Universidad Austral de Chile

GUIA DE ESTADÍSTICA: ANÁLISIS DE VARIANZA SIMPLE

Profesor: Verónica Bittner

1.- La inflamabilidad de las telas utilizadas para la fabricación de carpas ha sido un tema de
preocupación constante durante las últimas décadas. Hoy en día, hay toda una serie de controles
de seguridad que garantizan que éstas no son fácilmente inflamables. Tras seleccionar un
determinado fabricante de este tipo de tela y 4 laboratorios diferentes, se envió a cada laboratorio
11 trozos de tela. La idea es que en cada laboratorio se les aplique un test de inflamabilidad. Los
resultados (expresados en un índice de inflamabilidad) se muestran a continuación:

Laboratorio 1 2 3 4 5 6 7 8 9 10 11
1 2,7 3,4 3,6 3,2 4,0 4,1 3,8 3,8 4,3 3,4 3,3
2 3,3 3,3 3,5 3,5 2,8 2,8 3,2 2,8 3,8 3,5 3,8
3 3,3 3,2 3,4 2,7 2,7 3,3 2,9 3,2 2,9 2,6 2,8
4 4,1 4,1 3,7 4,2 3,1 3,5 2,8 3,5 3,7 3,5 3,9

a) Se desea establecer si los laboratorios arrojan los mismos resultados promedio de

inflamabilidad. Realizar el ANOVA con un nivel de significación del 5%. Plantear las hipótesis.
b) Comprobar los supuestos del modelo.
c) Realizar las comparaciones múltiples de Tukey.

2.- Se probaron cuatro tipos de avisos publicitarios en establecimientos de venta al detalle para
determinar si tenían influencia en la cantidad de unidades vendidas. Se asignó cada tipo de aviso
a tres establecimientos seleccionados al azar.

Tipo de aviso
A B C D
40 53 48 48
38 86 44 54
43 59 46 47

a) ¿Existe normalidad en las poblaciones? Piense: ¿por qué la prueba de Kolmogorov-Smirnov no

arroja p-valores?
b) Realizar la prueba de Levene con un nivel de confianza del 95%.
c) Probar la hipótesis de que existen diferencias entre las ventas promedio observadas para los
cuatro tipos de avisos publicitarios.
d) Realizar comparaciones múltiples utilizando la prueba de Tukey
Universidad Austral de Chile

3.- Los siguientes datos representan la producción de tomates, en cientos de kilos por parcela,
obtenidos utilizando 3 fertilizantes diferentes:
Fertilizante
A B C
31,0 40,0 41,4
31,8 39,6 42,5
28,3 35,3 36,0
29,7 33,0 36,4
28,0 35,7 36,8
27,1 33,7 38,1
36,6 37,4
38,6

a) Probar normalidad.
b) Realizar un análisis de varianza con α = 0,05, para determinar si el rendimiento promedio de
las tres poblaciones es diferente.
c) Realizar comparaciones múltiples con el método de Sheffé.

RESULTADOS:
1.- a) Ho : μ₁ = μ₂ = μ₃ = μ₄ = μ₅ H₁: No todas las medias son iguales
Supuestos:
Normalidad.
Ho: Los datos presentan una distribución normal.
H1: Los datos NO presentan una distribución normal.
Kolmogorov-Smirnov(a) Shapiro-Wilk
Laboratorio Estadístico gl Sig. Estadístico gl Sig.
Inflamabilidad 2,00 ,123 11 ,200(*) ,975 11 ,933
3,00 ,184 11 ,200(*) ,887 11 ,129
4,00 ,212 11 ,180 ,904 11 ,204
5,00 ,186 11 ,200(*) ,937 11 ,481

Todos los laboratorios presentan distribución normal..

Homocedasticidad:

Ho: σ1² = σ2² = σ3² = σ4² = σ5²

H1: No todas las varianzas son iguales.

Inflamabilidad
Estadístico de
Levene gl1 gl2 Sig.
,533 3 40 ,662

Existe homocedasticidad.
Universidad Austral de Chile
ANOVA
Inflamabilidad
Suma de Media
cuadrados gl cuadrática F Sig.
Inter-grupos 2,965 3 ,988 6,388 ,001
Intra-grupos 6,187 40 ,155
Total 9,152 43

Se rechaza Ho: Existen diferencias significativas en al menos dos medias.

c) Comparaciones múltiples de Tukey (tamaños muestrales iguales)

HSD de Tukey
Intervalo de confianza al
95%
Diferencia de Límite
(I) Laboratorio (J) Laboratorio medias (I-J) Error típico Sig. superior Límite inferior
1,00 2,00 ,30000 ,16770 ,294 -,1495 ,7495
3,00 ,60000(*) ,16770 ,005 ,1505 1,0495
4,00 -,04545 ,16770 ,993 -,4950 ,4041
2,00 1,00 -,30000 ,16770 ,294 -,7495 ,1495
3,00 ,30000 ,16770 ,294 -,1495 ,7495
4,00 -,34545 ,16770 ,184 -,7950 ,1041
3,00 1,00 -,60000(*) ,16770 ,005 -1,0495 -,1505
2,00 -,30000 ,16770 ,294 -,7495 ,1495
4,00 -,64545(*) ,16770 ,002 -1,0950 -,1959
4,00 1,00 ,04545 ,16770 ,993 -,4041 ,4950
2,00 ,34545 ,16770 ,184 -,1041 ,7950
3,00 ,64545(*) ,16770 ,002 ,1959 1,0950
* La diferencia de medias es significativa al nivel .05.

Sólo presentan diferencias significativas los laboratorios 1 con 3 y 3 con 4.

2.- a) Pruebas de normalidad

Kolmogorov-Smirnov(a) Shapiro-Wilk
Aviso Estadístico gl Sig. Estadístico gl Sig.
Ventas 1,00 ,219 3 . ,987 3 ,780
2,00 ,321 3 . ,881 3 ,328
3,00 ,175 3 . 1,000 3 1,000
4,00 ,337 3 . ,855 3 ,253

Todas las poblaciones son normales (p > 0,05). K-S no arroja p-valor porque es una prueba diseñada para muestras
grandes

b) Prueba de homogeneidad de varianzas

Ventas
Estadístico de
Levene gl1 gl2 Sig.
8,295 3 8 ,008

No todas las varianzas son iguales, debe usarse la prueba de Welch.

Universidad Austral de Chile
.
c) Pruebas robustas de igualdad de las medias
Ventas
Estadístico(a) gl1 gl2 Sig.
Welch 5,013 3 4,168 ,073

Todos los tipos de aviso generan las mismas ventas en promedio.

3.- a) Pruebas de normalidad

Kolmogorov-Smirnov(a) Shapiro-Wilk
Fertilizante Estadístico gl Sig. Estadístico gl Sig.
kilos 1,00 ,184 7 ,200(*) ,891 7 ,282
2,00 ,143 8 ,200(*) ,936 8 ,574
3,00 ,393 6 ,004 ,601 6 ,000

El fertilizante C no presenta normalidad. Se debe usar Kruskal Wallis.

b) Estadísticos de contraste(a,b)

kilos
Chi-cuadrado 10,985
gl 2
Sig. asintót. ,004

No todas las medianas son iguales. Acá se deben hacer las comparaciones múltiples de Dunn, pero como el
SPSS no las tiene, usaremos Sheffé que es robusta a la no normalidad (no la afecta gravemente).

c) Scheffé
Intervalo de confianza al
95%
Diferencia de Límite
(I) Fertilizante (J) Fertilizante medias (I-J) Error típico Sig. superior Límite inferior
1,00 2,00 -6,30536 5,03689 ,472 -19,7352 7,1245
3,00 -14,82619(*) 5,41450 ,044 -29,2628 -,3896
2,00 1,00 6,30536 5,03689 ,472 -7,1245 19,7352
3,00 -8,52083 5,25599 ,293 -22,5348 5,4932
3,00 1,00 14,82619(*) 5,41450 ,044 ,3896 29,2628
2,00 8,52083 5,25599 ,293 -5,4932 22,5348

Sólo presentan diferencias significativas los fertilizantes A y C. Podemos observar que el fertilizante C tiene un
rendimiento significativamente mayor al A, pero no alcanza a presentar diferencias con el B según las muestras
utilizadas.
Intervalo de confianza para
la media al 95%
Desviación Límite
N Media típica Error típico Límite inferior superior Mínimo Máximo
1,00 7 30,3571 3,22224 1,21789 27,3771 33,3372 27,10 36,60
2,00 8 36,6625 2,64680 ,93578 34,4497 38,8753 33,00 40,00
3,00 6 45,1833 17,85244 7,28823 26,4483 63,9183 36,00 81,30
Total 21 36,9952 10,99202 2,39866 31,9917 41,9987 27,10 81,30