°C se ve que “sig.” Es mayor a la
significancia de 0,05, lo que concluye que estos dos métodos se parecen o
tiene medias cercanas en comparación.
 Temperatura 70°C:
 El valor “sig.” Que corresponde a 0,217 es mayor que la significancia
tomada para la temperatura de 50°C es decir que estos dos métodos tienen
una media parecida.
 El valor “sig.” Que corresponde a 0,933 es mayor que la significancia
tomada para la temperatura de 60°C, es decir que estos dos métodos tienen
una media parecida.

ANOVA
Observaciones
 Suma de cuadrados gl Media cuadrática F Sig.
Entre grupos 70,000 2 35,000 1,780 ,210
Dentro de 236,000 12 19,667
grupos
Total 306,000 14

 F (0,05) (2,12) = 3,89

Fo = 1,780
F > Fo Entonces No se rechaza Ho
Es decir que las medias entre las temperaturas son cercanas o parecidas.
 Podemos ver que el “Sig”, es decir el P-valor es mayor que el nivel de significancia
tomado para este ejercicio, por lo tanto, no se rechaza la Ho
 Se concluye entonces, que la temperatura NO afecta el rendimiento medio del
proceso, ya que la media de los tratamientos a diferentes temperaturas en el
proceso químico a realizar, no tienen diferencias significativas.

5. En una auditoría los auditores tienen que dar opiniones acerca de diversos
aspectos con base en sus propias experiencias directas, indirectas o en una
combinación de ambas. En un estudio se pidió a los auditores que dieran su
opinión acerca de la frecuencia con que se presentan errores en una auditoría.
Suponga que se obtuvieron los resultados que se presentan a continuación;
valores bajos indican opiniones más acertadas. Use a α = 0.05 para determinar
si el tipo de experiencia en que se basa la opinión afecta la calidad de esta.

AUDITORIA
1 2 3
17,0 16,6 25,2
18,5 22,2 24,0
15,8 20,5 21,5
18,2 18,3 26,8
20,2 24,2 27,5
16,0 19,8 25,8
13,3 21,2 24,2
1. Directa
2. Indirecta
3. Combinación
Solución:

Pruebas de normalidad
Auditoria Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Observaciones 1,00 ,153 7 ,200* ,980 7 ,960
2,00 ,120 7 ,200* ,996 7 1,000
3,00 ,166 7 ,200* ,963 7 ,842
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

 Se establecen significancias prueba para analizar el supuesto: 0,05 para este

caso, es decir, que los datos tienen una confianza de 95%.
 Para poder realizar el ANOVA se tiene encuentra el supuesto de si los datos
presentados se distribuyan normalmente.
 H0: Los datos se distribuyen normalmente.
 H1: Los datos no se distribuyen con normalidad.
 Si se tiene un conjunto de datos menor a cincuenta (50), se considera el estudio
de Shapiro-Wilk; por lo anterior se observa en la última columna (de izquierda a
derecha) que los valores “sig.”, es decir, nivel de significancia, son mayores a la
significancia puesta como ejemplo.
 Los valores que se tienen en cuenta son 0,960; 1,000; 0,842 para las auditorías
directas, indirectas y la combinación de ambas respectivamente.
 Con base a la premisa anterior se afirma que los datos se distribuyen
normalmente.
 Siguiendo con el análisis, no se rechaza la hipótesis nula.
 Se observa una peculiaridad en cuanto a si se tomará una significancia menor,
como por ejemplo del 0,01 (confianza del 99%) o del 0,02 (confianza del 98%) o
del 0,1 (confianza del 90%), los datos siguen distribuyéndose con normalidad
porque los valores obtenidos por la tabla son mayores a los que se toman por
ejemplo como significancia.

Prueba de homogeneidad de varianza

Estadístico df1 df2 Sig.
de Levene
Observaciones Se basa en la ,117 2 18 ,890
media
Se basa en la ,123 2 18 ,885
mediana
Se basa en la ,123 2 17,365 ,885
mediana y con gl
ajustado
Se basa en la ,122 2 18 ,885
media recortada

 Para esta prueba se debe hacer el supuesto siguiente:

 H0: Los datos tienen varianzas iguales.
  H1: Los datos no tienen varianzas iguales.
 Se observan los datos que arroja la tabla basada en la media, es decir, que el valor
para tener en cuenta es 0,890.
 Con base en lo anterior el “sig.” Es mayor ala significancia tomada, de 0,05.
 Podemos afirmar que las varianzas son iguales y por consiguiente el estudio
ANOVA se puede realizar.
 Si se tomaran niveles de significancia menores al ejemplo encontramos que las
varianzas no pierden su homogeneidad.
 Concluimos que no se rechaza la hipótesis nula.

Prueba de rachas
Auditoria Observaciones
1,00 Valor de pruebaa 17,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 4
Casos totales 7
Número de rachas 4
Z ,000
Sig. asintótica (bilateral) 1,000
2,00 Valor de pruebaa 20,4000
Casos < Valor de prueba 3
Casos >= Valor de prueba 4
Casos totales 7
Número de rachas 6
Z ,910
Sig. asintótica (bilateral) ,363
3,00 Valor de pruebaa 25,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 4
Casos totales 7
Número de rachas 4
Z ,000
Sig. asintótica (bilateral) 1,000
a. Media

 El valor “sig.” Para las auditorias realizadas de manera directa, indirecta y

combinada son 1,000; 0,363; 1,000 respectivamente.
 El “sig.” Es mayor en el conjunto de los tres (3) grupos evaluados al nivel de
significancia de 0,05 tomado; por lo cual se afirma que si hay independencia
estadística.
  El estudio de Rachas permite evaluar si los datos son tomados aleatoriamente, es
decir, si existe independencia estadística.
 H0: Los datos fueron tomados aleatoriamente.
 H1: Los datos no fueron tomados aleatoriamente.
 La hipótesis nula no se rechaza, es decir, que los datos fueron tomados
aleatoriamente.

Observaciones
HSD Tukey
Auditoria N Subconjunto para alfa = 0.05
1 2 3
1,00 7 17,0000
2,00 7 20,4000
3,00 7 25,0000
Sig. 1,000 1,000 1,000
Se visualizan las medias para los grupos en los subconjuntos homogéneos.
a. Utiliza el tamaño de la muestra de la media armónica = 7,000.

 Entre las opciones que brinda el programa SPSS para la comparación de medias
entre grupos se escoge la de Turkey.
 Esta prueba ayuda a mirar si las medias de los grupos evaluados se parecen.
 Se observa que los tres tipos de auditorías tienen un parecido debido a que su
valor “sig.” Es en todos los subgrupos 1,000: valor que es mayor a la significancia
utilizada.
 A pesar de que las medias se parecen, los valores se alejan considerablemente
entre sí, incluso se alejan en la misma proporción porque el “sig.” Es igual en todos
los casos.

Comparaciones múltiples
Variable dependiente: Observaciones
HSD Tukey
(I) (J) Diferencia Error Sig. 95% de intervalo de
Auditoria Auditoria de medias estándar confianza
(I-J) Límite Límite
inferior superior
1,00 2,00 -3,40000* 1,20620 ,029 -6,4784 -,3216
*
3,00 -8,00000 1,20620 ,000 -11,0784 -4,9216
*
2,00 1,00 3,40000 1,20620 ,029 ,3216 6,4784
*
3,00 -4,60000 1,20620 ,003 -7,6784 -1,5216
*
3,00 1,00 8,00000 1,20620 ,000 4,9216 11,0784
*
2,00 4,60000 1,20620 ,003 1,5216 7,6784
*. La diferencia de medias es significativa en el nivel 0.05.
  Se tienen en cuenta todas las combinaciones posibles para realizar las
comparaciones de medias entre los grupos estudiados
 Auditoría Directa:
 El valor “sig.” Es mayor que la significancia tomada para la auditoría
indirecta, es decir que estos dos métodos tienen una media parecida.
 Para comparar el valor “sig.” Con la auditoría 3 se ve que no se parecen en
algo por tener un valor menor al de significancia, además del hecho que
este valor es 0, es decir, relación y parecido nulo entre medias.
 Auditoría Indirecta:
 El valor “sig.” Que corresponde a 0,29 es mayor que la significancia tomada
para la Auditoría Directa, es decir, que estas dos experiencias tienen una
media parecida.
 Al comparar con la Auditoría Combinación se ve que “sig.” Toma un valor
de 0, lo que afirma que las medias de estas dos experiencias no se parecen.
 Auditoría Combinación:
 El valor “sig.” Para las dos auditorías directa e indirecta toma valor de 0,000
y 0,003 respectivamente. Esto significa que ninguna media se relaciona con
esta experiencia.
 Si miramos los dos valores anteriores podemos decir que aunque no se
parezcan, la experiencia de auditoría indirecta es más parecida a la
experiencia de combinación que la de la auditoría directa, dado que el valor
de “sig.” Es mayor para la indirecta que la directa.

ANOVA
Observaciones
Suma de cuadrados gl Media cuadrática F Sig.
Entre grupos 225,680 2 112,840 22,159 ,000
Dentro de 91,660 18 5,092
grupos
Total 317,340 20

 F (0,05) (2,18) = 3,55

Fo = 22,159
Fo > F Entonces Se rechaza Ho
Es decir que las medias entre los tratamientos son por lo menos una de ellas
diferente. En este caso vemos que las medias de los 3 grupos de auditorías tienen
todas medias diferentes o alejadas.
 Podemos ver que el “Sig”, es decir el P-valor es menor que el nivel de significancia
tomado para este ejercicio, por lo tanto, se rechaza la Ho.
 El tipo de experiencia en que se basa la opinión, afecta la calidad de esta

6. En la publicidad de tres pinturas se dice que tienen el mismo tiempo de secado.

Para verificar esto, se prueban cinco muestras de cada una de las pinturas. Se
registra el tiempo en minutos necesario para que el secado sea suficiente para
 la aplicación de una segunda mano. Los datos obtenidos son los siguientes.
Con a α=0.05 como nivel de significancia, realice una prueba para determinar
si la media de los tiempos de secado es la misma en todas las pinturas.

SECADO
1 2 3 4
128 144 133 150
137 133 143 142
135 142 137 135
124 146 136 140
141 130 131 153
1. Pintura 1
2. Pintura 2
3. Pintura 3
4. Pintura 4

Pruebas de normalidad
Pintura Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Observaciones 1,00 ,214 5 ,200 ,955 5 ,774
*

2,00 ,264 5 ,200 ,883 5 ,323

*

3,00 ,214 5 ,200 ,952 5 ,749

*

4,00 ,207 5 ,200 ,948 5 ,724

*

*. Esto es un límite inferior de la significación verdadera.

a. Corrección de significación de Lilliefors

 Los valores que se tienen en cuenta son 0,774; 0,323; 0,749; 0,724 para las
pinturas tipo 1, 2, 3 y 4 respectivamente.
 Para poder realizar el ANOVA se tiene encuentra el supuesto de si los datos
presentados se distribuyan normalmente.
 H0: Los datos se distribuyen normalmente.
 H1: Los datos no se distribuyen con normalidad.
 Se establecen significancias prueba para analizar el supuesto: 0,05 para este
caso, es decir, que los datos tienen una confianza de 95%.
 Si se tiene un conjunto de datos menor a cincuenta (50), se considera el estudio
de Shapiro-Wilk; por lo anterior se observa en la última columna (de izquierda a
derecha) que los valores “sig.”, es decir, nivel de significancia, son mayores a la
significancia puesta como ejemplo.
 Con base a la premisa anterior se afirma que los datos se distribuyen
normalmente.
 Siguiendo con el análisis, no se rechaza la hipótesis nula.
  Se observa una peculiaridad en cuanto a si se tomará una significancia menor,
como por ejemplo del 0,01 (confianza del 99%) o del 0,02 (confianza del 98%) o
del 0,1 (confianza del 90%), los datos siguen distribuyéndose con normalidad
porque los valores obtenidos por la tabla son mayores a los que se toman por
ejemplo como significancia.

Prueba de homogeneidad de varianza

Estadístico df1 df2 Sig.
de Levene
Observaciones Se basa en la 1,170 3 16 ,352
media
Se basa en la ,344 3 16 ,794
mediana
Se basa en la ,344 3 14,360 ,794
mediana y con gl
ajustado
Se basa en la 1,129 3 16 ,367
media recortada

 Se observan los datos que arroja la tabla basada en la media, es decir, que el valor
para tener en cuenta es 0,352.
 Con base en lo anterior el “sig.” Es mayor a la significancia tomada, de 0,05.
 Para esta prueba se debe hacer el supuesto siguiente:
 H0: Los datos tienen varianzas iguales.
 H1: Los datos no tienen varianzas iguales.
 Podemos afirmar que las varianzas son iguales y por consiguiente el estudio
ANOVA se puede realizar.
 Si se tomaran niveles de significancia menores al ejemplo encontramos que las
varianzas no pierden su homogeneidad.
 Concluimos que no se rechaza la hipótesis nula.

Prueba de rachas
Pintura Observaciones
1,00 Valor de pruebaa 133,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 4
Z ,109
Sig. asintótica (bilateral) ,913
2,00 Valor de pruebaa 139,0000
Casos < Valor de prueba 2
 Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 4
Z ,109
Sig. asintótica (bilateral) ,913
3,00 Valor de pruebaa 136,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 3
Z ,000
Sig. asintótica (bilateral) 1,000
4,00 Valor de pruebaa 144,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 2
Casos totales 5
Número de rachas 3
Z ,000
Sig. asintótica (bilateral) 1,000
a. Media

 El estudio de Rachas permite evaluar si los datos son tomados aleatoriamente, es

decir, si existe independencia estadística.
 H0: Los datos fueron tomados aleatoriamente.
 H1: Los datos no fueron tomados aleatoriamente.
 El “sig.” Es mayor en el conjunto de los cuatro (4) grupos evaluados al nivel de
significancia de 0,05 tomado; por lo cual se afirma que si hay independencia
estadística.
 El valor “sig.” Para los tipos de pintura 1, 2, 3 y 4 son 0,913; 0,913; 1,000; 1,000
respectivamente.
 La hipótesis nula no se rechaza, es decir, que los datos fueron tomados
aleatoriamente.

Observaciones
HSD Tukey
Pintura N Subconjunto para alfa = 0.05
1
1,00 5 133,0000
3,00 5 136,0000
2,00 5 139,0000
4,00 5 144,0000
Sig. ,075
Se visualizan las medias para los grupos en los subconjuntos homogéneos.
a. Utiliza el tamaño de la muestra de la media armónica = 5,000.

 Esta prueba ayuda a mirar si las medias de los grupos evaluados se parecen.
 Entre las opciones que brinda el programa SPSS para la comparación de medias
entre grupos se escoge la de Turkey.
 Se observa que los cuatro (4) tipos de pinturas tienen un parecido debido a que su
valor “sig.” Es en todos los subgrupos 0,075: valor que es mayor a la significancia
utilizada.

Comparaciones múltiples
Variable dependiente: Observaciones
HSD Tukey
(I) (J) Diferencia Error Sig. 95% de intervalo de
Pintura Pintura de medias estándar confianza
(I-J) Límite Límite
inferior superior
1,00 2,00 -6,00000 4,15933 ,493 -17,8999 5,8999
3,00 -3,00000 4,15933 ,887 -14,8999 8,8999
4,00 -11,00000 4,15933 ,075 -22,8999 ,8999
2,00 1,00 6,00000 4,15933 ,493 -5,8999 17,8999
3,00 3,00000 4,15933 ,887 -8,8999 14,8999
4,00 -5,00000 4,15933 ,634 -16,8999 6,8999
3,00 1,00 3,00000 4,15933 ,887 -8,8999 14,8999
2,00 -3,00000 4,15933 ,887 -14,8999 8,8999
4,00 -8,00000 4,15933 ,258 -19,8999 3,8999
4,00 1,00 11,00000 4,15933 ,075 -,8999 22,8999
2,00 5,00000 4,15933 ,634 -6,8999 16,8999
3,00 8,00000 4,15933 ,258 -3,8999 19,8999

 Se tienen en cuenta todas las combinaciones posibles para realizar las

comparaciones de medias entre los grupos estudiados
 Pintura tipo 1:
 El valor “sig.” Es mayor que la significancia tomada para la pintura 2, es
decir que estos dos tipos tienen una media parecida.
 Para comparar el valor “sig.” Con la pintura 3 se ve que se parecen por tener
un valor mayor al de significancia, el cual es de 0,0887.
 Para la pintura tipo 4 la relación de medias existe por tener un valor “sig.”
Mayor al de significancia, pero cabe aclarar que no se parecen mucho
porque dicho valor es muy cercano al de nivel del significancia, osea 0,075
 Pintura tipo 2:
  El valor “sig.” Que corresponde a 0,493 es mayor que la significancia
tomada para la pintura 1, es decir, que estas dos pinturas tienen una media
parecida.
 Al comparar con la pintura 3 se ve que “sig.” Toma un valor de 0,0887, lo
que afirma que las medias de estas dos pinturas se parecen.
 Respecto a la pintura tipo 4 también se puede decir que tiene medias
parecidas al tener un valor “sig.” Mayoral de significancia que corresponde
a 0,634.
 Pintura tipo 3:
 El valor “sig.” Que compara con la pintura 1 es 0,887 lo que quiere decir que
sus medias son parecidas.
 En comparación con la pintura 2 se observa un valor de 0,887, es decir que
también tienen medias parecidas con esta pintura e incluso se puede
afirmar que guardan la misma relación de medias los tipos de pintura 1, 2 y
3 por tener el mismo valor “sig.”.
 Adicionalmente se compara el valor “sig.” Para la pintura 4 que es de 0,258
observando que también tienen medias parecidas.
 Pintura tipo 4:
 Al examinar el valor de “sig.” Para la pintura 1 se encontró que es de 0,075
lo que significa que las medias si se parecen por ser mayor a la significancia
aunque al ser un dato tan cercano a este nivel no se parecen mucho en
comparación con los otros tipos de pintura.
 Para la pintura 2 se tiene presente un valor “sig.” De 0,634 afirmando que
también se relacionan sus medias.
 El valor de “sig.” Para la pintura 3 es de 0,258 que es mayor al nivel de
significancia y concluye que estas dos (2) pinturas tienen una media
parecida.

ANOVA
Observaciones
Suma de gl Media F Sig.
cuadrados cuadrática
Entre grupos 330,000 3 110,000 2,543 ,093
Dentro de 692,000 16 43,250
grupos
Total 1022,000 19

 F (0,05) (3,16) = 3,24

Fo = 2,543
F > Fo Entonces No se rechaza Ho
Es decir que las medias entre los tiempos de secado de los diferentes tipos de
pinturas son cercanas o parecidas.
 Podemos ver que el “Sig”, es decir el P-valor es mayor que el nivel de significancia
tomado para este ejercicio, por lo tanto, no se rechaza la Ho
  Se concluye entonces, que la media de los tiempos de secado es la misma o muy
cercana en todas las pinturas, es decir que no tienen diferencias significativas.

7. Una conocida revista de automovilismo tomó tres de los mejores automóviles

medianos fabricados en Estados Unidos, los probó y los comparó en relación
con varios criterios. En una prueba sobre rendimiento de la gasolina, se
probaron cinco automóviles de cada marca en un recorrido de 500 millas, los
datos de rendimiento, en millas por galón de gasolina, se presentan a
continuación. Use α= 0.05 para probar si la diferencia en el rendimiento medio,
en millas por galón, entre los tres automóviles es significativa.

AUTOMÓVILES
1 2 3
19 19 24
21 20 26
20 22 23
19 21 25
21 23 27
1. A
2. B
3. C

Pruebas de normalidad
Automóviles Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.

Observaciones 1,00 ,241 5 ,200* ,821 5 ,119

2,00 ,136 5 ,200* ,987 5 ,967
3,00 ,136 5 ,200* ,987 5 ,967
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

 Para poder realizar el ANOVA se tiene encuentra el supuesto de si los datos

presentados se distribuyan normalmente.
 H0: Los datos se distribuyen normalmente.
 H1: Los datos no se distribuyen con normalidad.
 Se establecen significancias prueba para analizar el supuesto: 0,05 para este
caso, es decir, que los datos tienen una confianza de 95%.
 Si se tiene un conjunto de datos menor a cincuenta (50), se considera el estudio
de Shapiro-Wilk; por lo anterior se observa en la última columna (de izquierda a
derecha) que los valores “sig.”, es decir, nivel de significancia, son mayores a la
significancia puesta como ejemplo.
 Los valores que se tienen en cuenta son 0,119; 0,967; 0,967 para los automóviles
tipo 1, 2 y 3 respectivamente.
  Con base a la premisa anterior se afirma que los datos se distribuyen
normalmente.
 Siguiendo con el análisis, no se rechaza la hipótesis nula.
 Se observa una peculiaridad en cuanto a si se tomará una significancia menor,
como por ejemplo del 0,01 (confianza del 99%) o del 0,02 (confianza del 98%) o
del 0,1 (confianza del 90%), los datos siguen distribuyéndose con normalidad
porque los valores obtenidos por la tabla son mayores a los que se toman por
ejemplo como significancia.

Prueba de homogeneidad de varianza

Estadístico df1 df2 Sig.
de Levene
Observaciones Se basa en la media ,500 2 12 ,619

Se basa en la ,500 2 12 ,619

mediana
Se basa en la ,500 2 10,039 ,621
mediana y con gl
ajustado
Se basa en la media ,500 2 12 ,619
recortada

 Se observan los datos que arroja la tabla basada en la media, es decir, que el valor
para tener en cuenta es 0,619.
 Para esta prueba se debe hacer el supuesto siguiente:
 H0: Los datos tienen varianzas iguales.
 H1: Los datos no tienen varianzas iguales.
 Con base en lo anterior el “sig.” Es mayor a la significancia tomada, de 0,05.
 Podemos afirmar que las varianzas son iguales y por consiguiente el estudio
ANOVA se puede realizar.
 Si se tomaran niveles de significancia menores al ejemplo encontramos que las
varianzas no pierden su homogeneidad.
 Concluimos que no se rechaza la hipótesis nula.

Prueba de rachas
Automóviles Observaciones
1,00 Valor de pruebaa 20,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 4
Z ,109
Sig. asintótica (bilateral) ,913
2,00 Valor de pruebaa 21,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 2
Z -,982
Sig. asintótica (bilateral) ,326
3,00 Valor de pruebaa 25,0000
Casos < Valor de prueba 2
Casos >= Valor de prueba 3
Casos totales 5
Número de rachas 4
Z ,109
Sig. asintótica (bilateral) ,913
a. Media

 El estudio de Rachas permite evaluar si los datos son tomados aleatoriamente, es

decir, si existe independencia estadística.
 H0: Los datos fueron tomados aleatoriamente.
 H1: Los datos no fueron tomados aleatoriamente.
 El valor “sig.” Para los automóviles tipo 1, 2 y 3 son 0,913; 0,326; 0,913
respectivamente.
 El “sig.” Es mayor en el conjunto de los tres (3) grupos evaluados al nivel de
significancia de 0,05 tomado; por lo cual se afirma que si hay independencia
estadística.
 La hipótesis nula no se rechaza, es decir, que los datos fueron tomados
aleatoriamente.

Observaciones
HSD Tukey a
Automóviles N Subconjunto para alfa = 0.05
1 2
1,00 5 20,0000
2,00 5 21,0000
3,00 5 25,0000
Sig. ,522 1,000
Se visualizan las medias para los grupos en los subconjuntos homogéneos.
a. Utiliza el tamaño de la muestra de la media armónica = 5,000.

 Entre las opciones que brinda el programa SPSS para la comparación de medias
entre grupos se escoge la de Turkey.
 Esta prueba ayuda a mirar si las medias de los grupos evaluados se parecen.
  Se observa que los automóviles tipo 1 y tipo 2 tienen medias parecidas por tener
un valor “sig.” De 0,522 que es mayor al de significancia.
 Adicionalmente los automóviles tipo 3 no guardan relación de medias con los otros
autos porque a pesar de que su valor “sig.” Es mayor al de significancia no se ve
parecido con los otros dos tipos.

Comparaciones múltiples
Variable dependiente: Observaciones
HSD Tukey
(I) (J) Diferencia Error Sig. 95% de intervalo de
Automóviles Automóviles de medias estándar confianza
(I-J) Límite Límite
inferior superior
1,00 2,00 -1,00000 ,89443 ,522 -3,3862 1,3862
*
3,00 -5,00000 ,89443 ,000 -7,3862 -2,6138
2,00 1,00 1,00000 ,89443 ,522 -1,3862 3,3862
*
3,00 -4,00000 ,89443 ,002 -6,3862 -1,6138
*
3,00 1,00 5,00000 ,89443 ,000 2,6138 7,3862
*
2,00 4,00000 ,89443 ,002 1,6138 6,3862
*. La diferencia de medias es significativa en el nivel 0.05.

 Se tienen en cuenta todas las combinaciones posibles para realizar las

comparaciones de medias entre los grupos estudiados
 Automóvil tipo 1:
 El valor “sig.” Es mayor que la significancia tomada para el Automóvil tipo
2, es decir que estos dos carros tienen una media parecida.
 Para comparar el valor “sig.” Con el Automóvil tipo 3 se ve que no se
parecen en algo por tener un valor menor al de significancia, además del
hecho que este valor es 0, es decir, relación y parecido nulo entre medias.
 Automóvil tipo 2:
 El valor “sig.” Que corresponde a 0,522 es mayor que la significancia
tomada para el Automóvil tipo 1, es decir, que dos autos tienen una media
parecida.
 Al comparar con el Automóvil tipo 3 se ve que “sig.” Toma un valor de 0,002,
lo que afirma que las medias no se parecen.
 Automóvil tipo 3:
 El valor “sig.” Para comparar los dos (2) tipos de Automóvil toma valor de
0,000 y 0,002. Esto significa que ninguna media se relaciona con esta
experiencia.
 Si miramos los dos valores anteriores podemos decir que aunque no se
parezcan, la media con el Automóvil tipo 1 es más parecida a la del
Automóvil tipo 2, dado que el valor de “sig.” Es mayor para el carro 1 que
para el del tipo 2.
 ANOVA
Observaciones
Suma de cuadrados gl Media cuadrática F Sig.
Entre grupos 70,000 2 35,000 17,500 ,000
Dentro de 24,000 12 2,000
grupos
Total 94,000 14

 F (0,05) (2,12) = 3,89

Fo = 17,5
Fo > F Entonces Se rechaza Ho
Es decir que las medias entre los tratamientos son por lo menos una de ellas
diferente. En este caso vemos que las medias de los rendimientos de los
automóviles en millas por galón de gasolina entre el automóvil 1 y 2 son parecidas,
sin embargo, la media del rendimiento del automóvil 3, está más alejada.
 Podemos ver que el “Sig”, es decir el P-valor es menor que el nivel de significancia
tomado para este ejercicio, por lo tanto, se rechaza la Ho
 La diferencia en el rendimiento medio, en millas por galón, entre los tres
automóviles es significativa

8. Una empresa ensambla cuadros para un solo modelo de bicicleta. La planta

trabaja 3 turnos: el matutino, el vespertino y el nocturno; cada mes los
trabajadores se rotan, por lo que al cabo de un trimestre todos ellos laboraron
en los tres turnos; el director de producción quisiera saber si existe diferencia
entre la producción promedio de los 3 turnos, ya que la fábrica trabaja a plena
capacidad desde hace más de un año y no hay variaciones significativas en el
número de empleados, en la maquinaria ni en los procesos productivos, el
director considera que con un análisis de varianza puede contestar esta
pregunta. Para ello, obtiene una muestra aleatoria de la producción de 6 días
de cada turno, los datos se muestran a continuación.

TURNO
1 2 3
129 138 118
141 142 120
128 140 132
145 149 118
135 129 136
144 148 138
1. Matutino
2. Vespertino
3. Nocturno

Pruebas de normalidad
 Turno Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Observaciones 1,00 ,204 6 ,200* ,883 6 ,285
2,00 ,174 6 ,200* ,937 6 ,632
3,00 ,273 6 ,184 ,822 6 ,091
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

 Se establecen significancias prueba para analizar el supuesto: 0,05 para este

caso, es decir, que los datos tienen una confianza de 95%.
 Para poder realizar el ANOVA se tiene encuentra el supuesto de si los datos
presentados se distribuyan normalmente.
 H0: Los datos se distribuyen normalmente.
 H1: Los datos no se distribuyen con normalidad.
 Si se tiene un conjunto de datos menor a cincuenta (50), se considera el estudio
de Shapiro-Wilk; por lo anterior se observa en la última columna (de izquierda a
derecha) que los valores “sig.”, es decir, nivel de significancia, son mayores a la
significancia puesta como ejemplo.
 Los valores que se tienen en cuenta son 0,285; 0,632; 0,091 para los turnos 1, 2 y
3 respectivamente.
 Con base a la premisa anterior se afirma que los datos se distribuyen
normalmente.
 Siguiendo con el análisis, no se rechaza la hipótesis nula.
 Se observa una peculiaridad en cuanto a si se tomará una significancia menor,
como por ejemplo del 0,01 (confianza del 99%) o del 0,02 (confianza del 98%) o
del 0,1 (confianza del 90%), los datos siguen distribuyéndose con normalidad
porque los valores obtenidos por la tabla son mayores a los que se toman por
ejemplo como significancia.

Prueba de homogeneidad de varianza

Estadístico df1 df2 Sig.
de Levene
Observaciones Se basa en la 1,346 2 15 ,290
media
Se basa en la 1,250 2 15 ,315
mediana
Se basa en la 1,250 2 11,664 ,322
mediana y con gl
ajustado
Se basa en la 1,343 2 15 ,291
media recortada

 Para esta prueba se debe hacer el supuesto siguiente:

  H0: Los datos tienen varianzas iguales.
 H1: Los datos no tienen varianzas iguales.
 Se observan los datos que arroja la tabla basada en la media, es decir, que el valor
para tener en cuenta es 0,290.
 Con base en lo anterior el “sig.” Es mayor a la significancia tomada, de 0,05.
 Podemos afirmar que las varianzas son iguales y por consiguiente el estudio
ANOVA se puede realizar.
 Si se tomaran niveles de significancia menores al ejemplo encontramos que las
varianzas no pierden su homogeneidad.
 Concluimos que no se rechaza la hipótesis nula.

Prueba de rachas
Turno Observaciones
a
1,00 Valor de prueba 137,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 3
Casos totales 6
Número de rachas 6
Z 1,369
Sig. asintótica (bilateral) ,171
2,00 Valor de pruebaa 141,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 3
Casos totales 6
Número de rachas 6
Z 1,369
Sig. asintótica (bilateral) ,171
3,00 Valor de pruebaa 127,0000
Casos < Valor de prueba 3
Casos >= Valor de prueba 3
Casos totales 6
Número de rachas 4
Z ,000
Sig. asintótica (bilateral) 1,000
a. Media

 El valor “sig.” Para los turnos matutino, vespertino y nocturno son 0,171; 0,171;
1,000 respectivamente.
 El “sig.” Es mayor en el conjunto de los tres (3) grupos evaluados al nivel de
significancia de 0,05 tomado; por lo cual se afirma que si hay independencia
estadística.
  El estudio de Rachas permite evaluar si los datos son tomados aleatoriamente, es
decir, si existe independencia estadística.
 H0: Los datos fueron tomados aleatoriamente.
 H1: Los datos no fueron tomados aleatoriamente.
 La hipótesis nula no se rechaza, es decir, que los datos fueron tomados
aleatoriamente.

Observaciones
HSD Tukey a
Turno N Subconjunto para alfa = 0.05
1 2
3,00 6 127,0000
1,00 6 137,0000 137,0000
2,00 6 141,0000
Sig. ,115 ,675
Se visualizan las medias para los grupos en los subconjuntos homogéneos.
a. Utiliza el tamaño de la muestra de la media armónica = 6,000.

 Entre las opciones que brinda el programa SPSS para la comparación de medias
entre grupos se escoge la de Turkey.
 Esta prueba ayuda a mirar si las medias de los grupos evaluados se parecen.
 Se observa que los turnos nocturno y matutino tienen un parecido debido a que su
valor “sig.” Corresponde a 0,115 y es mayor a la significancia utilizada.
 Los turnos matutino y vespertino también se parecen con un valor “sig.” De 0,675,
el cual es mayor a la significancia usada.

Comparaciones múltiples
Variable dependiente: Observaciones
HSD Tukey
(I) (J) Diferencia Error Sig. 95% de intervalo de
Turno Turno de medias estándar confianza
(I-J) Límite Límite
inferior superior
1,00 2,00 -4,00000 4,67618 ,675 -16,1462 8,1462
3,00 10,00000 4,67618 ,115 -2,1462 22,1462
2,00 1,00 4,00000 4,67618 ,675 -8,1462 16,1462
*
3,00 14,00000 4,67618 ,023 1,8538 26,1462
3,00 1,00 -10,00000 4,67618 ,115 -22,1462 2,1462
*
2,00 -14,00000 4,67618 ,023 -26,1462 -1,8538
*. La diferencia de medias es significativa en el nivel 0.05.

 Se tienen en cuenta todas las combinaciones posibles para realizar las

comparaciones de medias entre los grupos estudiados
  Turno Matutino:
 El valor “sig.” Es mayor que la significancia tomada para el turno vespertino,
es decir que estos dos turnos tienen una media parecida.
Para comparar el valor “sig.” Con el turno nocturno se ve que sus medias
se parecen con un valor de 0,115 que es mayor al valor de significancia.
 El turno matutino tiene una media más parecida con el turno vespertino que
con el nocturno porque el valor de “sig.” Del turno 2 es mayor al del turno 3.
 Turno Vespertino:
 El valor “sig.” Que corresponde a 0,675 es mayor que la significancia
tomada para el turno 1, es decir, que estas dos experiencias tienen una
media parecida.
 También se parece su media con el turno nocturno porque el valor de “sig.”
Es 0,023 que es mayor a la significancia.
 Turno Nocturno:
 El valor “sig.” Para comparar el turno 1 es mayor al de significancia, siendo
0,115 e implicando que las medias son parecidas.
 Adicionalmente se relaciona y tiene un parecido de medias con el turno 2
por tener un “sig.” Mayor al de significancia en 0,023.
 Se puede afirmar que aunque con los dos turnos se relaciones, presenta
una mayor relación de medias con el turno 1 que con el 2.

ANOVA
Observaciones
Suma de cuadrados gl Media cuadrática F Sig.
Entre grupos 624,000 2 312,000 4,756 ,025
Dentro de 984,000 15 65,600
grupos
Total 1608,000 17

 F (0,05) (2,15) = 3,68

Fo = 4,756
Fo > F Entonces Se rechaza Ho
Es decir que las medias entre los tratamientos son por lo menos una de ellas
diferente. En este caso vemos que la media del turno matutino (1) es más parecida
a la del turno vespertino (2), además vemos que el turno nocturno (3) y el turno
matutino (1), tienen un nivel de significancia más cercano a 0,05, es decir que sus
medias son menos parecidas, que en el caso anterior.
 Podemos ver que el “Sig”, es decir el P-valor es menor que el nivel de significancia
tomado para este ejercicio, por lo tanto, se rechaza la Ho
 Existe diferencia entre la producción promedio de los 3 turnos

Los ejercicios 9 y 10, se realizarán teniendo en cuenta la tabla mostrada a continuación:

 9. En un diseño completamente aleatorizado, para cada uno de los cinco niveles
del factor se usaron siete unidades experimentales. Complete la tabla ANOVA
siguiente.
n=5
a=7
α=0,05

Fuente de Suma de cuadrados Grados de Medias cuadrados Fo

variación libertad
Tratamientos SS Tratamientos = 300 4 MS Trat = 300/4= 75 14,062
Error SE=460-300= 160 30 MSE=160/3= 5,33
Total SS Total = 460 35

F (0,05) (4,30) = 2,69

Fo = 14,062
Fo > F Entonces Se rechaza Ho
 10. En un diseño completamente aleatorizado se usaron 12 unidades
experimentales para el primer tratamiento, 15 para el segundo y 20 para el
tercero. Complete el análisis de varianza siguiente. Emplee 0.05 como nivel de
significancia, ¿Hay diferencia significativa entre los tres tratamientos?
a=3
n1=12
n2=15
n3=20
N=47
α=0,05

Fuente de Suma de cuadrados Grados de Medias cuadrados Fo

variación libertad
Tratamientos SS Tratamientos = 1200 2 MS Trat = 1200/2= 600 44
Error SE=1800-1200= 600 44 MSE=600/44= 13,63
Total SS Total = 1800 46

F (0,05) (2,44) = 3,31

Fo = 44
Fo > F Entonces Se rechaza Ho