Formulario de estadistica

inferencial

TEMA 1: REGRESIÓN
LINEAL SIMPLE Y
CORRELACIÓN
 Datos Formula

n=9

x y xy x²

4.3 126 541.8 18.49

4.5 121 544.5 20.25

5.9 116 684.4 34.81

5.6 118 660.8 31.36

6.1 114 695.4 37.21

5.2 118 613.6 27.04

3.8 132 501.6 14.44

2.1 141 296.1 4.41

7.5 108 810 56.25

Σx= 45 Σy= 1094 Σxy=5348.2 Σx²=244.26

 ERROR ESTÁNDAR EN LA
MEJOR ESTIMACION DE LA
RECTA

x y

4.3 126 125.98234683282 0.00031163431

4.5 121 124.717549325 13.82017298381

5.9 116 115.86396677051 0.01850503953

5.6 118 117.7611630322 0.05704309719

6.1 114 114.59916926273 0.3590038054

5.2 118 120.2975804777 5.27887605151

3.8 132 129.14434060229 8.15479059573

2.1 141 139.89511941849 1.2207610994

7.5 108 105.7455867082 5.08237929024

Σx= 45 Σy= 1094

 Formula Sustitución

Interpretacion

La variabilidad en los valores observados de la cantidad de lluvia y las partículas eliminadas, con
un valor de 2.2026 indica cuán dispersos están los datos alrededor de la línea de regresión. Esto
sugiere que, en promedio, la diferencia entre los valores reales y las predicciones del modelo de
regresión es de aproximadamente 2.2026 unidades, lo que muestra el nivel de incertidumbre o
variabilidad en las predicciones del modelo.

COEFICIENTE DE
CORRELACIÓN DE PEARSON
 x y xy x² y²

4.3 126 541.8 18.49 15876

4.5 121 544.5 20.25 14641

5.9 116 684.4 34.81 13456

5.6 118 660.8 31.36 13924

6.1 114 695.4 37.21 12996

5.2 118 613.6 27.04 13924

3.8 132 501.6 14.44 17424

2.1 141 296.1 4.41 19881

7.5 108 810 56.25 11664

Σx= 45 Σy= 1094 Σxy= 5348.2 Σx²=244.26 Σy²=133786

Formula Sustitución
 VALOR TIPO DE CORRELACIÓN
Correlación positiva muy
0.01 a 0.19
baja

Correlación negativa
-1
grande y perfecta

0.2 a 0.39 Correlación positiva baja

Correlación
-0.9 a -0.99
negativa muy alta
Correlación positiva
0.4 a -0.69
moderada

-0.7 a -0.89 Correlación negativa alta

0.7 a 0.89 Correlación positiva alta

-0.4 a -0.69 Correlación negativa moderada

Correlación positiva muy

0.9 a 0.99
alta

-0.2 a -0.39 Correlación negativa baja

Correlación positiva
1
-0.01 a -0.19 Correlación negativa muy baja grande y perfecta

0 Correlación nula

COEFICIENTE DE
CORRELACIÓN DE
SPEARMAN
 x y rango x rango y

4.3 126 3 7 -4 16

4.5 121 4 6 -2 4

5.9 116 7 3 4 16

5.6 118 6 4.5 1.5 2.25

6.1 114 8 2 6 36

5.2 118 5 4.5 0.5 0.25

3.8 132 2 8 -6 36

2.1 141 1 9 -8 64

7.5 108 9 1 8 64

Σx= 45 Σy= 1094

Formula Sustitución

Escala Interpretacion

Correlación Valor
El valor obtenido del coeficiente de correlación de Spearman
fue de -0.9875, lo que indica una correlación negativa casi
Correlación negativa perfecta -1 perfecta entre las variables de lluvia y partículas, según sus
rangos asignados. Este valor cercano a -1 sugiere que,
Correlación negativa moderada cuando una de las variables aumenta, la otra tiende a
-0.5
fuerte débil
disminuir de forma consistente.
La correlación negativa implica que las variables no son
Ninguna correlación 0 proporcionalmente directas; es decir, a medida que aumenta
la cantidad de lluvia, la cantidad de partículas eliminadas
Correlación moderada fuerte 0.5 disminuye (o viceversa), siguiendo un patrón inverso entre
ambas.
Correlación positiva perfecta 1
 VARIANZA Y DESVIACIÓN
ESTÁNDAR

Datos Varianza

n=9 Formula Sustitución

Desviación estándar

Formula Sustitución
COEFICIENTE DE
DETERMINACIÓN

Formula Sustitución
 y

126 125.98234683282 121.555 19.802 19.601

121 124.717549325 121.555 0.3025 10.001

116 115.86396677051 121.555 30.8025 32.387

118 117.7611630322 121.555 12.6025 14.393

114 114.59916926273 121.555 57.0025 48.383

118 120.2975804777 121.555 12.6025 1.581

132 129.14434060229 121.555 109.2025 57.598

141 139.89511941849 121.555 378.3025 336.359

108 105.7455867082 121.555 183.6025 249.937

Σy= 1094

INTERVALOS DE CONFIANZA
 INTERVALOS DE CONFIANZA
PARA

Datos Formula y sustitución Tabla

Valores críticos de la
distribución de t

0.005
7
3.499

Interpretación: En este intervalo de confianza de 99% probabilidad de confianza de que

el intervalocaiga en 144.0268571<a<162.3241294
 INTERVALOS DE CONFIANZA
PARA

Datos Formula y sustitución Tabla

Valores críticos de la
distribución de t

0.005
7
3.499

Interpretación:En este intervalo de confianza de 99% probabilidad de confianza de que

el intervalo caiga en 15.47262373< <2.824648653
INTERVALOS DE CONFIANZA
PARA

4.3 125.98234683282

4.5 124.717549325

5.9 115.86396677051

5.6 117.7611630322

6.1 114.59916926273

5.2 120.2975804777

3.8 129.14434060229

2.1 139.89511941849

7.5 105.7455867082
 Datos Formula

Sustitucion

Interpretación: En este intervalo de confianza de 99% probabilidad de confianza de que el intervalo caiga en

INTERVALO DE CONFIANZA
DE PREDICCIÓN ( )
 X

4.3 125.98234683282

4.5 124.717549325

5.9 115.86396677051

5.6 117.7611630322

6.1 114.59916926273

5.2 120.2975804777

3.8 129.14434060229

2.1 139.89511941849

7.5 105.7455867082

Datos Formula

Sustitucion

Interpretación: En este intervalo de confianza de 99% probabilidad de confianza de que el intervalo caiga en
EL MÉTODO DEL ANÁLISIS
DE VARIANZA

Tabla ANOVA

Fuente de Suma de Grados de

Cuadrado medio calculada
variacion cuadrados libertad

Regresion SCR 1 SCR

Error SCE n-2

Total STCC n-1

0.000193 19.67898 19.8025

13.84956 10.05841 0.3025

0.017082 32.27035 30.8025

0.054662 14.31714 12.6025

0.365662 48.23719 57.0025

5.268861 1.574021 12.6025

8.136186 57.72353 109.2025

1.217271 336.6014 378.3025

5.051256 249.561 183.6025

Planteamiento

H₀: β1 =0
H₁: β1 ≠ 0,
 Fuente de Suma de Grados de
Cuadrado medio calculada
variacion cuadrados libertad

Regresion 770.022 1 770.022 158.7183

Error 33.96074 7 4.8515

Total 8042226 8

Tablas

Valores criticos de la distribucion f

7 1

23,714.5
1 .005 7 .005 16.236
66

T ESTADISTICO
 PLanteamiento Datos

H₀: β1 =0
H₁: β1 ≠ 0,

Interpretacion
Fromula Sustitucion
el signo negativo indica que
La relación entre las
variables es inversa (cuando
una aumenta, la otra tiende
a disminuir). Además el que
t cuadrada sea igual al
estadístico f indica que la
variable independiente
explica fuertemente a la
variable dependiente.
 Nivel de Interpretacion Evidencia Interpretacion
Valor t
significancia practica contra H₀
El resultado obtenido indica que
0.0-1.0 Debil
Diferencias por
Muy debil
existe un efecto estadísticamente
azar
contundente, por lo que las
diferencias observadas no se deben
1.0-1.5 Leve Posible efecto Debil al azar. La evidencia contra la
hipótesis nula H₀ es contundente, lo
1.5-2.0 Moderado Efecto probable Moderada que sugiere que el fenómeno
analizado tiene un efecto real en el
contexto del problema. El signo
Efecto
2.0-2.5 Significativo probablemente Buena negativo solo indica la dirección de
real la relación, pero no afecta la fuerza
de la evidencia.
Efecto muy
2.5-3.0 Fuerte Muy buena
probable

Efecto
3.0-4.0 Muy fuerte altamente Excelente
confiable

Extremadament Evidencia
>4.0 Contundente
e fuerte abrumadora

Prueba de hipótesis para

 PLanteamiento Datos

H₀: =0 Σx²=244.26
H₁: ≠0

Fromula Sustitucion Tabla

Valores criticos de la distribucion t

Y
.005

7 3.499
Prueba de hipótesis para

PLanteamiento Datos

H₀: =1
H₁: >1
Fromula Sustitucion Tabla

Valores criticos de la distribucion t

Y
0.01

7 2.998

Tema 2: Regresión lineal

múltiple y correlación
 Formula

Formula general grado R

Matriz grado R

x y xy x² x³ x⁴ x²y

4.3 126 541.8 18.49 79.507 341.8801 2,329.74

4.5 121 544.5 20.25 91.125 410.0625 2,450.25

5.9 116 684.4 34.81 205.379 1,211.736 4,037.96

5.6 118 660.8 31.36 175.616 983.4496 3,700.48

6.1 114 695.4 37.21 226.981 1,384.584 4,241.94

5.2 118 613.6 27.04 140.608 731.1616 3,190.72

3.8 132 501.6 14.44 54.872 208.5136 1,906.08

2.1 141 296.1 4.41 9.261 19.4481 621.81

7.5 108 810 56.25 421.875 3,164.063 6,075

Σx= 45 Σy= 1094 Σxy= 5348.2 Σx²=244.26 Σx³=1405.224 Σx⁴=8454.98 Σx²y=28553.98

 Datos

n=9
Σx= 45
Σx²=244.26
Σx³=1405.224
Σx⁴=8454.98
Σy= 1094
Σxy= 5348.2
Σx²y=28553.98

Formulas

Matriz grado 2
 9b₀ 45b₁ 244.26b₂ 1094

Matriz 45b₀ 244.26b₁ 1405.224b₂ = 5348.2

244.26b₀ 1405.224b₁ 8454.98b₂ 28553.98

9 45 244.26

244.2 1405.2 1405.2 45 244.26

45
6 24 24

- +
45 244.26 1405.224
= (9) (45) (244.26) 244.2 1405.2
1405. 8454.9 244.2 8454.9 6 24
224 8 6 8
244.26 1405.224 8454.98

= 12025.522

1094 45 244.26

244.2 1405.2 5348. 1405.2 5348.

244.26
6 24 2 24 2

- +
5348.2 244.26 1405.224
= (1094) (45) (244.26)
1405. 8454.9 2855 8454.9 2855 1405.2
28553.9 224 8 3.98 8 3.98 24
1405.224 8454.98
8

=1934723.184
 9 1094 244.26
5348. 1405.2 1405.2
45 45 5348.2
2 24 24
45 5348.2 1405.224
= (9)
2855 8454.9
- (1094) 244.2 8454.9
+ (244.26) 244.2 28553.
3.98 8 6 8 6 98
244.26 28553.98 8454.98

=-119009.809

9 45 1094
244.2 45 5348.2 45 244.26
5348.2
6
45 244.26 5348.2 = (9)
1405. 28553.
- (45) 244.
26
28553.
98
+ (1094) 244.2
6
1405.2
24
224 98
244.26 1405.224 28553.98

= 4498.708
 Sustitucion x

4.3 125.2475

4.5 123.9265

5.9 115.5175

5.6 117.196

6.1 114.4359

5.2 119.5388

3.8 128.6808

2.1 141.7527

7.5 107.7025

Coeficiente de determinación
y correlación.
 y

125.2475 126 121.55 19.8025 13.67121

123.9265 121 121.55 0.3025 5.647752

115.5175 116 121.55 30.8025 36.39057

117.196 118 121.55 12.6025 18.95697

114.4359 114 121.55 57.0025 50.60985

119.5388 118 121.55 12.6025 4.045086

128.6808 132 121.55 109.2025 50.84774

141.7527 141 121.55 378.3025 408.1507

107.7025 108 121.55 183.6025 191.7533

Formula Sustitucion
 valor correlacion 1 correlacion positiva grande y perfecta

-1 correlacion negativa grande y perfecta

Interpretacion
-0.9a-0.99 correlacion negativa muy alta

Se obtiene una correlación positiva muy

-0.7a-0.89 correlacion negativa alta
alta, este valor significa que el 98.48% de
la variabilidad total de la variable
-0.4a-0.69 correlacion negativa moderada
dependiente (y) es explicada por la
-0.2a-0.39 correlacion negativa baja
variable independiente (x) a través del
modelo. Es decir, casi todos los cambios
-0.01a-0.19 correlacion negativa muy baja que se observan en y pueden ser
descritos por la ecuación que obtenida.
0 correlacion nula Solo queda un 1.52% de variación sin
explicar, lo cual se atribuye a errores
0.01a0.19 correlación positiva muy baja
experimentales, ruido en los datos o
factores que no fueron incluidos en el
0.2a0.39 correlacion positiva baja
análisis.
0.4a0.69 correlacion positiva moderada

0.7a0.89 correlacion positiva alta

0.9a0.99 correlacion positiva muy alta

TEMA 3: REGRESIÓN NO
LINEAL MÚLTIPLE
 ECUACION POTENCIAL

x y

4.3 126 0.633 2.1004 0.401282 4.4116 1.330518

4.5 121 0.653 2.0828 0.426687 4.3380 1.360501

5.9 116 0.771 2.0645 0.594213 4.2620 1.591392

5.6 118 0.748 2.0719 0.559785 4.2927 1.550157

6.1 114 0.785 2.0569 0.616743 4.2309 1.615349

5.2 118 0.716 2.0719 0.512661 4.2927 1.483474

3.8 132 0.580 2.1206 0.336149 4.4968 1.229474

2.1 141 0.322 2.1492 0.103825 4.6191 0.69252

7.5 108 0.875 2.0334 0.765732 4.1348 1.77937

Σx= 45 Σy= 1094 Σ= 6.084 Σ= 18.7515 Σ= 4.3171 Σ= 39.0786 Σ= 12.6328

 Formula Sustitucion

x
Particulas eliminadas

4.3 123.6907

4.5 122.5099

5.9 115.7042

5.6 116.9853

6.1 114.8932

5.2 118.8289

3.8 126.9593

2.1 143.8834

7.5 109.992

Σx= 45
Cantidad de lluvia
 y

123.6907 126 121.55 4.582596 19.8025

122.5099 121 121.55 0.921408 0.3025

115.7042 116 121.55 34.17338 30.8025

116.9853 118 121.55 20.83649 12.6025

114.8932 114 121.55 44.31299 57.0025

118.8289 118 121.55 7.404385 12.6025

126.9593 132 121.55 29.26053 109.2025

143.8834 141 121.55 498.7808 378.3025

109.992 108 121.55 133.5874 183.6025

Formula Sustitucion
 valor correlacion 1 correlacion positiva grande y perfecta

-1 correlacion negativa grande y perfecta

Interpretacion
-0.9a-0.99 correlacion negativa muy alta

En términos más completos, este valor

-0.7a-0.89 correlacion negativa alta
significa que el 96.20% de la variabilidad
-0.4a-0.69 correlacion negativa moderada
total de la variable dependiente (y) es
explicada por la variable independiente
-0.2a-0.39 correlacion negativa baja (x) a través del modelo. Es decir, casi
todos los cambios que se observan en y
-0.01a-0.19 correlacion negativa muy baja pueden ser descritos por la ecuación que
obtenida. Solo queda un 3.80% de
0 correlacion nula
variación sin explicar, lo cual se atribuye
a errores experimentales, ruido en los
0.01a0.19 correlación positiva muy baja
datos o factores que no fueron incluidos
en el análisis.
0.2a0.39 correlacion positiva baja

0.4a0.69 correlacion positiva moderada

0.7a0.89 correlacion positiva alta

0.9a0.99 correlacion positiva muy alta

ECUACION EXPONENCIAL
 x y

4.3 126 4.836 18.49 20.796

4.5 121 4.796 20.25 21.581

5.9 116 4.754 34.81 28.046

5.6 118 4.771 31.36 26.716

6.1 114 4.736 37.21 28.891

5.2 118 4.771 27.04 24.808

3.8 132 4.883 14.44 18.555

2.1 141 4.949 4.41 10.392

7.5 108 4.682 56.25 35.116

Σx= 45 Σy= 1094 Σ= 43.177 Σ= 244.26 Σ= 214.900

Formula Sustitucion x

4.3 125.772

4.5 124.520

5.9 116.102

5.6 117.856

6.1 114.947

5.2 120.237

3.8 128.956

2.1 140.396

7.5 107.175
x

Particulas eliminadas
4.3 125.772

4.5 124.520

5.9 116.102

5.6 117.856

6.1 114.947

5.2 120.237

3.8 128.956

2.1 140.396

7.5 107.175

Cantidad de lluvia

125.772 126 121.55 19.758 17.783

124.520 121 121.55 0.308 8.791

116.102 116 121.55 30.858 29.735

117.856 118 121.55 12.638 13.683

114.947 114 121.55 57.078 43.666

120.237 118 121.55 12.638 1.737

128.956 132 121.55 109.098 54.775

140.396 141 121.55 378.108 354.983

107.175 108 121.55 183.738 206.784

 Formula Sustitucion

valor correlacion 1 correlacion positiva grande y perfecta

-1 correlacion negativa grande y perfecta

Interpretacion
-0.9a-0.99 correlacion negativa muy alta

En términos más completos, este valor

-0.7a-0.89 correlacion negativa alta significa que el 91% de la variabilidad total
de la variable dependiente (y) es explicada
-0.4a-0.69 correlacion negativa moderada por la variable independiente (x) a través del
modelo. Es decir, casi todos los cambios que
-0.2a-0.39 correlacion negativa baja
se observan en y pueden ser descritos por
la ecuación que obtenida. Solo queda un 9%
-0.01a-0.19 correlacion negativa muy baja
de variación sin explicar, lo cual se atribuye
0 correlacion nula
a errores experimentales, ruido en los datos
o factores que no fueron incluidos en el
0.01a0.19 correlación positiva muy baja análisis.

0.2a0.39 correlacion positiva baja

0.4a0.69 correlacion positiva moderada

0.7a0.89 correlacion positiva alta

0.9a0.99 correlacion positiva muy alta

 ECUACION LOGARITMICA

x y

183.785
4.3 126 1.459 2.128

4.5 121 1.504 2.262 181.993

5.9 116 1.775 3.150 205.894

5.6 118 1.723 2.968 203.286

6.1 114 1.808 3.270 206.145

5.2 118 1.649 2.718 194.542

3.8 132 1.335 1.782 176.220

2.1 141 0.742 0.550 104.613

7.5 108 2.015 4.060 217.610

Σx= 45 Σy= 1094 Σ= 14.009 Σ= 22.889 Σ= 1674.089

 Formula Sustitucion ln(x)

1.459 124.102

1.504 122.918

1.775 115.788

1.723 117.156

1.808 114.920

1.649 119.103

1.335 127.364

0.742 142.966

2.015 109.473

Σ= 14.009 Σ=1093.789

x ln(x)
Particulas eliminadas

4.3 1.459 124.102

4.5 1.504 122.918

5.9 1.775 115.788

5.6 1.723 117.156

6.1 1.808 114.920

5.2 1.649 119.103

3.8 1.335 127.364

2.1 0.742 142.966

7.5 2.015 109.473

Σ= 14.009 Σ=1093.789

Cantidad de lluvia
 y

124.102 126 121.55 19.758 6.486

122.918 121 121.55 0.308 1.857

115.788 116 121.55 30.858 33.261

117.156 118 121.55 12.638 19.352

114.920 114 121.55 57.078 44.030

119.103 118 121.55 12.638 6.013

127.364 132 121.55 109.098 33.746

142.966 141 121.55 378.108 458.430

109.473 108 121.55 183.738 145.966

Formula Sustitucion
 valor correlacion 1 correlacion positiva grande y perfecta

-1 correlacion negativa grande y perfecta

Interpretacion
-0.9a-0.99 correlacion negativa muy alta

En términos más completos, este valor

-0.7a-0.89 correlacion negativa alta significa que el 96% de la variabilidad total
de la variable dependiente (y) es explicada
-0.4a-0.69 correlacion negativa moderada por la variable independiente (x) a través del
modelo. Es decir, casi todos los cambios que
-0.2a-0.39 correlacion negativa baja
se observan en y pueden ser descritos por
la ecuación que obtenida. Solo queda un 4%
-0.01a-0.19 correlacion negativa muy baja
de variación sin explicar, lo cual se atribuye
0 correlacion nula
a errores experimentales, ruido en los datos
o factores que no fueron incluidos en el
0.01a0.19 correlación positiva muy baja análisis.

0.2a0.39 correlacion positiva baja

0.4a0.69 correlacion positiva moderada

0.7a0.89 correlacion positiva alta

0.9a0.99 correlacion positiva muy alta

Una forma mas intuitiva de verlo es:

La exponencial suele ser la mas agresiva de todas

OpenAI. (2026). Respuesta de ChatGPT a la consulta “Ecuaciones Diseño de experimentos”. ChatGPT. [Link]
 TEMA 4: DISEÑO DE
EXPERIMENTOS

ANÁLISIS DE VARIANZA PARA

UN CRITERIO O UN FACTOR
NO BLOQUES ALEATORIOS
PROBLEMA 1.
Suponga que en un experimento industrial a un ingeniero le interesa la forma en que la absorción media de humedad del concreto varía para 5 agregados
de concreto diferentes. Las muestras se exponen a la humedad durante 48 horas y se decide que para cada agregado deben probarse 6 muestras, lo que
hace que se requiera probar un total de 30 muestras.
Pruebe la hipótesis de que
⋯
μ₁ = μ₂ = = μ₅
a un nivel de significancia de 0.05 sobre la absorción de humedad por varios tipos de agregados para cemento.

Agregado/
1 2 3 4 5
muestras

551 595 639 417 563

457 580 615 449 631

450 508 511 517 522

731 583 573 438 613

499 539 453 415 666

632 611 667 365 679

Trotal 3320 3416 3458 2601 3674 16469

Media 553.33 569.33 576.33 433.50 612.33 548.97

Datos Planteamiento

H₀:μ₁=μ₂=μ₃=μ₄=μ₅
n=6
K=5 H₁:al menos una de las
medias no son iguales
 Formula

Tabla. Aalisis de varianza para el diseño de No bloques aleatorios Montgomery

Fuente de variacion Suma de cuadrados Grados de libertad Media cuadratica f calculada

Tratamientos

Error

Total

Sustitucion

v
 Formula

Tabla. Aalisis de varianza para el diseño de No bloques aleatorios walpole

Fuente de variacion Suma de cuadrados Grados de libertad Media cuadratica f calculada

Tratamientos

Error

Total

Sustitucion

v
 Tablas

Valores criticos de la distribucion f

Y₁ Y₁
Y₂ Y₂
4 25

25 2.76 4 5.26

Condicion Conclusion

La hipótesis nula H₀ se rechaza Se rechaza H₀, almenos una de las

cuando: medias no son iguales
 PRUEBA DE TUKEY.

Datos Tablas

Pruebas porcentuales superiores de la distribucion de rangos

estandarizados

k
y
5

25 4.16

Formula Sustitucion

#Comparaciones
#Comparaciones
 medias de cada agregado

553.33 569.33 576.33 433.50 612.33

Diferencia de medias

612.33 576.33 569.33 553.33 433.50

433.50 -

553.33 - -

569.33 - - -

576.33 - - - -

612.33 - - - - -

medias de cada agregado

Media diferente

553.33 569.33 576.33 433.50 612.33

Media igual

Diferencia de medias

612.33 576.33 569.33 553.33 433.50

433.50 178.83>123.4 142.83>123.4 135.83>123.4 119.83<123.4

553.33 59<123.4 23<123.4 16<123.4

569.33 43<123.4 7<123.4

576.33 35.9<123.4

612.33
 Condicion Conclusion

Cuando la diferencia de medias es Como resultado de la prueba de

mayor a la w se identifica como Tuket obtuvimos que ,
media diferente y no son iguales

PRUEBA DE DUNCAN.
 Datos Tablas

Ramgos estandarizados significativos minimos

p
y
2 3 4 5

25 2.913 3.059 3.154 3.221

Formula

#Comparaciones

Sustitucion

#Comparaciones
 medias de cada agregado

553.33 569.33 576.33 433.50 612.33

Diferencia de medias

612.33 576.33 569.33 553.33 433.50

433.50 -

553.33 - -

569.33 - - -

576.33 - - - -

612.33 - - - - -

medias de cada agregado

Media diferente

553.33 569.33 576.33 433.50 612.33

Media igual

Diferencia de medias

612.33 576.33 569.33 553.33 433.50

433.50 178.83>95.545 142.83>93.56 135.83>90.74 119.83>86.41

553.33 59<93.56 23<90.74 16<86.41

569.33 43<90.74 7<86.41

576.33 35.9<86.41

612.33
 Condicion Conclusion

Si las diferencias de medias son Como resultado de la prueba de

mayores que el valor calculado , Dunacan obtuvimos que ,
las medias en cuestión son , y no son iguales
diferentes estadísticamente

PRUEBA DE KRUSKAL-WALLIS
 Datos Tablas

Valores criticos de la distribucion chi cuadrada

Υ Υ
0.05 0.95

4 9.488 4 0.711

Planteamiento

H₀ : μ₁=μ₂=... =μ₅

H₁ :las absorción media de la

humedad del concreto varia en al
menos una media
 Rangos

551 13 595 19 639 25 417 2 563 15

457 6 580 17 615 21 449 4 631 22

450 5 508 8 511 9 517 10.5 522 12

731 30 583 18 573 16 438 3 613 20

499 7 539 24 453 26 415 1 666 27

632 22 611 10.5 667 28 365 14 679 29

Formula

Sustitucion
 Condicion Conclusion

Si H cae en la región critica de H> Se rechaza H₀. Las muestras no

con γ=k-1 libertad, se rechaza H₀ al provienen de poblaciones con las
nivel de significancia alpha. mismas distribuciones ni de
poblaciones con medianas iguales.

ANÁLISIS DE VARIANZA PARA

UN CRITERIO O UN FACTOR
BLOQUES ALEATORIOS
PROBLEMA 2
un experimento en el cual se midieron los ni veles de pH de suelo aluvial. Se aplicaron diferentes niveles de abono a cada suelo.
El interés principal se centra en las diferencias entre los suelos, no hay mucho interés en el efecto del abono. Los resultados se
presentan en la tabla siguiente.

Nivel de abono

Tierra 1 2 3 4 5 total Media

A 5.8 5.9 6.1 6.7 7.1 31.6 6.32

B 5.2 5.7 6.0 6.4 6.8 30.1 6.02

C 5.5 6.0 6.2 6.7 7.0 31.4 6.28

D 6.0 6.6 6.7 6.7 7.5 33.5 6.70

Total 22.5 24.2 25 26.5 28.4 126.6

Media 5.625 6.05 6.25 6.625 7.1 6.33

Datos Planteamiento

H₀:μ₁=μ₂=μ₃=μ₄=μ₅
b=4
K=5 H₁:al menos uno de los
suelos es diferente
 Formula

Tabla. Aalisis de varianza para el diseño de bloques aleatorios Montgomery

Fuente de variacion Suma de cuadrados Grados de libertad Media cuadratica f calculada

Tratamientos

Bloques

Error

Total

Sustitucion
 Formula

Tabla. Aalisis de varianza para el diseño de bloques aleatorios Walpole

Fuente de variacion Suma de cuadrados Grados de libertad Media cuadratica f calculada

Tratamientos

Bloques

Error

Total

Sustitucion
 Tablas

Valores criticos de la distribucion f

Y₁ Y₁
Y₂ Y₂
4 12

12 3.26 4 5.91

Condicion Conclusion

La hipótesis nula H₀ se rechaza Se rechaza H₀, almenos uno de los

cuando: suelos es diferente
 PRUEBA DE TUKEY.

Datos Tablas

Pruebas porcentuales superiores de la distribucion de rangos

estandarizados

k
y
5

12 4.51

Formula Sustitucion

#Comparaciones
#Comparaciones
 medias de cada agregado

5.625 6.05 6.25 6.625 7.1

Diferencia de medias

7.1 6.625 6.25 6.05 5.625

5.625 -

6.05 - -

6.25 - - -

6.625 - - - -

7.1 - - - - -

medias de cada agregado

Media diferente

5.625 6.05 6.25 6.625 7.1 Media igual

Diferencia de medias

7.1 6.625 6.25 6.05 5.625

5.625 1.475>0.323 1>0.323 0.625>0.323 0.425>0.323

6.05 1.05>0.323 0.575>0.323 0.2<0.323

6.25 0.85>0.323 0.375>0.323

6.625 0.475>0.323

7.1
 Condicion Conclusion

Cuando la diferencia de medias es

Como resultado de la prueba de
mayor a la w se identifica como
Tukey obtuvimos que todas excepto
media diferente
no son iguales

PRUEBA DE DUNCAN.
 Datos Tablas

Ramgos estandarizados significativos minimos

p
y
2 3 4 5

12 3.082 3.225 3.313 3.370

Formula

#Comparaciones

Sustitucion

#Comparaciones
 medias de cada agregado

5.625 6.05 6.25 6.625 7.1

Diferencia de medias

7.1 6.625 6.25 6.05 5.625

5.625 -

6.05 - -

6.25 - - -

6.625 - - - -

7.1 - - - - -

medias de cada agregado

Media diferente

5.625 6.05 6.25 6.625 7.1 Media igual

Diferencia de medias

7.1 6.625 6.25 6.05 5.625

5.625 1.475>0.246 1>0.242 0.625>0.236 0.425>0.225

6.05 1.05>0.242 0.575>0.236 0.2<0.225

6.25 0.85>0.236 0.375>0.225

6.625 0.475>0.225

7.1
 Condicion Conclusion

Si las diferencias de medias son

Como resultado de la prueba de
mayores que el valor calculado ,
Duncan obtuvimos que todas
las medias en cuestión son
excepto no son iguales
diferentes estadísticamente

PRUEBA DE KRUSKAL-WALLIS.
 NO APLICA
La prueba de kruskal-wallis fue originalmente pensada para calcular si hay variación en los
datos de una sola variable independiente, de modo que, no es aplicable cuando tratamos
con mas de una sola variable, ya que, ignora el efecto en la variabilidad que puede causar
la segunda variable, tomándolo como factor error y como consecuencia entrega valores
incorrectos, aunque si la variabilidad que produce la segunda variable es despreciable, la
prueba de kruskal-wallis aun ignorando este efecto podria dar una conclusion basntante
acertada

ANALISIS DE VARIANZA PARA

DOS CRITERIOS O DOS
FACTORES
En un experimento realizado para determinar cuál de 3 sistemas de misiles distintos es preferible, se midió la tasa de combustión del propulsor para 24
arranques estáticos. Se emplearon 4 tipos de combustible diferentes y el experimento generó observaciones duplicadas de las tasas de combustión para
cada combinación de los tratamientos.

Los datos, ya codificados, se presentan en la sig. tabla. Pruebe las siguientes hipótesis:
a) H₀: no hay diferencia en las tasas medias de combustión del propulsor cuando se emplean diferentes sistemas de misiles
b) H₀: no existe diferencia en las tasas medias de combustión de los 4 tipos de propulsor
c) H₀: no hay interacción entre los distintos sistemas de misiles y los diferentes tipos de propulsor

Tipo de propulsor
Sistema de
misiles
b₁ b₂ b₃ b₄

34.0 30.1 29.8 29.0

a₁
32.7 32.8 26.7 28.9

32.0 30.2 28.7 27.6

a₂
33.2 29.8 28.1 27.8

28.4 27.3 29.7 28.8

a₃
29.3 28.9 27.3 29.1

Datos Panteamiento

a) H₀: no hay diferencia b)H₀: no existe c) H₀: no hay

en las tasas medias de diferencia en las tasas interacción entre los
combustión del medias de combustión distintos sistemas de
propulsor cuando se de los 4 tipos de misiles y los diferentes
emplean diferentes propulsor tipos de propulsor
sistemas de misiles
H₁: existe diferencia en H₁: hay interacción
H₁: hay diferencia en las tasas medias de entre los distintos
las tasas medias de combustión de los 4 sistemas de misiles y
combustión del tipos de propulsor los diferentes tipos de
propulsor cuando se propulsor
emplean diferentes
sistemas de misiles
 Tipo de propulsor
Sistema
de
misiles b₁ b₂ b₃ b₄ TOTAL

a₁ 66.7 62.9 56.5 57.9 244

a₂ 65.2 60 56.8 55.4 237.4

a₃ 57.7 56.2 57 57.9 228.8

TOTAL 189.6 179.1 170.3 171.2 709.2

Formula

Tabla. Aalisis de varianza para el diseño de dos factores

Fuente de
Suma de cuadrados Grados de libertad Media cuadratica f calculada
variacion

A SCA

B SCB

Interacciones de 2 factores

AB SC(AB)

ERROR SCE

TOTAL STC
 Formula

Sustitucion
Sustitucion

Sustitucion
 Tablas

Valores criticos de la distribucion f

Y₁
Y₂
12

2 19.41
Y₁
Y₂
2

12 3.89

Grafica
Condicion Conclusion

La hipótesis nula H₀ se Se rechaza H₀, hay

rechaza cuando: diferencia en las tasas
medias de combustión
del propulsor cuando se
emplean diferentes
sistemas de misiles

v
 Tablas

Valores criticos de la distribucion f

Y₁
Y₂
12

3 8.74
Y₁
Y₂
3

12 3.49

Grafica
Condicion Conclusion

La hipótesis nula H₀ se Se acepta H₀, no existe

rechaza cuando: diferencia en las tasas
medias de combustión
de los 4 tipos de
propulsor

v
 Tablas

Valores criticos de la distribucion f

Y₁
Y₂
12

6 4
Y₁
Y₂
6

12 3

Grafica
Condicion Conclusion

La hipótesis nula H₀ se Se acepta H₀, no hay

rechaza cuando: interacción entre los
distintos sistemas de
misiles y los diferentes
tipos de propulsor

v
 PRUEBA DE TUKEY

NO APLICA
La prueba de Tukey no puede utilizarse en ANOVA de dos factores aunque su función no es reemplazar el ANOVA, sino
complementarlo.
Tukey es una prueba de comparación múltiple de medias. Su trabajo comienza después de que el ANOVA ya detectó
diferencias significativas.
El ANOVA responde:
“sí existen diferencias”.
Tukey responde:
“entre cuáles medias existen esas diferencias”.

pero, tukey no toma en cuenta la interaccion entre los factores, de modo que puede darte una respuesta incompleta e
incorrecta, ya que originalmente no fue desarrollada para analizar interacciones entre variables sino solo, como cambia
una respecto de la otra

OpenAI. (2026). Respuesta de ChatGPT a la consulta “Prueba de Tukey, dos factores”. ChatGPT. [Link]
 PRUEBA DE DUNCAN

NO APLICA
Al igual que tukey, no eses posible aplicar la prueba de Duncan en este tema.

Prácticamente sucede lo mismo que con Tukey, estas pruebas no fueron desarrolladas originalmente para medir
interacciones de variables, de modo que si son aplicadas darán un resultado erróneo, seria como hacer una pregunta que
requiere de una respuesta abierta pero en su lugar solo puedes contestarla de manera cerrada, simplemente estas
pruebas no fueron diseñadas para este tipo de problemas.

OpenAI. (2026). Respuesta de ChatGPT a la consulta “Prueba de duncan, dos factores”. ChatGPT. [Link]
 PRUEBA DE KRUSKAL-WALLIS

NO APLICA
la prueba de kruskal-wallis fue originalmente pensada para calcular si hay variación en los
datos de una sola variable independiente, de modo que, no es aplicable cuando tratamos
con mas de una sola variable, ya que, ignora el efecto en la variabilidad que puede causar
la segunda variable, tomándolo como factor error y como consecuencia entrega valores
incorrectos, aunque si la variabilidad que produce la segunda variable es despreciable, la
prueba de kruskal-wallis aun ignorando este efecto podria dar una conclusion basntante
acertada
 ¿CUANDO ES NO BLOQUES, BLOQUES O 2 FACTORES?

No bloques aleatorios: su nombre lo indica “no bloques” de modo que no hay duplas, no hay relacion de
dependencia entre una variable y otra o en consecuencia se realiza una tabla de valores para cada recabacion
de datos, de modo, que en un problema de no bloques aleatorios no encontraremos una segunda variable, ya
que, incluirla seria innecesario, dado que, no produce efecto en la primer variable

Bloques aleatorios: igual que en el concepto anterior, su nombre nos da indicios de que en este caso estamos
tratando con duplas o una dependencia entre variables, puede sonar muy similar al concepto de 2 factores
pero la diferencia que encontramos entre estos dos casos es que en bloques aleatorios no tenemos interés
alguno en sacar conclusiones sobre la segunda variable, por lo que solo vemos cuanto influye esta segunda
variable en la primera para no cometer el descuido de tomarlo como factor error y como consecuencia
produzca resultados erróneos

2 factores: En este caso tenemos interés en la cantidad cual sea de variables que se planteen dentro del
problema y queremos analizarlas a fondo, sacando conclusiones para cada variable de forma individual y en
conjunto (como se relacionan las unas con las otras)

De manera resumida para identificar a que grupo pertenece el problema basta con identificar el numero de
variables planteadas y cuales de ellas tenemos interes en estudiar

OpenAI. (2026). Respuesta de ChatGPT a la consulta “Bloques, no bloques, 2 factores”. ChatGPT. [Link]