Professional Documents
Culture Documents
1
1.7.6. ESQUEMATIZAR LOS PASOS DEL ANÁLISIS ES-
TADÍSTICO . . . . . . . . . . . . . . . . . . . . . . . 26
1.8.1. ALEATORIZAR . . . . . . . . . . . . . . . . . . . . . 28
1.8.2. BLOQUEAR . . . . . . . . . . . . . . . . . . . . . . . 28
2
2.4. DIFICULTADES EN LA FORMULACIÓN DE LAS HIPÓTE-
SIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3
3.3.3. MODELO MIXTO . . . . . . . . . . . . . . . . . . . . 52
4
5. PRUEBAS DE COMPARACIONES MÚLTIPLES 76
5.1. DIFERENCIA MEDIA SIGNIFICATIVA . . . . . . . . . . . . 78
5
7. DISEÑO DE PARCELAS DIVIDIDAS 97
7.1. ESQUEMAS DE ALEATORIZACIÓN PARA EL DISEÑO
DE PARCELAS DIVIDIDAS. . . . . . . . . . . . . . . . . . . 99
6
9. DISEÑO FACTORIAL DE TRES FACTORES. 123
9.1. REPRESENTACIÓN SIMBÓLICA DE LOS DATOS. . . . . . 123
7
Capítulo 1
INTRODUCCIÓN AL DISEÑO
EXPERIMENTAL
8
campo de la investigación cientíca fue reconocido. Como resultado de la
introducción de métodos innovadores basados en el razonamiento inductivo,
Fisher sentó las bases para el uso de los métodos estadísticos en el diseño de
experimentos y su posterior desarrollo y aplicación en el caso del análisis de
varianza como herramienta primaria para el análisis estadístico en el diseño
experimental. A pesar de que Fisher fue el pionero, existieron otras experien-
cias como la experimentación controlada del escorbuto, realizada por James
Lind, o los experimentos estadísticos realizados por Charles Pierce.
James Lind realizó un experimento controlado para desarrollar una cura para
el escorbuto. Seleccionó a 12 hombres, quienes sufrían de escorbuto. En su ex-
perimento Lind realizó estrictos controles de entrada para reducir la variación
producto de factores o inuencias extrañas. Los hombres que consumieron
cítricos recuperaron signicativamente dentro de una semana. Los otros su-
jetos experimentaron alguna mejoría, pero los sujetos que comían los frutos
cítricos respondieron considerablemente mejor a los otros tratamientos.
9
encontrar las diferentes relaciones entre las variables y el fenómeno investi-
gado
10
Algunas estrategias para mejorar la puntuación podrían ser: ¾Cómo
interpre-
tarías los
1. Estrategia basada en la mejor conjetura, que busca la mejor com- resultados
binación de los factores para producir un mejor resultado.
de las
2. Estrategia del mejor factor a la vez, la que consistiría en probar grácas
una a una todas los factores individualmente, a partir, por ejemplo, 1.2.2 y
de una linea de base establecida. Algunos de los posibles resultados 1.2.3?
podrían darse como sigue
Figura 1.2.2: Resultados posibles para la estrategia del mejor factor a la vez
11
Figura 1.2.3: Interacción entre el tipo de palo y la pelota
Figura 1.2.4: Resultados hipotéticos en dos rondas de juego para los factores
tipo de palo y de pelota
12
Si calculamos las diferencias promedio en cada valor para cada valor encon- De acuer-
trado de acuerdo a los incisos b), c) y d) de la gura 1.2.4, tendremos los do a los
siguientes valores: resultados
encontra-
dos ¾cuál
sería el
factor que
incidiría
más en el
puntaje?
La interpretación, por ejemplo, para el caso del efecto del palo signica que en
promedio al cambiar del palo grande al normal, la puntuación se incrementa
3,25 golpes por ronda. Nótese además que el valor del efecto del palo es mayor
que los otros efectos, además de ser mayor que 1.
13
El establecimiento de que, en un experimento, una variable independiente
produce una variación especíca (que solo puede ser atribuida a la variable
independiente) en la variable dependiente depende fundamentalmente de la
manera como esté diseñado el experimento. Los procedimientos estadísticos
permiten conrmar o validar el procedimiento empleado, pero una cosa debe
ser clara: el hecho de aplicar procedimientos estadísticos no permite armar
que el experimento está bien diseñado, al punto de que se puede armar que
las variaciones producidas en los sujetos experimentales sólo y exclusivamente
pueden ser atribuidas a la variable independiente.
14
actividad física y el deporte, los tratamientos generalmente son los métodos
empleados para el desarrollo de las capacidades condicionales o para la en-
señanza de los movimientos. En el proceso del experimento, el investigador se
limita a controlar la variable independiente, es decir, a seguir elmente el pro-
ceso o el método para desarrollar alguna capacidad. Volviendo al campo de
la medicina, el tratamiento de una enfermedad implica darle al paciente una
dosis de un agente farmacológico en una determinada cantidad, un número de
veces por día, durante un intervalo de tiempo denido. Para probar la efec-
tividad de este tratamiento, se debe cumplir con que la dosis sea la indicada,
el número de veces que se toma dicha dosis sea el establecido y nalmente,
que cumpla con los días estipulados. A este proceso se denomina la variable
independiente. En el campo de la actividad física y el deporte, el ejemplo
especíco de control es el hecho de poder dosicar la carga de manera que
pueda ser administrada a una determinada intensidad, un número de veces
por semana y durante un número jo de semanas. Si no se puede llegar a
este grado de precisión, entonces el experimento no tiene validez porque no
tiene control.
15
estudiar el efecto de un determinado plan de entrenamiento debe tener en
cuenta el proceso de crecimiento y desarrollo. En este caso en particular, el
diseño debe tener un grupo control y un grupo experimental. El grupo con-
trol no estará sometido al plan de entrenamiento pero si lo estará al efecto de
crecimiento y desarrollo. Si al nal del experimento, tanto en el grupo control
como el grupo experimental se producen modicaciones en la resistencia, el
investigador no podrá concluir que el plan de entrenamiento fue el que produ-
jo las modicaciones de resistencia en los niños. Por lo tanto, el diseño debe
controlar el efecto de las variables intervinientes. De otra manera, la validez
externa del experimento se verá seriamente comprometida. Es posible que en
un experimento existan varias variables independientes, varias dependientes
y varias intervinientes. Estos tipos de experimentos son complejos y difíciles
de llevar a cabo por el control que se debe hacer sobre todas las variables.
16
La unidad de muestreo o unidad Observacional (UO), es aque-
lla fracción de la unidad experimental sobre la cual se mide el efecto
del tratamiento. Hay que aclarar que el muestreo de observaciones no
implica replicación. Por ejemplo, si a 50 gallinas se les enjaula juntas y
se les alimenta con la misma ración, las UE son las 50 gallinas. Se nece-
sitan otras jaulas de 50 gallinas antes de poder medir la variación entre
unidades tratadas en forma semejante. Esto es cierto aún si una medida
como el peso del cuerpo se mide en cada gallina en forma individual.
17
las condiciones determinadas por uno de los tratamientos. Y experi-
mento factorial, al diseño experimental donde existen observaciones
de todos los posibles tratamientos.
18
Factores nuisance: bloques, factores ruido y covariables. En
cualquier experimento, además de los factores tratamiento cuyo efecto
sobre la respuesta se quiere evaluar, también inuyen otros factores,
de escaso interés en el estudio, pero cuya inuencia sobre la respuesta
puede aumentar signicativamente la variabilidad no planicada. Con
el n de controlar esta inuencia pueden incluirse en el diseño nuevos
factores que, atendiendo a su naturaleza, pueden ser de diversos tipos.
19
la respuesta cuando se modican las condiciones experimentales,
entonces los factores nuisance son incluidos deliberadamente en
el experimento y no se aísla su efecto por medio de bloques. Se
habla entonces de factores ruido. Consiguientemente un resumen
de las posibles fuentes de variación serían las siguientes (Ver Figu-
ra 1.4.1)
20
a situaciones confusas. Por ejemplo, en el proceso hay dos variables X1
y X2 fuertemente correlacionadas que inuyen en la respuesta, pero
si en los datos que se tiene aumenta al mismo tiempo el valor de las
dos variables no es posible distinguir si la inuencia es debida a una
u otra o a ambas variables (confusión de los efectos). Otra situación
problemática se presenta si solo se dispone de datos de una variable
(por ejemplo de X1 y no de X2), lo que puede llevar a pensar que la
variable inuyente es la X1 cuando, en realidad, la variable inuyente
es la X2 (variable oculta).
21
Variabilidad típica de la naturaleza del problema y del ex-
perimento: Es la variabilidad debida al ruido aleatorio. Este término
incluye, entre otros, a la componente de variabilidad no planicada
denominada error de medida. Es una variabilidad impredecible e in-
evitable. Esta variabilidad es la causante de que si en un laboratorio
se toman medidas repetidas de un mismo objeto ocurra que, en mu-
chos casos, la segunda medida no sea igual a la primera y, más aún,
no se puede predecir sin error el valor de la tercera. Sin embargo, bajo
el aparente caos, existe un patrón regular de comportamiento en esas
medidas: todas ellas tenderán a uctuar en torno a un valor central y
siguiendo un modelo de probabilidad que será importante estimar. Esta
variabilidad es inevitable pero, si el experimento ha sido bien planica-
do, es posible estimar (medir) su valor, lo que es de gran importancia
para obtener conclusiones y poder hacer predicciones. Es una variabil-
idad que va a estar siempre presente pero que es tolerable.
22
ruido y covariables Elegir una regla de asignación de las unidades exper-
imentales a las condiciones de estudio (tratamientos) Especicar las me-
didas con que se trabajará (la respuesta), el procedimiento experimental y
anticiparse a las posibles dicultades. Ejecutar un experimento piloto.
Especicar el modelo. Esquematizar los pasos del análisis. Determi-
nar el tamaño muestral. Y revisar las decisiones anteriores. Modicarlas si se
considera necesario. A continuación se detalla cada una de ellas:
Se debe hacer una lista completa de las preguntas concretas a las que debe dar
respuesta el experimento. Es importante indicar solamente cuestiones funda-
mentales ya que tratar de abordar problemas colaterales pueden complicar
innecesariamente el experimento. Una vez elaborada la lista de objetivos,
puede ser útil esquematizar el tipo de conclusiones que se espera obtener en
el posterior análisis de datos. Normalmente la lista de objetivos es renada
a medida que se van ejecutando las etapas del diseño de experimentos.
23
1.7.3. ESPECIFICAR LA VARIABLE RESPUESTA
Que consiste en especicar las medidas que se realizarán (la respuesta), el pro-
cedimiento experimental y anticiparse a las posibles dicultades. Los datos
que se recogen en un experimento son medidas de una variable denominada
variable respuesta o variable de interés.
24
Los errores experimentales observados en el experimento piloto pueden
ayudar a calcular el número de observaciones que se precisan en el
experimento principal.
El factor de efectos jos es un factor en el que los niveles han sido selec-
cionados por el experimentador. Es apropiado cuando el interés se centra en
comparar el efecto sobre la respuesta de esos niveles especícos. Ejemplo: un
empresario está interesado en comparar el rendimiento de tres máquinas del
mismo tipo que tiene en su empresa.
25
El modelo de efectos aleatorios es un modelo en el que todos los factores
son factores de efectos aleatorios.
Se deben esquematizar los pasos del análisis a realizar que deben incluir:
estimaciones que hay que calcular, contrastes a realizar, intervalos de
conanza que se calcularán, diagnosis y crítica del grado de ajuste del
modelo a la realidad.
26
que garantizará que los datos sean utilizados de la forma más eciente posi-
ble. Es fundamental tener en cuenta que: 12a) Ningún método de análisis
estadístico, por sosticado que sea, permite extraer conclusiones correctas
en un diseño de experimentos mal planicado. Recíprocamente, debe quedar
claro que el análisis estadístico es una etapa más que está completamente
integrado en el proceso de planicación. b) El análisis estadístico no es un
segundo paso independiente de la tarea de planicación. Es necesario com-
prender la totalidad de objetivos propuestos antes de comenzar con el análisis.
Si no se hace así, tratar que el experimento responda a otras cuestiones a pos-
teriori puede ser (lo será casi siempre) imposible. Pero no sólo los objetivos
están presentes al inicio del análisis sino también la técnica experimental em-
pleada. c) No invertir nunca todo el presupuesto en un primer conjunto de
experimentos y utilizar en su diseño toda la información previa disponible. d)
Toda persona implicada en la ejecución del experimento y en la recolección
de los datos debe ser informada con precisión de la estrategia experimental
diseñada.
Marín (2003) hace señala que al planicar un experimento hay tres tres prin-
cipios básicos que se deben tener siempre en cuenta:
El principio de aleatorización.
El bloqueo.
Los dos primeros (aleatorizar y bloquear) son estrategias ecientes para asig-
nar los tratamientos a las unidades experimentales sin preocuparse de qué
tratamientos considerar. Por el contrario, la factorización del diseño dene
una estrategia eciente para elegir los tratamientos sin considerar en absoluto
como asignarlos después a las unidades experimentales.
27
1.8.1. ALEATORIZAR
1.8.2. BLOQUEAR
28
pueden utilizar dos estrategias para controlar el factor operario que mane-
ja la máquina. Aleatorizar: se seleccionan al azar dos grupos de operarios y
se asigna al azar cada grupo de operarios a cada una de las dos máquinas.
Finalmente se evalúa la producción de las mismas. Bloquear: se introduce
el factor bloque operario. Se elige un único grupo de operarios y todos ellos
utilizan las dos máquinas. Hay que tener en cuenta en qué circunstancias se
utilizan estas dos estrategias, y cuál estrategia es mejor.
29
Figura 1.9.1: Características de los principales tipos experimentales
30
Los experimentos son generalmente iterativos, un diseño exi-
toso requiere conocer los factores importantes, rangos en los que
estos factores se harán variar, número apropiado de niveles para cada
factor, los métodos y las unidades de medición adecuados para cada
factor y respuesta. En general, ningún experimentador está en posición
de responder estas cuestiones al principio del experimento, sino que las
respuestas aparecen sobre la marcha.
31
Capítulo 2
HIPÓTESIS Y PRUEBAS DE
COMPARACIÓN. PRUEBA DE
T-STUDENT
32
Los términos que se empleen deben ser claros y concretos para poder
denirlos de manera operacional, a n de que cualquier investigador
que quiera replicar la investigación, pueda hacerlo. Una hipótesis sin
referencia empírica constituye un juicio de valor.Si una hipótesis no
puede ser sometida a vericación empírica, desde el punto de vista
cientíco no tiene validez.
Las hipótesis deben estar relacionadas con los recursos y las técnicas
disponibles. Esto quiere decir que cuando el investigador formule su
hipótesis debe saber si los recursos que posee son adecuados para la
comprobación de la misma.
33
Mantener la consistencia entre hechos e hipótesis, ya que éstas se ci-
mentan, al menos en parte, sobre hechos ya conocidos. Por tanto, las
hipótesis no deben establecer implicaciones contradictorias o inconsis-
tentes con lo ya vericado en forma objetiva.
La hipótesis nula es aquella que nos dice que no existen diferencias signica-
tivas entre los grupos.
34
No toda investigación precisa de formular hipótesis nula. Recordemos que la
hipótesis nula es aquella por la cual indicamos que la información a obtener
es contraria a la hipótesis de trabajo.
Otro ejemplo:
35
2.3.4. HIPÓTESIS ALTERNATIVA
36
2.4. DIFICULTADES EN LA FORMULACIÓN
DE LAS HIPÓTESIS
37
Se utiliza para determinar si hay una diferencia signicativa entre las medias
de dos grupos, es decir que se utiliza cuando deseamos comparar dos medias.
La variable independiente (por ejemplo sexo) solo puede tener dos nive-
les (hombre y mujer).
38
Un nivel más grande de la alfa requiere menos diferencia entre las me-
dias.
39
donde:
-
x = media muestral
n = tamaño de la muestra
s= desviación estándar
40
Figura 2.5.2: Tabla de distribución de t
41
determinará la signicación que permitirá decidir si se acepta o se rechaza la
hipótesis nula.
Utilizada cuando:
Donde:
42
2.5.3.2. PRUEBA DE T CON DIFERENTES TAMAÑOS MUES-
TRALES E IGUALES VARIANZAS
Esta prueba se puede utilizar únicamente si se puede asumir que las dos
distribuciones poseen la misma varianza. (Cuando este presupuesto se viola,
mirar más abajo). El estadístico t si las medias son diferentes es el siguiente:
Donde:
Donde:
43
Aquí s2 es el estimador sin sesgo de la varianza de las dos muestras, n =
número de participantes, 1 = grupo uno, 2 = grupo dos. Nótese que en este
caso, no es la varianza combinada. Para su utilización en pruebas de
signicancia, la distribución de este estadístico es aproximadamente igual a
una distribución t ordinaria con los grados de libertad calculados según:
Las hipótesis y los estadísticos utilizados en este caso son los siguientes:
44
Distribución
bilateral
Nótese la estimación n-1 de los grados de libertad para este caso.
Unilateral
45
1) Se calculan las varianzas de cada uno de las muestras de comparación:
3) Los grados de libertad correspondientes para cada una de las muestras son
las siguientes:
46
Capítulo 3
DISEÑO COMPLETAMENTE
ALEATORIZADO
3.1. ALEATORIZACIÓN
47
Por tanto se debe aleatorizar para transformar la variabilidad sistemática no
planicada en variabilidad no planicada o ruido aleatorio; en otros términos:
prevenir contra la introducción de sesgos en el experimento. La aleatorización
evita la dependencia entre observaciones y valida muchos de los procedimien-
tos estadísticos más comunes.
48
3.2. EL ANÁLISIS DE VARIANZA (ANVA)
regresión lineal múltiple, de las que prácticamente son una extensión natural, de libertad
única variable nominal independiente, con tres o más niveles, explica una una muestra
tomar
comparar, en todas las posibles combinaciones de dos en dos, las medias de valor posible
todos los subgrupos formados. Esto trae parejo, fundamentalmente, dos tipos (que son
de problemas: libres
de tomar
a).- Se incrementa el riesgo de dar un resultado falso positivo, al realizar más
cualquier
de un análisis sobre un mismo conjunto de datos.
valor) una
vez que se
b).- Es difícil interpretar la verdadera inuencia de la variable que actúa
ha calculado
como factor de clasicación, porque genera diferentes niveles de signicación
previamente
(p), resultantes de las comparaciones entre sus subgrupos.
y de forma
indepen-
Mediante el ANOVA se eliminan estos inconvenientes. Con estas técnicas se
diente la
analiza globalmente la inuencia de cada variable independiente, generándose
estimación
un único nivel de signicación.
de un
49
la ganancia de peso, la variación de dicha ganancia puede descomponerse en
fuentes de variación conocidas, atribuibles al distinto nivel de aminoácidos
usando las raciones y las fuentes de variación desconocidas o error. Esta
partición de la varianza se hace al través de la suma de cuadrados asociados
a sus respectivos grados de libertad (número de comparaciones linealmente
independientes). La realización de un Análisis de la varianza presupone la
aditividad de los errores, la homogeneidad de varianza de las poblaciones de
tratamientos y la independencia y distribución normal de los errores.
50
La representación esquemática para este diseño es la siguiente:
51
3.3.2. MODELO DE EFECTOS ALEATORIOS. MOD-
ELO II
52
Donde:
Ejemplo:
53
salinidad). Se consideraron 5 repeticiones para cada uno de los tratamientos
experimentales y se plantó como hipótesis nula la igualdad de medias entre
los tratamientos. A continuación se presenta los resultados del ahorro de
energía (expresado en vatios por semana).
Seguidamente:
54
De ello se tiene el siguiente cuadro del análisis de varianza:
Por tanto:
55
La tabla de F puede consultarse de la plataforma.
56
3.4.3. DESVENTAJAS DISEÑO COMPLETAMENTE
AL AZAR
a)La principal estriba en su grado de precisión, algún otro diseño suele ser ca-
paz de estimar el error stándar por unidad experimental (error experimental)
con un mayor grado de precisión
57
Capítulo 4
DISEÑO DE BLOQUES
COMPLETAMENTE
ALEATORIZADOS (DBA)
58
que el diseño completamente al azar (DCA) para controlar la variabilidad
del material experimental. Generalmente, el número de bloques es igual al
número de tratamientos. El adjetivo "completos" se reere a que todos los
tratamientos aparecen representados en cada uno de los bloques del experi-
mento.
Este diseño ofrece menos grados de libertad para estimar el error, comparado
con el DCA, esta reducción se debe a los grados de libertad necesarios para
estimar el efecto de bloques. Es por ello que debe existir una razón real
de bloqueo para usar este diseño, es decir entre mayor sea la variabilidad
entre bloques más eciente será el diseño para detectar diferencias entre
tratamientos.
59
De ello puede derivarse en las típicas representaciones de los bloques como
se muestran a continuación:
60
De ello se determina que los objetivos de conformación de bloques son:
Donde:
61
4.2. REPRESENTACIÓN ESQUEMÁTICA PARA
EL DISEÑO DE BLOQUES AL AZAR (DBA)
62
Donde:
63
Siendo la suma de cuadrados totales:
Ejemplo:
64
Donde:
65
Obteniéndose en consecuencia el siguiente cuadro del análisis de varianza:
66
y puesto que Fo>3.490 se rechaza Ho con un a =0.05 y se concluye que al
menos un tratamiento es diferente.
67
4.5. DESVENTAJAS DISEÑO DE BLOQUES
AL AZAR (DBA).
68
Ejemplo:
69
Adicionalmente autores como Sokal y Rohlf, citados por Castejón (2011)[6],
sugieren considerar además los costos que involucra el implementar estos
diseños. En cualquier caso seguramente el diseño con menor costo, indepen-
dientemente de su eciencia relativa será el que seguramente se elegirá en
caso de su implementación.
70
4.7.1. UNA UNIDAD EXPERIMENTAL PERDIDA.
Donde:
Ejemplo:
71
4.7.2. DOS UNIDADES EXPERIMENTALES PERDI-
DAS.
Donde:
Donde:
Repetir, por iteracciones, los pasos anteriores hasta que los resultados sean
constantes:
72
Ejemplo:
Estimación inicial de x:
Datos nales: ,
73
Donde:
74
Ejemplo:
Tabla de iteracciones:
Datos nales:
75
Capítulo 5
PRUEBAS DE
COMPARACIONES
MÚLTIPLES
76
A efectos de una comprensión práctica de cada una de las pruebas, presenta-
mos a continuación un ejemplo presentado por que nos servirá de base para
el desarrollo de cada una de las pruebas mencionadas, a partir del proced-
imiento planteado por Dos Santos, M. (2003)[3]:
Ejemplo:
Una fábrica industrial tiene cuatro plantas y sabe que la planta A satisface los
requisitos impuestos por la regulación ambiental para el control de desechos
de fabricación, pero se requiere determinar cuál es la situación de las otras
tres. Para el efecto se toman cinco muestras de los líquidos residuales de
cada una de las plantas y se determina la cantidad de contaminantes. Los
resultados encontrados a partir del experimento en un diseño completamente
aleatorizado, son los siguientes:
77
Habiendo aceptado la hipótesis alternativa y concluido que existen diferen-
cias signicativas entre los tratamientos, se requiere saber el comportamiento
individual de las medias de los tratamientos. Es decir, responder que grupo
de tratamientos es signicativamente del resto.
78
Si consideramos, además, que la varianza de los datos comparados es igual
al cuadrado medio del error, tenemos la siguiente expresión:
q
2CM e
DM S = t1− α2 ,glerror n
79
5.2. PRUEBA DE TUKEY
q
CM e
DT = qα,K,Glerror n
En el caso del ejemplo propuesto, reemplazando los valores tenemos los sigu-
ientes resultados:
DT=
80
Se observa claramente que las diferencias de los promedios son
mayores que el valor DT=0,3127 calculado. Por tanto la diferencia compar-
ativa entre ambos promedios es signicativa.
Rp = dα,k,Glerror × Sj
Donde:
q
CM error
Sj= n
Por tanto:
q
CM error
Rp = dα,k,Glerror n
81
Se obtienen los mínimos intervalos signicativos signicativos
Ejemplo,
82
Los signos * (asterisco) en cada una de las comparaciones denotan una difer-
encia signicativa en la comparación.
Ejemplo,
83
DNT =
p
FA = (k − 1) × F1−α,K−1,Glerror
q
2CM e
S = FA × n
donde:
p q
S = (k − 1) × F1−α,K−1,Glerror × 2CM
n
e
84
Siendo alpha la signicancia, K el número de tratamientos y GL los grados
de libertad del error.
Realizando todas las comparaciones posibles entre las diferencias de los prome-
dios, se tienen los siguientes valores:
85
Comparando con el valor de Scheé S=27,3 se evidencia que ninguna de
las diferencias son mayores a este valor de referencia, consiguientemente no
existen diferencias signicativas entre los promedios comparados.
86
Capítulo 6
DISEÑO DE CUADRADO
LATINO
87
Debe hacerse notar que, en honor a la referencia del diseño como cuadrado,
debe existir en este tipo de diseño un mismo número de las y columnas (t
* t).
88
Otra representación que nos ayudará a comprender la lógica de control del
diseño de cuadrado latino se muestra en la gura 6.0.3. En esta representación
se observa la forma en la que trabaja este diseño, pues se observa claramente
que existen tres factores de variación en el ejemplo: los íconos de las cartas,
los colores de los cuadros y las letras. Éstas fuentes de control de variación,
en términos del diseño, están representados por el control de la variación de
las las, de las columnas y de los tratamientos.
89
6.1. ALEATORIZACIÓN DE UN CUADRA-
DO LATINO
Aleatorizar las las a partir del cuadrado resultante del paso anterior.
Los principales supuestos que debe cumplir el diseño de cuadrado latino son
los siguientes:
90
6.3. MODELO LINEAL DEL DISEÑO DE CUADRA-
DO LATINO
Donde:
91
Figura 6.4.1: Esquema para análisis de varianza para diseño de cuadrado
latino
Ejemplo
92
Planteando las hipótesis correspondientes, se tiene:
Obteniéndose como resultado nal una alta signicancia para cada uno de
los factores de variación, por tanto se rechaza la hipótesis nula y se acepta
la hipótesis alternativa.
93
6.5. VENTAJAS DEL DISEÑO DE CUADRA-
DO LATINO
94
6.7. VARIACIONES AL DISEÑO CUADRA-
DO LATINO
Debe establecerse que para el uso de este tipo de diseño debe asegurarse
de que no existe un efecto residual de los tratamientos. De existir alguna
duda, debe aplicarse cada tratamiento con un periodo de descanso para cada
periodo consecutivo.
95
Cuyo modelo lineal llegaría ser:
donde:
96
Capítulo 7
DISEÑO DE PARCELAS
DIVIDIDAS
97
el primer factor tendrá tres niveles y el segundo dos, obtendremos esquemáti-
camente:
98
7.1. ESQUEMAS DE ALEATORIZACIÓN PARA
EL DISEÑO DE PARCELAS DIVIDIDAS.
Para una comprensión del ajuste del diseño de parcelas dividas a un esquema
de aleatorización, se presenta a continuación los posibles ajustes, consideran-
do el ejemplo de los dos factores y sus correspondientes niveles presentados
en los acápites anteriores.
99
Diseño de parcelas divididas ajustado a un diseño completamente al
azar, con la asignación del factor b a las parcelas principales y el
factor a a las subunidades.
100
Si bien es factible que exista un ajuste a un diseño de cuadrado latino, éste
no es muy frecuente, consiguientemente no es necesario consignarlo dentro
de los esquemas de ajustes presentados.
Debe también considerarse que los factores de variación o las variables inde-
pendientes presentadas no deben considerarse como factores de bloqueo.
Donde:
101
eai = Error asociado al iésimo nivel del factor A.
Donde:
102
Ejemplo:
103
Los resultados encontrados para la variable dependiente relacionada con el
rendimiento de materia verde o follaje, evaluado al nal del ciclo a los 180
días, fueron los siguientes (expresados en kg/ha):
104
Resumiendo los datos de acuerdo al criterio de agrupación del factor principal
a por bloque, tendremos lo siguiente:
105
Considerando ahora las subparcelas o subunidades, tenemos el siguiente cuadro
que agrupa las combinaciones del factor a y b.
106
Para el cálculo de los grados de libertad tanto para el factor principal como
para el secundario, tenemos el siguiente esquema:
107
Finalmente, a partir de los resultados encontrados, el cuadro de análisis de
varianza será el siguiente:
108
7.2.3. USOS Y APLICACIONES FRECUENTES
109
Capítulo 8
DISEÑOS FACTORIALES.
110
La tabla 8.0.1 nos muestra un resumen de los criterios para la clasicación
de los diseños factoriales.
111
8.1.3. EFECTOS SECUNDARIOS
112
8.1.4.2. INTERACCIÓN POR ANTAGONISMO.
113
8.2. GRÁFICOS DE INTERACCIÓN
114
Figura 8.2.1: Comportamiento sin interacción.
115
Figura 8.2.3: Interacción fuerte
Donde:
116
8.3.2. SINOPSIS DE LA SUMA DE CUADRADOS
Las sumas de cuadrados calculados para este experimento factorial debe en-
tenderse siguiendo el siguiente esquema sinóptico.
117
Debe hacerse notar que la variación entre grupos está determinada por el
comportamiento del factor A, el factor B y la interacción AB. La variación
intra grupos corresponde al error experimental. Desarrollando las fórmulas
correspondientes se tiene:
118
Los grados de libertad para cada factor será el siguiente:
Ejemplo:
Las hipótesis de nulidad para cada uno de los factores A, B y AB, serán:
119
Consecuentemente las hipótesis de alternabilidad serán:
120
Calculando la suma de cuadrados de los factores:
121
Realizando el cálculo en el software anova ,vericaremos los anteriores re-
sultados encontrados:
Los resultados nos muestran una alta signicancia para los tratamientos en
global, el Factor A y el Factor B. No así para interacción AxB que mues-
tra una no signicancia. Se deja como ejercicio una mayor interpretación y
discusión de las conclusiones.
122
Capítulo 9
Existen tres efectos principales (A,B y C), tres efectos dobles (AB,AC y BC
) y un efecto triple (ABC).
123
tanto, la representación de los datos observados para un diseño Trifactorial
tiene la siguiente forma:
124
9.2. MODELO ESTADÍSTICO.
Donde:
Además:
125
La tabla de análisis de varianza con todos los factores considerados en el
modelo correspondiente es la siguiente:
126
Donde:
127
Matemáticamente la suma de cuadrados totales se expresa por:
Para las interacciones de dos factores, deben construirse las tablas correspon-
dientes para cada una de las mismas. Considerando además que previamente
deben calcularse los subtotales con las siguientes fórmulas:
128
Para la interacción de tres factores al igual que en el anterior caso deben
calcularse los subtotales con las siguientes fórmulas:
Para los cuadrados medios las fórmulas a utilizar son las siguientes:
Donde:
129
Ejemplo:
Realizando los cálculos correspondientes para cada una de las subtablas que
se generarán, tenemos lo siguiente:
130
Para las interacciones:
131
De lo cual se generan las siguientes subtablas:
132
La suma de cuadrados totales será:
133
Y la suma de cuadrados de estas interacciones:
134
Y la suma de cuadrados del error:
o también:
135
De lo anterior se genera el siguiente cuadro del análisis de varianza:
136
Se deja como ejercicio la comparación correspondiente y el rechazo o la
aceptación de cada hipótesis planteada.
137
Capítulo 10
COMPARACIONES
ORTOGONALES
10.1. CONTRASTES.
138
* Si se acepta que el primer contraste es cero se arma que la media del nivel
1 del factor es igual al promedio de las medias de los niveles 2 y 3.
* Si se acepta que el segundo contraste es cero se arma que las medias de los
niveles 1 y 4, consideradas en grupo, son iguales a las medias de los niveles
2 y 3, también consideradas en grupo.
Ya que:
Dado que un contraste es una función de los parámetros del modelo, que
son desconocidos, su valor se podrá estimar utilizando los estimadores de
los parámetros que intervienen. Concretamente, se puede demostrar que el
estimador óptimo de un contraste viene dado por la misma combinación lineal
de los estimadores de los parámetros que intervienen; es decir
que también se puede escribir como la misma combinación lineal de los esti-
madores de los efectos ti ; es decir,
En efecto:
139
Si consideramos uno de los contrastes anteriores como la combinación lineal
, es el estimador de ese contraste. Para evitar coecientes
fraccionarios es común reescribir esa combinación como:
De la misma forma, se dice que tres o más contrastes son mutuamente or-
togonales si todas las posibles parejas de contrastes son ortogonales.
140
Para ilustrar los contrastes ortogonales, consideremos el ejemplo de referencia
y recordemos que los tamaños de muestras correspondientes a cada uno de
los 5 tipos de fertilizantes son: 6, 5, 5, 4, y 6. Supongamos que los contrastes
más apropiados son:
Obsérvese que la suma de los coecientes de cada la es cero indicando que
cada Ci es un contraste. Además, es inmediato comprobar que los productos
dos a dos de los coecientes de los contrastes suman cero indicando que
los contrastes son mutuamente ortogonales. En efecto, comprobemos, por
ejemplo, que los contrastes C1 y C2 son ortogonales
141
y por lo tanto, la expresión de la suma de cuadrados en el modelo equilibrado
es:
142
su disposición tiene 5 tipos de fertilizantes. Para comparar su e-
cacia fumiga, con cada uno de los fertilizantes, un cierto número
de parcelas de terreno de la misma calidad y de igual super-
cie. Al recoger la cosecha se mide el rendimiento de la semilla,
obteniéndose las siguientes observaciones que se muestran en la
tabla siguiente:
143
Supongamos que efectuamos los contrastes ortogonales expuestos en la tabla
de coecientes de contrastes. Dichos contrastes junto con sus estimaciones
puntuales y su suma de cuadrados asociada se muestran en la siguiente tabla:
Donde:
Donde además:
144
Teniendo en cuenta que el valor de la varianza residual es 4.67, con 21 grados
de libertad, obtenemos los siguientes valores para los estadísticos de contraste
F (C1 ), F (C2 ), F (C3 ) y F (C4 ),
145
spondientes se incorporan a la Tabla ANOVA, de la siguiente forma:
146
Bibliografía
147
[9] Webacademia (2013) Historia del desarrol-
lo del diseño de experimentos. Recupera-
do de: http://centrodeartigos.com/articulos-
enciclopedicos/article_81603.html
148
[19] Castejón, O. (2011). Diseño y análisis de experimentos con
Statistix. Diseño completamente al azar. Venezuela: Universi-
dad Rafael Urdaneta.
149
ANEXOS
Tabla 5. VALORES F DE LA DISTRIBUCIÓN F DE FISHER
ν1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
ν2
1 39.864 49.500 53.593 55.833 57.240 58.204 58.906 59.439 59.857 60.195 60.473 60.705 60.902 61.073 61.220 61.350 61.465 61.566 61.658 61.740
2 8.526 9.000 9.162 9.243 9.293 9.326 9.349 9.367 9.381 9.392 9.401 9.408 9.415 9.420 9.425 9.429 9.433 9.436 9.439 9.441
3 5.538 5.462 5.391 5.343 5.309 5.285 5.266 5.252 5.240 5.230 5.222 5.216 5.210 5.205 5.200 5.196 5.193 5.190 5.187 5.184
4 4.545 4.325 4.191 4.107 4.051 4.010 3.979 3.955 3.936 3.920 3.907 3.896 3.886 3.878 3.870 3.864 3.858 3.853 3.848 3.844
5 4.060 3.780 3.619 3.520 3.453 3.405 3.368 3.339 3.316 3.297 3.282 3.268 3.257 3.247 3.238 3.230 3.223 3.217 3.212 3.207
6 3.776 3.463 3.289 3.181 3.108 3.055 3.014 2.983 2.958 2.937 2.920 2.905 2.892 2.881 2.871 2.863 2.855 2.848 2.842 2.836
7 3.589 3.257 3.074 2.961 2.883 2.827 2.785 2.752 2.725 2.703 2.684 2.668 2.654 2.643 2.632 2.623 2.615 2.607 2.601 2.595
8 3.458 3.113 2.924 2.806 2.726 2.668 2.624 2.589 2.561 2.538 2.519 2.502 2.488 2.475 2.464 2.454 2.446 2.438 2.431 2.425
9 3.360 3.006 2.813 2.693 2.611 2.551 2.505 2.469 2.440 2.416 2.396 2.379 2.364 2.351 2.340 2.330 2.320 2.312 2.305 2.298
10 3.285 2.924 2.728 2.605 2.522 2.461 2.414 2.377 2.347 2.323 2.302 2.284 2.269 2.255 2.244 2.233 2.224 2.215 2.208 2.201
11 3.225 2.860 2.660 2.536 2.451 2.389 2.342 2.304 2.274 2.248 2.227 2.209 2.193 2.179 2.167 2.156 2.147 2.138 2.130 2.123
12 3.177 2.807 2.606 2.480 2.394 2.331 2.283 2.245 2.214 2.188 2.166 2.147 2.131 2.117 2.105 2.094 2.084 2.075 2.067 2.060
13 3.136 2.763 2.560 2.434 2.347 2.283 2.234 2.195 2.164 2.138 2.116 2.097 2.080 2.066 2.053 2.042 2.032 2.023 2.014 2.007
14 3.102 2.726 2.522 2.395 2.307 2.243 2.193 2.154 2.122 2.095 2.073 2.054 2.037 2.022 2.010 1.998 1.988 1.978 1.970 1.962
15 3.073 2.695 2.490 2.361 2.273 2.208 2.158 2.119 2.086 2.059 2.037 2.017 2.000 1.985 1.972 1.961 1.950 1.941 1.932 1.924
16 3.048 2.668 2.462 2.333 2.244 2.178 2.128 2.088 2.055 2.028 2.005 1.985 1.968 1.953 1.940 1.928 1.917 1.908 1.899 1.891
17 3.026 2.645 2.437 2.308 2.218 2.152 2.102 2.061 2.028 2.001 1.978 1.958 1.940 1.925 1.912 1.900 1.889 1.879 1.870 1.862
18 3.007 2.624 2.416 2.286 2.196 2.130 2.079 2.038 2.005 1.977 1.954 1.933 1.916 1.900 1.887 1.875 1.864 1.854 1.845 1.837
19 2.990 2.606 2.397 2.266 2.176 2.109 2.058 2.017 1.984 1.956 1.932 1.912 1.894 1.878 1.865 1.852 1.841 1.831 1.822 1.814
20 2.975 2.589 2.380 2.249 2.158 2.091 2.040 1.999 1.965 1.937 1.913 1.892 1.875 1.859 1.845 1.833 1.821 1.811 1.802 1.794
21 2.961 2.575 2.365 2.233 2.142 2.075 2.023 1.982 1.948 1.920 1.896 1.875 1.857 1.841 1.827 1.815 1.803 1.793 1.784 1.776
22 2.949 2.561 2.351 2.219 2.128 2.060 2.008 1.967 1.933 1.904 1.880 1.859 1.841 1.825 1.811 1.798 1.787 1.777 1.768 1.759
23 2.937 2.549 2.339 2.207 2.115 2.047 1.995 1.953 1.919 1.890 1.866 1.845 1.827 1.811 1.796 1.784 1.772 1.762 1.753 1.744
24 2.927 2.538 2.327 2.195 2.103 2.035 1.983 1.941 1.906 1.877 1.853 1.832 1.814 1.797 1.783 1.770 1.759 1.748 1.739 1.730
25 2.918 2.528 2.317 2.184 2.092 2.024 1.971 1.929 1.895 1.866 1.841 1.820 1.802 1.785 1.771 1.758 1.746 1.736 1.726 1.718
26 2.909 2.519 2.307 2.174 2.082 2.014 1.961 1.919 1.884 1.855 1.830 1.809 1.790 1.774 1.760 1.747 1.735 1.724 1.715 1.706
27 2.901 2.511 2.299 2.165 2.073 2.005 1.952 1.909 1.874 1.845 1.820 1.799 1.780 1.764 1.749 1.736 1.724 1.714 1.704 1.695
28 2.894 2.503 2.291 2.157 2.064 1.996 1.943 1.900 1.865 1.836 1.811 1.790 1.771 1.754 1.740 1.726 1.715 1.704 1.694 1.685
29 2.887 2.495 2.283 2.149 2.057 1.988 1.935 1.892 1.857 1.827 1.802 1.781 1.762 1.745 1.731 1.717 1.705 1.695 1.685 1.676
30 2.881 2.489 2.276 2.142 2.049 1.980 1.927 1.884 1.849 1.819 1.794 1.773 1.754 1.737 1.722 1.709 1.697 1.686 1.676 1.667
40 2.835 2.440 2.226 2.091 1.997 1.927 1.873 1.829 1.793 1.763 1.737 1.715 1.695 1.678 1.662 1.649 1.636 1.625 1.615 1.605
50 2.809 2.412 2.197 2.061 1.966 1.895 1.840 1.796 1.760 1.729 1.703 1.680 1.660 1.643 1.627 1.613 1.600 1.588 1.578 1.568
60 2.791 2.393 2.177 2.041 1.946 1.875 1.819 1.775 1.738 1.707 1.680 1.657 1.637 1.619 1.603 1.589 1.576 1.564 1.553 1.543
70 2.779 2.380 2.164 2.027 1.931 1.860 1.804 1.760 1.723 1.691 1.665 1.641 1.621 1.603 1.587 1.572 1.559 1.547 1.536 1.526
80 2.769 2.370 2.154 2.016 1.921 1.849 1.793 1.748 1.711 1.680 1.653 1.629 1.609 1.590 1.574 1.559 1.546 1.534 1.523 1.513
90 2.762 2.363 2.146 2.008 1.912 1.841 1.785 1.739 1.702 1.670 1.643 1.620 1.599 1.581 1.564 1.550 1.536 1.524 1.513 1.503
100 2.756 2.356 2.139 2.002 1.906 1.834 1.778 1.732 1.695 1.663 1.636 1.612 1.592 1.573 1.557 1.542 1.528 1.516 1.505 1.494
200 2.731 2.329 2.111 1.973 1.876 1.804 1.747 1.701 1.663 1.631 1.603 1.579 1.558 1.539 1.522 1.507 1.493 1.480 1.468 1.458
500 2.716 2.313 2.095 1.956 1.859 1.786 1.729 1.683 1.644 1.612 1.583 1.559 1.537 1.518 1.501 1.485 1.471 1.458 1.446 1.435
1000 2.711 2.308 2.089 1.950 1.853 1.780 1.723 1.676 1.638 1.605 1.577 1.552 1.531 1.511 1.494 1.478 1.464 1.451 1.439 1.428
Elaborada por Irene Patricia Valdez y Alfaro.
Tabla 5. VALORES F DE LA DISTRIBUCIÓN F DE FISHER
1 - α =0.9
1 - α = P ( F ≤ fα,ν1,ν2 )
ν1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
ν2
1 161.446 199.499 215.707 224.583 230.160 233.988 236.767 238.884 240.543 241.882 242.981 243.905 244.690 245.363 245.949 246.466 246.917 247.324 247.688 248.016
2 18.513 19.000 19.164 19.247 19.296 19.329 19.353 19.371 19.385 19.396 19.405 19.412 19.419 19.424 19.429 19.433 19.437 19.440 19.443 19.446
3 10.128 9.552 9.277 9.117 9.013 8.941 8.887 8.845 8.812 8.785 8.763 8.745 8.729 8.715 8.703 8.692 8.683 8.675 8.667 8.660
4 7.709 6.944 6.591 6.388 6.256 6.163 6.094 6.041 5.999 5.964 5.936 5.912 5.891 5.873 5.858 5.844 5.832 5.821 5.811 5.803
5 6.608 5.786 5.409 5.192 5.050 4.950 4.876 4.818 4.772 4.735 4.704 4.678 4.655 4.636 4.619 4.604 4.590 4.579 4.568 4.558
6 5.987 5.143 4.757 4.534 4.387 4.284 4.207 4.147 4.099 4.060 4.027 4.000 3.976 3.956 3.938 3.922 3.908 3.896 3.884 3.874
7 5.591 4.737 4.347 4.120 3.972 3.866 3.787 3.726 3.677 3.637 3.603 3.575 3.550 3.529 3.511 3.494 3.480 3.467 3.455 3.445
8 5.318 4.459 4.066 3.838 3.688 3.581 3.500 3.438 3.388 3.347 3.313 3.284 3.259 3.237 3.218 3.202 3.187 3.173 3.161 3.150
9 5.117 4.256 3.863 3.633 3.482 3.374 3.293 3.230 3.179 3.137 3.102 3.073 3.048 3.025 3.006 2.989 2.974 2.960 2.948 2.936
10 4.965 4.103 3.708 3.478 3.326 3.217 3.135 3.072 3.020 2.978 2.943 2.913 2.887 2.865 2.845 2.828 2.812 2.798 2.785 2.774
11 4.844 3.982 3.587 3.357 3.204 3.095 3.012 2.948 2.896 2.854 2.818 2.788 2.761 2.739 2.719 2.701 2.685 2.671 2.658 2.646
12 4.747 3.885 3.490 3.259 3.106 2.996 2.913 2.849 2.796 2.753 2.717 2.687 2.660 2.637 2.617 2.599 2.583 2.568 2.555 2.544
13 4.667 3.806 3.411 3.179 3.025 2.915 2.832 2.767 2.714 2.671 2.635 2.604 2.577 2.554 2.533 2.515 2.499 2.484 2.471 2.459
14 4.600 3.739 3.344 3.112 2.958 2.848 2.764 2.699 2.646 2.602 2.565 2.534 2.507 2.484 2.463 2.445 2.428 2.413 2.400 2.388
15 4.543 3.682 3.287 3.056 2.901 2.790 2.707 2.641 2.588 2.544 2.507 2.475 2.448 2.424 2.403 2.385 2.368 2.353 2.340 2.328
16 4.494 3.634 3.239 3.007 2.852 2.741 2.657 2.591 2.538 2.494 2.456 2.425 2.397 2.373 2.352 2.333 2.317 2.302 2.288 2.276
17 4.451 3.592 3.197 2.965 2.810 2.699 2.614 2.548 2.494 2.450 2.413 2.381 2.353 2.329 2.308 2.289 2.272 2.257 2.243 2.230
18 4.414 3.555 3.160 2.928 2.773 2.661 2.577 2.510 2.456 2.412 2.374 2.342 2.314 2.290 2.269 2.250 2.233 2.217 2.203 2.191
19 4.381 3.522 3.127 2.895 2.740 2.628 2.544 2.477 2.423 2.378 2.340 2.308 2.280 2.256 2.234 2.215 2.198 2.182 2.168 2.155
20 4.351 3.493 3.098 2.866 2.711 2.599 2.514 2.447 2.393 2.348 2.310 2.278 2.250 2.225 2.203 2.184 2.167 2.151 2.137 2.124
21 4.325 3.467 3.072 2.840 2.685 2.573 2.488 2.420 2.366 2.321 2.283 2.250 2.222 2.197 2.176 2.156 2.139 2.123 2.109 2.096
22 4.301 3.443 3.049 2.817 2.661 2.549 2.464 2.397 2.342 2.297 2.259 2.226 2.198 2.173 2.151 2.131 2.114 2.098 2.084 2.071
23 4.279 3.422 3.028 2.796 2.640 2.528 2.442 2.375 2.320 2.275 2.236 2.204 2.175 2.150 2.128 2.109 2.091 2.075 2.061 2.048
24 4.260 3.403 3.009 2.776 2.621 2.508 2.423 2.355 2.300 2.255 2.216 2.183 2.155 2.130 2.108 2.088 2.070 2.054 2.040 2.027
25 4.242 3.385 2.991 2.759 2.603 2.490 2.405 2.337 2.282 2.236 2.198 2.165 2.136 2.111 2.089 2.069 2.051 2.035 2.021 2.007
26 4.225 3.369 2.975 2.743 2.587 2.474 2.388 2.321 2.265 2.220 2.181 2.148 2.119 2.094 2.072 2.052 2.034 2.018 2.003 1.990
27 4.210 3.354 2.960 2.728 2.572 2.459 2.373 2.305 2.250 2.204 2.166 2.132 2.103 2.078 2.056 2.036 2.018 2.002 1.987 1.974
28 4.196 3.340 2.947 2.714 2.558 2.445 2.359 2.291 2.236 2.190 2.151 2.118 2.089 2.064 2.041 2.021 2.003 1.987 1.972 1.959
29 4.183 3.328 2.934 2.701 2.545 2.432 2.346 2.278 2.223 2.177 2.138 2.104 2.075 2.050 2.027 2.007 1.989 1.973 1.958 1.945
30 4.171 3.316 2.922 2.690 2.534 2.421 2.334 2.266 2.211 2.165 2.126 2.092 2.063 2.037 2.015 1.995 1.976 1.960 1.945 1.932
40 4.085 3.232 2.839 2.606 2.449 2.336 2.249 2.180 2.124 2.077 2.038 2.003 1.974 1.948 1.924 1.904 1.885 1.868 1.853 1.839
50 4.034 3.183 2.790 2.557 2.400 2.286 2.199 2.130 2.073 2.026 1.986 1.952 1.921 1.895 1.871 1.850 1.831 1.814 1.798 1.784
60 4.001 3.150 2.758 2.525 2.368 2.254 2.167 2.097 2.040 1.993 1.952 1.917 1.887 1.860 1.836 1.815 1.796 1.778 1.763 1.748
70 3.978 3.128 2.736 2.503 2.346 2.231 2.143 2.074 2.017 1.969 1.928 1.893 1.863 1.836 1.812 1.790 1.771 1.753 1.737 1.722
80 3.960 3.111 2.719 2.486 2.329 2.214 2.126 2.056 1.999 1.951 1.910 1.875 1.845 1.817 1.793 1.772 1.752 1.734 1.718 1.703
90 3.947 3.098 2.706 2.473 2.316 2.201 2.113 2.043 1.986 1.938 1.897 1.861 1.830 1.803 1.779 1.757 1.737 1.720 1.703 1.688
100 3.936 3.087 2.696 2.463 2.305 2.191 2.103 2.032 1.975 1.927 1.886 1.850 1.819 1.792 1.768 1.746 1.726 1.708 1.691 1.676
200 3.888 3.041 2.650 2.417 2.259 2.144 2.056 1.985 1.927 1.878 1.837 1.801 1.769 1.742 1.717 1.694 1.674 1.656 1.639 1.623
500 3.860 3.014 2.623 2.390 2.232 2.117 2.028 1.957 1.899 1.850 1.808 1.772 1.740 1.712 1.686 1.664 1.643 1.625 1.607 1.592
1000 3.851 3.005 2.614 2.381 2.223 2.108 2.019 1.948 1.889 1.840 1.798 1.762 1.730 1.702 1.676 1.654 1.633 1.614 1.597 1.581
Elaborada por Irene Patricia Valdez y Alfaro.
Tabla 5. VALORES F DE LA DISTRIBUCIÓN F DE FISHER
1 - α =0.95
1 - α = P ( F ≤ fα,ν1,ν2 )
ν1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
ν2
1 647.793 799.482 864.151 899.599 921.835 937.114 948.203 956.643 963.279 968.634 973.028 976.725 979.839 982.545 984.874 986.911 988.715 990.345 991.800 993.081
2 38.506 39.000 39.166 39.248 39.298 39.331 39.356 39.373 39.387 39.398 39.407 39.415 39.421 39.427 39.431 39.436 39.439 39.442 39.446 39.448
3 17.443 16.044 15.439 15.101 14.885 14.735 14.624 14.540 14.473 14.419 14.374 14.337 14.305 14.277 14.253 14.232 14.213 14.196 14.181 14.167
4 12.218 10.649 9.979 9.604 9.364 9.197 9.074 8.980 8.905 8.844 8.794 8.751 8.715 8.684 8.657 8.633 8.611 8.592 8.575 8.560
5 10.007 8.434 7.764 7.388 7.146 6.978 6.853 6.757 6.681 6.619 6.568 6.525 6.488 6.456 6.428 6.403 6.381 6.362 6.344 6.329
6 8.813 7.260 6.599 6.227 5.988 5.820 5.695 5.600 5.523 5.461 5.410 5.366 5.329 5.297 5.269 5.244 5.222 5.202 5.184 5.168
7 8.073 6.542 5.890 5.523 5.285 5.119 4.995 4.899 4.823 4.761 4.709 4.666 4.628 4.596 4.568 4.543 4.521 4.501 4.483 4.467
8 7.571 6.059 5.416 5.053 4.817 4.652 4.529 4.433 4.357 4.295 4.243 4.200 4.162 4.130 4.101 4.076 4.054 4.034 4.016 3.999
9 7.209 5.715 5.078 4.718 4.484 4.320 4.197 4.102 4.026 3.964 3.912 3.868 3.831 3.798 3.769 3.744 3.722 3.701 3.683 3.667
10 6.937 5.456 4.826 4.468 4.236 4.072 3.950 3.855 3.779 3.717 3.665 3.621 3.583 3.550 3.522 3.496 3.474 3.453 3.435 3.419
11 6.724 5.256 4.630 4.275 4.044 3.881 3.759 3.664 3.588 3.526 3.474 3.430 3.392 3.359 3.330 3.304 3.282 3.261 3.243 3.226
12 6.554 5.096 4.474 4.121 3.891 3.728 3.607 3.512 3.436 3.374 3.321 3.277 3.239 3.206 3.177 3.152 3.129 3.108 3.090 3.073
13 6.414 4.965 4.347 3.996 3.767 3.604 3.483 3.388 3.312 3.250 3.197 3.153 3.115 3.082 3.053 3.027 3.004 2.983 2.965 2.948
14 6.298 4.857 4.242 3.892 3.663 3.501 3.380 3.285 3.209 3.147 3.095 3.050 3.012 2.979 2.949 2.923 2.900 2.879 2.861 2.844
15 6.200 4.765 4.153 3.804 3.576 3.415 3.293 3.199 3.123 3.060 3.008 2.963 2.925 2.891 2.862 2.836 2.813 2.792 2.773 2.756
16 6.115 4.687 4.077 3.729 3.502 3.341 3.219 3.125 3.049 2.986 2.934 2.889 2.851 2.817 2.788 2.761 2.738 2.717 2.698 2.681
17 6.042 4.619 4.011 3.665 3.438 3.277 3.156 3.061 2.985 2.922 2.870 2.825 2.786 2.753 2.723 2.697 2.673 2.652 2.633 2.616
18 5.978 4.560 3.954 3.608 3.382 3.221 3.100 3.005 2.929 2.866 2.814 2.769 2.730 2.696 2.667 2.640 2.617 2.596 2.576 2.559
19 5.922 4.508 3.903 3.559 3.333 3.172 3.051 2.956 2.880 2.817 2.765 2.720 2.681 2.647 2.617 2.591 2.567 2.546 2.526 2.509
20 5.871 4.461 3.859 3.515 3.289 3.128 3.007 2.913 2.837 2.774 2.721 2.676 2.637 2.603 2.573 2.547 2.523 2.501 2.482 2.464
21 5.827 4.420 3.819 3.475 3.250 3.090 2.969 2.874 2.798 2.735 2.682 2.637 2.598 2.564 2.534 2.507 2.483 2.462 2.442 2.425
22 5.786 4.383 3.783 3.440 3.215 3.055 2.934 2.839 2.763 2.700 2.647 2.602 2.563 2.528 2.498 2.472 2.448 2.426 2.407 2.389
23 5.750 4.349 3.750 3.408 3.183 3.023 2.902 2.808 2.731 2.668 2.615 2.570 2.531 2.497 2.466 2.440 2.416 2.394 2.374 2.357
24 5.717 4.319 3.721 3.379 3.155 2.995 2.874 2.779 2.703 2.640 2.586 2.541 2.502 2.468 2.437 2.411 2.386 2.365 2.345 2.327
25 5.686 4.291 3.694 3.353 3.129 2.969 2.848 2.753 2.677 2.613 2.560 2.515 2.476 2.441 2.411 2.384 2.360 2.338 2.318 2.300
26 5.659 4.265 3.670 3.329 3.105 2.945 2.824 2.729 2.653 2.590 2.536 2.491 2.452 2.417 2.387 2.360 2.335 2.314 2.294 2.276
27 5.633 4.242 3.647 3.307 3.083 2.923 2.802 2.707 2.631 2.568 2.514 2.469 2.429 2.395 2.364 2.337 2.313 2.291 2.271 2.253
28 5.610 4.221 3.626 3.286 3.063 2.903 2.782 2.687 2.611 2.547 2.494 2.448 2.409 2.374 2.344 2.317 2.292 2.270 2.251 2.232
29 5.588 4.201 3.607 3.267 3.044 2.884 2.763 2.669 2.592 2.529 2.475 2.430 2.390 2.355 2.325 2.298 2.273 2.251 2.231 2.213
30 5.568 4.182 3.589 3.250 3.026 2.867 2.746 2.651 2.575 2.511 2.458 2.412 2.372 2.338 2.307 2.280 2.255 2.233 2.213 2.195
40 5.424 4.051 3.463 3.126 2.904 2.744 2.624 2.529 2.452 2.388 2.334 2.288 2.248 2.213 2.182 2.154 2.129 2.107 2.086 2.068
50 5.340 3.975 3.390 3.054 2.833 2.674 2.553 2.458 2.381 2.317 2.263 2.216 2.176 2.140 2.109 2.081 2.056 2.033 2.012 1.993
60 5.286 3.925 3.343 3.008 2.786 2.627 2.507 2.412 2.334 2.270 2.216 2.169 2.129 2.093 2.061 2.033 2.008 1.985 1.964 1.944
70 5.247 3.890 3.309 2.975 2.754 2.595 2.474 2.379 2.302 2.237 2.183 2.136 2.095 2.059 2.028 1.999 1.974 1.950 1.929 1.910
80 5.218 3.864 3.284 2.950 2.730 2.571 2.450 2.355 2.277 2.213 2.158 2.111 2.071 2.035 2.003 1.974 1.948 1.925 1.904 1.884
90 5.196 3.844 3.265 2.932 2.711 2.552 2.432 2.336 2.259 2.194 2.140 2.092 2.051 2.015 1.983 1.955 1.929 1.905 1.884 1.864
100 5.179 3.828 3.250 2.917 2.696 2.537 2.417 2.321 2.244 2.179 2.124 2.077 2.036 2.000 1.968 1.939 1.913 1.890 1.868 1.849
200 5.100 3.758 3.182 2.850 2.630 2.472 2.351 2.256 2.178 2.113 2.058 2.010 1.969 1.932 1.900 1.870 1.844 1.820 1.798 1.778
500 5.054 3.716 3.142 2.811 2.592 2.434 2.313 2.217 2.139 2.074 2.019 1.971 1.929 1.892 1.859 1.830 1.803 1.779 1.757 1.736
1000 5.039 3.703 3.129 2.799 2.579 2.421 2.300 2.204 2.126 2.061 2.006 1.958 1.916 1.879 1.846 1.816 1.789 1.765 1.743 1.722
Elaborada por Irene Patricia Valdez y Alfaro.
Tabla 5. VALORES F DE LA DISTRIBUCIÓN F DE FISHER
1 - α =0.975
1 - α = P ( F ≤ fα,ν1,ν2 )
ν1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
ν2
1 4052.185 4999.340 5403.534 5624.257 5763.955 5858.950 5928.334 5980.954 6022.397 6055.925 6083.399 6106.682 6125.774 6143.004 6156.974 6170.012 6181.188 6191.432 6200.746 6208.662
2 98.502 99.000 99.164 99.251 99.302 99.331 99.357 99.375 99.390 99.397 99.408 99.419 99.422 99.426 99.433 99.437 99.441 99.444 99.448 99.448
3 34.116 30.816 29.457 28.710 28.237 27.911 27.671 27.489 27.345 27.228 27.132 27.052 26.983 26.924 26.872 26.826 26.786 26.751 26.719 26.690
4 21.198 18.000 16.694 15.977 15.522 15.207 14.976 14.799 14.659 14.546 14.452 14.374 14.306 14.249 14.198 14.154 14.114 14.079 14.048 14.019
5 16.258 13.274 12.060 11.392 10.967 10.672 10.456 10.289 10.158 10.051 9.963 9.888 9.825 9.770 9.722 9.680 9.643 9.609 9.580 9.553
6 13.745 10.925 9.780 9.148 8.746 8.466 8.260 8.102 7.976 7.874 7.790 7.718 7.657 7.605 7.559 7.519 7.483 7.451 7.422 7.396
7 12.246 9.547 8.451 7.847 7.460 7.191 6.993 6.840 6.719 6.620 6.538 6.469 6.410 6.359 6.314 6.275 6.240 6.209 6.181 6.155
8 11.259 8.649 7.591 7.006 6.632 6.371 6.178 6.029 5.911 5.814 5.734 5.667 5.609 5.559 5.515 5.477 5.442 5.412 5.384 5.359
9 10.562 8.022 6.992 6.422 6.057 5.802 5.613 5.467 5.351 5.257 5.178 5.111 5.055 5.005 4.962 4.924 4.890 4.860 4.833 4.808
10 10.044 7.559 6.552 5.994 5.636 5.386 5.200 5.057 4.942 4.849 4.772 4.706 4.650 4.601 4.558 4.520 4.487 4.457 4.430 4.405
11 9.646 7.206 6.217 5.668 5.316 5.069 4.886 4.744 4.632 4.539 4.462 4.397 4.342 4.293 4.251 4.213 4.180 4.150 4.123 4.099
12 9.330 6.927 5.953 5.412 5.064 4.821 4.640 4.499 4.388 4.296 4.220 4.155 4.100 4.052 4.010 3.972 3.939 3.910 3.883 3.858
13 9.074 6.701 5.739 5.205 4.862 4.620 4.441 4.302 4.191 4.100 4.025 3.960 3.905 3.857 3.815 3.778 3.745 3.716 3.689 3.665
14 8.862 6.515 5.564 5.035 4.695 4.456 4.278 4.140 4.030 3.939 3.864 3.800 3.745 3.698 3.656 3.619 3.586 3.556 3.529 3.505
15 8.683 6.359 5.417 4.893 4.556 4.318 4.142 4.004 3.895 3.805 3.730 3.666 3.612 3.564 3.522 3.485 3.452 3.423 3.396 3.372
16 8.531 6.226 5.292 4.773 4.437 4.202 4.026 3.890 3.780 3.691 3.616 3.553 3.498 3.451 3.409 3.372 3.339 3.310 3.283 3.259
17 8.400 6.112 5.185 4.669 4.336 4.101 3.927 3.791 3.682 3.593 3.518 3.455 3.401 3.353 3.312 3.275 3.242 3.212 3.186 3.162
18 8.285 6.013 5.092 4.579 4.248 4.015 3.841 3.705 3.597 3.508 3.434 3.371 3.316 3.269 3.227 3.190 3.158 3.128 3.101 3.077
19 8.185 5.926 5.010 4.500 4.171 3.939 3.765 3.631 3.523 3.434 3.360 3.297 3.242 3.195 3.153 3.116 3.084 3.054 3.027 3.003
20 8.096 5.849 4.938 4.431 4.103 3.871 3.699 3.564 3.457 3.368 3.294 3.231 3.177 3.130 3.088 3.051 3.018 2.989 2.962 2.938
21 8.017 5.780 4.874 4.369 4.042 3.812 3.640 3.506 3.398 3.310 3.236 3.173 3.119 3.072 3.030 2.993 2.960 2.931 2.904 2.880
22 7.945 5.719 4.817 4.313 3.988 3.758 3.587 3.453 3.346 3.258 3.184 3.121 3.067 3.019 2.978 2.941 2.908 2.879 2.852 2.827
23 7.881 5.664 4.765 4.264 3.939 3.710 3.539 3.406 3.299 3.211 3.137 3.074 3.020 2.973 2.931 2.894 2.861 2.832 2.805 2.780
24 7.823 5.614 4.718 4.218 3.895 3.667 3.496 3.363 3.256 3.168 3.094 3.032 2.977 2.930 2.889 2.852 2.819 2.789 2.762 2.738
25 7.770 5.568 4.675 4.177 3.855 3.627 3.457 3.324 3.217 3.129 3.056 2.993 2.939 2.892 2.850 2.813 2.780 2.751 2.724 2.699
26 7.721 5.526 4.637 4.140 3.818 3.591 3.421 3.288 3.182 3.094 3.021 2.958 2.904 2.857 2.815 2.778 2.745 2.715 2.688 2.664
27 7.677 5.488 4.601 4.106 3.785 3.558 3.388 3.256 3.149 3.062 2.988 2.926 2.872 2.824 2.783 2.746 2.713 2.683 2.656 2.632
28 7.636 5.453 4.568 4.074 3.754 3.528 3.358 3.226 3.120 3.032 2.959 2.896 2.842 2.795 2.753 2.716 2.683 2.653 2.626 2.602
29 7.598 5.420 4.538 4.045 3.725 3.499 3.330 3.198 3.092 3.005 2.931 2.868 2.814 2.767 2.726 2.689 2.656 2.626 2.599 2.574
30 7.562 5.390 4.510 4.018 3.699 3.473 3.305 3.173 3.067 2.979 2.906 2.843 2.789 2.742 2.700 2.663 2.630 2.600 2.573 2.549
40 7.314 5.178 4.313 3.828 3.514 3.291 3.124 2.993 2.888 2.801 2.727 2.665 2.611 2.563 2.522 2.484 2.451 2.421 2.394 2.369
50 7.171 5.057 4.199 3.720 3.408 3.186 3.020 2.890 2.785 2.698 2.625 2.563 2.508 2.461 2.419 2.382 2.348 2.318 2.290 2.265
60 7.077 4.977 4.126 3.649 3.339 3.119 2.953 2.823 2.718 2.632 2.559 2.496 2.442 2.394 2.352 2.315 2.281 2.251 2.223 2.198
70 7.011 4.922 4.074 3.600 3.291 3.071 2.906 2.777 2.672 2.585 2.512 2.450 2.395 2.348 2.306 2.268 2.234 2.204 2.176 2.150
80 6.963 4.881 4.036 3.563 3.255 3.036 2.871 2.742 2.637 2.551 2.478 2.415 2.361 2.313 2.271 2.233 2.199 2.169 2.141 2.115
90 6.925 4.849 4.007 3.535 3.228 3.009 2.845 2.715 2.611 2.524 2.451 2.389 2.334 2.286 2.244 2.206 2.172 2.142 2.114 2.088
100 6.895 4.824 3.984 3.513 3.206 2.988 2.823 2.694 2.590 2.503 2.430 2.368 2.313 2.265 2.223 2.185 2.151 2.120 2.092 2.067
200 6.763 4.713 3.881 3.414 3.110 2.893 2.730 2.601 2.497 2.411 2.338 2.275 2.220 2.172 2.129 2.091 2.057 2.026 1.997 1.971
500 6.686 4.648 3.821 3.357 3.054 2.838 2.675 2.547 2.443 2.356 2.283 2.220 2.166 2.117 2.075 2.036 2.002 1.970 1.942 1.915
1000 6.660 4.626 3.801 3.338 3.036 2.820 2.657 2.529 2.425 2.339 2.265 2.203 2.148 2.099 2.056 2.018 1.983 1.952 1.923 1.897
Elaborada por Irene Patricia Valdez y Alfaro.
Tabla 5. VALORES F DE LA DISTRIBUCIÓN F DE FISHER
1 - α =0.99
1 - α = P ( F ≤ fα,ν1,ν2 )
n \ α 0,30 0,25 0,20 0,10 0,05 0,025 0,01 0,005 0,0025 0,001 0,0005
1 0,7265 1,0000 1,3764 3,0777 6,3137 12,7062 31,8210 63,6559 127,3213 318,3088 636,6192
2 0,6172 0,8165 1,0607 1,8856 2,9200 4,3027 6,9645 9,9250 14,0890 22,3271 31,5991
3 0,5844 0,7649 0,9785 1,6377 2,3534 3,1824 4,5407 5,8408 7,4533 10,2145 12,9240
4 0,5686 0,7407 0,9410 1,5332 2,1318 2,7765 3,7469 4,6041 5,5976 7,1732 8,6103
5 0,5594 0,7267 0,9195 1,4759 2,0150 2,5706 3,3649 4,0321 4,7733 5,8934 6,8688
6 0,5534 0,7176 0,9057 1,4398 1,9432 2,4469 3,1427 3,7074 4,3168 5,2076 5,9588
7 0,5491 0,7111 0,8960 1,4149 1,8946 2,3646 2,9979 3,4995 4,0293 4,7853 5,4079
8 0,5459 0,7064 0,8889 1,3968 1,8595 2,3060 2,8965 3,3554 3,8325 4,5008 5,0413
9 0,5435 0,7027 0,8834 1,3830 1,8331 2,2622 2,8214 3,2498 3,6897 4,2968 4,7809
10 0,5415 0,6998 0,8791 1,3722 1,8125 2,2281 2,7638 3,1693 3,5814 4,1437 4,5869
11 0,5399 0,6974 0,8755 1,3634 1,7959 2,2010 2,7181 3,1058 3,4966 4,0247 4,4370
12 0,5386 0,6955 0,8726 1,3562 1,7823 2,1788 2,6810 3,0545 3,4284 3,9296 4,3178
13 0,5375 0,6938 0,8702 1,3502 1,7709 2,1604 2,6503 3,0123 3,3725 3,8520 4,2208
14 0,5366 0,6924 0,8681 1,3450 1,7613 2,1448 2,6245 2,9768 3,3257 3,7874 4,1405
15 0,5357 0,6912 0,8662 1,3406 1,7531 2,1315 2,6025 2,9467 3,2860 3,7328 4,0728
16 0,5350 0,6901 0,8647 1,3368 1,7459 2,1199 2,5835 2,9208 3,2520 3,6862 4,0150
17 0,5344 0,6892 0,8633 1,3334 1,7396 2,1098 2,5669 2,8982 3,2224 3,6458 3,9651
18 0,5338 0,6884 0,8620 1,3304 1,7341 2,1009 2,5524 2,8784 3,1966 3,6105 3,9216
19 0,5333 0,6876 0,8610 1,3277 1,7291 2,0930 2,5395 2,8609 3,1737 3,5794 3,8834
20 0,5329 0,6870 0,8600 1,3253 1,7247 2,0860 2,5280 2,8453 3,1534 3,5518 3,8495
21 0,5325 0,6864 0,8591 1,3232 1,7207 2,0796 2,5176 2,8314 3,1352 3,5272 3,8193
22 0,5321 0,6858 0,8583 1,3212 1,7171 2,0739 2,5083 2,8188 3,1188 3,5050 3,7921
23 0,5317 0,6853 0,8575 1,3195 1,7139 2,0687 2,4999 2,8073 3,1040 3,4850 3,7676
24 0,5314 0,6848 0,8569 1,3178 1,7109 2,0639 2,4922 2,7970 3,0905 3,4668 3,7454
25 0,5312 0,6844 0,8562 1,3163 1,7081 2,0595 2,4851 2,7874 3,0782 3,4502 3,7251
26 0,5309 0,6840 0,8557 1,3150 1,7056 2,0555 2,4786 2,7787 3,0669 3,4350 3,7066
27 0,5306 0,6837 0,8551 1,3137 1,7033 2,0518 2,4727 2,7707 3,0565 3,4210 3,6896
28 0,5304 0,6834 0,8546 1,3125 1,7011 2,0484 2,4671 2,7633 3,0469 3,4082 3,6739
29 0,5302 0,6830 0,8542 1,3114 1,6991 2,0452 2,4620 2,7564 3,0380 3,3962 3,6594
30 0,5300 0,6828 0,8538 1,3104 1,6973 2,0423 2,4573 2,7500 3,0298 3,3852 3,6460
40 0,5286 0,6807 0,8507 1,3031 1,6839 2,0211 2,4233 2,7045 2,9712 3,3069 3,5510
80 0,5265 0,6776 0,8461 1,2922 1,6641 1,9901 2,3739 2,6387 2,8870 3,1953 3,4163
120 0,5258 0,6765 0,8446 1,2886 1,6576 1,9799 2,3578 2,6174 2,8599 3,1595 3,3735
∞ 0,5244 0, 6745 0,8416 1,2816 1,6449 1,9600 2,3263 2,5758 2,8070 3,0902 3,2905
Tabla de la t de Student.
Contiene los valores t tales que p[ T > t ] = α ,
donde n son los grados de libertad.
n \ α 0,90 0,80 0,70 0,50 0,30 0,20 0,10 0,05 0,02 0,01 0,001
1 0,1584 0,3249 0,5095 1,0000 1,9626 3,0777 6,3137 12,7062 31,8210 63,6559 636,5776
2 0,1421 0,2887 0,4447 0,8165 1,3862 1,8856 2,9200 4,3027 6,9645 9,9250 31,5998
3 0,1366 0,2767 0,4242 0,7649 1,2498 1,6377 2,3534 3,1824 4,5407 5,8408 12,9244
4 0,1338 0,2707 0,4142 0,7407 1,1896 1,5332 2,1318 2,7765 3,7469 4,6041 8,6101
5 0,1322 0,2672 0,4082 0,7267 1,1558 1,4759 2,0150 2,5706 3,3649 4,0321 6,8685
6 0,1311 0,2648 0,4043 0,7176 1,1342 1,4398 1,9432 2,4469 3,1427 3,7074 5,9587
7 0,1303 0,2632 0,4015 0,7111 1,1192 1,4149 1,8946 2,3646 2,9979 3,4995 5,4081
8 0,1297 0,2619 0,3995 0,7064 1,1081 1,3968 1,8595 2,3060 2,8965 3,3554 5,0414
9 0,1293 0,2610 0,3979 0,7027 1,0997 1,3830 1,8331 2,2622 2,8214 3,2498 4,7809
10 0,1289 0,2602 0,3966 0,6998 1,0931 1,3722 1,8125 2,2281 2,7638 3,1693 4,5868
11 0,1286 0,2596 0,3956 0,6974 1,0877 1,3634 1,7959 2,2010 2,7181 3,1058 4,4369
12 0,1283 0,2590 0,3947 0,6955 1,0832 1,3562 1,7823 2,1788 2,6810 3,0545 4,3178
13 0,1281 0,2586 0,3940 0,6938 1,0795 1,3502 1,7709 2,1604 2,6503 3,0123 4,2209
14 0,1280 0,2582 0,3933 0,6924 1,0763 1,3450 1,7613 2,1448 2,6245 2,9768 4,1403
15 0,1278 0,2579 0,3928 0,6912 1,0735 1,3406 1,7531 2,1315 2,6025 2,9467 4,0728
16 0,1277 0,2576 0,3923 0,6901 1,0711 1,3368 1,7459 2,1199 2,5835 2,9208 4,0149
17 0,1276 0,2573 0,3919 0,6892 1,0690 1,3334 1,7396 2,1098 2,5669 2,8982 3,9651
18 0,1274 0,2571 0,3915 0,6884 1,0672 1,3304 1,7341 2,1009 2,5524 2,8784 3,9217
19 0,1274 0,2569 0,3912 0,6876 1,0655 1,3277 1,7291 2,0930 2,5395 2,8609 3,8833
20 0,1273 0,2567 0,3909 0,6870 1,0640 1,3253 1,7247 2,0860 2,5280 2,8453 3,8496
21 0,1272 0,2566 0,3906 0,6864 1,0627 1,3232 1,7207 2,0796 2,5176 2,8314 3,8193
22 0,1271 0,2564 0,3904 0,6858 1,0614 1,3212 1,7171 2,0739 2,5083 2,8188 3,7922
23 0,1271 0,2563 0,3902 0,6853 1,0603 1,3195 1,7139 2,0687 2,4999 2,8073 3,7676
24 0,1270 0,2562 0,3900 0,6848 1,0593 1,3178 1,7109 2,0639 2,4922 2,7970 3,7454
25 0,1269 0,2561 0,3898 0,6844 1,0584 1,3163 1,7081 2,0595 2,4851 2,7874 3,7251
26 0,1269 0,2560 0,3896 0,6840 1,0575 1,3150 1,7056 2,0555 2,4786 2,7787 3,7067
27 0,1268 0,2559 0,3894 0,6837 1,0567 1,3137 1,7033 2,0518 2,4727 2,7707 3,6895
28 0,1268 0,2558 0,3893 0,6834 1,0560 1,3125 1,7011 2,0484 2,4671 2,7633 3,6739
29 0,1268 0,2557 0,3892 0,6830 1,0553 1,3114 1,6991 2,0452 2,4620 2,7564 3,6595
30 0,1267 0,2556 0,3890 0,6828 1,0547 1,3104 1,6973 2,0423 2,4573 2,7500 3,6460
40 0,1265 0,2550 0,3881 0,6807 1,0500 1,3031 1,6839 2,0211 2,4233 2,7045 3,5510
80 0,1261 0,2542 0,3867 0,6776 1,0432 1,2922 1,6641 1,9901 2,3739 2,6387 3,4164
120 0,1259 0,2539 0,3862 0,6765 1,0409 1,2886 1,6576 1,9799 2,3578 2,6174 3,3734
∞ 0,126 0,253 0,385 0,674 1,036 1,282 1,645 1,96 2,326 2,576 3,291
TABLA A1. RECORRIDO SIGNIFICATIVO DE DUNCAN (NIVEL DE SIGNIFICACIÓN α=1% )
g p=2 3 4 5 6 7 8 9 10 11 12 13 14 15 20 25 30 50 100
1 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030 90.030
2 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040 14.040
3 8.261 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321
4 6.512 6.677 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740 6.740
5 5.702 5.893 5.589 6.040 6.065 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074
6 5.243 5.439 5.549 5.614 5.655 5.680 5.694 5.701 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703
7 4.949 5.415 5.260 5.334 5.383 5.416 5.439 5.454 5.464 5.470 5.472 5.472 5.472 5.472 5.472 5.472 5.472 5.472 5.472
8 4.476 4.939 5.057 5.135 5.189 5.227 5.256 5.276 5.291 5.302 5.309 5.309 5.314 5.316 5.317 5.317 5.317 5.317 5.317
9 4.596 4.787 4.906 4.986 5.043 5.086 5.118 5.142 5.160 5.174 5.185 5.193 5.199 5.203 5.206 5.206 5.206 5.206 5.206
10 4.482 4.671 4.790 4.781 4.931 4.975 5.010 5.037 5.058 5.074 6.509 5.098 5.106 5.112 5.124 5.124 5.124 5.124 5.124
11 4.392 4.579 4.697 4.780 4.841 4.887 4.924 4.952 4.975 4.994 5.009 5.021 5.031 5.039 5.059 5.061 5.061 5.061 5.061
12 4.320 4.622 4.706 4.767 4.815 4.852 4.883 4.907 4.927 4.944 4.958 4.969 4.978 5.006 5.011 5.011 5.011 5.011 5.011
13 4.260 4.442 4.560 4.644 4.706 4.755 4.793 4.824 4.850 4.872 4.889 4.904 4.917 4.928 4.960 4.971 4.972 4.972 4.972
14 4.210 4.391 4.508 4.591 4.654 4.704 4.743 4.775 4.802 4.824 4.843 4.859 4.872 4.884 4.921 4.937 4.940 4.940 4.940
15 4.168 4.347 4.463 4.547 4.610 4.660 4.700 4.733 4.760 4.783 4.803 4.820 4.834 4.846 4.887 4.907 4.914 4.914 4.914
16 4.131 4.309 4.425 4.509 4.572 4.622 4.663 4.696 4.724 4.748 4.768 4.786 4.800 4.813 4.858 4.880 4.890 4.892 4.892
17 4.099 4.275 4.391 4.475 4.539 4.589 4.630 4.664 4.693 4.717 4.738 4.756 4.771 4.785 4.832 4.857 4.869 4.874 4.874
18 4.071 4.246 4.362 4.445 4.509 4.560 4.601 4.635 4.664 4.689 4.711 4.729 4.745 4.759 4.808 4.836 4.850 4.858 4.858
19 4.046 4.220 4.335 4.419 4.483 4.534 4.575 4.610 4.639 4.665 4.686 4.705 4.722 4.736 4.788 4.817 4.833 4.855 4.855
20 4.024 4.197 4.312 4.395 4.459 4.510 4.552 4.587 4.617 4.642 4.664 4.684 4.701 4.716 4.769 4.800 4.818 4.833 4.833
25 3.942 4.111 4.225 4.307 4.372 4.423 4.466 4.502 4.532 4.559 4.582 4.603 4.622 4.638 4.698 4.736 4.760 4.796 4.796
30 3.889 4.056 4.168 4.250 4.314 4.366 4.409 4.445 4.477 4.504 4.528 4.550 4.569 4.586 4.650 4.692 4.721 4.772 4.777
40 3.825 3.988 4.098 4.180 4.244 4.296 4.339 4.376 4.408 4.436 4.461 4.483 4.503 4.521 4.591 4.638 4.671 4.740 4.764
50 3.787 3.948 4.058 4.138 4.202 4.254 4.298 4.334 4.367 4.395 4.421 4.443 4.464 4.482 4.554 4.604 4.641 4.720 4.764
60 3.762 3.922 4.031 4.111 4.174 4.226 4.270 4.307 4.340 4.368 4.394 4.417 4.438 4.456 4.530 4.582 4.620 4.707 4.765
70 3.745 3.904 4.012 4.092 4.155 4.207 4.251 4.287 4.321 4.349 4.375 4.398 4.419 4.438 4.510 4.566 4.605 4.695 4.766
80 3.732 3.890 3.998 4.077 4.140 4.192 4.236 4.296 4.306 4.335 4.361 4.384 4.405 4.424 4.500 4.554 4.594 4.690 4.767
90 3.722 3.879 3.987 4.066 4.129 4.181 4.225 4.262 4.295 4.323 4.350 4.373 4.394 4.413 4.490 4.544 4.000 4.685 4.768
100 3.714 3.871 3.978 4.057 4.120 4.172 4.216 4.253 4.286 4.315 4.341 4.364 4.385 4.405 4.481 4.537 4.578 4.680 4.769
∞ 3.643 3.796 3.900 3.978 4.040 4.091 4.135 4.172 4.205 4.235 4.261 4.285 4.307 4.327 4.408 4.468 4.514 4.635 4.776
g p=2 3 4 5 6 7 8 9 10 11 12 13 14 15 20 25 30 50 100
1 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97 17.97
2 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085
3 4.501 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516
4 3.927 4.013 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033
5 3.635 3.749 3.797 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814
6 3.461 3.587 3.649 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694 3.694
7 3.344 3.477 3.548 3.588 3.611 3.622 3.626 3.626 3.626 3.626 3.626 3.626 3.626 3.626 3.626 3.626 3.626 3.626 3.626
8 3.261 3.399 3.475 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521 3.521
9 3.199 3.339 3.42 3.470 3.502 3.523 3.536 3.544 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547
10 3.151 3.293 3.376 3.430 3.465 3.489 3.505 3.516 3.522 3.526 3.526 3.526 3.526 3.526 3.526 3.526 3.526 3.526 3.526
11 3.113 3.256 3.342 3.397 3.435 3.462 3.48 3.493 3.501 3.506 3.509 3.510 3.510 3.510 3.51 3.51 3.510 3.51 3.51
12 3.082 3.335 3.313 3.370 3.410 3.439 3.459 3.474 3.484 3.491 3.496 3.498 3.499 3.499 3.499 3.499 3.499 3.499 3.499
13 3.055 3.2 3.289 3.348 3.389 3.419 3.442 3458 3470 3.484 3.488 3.49 3.49 3.49 3.49 3.49 3.49 3.49 3.49
14 3.033 3.178 3.268 3.329 3.372 3.403 3.426 3.444 3.457 3.467 3.474 3.479 3.482 3.484 3.485 3.485 3.485 3.485 3.485
15 3.014 3.16 3.25 3.312 3.356 3.389 3.413 3.432 3.446 3.457 3.465 3.471 3.476 3.478 3.481 3.481 3.481 3.481 3.481
16 2.998 3.144 3.235 3.298 3.343 3.376 3.402 3.422 3.437 3.449 3.458 3.465 3.47 3.473 3.478 3.478 3.478 3.478 3.478
17 2.984 3.13 3.222 3.285 3.331 3.366 3.392 3.412 3.429 3.441 3.465 3.47 3.473 3.478 3.478 3.478 3.478 3.478 3.478
18 2.971 3.118 3.21 3.274 3.321 3.356 3.383 3.405 3.421 3.445 3.454 3.46 3.465 3.462 3.474 3.474 3.474 3.474 3.474
19 2.96 3.107 3.199 3.264 3.311 3.347 3.375 3.397 3.415 3.429 3.44 3.449 3.456 3.462 3.474 3.474 3.474 3.474 3.474
20 2.95 3.097 3.19 3.255 3.303 3.339 3.368 3.391 3.409 3.424 3.436 3.445 3.453 3.459 3.473 3.474 3.474 3.474 3.474
25 2.923 3.06 3.154 3.221 3.271 3.31 3.34 3.366 3.386 3.403 3.417 3.429 3.439 3.447 3.471 3.478 3.479 3.478 3.479
30 2.888 3.035 3.131 3.199 3.25 3.29 3.322 3.349 3.371 3.389 3.405 3.418 3.43 3.439 3.470 3.483 3.486 3.486 3.486
40 2.858 3.006 3.102 3.171 3.224 3.266 3.300 3.328 3.352 3.373 3.39 3.405 3.418 3.429 3.469 3.489 3.500 3.504 3.504
50 2.84 2.988 3.085 3.154 3.208 3.251 3.286 3.316 3.341 3.362 3.381 3.397 3.411 3.423 3.468 3.494 3.509 3.522 3.521
60 2.829 2.976 3.073 3.143 3.198 3.241 3.277 3.307 3.333 3.355 3.374 3.391 3.406 3.419 3.467 3.497 3.515 3.537 3.537
70 2.821 2.968 3.065 3.135 3.19 3.234 3.271 3.301 3.328 3.35 3.37 3.387 3.403 3.416 3.467 3.499 3.52 3.548 3.552
80 2.814 2.961 3.059 3.130 3.185 3.229 3.266 3.297 3.323 3.436 3.367 3.384 3.400 3.414 3.467 3.501 3.524 3.558 3.564
90 2.81 2.957 3.054 3.125 3.181 3.225 3.262 3.292 3.32 3.343 3.364 3.382 3.398 3.412 3.467 3.502 3.527 3.567 3.575
100 2.806 2.953 3.501 3.121 3.177 3.222 3.259 3.291 3.318 3.341 3.362 3.38 3.396 3.411 3.467 3.503 3.529 3.574 3.585
∞ 2.772 2.918 3.017 3.089 3.146 3.193 3.232 3.265 3.294 3.32 3.343 3.363 3.382 3.399 3.466 3.514 3.55 3.64 3.735
n
α = 0.01 2 3 4 5 6 7 8 9 10 11 12 13 14 15
m
2 13.90 19.02 22.56 25.37 27.76 29.86 31.73 33.41 34.93 36.29 37.53 38.66 39.70 40.66
3 8.26 10.62 12.17 13.32 14.24 15.00 15.65 16.21 16.71 17.16 17.57 17.95 18.29 18.62
4 6.51 8.12 9.17 9.96 10.58 11.10 11.54 11.92 12.26 12.57 12.84 13.09 13.32 13.53
5 5.70 6.98 7.80 8.42 8.91 9.32 9.67 9.97 10.24 10.48 10.70 10.89 11.08 11.24
6 5.24 6.33 7.03 7.56 7.97 8.32 8.61 8.87 9.10 9.30 9.48 9.65 9.81 9.95
7 4.95 5.92 6.54 7.00 7.37 7.68 7.94 8.17 8.37 8.55 8.71 8.86 9.00 9.12
8 4.75 5.64 6.20 6.62 6.96 7.24 7.47 7.68 7.86 8.03 8.18 8.31 8.44 8.55
9 4.60 5.43 5.96 6.35 6.66 6.91 7.13 7.33 7.49 7.65 7.78 7.91 8.03 8.13
10 4.48 5.27 5.77 6.14 6.43 6.67 6.87 7.05 7.21 7.36 7.49 7.60 7.71 7.81
11 4.39 5.15 5.62 5.97 6.25 6.48 6.67 6.84 6.99 7.13 7.25 7.36 7.46 7.56
12 4.32 5.05 5.50 5.84 6.10 6.32 6.51 6.67 6.81 6.94 7.06 7.17 7.26 7.36
13 4.26 4.96 5.40 5.73 5.98 6.19 6.37 6.53 6.67 6.79 6.90 7.01 7.10 7.19
14 4.21 4.89 5.32 5.63 5.88 6.08 6.26 6.41 6.54 6.66 6.77 6.87 6.96 7.05
15 4.17 4.84 5.25 5.56 5.80 5.99 6.16 6.31 6.44 6.55 6.66 6.76 6.84 6.93
16 4.13 4.79 5.19 5.49 5.72 5.92 6.08 6.22 6.35 6.46 6.56 6.66 6.74 6.82
17 4.10 4.74 5.14 5.43 5.66 5.85 6.01 6.15 6.27 6.38 6.48 6.57 6.66 6.73
18 4.07 4.70 5.09 5.38 5.60 5.79 5.94 6.08 6.20 6.31 6.41 6.50 6.58 6.65
19 4.05 4.67 5.05 5.33 5.55 5.73 5.89 6.02 6.14 6.25 6.34 6.43 6.51 6.58
20 4.02 4.64 5.02 5.29 5.51 5.69 5.84 5.97 6.09 6.19 6.28 6.37 6.45 6.52
21 4.00 4.61 4.99 5.26 5.47 5.65 5.79 5.92 6.04 6.14 6.23 6.32 6.39 6.47
22 3.99 4.59 4.96 5.22 5.43 5.61 5.75 5.88 5.99 6.10 6.19 6.27 6.35 6.42
23 3.97 4.57 4.93 5.20 5.40 5.57 5.72 5.84 5.95 6.05 6.14 6.23 6.30 6.37
24 3.96 4.55 4.91 5.17 5.37 5.54 5.69 5.81 5.92 6.02 6.11 6.19 6.26 6.33
25 3.94 4.53 4.89 5.14 5.35 5.51 5.65 5.78 5.89 5.98 6.07 6.15 6.22 6.29
26 3.93 4.51 4.87 5.12 5.32 5.49 5.63 5.75 5.86 5.95 6.04 6.12 6.19 6.26
27 3.92 4.49 4.85 5.10 5.30 5.46 5.60 5.72 5.83 5.92 6.01 6.09 6.16 6.22
28 3.91 4.48 4.83 5.08 5.28 5.44 5.58 5.70 5.80 5.90 5.98 6.06 6.13 6.20
29 3.90 4.47 4.81 5.06 5.26 5.42 5.56 5.67 5.78 5.87 5.96 6.03 6.10 6.17
30 3.89 4.45 4.80 5.05 5.24 5.40 5.54 5.65 5.76 5.85 5.93 6.01 6.08 6.14
31 3.88 4.44 4.79 5.03 5.23 5.38 5.52 5.63 5.74 5.83 5.91 5.99 6.05 6.12
32 3.87 4.43 4.77 5.02 5.21 5.37 5.50 5.61 5.72 5.81 5.89 5.96 6.03 6.10
33 3.87 4.42 4.76 5.00 5.20 5.35 5.48 5.60 5.70 5.79 5.87 5.94 6.01 6.08
34 3.86 4.41 4.75 4.99 5.18 5.34 5.47 5.58 5.68 5.77 5.85 5.93 5.99 6.06
35 3.85 4.40 4.74 4.98 5.17 5.32 5.45 5.57 5.67 5.75 5.84 5.91 5.98 6.04
36 3.85 4.40 4.73 4.97 5.16 5.31 5.44 5.55 5.65 5.74 5.82 5.89 5.96 6.02
37 3.84 4.39 4.72 4.96 5.15 5.30 5.43 5.54 5.64 5.72 5.80 5.88 5.94 6.00
38 3.83 4.38 4.71 4.95 5.13 5.29 5.41 5.53 5.62 5.71 5.79 5.86 5.93 5.99
39 3.83 4.37 4.70 4.94 5.12 5.28 5.40 5.51 5.61 5.70 5.78 5.85 5.91 5.97
40 3.82 4.37 4.70 4.93 5.11 5.26 5.39 5.50 5.60 5.69 5.76 5.83 5.90 5.96
41 3.82 4.36 4.69 4.92 5.11 5.26 5.38 5.49 5.59 5.67 5.75 5.82 5.89 5.95
42 3.82 4.35 4.68 4.91 5.10 5.25 5.37 5.48 5.58 5.66 5.74 5.81 5.88 5.94
43 3.81 4.35 4.67 4.91 5.09 5.24 5.36 5.47 5.57 5.65 5.73 5.80 5.86 5.92
44 3.81 4.34 4.67 4.90 5.08 5.23 5.35 5.46 5.56 5.64 5.72 5.79 5.85 5.91
45 3.80 4.34 4.66 4.89 5.07 5.22 5.34 5.45 5.55 5.63 5.71 5.78 5.84 5.90
46 3.80 4.33 4.66 4.89 5.07 5.21 5.34 5.44 5.54 5.62 5.70 5.77 5.83 5.89
47 3.80 4.33 4.65 4.88 5.06 5.21 5.33 5.44 5.53 5.61 5.69 5.76 5.82 5.88
48 3.79 4.32 4.64 4.87 5.05 5.20 5.32 5.43 5.52 5.61 5.68 5.75 5.81 5.87
49 3.79 4.32 4.64 4.87 5.05 5.19 5.31 5.42 5.51 5.60 5.67 5.74 5.80 5.86
50 3.79 4.32 4.63 4.86 5.04 5.19 5.31 5.41 5.51 5.59 5.67 5.73 5.80 5.85
1
Tabla 8: Cuantiles de la distribución de Tukey q(n, m)
n
α = 0.01 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
m
2 41.54 42.36 43.13 43.85 44.53 45.16 45.77 46.34 46.89 47.40 47.90 48.37 48.83 49.26 49.68
3 18.91 19.20 19.46 19.71 19.95 20.17 20.39 20.59 20.79 20.98 21.16 21.33 21.50 21.66 21.82
4 13.72 13.91 14.08 14.24 14.39 14.53 14.67 14.80 14.92 15.04 15.16 15.26 15.37 15.47 15.57
5 11.40 11.55 11.68 11.81 11.93 12.05 12.16 12.26 12.36 12.45 12.54 12.63 12.71 12.79 12.87
6 10.08 10.21 10.32 10.43 10.54 10.64 10.73 10.82 10.90 10.98 11.06 11.13 11.20 11.27 11.34
7 9.24 9.35 9.46 9.55 9.65 9.73 9.82 9.89 9.97 10.04 10.11 10.18 10.24 10.30 10.36
8 8.66 8.76 8.85 8.94 9.03 9.11 9.18 9.25 9.32 9.39 9.45 9.51 9.57 9.62 9.68
9 8.23 8.33 8.41 8.49 8.57 8.65 8.72 8.78 8.85 8.91 8.97 9.02 9.08 9.13 9.18
10 7.91 7.99 8.08 8.15 8.23 8.29 8.36 8.42 8.48 8.54 8.60 8.65 8.70 8.75 8.79
11 7.65 7.73 7.81 7.88 7.95 8.02 8.08 8.14 8.20 8.25 8.30 8.35 8.40 8.45 8.49
12 7.44 7.52 7.59 7.66 7.73 7.79 7.85 7.91 7.96 8.02 8.07 8.11 8.16 8.20 8.25
13 7.27 7.35 7.42 7.48 7.55 7.61 7.67 7.72 7.77 7.82 7.87 7.92 7.96 8.00 8.04
14 7.13 7.20 7.27 7.33 7.39 7.45 7.51 7.56 7.61 7.66 7.71 7.75 7.79 7.83 7.87
15 7.00 7.07 7.14 7.20 7.26 7.32 7.37 7.43 7.47 7.52 7.57 7.61 7.65 7.69 7.73
16 6.90 6.97 7.03 7.09 7.15 7.21 7.26 7.31 7.36 7.40 7.44 7.49 7.53 7.57 7.60
17 6.81 6.87 6.94 7.00 7.05 7.11 7.16 7.21 7.25 7.30 7.34 7.38 7.42 7.46 7.49
18 6.73 6.79 6.85 6.91 6.97 7.02 7.07 7.12 7.16 7.21 7.25 7.29 7.32 7.36 7.40
19 6.65 6.72 6.78 6.84 6.89 6.94 6.99 7.04 7.08 7.12 7.17 7.20 7.24 7.28 7.31
20 6.59 6.65 6.71 6.77 6.82 6.87 6.92 6.97 7.01 7.05 7.09 7.13 7.17 7.20 7.24
21 6.53 6.60 6.65 6.71 6.76 6.81 6.86 6.90 6.95 6.99 7.03 7.06 7.10 7.14 7.17
22 6.48 6.54 6.60 6.66 6.71 6.76 6.80 6.85 6.89 6.93 6.97 7.00 7.04 7.07 7.11
23 6.44 6.50 6.55 6.61 6.66 6.71 6.75 6.79 6.84 6.88 6.91 6.95 6.99 7.02 7.05
24 6.39 6.45 6.51 6.56 6.61 6.66 6.70 6.75 6.79 6.83 6.86 6.90 6.94 6.97 7.00
25 6.35 6.41 6.47 6.52 6.57 6.62 6.66 6.70 6.74 6.78 6.82 6.86 6.89 6.92 6.95
26 6.32 6.38 6.43 6.48 6.53 6.58 6.62 6.66 6.70 6.74 6.78 6.81 6.85 6.88 6.91
27 6.29 6.34 6.40 6.45 6.50 6.54 6.59 6.63 6.67 6.71 6.74 6.78 6.81 6.84 6.87
28 6.26 6.31 6.37 6.42 6.47 6.51 6.55 6.59 6.63 6.67 6.71 6.74 6.77 6.81 6.84
29 6.23 6.28 6.34 6.39 6.44 6.48 6.52 6.56 6.60 6.64 6.67 6.71 6.74 6.77 6.80
30 6.20 6.26 6.31 6.36 6.41 6.45 6.49 6.53 6.57 6.61 6.64 6.68 6.71 6.74 6.77
31 6.18 6.23 6.29 6.33 6.38 6.43 6.47 6.51 6.54 6.58 6.62 6.65 6.68 6.71 6.74
32 6.16 6.21 6.26 6.31 6.36 6.40 6.44 6.48 6.52 6.56 6.59 6.62 6.65 6.68 6.71
33 6.13 6.19 6.24 6.29 6.33 6.38 6.42 6.46 6.50 6.53 6.56 6.60 6.63 6.66 6.69
34 6.11 6.17 6.22 6.27 6.31 6.36 6.40 6.44 6.47 6.51 6.54 6.57 6.61 6.64 6.66
35 6.10 6.15 6.20 6.25 6.29 6.34 6.38 6.41 6.45 6.49 6.52 6.55 6.58 6.61 6.64
36 6.08 6.13 6.18 6.23 6.27 6.32 6.36 6.39 6.43 6.47 6.50 6.53 6.56 6.59 6.62
37 6.06 6.11 6.16 6.21 6.26 6.30 6.34 6.38 6.41 6.45 6.48 6.51 6.54 6.57 6.60
38 6.05 6.10 6.15 6.20 6.24 6.28 6.32 6.36 6.39 6.43 6.46 6.49 6.52 6.55 6.58
39 6.03 6.08 6.13 6.18 6.22 6.26 6.30 6.34 6.38 6.41 6.45 6.48 6.51 6.54 6.56
40 6.02 6.07 6.12 6.16 6.21 6.25 6.29 6.33 6.36 6.40 6.43 6.46 6.49 6.52 6.55
41 6.00 6.06 6.10 6.15 6.19 6.24 6.27 6.31 6.35 6.38 6.41 6.44 6.47 6.50 6.53
42 5.99 6.04 6.09 6.14 6.18 6.22 6.26 6.30 6.33 6.37 6.40 6.43 6.46 6.49 6.52
43 5.98 6.03 6.08 6.12 6.17 6.21 6.25 6.28 6.32 6.35 6.38 6.42 6.44 6.47 6.50
44 5.97 6.02 6.07 6.11 6.15 6.20 6.23 6.27 6.31 6.34 6.37 6.40 6.43 6.46 6.49
45 5.96 6.01 6.06 6.10 6.14 6.18 6.22 6.26 6.29 6.33 6.36 6.39 6.42 6.45 6.47
46 5.95 6.00 6.04 6.09 6.13 6.17 6.21 6.25 6.28 6.31 6.35 6.38 6.41 6.43 6.46
47 5.94 5.99 6.03 6.08 6.12 6.16 6.20 6.24 6.27 6.30 6.33 6.36 6.39 6.42 6.45
48 5.93 5.98 6.02 6.07 6.11 6.15 6.19 6.22 6.26 6.29 6.32 6.35 6.38 6.41 6.44
49 5.92 5.97 6.01 6.06 6.10 6.14 6.18 6.21 6.25 6.28 6.31 6.34 6.37 6.40 6.43
50 5.91 5.96 6.01 6.05 6.09 6.13 6.17 6.20 6.24 6.27 6.30 6.33 6.36 6.39 6.42
2
Tabla 8: Cuantiles de la distribución de Tukey q(n, m)
n
α = 0.05 2 3 4 5 6 7 8 9 10 11 12 13 14 15
m
2 6.08 8.33 9.80 10.88 11.73 12.43 13.03 13.54 13.99 14.40 14.76 15.09 15.39 15.67
3 4.50 5.91 6.82 7.50 8.04 8.48 8.85 9.18 9.46 9.72 9.95 10.15 10.35 10.52
4 3.93 5.04 5.76 6.29 6.71 7.05 7.35 7.60 7.83 8.03 8.21 8.37 8.52 8.66
5 3.64 4.60 5.22 5.67 6.03 6.33 6.58 6.80 6.99 7.17 7.32 7.47 7.60 7.72
6 3.46 4.34 4.90 5.30 5.63 5.90 6.12 6.32 6.49 6.65 6.79 6.92 7.03 7.14
7 3.34 4.16 4.68 5.06 5.36 5.61 5.82 6.00 6.16 6.30 6.43 6.55 6.66 6.76
8 3.26 4.04 4.53 4.89 5.17 5.40 5.60 5.77 5.92 6.05 6.18 6.29 6.39 6.48
9 3.20 3.95 4.41 4.76 5.02 5.24 5.43 5.59 5.74 5.87 5.98 6.09 6.19 6.28
10 3.15 3.88 4.33 4.65 4.91 5.12 5.30 5.46 5.60 5.72 5.83 5.93 6.03 6.11
11 3.11 3.82 4.26 4.57 4.82 5.03 5.20 5.35 5.49 5.61 5.71 5.81 5.90 5.98
12 3.08 3.77 4.20 4.51 4.75 4.95 5.12 5.27 5.39 5.51 5.61 5.71 5.80 5.88
13 3.06 3.73 4.15 4.45 4.69 4.88 5.05 5.19 5.32 5.43 5.53 5.63 5.71 5.79
14 3.03 3.70 4.11 4.41 4.64 4.83 4.99 5.13 5.25 5.36 5.46 5.55 5.64 5.71
15 3.01 3.67 4.08 4.37 4.59 4.78 4.94 5.08 5.20 5.31 5.40 5.49 5.57 5.65
16 3.00 3.65 4.05 4.33 4.56 4.74 4.90 5.03 5.15 5.26 5.35 5.44 5.52 5.59
17 2.98 3.63 4.02 4.30 4.52 4.70 4.86 4.99 5.11 5.21 5.31 5.39 5.47 5.54
18 2.97 3.61 4.00 4.28 4.49 4.67 4.82 4.96 5.07 5.17 5.27 5.35 5.43 5.50
19 2.96 3.59 3.98 4.25 4.47 4.65 4.79 4.92 5.04 5.14 5.23 5.31 5.39 5.46
20 2.95 3.58 3.96 4.23 4.45 4.62 4.77 4.90 5.01 5.11 5.20 5.28 5.36 5.43
21 2.94 3.56 3.94 4.21 4.42 4.60 4.74 4.87 4.98 5.08 5.17 5.25 5.33 5.40
22 2.93 3.55 3.93 4.20 4.41 4.58 4.72 4.85 4.96 5.06 5.14 5.23 5.30 5.37
23 2.93 3.54 3.91 4.18 4.39 4.56 4.70 4.83 4.94 5.03 5.12 5.20 5.27 5.34
24 2.92 3.53 3.90 4.17 4.37 4.54 4.68 4.81 4.92 5.01 5.10 5.18 5.25 5.32
25 2.91 3.52 3.89 4.15 4.36 4.53 4.67 4.79 4.90 4.99 5.08 5.16 5.23 5.30
26 2.91 3.51 3.88 4.14 4.35 4.51 4.65 4.77 4.88 4.98 5.06 5.14 5.21 5.28
27 2.90 3.51 3.87 4.13 4.33 4.50 4.64 4.76 4.86 4.96 5.04 5.12 5.19 5.26
28 2.90 3.50 3.86 4.12 4.32 4.49 4.62 4.74 4.85 4.94 5.03 5.11 5.18 5.24
29 2.89 3.49 3.85 4.11 4.31 4.47 4.61 4.73 4.84 4.93 5.01 5.09 5.16 5.23
30 2.89 3.49 3.85 4.10 4.30 4.46 4.60 4.72 4.82 4.92 5.00 5.08 5.15 5.21
31 2.88 3.48 3.84 4.09 4.29 4.45 4.59 4.71 4.81 4.90 4.99 5.06 5.13 5.20
32 2.88 3.48 3.83 4.09 4.28 4.45 4.58 4.70 4.80 4.89 4.98 5.05 5.12 5.18
33 2.88 3.47 3.83 4.08 4.28 4.44 4.57 4.69 4.79 4.88 4.97 5.04 5.11 5.17
34 2.87 3.47 3.82 4.07 4.27 4.43 4.56 4.68 4.78 4.87 4.96 5.03 5.10 5.16
35 2.87 3.46 3.81 4.07 4.26 4.42 4.56 4.67 4.77 4.86 4.95 5.02 5.09 5.15
36 2.87 3.46 3.81 4.06 4.25 4.41 4.55 4.66 4.76 4.85 4.94 5.01 5.08 5.14
37 2.87 3.45 3.80 4.05 4.25 4.41 4.54 4.66 4.76 4.85 4.93 5.00 5.07 5.13
38 2.86 3.45 3.80 4.05 4.24 4.40 4.53 4.65 4.75 4.84 4.92 4.99 5.06 5.12
39 2.86 3.45 3.79 4.04 4.24 4.39 4.53 4.64 4.74 4.83 4.91 4.98 5.05 5.11
40 2.86 3.44 3.79 4.04 4.23 4.39 4.52 4.63 4.73 4.82 4.90 4.98 5.04 5.11
41 2.86 3.44 3.79 4.03 4.23 4.38 4.51 4.63 4.73 4.82 4.90 4.97 5.04 5.10
42 2.85 3.44 3.78 4.03 4.22 4.38 4.51 4.62 4.72 4.81 4.89 4.96 5.03 5.09
43 2.85 3.43 3.78 4.03 4.22 4.37 4.50 4.62 4.72 4.80 4.88 4.96 5.02 5.08
44 2.85 3.43 3.78 4.02 4.21 4.37 4.50 4.61 4.71 4.80 4.88 4.95 5.02 5.08
45 2.85 3.43 3.77 4.02 4.21 4.36 4.49 4.61 4.70 4.79 4.87 4.94 5.01 5.07
46 2.85 3.42 3.77 4.01 4.20 4.36 4.49 4.60 4.70 4.79 4.87 4.94 5.00 5.06
47 2.85 3.42 3.77 4.01 4.20 4.36 4.48 4.60 4.69 4.78 4.86 4.93 5.00 5.06
48 2.84 3.42 3.76 4.01 4.20 4.35 4.48 4.59 4.69 4.78 4.86 4.93 4.99 5.05
49 2.84 3.42 3.76 4.00 4.19 4.35 4.48 4.59 4.69 4.77 4.85 4.92 4.99 5.05
50 2.84 3.42 3.76 4.00 4.19 4.34 4.47 4.58 4.68 4.77 4.85 4.92 4.98 5.04
3
Tabla 8: Cuantiles de la distribución de Tukey q(n, m)
n
α = 0.05 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
m
2 15.92 16.16 16.38 16.59 16.78 16.97 17.14 17.30 17.46 17.61 17.75 17.88 18.01 18.13 18.25
3 10.69 10.84 10.98 11.11 11.24 11.36 11.47 11.58 11.68 11.78 11.87 11.96 12.05 12.13 12.21
4 8.79 8.91 9.03 9.13 9.23 9.33 9.42 9.50 9.58 9.66 9.74 9.81 9.88 9.94 10.00
5 7.83 7.93 8.03 8.12 8.21 8.29 8.37 8.44 8.51 8.58 8.64 8.70 8.76 8.82 8.87
6 7.24 7.34 7.43 7.51 7.59 7.66 7.73 7.80 7.86 7.92 7.98 8.03 8.09 8.14 8.19
7 6.85 6.94 7.02 7.10 7.17 7.24 7.30 7.36 7.42 7.48 7.53 7.58 7.63 7.68 7.73
8 6.57 6.65 6.73 6.80 6.87 6.93 6.99 7.05 7.11 7.16 7.21 7.26 7.31 7.35 7.40
9 6.36 6.44 6.51 6.58 6.64 6.70 6.76 6.82 6.87 6.92 6.97 7.02 7.06 7.10 7.14
10 6.19 6.27 6.34 6.40 6.47 6.53 6.58 6.63 6.69 6.73 6.78 6.82 6.87 6.91 6.95
11 6.06 6.13 6.20 6.27 6.33 6.38 6.44 6.49 6.54 6.58 6.63 6.67 6.71 6.75 6.79
12 5.95 6.02 6.09 6.15 6.21 6.26 6.32 6.37 6.41 6.46 6.50 6.54 6.58 6.62 6.66
13 5.86 5.93 5.99 6.05 6.11 6.17 6.22 6.26 6.31 6.36 6.40 6.44 6.48 6.52 6.55
14 5.79 5.85 5.91 5.97 6.03 6.08 6.13 6.18 6.22 6.27 6.31 6.35 6.39 6.42 6.46
15 5.72 5.78 5.85 5.90 5.96 6.01 6.06 6.10 6.15 6.19 6.23 6.27 6.31 6.34 6.38
16 5.66 5.73 5.79 5.84 5.90 5.95 5.99 6.04 6.08 6.13 6.17 6.20 6.24 6.28 6.31
17 5.61 5.67 5.73 5.79 5.84 5.89 5.94 5.98 6.03 6.07 6.11 6.14 6.18 6.22 6.25
18 5.57 5.63 5.69 5.74 5.79 5.84 5.89 5.93 5.98 6.02 6.06 6.09 6.13 6.16 6.20
19 5.53 5.59 5.65 5.70 5.75 5.80 5.85 5.89 5.93 5.97 6.01 6.05 6.08 6.11 6.15
20 5.49 5.55 5.61 5.66 5.71 5.76 5.81 5.85 5.89 5.93 5.97 6.00 6.04 6.07 6.10
21 5.46 5.52 5.58 5.63 5.68 5.73 5.77 5.81 5.85 5.89 5.93 5.97 6.00 6.03 6.07
22 5.43 5.49 5.55 5.60 5.65 5.69 5.74 5.78 5.82 5.86 5.90 5.93 5.97 6.00 6.03
23 5.41 5.46 5.52 5.57 5.62 5.67 5.71 5.75 5.79 5.83 5.87 5.90 5.93 5.97 6.00
24 5.38 5.44 5.49 5.55 5.59 5.64 5.68 5.72 5.76 5.80 5.84 5.87 5.91 5.94 5.97
25 5.36 5.42 5.47 5.52 5.57 5.62 5.66 5.70 5.74 5.78 5.81 5.85 5.88 5.91 5.94
26 5.34 5.40 5.45 5.50 5.55 5.59 5.64 5.68 5.72 5.75 5.79 5.82 5.85 5.89 5.92
27 5.32 5.38 5.43 5.48 5.53 5.57 5.61 5.66 5.69 5.73 5.77 5.80 5.83 5.86 5.89
28 5.30 5.36 5.41 5.46 5.51 5.55 5.60 5.64 5.67 5.71 5.75 5.78 5.81 5.84 5.87
29 5.29 5.34 5.40 5.44 5.49 5.54 5.58 5.62 5.66 5.69 5.73 5.76 5.79 5.82 5.85
30 5.27 5.33 5.38 5.43 5.47 5.52 5.56 5.60 5.64 5.67 5.71 5.74 5.77 5.80 5.83
31 5.26 5.31 5.36 5.41 5.46 5.50 5.54 5.58 5.62 5.66 5.69 5.72 5.76 5.79 5.82
32 5.24 5.30 5.35 5.40 5.45 5.49 5.53 5.57 5.61 5.64 5.68 5.71 5.74 5.77 5.80
33 5.23 5.29 5.34 5.39 5.43 5.48 5.52 5.56 5.59 5.63 5.66 5.69 5.73 5.76 5.78
34 5.22 5.27 5.33 5.37 5.42 5.46 5.50 5.54 5.58 5.61 5.65 5.68 5.71 5.74 5.77
35 5.21 5.26 5.31 5.36 5.41 5.45 5.49 5.53 5.57 5.60 5.64 5.67 5.70 5.73 5.76
36 5.20 5.25 5.30 5.35 5.40 5.44 5.48 5.52 5.55 5.59 5.62 5.66 5.69 5.72 5.74
37 5.19 5.24 5.29 5.34 5.39 5.43 5.47 5.51 5.54 5.58 5.61 5.64 5.67 5.70 5.73
38 5.18 5.23 5.28 5.33 5.38 5.42 5.46 5.50 5.53 5.57 5.60 5.63 5.66 5.69 5.72
39 5.17 5.22 5.27 5.32 5.37 5.41 5.45 5.49 5.52 5.56 5.59 5.62 5.65 5.68 5.71
40 5.16 5.22 5.27 5.31 5.36 5.40 5.44 5.48 5.51 5.55 5.58 5.61 5.64 5.67 5.70
41 5.15 5.21 5.26 5.30 5.35 5.39 5.43 5.47 5.50 5.54 5.57 5.60 5.63 5.66 5.69
42 5.15 5.20 5.25 5.30 5.34 5.38 5.42 5.46 5.50 5.53 5.56 5.59 5.62 5.65 5.68
43 5.14 5.19 5.24 5.29 5.33 5.37 5.41 5.45 5.49 5.52 5.55 5.58 5.61 5.64 5.67
44 5.13 5.19 5.24 5.28 5.33 5.37 5.41 5.44 5.48 5.51 5.55 5.58 5.61 5.64 5.66
45 5.13 5.18 5.23 5.28 5.32 5.36 5.40 5.44 5.47 5.51 5.54 5.57 5.60 5.63 5.66
46 5.12 5.17 5.22 5.27 5.31 5.35 5.39 5.43 5.46 5.50 5.53 5.56 5.59 5.62 5.65
47 5.11 5.17 5.22 5.26 5.31 5.35 5.39 5.42 5.46 5.49 5.52 5.55 5.58 5.61 5.64
48 5.11 5.16 5.21 5.26 5.30 5.34 5.38 5.42 5.45 5.48 5.52 5.55 5.58 5.61 5.63
49 5.10 5.16 5.20 5.25 5.29 5.33 5.37 5.41 5.44 5.48 5.51 5.54 5.57 5.60 5.63
50 5.10 5.15 5.20 5.24 5.29 5.33 5.37 5.40 5.44 5.47 5.50 5.53 5.56 5.59 5.62