CLCULOS Y REPORTE

ANOVA Multifactorial VENTAS

Variable dependiente: VENTAS

Factores:
DIAS
TIENDAS
DISEOS
D.ALIMENTOS

Nmero de casos completos: 25

El StatAdvisor

Este procedimiento ejecuta un anlisis de varianza de varios factores para VENTAS.

Realiza varias pruebas y grficas para determinar que factores tienen un efecto
estadsticamente significativo sobre VENTAS. Tambin evala la significancia de las
interacciones entre los factores, si es que hay suficientes datos. Las pruebas-F en la tabla
ANOVA le permitirn identificar los factores significativos. Para cada factor significativo,
las Pruebas de Rangos Mltiples le dirn cuales medias son significativamente diferentes
de otras. La Grfica de Medias y la Grfica de Interacciones le ayudarn a interpretar los
efectos significativos. Las Grficas de Residuos le ayudarn a juzgar si los datos han
violado los supuestos subyacentes al anlisis de varianza

Anlisis de Varianza para VENTAS - Suma de Cuadrados Tipo III

Fuente Suma de Gl Cuadrado Razn- Valor-P

Cuadrados Medio F
EFECTOS
PRINCIPALES
A:DIAS 5462.61 4 1365.65 0.93 0.4927
B:TIENDAS 3532.98 4 883.245 0.60 0.6723
C:DISEOS 111114. 4 27778.6 18.92 0.0004
D:D.ALIMENTOS 10397.8 4 2599.44 1.77 0.2279
RESIDUOS 11745.8 8 1468.22
TOTAL 139396. 24
(CORREGIDO)
Todas las razones-F se basan en el cuadrado medio del error residual

El StatAdvisor

La tabla ANOVA descompone la variabilidad de VENTAS en contribuciones debidas a

varios factores. Puesto que se ha escogido la suma de cuadrados Tipo III (por omisin), la
contribucin de cada factor se mide eliminando los efectos de los dems factores. Los
valores-P prueban la significancia estadstica de cada uno de los factores. Puesto que un
valor-P es menor que 0.05, este factor tiene un efecto estadsticamente significativo sobre
VENTAS con un 95.0% de nivel de confianza.
 Distribuciones de Probabilidad
Distribucin: F (razn de varianzas)
Parmetro Num. G.L.
s: G.L. Denom.
Dist. 1 4 4
Dist. 2
Dist. 3
Dist. 4
Dist. 5

El StatAdvisor

Este procedimiento permite analizar cualquiera de 46 distribuciones de probabilidad.

Actualmente, se ha seleccionado la distribucin F (razn de varianzas). Puede crear
varias grficas, calcular reas de colas y valores crticos, as como generar nmeros
aleatorios de la distribucin elegida. Pueden especificarse hasta cinco pares de
parmetros pulsando el botn secundario del ratn y seleccionando Opciones de
Anlisis.
 FDA Inversa
Distribucin: F (razn de varianzas)

FDA Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5

0.01 0.0625899128
5
0.1 0.2434721155
0.5 1.0
0.9 4.107246523
0.99 15.97701538

El StatAdvisor

Esta ventana encuentra los valores crticos para la Distribucin F (razn de

varianzas). Pueden especificarse hasta 5 reas de cola. El valor crtico se define
como el mayor valor para la F (razn de varianzas) tal que la probabilidad de no
exceder ese valor no excede el rea especificada. Por ejemplo, el resultado indica
que, para la primera distribucin especificada, 0.0625899 es el valor ms grande tal
que la probabilidad de no exceder 0.0625899 es menor igual a 0.01.

F (razn de varianzas)

1 Num. G.L.,G.L. Denom.

4,4
probabilidad acumulada

0.8

0.6

0.4

0.2

0
0 1 2 3 4 5
x
 Distribuciones de Probabilidad

Distribucin: F (razn de varianzas)

Parmetro Num. G.L.
s: G.L. Denom.
Dist. 1 4 4
Dist. 2
Dist. 3
Dist. 4
Dist. 5

El StatAdvisor

Este procedimiento permite analizar cualquiera de 46 distribuciones de probabilidad.

Actualmente, se ha seleccionado la distribucin F (razn de varianzas). Puede crear
varias grficas, calcular reas de colas y valores crticos, as como generar nmeros
aleatorios de la distribucin elegida. Pueden especificarse hasta cinco pares de
parmetros pulsando el botn secundario del ratn y seleccionando Opciones de
Anlisis.

FDA Inversa

Distribucin: F (razn de varianzas)

FDA Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5

0.95 6.388228659
0.1 0.243472115
5
0.5 1.0
0.9 4.107246523
0.99 15.97701538

El StatAdvisor

Esta ventana encuentra los valores crticos para la Distribucin F (razn de

varianzas). Pueden especificarse hasta 5 reas de cola. El valor crtico se define
como el mayor valor para la F (razn de varianzas) tal que la probabilidad de no
exceder ese valor no excede el rea especificada. Por ejemplo, el resultado indica
que, para la primera distribucin especificada, 6.38823 es el valor ms grande tal que
la probabilidad de no exceder 6.38823 es menor igual a 0.95.
 F (razn de varianzas)

1 Num. G.L.,G.L. Denom.

4,4
probabilidad acumulada

0.8

0.6

0.4

0.2

0
0 1 2 3 4 5
x
 DESARROLLO DE LA PRCTICA
2. UNA COMPAA QUE PRODUCE ALIMENTOS DESEA DETERMINAR EL
EFECTO DEL DISEO DE EMPAQUE EN LAS VENTAS DE UNO DE SUS
PRODUCTOS .SE TIENEN 5 DISEOS PARA PROBAR A,B,C,D Y E . HAY
ALGUNAS FUENTES DE VARIACION:

1. DIA DE LA SEMANA

2. DIFERENCIA ENTRE TIENDAS

3- EFECTO DE LA DISTRIBUCION DE ALIEMENTOS

4. DIFERENTES DISEOS

SE REALIZA UN EXPERIMENTO EN DISEO CUADRO GRECOLATINO CON

LOS CINCO DIAS DE LA SEMANA COMO CLASIFICACION FILA, CINCO DE LA
DISTRIBUCION DE LA LETRA GRIEGA.

LA SIGUIENTE TABLA CONTIENE LOS RESULTADOS DEL EXPERIMENTO .LA

MEDICION ES EL NUMERO DE VENTAS EN EL DIA.

TIENDAS
1 2 3 4 5
LUNES E (238) C (228) B (158) D (188) A (74)
MARTES D (149) B (220) A (92) C (169) E (282)
MIERCOLES B (222) E (295) D (104) A (54) C (213)
JUEVES C (187) A (66) E (242) B (122) D (90)
VIERNES A (65) D (118) C (279) E (278) B (176)

RESULTADOS
a. HAY DIFERENCIAS ENTRE DISEO DE EMPAQUES?
Si existe diferencia significativa entre diseo de empaques, ya que el F
experimental es igual 31.21, y el F crtico es igual a 3.838, F experimental >
F crtico, por lo tanto se rechaza la hiptesis nula, y se acepta la hiptesis
alterna.
b. HAY DIFERENCIAS ENTRE LAS TIENDAS Y LOS DAS DE LA
SEMANA?
TIENDAS:
No existe diferencia significativa entre las tiendas, ya que el F experimental
es igual 0.42, y el F crtico es igual a 3.838, F experimental < F crtico, por
lo tanto se acepta la hiptesis nula, y se rechaza la hiptesis alterna.
DAS DE LA SEMANA:
No existe diferencia significativa entre los das de la semana, ya que el F
experimental es igual 1.66, y el F crtico es igual a 3.838, F experimental <
F crtico, por lo tanto se acepta la hiptesis nula, y se rechaza la hiptesis
alterna.
c. HAY DIFERENCIAS ENTRE LA FORMA DE DISTRIBUCIN DE
ALIMENTOS?
No existe diferencia significativa entre la forma de distribucin de los
alimentos, ya que el F experimental es igual 2.39, y el F crtico es igual a
3.838, F experimental < F crtico, por lo tanto se acepta la hiptesis nula, y
se rechaza la hiptesis alterna.
d. SI ALGN FACTOR DE BLOQUE ES NO SIGNIFICATIVO, ELIMNELO Y
HAGA EL ANLISIS ADECUADO (VUELVA A HACER EL CLCULO
PERO SIN ESE O ESOS BLOQUES NO SIGNIFICATIVOS)
Los factores tiendas, das de la semana y forma de distribucin de los
alimentos, no son significativos, por lo que se realiza nuevamente los
clculos en el software estadstico statgraphics.

CONCLUSIONES

Se logr aprender a desarrollar hojas de clculo electrnicas para el

anlisis estadstico de datos experimentales mediante el mtodo de ANOVA
simple para diseos de cuadro grecolatino (Tres factores de bloque)
ANEXOS

DISEOS EN CUADRADOS GRECOLATINOS

El modelo en cuadrado greco-latino se puede considerar como una extensin del
cuadrado latino en el que se incluye una tercera variable de control o variable de
bloque. En este modelo, como en el diseo en cuadrado latino, todos los factores
deben tener el mismo nmero de niveles K y el nmero de observaciones
necesarias sigue siendo K2 . Este diseo es, por tanto, una fraccin del diseo
completo en bloques aleatorizados con un factor principal y 3 factores secundarios
que requerira K4 observaciones.

Los cuadrados grecolatinos se obtienen por superposicin de dos cuadrados

latinos del mismo orden y ortogonales entre s, uno de los cuadrados con letras
latinas el otro con letras griegas. Dos cuadrados reciben el nombre de ortogonales
si, al superponerlos, cada letra latina y griega aparecen juntas una sola vez en el
cuadrado resultante.

En el Apndice C se muestra una tabla de cuadrados latinos que dan lugar, por
superposicin de dos de ellos, a cuadrados greco-latinos. Notamos que no es
posible formar cuadrados greco-latinos de orden 6

Para k=4

Planteamiento del modelo

En un diseo en cuadrado greco-latino la variable respuesta yij(hp) viene descrita

por la siguiente ecuacin
Donde:
es un efecto constante, comn a todas las unidades.
i es el efecto producido por el i-simo nivel del factor fila. Dichos efectos
estn sujetos a la restriccin i i = 0.
j es el efecto producido por el j-simo nivel del factor columna. Dichos
efectos estn sujetos a la restriccin j j = 0.
h es el efecto producido por el h-simo nivel del factor letra latina. Dichos
efectos estn sujetos a la restriccin h h = 0.
p es el efecto producido por el p-simo nivel del factor letra griega. Dichos
efectos estn sujetos a la restriccin p p = 0.
ij(hp) son variables aleatorias independientes con distribucin N(0, ).
La notacin yij(hp) indica que los niveles i y j determinan los niveles h y p
para un cuadrado greco-latino especificado. Es decir, los subndices h y p
toman valores que dependen de la celdilla (i, j).
REFERENCIA
Garca Leal, J. & Lara Porras, A.M. (1998). Diseo Estadstico de
Experimentos. Anlisis de la Varianza. Grupo Editorial Universitario.
Lara Porras, A.M. (2000). Diseo Estadstico de Experimentos, Anlisis de
la Varianza y Temas Relacionados: Tratamiento Informtico mediante
SPSS. Proyecto Sur de Ediciones
 UNIVERSIDAD NACIONAL DE SAN
AGUSTIN
FACULTAD DE INGENIERA DE PROCESOS
ESCUELA PROFESIONAL DE INGENIERIA
DE INDUSTRIAS ALIMENTARIAS

MTODOS ESTADISTICOS PARA

LA INVESTIGACIN
INFORME N7 : CUADRADO
GRECOLATINO
DOCENTE:
ING.ANTONIO DURN GAMEZ
ALUMNA:
NANCY CHOQUEPUMA APAZA

AREQUIPA-PER

2017