TALLER FINAL DE ESTADISTICA III

INTEGRANTES

YENIFER CABALLERO 2014216107

ELIAS BOLAO CARPIO 2013116022
ESTEFANY POLO RANGEL 2014216107
CAMILA TAMARIS GUTIERREZ 2015116068
KRISTELL MARTINEZ GARCA 2015116093

UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERIA
PROGRAMA DE INGENIERIA INDUSTRIAL
SANTA MARTA D.T.C.H
1. Con el propsito de investigar la relacin entre la estatura y el peso en las
personas, as como la relacin de la talla de padres e hijos, desarrollo un
trabajo de investigacin. Para ello consiste a por lo menos 20 estudiantes, e
investigue su estatura y peso, en kilogramos y metros respectivamente.
Adems, encargar a estos estudiantes que averigen el peso y la estatura de
sus progenitores (padres). Con los datos obtenidos haga lo siguiente:
a) investigue la relacin entre la estatura (X) y el peso (Y) de los estudiantes.
Hacer un diagrama de dispersin, calcular en coeficiente de correlacin lineal y
ajustar un modelo de regresin. Obtener conclusiones.

Estudiantes
Estatura (m) Peso(kg)
1 1,70 68
2 1,68 60
3 1,78 102
4 1,55 53
5 1,65 66
6 1,57 49
7 1,75 70
8 1,61 62
9 1,85 77
10 1,55 50
11 1,65 62
12 1,80 85
13 1,76 100
14 1,73 68
15 1,74 68
16 1,68 70
17 1,60 52
18 1,67 57
19 1,60 45
20 1,70 55

Diagrama de dispersin
la estatura y la cantidad de masa que posee cada estudiante estn fuertemente
relacionadas en un sentido lineal positivo.
 diagrama de dispercion estudiantes
120
100
80 f(x) = 143.97x - 176.06
R = 0.62
peso 60
40
20
0
1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85 1.90

estatura

Peso(kg) Linear (Peso(kg))

Coeficiente de correlacin lineal

Estudiantes
Coeficiente de correlacin simple 0,78572579

La correlacin es positiva, por lo que se observa una relacin directa entre la

estatura y el peso de los estudiantes. Esto confirma el razonamiento basado en el
diagrama de dispersin. El valor de 0,78572579 es muy cercano a 1, por lo que se
concluye que la asociacin es fuerte.

Ajustar un modelo de regresin

y=143,97x -176,06
R = 0,6174
Por cada unidad que aumente la altura de un estudiante el peso aumenta en 143,
97 cm.
Planteamiento de hiptesis para el modelo.
H0: 1=0
HA: 10
Como p- valor es 0,00004031< , por lo tanto, se rechaza H 0, es decir la pendiente
es diferente de cero, por lo que hay relacin lineal significativa entre la estatura de
los estudiantes y el peso en kg de cada uno. Tambin observamos que el modelo
es vlido.

H0: 0=0
HA: 00
Como p-valor es 0,001013143< , por lo tanto, se rechaza H0, por lo tanto, la
interseccin tiene un efecto significativo sobre la variable de respuesta.

Conclusiones
El modelo de regresin lineal es vlido con un p-valor de 0,00004031, en el cual
obtuvimos un coeficiente de correlacin simple de 0,78572579 que indica una
fuerte asocian lineal entre las variables estatura (x) y peso (y) de los estudiantes y
el error estndar tiende a disminuir y el coeficiente de determinacin es alto de
0,617365017 por lo tanta habr una mayor variacin del peso explicada por la
altura.
b) repita lo anterior para el caso de los datos de los progenitores de los
estudiantes.

Padres
Estatura( Peso(k
m) g)
1 1,80 100
2 1,80 100
3 1,77 120
4 1,78 80
5 1,66 80
6 1,65 78
7 1,82 85
8 1,75 120
9 1,74 80
1
0 1,75 80
1
1 1,60 83
1
2 1,70 75
1
3 1,79 84
1
4 1,58 71
1
5 1,70 80
1
6 1,68 85
1
7 1,75 75
1
8 1,78 80
1
9 1,76 72
2
0 1,75 70
 Diagrama de dispersin

padres
140
120
100
80
peso 60
40
20
0
1.55 1.60 1.65 1.70 1.75 1.80 1.85

altura

Podemos observar en el diagrama de dispersin que la relacin lineal

entre las variables de estatura y peso de los padres de los estudiantes
es muy dbil ya que los datos se encuentran muy dispersos.

Coeficiente de correlacin lineal

Padres
Coeficiente de correlacin 0,34603595
mltiple 6
Corroborando con la grfica de dispersin, el coeficiente de correlacin simple
indica una relacin lineal dbil entre la estatura (X) y el peso (Y) de los padres.

Anlisis de varianza

Conclusiones
Segn los resultados obtenidos el modelo no es vlido ya que el valor crtico de F
es mayor a 0.05, adems no hay relacin significativa entre la altura y el peso del
padre y el coeficiente de relacin muestra que la relacin entre las variables es
muy dbil.
Anlisis de regresin lineal para las madres

Madre
Estatura( Peso(k
m) g)
1 1,50 74
2 1,50 74
3 1,65 70
4 1,60 68
5 1,55 60
6 1,63 62
7 1,68 70
8 1,62 65
9 1,73 70
1
0 1,52 55
1
1 1,73 58
1
2 1,75 65
1
3 1,67 98
1
4 1,56 65
1
5 1,68 68
1
6 1,70' 65
1
7 1,65 60
1 1,65 56
 8
1
9 1,55 67
2
0 1,57 60

Diagrama de dispersin

Madres
120

100

80

peso 60

40

20

0
1.45 1.50 1.55 1.60 1.65 1.70 1.75 1.80

altura
Podemos observar que la grfica de dispersin para las madres muestra una
pendiente de la lnea recta que tiende a cero por lo tanto hay poca
asociacin entre las variables.

Coeficiente de correlacin

Madres
Coeficiente de correlacin simple 0,052502356

Corroborando con la informacin aportada por la grfica de dispersin, podemos

decir que el coeficiente de relacin indica una relacin dbil entre las variables.
Anlisis de varianza

Conclusiones
Segn los resultados obtenidos el modelo no es vlido ya que el valor crtico de F
es mayor a 0.05, adems no hay relacin significativa entre la altura(x) y el peso(y)
de la madre y el coeficiente de relacin muestra que hay poca asociacin entre
las variables.
c) tome la estatura del estudiante como variable dependiente, como independiente
las 4 variables que resultan del peso y estatura de los progenitores. De acuerdo
con esto haga un anlisis de regresin mltiple e interprete con detalles los
resultados obtenidos.

estudiante Padres Madre

X1- X3-
Y -Estatura (m) Estatura(m) X2-Peso(kg) Estatura(m) X4-Peso(kg)

1 1,70 1,80 100 1,50 74

2 1,68 1,80 100 1,50 74

 3 1,78 1,77 120 1,65 70

4 1,55 1,78 80 1,60 68

5 1,65 1,66 80 1,55 60

6 1,57 1,65 78 1,63 62

7 1,75 1,82 85 1,68 70

8 1,61 1,75 120 1,62 65

9 1,85 1,74 80 1,73 70

10 1,55 1,75 80 1,52 55

11 1,65 1,60 83 1,73 58

12 1,80 1,70 75 1,75 65

13 1,76 1,79 84 1,67 98

14 1,73 1,58 71 1,56 65

15 1,74 1,70 80 1,68 68

16 1,68 1,68 85 1,70 65

17 1,60 1,75 75 1,65 60

18 1,67 1,78 80 1,65 56

19 1,60 1,76 72 1,55 67

20 1,70 1,75 70 1,57 60

ANLISIS DE
VARIANZA
Grados Valor
de Suma de Promedio de crtico de
libertad cuadrados los cuadrados F F
0,0537749 2,423 0,093792
Regresin 4 31 0,013443733 60224 051
0,0832050
Residuos 15 69 0,005547005
Total 19 0,13698
 Coefici Error Estads Proba Inferior Superi Inferior Superior
entes tpico tico t bilidad 95% or 95% 95,0% 95,0%
- -
Intercep 0,6962 0,6513 1,0689 0,3019 0,6920 2,0846 0,6920 2,08460
cin 73147 57695 56662 9043 62916 0921 6292 921
X1- - - - -
Estatura 0,0465 0,2972 0,1564 0,8777 0,6799 0,5869 0,6799 0,58695
(m) 09632 01115 92118 3194 78813 5955 7881 955
X2- - -
Peso(kg 0,0002 0,0012 0,2025 0,8422 0,0024 0,0029 0,0024 0,00299
) 5988 83315 07165 4138 7544 952 7544 52
X3- - -
Estatura 0,4848 0,2279 2,1270 0,0504 0,0010 0,9707 0,0010 0,97074
(m) 70035 54822 44432 1795 04167 4424 0417 424
X4- - -
Peso(kg 0,0038 0,0020 1,8638 0,0820 0,0005 0,0082 0,0005 0,00823
) 41753 6114 96616 2898 51464 3497 5146 497

Coeficiente de correlacin mltiple

Estadsticas de la regresin
Coeficiente de correlacin 0,62655810
mltiple 2

El coeficiente de correlacin indica que la relacin entre los datos es dbil.

Conclusiones
Segn los resultados obtenidos el modelo no es vlido ya que el valor crtico de F
es mayor a 0.05, adems no hay relacin significativa entre las variables y el
coeficiente de relacin muestra que la relacin entre las variables es muy dbil.

d) repita el inciso anterior, pero ahora utilice como variable dependiente el peso de
los estudiantes.
Modelo de regresin lineal mltiple

y= 0+ 1 X 1+ 2 X 2+ 3 X 3+ 4 X 4

Y= peso del estudiante en kg

X1= estatura del padre
X2=peso del padre
X3=estatura de la madre
X4=peso de la madre
Hiptesis para el modelo
H0: 1=2=3=4=0
HA: al menos un i 0
i=1, 2, 3,4
Como p-valor es de 0,0015846< , se rechaza H0 , entonces hay por lo menos un
que tiene efecto sobre sobre el peso de los estudiantes, es decir el peso y la
altura de cada uno de los padres.
Coeficiente de correlacin mltiple

Coeficiente de correlacin mltiple 0,816484762

Coeficiente de determinacin

Coeficiente de determinacin R^2 0,666647366

Independiente de que el modelo sea vlido, el coeficiente de determinacin indica

que el que el porcentaje de variabilidad de los datos que son explicados por el
modelo no es satisfactorio ya que hay variables en el modelo que no tienen efecto
significativo sobre el peso de los estudiantes.

Modelo 1
Y= -91,09103487 -41,73327889X1+ 0,372234984X2+ 80,60429373X3+
1,003248852X4

Por cada unidad que aumente la altura del padre, el peso del estudiante
disminuye en 41,73 kilogramos
Por cada kilogramo que aumente el peso del padre, el peso del estudiante
aumenta 0,37
Por cada unidad que aumente la altura de la madre, el peso del estudiante
aumenta 80,60 kilogramos
Por cada kilogramo que aumente el peso de la madre, el peso del
estudiante aumenta en 1,00

Hiptesis para las variables independientes

H0: 0=0
HA: 00
Como p-valor es de 0,31921191 > , no se rechaza H0 por lo tanta la interseccin
no tiene un efecto significativo sobre la variable de respuesta.

H0: 1=0
HA: 10
Como p-valor es de 0,31729893> , no se rechaza H0 por lo tanto la altura del
padre no tiene un efecto significativo sobre la variable de respuesta.
H0: 2=0
HA: 20
Como p-valor es de 0,04949031< , se rechaza H0 por lo tanto el peso del padre
tiene un efecto significativo sobre la variable de respuesta.

H0: 3=0
HA: 30
Como p-valor es de 0,01990103< , se rechaza H0 por lo tanto la altura de la
madre tiene un efecto significativo sobre la variable de respuesta.

H0: 4=0
HA: 40
Como p-valor es de 0,00270285< , se rechaza H0 por lo tanto el peso de la
madre tiene un efecto significativo sobre la variable de respuesta.

Modelo 2
Estadsticas de la regresin

Coeficiente de correlacin mltiple 0,985536125

Coeficiente de determinacin R^2 0,971281455
R^2 ajustado 0,909079273

Existe una asociacin fuerte entre el peso del estudiante con la altura y peso de
cada uno de sus progenitores, y la capacidad de prediccin del modelo es
satisfactorio ya que tiene un coeficiente de determinacin del 0,971
Y= 0,172659773 X2 + 1,22684967 x3 + 0,745843676 x4
e) calcule el incide de masa corporal (IMC) tanto para estudiantes como para
progenitores, que resulta de dividir el peso por la estatura al cuadrado: IMC=Y/(X) 2
y analizar la relacin del IMC de hijos y padres. Tome como variable independiente
los datos de los padres y como dependiente la de los hijos. Comente ampliamente
los resultados obtenidos.

IMC
HIJOS PADRE MADRE
1 23,53 30,86 32,89
2 21,26 30,86 32,89
3 32,19 38,30 25,71
4 22,06 25,25 26,56
5 24,24 29,03 24,97
6 19,88 28,65 23,34
7 22,86 25,66 24,80
8 23,92 39,18 24,77
 9 22,50 26,42 23,39
10 20,81 26,12 23,81
11 22,77 32,42 19,38
12 26,23 25,95 21,22
13 32,28 26,22 35,14
14 22,72 28,44 26,71
15 22,46 27,68 24,09
16 24,80 30,12 22,49
17 20,31 24,49 22,04
18 20,44 25,25 20,57
19 17,58 23,24 27,89
20 19,03 22,86 24,34

Modelo de regresin lineal para el ndice de masa corporal de la madre y de

los hijos

Diagrama de dispersin
 45.00
40.00
35.00
30.00 f(x) = 0.57x + 15.25
R = 0.23
25.00
IMC DEL PADRE 20.00
PADRE
15.00 Linear (PADRE)
10.00
5.00
0.00
0.00 20.00 40.00

IMCE DE LA MADRE

En la grfica podemos observar que hay una dispersin considerable de los datos,
ya que la relacin entre el ndice de masa corporal de los hijos y el padre es muy
dbil, por lo tanto, existe poca asociacin entre los datos.

Modelo estadstico

ANLISIS DE
VARIANZA
Promedio
Grados de Suma de de los Valor crtico
libertad cuadrados cuadrados F de F
85,2434516 85,2434516 5,4580182 0,03124386
Regresin 1 6 6 9 6
281,124402 15,6180223
Residuos 18 3 5
Total 19 366,367854

Se considera vlido ya que tiene un p-valor 0,031243866 <

 Estadsticas de la regresin
0,48236060
Coeficiente de correlacin 7
0,23267175
Coeficiente de determinacin R^2 5
0,19004240
R^2 ajustado 8
3,95196436
Error tpico 6

Conclusiones
Aunque el modelo de regresin lineal simple es vlido, El coeficiente de
correlacin indica que no hay una relacin significativa entre las variables del
ndice de masa corporal del padre con los hijos, teniendo en cuenta el coeficiente
de determinacin indica que el modelo no tiene un ajuste satisfactorio, puesto que
hay 23% de variabilidad de los datos que explica el modelo.

Modelo de regresin lineal para el ndice de masa corporal de la madre y de

los hijos.
Diagrama de dispersin
40.00

35.00

30.00

25.00

20.00
Axis Title
15.00 MADRE
Linear (MADRE )
10.00

5.00

0.00
10.00 20.00 30.00 40.00

Axis Title

Podemos observar en el diagrama de dispercion que los datos se encuentran muy

alejados de la recta, por lo tanto hay relacion significativa entre los datos.
 Coeficiente de correlacion

Coeficiente de correlacin 0,299310129

Podemos observar que el valor del coeficiente indica que no hay una relacin
significativa entre el ndice de masa corporal de la madre e hijos.

Conclusiones
Segn los resultados obtenidos, el modelo no es vlido ya que el valor crtico de F
es mayor a 0.05, adems no hay relacin significativa entre el IMC de la madre
con el IMC de los hijos.
f) haga un reporte (presentacin) del trabajo hecho.

2. Busca por medio de internet, por ejemplo, en scholar.google.com o en las

bases de datos de la Universidad un artculo de una revista cientfica o
tecnologa, en donde se reporte el resultado de una investigacin
experimental donde se aplique un diseo factorial en el que uno de los
factores tenga ms de dos niveles. Anotar la referencia completa es decir
autores, ao, ttulo del trabajo y nombres de las revistas; adems, hacer una
sntesis de los que se trata el artculo, detalles de los tratamientos que
compara, los anlisis estadsticos que hacen y las principales conclusiones.

Ttulo: ANLISIS EXPLORATORIO PARA LA OPTIMIZACIN DE UN MEDIO DE

CULTIVO PARA LA FERMENTACIN DE BACILLUS THURINGIENSIS.
Autores: Jenny M. Escobar, E. Milena Pardo, Gustavo Buitrago, Luis A. Lpez.
Fuente: REVISTA COLOMBIANA DE BIOTECNOLOGA, VOL. VI, No. 2,
diciembre 2004, Pag. 43-53

Resumen: Los insecticidas qumicos usados indiscriminadamente traen riesgos

para la salud de quienes los aplican y de quienes consumen alimentos
contaminados con stos; adems atacan insectos benficos, aves, peces y
mamferos. Como alternativa al uso de insecticidas qumicos estn los bo-
insecticidas, como es el caso de Bacillus thuringiensis, que es especfico para el
insecto plaga que se desea controlar. Un factor clave en la produccin por
fermentacin de bo-pesticidas basados en Bacillus thuringiensis es el diseo del
medio de cultivo, el cual debe ser econmico y contener todos los nutrientes
necesarios para el crecimiento del microorganismo. Del cultivo se espera que
rinda una alta produccin de ingrediente activo conformado por los cristales que
contienen las toxinas y por la espora del microorganismo, y que este ingrediente
posea el valor de toxicidad requerido para la formulacin del producto comercial.
En este trabajo se estudiaron diferentes medios de cultivo, se seleccion un medio
promisorio y se optimiz para la fermentacin con una cepa nativa de B.
thuringiensis teniendo en cuenta no slo el ingrediente activo sino tambin los
costos que ste genera en materias primas. Se lograron concentraciones finales
de ingrediente activo entre 15 y 16 g/L con un costo aproximado por materias
primas de $650/kg producto (aproximadamente US$0,30/kg producto). Para esto
se utiliz la metodologa de superficies de respuesta en un diseo compuesto
central (DCC) es una variante del diseo factorial 2^k el cual utiliza dos niveles
alto y bajo teniendo en cuenta uno neutro para la fase de experimentacin, y para
la fase de optimizacin se utiliz el mtodo desarrollado por Derringer y Suich
(1980) para mltiples respuestas.
Demostraciones, discusiones de resultados y conclusiones
En esta se observa que los efectos estadsticamente significativos sobre la
concentracin son la harina, la melaza, el jarabe y el CaCO3. La interaccin entre
el CaCO3 y el jarabe, entre el jarabe y la harina. Y la interaccin de ercer orden de
CaCO3, jarabe y harina. Esta informacin est respaldada por el resultado del
anlisis de varianza.
Tanto los efectos principales como las interacciones dobles se deben trabajar en el
nivel mximo de concentracin.

Verificacin de supuestos
 Normalidad Shapiro-wilk.

Ho: Los datos provienen una distribucin normal

Ha: Los datos no provienen de una distribucin normal

Puesto que el valor-p es menor que 0,05 se rechaza la idea de que los valores
siguen una distribucin normal, por lo tanto, no se cumple el supuesto de
normalidad.

Independencia

Ho: Los datos presentan independencia

Ha: Los datos no presentan independencia

Puesto que el valor-p es mayor que

el 0,05 no existe prueba suficiente para rechazar la hiptesis nula, por lo tanto, los
datos cumplen el supuesto de independencia.

Verificacin de varianza
Residuos vs. CaCO3

Residuos vs. Jarabe

Residuos vs. Melaza

Residuos vs. Harina

El valor-p de la prueba de Bartlett para los residuos vs cada uno de los factores
son mayores que 0,05, por lo tanto, se puede ver que entre los datos si existe
estadsticamente diferencias significativas entre las desviaciones estndar, es
decir, no se cumple con el supuesto de igualdad de varianza.

3. Mediante un trabajo grupal escoja un proceso y realice un experimento.

Tenga en cuenta el esquema de investigacin experimental paso a paso, con
las etapas descritas en los captulos 1 y 10. El experimento debe tener
mnimo 3 factores cuantitativos y uno cualitativo. Estructurar el detalle del
plan experimental (asegurarse de aleatorizar el orden de corridas), correr el
experimento y analizar los resultados con detalles y general el reporte de la
investigacin.

Un grupo de estudiantes de la universidad del magdalena realizo una

investigacin para identificar qu factores inciden en que un estudiante
apruebe o no la materia de estadstica, para esto se midieron 4 factores: a)
trabaja (s o no). b) edad del estudiante (17-20). c) horas de estudio que le
dedica a la materia (3-7). d) nmero de materias que curza (5-6), como
variable de respuesta se midi que tanto incide estos factores en la nota
final. Se corri un diseo de experimento 24 para esto, los resultados
obtenidos fueron:

VARIABLE NOMBRE NIVEL BAJO NIVEL ALTO

A TRABAJO NO SI
B EDAD 17 20
C HORAS ESTUDIO 3 7
D NUMERO DE 5 6
MATERIAS

RESULTADOS
TRABAJO EDAD HORAS NUMERO NOTA
ESTUDIO DE DEFINITIVA
MATERIAS
NO 17 3 5 340
SI 17 3 5 320
NO 20 3 5 360
SI 20 3 5 200
NO 17 7 5 400
SI 17 7 5 360
NO 20 7 5 420
SI 20 7 5 330
NO 17 3 6 300
SI 17 3 6 220
NO 20 3 6 290
SI 20 3 6 190
NO 17 7 6 350
SI 17 7 6 240
NO 20 7 6 380
SI 20 7 6 320

MODELO ESTADISTICO
 = + + + + + ( ) +

Hiptesis:
Factor A
H 0 : 1+ 2=0

H a : 1 + 2 0

Factor B
H 0 : 1 + 2=0

H a : 1 + 2 0

Factor C
H 0 : 1 + 2=0

H a : 1 + 2 0

Factor D
H 0 : 1 + 2=0

H a : 1 + 2 0

Anlisis de Varianza para NOTA DEFINITIVA

Fuente Suma de Gl Cuadrado Razn- Valor-P
Cuadrados Medio F
A:TRABAJO 27225,0 1 27225,0 38,89 0,0001
C:HORAS ESTUDIO 21025,0 1 21025,0 30,04 0,0003
D:NUMERO DE 12100,0 1 12100,0 17,29 0,0020
MATERIAS
BC 3600,0 1 3600,0 5,14 0,0467
BD 2025,0 1 2025,0 2,89 0,1198
Error total 7000,0 10 700,0
Total (corr.) 72975,0 15

R-cuadrada = 90,4077 porciento

R-cuadrada (ajustada por g.l.) = 85,6115 porciento
Error estndar del est. = 26,4575

Luego de haber corrido nuestro experimento encontramos que entre las cuatro
variables que se corrieron y sus interacciones solo los factores TRABAJO, HORAS
DE ESTUDIO y NUMERO DE MATERIAS fueron significativas y la interaccin BC,
esto fue corroborado con el valor-p obtenido en nuestro mejor ANOVA, as mismo
decimos que tenemos un modelo estadsticamente valido ya que nuestro
R2=85 . Por lo que se concluye que la nota final obtenida por los estudiantes
en la materia estadstica solo se ve afectada por los factores e interaccin A-C-D Y
BC, lo que se puede corroborar en la grfica de Pareto y de probabilidad normal.

ara ajustar un modelo de prediccin se debe obtener los coeficientes de

regresin de los efectos que presentan significancia en la variable de
respuesta, que este caso sera la nota final, realizando el respectivo anlisis se
obtuvo un coeficiente para temperatura de:

Coef. De regresin para NOTA DEFINITIVA

Coeficiente Estima
do
Constante 2514,38
A:TRABAJO -41,25
 B:EDAD -107,5
C:HORAS ESTUDIO -74,375
D:NUMERO DE -332,5
MATERIAS
BC 5,0
BD 15,0

Por lo tanto el modelo ajustado seria:

NOTA DEFINITIVA = 2514,38 - 41,25*TRABAJO - 74,375*HORAS ESTUDIO -
332,5*NUMERO DE MATERIAS + 5,0*EDAD*HORAS ESTUDIO.

VERIFICACIN DE SUPUESTO

SUPUESTO DE NORMALIDAD

Pruebas de Normalidad para RESIDUOS

Prueba Estadsti Valor-P

co
Estadstico W de 0,96669 0,752965
Shapiro-Wilk 6

Por lo que el valor-p de la prueba estadstica de Shapiro-Wilk es mayor al nivel

de significancia de 0,05 se puede concluir que se acepta la hiptesis nula para
los residuos por lo que se afirma que estos provienen de una distribucin
normal.
 SUPUESTO DE HOMOCEDASTICIDAD
Anlisis de la prueba de igualdad de varianzas para cada uno de los factores
que se tuvieron en cuenta para el experimento.

Revisando cada uno de los valores nos damos cuenta que cada uno de ellos es
mayor que el nivel de significancia (0,05) por lo que se puede decir que se cumple
el supuesto de igualdad de varianzas para cada uno de los factores y por tanto del
experimento.

SUPUESTO DE INDEPENDENCIA

Como podemos observar se

cumple el supuesto de
independencia debido a que en
las tres pruebas los valores
crticos fueron mayores que el
nivel de significancia de 5%.
ANEXOS