àß_?áà`?âáa?ãâb?äãc?åäd?æåe?çæf?èçg?éèh?êéi?ëêj?ìëk?íìl?îím?

?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?11€?
111111l:11ð:116;11w;11ﾝ;1€¿;

în?ðï

ßÞ
 • I. INFERENCIA ESTADÍSTICA

Definición
Es aquella parte de la metodología estadística que, a través de un
razonamiento inductivo, extiende los resultados obtenidos en las muestras a
su universo de origen.

Objetivos:
Estimación de parámetros
Docimasia de hipótesis

Definiciones útiles:
Parámetro: es una medida que describe el universo. Cuando la medida
describe una muestra se la denomina estadística
Estimación de parámetros: consiste en el cálculo de estadísticas para
muestras, con el fin de obtener información sobre el valor de los parámetros
del universo.= inducción basada en teoría de probabilidades y solo es posible
cuando se conoce la conducta o distribución muestral de las estadísticas

Docimasia de Hipótesis: consiste en determinar la probabilidad de ocurrencia

del resultado obtenido en la investigación, basándose en la distribución
muestral de la estadística para medir tal resultado.

Estimador: Es una estadística de muestra ( como x ) que se usa para

aproximar un parámetro de la población.

Estimador puntual: es un valor individual ( o punto) que se usa para

aproximar un parámetro de la población.

La media de la muestra x es el mejor estimador puntual de la media de la

población u.
Motivo: menor variación por tanto la DS es más pequeña
la distribución de las medias de las muestras tiende a centrarse
alrededor de la media de la población.
.
Intervalo de confianza
Definición: es una gama o intervalo de valores que probablemente contiene
al valor verdadero del parámetro de la población.

Un intervalo de confianza se asocia a un grado de confianza, que es una

medida de la certeza de que nuestro intervalo contiene el parámetro de
población.
Grado de confianza:a.
En la prueba T pareada se utiliza un solo conjunto de diferencias entre las
observaciones pareadas en lugar de utilizarse los dos conjuntos originales de
observaciones.
En la prueba T pareada se calcula un valor t de la forma siguiente:

ßÞ
?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?33€?
333333l:33ð:336;33w;33ﾝ;3€¿;

El número de grados de libertad es el tamaño de la muestra menos 1 o el

número de observaciones pareadas menos 1
Para interpretar los resultados, se utiliza la misma tabla de valores t que en
la prueba t para observaciones no pareadas.
EMBED Diapositiva de Microsoft PowerPoint µ §

H0: Si los observadores A y B tuvieran el peso de todos los niños de la

población , de la que 20 niños de la tabla constituían una muestra no habría
en promedio ninguna diferencia entre sus mediciones. = el promedio de
diferencias entre Ay B sería 0.

H1 : habría diferencias.

ßÞ
Método:
 Calcular el promedio de las diferencias de la muestra. =
Suma de las diferencias dividida por el número de mediciones.
 Promedio de diferencias = 1.04
 Calcular la Desviación estándar de las diferencias = 1.77
Aplicar fórmula

 T = 1,04 / 0.40 = 2.60 = t calculado

T crítico: Tamaño de la muestra menos 1 = 20-1 = 19

 95 % de confianza = 1.93 Rechazo Ho. Existen diferencias

significativas entre los observadores

 V. Análisis de Varianza

 Consideraciones generales:

La dócima de Student puede emplearse para el análisis de datos obtenidos

de diseños de dos grupos.

 Hay muchas situaciones en la investigación biológica en que se

necesita comparar tres grupos o más.
Este problema puede resolverse mediante un método estadístico llamado
análisis de varianza que es uno de los procedimientos más útiles disponibles
en el campo de la biología.
Permite el empleo de una gran cantidad de diseños de los cuales podemos
obtener el máximo de información.
Hipótesis : tres o más medias son iguales
H0: u1= u2 = u3 = u4 H1: al menos una media es diferente

El análisis de varianza es un método para probar igualdad de dos o más

medias de población analizando varianzas de las muestras.

Distribución F: Los métodos de ANOVA emplean la distribución F que tiene las

siguientes propiedades:

No es simétrica, está sesgada a la derecha

Los valores F pueden ser 0 o positivos, pero no pueden ser negativos.

ßÞ
Hay una distribución F distinta para cada par de grados de libertad del
numerador y denominador.

El análisis de Varianza se basa en una comparación de dos estimadores

distintos de la varianza común a las diferentes poblaciones = varianza entre
muestras y Varianza dentro de las muestras.

ANOVA Unidireccional = Los datos de la muestra se dividen en grupos de

acuerdo a una característica o factor.
ANOVA bidireccional = permite comparar poblaciones divididas en categorías
según dos características ejemplo: películas clasificadas según dos criterios :
calificaciones en estrellas y calificaciones en cuanto al público

Análisis de Varianza Unidireccional

Supuestos:
Las poblaciones tienen distribuciones normales
Las poblaciones tienen la misma varianza sigma2( o DS 2)
 Las muestras son aleatorias e independientes entre sí
 Las diferentes muestras provienen de poblaciones divididas según un
solo tipo de categorías.
El método de ANOVA se basa en que dos poblaciones tienen la misma
varianza sigma2, estimamos el valor común de sigma2 usando dos
estrategias distintas.

Las dos estrategias para estimar el valor común de sigma2 son:

La varianza entre muestras ( llamada también variación debida al
tratamiento) es un estimado de la varianza de la población común que se
basa en la variabilidad entre las medias de las muestras.

La varianza dentro de las muestras (llamada también variación debida al

error) es un estimado de la varianza de la población común que se basa en
las varianzas de las muestras
Tratamiento o factor: Es una propiedad o característica que nos permite
distinguir entre las diferentes poblaciones.

Estadística de prueba para ANOVA unidireccional:

F = varianza entre muestras

 Varianza dentro de las muestras.

 Análisis de Varianza Unidireccional .Tamaño de muestras iguales

 Supongamos que queremos determinar si las dietas A, B, C presentan

diferencias estadísticamente significativas en función de sus efectos
sobre el aumento de peso en ratones.

ßÞ
Variable independiente : la dieta
Variable dependiente : el aumento de peso

o Seleccionamos 15 ratones de cierta especie de la población general y

los asignamos aleatoriamente a los 3 t6r6a6t6a6m6i6e6n6t6o6s6,6
6d6e6 6m6o6d6o6 6q6u6e6 6t6e6n6g6a6m6o6s6 656
6d6u6p6l6i6c6a6c6i6o6n6e6s6 6p6o6r6 6t6r6a6t6a6m6i6e6n6t6o6.6
6L6a6 6p6r6o6b6a6b6i6l6i6d6a6d6 6d6e6 6q6u6e6 6c6a6d6a6
6r6a6t6ó6n6 6s6e6a6 6a6s6i6g6n6a6d6o6 6a6 6l6a6 6d6i6e6t6a6
6A6,6 6B6,6 6C6 6e6s6 616/636.6 6D6e6s6p6u6é6s6 6d6e6 6u6n6
6p6e6r6í6o6d6o6 6d6e6 6t6i6e6m6p6o6,6 6m6e6d6i6m6o6s6 6e6l6
6a6u6m6e6n6t6o6 6d6e6 6p6e6s6o6 6y6 6o6b6t6e6n6e6m6o6s6
6l6o6s6 6d6a6t6o6s6 6d6e6 6l6a6 6t6a6b6l6a6
66
6qðC6á6l6c6u6l6o6 6v6a6r6i6a6n6z6a6 6entre muestras:
o Calculo media general
o Media A = 33.2
Media B = 35.0
o Media A = 32.2 Media general = 33.5

Cálculo de la suma de cuadrados de las desviaciones de la media total:

(33.2-33.5)2+(35-35)2+(32.2-35)2=4.02

oSigma x 2= SC = 4.02 = 2.01

k-1 2
nS” = 5 * 2.01= 10.05 = Varianza entre muestras

Varianza dentro de las muestras = 8.8

F = 10.05/8.8 = 1.14

F K-1,K (n-1)= grados de libertad del numerador K-1, del denominador K (n-
1)= F (3-1),(3*(5-1)) = F2,12= 3.88 con 95 % confianza.
Conclusión : Aceptamos Ho: No hay diferencias significativas entre las dietas,

Análisis de Varianza Unidireccional .Tamaño de muestras desiguales Se verá

en clases

Bibliografía:

Susan Milton. Bioestadística

ßÞ
VI REGRESION LINEAL

oSi dos variables en estudio son cuantitativas es posible relacionar

estas 2 variables mediante el análisis de regresión.
Adicionalmente es factible cuantificar el grado de asociación entre las
variables mediante la función determinada por el análisis de regresión esto
es el análisis de correlación
Así podemos relacionar y cuantificar relación entre las variables peso y edad,
consumo de grasa y tasa mortalidad , altura y peso etc

o Coeficiente B : Mide la cantidad de cambio ( Aumento o disminución )

de la var dependiente para una diferencia de una unidad de la var
independiente, controlado por las otras var.independientes de la
ecuación.
o Denota la magnitud del efecto que la var. Explicativa o exogena o
indepependiente tiene sobre la dependiente.

ßÞ
Coeficiente B estandarizado: mide cambios en unidades de DS de la var
dependiente para una diferencia de una unidad de DS de la var
independiente

Para ver si se puede inferir resultados a la población se calcula un t

observado contrastado con un t crítico con n- k- 1 gl.
Ho : no existe relación entre variables.
H1: Existe relación
Relación entre y calculado e y observado: cálculo de coeficiente de
correlación múltiple
R2: 0,57 % las var explican el 37 % de las variaciones dependiente

VII. METODOS NO PARAMETRICOS

Como evaluar si una distribución es normal

Asimetría y curtosis
• Mediante gráficos (Histogramas, QQ)
Prueba de Kolmogoroff- Smirnof

Pruebas de hipótesis no paramétricas

 Al realizar una investigación los datos no van a tener una distribución
normal necesariamente.
 En estos casos no se cumpliría con los supuestos para trabajar con
hipótesis paramétricas
 Se trabaja entonces con pruebas no paramétricas o de libre
distribución

Cuando aplicar una prueba no paramétrica.

 Una prueba no paramétrica se aplica cuando los datos de la muestra:
No siguen una distribución normal
No es posible aceptar las suposiciones de una estadística paramétrica
Tienen una escala de medición que no permite realizar operaciones
aritméticas

Etapas en la prueba de hipótesis

Evaluar los datos

ßÞ
Revisar las suposiciones ( probar normalidad)
Formular las hipótesis estadísticas ( nula y alternativa)
 Seleccionar la prueba estadística
 Formular la regla de decisión
Calcular la estadística de prueba
99999999999 99!99"99-99Ô99Ý99ß99 99# 99Ã99Ä99Ú99ﾐ
99™
?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?99€?
999999l:99ð:996;99w;99ﾝ;9€¿;

99š
99ý
99¤

ßÞ
1010~
1010•
1010

ßÞ
1111¿

ßÞ
1212ë¤1212ù¤1212’1212˜1212&1
212;1212A1212I1
212/1212b1212‚1212U§1
212÷ïßÛßÏǹ«™‡«™«}™«™‡«™«™«™«™«™«o`o«o™«121212h¢‚12>*
OJ12QJ12^J12mHsHh¢‚12OJ12QJ12^J12mHsH12h¢‚12OJ12QJ12^J1212#h¢
‚12B*¤OJ12QJ12^J12mHph6_‘12sH#h¢‚12B*OJ12QJ12^J12mHph123Ì12sHh¢
‚12OJ12QJ12^J12mHsH12h¢‚12B*OJ12QJ12^J12ph123Ì12

ßÞ
h¢‚13OJ13QJ1313h¢‚13CJ13OJ13QJ13aJ1313h¢‚1313h¢
‚13B*CJ13OJ13QJ13aJ13ph133Ì13

ßÞ
h¢‚14mH

ßÞ
sH

ßÞ
16¤j16161616h¢‚16U 16%1616161616 1616!1616"1616-
1616Ó1616Ô1616ß1616ø1616¤ 1616 1616% 1616™
?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?
1616€?161616161616l:1616ð:16166;1616w;1616ﾝ;16€¿;

1616Ã1616Ä1616ﾏ
1616ﾐ
1616ü
1616ý
1616j

ßÞ
1717k

ßÞ
1818Á

ßÞ
1919ù

ßÞ
2020|
2020~
2020•
2020

ßÞ
2121ý212121212121212121212121ï212121212121212121212121ê2
12121212121212121212121ý212121212121212121212121ý212121212121
212121212121ý212121212121212121212121ý21212121212121212121212
1ý212121212121212121212121ý212121212121212121212121ý212121212
121212121212121ý212121212121212121212121ý21212121212121212121
2121ý212121212121212121212121ý212121212121212121212121ý212121
212121212121212121ý212121212121212121212121ý21212121212121212
1212121ý212121212121212121212121ý212121212121212121212121ý212
121212121212121212121ý212121212121212121212121ý21212121212121
2121212121ý212121212121212121212121ý212121212121212121212121ý
212121212121212121212121ý212121212121212121212121ý21212121212
12121212121212121212121212121$ a$ 21
2121$ $ &21
F21
• Æ21 821a$ 21 212121212121. 21(. 21Ê. 21Ï.
21ýýýý2
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
12121212121212121212121212121212121212121212121212121212
1212121212121

ßÞ
2222

ßÞ
2323

ßÞ
 ☺ 2424Z¤2424ë¤2424ù¤2424‘2424’2424˜2
424
%2424&2
424/2424A2424H2424I2424[2424v2424«2424ì2
424)2424*2424a2424b2424‚2424¬2424µ2424Ò2424ý2
42424242424242424242424ý242424242424242424242424ý24
242424242424ý242424242424242424242424ý2424242424242
42424242424ý242424242424242424242424ý24242424242424
2424242424ý242424242424242424242424ý242424242424242
424242424÷242424242424242424242424ý2424242424242424
24242424ý242424242424242424242424î242424242424242424
242424î242424242424242424242424î24242424242424242424
2424î242424242424242424242424ý2424242424242424242424
24ý242424242424242424242424ý24242424242424242424242
4ý242424242424242424242424å242424242424242424242424
å242424242424242424242424ý2424242424242424242424242
42424242424242424242424 2424&24
F24
Æ24 Ð24 2424&24
F/24
a) Æ24 Ð24242424¤„ ^„ 24
242424Ò2424yµ2424ﾐ µ2424ǵ2424T§2424U§2424ﾏ§2424"2424{2
424Ö2424×2424Ñ2424Ò24242424€2424ﾁ 2424¹2424º2424

ßÞ
 2525•2525ª2525ß2
525/252502525W2525l2525~2
525
¢2
525
£2525ö252525252525252525252525ö252525252525252525252525ö2
52525252525252525252525ö252525252525252525252525ô2525252525
25252525252525ô252525252525252525252525ô2525252525252525252
52525ô252525252525252525252525ô252525252525252525252525ô252
525252525252525252525ô252525252525252525252525ô252525252525
252525252525ô252525252525252525252525ô252525252525252525252
525ô25252525ᕕ25ᖏ25ᙷ25ᙷ25៑៑25៑្25᡿25 ᡿ 25᡿25ᙷ25ᙷ25ᙷ25
ᙷ 25 ᙷ 25 ᵓ 25 ᶱ 25ṑ25Ṕ25ṳ25Έ25Ὴ25 
25⁺25ᙷ25⃭25ᙷ25⊞25⋣25ᙷ25ᙷ25␦25ᙷ25ᙷ25ᙷ25⑦25⒰25Ⓘ25╁25╊25⠩
25⠶25⡇25웟룟꫆웟룟룟碊諟탟탟磟룟 iᙷ ꉨ 舘ꉨ Ī ᙷᙷᙷᙷ Ж ᙷ Жᙷ ꉨ 舘ꉨ Ȫ ᙷᙷᙷ
ᙷ Њ 桰 25ÿ ᙷ Њᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猌ੈੈ

ßÞ
 ᙷ ꉨ舘ꉨ Ȫ ᙷᙷᙷᙷ Ж 桰 26ÿ ᙷ Жᙷ ꉨ舘ꉨ Ȫ ᙷᙷᙷ桰 26ÿᙷ ꫆舘伀͊儀͊帀 Ɋ 洀 ᙷ 猄
ᙷᙷ ꉨ舘伀͊儀͊帀 Ɋ26ᙷ ꉨ舘ꉨ Ī ᙷᙷᙷᙷ Њ ᙷ Њᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猄ੈੈ ᙷ ꉨ舘ꉨ Ȫ ᙷ
ᙷᙷᙷ Њ 桰㌀Ì ᙷ Њ⤀£2626×2626!
2626"2626\2626‹2626Œ2626•2626W2626q2626~2626
´2626¾2626ã2626S2626’2626±2626Ý2626ñ2626Q-2626R-2626S-2
626T-2626s-2626‹-2626¯-2626°-2626ö262626262626262626262626ö
262626262626262626262626ô262626262626262626262626ë262626
262626262626262626ë262626262626262626262626ô262626262626
262626262626ô262626262626262626262626ô262626262626262626
262626ô262626262626262626262626ô262626262626262626262626
ô262626262626262626262626ô26262626262626ô262626262626262
6262626262626262626262626ô262626262626262626262626ô26262
6262626262626262626â262626262626262626262626â26262626262
6262626262626â262626262626262626262626ô26262626262626262
6262626262626262626 2626&26
F'26
Æ26 Ð26 2626&26
FH26
Æ26 Ð2626 2626 2626&26
FP26
Æ26 Ð2626°-2626Ì-2626è-262602626<2626É2626Ê26269 2626:
2626Z 2626y 2626z 2626µ 2626¸ 2626ì 2626í 2626ö 2626{!2626Ñ!
2626!"2626+"2626f"2626g"2626˜"2626ö26262626262626262626262
6ö262626262626262626262626ö262626262626262626262626ö2626
26262626262626262626ö262626262626262626262626ô2626262626
26262626262626ë262626262626262626262626ô2626262626262626
26262626â262626262626262626262626ô2626262626262626262626
26ô262626262626262626262626Ù262626262626262626262626ô262
626262626262626262626ô262626262626262626262626ô262626262
626262626262626ô262626262626262626262626Ð262626262626262
626262626Ð262626262626262626262626Ð262626262626262626262
626Ð262626262626262626262626Ð262626262626262626262626Ê26
2626262626262626262626Ð262626262626262626262626⊘26⋣26⋼2
6⌲26⍯26⍰26ᙷ26ᙷ26ᙷ26ᙷ26␦26ᙷ26ᙷ26ᙷ26⑦26⑾26⑿26⒦26Ⓘ26
ⓖ26ⓗ26╀26╁26╊26✄26❴26ý2626262626262626262626ý 2626262626
᡿262626262626ý 2626262626᡿262626262626ý 2626262626᡿262626262
626ý 2626262626᡿262626262626ý 2626262626᡿262626262626ë 262626
2626᡿262626262626ý 2626262626᡿262626262626â 2626262626᡿26262
6262626ý 2626262626᡿262626262626ý2626262626ᙷ262626262626Ù2
626262626ᙷ262626262626Ù2626262626262626 ᡿&ᙷ E 옍퀁 ᡿&ᙷ옍
퀁 ᡿&ᙷ$옍퀁 ᡿&䘋옍퀁 Ā26ᙷt' 2626ž'2626¨'2626((2626)
(2626k(2626©(2626ì(2626í(2
626)2626Z)2626Œ)2626ﾍ)2626Ô)2626Õ)2626Ö)2626×)2626Ø)2626æ)
2626ç)2626**2626G*2626c*2626d*2626e*2626f*2626g*2626h*2626ö
262626262626262626262626ö262626262626262626262626ö262626
262626262626262626ö262626262626262626262626ô262626262626
262626262626ô262626262626262626262626ô262626262626262626
262626ô262626262626262626262626ë262626262626262626262626
ô262626262626262626262626ô262626262626262626262626ô26262
6262626262626262626ô262626262626262626262626ô26262626262

ßÞ
 7272727272727ô272727272727272727272727ô27272727272727272
7272727ô2727272727272727272727 2727ô27ᙷ27⡉27⡜27⢀27⤧27⤵27⤷
27⥆27⧔27ᙷ27ᙷ27ᙷ27⪒27⪔27ᙷ27ᙷ27Ⲗ27Ⲙ27ⲙ27ᙷ27ᙷ27ᙷ27ᙷ
27ᙷ27ᙷ27⺃27⺄27⼵27⼶27헲헆헆낸 ᙷ 碆 롪 硪奪 檆碆虪虪
碆 碆 碆
2727272727272727272727272727272727ᙷ ꉨ 舘ꉨ 脈ꉨ ꉨ᡿庁 Ɋ 洀ੈੈ 猨ੈੈ (ᙷ ꫆舘
伀͊儀͊帀 Ɋ 洀ੈੈ 猨ੈੈ (ᙷ ꉨ舘ꉨ Ȫ ꉨꉨꉨ桰㌀Ìᙷ ꉨ舘伀͊儀͊帀 Ɋ27ᙷ ꉨ舘ꉨ Ȫ ꉨ ꉨ ꉨꉨꉨఊ 桰㌀Ì ᙷ ఊ
ᙷ ꉨ舘伀͊儀͊洀ੈ 猌ੈੈ

ßÞ
ᙷ ꉨ舘伀͊儀͊28ᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猌ੈੈ

ßÞ
  ᙷ ꉨ舘ꉨ Ī ᙷᙷᙷᙷ Њ ᙷ Њᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猄ੈੈ ᙷ ꉨ舘ꉨ Ī ᙷᙷᙷᙷ Ж ᙷ Жᙷ ꫆舘
伀͊儀͊帀 Ɋ 洀 ᙷ 猄
ᙷᙷh* 2929i*2929j*2929k*2929l*2929m*2929n*2929o*2929p*2929q*
2929r*2929s*2929t*2929u*2929v*2929w*2929’*2929“*2929”*2929¢
*2929£*2929+2929d+2929¯+2929=,2929ý292929292929292929292
929ý292929292929292929292929ý292929292929292929292929ý29
2929292929292929292929ý292929292929292929292929ý29292929
2929292929292929ý292929292929292929292929ý29292929292929
2929292929ý292929292929292929292929ý29292929292929292929
2929ý292929292929292929292929ý292929292929292929292929ý2
92929292929292929292929ý292929292929292929292929ý2929292
92929292929292929ñ292929292929292929292929ì29292929292929
2929292929ì292929292929292929292929Ü29292929292929292929
2929ì292929292929292929292929ì292929292929292929292929Ð29
2929292929292929292929Ð292929292929292929292929Ð29292929
292929292929292929292929

ßÞ
3030$&30
F30
Æ30 Ð30a$3030$&30
FK30
Æ30 h 30¤„h ^„h a$303030$a$

ßÞ
3131$ &31
F+31
• Æ31 Ð31a$ 31
313131ⰽ31Ⲙ31ⲙ31ⴄ31ⵓ31ᙷ31ᙷ31ⷕ31ᙷ31ᙷ31ᙷ31ᙷ31⺃31⺄31⺞31⻃
31⻧31⼉31⼡31⼵31⼶31⽺31 せ 31 ハ
31ó3131313131ᙷ313131313131î3131313131ᙷ313131313131î3
131313131ᙷ313131313131â3131313131313131313131Ù3131313131
ᙷ313131313131î3131313131ᙷ313131313131î3131313131촀
313131313131Í3131313131촀 313131313131Í3131313131촀
313131313131Í3131313131ᙷ313131313131Ë3131313131쬀
313131313131Ë3131313131313131313131Ā31

ßÞ
 ̤̀☊᡿ፆഀ‫׆‬ĀŨ 愀̀᡿32␃༃梄币梄愁̀

ßÞ
 ̤̀☊᡿ᙷഀ‫׆‬Āː 愀̀Ѐ33␃愃̀

ßÞ
 • ̤̀☊᡿Նഀ‫׆‬Āː 愀̀碆⼶34⽺34 ㅉ 34 ㅝ 34 ㅟ 34ᙷ34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34
ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 㗝 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34
ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34 ᙷ 34뿇낻꫆熔铇苇掔揑揑揑凑
퇇碆碆碆碆碆碆 ᙷ34ᙷ ꉨ舘ꉨ Ȫ ᙷᙷ
ꉨꉨ⠊桰㌀Ì ᙷ⠊ᙷ ꉨ舘伀 Ɋ 儀 Ɋ 帀 Ɋ 洀᡿猄᡿ᙷ ꉨ舘ꉨ脈ꉨꉨ᡿庁 Ɋ 洀ੈੈ 猨ੈੈ (ᙷ ꉨ舘ꉨ Ȫ ᙷᙷᙷ
ᙷ᡿桰㌀Ì ᙷ᡿ᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猨ੈੈ (̛j34ᙷ ꉨ舘伀͊儀͊唀 Ĉ ᙷ̕꫆ 嫆ય Ĉ 栖 ᡿᡿ ‚ 嘁 Ĉᙷ ꫆舘
34̏j34ᙷ ꉨ舘唀 Ĉᙷ ꉨ舘伀͊儀͊帀 Ɋ34ᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猌ੈੈ

ßÞ
  ᙷ ᙷ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猄ੈੈ ᙷ ꉨ舘ꉨ Ȫ ᙷᙷᙷᙷ Њ 桰㌀Ì ᙷ Њᙷ ハ 35 ㅇ 35 ㅈ 35ᙷ
35㇊35ᙷ35㎲35㎳35 ᙷ 35 ᙷ 35 ᙷ 35 㒼 35 ᙷ 35 ᙷ 35 ᙷ 35 㕸 35 ᙷ 35 ᙷ 35
ᙷ 35 㗝 35 㘥 35 ᙷ 35 ᙷ 35 㚥 35ý 3535353535᡿353535353535ý 3535353535
᡿353535353535ý3535353535353535353535ý3535353535353535353
535ý 3535353535᡿353535353535ý 3535353535᡿353535353535â 353535353
5᡿353535353535Ù3535353535퀀 353535353535Ð3535353535퀀
353535353535ý 3535353535᡿353535353535Ç3535353535윀
353535353535Ç35353535353535 ᡿&ᙷ F 옍퀁 ᡿Ħ ᙷ<옍ꉨ ᡿&ᙷ<옍퀁
᡿&ᙷ 2 옍퀁 ᡿&ᙷ*옍퀁 ᡿&ᙷ A 옍栁 Ā35碆 㚥 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ
35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 㥮 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 㪗 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ
35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 㬹 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35ý 3535353535
᡿353535353535÷3535353535353535353535÷353535353535353535
3535÷3535353535353535353535÷3535353535353535353535ý 3535
353535᡿353535353535ý 3535353535᡿353535353535ý 3535353535᡿353535
353535ý 3535353535᡿353535353535ý 3535353535᡿353535353535ý 353535
3535᡿353535353535ý 3535353535᡿353535353535ý35353535353535353
53535ý353535353535353535353535Ԁ35萏 ː 葞 ːԀ35萏 Ũ 葞 ŨĀ35ᙷ ᙷ 35
ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 㥮 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35
㪗 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 㬹 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35
ᙷ 35 ᙷ 35 ᙷ 35 ᙷ 35쳖 骺 骺躒 驩 躒噞 몚 35353535ꉨ Õꉨ ꉨ舘唀 Ĉ̕ᙷ
મ Ĉ 栖 ᡿᡿ ‚ 嘁 Ĉ̣j35ᙷ ꫆舘伀͊儀唀 Ĉ ᙷᙷ Њ ᙷ Њ̏橪 mᙷ ꉨ舘唀 Ĉ̕꫆ 媾ય Ĉ 栖 ᡿᡿ ‚ 嘁
Ĉᙷ ꫆舘 35̏j35ᙷ ꉨ舘唀 Ĉᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猄ੈੈ ᙷ ꉨ舘ꉨ Ȫ ꉨꉨꉨꉨ⠊桰㌀Ì ᙷ⠊ᙷ ꉨ舘ꉨ Ȫ ᙷ
ᙷᙷᙷ Њ 桰㌀Ì ᙷ Њᙷ ꉨ舘伀͊儀͊帀 Ɋ35ᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀᡿猄᡿ᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猌ੈੈ

ßÞ
  ᙷ ꉨ舘伀 Ɋ 儀 Ɋ 帀 Ɋ 洀᡿猄᡿ ᙷ 36 ᙷ 36 㰕 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ
36 ᙷ 36 㹈 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ
36 ᙷ 36 ᙷ 36 䘼 36 ᙷ 36ù3636363636豈 363636363636÷3636363636豈
363636363636ù3636363636豈
363636363636÷3636363636363636363636÷3636363636豈
363636363636ù3636363636豈 363636363636÷3636363636豈
36363
6363
636
÷3636363636363636363636î3636363636363636363636÷3
636363636363636363636÷3636363636363636363636Ü3636363
636363636363636÷3636363636363636363636 ᡿&ᙷ 6 옍퀁 碆&䘋옍
퀁 ᡿&ᙷ,옍퀁 Ā36Ԁ36萏 ː 葞 ːᙷ ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 㺖 36
ᙷ 36 㽼 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 䃘 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ
36 䘼 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ
36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 ᙷ 36 䭰 36 䭲 36 ᙷ 36 ᙷ 36 乜 36 乞 36 亠
36 亢 36 亦 36 亨 36 京 36믉鮭覭폟鯟膭믉믉3636̏睪 Ōᙷ ꉨ舘唀 Ĉᙷ ꉨ 舘ꉨ 脈ꉨ 伈͊儀͊
洀ੈੈ 瀌ｨ猀ੈ

ßÞ
  ᙷ ꉨ舘ꉨ Ȫ ᙷᙷᙷᙷ Њ 桰㌀Ì ᙷ Њᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猄ੈੈ ᙷ ꉨ舘ꉨ Ȫ ꉨꉨꉨ桰㌀Ìᙷ ꫆舘
伀͊儀͊帀 Ɋ37ᙷ ꉨ舘伀 Ŋ 儀 Ŋ 洀ੈੈ 猌ੈੈ

ßÞ
ᙷ ꉨ舘伀͊儀͊帀 Ɋ 洀ੈੈ 猌ੈੈ

ßÞ
 ᙷ ꉨ舘ꉨ Ȫ ᙷᙷᙷᙷ ఊ 桰㌀Ì ᙷ ఊ㈀
@F3939BF3939lF3939`G3939bG3939†H3939ˆH3939-I3939„I3939†I3939°I3
939ìI3939.
J3939K3939K3939<K3939>K39392L39394L3939M3939M3939¶M39398N393
9:N3939ý393939393939393939393939ý393939393939393939393939ð3939
39393939393939393939ý393939393939393939393939ð393939393939393
939393939ý393939393939393939393939ð3939393939393939393
93939ð393939393939393939393939ý39393939393939393939
3939ð393939393939393939393939ð393939393939393939393939ð39
3939393939393939393939ð393939393939393939393939ê3939393939393
93939393939ê393939393939393939393939ý393939393939393939393939
á393939393939393939393939ý393939393939393939393939Ø3939393939
39393939393939ý393939393939393939393939ý393939393939393939393
939Ï393939393939393939393939ý393939393939393939393939393939393
93939393939393939393939393939 3939&39
F739
Æ39 Ð39 3939&39
F=39
Æ39 Ð39 3939&39
F39
Æ39 Ð39393939¤„h ^„h
3939&39
F339
Æ39 h 39¤„h ^„h 39 393939:N3939bN3939dN3939ŠN3939ÈN3939

ßÞ
O4040O4040øO4040úO4040üO4040þO4040P4040’P4040”P4040"Q4040$Q4
040zQ4040ÌQ4040ÎQ4040ôQ4040öQ4040ö404040404040404040404040ô40
4040404040404040404040ë404040404040404040404040â404040404
040404040404040â404040404040404040404040ô40404040404040404040
4040Ù404040404040404040404040ô404040404040404040404040ô404040
404040404040404040ô404040404040404040404040ô40404040404040404
0404040Ð404040404040404040404040ô404040404040404040404040Ç404
040404040404040404040ô404040404040404040404040¾40404040404040
4040404040¾404040404040404040404040ô404040404040404040404040µ
404040404040404040404040ô404040404040404040404040404040404040
404040404040404040404040 4040&40
F;40
Æ40 Ð40 4040&
F!40
Æ40 40 4040&40
F-40
Æ40 Ð40 4040&40
F040
Æ40 Ð40 4040&40
FN40
Æ40 Ð40 4040&
F40
Æ40 40 4040&40
F40
Æ40 Ð4040 4040 4040&40
F40
Æ40
Ð4040µ¬N4040®N4040ÞN4040àN4040äN4040æN4040êN4040ìN4040ÎQ4
040ÐQ4040XR4040\
R4040T4040-T4040©T4040«T4040ÌT4040ìT4040îT4040`V4040|
V4
040}V4040QW4040ÃX4040ÛX4040ÝX4040ôæôæôæôæØæØæʸ¦’ƒÊ’qÊæ]K
404040404040404040404040404040404040404040#h¢
‚40B*OJ40QJ40^J40mH

ßÞ
ph413Ì41sH

ßÞ
&h¢‚425 ﾁ B*OJ42QJ42^J42mH

?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?
4242€?424242424242l:4242ð:42426;4242w;4242ﾝ;42€¿;

ßÞ
ph433Ì43sH

ßÞ
44#h¢‚44B*OJ44QJ44^J44mHph443Ì44sHh¢‚445 ﾁ OJ44QJ44^J44mHsH&h
¢‚445 ﾁ B*OJ44QJ44^J44mHph443Ì44sH44#h¢
?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?
4444€?444444444444l:4444ð:44446;4444w;4444ﾝ;44€¿;

‚44B*CJ44OJ44QJ44^J44aJ44ph443Ì44h¢‚44OJ44QJ44^J4444

ßÞ
h¢‚45OJ45QJ4545h¢‚45OJ45QJ45^J45mHsH45h¢‚45OJ45QJ45^J45mH

ßÞ
sH

ßÞ
47h¢‚47OJ47QJ47^J47mH

ßÞ
sH

ßÞ
49h¢‚49OJ 49QJ 49mH

ßÞ
sH

ßÞ
öQ5
151\R5151^R5151þR515151S5151ªS5151¬S5151T5151T5151T5151-T5
151,T5151-
T5151pT5151ﾍ T5151©T5151ªT5151«T5151ËT5151ÌT5151îT5151=U5
151GU5151ﾍ U5151ö515151515151515151515151ô51515151515151515151
5151ë515151515151515151515151ô515151515151515151515151â515151
515151515151515151ô515151515151515151515151Ù51515151515151515
1515151ô515151515151515151515151ô515151515151515151515151ô515
151515151515151515151ô515151515151515151515151ô51515151515151
5151515151ô515151515151515151515151ô515151515151515151515151ô
515151515151515151515151ô515151515151515151515151ô515151515
151515151515151Í515151515151515151515151È515151515151515151515
151ô515151515151515151515151ô515151515151515151515151ô5151515
15151515151515151ô5151515151515151515151515151515151515151$ a$

ßÞ
5252$ &52
F+52
Æ52 Ð52a$ 5252&52
F
52
Æ52 Ð52 5252&52
FB52
Æ52 Ð52 5252&52
F>52
Æ52 Ð5252 5252 5252&52
FI52
Æ52
Ð5252ﾍ U5252ÓU5252V5252_V5252`V5
252¢
V5252ÿV5252QW5252©W5252÷W5252ﾍ X5252ÂX5252ÃX5252ÝX5252fY525
2×Y52522Z5252[5252±[5252²
[5252³[5252
\5252P\5252[
\5252’\5252®\5252É\5252Ê\5252ä\5252å\5252ý52525252525252525252525
2ý525252525252525252525252ý525252525252525252525252ý525252525
252525252525252ý525252525252525252525252ý52525252525252525252
5252ý525252525252525252525252ý525252525252525252525252ý525252
525252525252525252ý525252525252525252525252ý52525252525252525
2525252ý525252525252525252525252ý525252525252525252525252ý525
252525252525252525252ý525252525252525252525252ý52525252525252
5252525252ý525252525252525252525252ý525252525252525252525252ý
525252525252525252525252ý525252525252525252525252ý52525252525
2525252525252ý525252525252525252525252ý5252525252525252525252
52ý525252525252525252525252ý525252525252525252525252ý52525252
5252525252525252ý525252525252525252525252ý5252525252525252525
25252ý52525252525252525252525252525252525252525252
525252ÝX5252Y5252fY5252tY5252×Y5252ðY52522Z5252>Z5252[5252#[5
252³[5252º[5252ý\5252
]5252å]5252æ]5252ø^5252ù^5252t`5252v`5252Œ`5252«a5252-
a5252Èa5252Éa5252Ëa5252ëa525252b5252b5252ýd5252þd525252e5
252ïáïáïáïáïáÒĺĬĞĺ ﾐ áºáˆºvj^jˆj52525252525252525252525252525252
52525252525252525252525252h¢‚52OJ 52QJ 52mH sH 52h¢
‚52OJ52QJ52mH

ßÞ
sH

ßÞ
54#h¢‚54B*OJ54QJ54^J54mH

ßÞ
ph553Ì55sH

ßÞ
¤j56565656h¢‚56U h¢‚56B*OJ56QJ56^J56ph563Ì56j

?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?
5656€?565656565656l:5656ð:56566;5656w;5656ﾝ;56€¿;

ßÞ
Š57h¢‚57OJ57QJ57U ^J57jü>57h¢‚57OJ57QJ57U ^J57h¢‚57OJ57QJ57^J5757h
¢‚57OJ57QJ57^J57mHsH57h¢‚575 ﾁ OJ57QJ57^J57mHsHh¢
?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?
5757€?575757575757l:5757ð:57576;5757w;5757ﾝ;57€¿;

‚57OJ57QJ57^J57mH

ßÞ
sH

ßÞ
59 h¢‚595 ﾁ OJ59QJ59\ﾁ^J59mH

?ñðp?òñq?óòr?ôós?õôt?öõu?÷öv?ø÷w?ùøx?úùy?ûúz?üû{?ýü|?þý}?ÿþ~?
5959€?595959595959l:5959ð:59596;5959w;5959ﾝ;59€¿;

ßÞ
sH

ßÞ
å\6161ý\6161]6161C]6161c]6161
—]6161°]6
161±
]6161å]6161ç]6161è]6161ø^6161ú^61618_61619_6161__6161`_6161»_616
1¼_6161t`6161u`6161v`6161Œ`6161º`6161î`6161ð`6161‹a6161-
a6161Èa6161ý616161616161616161616161ý616161616161616161616161ý
616161616161616161616161ý616161616161616161616161ý61616161616
1616161616161ý616161616161616161616161ý6161616161616161616161
61ý616161616161616161616161ý616161616161616161616161ý61616161
6161616161616161ý616161616161616161616161ý6161616161616161616
16161ý616161616161616161616161ý616161616161616161616161ý61616
1616161616161616161ý616161616161616161616161ý6161616161616161
61616161ý616161616161616161616161ý616161616161616161616161ý61
6161616161616161616161ý616161616161616161616161ý6161616161616
16161616161ô616161616161616161616161ý616161616161616161616161
ý616161616161616161616161ý616161616161616161616161ý6161616161
61616161616161ý6161616161616161616161616161616161616161
6161&61
F
61
 Æ61 Ð6161 616161懈 61 懊 61 懋 61 懫 61 懺 61 扰 61 抢 61 拦 61 捠 61 揖
61 揮 61 摂 61 撶 61 擽 61 擿 61 攀 61 攛 61 攜 61 攬 61 ᙷ 61 旐 61 昒 61 晇
61 晈 61 晩 61 晪 61ý 6161616161碆616161616161ý 6161616161
碆616161616161ý 6161616161碆616161616161ý 6161616161碆6161616
16161ý 6161616161碆616161616161ô6161616161616161616161ô 61
61616161碆616161616161ý 6161616161碆616161616161ý 6161616161
碆616161616161ý 6161616161碆616161616161ý6161616161616161
616161ý 6161616161碆616161616161ý6161616161616161616161616
161616161616161616161616161 碆&䘋옍퀁 碆&䘋옍퀁
Ā61ᙷ61e6161e6161Df6161Gf6161Hf6161jf6161¬g6161-
g616161h6161h6161úi6161j6161j61617j6161Oj6161Pj6161šj6161ôl6
161õl6161öl6161÷l6161ül6161!
m6161"m6161¨n6161©n6161ºn6161»n6161òo6161ïãï×ïãÏãÃ㻳¯Ÿ¯ﾏ ƒ»
ƒwƒ ﾏ ƒ»l^lP61616161616161616161616161616161h¢
‚61OJ61QJ61^J61mH

ßÞ
sH

ßÞ
63h¢‚63B*OJ63QJ63^J63ph633Ì63§h¢‚635 ﾁ OJ63QJ63^J63jÐÇ63h¢
‚63OJ63QJ63U h¢‚63OJ63QJ63mHsH63h¢‚63B*OJ63QJ63mHph633Ì63sHh¢
‚63B*CJ63OJ63QJ63aJ63ph633Ì63h¢‚6363¤j9©63h¢‚63U

ßÞ
h¢‚64OJ64QJ6464h¢‚64OJ 64QJ 64mH

ßÞ
sH

ßÞ
66¤j66666666h¢‚66U h¢‚66B*OJ66QJ66ph663Ì66h¢‚66OJ66QJ66mH

ßÞ
sH

ßÞ
68h¢‚68B*OJ68QJ68mH

ßÞ
ph693Ì69sH

ßÞ
70jf7070g7070«g7070¬g7070

ßÞ
  h7171

ßÞ
  h7272úi7272üi7272þi7272j7272-j7272j7272 j7272!
j7272"j7272#j7272$j7
272%j7272&j7272'j7272(j7272)j7272*j7272+j7272,j7272-
j7272.
j7272ò727272727272727272727272ð727272727272727272727272ð727
272727272727272727272ð727272727272727272727272ð727272727272
727272727272å727272727272727272727272ð727272727272727272727
272ð727272727272727272727272ð727272727272727272727272ð72727
2727272727272727272ð727272727272727272727272ð72727272727272
7272727272ð727272727272727272727272ð72727272727272727272727
2ð727272727272727272727272ð727272727272727272727272ð7272727
27272727272727272ð727272727272727272727272ð7272727272727272
72727272ð727272727272727272727272ð727272727272727272727272ð
727272727272727272727272ð727272727272727272727272ð727272727
272727272727272ð727272727272727272727272ð727272727272727272
7272727272樮 72 樯 72 樰 72 樱 72 樲 72 樳 72 樴 72 樵 72 樶 72 樷 72 橏 72 橐
72 檙 72 檚 72 毋 72 ᙷ 72 沊 72 泴 72 泵 72 泶 72 泸 72 泹 72 泺 72 泻 72 泼 72 洡
72 洢 72ý 7272727272碆727272727272ý 7272727272
碆727272727272ý 7272727272碆727272727272ý 7272727272碆727272727
272ý7272727272727272727272ý7272727272727272727272ì7272727
272727272727272ì7272727272727272727272ì7272727272727272
727272ì7272727272727272727272ì7272727272727272727272ì7272
727272727272727272ì7272727272727272727272727272727272727
27272727272Ѐ72␃愃̀

ßÞ
̤Ĥ☊碆 ᙷ ഀ‫׆‬Āː 愀
ĤĀ73ᨀ"m7373dm7373qm7373¿m737373n7373¨n7373©n7373ºn7373»n7
373o7373]
o7373Äo7373ôo7373õo7373¤p7373p7373+p7373òp7373óp7373
q7373jr7373nr7373Ðr7373Òr7373òr7373ôr7373&t7373ó737373737373737
373737373ó737373737373737373737373ó737373737373737373737373ó7
37373737373737373737373ó737373737373737373737373î7373737373737
37373737373î737373737373737373737373î737373737373737373737373â
737373737373737373737373â737373737373737373737373â73737373737
3737373737373â737373737373737373737373î73737373737373737373737
3î737373737373737373737373î737373737373737373737373î73737373737
3737373737373î737373737373737373737373î73737373737373737373737
3î737373737373737373737373î737373737373737373737373î73737373737
3737373737373î737373737373737373737373î73737373737373737373737
3î737373737373737373737373î737373737373737373737373î73737373737
3737373737373737373737373

ßÞ
7474$&74
F74
Æ74 Ð74a$747474$a$

ßÞ
7575$&75
F)75
Æ75
Ð75a$75òo7575õo7575jr7575pr7575€r7575‚r7575Ær7575Èr7575>t7575@t7
575„t7575†t7575ðt7575*v7575,v7575-
v7575›w7575œw7575ﾝ w7575Èw7575Éw7575Êw7575Ëw7575Íw7575
y7575y75756y7575?
y7575Äy7575Åy7575ðy7575ñy7575òy7575óy7575÷y7575øy7575ûy7
575ðâðâÖâÖâÖâÖâÅâðâð½¹®¦’ðâƒâƒâ½¹xp’ð\ð&jì 75h¢‚755 ﾁ OJ75QJ75U
^J75mH

ßÞ
sH

ßÞ
77¤j×ð77h¢‚77U §jT×à® h¢‚77U V h¢‚77OJ77QJ77\ﾁ^J77mH

ßÞ
  sH

ßÞ
&j79797979h¢‚795 ﾁ OJ79QJ79U ^J79mH

ßÞ
sH

ßÞ
  81¤jDÚ81h¢‚81U §jTÜà® h¢‚81U V h¢‚8181¤j81818181h¢‚81U h
¢‚816 ﾁ OJ81QJ81]ﾁ^J81mH

ßÞ
sH

ßÞ
83h¢‚83OJ 83QJ 83mH

ßÞ
  sH

ßÞ
85h¢‚85OJ85QJ85^J85mH

ßÞ
sH

ßÞ
87h¢‚875 ﾁ OJ87QJ87^J87mH

ßÞ
sH

ßÞ
  89$&t8989,t8989Žt8989ît8989,v8989-
v8989jw8989›w8989œw8989Ìw8989Íw8989õx8989öx8989Äy8989ôy8
989õy8989öy8989÷y8989ùy8989úy8989ûy8989îz8989ïz8989ú898989
898989898989898989ú898989898989898989898989î8989898989898
98989898989î898989898989898989898989å89898989898989898989
8989î898989898989898989898989Ù898989898989898989898989ú8
98989898989898989898989ú898989898989898989898989ú8989898
98989898989898989Í898989898989898989898989ú89898989898989
8989898989Á898989898989898989898989ú89898989898989898989
8989ú898989898989898989898989ú898989898989898989898989ú8
98989898989898989898989ú898989898989898989898989ú8989898
98989898989898989ú898989898989898989898989ú8989898989898
98989898989ú8989898989898989898989898989898989898989

ßÞ
9090$&90
FG90
Æ90 Ð90a$

ßÞ
9191$&91
F991
Æ91 Ð91a$

ßÞ
9292$&
FC92
 Æ92 92a$929292$¤„h ^„h a$

ßÞ
9393$&93
FC93
Æ93
Ð93a$9
39393$a
$93ûy9393îz9393ïz9393Ð{9393Ú{9393Í}9393Ð}939369393G9393þ9393€
9393€9393€9393-€9393%€9393¡€9393¢€9393€9393®€9393 ﾁ 9393!
ﾁ 9393‹ „ 939393ˆ9393ˆ9393Fˆ9393Hˆ93934‰9393D‰9393ˆ‰9393Š
‰9393à
‰9393òãÕÃÕ¹ÕªÕœ ﾍ œ ﾍ œÕ~Õ~Õ¹ÕòròròaòYU9
3939393939393939393939393939393h¢‚9393¤j93939393h¢‚93U h
¢‚935 ﾁ OJ93QJ93\ﾁ^J93mH

ßÞ
sH

ßÞ
95h¢‚95OJ 95QJ 95mH

ßÞ
sH

ßÞ
97h¢‚97H* OJ97QJ97^J97mHsHh¢‚97H* OJ97QJ97^J97mH sH h¢
‚97OJ97QJ97^J97mH sH 97h¢‚975 ﾁ OJ97QJ97^J97mHsHh¢
‚97OJ97QJ97^J9797#h¢‚97B*OJ97QJ97^J97mHph973Ì97sHh¢
‚97OJ97QJ97^J97mHsH97h¢‚975 ﾁ OJ97QJ97^J97mH

ßÞ
sH

ßÞ
h¢‚99OJ99QJ99^J99mH

ßÞ
sH

ßÞ
  -端 101 篏 101 篐 101 絏 101 結 101 綤 101 緍 101 緎 101 緐 101 緺 101 縕
101 縩 101 縪 101 縷 101 縺 101 績 101ú101101101101101 切
101101101101101101ú101101101101101 切
101101101101101101ú101101101101101 切
10110110
110110
1101
ú101101101101101 101101101101101101ï101101101101101ᙷ10
1101101101101101ï101101101101101 茀
10110110
110110
1101
ï101101101101101ᙷ101101101101101101ï101101101101101101101
欀 101 摫 ␖碆Ĥ 晉 101 鐇 ΢ 혈 \ 팄  瀇 븎  倆 ᡿ā᡿āЀā101101101 
᡿āЀāЀā101101101 丆 ᡿āЀāЀā101101101 瀆 ᡿āЀāЀā᡿ā  Ƕ 101 혚
101101101101101101101 ზ101101101101101101101101 혜
101101101101101101101 ᴀ ზ101  101 ᙷ 101 ᙷ 101101 혴 ༁ 愀
϶ ᡿101␃ Ĥ   Ŧ101愀̀Ѐ101␃愃̀ༀ 績 101 繂 101 繃 101 繕 101 繘 101 繜
101 繠 101ô101101101101101 蠀
10110110
110110
1101
ô101101101101101101101101101101101ô10110110110110110
110110110110110110110110110110110110110110110110110110110
11011011011011011011011011011011011011011011011011011011
01101101101101101101101101101101101101101101101101101101
10110110110110110110110110110110110110110110110110110110
1101101101101101101101101101101101101101欀 101 摫ꉨ ␖ᜁĤ 晉
101 鐇 ΢ 혈 \ 팄 ꉨ 瀇 븎 ꉨ 倆 Їā ࠀāЀā101101101 ᙷ ЇāЀāЀā101101101 丆
ЇāЀāЀā101101101 瀆 ЇāЀāЀāࠀā ᙷǶ 101 혚 101101101101101101101ᙷ
ზ101101101101101101101101 혜 101101101101101101101
ᴀ ზ101 ᙷ 101 ᙷ 101 ᙷ 101101 혴 ༁ 愀 ϶ ᙷ ࠀ101␃ᙷĤ ᙷ ᙷ Ŧ101
愀
̤‫؀‬
`~101101a~101101±~101101Æ~101101Ç~101101ò~10110110110
110110151011016101101G101101€101101Ê101101þ101101$
€101101%€101101–
€101101“101101101101101101101101101101101101Ž10
1101101101101101101101101101101101Ž101101101101101101101
101101101101101Ž101101101101101101101101101101101101Ž101
101101101101101101101101101101101Ž1011011011011011011011
01101101101101Ž101101101101101101101101101101101101Ž1011
01101101101101101101101101101101Ž10110110110110110110110
1101101101101Ž101101101101101101101101101101101101Ž10110
1101101101101101101101101101101Ž101101101101101101101101
101101101101Ž101101101101101101101101101101101101Ž101101
101101101101101101101101101101Ž1011011011011011011011011
01101101101Ž10110110110110110110110110110110110110110110
1101101101101101101101101$a$101k101101kdb9 101$ $ If
101101101”¢Ö\101Óÿ#p

ßÞ
¾§.102P 102 102 102102102102102102M 102 102
102102102102102102N 102 102 102102102102102102p 102 102
102102102Ö102102102102102102102102102102102102102102102102Ö10
2102102ÿ102102102ÿ102102102ÿ1021021021024Ö102 ¤102102aöÝÿ102–
€102102»€102102¼€102102¤ ﾁ 102102 ﾁ 102102!
ﾁ 102102Ì ﾁ 102102Í ﾁ 102102Ÿ‚102102ï‚102102ð‚102102ƒ102102ƒ102102nƒ10
2102¸ƒ102102¹ƒ102102ƃ102102C„102102‹„102102Œ„102102 ﾍ „ 102102¤„1
02102¥„102102À„102102—…102102˜…102102³…
102102
ú102102102102102102102102102102102102ú10
2102102102102102102102102102102102ú10210210210210210210210210
2102102102ñ102102102102102102102102102102102102ñ1021021021021
02102102102102102102102ú102102102102102102102102102102102102ú
102102102102102102102102102102102102ú102102102102102102102102
102102102102ú102102102102102102102102102102102102ú10210210210
2102102102102102102102102ú10210210210210210210210210210210210
2ú102102102102102102102102102102102102ú1021021021021021021021
02102102102102ú102102102102102102102102102102102102ú102102102
102102102102102102102102102å102102102102102102102102102102102
102å102102102102102102102102102102102102å10210210210210210210
2102102102102102ú102102102102102102102102102102102102ú1021021
02102102102102102102102102102ú1021021021021021021021021021021
02102ú102102102102102102102102102102102102ú102102102102102102
102102102102102102ú102102102102102102102102102102102102ú10210
2102102102102102102102102102102ú10210210210210210210210210210
2102102102102102102102102a$102102102$a$102³…
102102k
†102102m†102102 ﾝ † 102102ž†102102²†102102;
‡102102=‡102102Pˆ102102Rˆ102102†‰102102ˆ‰102102è‰102102ê
‰102102ì‰102102ìŠ102102‹102102‹102102-
‹102102&Œ102102'Œ102102(Œ102102Ž1021027Ž1021028Ž1021029Ž1021
02JŽ102102KŽ102102ú102102102102102102102102102102102102ú102102
102102102102102102102102102102ú102102102102102102102102102102
102102ú102102102102102102102102102102102102ú10210210210210210
2102102102102102102ú102102102102102102102102102102102102ú1021
02102102102102102102102102102102ú1021021021021021021021021021
02102102ú102102102102102102102102102102102102ú102102102102102
102102102102102102102ú102102102102102102102102102102102102ú10
2102102102102102102102102102102102ú10210210210210210210210210
2102102102ú102102102102102102102102102102102102ú1021021021021
02102102102102102102102ú102102102102102102102102102102102102ú
102102102102102102102102102102102102ú102102102102102102102102
102102102102ú102102102102102102102102102102102102ú10210210210
2102102102102102102102102ú10210210210210210210210210210210210
2ú102102102102102102102102102102102102ú1021021021021021021021
02102102102102ú102102102102102102102102102102102102ú102102102
102102102102102102102102102ú102102102102102102102102102102102
102ú102102102102102102102102102102102102102102102102102102102
1021021021021021021021021021021021021021021021021021021021021
02102102102102102102102102102102102102$a$102à‰102102â

ßÞ
‰103103ä‰103103æ‰103103ê‰103103ì
‰103103`Š103103kŠ103103ìŠ103103íŠ103103‹103103‹103103‹103103‹10
3103‹103103ñ‹103103ü‹103103‚ ﾍ 103103 ﾐ ﾍ 103103Ž103103Ž1031033Ž103
1034Ž1031035Ž1031036Ž103103KŽ103103³ ﾏ 103103
´ ﾏ 103103§ ﾐ 103103¨ ﾐ 103103Ó ﾐ 103103Ô ﾐ 103103Õ ﾐ 103103ôìÚ̾ÌÌ¥¡–
ŽÚ¾ÌÌÌ¥¡ƒ{Úq¾¥¾¥
¡f^10
3103103103103103103103103103103103103103103103103103103103103
103103103¤j¨™ 103h¢‚103U §jTÒà® h¢‚103U V h¢
‚103OJ103QJ103^J103103¤jØ‚ 103h¢‚103U §jTÓà® h¢‚103U V ¤jl 103h¢
‚103U §jTÖà® h¢‚103U V h¢‚103103¤j103103103103h¢‚103U h
¢‚1036 ﾁ OJ103QJ103]ﾁ^J103mH

ßÞ
sH

ßÞ
105h¢‚105OJ105QJ105^J105mHsH105h¢‚105OJ105QJ105^J105mH

ßÞ
sH

ßÞ
 107#j107107107107h¢‚107OJ107QJ107U ^J
107mHsH¤j8:
107h¢
‚107U §jTÔà® h
¢‚107U V 107
KŽ107107ÃŽ10
7107l ﾏ 107107°
ﾏ 107107± ﾏ 107
107² ﾏ 107107³ ﾏ
107107µ ﾏ 1071
07¶ ﾏ 107107· ﾏ 1
07107¸ ﾏ 107107
¹ ﾏ 107107º ﾏ 107
107» ﾏ 107107,
ﾐ 107107§ﾐ 1071
07×ﾐ 107107Ø ﾐ
107107Ô‘10710
7Õ‘107107î‘107
107ï‘107107ø‘1
07107ó1071071
07107

107107107107107107107107ó10
7107107107107107107107107107107107ó10710710710710710710710710
7107107107î107107107107107107107107107107107107î10710710710710
7107107107107107107107î107107107107107107107107107107107107î10
7107107107107107107107107107107107î107107107107107107107107107
107107107î107107107107107107107107107107107107î107107107107107
107107107107107107107î107107107107107107107107107107107107î107
107107107107107107107107107107107î1071071071071071071071071071
07107107î107107107107107107107107107107107107î1071071071071071
07107107107107107107î107107107107107107107107107107107107î1071
07107107107107107107107107107107â1071071071071071071071071
07107107107î107107107107107107107107107107107107Ö107107107107
107107107107107107107107î107107107107107107107107107107107107Ê
1071071071071071071071071071071071071071071071071071071071071
07107107107107107107107107107107107107107107107107107

ßÞ
108108$&108
F108
Æ108 Ð108a$

ßÞ
109109$&109
FL109
Æ109 Ð109a$

ßÞ
110110$&110
F.110
Æ110 Ð110a$110110110$a$

ßÞ
111111$&111
F111
Æ111
Ð111a$111Õ ﾐ 111111Ö ﾐ 111111Ø ﾐ 111111”“111111•“ 111111–“
111111› “ 111111³“111111µ“111111“111111Û“111111Ý“11111
1Þ“111111A”111111B”111111½•111111ñçÙËçÃ±ç¤ ﾏ {eQ<Q11
111111111111111111111111111111111111111111111111111
111111111111111111111111111111111111111111111111111
1111111111111111111)h¢‚1119 ﾁ < ﾁ B*
OJ111QJ111^J111mHph111111111111sH&h¢‚1119 ﾁ B*
OJ111QJ111^J111mHph111111111111sH111*h
¢‚1119 ﾁ B*OJ111PJ111QJ111^J111mHph1113Ì111sH111&h
¢‚1119 ﾁ B*OJ111QJ111^J111mHph1113Ì111sH111)h
¢‚1119 ﾁ B*OJ111QJ111\ ﾁ ^J111mHph1113Ì111sHh
¢‚1115 ﾁ CJ111OJ111QJ111aJ111"h
¢‚1115 ﾁ B*CJ111OJ111QJ111aJ111ph1113Ì111111

ßÞ
h¢‚112OJ112QJ112112h¢‚112OJ112QJ112^J112mH

ßÞ
sH

ßÞ
114h¢‚114OJ114QJ114^J114mHsH114h¢
‚114OJ114QJ114^J114114j114114114114h¢‚114OJ114QJ114U
^J114114¤ø‘114114o’114114Ž’114114È’114114Ø’114114Ù’114114þ’11
4114ÿ’1141143“1141144“114114”“114114•“114114–“114114—“114114˜“1
14114™“114114š“114114›“114114³“114114´“114114µ“114114“114114ó1
14114114114114114114114114114114114ó1141141141141141141141141
14114114114ó114114114114114114114114114114114114ó114114114114
114114114114114114114114î114114114114114114114114114114114114â
114114114114114114114114114114114114î1141141141141141141141141
14114114114Ö114114114114114114114114114114114114î1141141141141
14114114114114114114114Ê114114114114114114114114114114114114î1
14114114114114114114114114114114114î11411411411411411411411411
4114114114î114114114114114114114114114114114114î11411411411411
4114114114114114114114î114114114114114114114114114114114114î11
4114114114114114114114114114114114î114114114114114114114114114
114114114Á114114114114114114114114114114114114¿11411411411411
4114114114114114114114¿114114114114114114114114114114114114¹11
4114114114114114114114114114114114114114114114114114114114114
114 114
Æ114 114114114114 114114114 114$
Æ114 114114114a$

ßÞ
115115$&115
F

ßÞ
116
Æ116 Ð116a$

ßÞ
  117117$&117
F§117
Æ117 Ð117a$

ßÞ
  118118$&118
F?118
Æ118 Ð118a$118118118$a$

ßÞ
119119$&119
FO119
Æ119
Ð119a$119§Â“119119Ý“119119Þ“119119A”119119B”119119¦”119119U•11
9119¿•119119é•119119$–119119%–119119¦–119119§–119119¨–119119
—119119

ßÞ
—1201209—120120—120120€—120120á—120120â—
120120¡
˜120120¢
˜120120™120120í™120120î™120120ï™120120ð™120120µš120120ý120120
120120120120120120120120120120ý120120120120120120120120120120
120120ø120120120120120120120120120120120120ø12012012012012012
0120120120120120120ø120120120120120120120120120120120120ø1201
20120120120120120120120120120120ø1201201201201201201201201201
20120120ø120120120120120120120120120120120120ø120120120120120
120120120120120120120ø120120120120120120120120120120120120ó12
0120120120120120120120120120120120ø12012012012012012012012012
0120120120ø120120120120120120120120120120120120ø1201201201201
20120120120120120120120ø120120120120120120120120120120120120ø
120120120120120120120120120120120120ø120120120120120120120120
120120120120ø120120120120120120120120120120120120ø12012012012
0120120120120120120120120ø12012012012012012012012012012012012
0ø120120120120120120120120120120120120ø1201201201201201201201
20120120120120ø120120120120120120120120120120120120ø120120120
120120120120120120120120120ø120120120120120120120120120120120
120ø120120120120120120120120120120120120ø12012012012012012012
0120120120120120ø12012012012012012012012012012012012012012012
0120120120120q120$a$120120120$a$120
120120120½•120120¿•120120%–120120¦–120120§–120120¨–120120¶–
120120
—120120—120120€—120120ß—120120â—
120120¡˜120120¢˜120120ð™120120§š120120 š120120}š120120ìØÎØ·
¢ŽØyØìØcØQ<Ø12
0120120120120120120120120120120120120120120120120120120120120
120120120120120120120120120120)h¢‚1209 ﾁ B*
OJ120QJ120\ ﾁ ^J120mHph120120120120sH"h¢‚1209 ﾁ B*
OJ120QJ120mHph120120120120sH120*h¢‚1209 ﾁ B*
OJ120PJ120QJ120^J120mHph120120120120sH120)h¢‚1209 ﾁ < ﾁ B*
OJ120QJ120^J120mHph120120120120sH&h
¢‚1209 ﾁ B*OJ120QJ120^J120mHph1203Ì120sH120)騔 120 騕 120 騠 120 驏 120
骈 120 骾 120 鬛 120 ᙷ 120 鮴 120 鯳 120 鲶 120 鲷 120 鵧 120 鷜 120 鷝 120 鷞
120 鸏 120 鸐 120 鸯 120 鹗 120 鹘 120 鹙 120 麙 120 麚 120 齈 120 齉 120 齫 120 龕
120ú120120120120120 切 120120120120120120ú120120120120120 切
120120120120120120ú120120120120120 切
12012012
012012
0120
ú120120120120120120120120120120120õ12012012012012012
0120120120120120ú120120120120120 切
120120120120120120ú120120120120120 切
120120120120120120ú120120120120120 切
120120120120120120ú120120120120120 切
120120120120120120ú120120120120120 切
120120120120120120ú120120120120120120120120‫׆‬Ā120 愀 ̀Ѐq␃ 愃 Ѐ ̀ 120␃
愃 ̀碆}š120120~š120120…
š120120†š120120›120120k›120120l›120120 ﾏ › 120120 ﾐ › 120120³›120120ì›12

ßÞ
1121í›121121¶œ121121·œ121121Ý ﾝ 121121Þ ﾝ 121121µž121121+ž121121U
ž121121Yž121121™ž121121HŸ121121IŸ121121•Ÿ121121–
Ÿ121121Ø¡121121Ú¡121121Þ¡121121êÖêÖÎÅÎÅλ°»›Ö›Ö†ÖrbÖ›Ö›ÖZL12
1121121121121121121121121121121121121h
¢‚1219 ﾁ B*OJ121QJ121ph121Ìÿ121121¤j˜-121h¢‚121U -h
¢‚1215 ﾁ B*OJ121QJ121aJ121ph1213Ì121121&h¢‚1219 B*
OJ121QJ121^J121mHph121121121121sH)h¢‚1219 ﾁ < ﾁ B*
OJ121QJ121^J121mHph121121121121sH§h¢‚121H* OJ121QJ121aJ121h¢
‚121OJ121QJ121aJ121121h¢‚121H* OJ121QJ121

ßÞ
h¢‚122OJ122QJ122122&h¢‚1229 ﾁ B*
OJ122QJ122^J122mHph122122122122sH122)h¢‚1229 ﾁ B* H*
OJ122QJ122^J122mHph122122122122sH122•Ÿ122122–
Ÿ122122Ø¡122122Ü¡122122¢122122'¢1221226¢122122E¢122122m
¢122122n¢122122µ¢122122Û¢122122Ü¢122122ú
¢12
2122
£122122I£122122J£122122K£122122q£122122‡£122122ˆ£12
2122¤122122Y¤122122Z¤122122°¤122122±
¤12
2122¿
¤122122À¤122122ú122122122122122122122122122122122122ú12212212
2122122122122122122122122122ú12212212212212212212212212212212
2122ú122122122122122122122122122122122122ñ1221221221221221221
22122122122122122ú122122122122122122122122122122122122ú122122
122122122122122122122122122122ú122122122122122122122122122122
122122ú122122122122122122122122122122122122ú12212212212212212
2122122122122122122ú122122122122122122122122122122122122ú1221
22122122122122122122122122122122ú1221221221221221221221221221
22122122ú122122122122122122122122122122122122ú122122122122122
122122122122122122122ú122122122122122122122122122122122122ú12
2122122122122122122122122122122122ú12212212212212212212212212
2122122122ú122122122122122122122122122122122122ú1221221221221
22122122122122122122122ú122122122122122122122122122122122122ú
122122122122122122122122122122122122ï1221221221221221221221221
22122122122ñ122122122122122122122122122122122122ï1221221221221
22122122122122122122122ï122122122122122122122122122122122122ï1
2212212212212212212212212212212212212212212212212212212212212
2122122122122122122122 122122122122$
Æ122 122122122a$122122122$a$122ales.

ßÞ
 Prueba de muestras independientes

ESC
Se han No se han
asumido asumido
varianzas varianzas
iguales iguales
Prueba de Levene para F 1.680
la igualdad de varianzas Sig. .195
Prueba T para la t 1.043 1.047
igualdad de medias gl 865 842.169
Sig. (bilateral) .297 .296
Diferencia de medias
.31 .31
Error típ. de la diferencia
.293 .292
95% Intervalo de confianza Inferior -.270 -.268
para la diferencia Superior .882 .879

Prueba T pareada

 Al tratar de observaciones pareadas se ejecuta la comparación de

promedios de muestra mediante una prueba T modificada.
 En la prueba T pareada se utiliza un solo conjunto de diferencias entre
las observaciones pareadas en lugar de utilizarse los dos conjuntos
originales de observaciones.
 En la prueba T pareada se calcula un valor t de la forma siguiente:

El número de grados de libertad es el tamaño de la muestra menos 1 o el

número de observaciones pareadas menos 1
Para interpretar los resultados, se utiliza la misma tabla de valores t que en
la prueba t para observaciones no pareadas.

ßÞ
 Resultados del ejercicio de control

Número del niño Med

Observador A
1 18.6
2 17.1

 H0: Si los observadores A3y B tuvieran el peso de todos los niños de 14.3
la
población , de la que 20 niños de la tabla constituían una muestra no
4 diferencia entre sus mediciones. = 23.2
habría en promedio ninguna el
promedio de diferencias entre Ay B sería 0.
5 18.4
 H1 : habría diferencias.

 Método:
6 14.9
 Calcular el promedio de las diferencias de la muestra. = Suma de las
diferencias dividida por el7número de mediciones. 16.6
 Promedio de diferencias = 1.04
8
 Calcular la Desviación estándar de las diferencias = 1.77 14.8
 Aplicar fórmula
9
 T = 1,04 / 0.40 = 2.60 = t calculado
21.5
10
 T crítico: Tamaño de la muestra menos 1 = 20-1 = 19 24.6
 95 % de confianza 11 17.4
= 1.93 Rechazo Ho. Existen diferencias
significativas entre los observadores
12 15,7
13 16.1
14 12.9
15 12.3
ßÞ 16 19.4
17 19.3
 V. Análisis de Varianza

Consideraciones generales:
generales:

La dócima de Student puede emplearse para el análisis de datos obtenidos

de diseños de dos grupos.
Hay muchas situaciones en la investigación biológica en que se necesita
comparar tres grupos o más.
Este problema puede resolverse mediante un método estadístico llamado
análisis de varianza que es uno de los procedimientos más útiles disponibles
en el campo de la biología.
Permite el empleo de una gran cantidad de diseños de los cuales podemos
obtener el máximo de información.
información.
Hipótesis : tres o más medias son iguales
H0: u1= u2 = u3 = u4 H1: al menos una media es diferente

El análisis de varianza es un método para probar igualdad de dos o más

medias de población analizando varianzas de las muestras.

Distribución F:
F: Los métodos de ANOVA emplean la distribución F que tiene las
siguientes propiedades:
propiedades:

No es simétrica, está sesgada a la derecha

Los valores F pueden ser 0 o positivos, pero no pueden ser negativos.
Hay una distribución F distinta para cada par de grados de libertad del
numerador y denominador.
denominador.

El análisis de Varianza se basa en una comparación de dos estimadores

distintos de la varianza común a las diferentes poblaciones = varianza entre
muestras y Varianza dentro de las muestras.

ANOVA Unidireccional = Los datos de la muestra se dividen en grupos de

acuerdo a una característica o factor.
ANOVA bidireccional = permite comparar poblaciones divididas en categorías
según dos características ejemplo: películas clasificadas según dos criterios :
calificaciones en estrellas y calificaciones en cuanto al público

Análisis de Varianza Unidireccional

Supuestos:
Las poblaciones tienen distribuciones normales
Las poblaciones tienen la misma varianza sigma2( o DS 2)
Las muestras son aleatorias e independientes entre sí
Las diferentes muestras provienen de poblaciones divididas según un solo
tipo de categorías.

ßÞ
El método de ANOVA se basa en que dos poblaciones tienen la misma
varianza sigma2, estimamos el valor común de sigma2 usando dos estrategias
distintas.

Las dos estrategias para estimar el valor común de sigma2 son:

La varianza entre muestras ( llamada también variación debida al
tratamiento) es un estimado de la varianza de la población común que se
basa en la variabilidad entre las medias de las muestras.
La varianza dentro de las muestras (llamada también variación debida al
error) es un estimado de la varianza de la población común que se basa en
las varianzas de las muestras
Tratamiento o factor: Es una propiedad o característica que nos permite
distinguir entre las diferentes poblaciones.

Estadística de prueba para ANOVA unidireccional:

F = varianza entre muestras

Varianza dentro de las muestras.
muestras.

Análisis de Varianza Unidireccional .Tamaño de muestras iguales

Supongamos que queremos determinar si las dietas A, B, C presentan

diferencias estadísticamente significativas en función de sus efectos sobre el
aumento de peso en ratones.
Variable independiente : la dieta
Variable dependiente : el aumento de peso
Seleccionamos 15 ratones de cierta especie de la población general y los
asignamos aleatoriamente a los 3 tratamientos, de modo que tengamos 5
duplicaciones por tratamiento. La probabilidad de que cada ratón sea
asignado a la dieta A, B, C es 1/3. Después de un período de tiempo,
medimos el aumento de peso y obtenemos los datos de la tabla

ᙷCálculo varianza entre muestras:

ßÞ
Calculo media general
Media A = 33.2
Media B = 35.0
Media A = 32.2 Media general = 33.5

Cálculo de la suma de cuadrados de las desviaciones de la media total:

(33.2-33.5)2+(35-35)2+(32.2-35)2=4.02

Sigma x 2= SC = 4.02 = 2.01

k-1 2
nS” = 5 * 2.01= 10.05 = Varianza entre muestras

Varianza dentro de las muestras = 8.8

F = 10.05/8.8 = 1.14

F K-1,K (n-1)= grados de libertad del numerador K-1, del denominador K (n-
1)= F (3-1),(3*(5-1)) = F2,12= 3.88 con 95 % confianza.
Conclusión : Aceptamos Ho: No hay diferencias significativas entre las dietas,

Análisis de Varianza Unidireccional .Tamaño de muestras desiguales Se verá en

clases

Bibliografía:

Susan Milton. Bioestadística

ßÞ
VI REGRESION LINEAL

Si dos variables en estudio son cuantitativas es posible relacionar estas 2

variables mediante el análisis de regresión.
Adicionalmente es factible cuantificar el grado de asociación entre las
variables mediante la función determinada por el análisis de regresión esto
es el análisis de correlación
Así podemos relacionar y cuantificar relación entre las variables peso y edad,
consumo de grasa y tasa mortalidad , altura y peso etc

Coeficiente B : Mide la cantidad de cambio ( Aumento o disminución )de la

var dependiente para una diferencia de una unidad de la var independiente,
controlado por las otras var.independientes de la ecuación.
Denota la magnitud del efecto que la var. Explicativa o exogena o
indepependiente tiene sobre la dependiente.

Coeficiente B estandarizado: mide cambios en unidades de DS de la var

dependiente para una diferencia de una unidad de DS de la var
independiente

Para ver si se puede inferir resultados a la población se calcula un t

observado contrastado con un t crítico con n- k- 1 gl.
Ho : no existe relación entre variables.
H1: Existe relación
Relación entre y calculado e y observado: cálculo de coeficiente de
correlación múltiple
R2: 0,57 % las var explican el 37 % de las variaciones dependiente

ßÞ
VII. METODOS NO PARAMETRICOS

Como evaluar si una distribución es normal

Asimetría y curtosis
Mediante gráficos (Histogramas, QQ)
Prueba de Kolmogoroff- Smirnof

Pruebas de hipótesis no paramétricas

Al realizar una investigación los datos no van a tener una distribución normal
necesariamente.
En estos casos no se cumpliría con los supuestos para trabajar con hipótesis
paramétricas
Se trabaja entonces con pruebas no paramétricas o de libre distribución

Cuando aplicar una prueba no paramétrica.

Una prueba no paramétrica se aplica cuando los datos de la muestra:
No siguen una distribución normal
No es posible aceptar las suposiciones de una estadística paramétrica
Tienen una escala de medición que no permite realizar operaciones
aritméticas

Etapas en la prueba de hipótesis

Evaluar los datos
Revisar las suposiciones ( probar normalidad)
Formular las hipótesis estadísticas ( nula y alternativa)
Seleccionar la prueba estadística
Formular la regla de decisión
Calcular la estadística de prueba
129€Ó<129129á<129àî<129129ý<129Ð=129@
=129ðµ=129À=129Ð$=129-=129€5=129
>=129ðF=129129P=129PY=129Àb=129pl=129`v=129@€=129p…
=129¸Š=129
ﾐ=129¨•=129H›=129¡=129è¦=129è¬=129129³=129@¹=129˜¿=129Æ=12
9¨Ì=129`Ó=1298Ú=1290á=129Pè=129ˆï=129àö=129Xþ=129ø>129Ø>129
Ä>129À

ßÞ
>130Ð>130ð>130>130\>130¬#>130

ßÞ
(>131|,>131ü0>131Œ5>1310:>131à>>131 C>131pH>131PM>131@R>13
1@W>131L\>131la>131˜f>131Ôk>131q>131xv>131Ü{>131ª€>131lƒ>131
4†>131‰>131Ú‹>131¶Ž>131š‘>131‚”>131r—
>131hš>131d ﾝ>131d >131l£>131x¦>131Š©>131 ¬>131¼¯>131ܲ>13
1¶>131,¹
>131Z¼>131Œ¿>131ÂÂ>131üÅ>1318É>131zÌ>131¾Ï>131Ó>131NÖ>131
šÙ>131èÜ>131:à
>131Œã>131àæ>1316ê>131Ží>131èð>131@ô>131œ÷>131öú>131Rþ>1
31×131?131…?1312?131à?131Œ?1319 ?131å?131ﾐ

ßÞ
?132:

ßÞ
?133ã¤?133Œ?1333?133Ùµ?133~?133!?133Ã?133d?133?133Ÿ-?133: ?
133Ó!?133j#?133ÿ$?133’&?133"(?133°)?133;+?133Ä,?133J.?133Î/?133N1?
133Ì2?133G4?133¿5?13337?133¥8?133:?133~;?133æ<?133J>?133«??133
A?133bB?133¹C?133
E?133ZF?133¥G?133íH?1330J?133pK?133¬L?133äM?133O?133HP?133tQ?
133 ﾝ R?133ÁS?133áT?133ýU?133§W?133)X?1339Y?133DZ?133L[?133P\?
133O]?133J^?133B_?1335`?133$a?133¤b?133öb?133Úc?133¹d?133”e?
133kf?133>g?133
h?133Øh?133 i?133cj?133#k?133ßk?133—l?133Km?133üm?133©n?133Ro?
133øo?133šp?1339q?133Ôq?133kr?133133s?133‘s?133-t?133¨t?133/u?
133³u?1334v?133±v?133,w?133£w?133x?133‰x?133øx?133dy?133Íy?
1333z?133—z?133øz?133V{?133²{?133
|?133b|?133·|?133 }?133X}?133¦}?133ñ}?133:~?133ﾁ~?133Æ~?133 ?133J?
133ˆ?133Å?133133€?@
„133133x133133ÀÛa133133133133133133133U„’DV ﾍ ODUq‘D«‚NDUá ﾏ D13
3µMDUí ﾍ DV¥KDª ﾝ‹DVãIDªúˆDV½GD133ü…
DVûEDªìDVwBDUÉwDVQ@DUÁpDV+>D133ÄjD133<Dª$fD133ð9DUéaD13
3Ê7Dª¸^D1336DU?\D133F4DU}ZDV×2Dª

ßÞ
YD«h1D134XD«0Dª°WDVï.DªLWD«ä-Dª°WD134v,Dª°WD«",DU•VD«ä-
D134ÞUDVS/D134ÞUDV§1DU•VD134„2D134XD«ò3D134ÆYD«P5D13
4ì[DV¿6DUe^D134.8D134–
aD«œ9D134eD«ú:D134†lD«„=D134PuDVQ@DªŽ~D«ÊBDª¡‚D«ðDD134Ê…
D«²FDUuˆD«tHDªîŠD«6JDU

ßÞ
ﾍ DV¥KDUÎŽD135µMDªf ﾐ D«‚NDUq‘DV ﾍ ODªZ’D135˜PD135à’DV³QDª;“D13
5¾RDUe“D«,TDª;“D«îUD135à’DV]WDª(’DV-
YD135-‘D135ŽZDUá ﾏ D«ü[D135IŽD«Z]D135‡ŒDVÉ^D135“ŠD13
58`DUCˆD«¦aD135Ê…D«cD135'ƒDVsdD135R€D135âeDU©tD«®hDU/gDVßkDª

ßÞ
YD136toDª6JD136\sDU
;D«êwD136à+D136î|D«PD136L ﾁ DU%
DU¦„DUAýCU\ˆD136136áCUvŒDU{DUvŒDU‘µD«‰D«–!D136ã…
D«¬.D136@ƒDU
;DU¾€D136jGD136î|
DªdSDUYyDª¸^DUÕuDª¨iD«¤rD136òsDU+pDUs}D136²mD136'ƒD13
6ŒkDª8‡D136ÊiDª¼ŠD136¤gDU»ﾍ DV5fDª4 ﾐ DVsdDª(’DV±bDUe“D«BaDUF”D
136Ô_Dªý”D136^D136ƒ•DV£\DªÞ•DVE[Dª–
D«ÖYDªÞ•DVùVDU'•D136€TDUx”D«jRDUe“D136˜PDU„’DV ﾍ OD136
ﾁ%Æ µ@ 136136136136136136136136136136136!
136136136136136136b136136136

ßÞ
137137137 137137137!
137137137137137137;137137137137137137137137137

ßÞ
138138138
13813
8138
$13
8138138
$13
8138138138138€
=138138138138138138138138138138€=1381381381381381381381381381
38138V138138138
138138138138138138138138138138ÿÿÿÿÿÿÿÿa13
8138138;IÜ3±H™3éG=3ïFâ2ÇEq2vDè1öBw1ô?–0ë=
0)<ƒ/©:þ.‚9t.s8ë-§7z-7-˜6®,<6S,ù5û+å5´+Ì5r+å5+å5
+ž5r+p5Í+p5>,ž5™,ù5õ,j6M-ó6¨-’7.^8`.?9·.;Z/L=
0œ?«0IA51ÝB¥13D2pE†2Fâ2`G=3,H™3±HÜ3&I-4hIe4–I¨4«I5–It5hIÐ5
I@6‡Hœ6éGø6GO7<F«7BE8Db8ÝBº8ŒA§9!@q9#=$:Ä9ð:<6Õ;†2Ï<».ó=ð*4?
'ž@B#LB¡'D4F×!4F%‚D^(êB¤+˜A».X@Ó14?Ò4O>§7n=c:¢<õ<<U?
e;ŒAÛ:•Ck:WEá9ÖF†9H§9
I¥8«II8Jí7wJ}7ºJ!7èJÊ6
Kn6èJ·5ŒJ55J“4«I-4;IÜ3$13
8138138
$13
8138138138138€
A138138138138138138138138138138€A1381381381381381381381381381
38138<138138138138138138C138138138

ßÞ
139139139 139139139139139139

ßÞ
140140140 140140140%140140140

ßÞ
14114
1141141141€
'1411411411411411411411411411411411411411413™141141141141141
%141141141

ßÞ
142142142142142142%142142142

ßÞ
143143143143143€V1431431430143143143Â
143143±143143d143143c143143143143143Á °Á eded°Á °%143143143

ßÞ
144144144144144€%144144144

ßÞ
145145145145145145€(145145145

ßÞ
146146146146146146'1461461461461461461461461461461461461461462
—146146146146146%146146146

ßÞ
147147147147147147%147147147

ßÞ
14814
8148148148€
V1481481480148148148d148148±148148Â148148c148148148148148d°de
Âe°d°%148148148

ßÞ
149149149149149€%149149149

ßÞ
150150150150150150€(150150150

ßÞ
151151151151151151'15
11511511511511511511511511511511511511512•151151151151151
%151151151

ßÞ
152152152152152152%152152152

ßÞ
15315
3153153153€
V1531531530153153153Â153153±153153153153c153153153153153°Âee
°Â°%153153153

ßÞ
154154154154154€%154154154

ßÞ
155155155155155155€(155155155

ßÞ
156156156156156156'15
61561561561561561561561561561561561561561“156156156156156%156
156156

ßÞ
157157157157157157%157157157

ßÞ
15815
8158158158€
V1581581580158158158158158±158158R158158c158158158158158°eReR
°°%158158158

ßÞ
159159159159159€%159159159

ßÞ
160160160160160160€(160160160

ßÞ
161161161161161161'16
11611611611611611611611611611611611611610‘161161161161161%161
161161

ßÞ
162162162162162162%162162162

ßÞ
16316
3163163163€
V1631631630163163163R163163±163163•163163c163163163163163R°Re
•e•°R°%163163163

ßÞ
164164164164164€%164164164

ßÞ
165165165165165165€(165165165

ßÞ
166166166166166166'166166166166166166166166166166166166166166/
ﾏ 166166166166166%166166166

ßÞ
167167167167167167%167167167

ßÞ
16816
8168168168€
V1681681680168168168•168168±168168ç168168c168168168168168•°•eç
eç°•°%168168168

ßÞ
169169169169169€%169169169

ßÞ
170170170170170170€(170170170

ßÞ
171171171171171171'171171171171171171171171171171171171171171/
ﾍ 171171171171171%171171171

ßÞ
172172172172172172%172172172

ßÞ
17317
3173173173€
V1731731730173173173ç173173±173173b173173c173173173173173ç°çeb
eb°ç°%173173173

ßÞ
174174174174174€%174174174

ßÞ
175175175175175175€(175175175

ßÞ
176176176176176176'176176176176176176176176176176176176176176.‹
176176176176176%176176176

ßÞ
177177177177177177%177177177

ßÞ
17817
8178178178€
V1781781780178178178b178178±178178°178178c178178178178178b°be
±e±°b°%178178178

ßÞ
179179179179179€%179179179

ßÞ
180180180180180180€(180180180

ßÞ
181181181181181181%181181181

ßÞ
182182182182182€"182182182

ßÞ
183183183ÿÿÿÿ"183183183

ßÞ
184184184ÿÿÿÿF184184184184184184184184184EMF+@184184

ßÞ
185185185185185185185F185185185µ185185185185185185GDIC18
5185185F185185185(185185185185185185GDIC185185185=185185·18518
5†185185‹185185185185185185F185185185Ð185185Ä185185EMF+*@1851
85$185185185185185185185185€?185185185€185185185€185185€?
185185185€185185185€@
X185185L185185ÀÛ185185185Š1851851851851851857 ﾐ D7ú"DXL@C&C•C
™3185ÿ‹.185ÿ™3185ÿ‹.185ÿÿÿ?-µÆ?Ri¿ÿ%?€^6D !ÉÄ185
185185185185185185ﾁ€€;ﾁ€185<ÁÀ@<ﾁ€€<¡ <ÁÀÀ<áàà<ﾁ€185=‘ﾐ=¡
=±°0=ÁÀ@=ÑÐP=áà`=ñðp=ﾁ€€=‰ˆˆ=‘ﾐﾐ=™˜˜=¡ =©¨¨=±°°=¹¸¸=ÁÀÀ=É
ÈÈ=ÑÐÐ=ÙØØ=áàà=éèè=ñðð=ùøø=ﾁ€185>…„>‰ˆ>ﾍ Œ

ßÞ
>‘ﾐ>•”µ>™˜>ﾝ œ>¡ >¥¤$>©¨(>¬,>±°0>µ
´4>¹¸8>½¼<>ÁÀ@>ÅÄD>ÉÈH>ÍÌL>ÑÐP>ÕÔT>ÙØX>ÝÜ\>áà`>åäd>éèh>íì
l>ñðp>õôt>ùøx>ýü|>ﾁ€€>ƒ‚‚>…„„>‡††>
‰ˆˆ>‹ŠŠ>ﾍ ŒŒ>ﾏ ŽŽ>‘ﾐﾐ>“’’>•””>—––>™˜˜>›šš>ﾝ œœ>Ÿžž>¡ >£¢¢>¥¤
¤>§¦¦>©¨¨>«ªª>¬¬>¯®®>±°°>³²²>µ
´´>·¶¶>¹¸¸>»ºº>½¼¼>¿¾¾>ÁÀÀ>ÃÂÂ>ÅÄÄ>ÇÆÆ>ÉÈÈ>ËÊÊ>ÍÌÌ>ÏÎÎ>ÑÐ
Ð>ÓÒÒ>ÕÔÔ>×ÖÖ>ÙØØ>ÛÚÚ>ÝÜÜ>ßÞÞ>áàà>ãââ>åää>çææ>éèè>ëêê
>íìì>ïîî>ñðð>óòò>õôô>÷öö>ùøø>ûúú>ýüü>ÿþþ>ﾁ€186?‚ﾁ ?ƒ‚?„ƒ?…„?†…?
‡†?ˆ‡?‰ˆ?Š‰ ?‹Š?Œ‹
?ﾍ Œ

ßÞ
?Ž ﾍ
?ﾏ Ž

ßÞ
?ﾐﾏ¤?‘ﾐ?’‘?“’?”“?•”µ?–•§?—–?˜—?™˜?š™?›š?œ›?ﾝ œ?ž ﾝ?Ÿž-? Ÿ?¡ ?¢¡!?£¢"?¤
£#?¥¤$?¦¥%?§¦&?¨§'?©¨(?ª©)?«ª*?¬«+?¬,?®-?¯®.?°¯/?±°0?²±1?³²2?´³3?µ
´4?¶µ5?·¶6?¸·7?¹¸8?º¹9?»º:?¼»;?½¼<?¾½=?¿¾>?À¿??ÁÀ@?ÂÁA?ÃÂB?ÄÃC?
ÅÄD?ÆÅE?ÇÆF?ÈÇG?ÉÈH?ÊÉI?ËÊJ?ÌËK?ÍÌL?ÎÍM?ÏÎN?ÐÏO?ÑÐP?ÒÑQ?ÓÒR?ÔÓS?
ÕÔT?ÖÕU?×ÖV?Ø×W?ÙØX?ÚÙY?ÛÚZ?

ßÞ