SlideShare una empresa de Scribd logo
Universidad Popular de la
Chontalpa
PRACTICA: ANALISIS DE
VARIANZA EN TOMATES
Sergio Salgado Velázquez
Guillermo Erasto Soledad Cervantes
H. Cárdenas, Tabasco. Martes 08 de Abril del 2014.
“Producir y Socializar el Saber”
Equipo de Trabajo:
Diseños Experimentales
MATERIA:
 Peso de 30 tomates cortados al azar en un invernadero
dedicado a la producción de tomates en Cañada,
Morelos, Puebla.
Practica 1:
1. 134 g 11. 155 g 21. 170 g
2. 134 g 12. 155 g 22. 170 g
3. 135 g 13. 157 g 23. 172 g
4. 135 g 14. 160 g 24. 180 g
5. 136 g 15. 160 g 25. 180 g
6. 138 g 16. 160 g 26. 180 g
7. 138 g 17. 166 g 27. 180 g
8. 145 g 18. 168 g 28. 182 g
9. 145 g 19. 169 g 29. 189 g
10. 147 g 20. 169 g 30. 190 g
 Calcular media, mediana y moda.
Practica 2:
1.- La media aritmética es
el valor obtenido al sumar todos
los datos y dividir el resultado
entre el número total de datos.
Media= 4799/30
Media= 159.96 g
1. 134 g 11. 155 g 21. 170 g
2. 134 g 12. 155 g 22. 170 g
3. 135 g 13. 157 g 23. 172 g
4. 135 g 14. 160 g 24. 180 g
5. 136 g 15. 160 g 25. 180 g
6. 138 g 16. 160 g 26. 180 g
7. 138 g 17. 166 g 27. 180 g
8. 145 g 18. 168 g 28. 182 g
9. 145 g 19. 169 g 29. 189 g
10. 147 g 20. 169 g 30. 190 g
La sumatoria de todos los datos es: 4799 g
El numero total de datos son 30
 Calcular media, mediana y moda.
Practica 2:
2.- La mediana es el valor que
ocupa el lugar central de todos
los datos cuando éstos
están ordenados de menor a
mayor.
Mediana= 160g + 160g / 2
Mediana= 160 g.
1. 134 g 11. 155 g 21. 170 g
2. 134 g 12. 155 g 22. 170 g
3. 135 g 13. 157 g 23. 172 g
4. 135 g 14. 160 g 24. 180 g
5. 136 g 15. 160 g 25. 180 g
6. 138 g 16. 160 g 26. 180 g
7. 138 g 17. 166 g 27. 180 g
8. 145 g 18. 168 g 28. 182 g
9. 145 g 19. 169 g 29. 189 g
10. 147 g 20. 169 g 30. 190 g
En la muestra los datos centrales son los números 15 y 16.
Como se observa son 30 datos (par) por lo cual se toman
los dos datos medios dejando 14 valores arriba y 14 valores por debajo
 Calcular media, mediana y moda.
Practica 2:
2.- La moda es simplemente el
valor que aparece más veces.
En una serie de datos ordenados
en creciente.
Moda= 180 g.
1. 134 g 11. 155 g 21. 170 g
2. 134 g 12. 155 g 22. 170 g
3. 135 g 13. 157 g 23. 172 g
4. 135 g 14. 160 g 24. 180 g
5. 136 g 15. 160 g 25. 180 g
6. 138 g 16. 160 g 26. 180 g
7. 138 g 17. 166 g 27. 180 g
8. 145 g 18. 168 g 28. 182 g
9. 145 g 19. 169 g 29. 189 g
10. 147 g 20. 169 g 30. 190 g
En la muestra los datos que mas se repiten son los números 24, 25, 26 y 27
Siendo por tanto el valor 180 g.
 Calcular rango, varianza, desviación estándar y
coeficiente de variación de la muestra de tomates.
Practica 3:
1.- Rango: mide la amplitud de los valores
de la muestra y se calcula por diferencia
entre el valor más elevado y el valor más
bajo.
Rango= Valormax - Valormin
Rango= 190g -134 g
Rango= 56 g
1. 134 g 11. 155 g 21. 170 g
2. 134 g 12. 155 g 22. 170 g
3. 135 g 13. 157 g 23. 172 g
4. 135 g 14. 160 g 24. 180 g
5. 136 g 15. 160 g 25. 180 g
6. 138 g 16. 160 g 26. 180 g
7. 138 g 17. 166 g 27. 180 g
8. 145 g 18. 168 g 28. 182 g
9. 145 g 19. 169 g 29. 189 g
10. 147 g 20. 169 g 30. 190 g
Practica 3:
2.- La varianza es la media aritmética del
cuadrado de las desviaciones respecto
a la media de una distribución estadística.
La varianza se representa por :
Sumatoria=9254.9680
Varianza= 9254.9680/ 30-1
Varianza= 319.13

Numero Peso (g) (X1-MEDIA) (X1-MEDIA)²
1 134 -25.96 673.9216
2 134 -25.96 673.9216
3 135 -24.96 623.0016
4 135 -24.96 623.0016
5 136 -23.96 574.0816
6 138 -21.96 482.2416
7 138 -21.96 482.2416
8 145 -14.96 223.8016
9 145 -14.96 223.8016
10 147 -12.96 167.9616
11 155 -4.96 24.6016
12 155 -4.96 24.6016
13 157 -2.96 8.7616
14 160 0.04 0.0016
15 160 0.04 0.0016
16 160 0.04 0.0016
17 166 6.04 36.4816
18 168 8.04 64.6416
19 169 9.04 81.7216
20 169 9.04 81.7216
21 170 10.04 100.8016
22 170 10.04 100.8016
23 172 12.04 144.9616
24 180 20.04 401.6016
25 180 20.04 401.6016
26 180 20.04 401.6016
27 180 20.04 401.6016
28 182 22.04 485.7616
29 189 29.04 843.3216
30 190 30.04 902.4016
Practica 3:
3. La desviación estándar es
el cuadrado de la varianza:
S2 = 319.13
S= √319.13
S= 17.86

Numero Peso (g) (X1-MEDIA) (X1-MEDIA)²
1 134 -25.96 673.9216
2 134 -25.96 673.9216
3 135 -24.96 623.0016
4 135 -24.96 623.0016
5 136 -23.96 574.0816
6 138 -21.96 482.2416
7 138 -21.96 482.2416
8 145 -14.96 223.8016
9 145 -14.96 223.8016
10 147 -12.96 167.9616
11 155 -4.96 24.6016
12 155 -4.96 24.6016
13 157 -2.96 8.7616
14 160 0.04 0.0016
15 160 0.04 0.0016
16 160 0.04 0.0016
17 166 6.04 36.4816
18 168 8.04 64.6416
19 169 9.04 81.7216
20 169 9.04 81.7216
21 170 10.04 100.8016
22 170 10.04 100.8016
23 172 12.04 144.9616
24 180 20.04 401.6016
25 180 20.04 401.6016
26 180 20.04 401.6016
27 180 20.04 401.6016
28 182 22.04 485.7616
29 189 29.04 843.3216
30 190 30.04 902.4016
Practica 3:
4. Coeficiente de variación
(CV) es el cociente entre la
desviación estándar y la
media multiplicada por 100.
CV = (dS/ media) 100
CV= (17.86/ 160) 100
CV= 11.16%

Numero Peso (g) (X1-MEDIA) (X1-MEDIA)²
1 134 -25.96 673.9216
2 134 -25.96 673.9216
3 135 -24.96 623.0016
4 135 -24.96 623.0016
5 136 -23.96 574.0816
6 138 -21.96 482.2416
7 138 -21.96 482.2416
8 145 -14.96 223.8016
9 145 -14.96 223.8016
10 147 -12.96 167.9616
11 155 -4.96 24.6016
12 155 -4.96 24.6016
13 157 -2.96 8.7616
14 160 0.04 0.0016
15 160 0.04 0.0016
16 160 0.04 0.0016
17 166 6.04 36.4816
18 168 8.04 64.6416
19 169 9.04 81.7216
20 169 9.04 81.7216
21 170 10.04 100.8016
22 170 10.04 100.8016
23 172 12.04 144.9616
24 180 20.04 401.6016
25 180 20.04 401.6016
26 180 20.04 401.6016
27 180 20.04 401.6016
28 182 22.04 485.7616
29 189 29.04 843.3216
30 190 30.04 902.4016

0
20
40
60
80
100
120
140
160
180
200
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
PesodeFruto(g)
Número de observaciones
Practica 4:
 Grafica de barra

Número de observaciones
Practica 4:
 Diagrama de Tallos y Hojas
Tallo Hojas
13 4 4 5 5 6 8 8
14 5 5 7
15 5 5 7
16 0 0 0 6 8 9 9
17 0 0 2
18 0 0 0 0 2 9
19 0

Número de observaciones
Practica 4:
 Grafico de Cajas y bigotes:
Q1 138
MEDIANA (MEDIANA-Q1) 22
Q3 (Q3-MEDIANA) 12
MINIMO 134
Q1 138
MEDIANA 160
Q3 172
MAXIMO 190
MINIMO 7.5
MAXIMO 20
Para obtener el mínimo se resta el Q1-MINIMO
Para obtener el máximo se resta MAXIMO-Q3.
0
20
40
60
80
100
120
140
160
180
200
 Calcular intervalo de confianza con δ=1% S=17.86 n=30 M=159.96
Practica 5:

























 
7564.2
4772.5
86.17
96.159
30
86.17
96.159 )130(2
01.0
t












  )1(2 nt
n
s
x 












  1)(n2
α
t
n
s
x












  )130(2
01.0
30
86.17
96.159 t












 )29(005.0
30
86.17
96.159 t












 7564.2
30
86.17
96.159












 7564.2
4772.5
86.17
96.159
 9877.896.159 
 9723.150 Limite inferior
1.
  7564.22607.396.159 2.
3.
4.
5.
6.
7.
 Calcular intervalo de confianza con δ=1% S=17.86 n=30 M=159.96
Practica 5:












  1)(n2
α
t
n
s
x












  )130(2
01.0
30
86.17
96.159 t












 )29(005.0
30
86.17
96.159 t












 7564.2
30
86.17
96.159












 7564.2
4772.5
86.17
96.159
  7564.22607.396.159 
 9877.896.159 
 9467.168 Limite Superior
En un nivel de error 1% la probabilidad
de la media poblacional (M) se encuentra
en el intervalo de confianza :
(150.9723, 168.9467)
1.
3.
2.
4.
5.
6.
7.
 Calcular intervalo de confianza con δ=5% S=17.86 n=30 M=159.96
Practica 5:

























 
7564.2
4772.5
86.17
96.159
30
86.17
96.159 )130(2
01.0
t












  )1(2 nt
n
s
x 












  1)(n2
α
t
n
s
x












  )130(2
05.0
30
86.17
96.159 t












 )29(025.0
30
86.17
96.159 t












 0452.2
30
86.17
96.159












 0452.2
4772.5
86.17
96.159
 6687.696.159 
 2913.153 Limite inferior
1.
  0452.22607.396.159 2.
3.
4.
5.
6.
7.
 Calcular intervalo de confianza con δ=5% S=17.86 n=30 M=159.96
Practica 5:












  1)(n2
α
t
n
s
x












  )130(2
05.0
30
86.17
96.159 t












 )29(025.0
30
86.17
96.159 t












 0452.2
30
86.17
96.159












 0452.2
4772.5
86.17
96.159
  0452.22607.396.159 
 6687.696.159 
 6287.166 Limite Superior
En un nivel de error 5% la probabilidad
de la media poblacional (M) se encuentra
en el intervalo de confianza :
(153.2913, 166.6287)
1.
3.
2.
4.
5.
6.
7.
 Calcular intervalo de confianza con δ=10% S=17.86 n=30 M=159.96
Practica 5:

























 
7564.2
4772.5
86.17
96.159
30
86.17
96.159 )130(2
01.0
t












  )1(2 nt
n
s
x 












  1)(n2
α
t
n
s
x












  )130(2
1.0
30
86.17
96.159 t












 )29(05.0
30
86.17
96.159 t












 6991.1
30
86.17
96.159












 6991.1
4772.5
86.17
96.159
 540.596.159 
 42.154 Limite inferior
1.
  6991.12607.396.159 2.
3.
4.
5.
6.
7.
 Calcular intervalo de confianza con δ=10% S=17.86 n=30 M=159.96
Practica 5:












  1)(n2
α
t
n
s
x












  )130(2
1.0
30
86.17
96.159 t












 )29(05.0
30
86.17
96.159 t












 6991.1
30
86.17
96.159












 6991.1
4772.5
86.17
96.159
  6991.12607.396.159 
 540.596.159 
 5.165 Limite Superior
En un nivel de error 10% la probabilidad
de la media poblacional (M) se encuentra
en el intervalo de confianza :
(154.42, 165.5)
1.
3.
2.
4.
5.
6.
7.

Más contenido relacionado

La actualidad más candente

Maria.v.rojas ejercicios 2.
Maria.v.rojas ejercicios 2.Maria.v.rojas ejercicios 2.
Maria.v.rojas ejercicios 2.
mveronik
 
RENNY MENDOZA Resolucion ejercicios dist normal
 RENNY MENDOZA  Resolucion ejercicios dist normal RENNY MENDOZA  Resolucion ejercicios dist normal
RENNY MENDOZA Resolucion ejercicios dist normal
rennyjse
 
Resueltos estimacion
Resueltos estimacionResueltos estimacion
Resueltos estimacion
Keber Quispe Gamboa
 
Descriptiva 2
Descriptiva 2 Descriptiva 2
Descriptiva 2
Estadístika Granada
 
Distribucion binomial
Distribucion binomialDistribucion binomial
Distribucion binomial
Nelsi Salazar
 
12 2 pruebas de_ajuste hidrologia
12 2 pruebas de_ajuste hidrologia12 2 pruebas de_ajuste hidrologia
12 2 pruebas de_ajuste hidrologia
Fátima Lds
 
Distribucion Normal
Distribucion NormalDistribucion Normal
Distribucion Normal
Monica Mantilla Hidalgo
 
Ejercicios intervalos de confianza
Ejercicios intervalos de confianzaEjercicios intervalos de confianza
Ejercicios intervalos de confianza
Jose Armando Rubio Reyes
 
Problemas resueltos de distribución muestral
Problemas resueltos de distribución muestralProblemas resueltos de distribución muestral
Problemas resueltos de distribución muestral
asrodriguez75
 
Distribucion normal
Distribucion normalDistribucion normal
Distribucion normal
Azucena Agüero Torres
 

La actualidad más candente (10)

Maria.v.rojas ejercicios 2.
Maria.v.rojas ejercicios 2.Maria.v.rojas ejercicios 2.
Maria.v.rojas ejercicios 2.
 
RENNY MENDOZA Resolucion ejercicios dist normal
 RENNY MENDOZA  Resolucion ejercicios dist normal RENNY MENDOZA  Resolucion ejercicios dist normal
RENNY MENDOZA Resolucion ejercicios dist normal
 
Resueltos estimacion
Resueltos estimacionResueltos estimacion
Resueltos estimacion
 
Descriptiva 2
Descriptiva 2 Descriptiva 2
Descriptiva 2
 
Distribucion binomial
Distribucion binomialDistribucion binomial
Distribucion binomial
 
12 2 pruebas de_ajuste hidrologia
12 2 pruebas de_ajuste hidrologia12 2 pruebas de_ajuste hidrologia
12 2 pruebas de_ajuste hidrologia
 
Distribucion Normal
Distribucion NormalDistribucion Normal
Distribucion Normal
 
Ejercicios intervalos de confianza
Ejercicios intervalos de confianzaEjercicios intervalos de confianza
Ejercicios intervalos de confianza
 
Problemas resueltos de distribución muestral
Problemas resueltos de distribución muestralProblemas resueltos de distribución muestral
Problemas resueltos de distribución muestral
 
Distribucion normal
Distribucion normalDistribucion normal
Distribucion normal
 

Similar a Medidas de tendencia central y dispersion

Informe 1 Solidificacion.docx
Informe 1 Solidificacion.docxInforme 1 Solidificacion.docx
Informe 1 Solidificacion.docx
CesarEduardoCarbonel
 
Ppt Terminado Mikro
Ppt Terminado MikroPpt Terminado Mikro
Ppt Terminado Mikro
Ricardo Nolasco
 
Edson jimenez practica pares proyecto final Introducción a Ciencias de Datos ...
Edson jimenez practica pares proyecto final Introducción a Ciencias de Datos ...Edson jimenez practica pares proyecto final Introducción a Ciencias de Datos ...
Edson jimenez practica pares proyecto final Introducción a Ciencias de Datos ...
EdsonJimnezOcn
 
Presentación de ejercicio ent 5
Presentación de ejercicio ent 5Presentación de ejercicio ent 5
Presentación de ejercicio ent 5
GERENCIA MTTO 3ER CORTE
 
Ejercicio 2. Datos no agrupados.
Ejercicio 2. Datos no agrupados.Ejercicio 2. Datos no agrupados.
Ejercicio 2. Datos no agrupados.
luis jaramillo
 
Informe muestreo y analisis granulometrico
Informe muestreo y analisis granulometricoInforme muestreo y analisis granulometrico
Informe muestreo y analisis granulometrico
BrayanChaupisGrimald
 
Unidad iii
Unidad iiiUnidad iii
Unidad iii
LUCEMAR C
 
265337372 analisis-granulometrico-funciones-de-distribucion-convertido
265337372 analisis-granulometrico-funciones-de-distribucion-convertido265337372 analisis-granulometrico-funciones-de-distribucion-convertido
265337372 analisis-granulometrico-funciones-de-distribucion-convertido
BladyPilco
 
Ejercicio de correlación
Ejercicio de correlaciónEjercicio de correlación
Ejercicio de correlación
María Guadalupe Rodríguez Marthell
 
BIOESTADISTICA TABLAS Y GRAFICOS
BIOESTADISTICA TABLAS Y GRAFICOSBIOESTADISTICA TABLAS Y GRAFICOS
BIOESTADISTICA TABLAS Y GRAFICOS
UNIVERSIDAD AUTONOMA DEL BENI "JOSE BALLIVIAN"
 
DISTRIBUCIÓN NORMAL RUTH CORDOVA
DISTRIBUCIÓN NORMAL RUTH CORDOVADISTRIBUCIÓN NORMAL RUTH CORDOVA
DISTRIBUCIÓN NORMAL RUTH CORDOVA
andymaque
 
Estadística, medidas de tendencia central 10º pii 2013
Estadística, medidas de tendencia central 10º pii 2013Estadística, medidas de tendencia central 10º pii 2013
Estadística, medidas de tendencia central 10º pii 2013
Jose Castellar
 
Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2
luis jaramillo
 
Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2
luis jaramillo
 
Ejercicio econometría 7.18 gujarati
Ejercicio econometría 7.18 gujaratiEjercicio econometría 7.18 gujarati
Ejercicio econometría 7.18 gujarati
Jhonny Antequera
 
Resolución practica estadística_probabilidad.
Resolución practica estadística_probabilidad.Resolución practica estadística_probabilidad.
Resolución practica estadística_probabilidad.
Elmer Guevara Vásquez
 
ESTADISTICA - EJERCICIOS DE MUESTREO
ESTADISTICA - EJERCICIOS DE MUESTREOESTADISTICA - EJERCICIOS DE MUESTREO
ESTADISTICA - EJERCICIOS DE MUESTREO
jhonatan piers
 
Ejemplo de clase control estadístico de la calidad
Ejemplo de clase control estadístico de la calidadEjemplo de clase control estadístico de la calidad
Ejemplo de clase control estadístico de la calidad
Osvaldo Fiorenza
 
TANTO POR CIENTO
TANTO POR CIENTOTANTO POR CIENTO
TANTO POR CIENTO
Rosmery Sinaluisa
 
Medidas de tendencia central
Medidas de tendencia centralMedidas de tendencia central
Medidas de tendencia central
billod
 

Similar a Medidas de tendencia central y dispersion (20)

Informe 1 Solidificacion.docx
Informe 1 Solidificacion.docxInforme 1 Solidificacion.docx
Informe 1 Solidificacion.docx
 
Ppt Terminado Mikro
Ppt Terminado MikroPpt Terminado Mikro
Ppt Terminado Mikro
 
Edson jimenez practica pares proyecto final Introducción a Ciencias de Datos ...
Edson jimenez practica pares proyecto final Introducción a Ciencias de Datos ...Edson jimenez practica pares proyecto final Introducción a Ciencias de Datos ...
Edson jimenez practica pares proyecto final Introducción a Ciencias de Datos ...
 
Presentación de ejercicio ent 5
Presentación de ejercicio ent 5Presentación de ejercicio ent 5
Presentación de ejercicio ent 5
 
Ejercicio 2. Datos no agrupados.
Ejercicio 2. Datos no agrupados.Ejercicio 2. Datos no agrupados.
Ejercicio 2. Datos no agrupados.
 
Informe muestreo y analisis granulometrico
Informe muestreo y analisis granulometricoInforme muestreo y analisis granulometrico
Informe muestreo y analisis granulometrico
 
Unidad iii
Unidad iiiUnidad iii
Unidad iii
 
265337372 analisis-granulometrico-funciones-de-distribucion-convertido
265337372 analisis-granulometrico-funciones-de-distribucion-convertido265337372 analisis-granulometrico-funciones-de-distribucion-convertido
265337372 analisis-granulometrico-funciones-de-distribucion-convertido
 
Ejercicio de correlación
Ejercicio de correlaciónEjercicio de correlación
Ejercicio de correlación
 
BIOESTADISTICA TABLAS Y GRAFICOS
BIOESTADISTICA TABLAS Y GRAFICOSBIOESTADISTICA TABLAS Y GRAFICOS
BIOESTADISTICA TABLAS Y GRAFICOS
 
DISTRIBUCIÓN NORMAL RUTH CORDOVA
DISTRIBUCIÓN NORMAL RUTH CORDOVADISTRIBUCIÓN NORMAL RUTH CORDOVA
DISTRIBUCIÓN NORMAL RUTH CORDOVA
 
Estadística, medidas de tendencia central 10º pii 2013
Estadística, medidas de tendencia central 10º pii 2013Estadística, medidas de tendencia central 10º pii 2013
Estadística, medidas de tendencia central 10º pii 2013
 
Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2
 
Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2
 
Ejercicio econometría 7.18 gujarati
Ejercicio econometría 7.18 gujaratiEjercicio econometría 7.18 gujarati
Ejercicio econometría 7.18 gujarati
 
Resolución practica estadística_probabilidad.
Resolución practica estadística_probabilidad.Resolución practica estadística_probabilidad.
Resolución practica estadística_probabilidad.
 
ESTADISTICA - EJERCICIOS DE MUESTREO
ESTADISTICA - EJERCICIOS DE MUESTREOESTADISTICA - EJERCICIOS DE MUESTREO
ESTADISTICA - EJERCICIOS DE MUESTREO
 
Ejemplo de clase control estadístico de la calidad
Ejemplo de clase control estadístico de la calidadEjemplo de clase control estadístico de la calidad
Ejemplo de clase control estadístico de la calidad
 
TANTO POR CIENTO
TANTO POR CIENTOTANTO POR CIENTO
TANTO POR CIENTO
 
Medidas de tendencia central
Medidas de tendencia centralMedidas de tendencia central
Medidas de tendencia central
 

Más de Sergio Salgado Velazquez

Cultivo bambu
Cultivo bambuCultivo bambu
Morfologia gramineas
Morfologia gramineasMorfologia gramineas
Morfologia gramineas
Sergio Salgado Velazquez
 
Deficiencias Nutrimentales en Maiz
Deficiencias Nutrimentales en MaizDeficiencias Nutrimentales en Maiz
Deficiencias Nutrimentales en Maiz
Sergio Salgado Velazquez
 
Macronutrimentos y Micronutrientes esenciales para las plantas
Macronutrimentos y Micronutrientes esenciales para las plantasMacronutrimentos y Micronutrientes esenciales para las plantas
Macronutrimentos y Micronutrientes esenciales para las plantas
Sergio Salgado Velazquez
 
Factores bioticos y abioticos
Factores bioticos y abioticosFactores bioticos y abioticos
Factores bioticos y abioticos
Sergio Salgado Velazquez
 
Orden Hemiptera
Orden HemipteraOrden Hemiptera
Orden Hemiptera
Sergio Salgado Velazquez
 
Análisis de varianza: Diseños en bloques completos al azar
Análisis de varianza: Diseños en bloques completos al azarAnálisis de varianza: Diseños en bloques completos al azar
Análisis de varianza: Diseños en bloques completos al azar
Sergio Salgado Velazquez
 
Análisis de varianza: diseños completamente al azar
Análisis de varianza: diseños completamente al azarAnálisis de varianza: diseños completamente al azar
Análisis de varianza: diseños completamente al azar
Sergio Salgado Velazquez
 

Más de Sergio Salgado Velazquez (8)

Cultivo bambu
Cultivo bambuCultivo bambu
Cultivo bambu
 
Morfologia gramineas
Morfologia gramineasMorfologia gramineas
Morfologia gramineas
 
Deficiencias Nutrimentales en Maiz
Deficiencias Nutrimentales en MaizDeficiencias Nutrimentales en Maiz
Deficiencias Nutrimentales en Maiz
 
Macronutrimentos y Micronutrientes esenciales para las plantas
Macronutrimentos y Micronutrientes esenciales para las plantasMacronutrimentos y Micronutrientes esenciales para las plantas
Macronutrimentos y Micronutrientes esenciales para las plantas
 
Factores bioticos y abioticos
Factores bioticos y abioticosFactores bioticos y abioticos
Factores bioticos y abioticos
 
Orden Hemiptera
Orden HemipteraOrden Hemiptera
Orden Hemiptera
 
Análisis de varianza: Diseños en bloques completos al azar
Análisis de varianza: Diseños en bloques completos al azarAnálisis de varianza: Diseños en bloques completos al azar
Análisis de varianza: Diseños en bloques completos al azar
 
Análisis de varianza: diseños completamente al azar
Análisis de varianza: diseños completamente al azarAnálisis de varianza: diseños completamente al azar
Análisis de varianza: diseños completamente al azar
 

Último

problemas_de_geneticaMENDELIANAY NOMENDELIAANA.pdf
problemas_de_geneticaMENDELIANAY NOMENDELIAANA.pdfproblemas_de_geneticaMENDELIANAY NOMENDELIAANA.pdf
problemas_de_geneticaMENDELIANAY NOMENDELIAANA.pdf
YanethHdzBarajas
 
La santa Biblia, explicación. Dios es amor
La santa Biblia, explicación. Dios es amorLa santa Biblia, explicación. Dios es amor
La santa Biblia, explicación. Dios es amor
nelsongamboa7
 
Documento de ética médica Documento de ética médica
Documento de ética médica Documento de ética médicaDocumento de ética médica Documento de ética médica
Documento de ética médica Documento de ética médica
JorgeAcosta737973
 
Equilibrio de una partícula en dos dimensiones
Equilibrio de una partícula en dos dimensionesEquilibrio de una partícula en dos dimensiones
Equilibrio de una partícula en dos dimensiones
JosueDuran27
 
La_familia_bromeliaceae_en_mexico.pdf y ya
La_familia_bromeliaceae_en_mexico.pdf y yaLa_familia_bromeliaceae_en_mexico.pdf y ya
La_familia_bromeliaceae_en_mexico.pdf y ya
AzulAzul44
 
TEMA 10 SEMILLA 2024 TEMA 10 SEMILLA 2024
TEMA 10 SEMILLA 2024 TEMA 10 SEMILLA 2024TEMA 10 SEMILLA 2024 TEMA 10 SEMILLA 2024
TEMA 10 SEMILLA 2024 TEMA 10 SEMILLA 2024
SubaruDuck
 
La Geografía como Ciencia un documento v
La Geografía como Ciencia un documento vLa Geografía como Ciencia un documento v
La Geografía como Ciencia un documento v
dancedeno902
 
Neuroquimica un tema que habla de las caracyeristicas principales
Neuroquimica un tema que habla de las caracyeristicas principalesNeuroquimica un tema que habla de las caracyeristicas principales
Neuroquimica un tema que habla de las caracyeristicas principales
DanielNava80
 
Introduccion-a-Nitrilos-Información Base
Introduccion-a-Nitrilos-Información BaseIntroduccion-a-Nitrilos-Información Base
Introduccion-a-Nitrilos-Información Base
quimica3bgu2024
 
organismos unicelulares y pluricelulares.pdf
organismos unicelulares y pluricelulares.pdforganismos unicelulares y pluricelulares.pdf
organismos unicelulares y pluricelulares.pdf
profebasoaltomath202
 
Taller de ciencias.pdf cobatab plantel 16
Taller de ciencias.pdf cobatab plantel 16Taller de ciencias.pdf cobatab plantel 16
Taller de ciencias.pdf cobatab plantel 16
rexvadalperez
 
Jornada informativa UniSalut 2024
Jornada informativa UniSalut 2024Jornada informativa UniSalut 2024
LA GuÍa para Muestreo para Alimento. pdf
LA GuÍa para Muestreo para Alimento. pdfLA GuÍa para Muestreo para Alimento. pdf
LA GuÍa para Muestreo para Alimento. pdf
AndreaDelPilarGrimal
 
wepik-introduccion-a-los-cicloalcanos-20240618103448TV81.pdf
wepik-introduccion-a-los-cicloalcanos-20240618103448TV81.pdfwepik-introduccion-a-los-cicloalcanos-20240618103448TV81.pdf
wepik-introduccion-a-los-cicloalcanos-20240618103448TV81.pdf
grupopis50
 
4.-PROYECTO DE ECLIPSES SOLAR Y LUNARdocx
4.-PROYECTO DE ECLIPSES SOLAR Y LUNARdocx4.-PROYECTO DE ECLIPSES SOLAR Y LUNARdocx
4.-PROYECTO DE ECLIPSES SOLAR Y LUNARdocx
manzaniitta10
 
Reporte de historia.pdfdddddddddddddddddd
Reporte de historia.pdfddddddddddddddddddReporte de historia.pdfdddddddddddddddddd
Reporte de historia.pdfdddddddddddddddddd
MarianaRaymiMoralesP
 
Amenaza de parto pretermino ginecología y obstetricia.ppt
Amenaza de parto pretermino ginecología y obstetricia.pptAmenaza de parto pretermino ginecología y obstetricia.ppt
Amenaza de parto pretermino ginecología y obstetricia.ppt
andreaccedenom
 
GENERALIDADES ANATOMICAS - SISTEMA NERVIOSO
GENERALIDADES ANATOMICAS - SISTEMA NERVIOSOGENERALIDADES ANATOMICAS - SISTEMA NERVIOSO
GENERALIDADES ANATOMICAS - SISTEMA NERVIOSO
KattGH1
 
Preparaciones de semisólidos diapositivas
Preparaciones  de semisólidos diapositivasPreparaciones  de semisólidos diapositivas
Preparaciones de semisólidos diapositivas
GracianaSantilln
 
Javaloys, J. - Carlomagno. El carismático fundador de Europa [2013].pdf
Javaloys, J. - Carlomagno. El carismático fundador de Europa [2013].pdfJavaloys, J. - Carlomagno. El carismático fundador de Europa [2013].pdf
Javaloys, J. - Carlomagno. El carismático fundador de Europa [2013].pdf
frank0071
 

Último (20)

problemas_de_geneticaMENDELIANAY NOMENDELIAANA.pdf
problemas_de_geneticaMENDELIANAY NOMENDELIAANA.pdfproblemas_de_geneticaMENDELIANAY NOMENDELIAANA.pdf
problemas_de_geneticaMENDELIANAY NOMENDELIAANA.pdf
 
La santa Biblia, explicación. Dios es amor
La santa Biblia, explicación. Dios es amorLa santa Biblia, explicación. Dios es amor
La santa Biblia, explicación. Dios es amor
 
Documento de ética médica Documento de ética médica
Documento de ética médica Documento de ética médicaDocumento de ética médica Documento de ética médica
Documento de ética médica Documento de ética médica
 
Equilibrio de una partícula en dos dimensiones
Equilibrio de una partícula en dos dimensionesEquilibrio de una partícula en dos dimensiones
Equilibrio de una partícula en dos dimensiones
 
La_familia_bromeliaceae_en_mexico.pdf y ya
La_familia_bromeliaceae_en_mexico.pdf y yaLa_familia_bromeliaceae_en_mexico.pdf y ya
La_familia_bromeliaceae_en_mexico.pdf y ya
 
TEMA 10 SEMILLA 2024 TEMA 10 SEMILLA 2024
TEMA 10 SEMILLA 2024 TEMA 10 SEMILLA 2024TEMA 10 SEMILLA 2024 TEMA 10 SEMILLA 2024
TEMA 10 SEMILLA 2024 TEMA 10 SEMILLA 2024
 
La Geografía como Ciencia un documento v
La Geografía como Ciencia un documento vLa Geografía como Ciencia un documento v
La Geografía como Ciencia un documento v
 
Neuroquimica un tema que habla de las caracyeristicas principales
Neuroquimica un tema que habla de las caracyeristicas principalesNeuroquimica un tema que habla de las caracyeristicas principales
Neuroquimica un tema que habla de las caracyeristicas principales
 
Introduccion-a-Nitrilos-Información Base
Introduccion-a-Nitrilos-Información BaseIntroduccion-a-Nitrilos-Información Base
Introduccion-a-Nitrilos-Información Base
 
organismos unicelulares y pluricelulares.pdf
organismos unicelulares y pluricelulares.pdforganismos unicelulares y pluricelulares.pdf
organismos unicelulares y pluricelulares.pdf
 
Taller de ciencias.pdf cobatab plantel 16
Taller de ciencias.pdf cobatab plantel 16Taller de ciencias.pdf cobatab plantel 16
Taller de ciencias.pdf cobatab plantel 16
 
Jornada informativa UniSalut 2024
Jornada informativa UniSalut 2024Jornada informativa UniSalut 2024
Jornada informativa UniSalut 2024
 
LA GuÍa para Muestreo para Alimento. pdf
LA GuÍa para Muestreo para Alimento. pdfLA GuÍa para Muestreo para Alimento. pdf
LA GuÍa para Muestreo para Alimento. pdf
 
wepik-introduccion-a-los-cicloalcanos-20240618103448TV81.pdf
wepik-introduccion-a-los-cicloalcanos-20240618103448TV81.pdfwepik-introduccion-a-los-cicloalcanos-20240618103448TV81.pdf
wepik-introduccion-a-los-cicloalcanos-20240618103448TV81.pdf
 
4.-PROYECTO DE ECLIPSES SOLAR Y LUNARdocx
4.-PROYECTO DE ECLIPSES SOLAR Y LUNARdocx4.-PROYECTO DE ECLIPSES SOLAR Y LUNARdocx
4.-PROYECTO DE ECLIPSES SOLAR Y LUNARdocx
 
Reporte de historia.pdfdddddddddddddddddd
Reporte de historia.pdfddddddddddddddddddReporte de historia.pdfdddddddddddddddddd
Reporte de historia.pdfdddddddddddddddddd
 
Amenaza de parto pretermino ginecología y obstetricia.ppt
Amenaza de parto pretermino ginecología y obstetricia.pptAmenaza de parto pretermino ginecología y obstetricia.ppt
Amenaza de parto pretermino ginecología y obstetricia.ppt
 
GENERALIDADES ANATOMICAS - SISTEMA NERVIOSO
GENERALIDADES ANATOMICAS - SISTEMA NERVIOSOGENERALIDADES ANATOMICAS - SISTEMA NERVIOSO
GENERALIDADES ANATOMICAS - SISTEMA NERVIOSO
 
Preparaciones de semisólidos diapositivas
Preparaciones  de semisólidos diapositivasPreparaciones  de semisólidos diapositivas
Preparaciones de semisólidos diapositivas
 
Javaloys, J. - Carlomagno. El carismático fundador de Europa [2013].pdf
Javaloys, J. - Carlomagno. El carismático fundador de Europa [2013].pdfJavaloys, J. - Carlomagno. El carismático fundador de Europa [2013].pdf
Javaloys, J. - Carlomagno. El carismático fundador de Europa [2013].pdf
 

Medidas de tendencia central y dispersion

  • 1. Universidad Popular de la Chontalpa PRACTICA: ANALISIS DE VARIANZA EN TOMATES Sergio Salgado Velázquez Guillermo Erasto Soledad Cervantes H. Cárdenas, Tabasco. Martes 08 de Abril del 2014. “Producir y Socializar el Saber” Equipo de Trabajo: Diseños Experimentales MATERIA:
  • 2.  Peso de 30 tomates cortados al azar en un invernadero dedicado a la producción de tomates en Cañada, Morelos, Puebla. Practica 1: 1. 134 g 11. 155 g 21. 170 g 2. 134 g 12. 155 g 22. 170 g 3. 135 g 13. 157 g 23. 172 g 4. 135 g 14. 160 g 24. 180 g 5. 136 g 15. 160 g 25. 180 g 6. 138 g 16. 160 g 26. 180 g 7. 138 g 17. 166 g 27. 180 g 8. 145 g 18. 168 g 28. 182 g 9. 145 g 19. 169 g 29. 189 g 10. 147 g 20. 169 g 30. 190 g
  • 3.  Calcular media, mediana y moda. Practica 2: 1.- La media aritmética es el valor obtenido al sumar todos los datos y dividir el resultado entre el número total de datos. Media= 4799/30 Media= 159.96 g 1. 134 g 11. 155 g 21. 170 g 2. 134 g 12. 155 g 22. 170 g 3. 135 g 13. 157 g 23. 172 g 4. 135 g 14. 160 g 24. 180 g 5. 136 g 15. 160 g 25. 180 g 6. 138 g 16. 160 g 26. 180 g 7. 138 g 17. 166 g 27. 180 g 8. 145 g 18. 168 g 28. 182 g 9. 145 g 19. 169 g 29. 189 g 10. 147 g 20. 169 g 30. 190 g La sumatoria de todos los datos es: 4799 g El numero total de datos son 30
  • 4.  Calcular media, mediana y moda. Practica 2: 2.- La mediana es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de menor a mayor. Mediana= 160g + 160g / 2 Mediana= 160 g. 1. 134 g 11. 155 g 21. 170 g 2. 134 g 12. 155 g 22. 170 g 3. 135 g 13. 157 g 23. 172 g 4. 135 g 14. 160 g 24. 180 g 5. 136 g 15. 160 g 25. 180 g 6. 138 g 16. 160 g 26. 180 g 7. 138 g 17. 166 g 27. 180 g 8. 145 g 18. 168 g 28. 182 g 9. 145 g 19. 169 g 29. 189 g 10. 147 g 20. 169 g 30. 190 g En la muestra los datos centrales son los números 15 y 16. Como se observa son 30 datos (par) por lo cual se toman los dos datos medios dejando 14 valores arriba y 14 valores por debajo
  • 5.  Calcular media, mediana y moda. Practica 2: 2.- La moda es simplemente el valor que aparece más veces. En una serie de datos ordenados en creciente. Moda= 180 g. 1. 134 g 11. 155 g 21. 170 g 2. 134 g 12. 155 g 22. 170 g 3. 135 g 13. 157 g 23. 172 g 4. 135 g 14. 160 g 24. 180 g 5. 136 g 15. 160 g 25. 180 g 6. 138 g 16. 160 g 26. 180 g 7. 138 g 17. 166 g 27. 180 g 8. 145 g 18. 168 g 28. 182 g 9. 145 g 19. 169 g 29. 189 g 10. 147 g 20. 169 g 30. 190 g En la muestra los datos que mas se repiten son los números 24, 25, 26 y 27 Siendo por tanto el valor 180 g.
  • 6.  Calcular rango, varianza, desviación estándar y coeficiente de variación de la muestra de tomates. Practica 3: 1.- Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor más elevado y el valor más bajo. Rango= Valormax - Valormin Rango= 190g -134 g Rango= 56 g 1. 134 g 11. 155 g 21. 170 g 2. 134 g 12. 155 g 22. 170 g 3. 135 g 13. 157 g 23. 172 g 4. 135 g 14. 160 g 24. 180 g 5. 136 g 15. 160 g 25. 180 g 6. 138 g 16. 160 g 26. 180 g 7. 138 g 17. 166 g 27. 180 g 8. 145 g 18. 168 g 28. 182 g 9. 145 g 19. 169 g 29. 189 g 10. 147 g 20. 169 g 30. 190 g
  • 7. Practica 3: 2.- La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una distribución estadística. La varianza se representa por : Sumatoria=9254.9680 Varianza= 9254.9680/ 30-1 Varianza= 319.13  Numero Peso (g) (X1-MEDIA) (X1-MEDIA)² 1 134 -25.96 673.9216 2 134 -25.96 673.9216 3 135 -24.96 623.0016 4 135 -24.96 623.0016 5 136 -23.96 574.0816 6 138 -21.96 482.2416 7 138 -21.96 482.2416 8 145 -14.96 223.8016 9 145 -14.96 223.8016 10 147 -12.96 167.9616 11 155 -4.96 24.6016 12 155 -4.96 24.6016 13 157 -2.96 8.7616 14 160 0.04 0.0016 15 160 0.04 0.0016 16 160 0.04 0.0016 17 166 6.04 36.4816 18 168 8.04 64.6416 19 169 9.04 81.7216 20 169 9.04 81.7216 21 170 10.04 100.8016 22 170 10.04 100.8016 23 172 12.04 144.9616 24 180 20.04 401.6016 25 180 20.04 401.6016 26 180 20.04 401.6016 27 180 20.04 401.6016 28 182 22.04 485.7616 29 189 29.04 843.3216 30 190 30.04 902.4016
  • 8. Practica 3: 3. La desviación estándar es el cuadrado de la varianza: S2 = 319.13 S= √319.13 S= 17.86  Numero Peso (g) (X1-MEDIA) (X1-MEDIA)² 1 134 -25.96 673.9216 2 134 -25.96 673.9216 3 135 -24.96 623.0016 4 135 -24.96 623.0016 5 136 -23.96 574.0816 6 138 -21.96 482.2416 7 138 -21.96 482.2416 8 145 -14.96 223.8016 9 145 -14.96 223.8016 10 147 -12.96 167.9616 11 155 -4.96 24.6016 12 155 -4.96 24.6016 13 157 -2.96 8.7616 14 160 0.04 0.0016 15 160 0.04 0.0016 16 160 0.04 0.0016 17 166 6.04 36.4816 18 168 8.04 64.6416 19 169 9.04 81.7216 20 169 9.04 81.7216 21 170 10.04 100.8016 22 170 10.04 100.8016 23 172 12.04 144.9616 24 180 20.04 401.6016 25 180 20.04 401.6016 26 180 20.04 401.6016 27 180 20.04 401.6016 28 182 22.04 485.7616 29 189 29.04 843.3216 30 190 30.04 902.4016
  • 9. Practica 3: 4. Coeficiente de variación (CV) es el cociente entre la desviación estándar y la media multiplicada por 100. CV = (dS/ media) 100 CV= (17.86/ 160) 100 CV= 11.16%  Numero Peso (g) (X1-MEDIA) (X1-MEDIA)² 1 134 -25.96 673.9216 2 134 -25.96 673.9216 3 135 -24.96 623.0016 4 135 -24.96 623.0016 5 136 -23.96 574.0816 6 138 -21.96 482.2416 7 138 -21.96 482.2416 8 145 -14.96 223.8016 9 145 -14.96 223.8016 10 147 -12.96 167.9616 11 155 -4.96 24.6016 12 155 -4.96 24.6016 13 157 -2.96 8.7616 14 160 0.04 0.0016 15 160 0.04 0.0016 16 160 0.04 0.0016 17 166 6.04 36.4816 18 168 8.04 64.6416 19 169 9.04 81.7216 20 169 9.04 81.7216 21 170 10.04 100.8016 22 170 10.04 100.8016 23 172 12.04 144.9616 24 180 20.04 401.6016 25 180 20.04 401.6016 26 180 20.04 401.6016 27 180 20.04 401.6016 28 182 22.04 485.7616 29 189 29.04 843.3216 30 190 30.04 902.4016
  • 10.  0 20 40 60 80 100 120 140 160 180 200 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930 PesodeFruto(g) Número de observaciones Practica 4:  Grafica de barra
  • 11.  Número de observaciones Practica 4:  Diagrama de Tallos y Hojas Tallo Hojas 13 4 4 5 5 6 8 8 14 5 5 7 15 5 5 7 16 0 0 0 6 8 9 9 17 0 0 2 18 0 0 0 0 2 9 19 0
  • 12.  Número de observaciones Practica 4:  Grafico de Cajas y bigotes: Q1 138 MEDIANA (MEDIANA-Q1) 22 Q3 (Q3-MEDIANA) 12 MINIMO 134 Q1 138 MEDIANA 160 Q3 172 MAXIMO 190 MINIMO 7.5 MAXIMO 20 Para obtener el mínimo se resta el Q1-MINIMO Para obtener el máximo se resta MAXIMO-Q3. 0 20 40 60 80 100 120 140 160 180 200
  • 13.  Calcular intervalo de confianza con δ=1% S=17.86 n=30 M=159.96 Practica 5:                            7564.2 4772.5 86.17 96.159 30 86.17 96.159 )130(2 01.0 t               )1(2 nt n s x                1)(n2 α t n s x               )130(2 01.0 30 86.17 96.159 t              )29(005.0 30 86.17 96.159 t              7564.2 30 86.17 96.159              7564.2 4772.5 86.17 96.159  9877.896.159   9723.150 Limite inferior 1.   7564.22607.396.159 2. 3. 4. 5. 6. 7.
  • 14.  Calcular intervalo de confianza con δ=1% S=17.86 n=30 M=159.96 Practica 5:               1)(n2 α t n s x               )130(2 01.0 30 86.17 96.159 t              )29(005.0 30 86.17 96.159 t              7564.2 30 86.17 96.159              7564.2 4772.5 86.17 96.159   7564.22607.396.159   9877.896.159   9467.168 Limite Superior En un nivel de error 1% la probabilidad de la media poblacional (M) se encuentra en el intervalo de confianza : (150.9723, 168.9467) 1. 3. 2. 4. 5. 6. 7.
  • 15.  Calcular intervalo de confianza con δ=5% S=17.86 n=30 M=159.96 Practica 5:                            7564.2 4772.5 86.17 96.159 30 86.17 96.159 )130(2 01.0 t               )1(2 nt n s x                1)(n2 α t n s x               )130(2 05.0 30 86.17 96.159 t              )29(025.0 30 86.17 96.159 t              0452.2 30 86.17 96.159              0452.2 4772.5 86.17 96.159  6687.696.159   2913.153 Limite inferior 1.   0452.22607.396.159 2. 3. 4. 5. 6. 7.
  • 16.  Calcular intervalo de confianza con δ=5% S=17.86 n=30 M=159.96 Practica 5:               1)(n2 α t n s x               )130(2 05.0 30 86.17 96.159 t              )29(025.0 30 86.17 96.159 t              0452.2 30 86.17 96.159              0452.2 4772.5 86.17 96.159   0452.22607.396.159   6687.696.159   6287.166 Limite Superior En un nivel de error 5% la probabilidad de la media poblacional (M) se encuentra en el intervalo de confianza : (153.2913, 166.6287) 1. 3. 2. 4. 5. 6. 7.
  • 17.  Calcular intervalo de confianza con δ=10% S=17.86 n=30 M=159.96 Practica 5:                            7564.2 4772.5 86.17 96.159 30 86.17 96.159 )130(2 01.0 t               )1(2 nt n s x                1)(n2 α t n s x               )130(2 1.0 30 86.17 96.159 t              )29(05.0 30 86.17 96.159 t              6991.1 30 86.17 96.159              6991.1 4772.5 86.17 96.159  540.596.159   42.154 Limite inferior 1.   6991.12607.396.159 2. 3. 4. 5. 6. 7.
  • 18.  Calcular intervalo de confianza con δ=10% S=17.86 n=30 M=159.96 Practica 5:               1)(n2 α t n s x               )130(2 1.0 30 86.17 96.159 t              )29(05.0 30 86.17 96.159 t              6991.1 30 86.17 96.159              6991.1 4772.5 86.17 96.159   6991.12607.396.159   540.596.159   5.165 Limite Superior En un nivel de error 10% la probabilidad de la media poblacional (M) se encuentra en el intervalo de confianza : (154.42, 165.5) 1. 3. 2. 4. 5. 6. 7.