• Guía para Usar el Procedimiento GLM

• Indice de Programas Fuentes y Salida SAS

• Programas Fuentes disponibles para copiar y procesar por SAS

Proc GLM

Introducción:   
Especificación de efectos:
Especificación de modelos:
Operador de barra: ( | )
Instrucciones y opciones disponibles

 
Introducción:  
     Proc GLM puede analizar datos que requieran uso de las siguientes metodología estadística:
• Regresión Simple
• Regresión Múltiple
• Análisis de varianza (Caso balanceado y no balanceado)
• Modelo de superficie de respuesta
• Regresión polonómica
• Análisis de varianza multivariante
• Análisis de covarianza
• Análisis de varianza multivariante

Especificación de efectos: Sean A, B, C, D y  E  variables clases y sean X1,  X2, y  Y variables continuas. entonces,
X1, X2                                               representan efectos de variables continuas en un modelo tipo regresión.
X1*X1, X1*X2                                 denotan efectos polinómicos.
A*B , B*C,  A*B*C                         indican efectos cruzados (interacciones).
B(A), C(B A), D*E(C B A )             representan efectos anidados. B(A) se lee como: B anidado dentro de A.
X1*A                                                indica efecto de una variable continua por una variable clase.
X1*X2*A*B*C(D E)                       denota una forma general que involucra varias variable.
 
 
   Especificación de modelos:

Especificación:                        Tipo de modelo:                                 Explicación
model y = x1  ;                                 Regresión simple                                y es la variable dependiente
                                                                                                                      x es la variable independiente
model y = x1 x2 ;                             Regresión múltiple                             x1 y x2 son las variables independientes
model y1 y2 = x1 x2 ;                      Regresión  multivariante                   y1 y y2 son las variables dependientes
                                                                                                                                                             x1 y x2 son las variables independientes
model y = abono  ;                          ANDEVA: clasificación simple           abono es una variable tipo clase
model y = a  b a*b ;                        modelo factorial con interacción         a y b son dos variables tipo clase
model y = a b ;                                modelo factorial sin interacción          a y b son dos variables tipo clase
model a b(a) c(b a);                        modelo anidado                                    a , b y c son dos variables tipo clase
model y = a x1;                              modelo de Análisis de covarianza       a es una variable tipo clase y x1 es
                                                                                                                      una variable continua
model y = a x1 x2;                         modelo de Análisis de covarianza múltiple         a es una clase, x1 y x2 son continuas
 
 
 

Operador de barra: ( | ) model y = a b c a*c b*c a*b*c;
se puede escribir también como:
model y = a | b | c;
 
                            model y = a b c a*b a*c b*c ;
                            se puede escribir como:
                            model y = a | b | c@2 ;
 
                                                                           A | C(B) indica: A C(B) A*C(B)
                                                                           A | B(A) | C indica: A  B(A)  C A*C  B*C(A)
                                                                           A(B) | B(D E) indica: A(B) B(D E) 
 
 

Proc GLM opciones ;
Class Variables ;
 Model dependiente(s) = independientes / opciones ;
By variables ;
Contrast 'etiqueta' efecto valores ......... /opciones ;
Means efecto(s) /opciones ;
Lsmeans efecto(s) / opciones ;
Random efecto(s) / opciones ;
Test H = efecto(s)  E = efecto / opciones ;
Run ;
 
 
 
 
 
 
 

 Proc GLM opciones ;

 Data = Nombre-del-conjunto-de-dato-sas
Es el nombre del conjunto de dato sas para procesar. Si se omite este nombre, se usará el último conjunto   de datos sas que ha sido creado.

outstat = Nombredelconjunto-de-datos-sas
 nombra un conjunto de dato sas que guarda valores de Suma de cuadrados y F para cada efecto(s)  y contraste(s) usados en el modelo .
 
 Class Variables ;
Class nombra las variables de clasificación que serán usadas para analizar datos.
Ejemplos:
class abono ;
class variedad bloques ;
class N P K ;

Model dependiente(s) = independientes / opciones ;
Ejemplos:
model y = variedad ;
model y = variedad bloques ;
model y = semanas  dias(semanas)  tiendas(semanas)  trat  trat * semanas ;
opciones:
ss1        Imprimir suma de cuadrados de tipo 1 para los efectos.
.
.
ss4        ...................................... de tipo 4 ..........................
Output out = nombre-conjunto-de datos P = nombre  R = nombre   stdi = nombre stdr = nombre;
donde,
P = valores estimados de E(Y) ,  R = valor residual , stdi = error estándar del valor individual estimado,    stdr = error estándar del valor residual.
Ejemplo:
OUTPUT OUT = NUEVO  P = YESTIM    R = RESIDUO;

By variables ;
Obtiene análisis separadamente por la(s) variable(s) declarada(s) por By. Los datos deben de estar ordenados por esas variables.
 
Contrast 'etiqueta' efecto valores ......... /opciones ;
Pemite contrastar una hipótesis por un contraste lineal especificado en el programa.
Ejemplos:
 contrast "A vs. el resto"             trat  -7   1   1   1   1   1   1   1 ;
 contrast "BC vs. DEFGH  "       trat    0   5   5  -2  -2  -2  -2  -2 ;
 contrast "B vs. C       "                trat    0   1  -1   0   0   0   0   0 ;
opciones:
E  = efecto                  especifica el efecto en el modelo que será usado como error para contrastar hipótesis.
Etype = n , donde n = 1, 2, 3, ó 4.
                                    especifica que tipo de suma de cuadrados para el efecto en E = será usado.

Means efecto(s) /opciones ; 
Calcula promedios de efecto(s) . Deben haber sido  declarados en Model.
Ejemplos:
Means a b ;
Means a b a*b ;
opciones:
Declara el método de comparación de promedios que será usado.
Los siguientes métodos están disponibles:
Bon, Duncan, Dunnett, Gabriel, Scheffe, Sidak, SNK, Tukey, etc.

Lsmeans efecto(s) / opciones ;
Calcula promedios de efectos por el método de mínimos cuadrados.
Ejemplos:
Lsmeans a b ;
Lsmeans a b a*b ;

Random efecto(s) / opciones ;
Especifica los efectos en el modelo que son aleatorios.
opciones:
Test                                 especifica que se haga el contraste de hipótesis de de cada efecto declarado en
                                        Model, usando el término del error apropiado basado en el cómputos de valores
                                        esperados de cuadrados medios correspondientes.
Ejemplos:
Random a ;
Random a   b   a*b /Test ;

Test H = efecto(s)  E = efecto / opciones ;
Declara el término del error que debe ser usado para contrastar hipótesis acerca de efectos que aparecen después de H =
Opciones:
Etype = n               Especifica el tipo de suma de cuadrados que se usará como el término del error.
Htype = n               Especifica el tipo de suma de cuadrados que se usará en la hipótesis.

Ejemplo:
Test h = a E = b(a) /htype = 1 etype = 1 ;
 
 
 
 

 
 
 
 
 

  INDICE de Programas Fuentes y Salida SAS:

*<P.1> ;
      OPTIONS   PAGESIZE = 500  LINESIZE = 72;
      **   PROC GLM  PLOT RESIDUALS  REGRESSION  MULTIPLE COMPARISONS **
      /* MONTGOMERY PAGINA 53 : (2da. edicion: inglés)*/
      * Diseño C.A. k = 5  n = 5 Var. resp. resistencia de fibra sintética (lb/in cuadrado.) ;
      * Los 5 tratamientos son cuantitativos definidos por  X = % de algodon ;
      TITLE  '<P.1> ANDEVA: DISEÑO C.A. (MODELO FIJO)';
      * Tabulación de datos ;
      * % de algodón            Datos de tratamientos por fila      ;
      DATA A1;
      DO I = 1 TO 5;
      INPUT X @ ;
      DO J = 1 TO 5;
      INPUT  Y @; OUTPUT;
      END;
      INPUT;
      END;
      CARDS;
      15  7  7 15 11 9
      20 12 17 12 18 18
      25 14 18 18 19 19
      30 19 25 22 19 23
      35 7  10 11 15 11
      ;
      * Tabulación de datos ;
      * Tiempo de secuencia de corrida de Tratamientos ;
      DATA TIEMPO;
      DO I = 1 TO 5;
      DO J = 1 TO 5;
      INPUT TM @; OUTPUT;
      END;
      INPUT;
      END;
      CARDS;
      15 19 25 12  6
       8 14  1 11  3
      18 13 20  7  9
      22  5  2 24 10
      17 21  4 16 23
      ;
      PROC GLM DATA = A1;
      CLASS X; MODEL  Y = X;
      MEANS X/ TUKEY;
      CONTRAST 'LINEAL '     X -2 -1  0  1  2;
      CONTRAST 'CUADRATICO ' X  2 -1 -2 -1  2 ;
      CONTRAST 'CUBICO'      X -1  2  0 -2  1;
      CONTRAST 'CUARTICO'    X  1 -4  6 -4  1;
      OUTPUT OUT = NUEVO P = YESTIM  R = RESIDUO;
      * Se prepara el conjunto de datos A4, uniendo A1, TIEMPO NUEVO ;
      OPTIONS PAGESIZE = 30 ;
      DATA A4;
      MERGE A1 TIEMPO NUEVO;
      PROC PRINT; RUN;
      PROC PLOT DATA = A4;
      PLOT RESIDUO * TM/ VREF =  0 ;
      PLOT RESIDUO * YESTIM/VREF = 0  ;
      RUN;
      OPTIONS PAGESIZE = 500;
      TITLE  AJUSTE DE UNA REGRESION CUBICA DE Y SOBRE X ;
      PROC GLM;
      MODEL Y = X X*X X*X*X;
      RUN;


                     ** PROC GLM/RANDOM  PROC VARCOMP ** ;

      DATA EJEMPLO;
      Title ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A. ;
      /* MODELO ALEATORIO: PA. 75 MONTGOMERY */;
      *Descripción del experimento aleatorio: ;
      * Se seleccionan 4 muestras de telas al azar y se hacen 4 determinaciones de;
      * resistencia para cada una de las muestras con el objetivo conocer la variabilidad;
      * Tabulación de datos: Obsevaciones por fila, que representa la muestra ;
      DO TRAT = 1 TO 4;
      DO J = 1 TO 4;
      INPUT Y @; OUTPUT;
      END;  INPUT;
      END;
      CARDS;
      98 97 99 96
      91 90 93 92
      96 95 97 95
      95 96 99 98
      ;
      PROC PRINT;
      PROC GLM;
      CLASS   TRAT;
      MODEL Y = TRAT;
      MEANS TRAT;
      RANDOM TRAT/TEST;
      RUN;
      PROC VARCOMP METHOD = TYPE1;
      CLASS TRAT;
      MODEL Y = TRAT;
      RUN;

                              **  PROC NESTED **  ;
      Title ANDEVA DISEÑO C.A. NO BALANCEADO ;
      * Tabulación de datos:
      * Cada fila presenta datos correspondientes a un tratamiento ;
      * primer dato en una fila representa el número de observaciones y luego ;
      * se listan las observaciones del tratamiento correspondiente ;
      DATA A1;
      DO TRAT = 1 TO 4;
      INPUT NR @;
      DO J = 1 TO NR;
      INPUT Y @; OUTPUT;
      END;
      INPUT;
      END;
      CARDS;
      4 2 6 8 10
      2 10 12
      3 2 4 6
      2 32 46
      ;
       PROC GLM;
       CLASS TRAT;
       MODEL Y = TRAT /SS1;
       MEANS TRAT/ DUNCAN;
      RUN;

      *<P.2> ;
      TITLE <P.2> PRUEBA DE BARTLETT PARA CONTRASTAR IGUALDAD DE VARIANZAS  ;
      options    pagesize = 500;
      * Datos: Federer: Página 90 ;
      * 4 tratamientos con 5 replicaciones cada uno. ;
      * Tabulación de datos: Tratamientos por columna ;
      * Este programa es una modificación del programa correspondiente ;
      * en la muestra de programas del procedimiento STAT del SAS ;
      Data a2;
      do Rep  = 1 to 5;
      do Trat = 1 to 4;
      input y @ ; output;
      end;
      input ;
      end;
      cards ;
      55  61   42  169
      49  112  97  137
      42  30   81  169
      21  89   95  85
      52  63   92  154
      ;
      proc print; run;
      proc glm;
      class trat ;
      model y = trat;
      run;
      PROC SUMMARY NWAY;   /* Calcular y guardar varianza estimada y  */
      CLASS TRAT;       /* el número de observaciones para cada nivel de trat */
      VAR Y;
      OUTPUT OUT= salida  VAR=VARIANCE N=NUM;
      PROC PRINT ; RUN;
      DATA _NULL_;
      SET SALIDA END=EOF;
      LOGVARI=LOG(VARIANCE);
      N=NUM-1;
      SLOGVAR+LOGVARI*N;
      TOTN+N;

      NVAR=N*VARIANCE;
      SNVAR+NVAR;
      A+1;
      SFRACT+1/N;
      IF EOF THEN DO;
        M=TOTN*LOG(SNVAR/TOTN)-SLOGVAR;
        C=1+(1/(3*(A-1)))*(SFRACT-1/TOTN);
        CHISQ=M/C;
        PROBCHI=PROBCHI(CHISQ,(A-1));
        ALPHA=1-PROBCHI;
        FILE PRINT;
        PUT 'Test de Bartlett para contrastar igualdad de varianzas';
        PUT '  ';
        PUT ' CHI-CUADRADO =' CHISQ '  ALPHA =' ALPHA '.';
        END;
        RUN;
        *<P.3> * ;
        Title <P.3> ANDEVA: BLOQUES ALEATORIOS    ;
        option    pagesize = 500 ;
        * datos: Li, J.C.R. Capitulo 14 ;
        * 6 tratamientos de Variedades y 5 bloques ;
        * Tabulación de datos:  por filas como Variedades ;
        * y = rendimiento ;
        data a6;
        do Variedad = 1 to 6;
        do Bloques =  1 to 5;
        input y @ ;
        output ;
        end;
        input ;
        end;

        cards;
        32.6    41.0    17.9    23.8    19.6
        38.4    39.4    37.1    42.8    21.8
        65.1    59.9    41.9    36.1    21.1
        54.2    46.4    43.6    35.1    43.4
        83.7    37.9    69.3    63.8    50.7
        77.1    70.8    57.7    51.1    46.5
        ;

        proc glm ;
        class variedad bloques ;
        model y = variedad bloques /ss1 ;
        means variedad /duncan ;
        run;
    *<P.4> ;
    Title <P.4> ANDEVA: DISEÑO B.A. CON DATO FALTANTE  ;
    OPTIONS    PAGESIZE = 500;
    data a1;
    do Trat =  1 to 3;
    do block = 1 to 5;
    input y @; output;
    end;
    input;
    end;
    cards;
    .   887  897 850 975
    857 1189 918 968 909
    917 1072 975 930 954
     ;
     proc print; run;
     data a2;
     set a1;
     if y = . then delete ;
     proc print; run;
    proc glm;
    class Trat block;
    model y = block Trat;
    means Trat/duncan;
    run;
        *<P.5> ;
        title <P.5> DISEÑO B. A. : CONTRASTES LINEALES ORTOGONALES   ;
        * Steel y Torrie: Capituilo 11 ;
        *  8 tratamientos de fungicidas y 6 bloques.
        * Este experimento se hizo en invernadero.
        * y = Número de plantas de maíz que han sobrevividos después de
        * haber sido infectados por Diploidia spp.
        * Tabulación de datos:
        * Datos por filas según bloques;
        OPTIONS    PAGESIZE = 500 ;
        DATA A1;
        do bloque = 1 to 6;
        do trat = 1 to 8;
        input y @ ;
        output;
        end;
        input ;
        end;
        cards;
        8  16  14  10  8  8  7  12
        8  19  16  11  7  8  6  19
        9  24  14  12  1  3  6   9
        7  22  13   8  1  3  6  11
        7  19  14   7  3  3  4   9
        5  19  13   3  2  7  4   5
        ;

        * proc print ; run;
        * A :        testigo (sin fungicida):  B  y C: Fungicidas Mercuricas:  ;
        * D y H:     Fungicidas no mercuricas Compañia I ;
        * E, F y G:  Fungicidas no mercuricas Compañia II ;
        * F y G son formulaciones nuevas de E ;
        Proc GLM ;
        class bloque trat ;

        model y = bloque trat ;
        means trat ;
        contrast "A vs. el resto"       trat  -7   1   1   1   1   1   1   1 ;
        contrast "BC vs. DEFGH  "       trat   0   5   5  -2  -2  -2  -2  -2 ;
        contrast "B vs. C       "       trat   0   1  -1   0   0   0   0   0 ;
        contrast "DH vs. EFG    "       trat   0   0   0   3  -2  -2  -2   3 ;
        contrast "D vs. H       "       trat   0   0   0   1   0   0   0  -1 ;
        contrast "E vs. FG      "       trat   0   0   0   0   2  -1  -1   0 ;
        contrast "F vs. G       "       trat   0   0   0   0   0   1  -1   0 ;
        run;
  *<P.6> ;
  Title <P.6> ANDEVA DISEÑO B.A. CON MAS DE UNA OBSERVACION POR CADA UNIDAD EXPERIMENTAL ;
  OPTIONS    PAGESIZE = 500 ;
  * Federer Página 120: B. A. k = 7 variedades de Guayule, n=5 ;
  * m = 2 plantas fueron selecionada en cada parcela;
  * var. resp. = contenido de caucho en gms.;
  * Tabulación de datos: Código de identificación numérica para variedad ;
  * seguido por  2 observaciones. ;
  data a1;
  do Bloque = 1 to 5;
  do i = 1 to 5;
  input trat $ @;
  input y @;output;
  input y @; output;
  end;
  input;
  do i = 1 to 2;
  input trat $ @;
  input y @; output;
  input y @; output;
  end;
  input;
  end;
  cards;
  130 4.06 3.75 406 6.65 6.17 593 6.85 4.94 109 1.46 6.39 416 2.96 2.71
  405 2.53 6.93 407 2.06 6.12
  109 4.07 7.73 593 5.92 5.00 405 1.85 6.44 406 4.06 6.65 416 4.35 5.85
  130 9.27 6.64 407 5.00 5.12
  593 3.88 6.22 407 2.59 4.79 406 7.77 6.91 416 2.03 5.08 130 6.42 4.72
  405 5.20 0.90 109 6.29 4.77
  130 4.43 7.31 109 6.84 0.89 405 6.49 8.55 416 5.41 0.87 593 6.7 6.67
  407 6.46 10.66 406 6.12 8.21
  593 5.82 5.08 130 6.64 5.92 416 0.48 1.97 405 7.30 4.19 406 8.11 5.95
  109 7.35 5.33 407 7.66 5.00
  ;
  * Proc Print;
  * run;
  proc anova;
  class  bloque trat;
  model y = trat bloque trat*bloque;
  test h = bloque trat e = trat*bloque;
  run;
    *<P.7> ;
    Title <P.7> ANDEVA: DISEÑO CUADRADO LATINO  ;
    * options    pagesize = 500 ;
    * 4 Filas:  4 Columnas: 4 Tratamientos(Variedades de Trigo) ;
    * y = Rendimiento por parcela en Kg. ;
    * Ejemplo: Steel y Torrie: Capitulo 8 ;
    data a1;
    do Filas    = 1 to 4 ;
    do Columnas = 1 to 4 ;
    input trat $  y @@ ;
    output;
    end;
    input ;
    end;
    cards;
    C  10.5  D   7.7  B  12.0  A  13.2
    B  11.1  A  12.0  C  10.3  D   7.5
    D   5.8  C  12.2  A  11.2  B  13.7
    A  11.6  B  12.3  D   5.9  C  10.2
    ;
    *Proc Print;
    *run;
    proc glm;
    class  Filas Columnas  Trat;
    model y =  Filas Columnas  Trat /ss1;
    run;

    *<P.8> ;
    Title <P.8> ANDEVA CUADRADOS LATINOS REPETIDOS  ;
    OPTION    PAGESIZE = 500 ;
    * Federer Página: 151 ;
    * Filas: 4 primeros días de la semana: Columnas: 4 tiendas en la ciudad. ;
    * Tratamientos: a: Manzana regular al precio menor :  b: Manazana calidad mediana : ;
    * c: Manzana uniforme:  d: manzana uniforme de color bonito ;
    * var. resp.: peso en libras de 100 manzanas comprados por los clientes. ;
    * C.L. 1: Expto. en la primera semana: C.L. 2: Expto. en la segunda semana: ;
    * TABULACIÓN DE DATOS ;
    * PRIMERAS 4 FILAS: C.L.1 : ULTIMAS  4 FILAS: C.L.2 ;

      data CLREP;
      do SEMANAS = 1 to 2;
      do DIAS= 1 to 4;
      do TIENDAS = 1 to 4;
      input TRAT $ y @;output;
      put SEMANAS DIAS TIENDAS _n_;
      end;
      input;
      end;
      end;
      cards;

      a 14 b 8 c 40 d 48
      b 20 a 22 d 48 c 25
      d 24 c 12 b 12 a 27
      c 31 d 16 a 32 b 22
      b 24 d 30 c 24 a 12
      d 42 a 4 b 12 c 32
      a 8 c 8 d 36 b 28
      c 28 b 32 a 48 d 54
      ;
      * proc print;
      * run;

      title2 "Analisis Primera semana";
      data CL1;
      set CLREP;
      if semanas = 1;
      * proc print; run;
      proc glm ;
      class DIAS TRAT TIENDAS ;
      model y =  DIAS  TIENDAS  TRAT /ss1;

      run;

      title2 "Analisis Segunda semana";
      data CL2;
      set CLREP;
      if semanas = 2;
      * proc print; run;
      proc glm ;
      class DIAS TRAT TIENDAS ;
      model y =  DIAS  TIENDAS  TRAT /ss1;
      run;

      title2 "Analisis combinado de Primera y Segunda semanas";
      proc glm data =CLREP ;
      class DIAS TRAT TIENDAS SEMANAS;
      model y = SEMANAS DIAS(SEMANAS)  TIENDAS(SEMANAS)  TRAT trat * semanas/ss1;
      run;
    *<P.9> ;
    Title <P.9> ANDEVA: DISEÑO GRECO CUADRADO LATINO  ;
    * options    pagesize = 500 ;
    * Filas: 5 Partidas de materia prima:
    * Columnas:  5 niveles de concentración de ácido ;
    * Letras Latinas: 5 Tratamientos de tiempo de espera ;
    * Letras griegas: 5 niveles del catalizador ;
    * y = Rendimiento del proceso químico ;
    * Ejemplo: Montgomery: Capitulo 5 ;
    data a1;
    do Mprima   = 1 to 5 ;
    do Concentr = 1 to 5 ;
    input trat $ griega $ y @@ ;
    output;
    end;
    input ;
    end;
    cards;
    A alfa      26  B beta     16 C gama     19  D delta    16   E epsilon 13
    B gama      18  C delta    21 D epsilon  18  E alfa     11   A beta 21
    C epsilon   20  D alfa     12 E beta     16  A gama     25   B delta 13
    D beta      15  E gama     15 A delta    22  B epsilon  14   C alfa 17
    E delta     10  A epsilon  24 B alfa     17  C beta     17   D gama 14
    ;
    *Proc Print;
    *run;
    proc glm;
    class  Mprima Concentr Griega Trat;
    model y =  Mprima Concentr Griega Trat /ss1;
    run;
       *<P.10> ;
        Title <P.10> ANDEVA: EXPERIMENTO FACTORIAL 2X4 EN UN DISEÑO B.A. ;
        OPTIONS    PAGESIZE = 500 ;
        * Datos: Li, J C. R., Capitulo 18: Introduction to Statistical Inference
        * Factors:  Fecha de siembra con 2 niveles: Temprana , Tardia ;
        * Factor: Abono con 4 niveles: Testigo, Aereo, Na, y, K  ;
        * Número de bloques = 4 ;
        * rendimiento por parcela de soya ;
        * Tabulación de datos:
        *                                            Bloques               ;
        * Fecha de siembra  Abono       1       2       3       4          ;
        *   Temprana       Testigo      -       -       -       -          ;
        *   Temprana       Aereo        -       -       -       -          ;
        *   Temprana       Na           -       -       -       -          ;
        *   Temprana       K            -       -       -       -          ;
        * .... Después siguen 4 lineas siguientes para fecha se siembra tardia ....;

        data a4;
        do Fecha  =  1 to 2;
        do abono  =  1 to 4;
        do bloque =  1 to 4;
        input y @ ;  output;
        end; input ; end; end;

        cards;
        28.6  36.8  32.7  32.6
        29.1  29.2  30.6  29.1
        28.4  27.4  26.0  29.3
        29.2  28.2  27.7  32.0
        30.3  32.3  31.6  30.9
        32.7  30.8  31.0  33.8
        30.3  32.7  33.0  33.9
        32.7  31.7  31.8  29.4
        ;
        * proc print; run;
        proc glm;
        class  Bloque Fecha Abono;
        model y = Bloque Fecha Abono Fecha*Abono /ss1 ;
        means Fecha Abono ;
        run;

      *<P.11> ;
      OPTIONS    PAGESIZE = 500 ;
      TITLE <P.11>  POLINOMIOS ORTOGONALES: FACTORIAL 3X3 EN UN DISEÑO C.A.;
      /* MONTGOMERY PAGINA 231 : (2da. edicion: inglés)*/
      * número de replicaciones = 2  ;
      * 2 Factores: Angulo de herramienta  y Velocidad de corte ;
      * Se denotaran por Angherr y Vcort ;
      * Niveles de Angherr:  15    20  25  (grados)  ;
      * Niveles de Vcort:   125  150  175  (r.p.m.)  ;
      * y = duración de la vida efectiva del instrumento (Se usan datos codificados);
      * Tabulación de datos ;
      * Angherr     Vcort                                ;
      *         125      150     175                          ;
      *  15      -       -       -                            ;
      *  15      -       -       -                            ;
      * ..........................  etc.  ....................;
      *  25      -       -       -                            ;
      *  25      -       -       -                            ;

      DATA A1;
      do angherr =  15,  20,  25  ;
      do rep    = 1 to 2;
      do vcort  = 125, 150, 175  ;
      input Y @ ;
       put angherr rep vcort y ;
      output;
      end;
      input;
      end;  end;
      cards;
      -2        -3      2
      -1         0      3
       0         1      4
       2         3      6
      -1         5      0
       0         6     -1
       ;

      proc print; run;

      PROC GLM ;
      CLASS Angherr Vcort ;
      MODEL  Y = Angherr|Vcort /ss1;

      CONTRAST 'LINEAL Angherr '     Angherr      -1  0  1;
      CONTRAST 'CUADRATICO Angherr'  Angherr       1 -2  1;
      CONTRAST 'LINEAL Vcort'        Vcort        -1  0  1;
      CONTRAST 'CUADRATICO Vcort '   Vcort         1 -2  1;
      CONTRAST 'LINEAL*LINEAL '         Angherr*Vcort   1  0  -1  0  0  0  -1  0   1;
      CONTRAST 'LINEAL*CUADRATICO '     Angherr*Vcort  -1  2  -1  0  0  0   1 -2   1;
      CONTRAST 'CUADRATICO*LINEAL '     Angherr*Vcort  -1  0   1  2  0 -2  -1  0   1;
      CONTRAST 'CUADRATICO*CUADRATICO ' Angherr*Vcort   1 -2   1 -2  4 -2   1 -2   1;

      TITLE  AJUSTE DE LA SUPERFICIE DE RESPUESTA CUADRATICA  DE Y SOBRE ANGHERR y VCORT;
      PROC GLM;
      MODEL Y = Angherr vcort Angherr*Angherr Vcort*Vcort Angherr*Vcort ;
      RUN;
        *<P.12> ;
        Title <P.12>  ANDEVA: MODELO ANIDADO DE 2 ETAPAS ;
        OPTIONS    PAGESIZE = 500 ;
        * Datos:  Montgomery: Capitulo 12 ;
        * Factors: (1): Proveedores con 3 niveles ;
        *          (2): Partidas de materia prima con 4 niveles  ;
        * El 2do. Factor se encuentra anidado dentro de 1er Factor  ;
        * se hicieron 3 determinaciones de pureza sobre cada una de las combinaciones ;
        * de factores. Se decidió analizar datos codificados que se obtienen por:     ;
        * y = Pureza - 93 ;
        * Este es un modelo mixto ;
        * Proveedores es un factor fijo. Partidas es un factor aleatorio ;

        * Tabulación de datos:
        *   Proveedores:        1               2               3
        *   Partidas      1  2  3  4        1  2  3  4       1  2  3  4        ;
        *                 -  -  -  -        -  -  -  -       -  -  -  -        ;
        *                 -  -  -  -        -  -  -  -       -  -  -  -        ;
        *                 -  -  -  -        -  -  -  -       -  -  -  -        ;
        ;

        Data pureza ;
        do Provee    = 1 to 3 ;
        do Partidas  = 1 to 4 ;
        input y @ ;
        output ;
        end ; end;
        cards;
        1   -2  -2   1   1   0  -1   0   2  -2   1   3
       -1   -3   0   4  -2   4   0   3   4   0  -1   2
        0   -4   1   0  -3   2  -2   2   0   2   2   1
        ;

        * proc print; run;
        proc glm;
        class  Provee Partidas ;
        model y = Provee Partidas(Provee)  ;
        Random partidas(Provee) /Test ;
        run;
    *<P.13> ;
    Title <P.13> ANDEVA: DISEÑO ANIDADO DE 3 ETAPAS             ;
    options    pagesize = 500 ;
    * Datos : Montgomery Capitulo 12:        ;
    * Experimento del ensemblaje de componentes eletrónicos  ;
    * 3 factores: Afijación , Ubicación, y, Operadores       ;
    * Este es un modelo mixto con operadores como un factor aleatorio ;
    data circuito;
    do afija = 1 to 3 ;
    do rep = 1 to 2;
    do ubica = 1 to 2;

    do operador = 1 to 4 ;
    input y @@ ;
    output;
    end;
    end;
    input;
    end;
    end;
    cards;
    22  23  28  25  26  27  28  24
    24  24  29  23  28  25  25  23
    30  29  30  27  29  30  24  28
    27  28  32  25  28  27  23  30
    25  24  27  26  27  26  24  28
    21  22  25  23  25  24  27  27
    ;
    * proc print; run;

    proc GLM ;
    class afija ubica operador ;
    model y = afija ubica operador(ubica)  afija*ubica  afija*operador(ubica) ;
    random operador(ubica)  afija*operador(ubica)  /test ;
    run;
        *<P.14> ;
        options    pagesize = 500 ;
        Title <P.14> DISEÑO  PARCELA DIVIDIDA: 4 TRATAM. PRINC., 4 SUB TRATAM. Y 4 BLOQUES ;
        * Tabulación de datos: ;
        * LOTE  BLOQUE          TRATAM. 1       TRATAM. 2       TRATAM. 3       TRATAM. 4;
        *  1      1             -               -               -               -        ;
        *  1      2             -               -               -               -        ;
        *  1      3             -               -               -               -        ;
        *  1      4             -               -               -               -        ;
        *....................................  ETC. .....................................;
        *  4      1             -               -               -               -        ;
        *  4      2             -               -               -               -        ;
        *  4      3             -               -               -               -        ;
        *  4      4             -               -               -               -        ;


        * Los primeros 2 Lotes se llaman : Vicland 1 y Vicland 2                         ;
        * y es el rendimiento de Avena en Bushels por acre     ;

        Data  splitpl ;
        do LOTE = 1 to 4 ;
        do BLOQUE = 1 to 4;
        do Trat = 1 to 4;
        input y @@ ;
        output;
        end;
        input;
        end;
        end;
        cards;
        42.9    53.8    49.5    44.4
        41.6    58.5    53.8    41.8
        28.9    43.9    40.7    28.3
        30.8    46.3    39.4    34.7
        53.3    57.6    59.8    64.1
        69.6    69.6    65.8    57.4
        45.4    42.4    41.4    44.1
        35.1    51.9    45.4    51.6
        62.3    63.4    64.5    63.6
        58.5    50.4    46.1    56.1
        44.6    45.0    62.6    52.7

        50.3    46.7    50.3    51.8
        75.4    70.3    68.8    71.6
        65.6    67.3    65.3    69.4
        54.0    57.6    45.6    56.6
        52.7    58.5    51.0    47.4
        ;
        * proc print; run;
        proc glm ;
        class bloque lote trat ;
        model y = bloque lote  Bloque*Lote  trat Lote*Trat /ss1;
        Test H = Bloque Lote
        E = Bloque*Lote ;
        contrast "Los Vickland vs.otros"  Lote      1  1 -1 -1 /E = Bloque*Lote  ;
        contrast "Entre los Vicland"      Lote      1 -1  0  0 /E = Bloque*Lote  ;
        contrast "Entre los otros "       Lote      0  0  1 -1 /E = Bloque*Lote  ;
        run;
    *<P.15> ;
    Title <P.15> ANALISIS DE COVARIANZA EN UN DISEÑO C.A. ;
    options    pagesize = 500 ;
    * Ejemplo: Montgomery: Capítulo 16:
    * y = resistencia de fibra textil : Tratamientos :  3 Máqquina que producen fibras
    * x = díametro de fibra, es la variable concomitante.
    * Tabulación de datos:
    *       Maquina 1    Maquina 2      Maquina 3            ;
    *       y       x    y       x      y       x            ;
    *       -       -    -       -      -       -            ;
    *       .... 5      Replicaciones  ..........            ;
    *       -       -    -       -      -       -            ;


    data a1;
    do replica  = 1 to 5 ;
    do Maquina = 1 to 3 ;
    input y x @@ ;
    output;
    end;
    input;
    end;
    cards;
    36 20 40 22 35 21
    41 25 48 28 37 23
    39 24 39 22 42 26
    42 25 45 30 34 21
    49 32 44 28 32 15
    ;
    * proc print; run;

    proc glm  ;
    class maquina;
    model y = x maquina/solution ;
    means maquina;
    lsmeans maquina / stderr tdiff pdiff;
    OUTPUT OUT = NUEVO P = YESTIM  R = RESIDUO;
    run;
    *<P.16> ;
    options    pagesize = 500 ;
    Title <P.16> ANALISIS DE COVARIANZA PARA EXPERIMENTO FACTORIAL 3X2 EN DISEÑO B.A. ;
    * Datos: Steel y Torrie : Capitulo  15 ;
    * Expeimento de nutrición animal: 3 dietas, 2 sexos y 5 bloques ;
    * x = Peso inicial   y = gannancia en peso:   (en Libras) ;
    * Tabulación de Datos: ;
    *            Dieta 1                Dieta 2                 Dieta 3 ;
    *           x       y               x       y               x       y  ;
    *        M  -       -               -       -               -       -  ;
    *        F  -       -               -       -               -       -  ;
    *        ...........  etc.:     5  replicaciones       ..............  ;

    data ACOVFCT ;
    do bloque = 1 to 5;
    do sexo = 1 to 2;
    do dieta = 1 to 3 ;
    input x y @@ ;
    z = y + x;
    output;
    end ;
    input ;
    end;
    end;
    cards;

    38      9.52    39      8.51    48      9.11
    48      9.94    48      10      48      9.75
    35      8.21    38      9.95    37      8.50
    32      9.48    32      9.24    28      8.66
    41      9.32    46      8.43    42      8.90
    35      9.32    41      9.34    33      7.63
    48      10.56   40      8.86    42      9.51
    46      10.90   46      9.68    50      10.37
    43      10.42   40      9.20    40      8.76
    32      8.82    37      9.67    30      8.57
    ;
    * proc print ; run;
    proc glm;
    class dieta sexo bloque ;
    model y = x  bloque dieta sexo  dieta*sexo ;
    lsmeans dieta sexo /stderr pdiff;
    run;
    proc glm;
    class dieta sexo bloque ;
    model z = x  bloque dieta sexo  dieta*sexo ;
    lsmeans dieta sexo /stderr pdiff;
    run;
        *<P.17> ;
        OPTIONS    PAGESIZE = 500;
        Title <P.17> ANALISIS DE COVARIANZA MULTIPLE:  FACTORIAL DE 4X2 EN DISEÑO B.A.;
        * Steel y Torrie: Capitulo 15  ;
        * Tabulación de datos: (Experimento en nutrición animal);
        *               Sin abono               Con Abono                       ;
        *               X1  X2  Y               X1  X2  Y
        *Bloque 1       -   -   -               -   -   -         SUELO TIPO  1 ;
        *Bloque 2       -   -   -               -   -   -         SUELO TIPO  1 ;
        *Bloque 3       -   -   -               -   -   -         SUELO TIPO  1 ;
        *............................. etc. ................................... ;
        *Bloque 1       -   -   -               -   -   -         SUELO TIPO  4 ;
        *Bloque 2       -   -   -               -   -   -         SUELO TIPO  4 ;
        *Bloque 3       -   -   -               -   -   -         SUELO TIPO  4 ;
        *...................................................................... ;


        * X1 = Peso inicial: X2 = Pasto consumido: Y = Ganancia en peso  ;
        Data Acovmult;
        do Tipsuelo = 1 to 4;
        do Bloque = 1 to 3;
        do Abono = 1 to 2;
        input x1 x2 y @@ ;
        output;
        end;
        input;
        end;
        end;
        cards;
        220     1155    224     222     1326    237
        246     1423    289     268     1559    265
        262     1576    280     314     1528    256
        198     1092    118     205     1154    82
        266     1703    191     236     1250    117
        335     1546    115     268     1667    117
        213     1573    242     188     1381    184
        236     1730    270     259     1363    129
        288     1593    198     300     1564    212
        256     1532    241     202     1375    239
        278     1220    185     216     1170    207
        283     1232    185     225     1273    227
        ;

        * proc print ; run;
        proc glm ;
        class bloque abono tipsuelo;
        model y = x1 x2 bloque abono tipsuelo abono*tipsuelo /solution;
        lsmeans abono tipsuelo abono*tipsuelo /stderr pdiff;
        run;

    *<P.18> ;
    Title <P.18> ANALISIS DE COVARIANZA: DISEÑO CUADRADO LATINO  ;
    options    pagesize = 500 ;
    * 6 Filas:  6 Columnas: 6 Tratamientos(Variedades de Maiz) ;
    * y = Rendimiento por parcela en Libras ;
    * x = Número de plantas ;
    * Ejemplo: Federer: Capitulo 16 ;
    data a1;
    do Filas    = 1 to 6 ;
    do Columnas = 1 to 6 ;
    input trat $ x y @ ;
    output;
    end;
    input ;
    end;
    cards;
    A  18    8.6  B  16   7.5  C  18  6.7   D  14  6.5  E  15  8.2  F  17  4.7
    B  16    7.6  C  15   8.2  D  16  8.3   E  19  4.6  F  21  5.2  A  14  6.5
    C  15    5.7  E  16   9.6  A  16  7.1   F  19  4.8  B  15  7.5  D 17   7.5
    D  18    8.3  F  18   5.3  B  20  10    A  18  6.8  C  22  7.8  E  17  6.6
    E  15    8.3  D  18   7.9  F  19  5.4   B  16  9.3  A  16  4.8  C  15  8.0
    F  18    5.7  A  20   8.7  E  19  8.1   C  17  6.1  D  17  7.2  B 15   7.4
    ;

    *Proc Print;
    *run;
    proc glm;
    class  Filas Columnas  Trat;
    model y = x Filas Columnas  Trat /ss1;
    lsmeans trat ;
    run;
    Title <P.18> ANALISIS DE COVARIANZA: FACTORIAL 2X3 EN CUADRADO LATINO  ;
    data a2;
    set a1;
    if trat = "A" then cruzasmp = "NL1" ;
    if trat = "A" then cruzadbl = "NR1" ;

    if trat = "B" then cruzasmp = "NL2" ;
    if trat = "B" then cruzadbl = "NR1" ;

    if trat = "C" then cruzasmp = "NL2" ;
    if trat = "C" then cruzadbl = "NR2" ;

    if trat = "D" then cruzasmp = "NL3" ;

    if trat = "D" then cruzadbl = "NR2" ;

    if trat = "E" then cruzasmp = "NL3" ;
    if trat = "E" then cruzadbl = "NR1" ;

    if trat = "F" then cruzasmp = "NL1" ;
    if trat = "F" then cruzadbl = "NR2" ;

    * proc print; run ;
    proc glm;
    class  Filas Columnas  cruzasmp cruzadbl;
    model y = x Filas Columnas  cruzasmp cruzadbl cruzasmp*cruzadbl ;
    lsmeans cruzasmp cruzadbl  cruzasmp*cruzadbl;
    means cruzasmp cruzadbl  ;
    run;

             <P.1> ANDEVA: DISEÑO C.A. (MODELO FIJO)                1
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                   Class    Levels    Values

                   X             5    15 20 25 30 35


                Number of observations in data set = 25



                <P.1> ANDEVA: DISEÑO C.A. (MODELO FIJO)                2
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    4     475.76000    118.94000    14.76    0.0001

Error                   20     161.20000      8.06000

Corrected Total         24     636.96000

                  R-Square          C.V.     Root MSE             Y Mean

                  0.746923      18.87642       2.8390             15.040


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

X                        4     475.76000    118.94000    14.76    0.0001

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

X                        4     475.76000    118.94000    14.76    0.0001

                <P.1> ANDEVA: DISEÑO C.A. (MODELO FIJO)                3
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

          Tukey's Studentized Range (HSD) Test for variable: Y

      NOTE: This test controls the type I experimentwise error rate, 
            but generally has a higher type II error rate than REGWQ.

                     Alpha= 0.05  df= 20  MSE= 8.06
               Critical Value of Studentized Range= 4.232
                 Minimum Significant Difference= 5.373

      Means with the same letter are not significantly different.

               Tukey Grouping              Mean      N  X
                                    
                            A            21.600      5  30
                            A       
                    B       A            17.600      5  25
                    B               
                    B       C            15.400      5  20
                            C       
                    D       C            10.800      5  35
                    D               
                    D                     9.800      5  15




                <P.1> ANDEVA: DISEÑO C.A. (MODELO FIJO)                4
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   

Contrast                DF   Contrast SS  Mean Square  F Value    Pr > F

LINEAL                   1      33.62000     33.62000     4.17    0.0545
CUADRATICO               1     343.21429    343.21429    42.58    0.0001
CUBICO                   1      64.98000     64.98000     8.06    0.0101
CUARTICO                 1      33.94571     33.94571     4.21    0.0535




                <P.1> ANDEVA: DISEÑO C.A. (MODELO FIJO)                5
                                          13:01 Saturday, March 13, 1999

          OBS    I     X    J     Y    TM    YESTIM    RESIDUO

            1    1    15    1     7    15      9.8       -2.8 
            2    1    15    2     7    19      9.8       -2.8 
            3    1    15    3    15    25      9.8        5.2 
            4    1    15    4    11    12      9.8        1.2 
            5    1    15    5     9     6      9.8       -0.8 
            6    2    20    1    12     8     15.4       -3.4 
            7    2    20    2    17    14     15.4        1.6 
            8    2    20    3    12     1     15.4       -3.4 
            9    2    20    4    18    11     15.4        2.6 
           10    2    20    5    18     3     15.4        2.6 
           11    3    25    1    14    18     17.6       -3.6 
           12    3    25    2    18    13     17.6        0.4 
           13    3    25    3    18    20     17.6        0.4 
           14    3    25    4    19     7     17.6        1.4 
           15    3    25    5    19     9     17.6        1.4 
           16    4    30    1    19    22     21.6       -2.6 
           17    4    30    2    25     5     21.6        3.4 
           18    4    30    3    22     2     21.6        0.4 
           19    4    30    4    19    24     21.6       -2.6 
           20    4    30    5    23    10     21.6        1.4 
           21    5    35    1     7    17     10.8       -3.8 
           22    5    35    2    10    21     10.8       -0.8 
           23    5    35    3    11     4     10.8        0.2 
           24    5    35    4    15    16     10.8        4.2 
           25    5    35    5    11    23     10.8        0.2 

                <P.1> ANDEVA: DISEÑO C.A. (MODELO FIJO)                6
                                          13:01 Saturday, March 13, 1999

        Plot of RESIDUO*TM.  Legend: A = 1 obs, B = 2 obs, etc.

          5 +                                                    A
            |                                  A
            |
            |            A
    RESIDUO |        A               A
            |
            |                A   A A       A
            |                          A
            |      A                     A             A
          0 +----------A-------------------------------------A------
            |              A                             A
            |
            |
            |
            |                                A       A     A   A
            |    A             A                   A
            |                                    A
            |
         -5 +
            ---+---------+---------+---------+---------+---------+--
               0         5        10        15        20        25

                                       TM

                                                                        

                <P.1> ANDEVA: DISEÑO C.A. (MODELO FIJO)                7
                                          13:01 Saturday, March 13, 1999

      Plot of RESIDUO*YESTIM.  Legend: A = 1 obs, B = 2 obs, etc.

       5 +         A
         |             A
         |
         |                                                        A
 RESIDUO |                                B
         |
         |                                A       B               A
         |         A
         |                                        B               A
       0 +-------------B-----------------------------------------------
         |         A   A
         |
         |
         |
         |         B                                              B
         |                                B       A
         |             A
         |
      -5 +
         ---+-------+-------+-------+-------+-------+-------+-------+--
            8      10      12      14      16      18      20      22

                                     YESTIM

                                                                        

              AJUSTE DE UNA REGRESION CUBICA DE Y SOBRE X              8
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

                Number of observations in data set = 25


              AJUSTE DE UNA REGRESION CUBICA DE Y SOBRE X              9
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    3     441.81429    147.27143    15.85    0.0001

Error                   21     195.14571      9.29265

Corrected Total         24     636.96000

                  R-Square          C.V.     Root MSE             Y Mean

                  0.693630      20.26852       3.0484             15.040


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

X                        1      33.62000     33.62000     3.62    0.0710
X*X                      1     343.21429    343.21429    36.93    0.0001
X*X*X                    1      64.98000     64.98000     6.99    0.0152

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

X                        1     27.943895    27.943895     3.01    0.0976
X*X                      1     46.143751    46.143751     4.97    0.0369
X*X*X                    1     64.980000    64.980000     6.99    0.0152


                                 T for H0:     Pr > |T|    Std Error of
Parameter          Estimate     Parameter=0                  Estimate

INTERCEPT       62.61142857            1.57      0.1302     39.75743623
X               -9.01142857           -1.73      0.0976      5.19660897
X*X              0.48142857            2.23      0.0369      0.21604552
X*X*X           -0.00760000           -2.64      0.0152      0.00287405




               ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A.              10
                                          13:01 Saturday, March 13, 1999

                         OBS    TRAT    J     Y

                           1      1     1    98
                           2      1     2    97
                           3      1     3    99
                           4      1     4    96
                           5      2     1    91
                           6      2     2    90
                           7      2     3    93
                           8      2     4    92
                           9      3     1    96
                          10      3     2    95
                          11      3     3    97
                          12      3     4    95
                          13      4     1    95
                          14      4     2    96
                          15      4     3    99
                          16      4     4    98

               ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A.              11
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       TRAT          4    1 2 3 4


                Number of observations in data set = 16



               ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A.              12
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    3     89.187500    29.729167    15.68    0.0002

Error                   12     22.750000     1.895833

Corrected Total         15    111.937500

                  R-Square          C.V.     Root MSE             Y Mean

                  0.796762      1.442717       1.3769             95.438


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

TRAT                     3     89.187500    29.729167    15.68    0.0002

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

TRAT                     3     89.187500    29.729167    15.68    0.0002




               ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A.              13
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

              Level of       --------------Y--------------
              TRAT       N       Mean              SD

              1          4     97.5000000       1.29099445
              2          4     91.5000000       1.29099445
              3          4     95.7500000       0.95742711
              4          4     97.0000000       1.82574186

               ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A.              14
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Source      Type III Expected Mean Square

TRAT        Var(Error) + 4 Var(TRAT)



               ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A.              15
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
       Tests of Hypotheses for Random Model Analysis of Variance

Dependent Variable: Y       

 
Source: TRAT
Error: MS(Error)
                         Denominator    Denominator
     DF    Type III MS            DF             MS     F Value   Pr > F
      3   29.729166667            12   1.8958333333     15.6813   0.0002



               ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A.              16
                                          13:01 Saturday, March 13, 1999

                Variance Components Estimation Procedure
                        Class Level Information

                       Class    Levels    Values

                       TRAT          4    1 2 3 4


                Number of observations in data set = 16



               ANDEVA MODELO ALEATORIO DE UN DISEÑO C.A.              17
                                          13:01 Saturday, March 13, 1999

                Variance Components Estimation Procedure

Dependent Variable: Y           

Source                    DF         Type I SS         Type I MS

TRAT                       3       89.18750000       29.72916667

Error                     12       22.75000000        1.89583333

Corrected Total           15      111.93750000




Source                    Expected Mean Square

TRAT                      Var(Error) + 4 Var(TRAT)

Error                     Var(Error)



Variance Component                    Estimate

Var(TRAT)                           6.95833333

Var(Error)                          1.89583333

                    ANDEVA DISEÑO C.A. NO BALANCEADO                  18
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       TRAT          4    1 2 3 4


                Number of observations in data set = 11



                    ANDEVA DISEÑO C.A. NO BALANCEADO                  19
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    3     1769.7273     589.9091    28.88    0.0003

Error                    7      143.0000      20.4286

Corrected Total         10     1912.7273

                  R-Square          C.V.     Root MSE             Y Mean

                  0.925238      36.02737       4.5198             12.545


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

TRAT                     3     1769.7273     589.9091    28.88    0.0003




                    ANDEVA DISEÑO C.A. NO BALANCEADO                  20
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

              Duncan's Multiple Range Test for variable: Y

      NOTE: This test controls the type I comparisonwise error rate, 
            not the experimentwise error rate

                   Alpha= 0.05  df= 7  MSE= 20.42857
                   WARNING: Cell sizes are not equal.
                 Harmonic Mean of cell sizes= 2.526316

                   Number of Means     2     3     4
                   Critical Range   9.51  9.89 10.09

      Means with the same letter are not significantly different.

             Duncan Grouping              Mean      N  TRAT
                                   
                           A            39.000      2  4
                                   
                           B            11.000      2  2
                           B       
                           B             6.500      4  1
                           B       
                           B             4.000      3  3




     <P.2> PRUEBA DE BARTLETT PARA CONTRASTAR IGUALDAD DE VARIANZAS   21
                                          13:01 Saturday, March 13, 1999

                       OBS    REP    TRAT     Y

                         1     1       1      55
                         2     1       2      61
                         3     1       3      42
                         4     1       4     169
                         5     2       1      49
                         6     2       2     112
                         7     2       3      97
                         8     2       4     137
                         9     3       1      42
                        10     3       2      30
                        11     3       3      81
                        12     3       4     169
                        13     4       1      21
                        14     4       2      89
                        15     4       3      95
                        16     4       4      85
                        17     5       1      52
                        18     5       2      63
                        19     5       3      92
                        20     5       4     154

     <P.2> PRUEBA DE BARTLETT PARA CONTRASTAR IGUALDAD DE VARIANZAS   22
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       TRAT          4    1 2 3 4


                Number of observations in data set = 20



     <P.2> PRUEBA DE BARTLETT PARA CONTRASTAR IGUALDAD DE VARIANZAS   23
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    3     26234.950     8744.983    12.11    0.0002

Error                   16     11558.800      722.425

Corrected Total         19     37793.750

                  R-Square          C.V.     Root MSE             Y Mean

                  0.694161      31.71441       26.878             84.750


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

TRAT                     3     26234.950     8744.983    12.11    0.0002

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

TRAT                     3     26234.950     8744.983    12.11    0.0002




     <P.2> PRUEBA DE BARTLETT PARA CONTRASTAR IGUALDAD DE VARIANZAS   24
                                          13:01 Saturday, March 13, 1999

           OBS    TRAT    _TYPE_    _FREQ_    VARIANCE    NUM

            1       1        1         5        185.7      5 
            2       2        1         5        962.5      5 
            3       3        1         5        523.3      5 
            4       4        1         5       1218.2      5 

     <P.2> PRUEBA DE BARTLETT PARA CONTRASTAR IGUALDAD DE VARIANZAS   25
                                          13:01 Saturday, March 13, 1999
Test de Bartlett para contrastar igualdad de varianzas

 CHI-CUADRADO =3.1571442011   ALPHA =0.3680254487 .

                    <P.3> ANDEVA: BLOQUES ALEATORIOS                  26
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                     Class    Levels    Values

                     VARIEDAD      6    1 2 3 4 5 6

                     BLOQUES       5    1 2 3 4 5


                Number of observations in data set = 30



                    <P.3> ANDEVA: BLOQUES ALEATORIOS                  27
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    9     6529.2027     725.4670     7.14    0.0001


Error                   20     2033.4093     101.6705

Corrected Total         29     8562.6120

                  R-Square          C.V.     Root MSE             Y Mean

                  0.762525      22.08317       10.083             45.660


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

VARIEDAD                 5     4541.6840     908.3368     8.93    0.0001
BLOQUES                  4     1987.5187     496.8797     4.89    0.0065




                    <P.3> ANDEVA: BLOQUES ALEATORIOS                  28
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

              Duncan's Multiple Range Test for variable: Y

      NOTE: This test controls the type I comparisonwise error rate, 
            not the experimentwise error rate

                   Alpha= 0.05  df= 20  MSE= 101.6705

             Number of Means     2     3     4     5     6
             Critical Range  13.30 13.96 14.38 14.68 14.89

      Means with the same letter are not significantly different.

           Duncan Grouping              Mean      N  VARIEDAD
                                 
                         A            61.080      5  5
                         A       
                         A            60.640      5  6
                                 
                         B            44.820      5  3
                         B       
                         B            44.540      5  4
                         B       
                 C       B            35.900      5  2
                 C               
                 C                    26.980      5  1





              <P.4> ANDEVA: DISEÑO B.A. CON DATO FALTANTE             29
                                          13:01 Saturday, March 13, 1999

                      OBS    TRAT    BLOCK      Y

                        1      1       1         .
                        2      1       2       887
                        3      1       3       897
                        4      1       4       850
                        5      1       5       975
                        6      2       1       857
                        7      2       2      1189
                        8      2       3       918
                        9      2       4       968
                       10      2       5       909
                       11      3       1       917
                       12      3       2      1072
                       13      3       3       975
                       14      3       4       930
                       15      3       5       954

              <P.4> ANDEVA: DISEÑO B.A. CON DATO FALTANTE             30
                                          13:01 Saturday, March 13, 1999

                      OBS    TRAT    BLOCK      Y

                        1      1       2       887
                        2      1       3       897
                        3      1       4       850
                        4      1       5       975
                        5      2       1       857
                        6      2       2      1189
                        7      2       3       918
                        8      2       4       968
                        9      2       5       909
                       10      3       1       917
                       11      3       2      1072
                       12      3       3       975
                       13      3       4       930
                       14      3       5       954

              <P.4> ANDEVA: DISEÑO B.A. CON DATO FALTANTE             31
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                      Class    Levels    Values

                      TRAT          3    1 2 3

                      BLOCK         5    1 2 3 4 5


                Number of observations in data set = 14




              <P.4> ANDEVA: DISEÑO B.A. CON DATO FALTANTE             32
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    6     62501.989    10416.998     1.79    0.2316

Error                    7     40713.725     5816.246

Corrected Total         13    103215.714

                  R-Square          C.V.     Root MSE             Y Mean

                  0.605547      8.029030       76.264             949.86


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

BLOCK                    4     42255.048    10563.762     1.82    0.2303
TRAT                     2     20246.942    10123.471     1.74    0.2435

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

BLOCK                    4     49805.025    12451.256     2.14    0.1785
TRAT                     2     20246.942    10123.471     1.74    0.2435




              <P.4> ANDEVA: DISEÑO B.A. CON DATO FALTANTE             33
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

              Duncan's Multiple Range Test for variable: Y

      NOTE: This test controls the type I comparisonwise error rate, 
            not the experimentwise error rate

                   Alpha= 0.05  df= 7  MSE= 5816.246
                   WARNING: Cell sizes are not equal.
                 Harmonic Mean of cell sizes= 4.615385

                      Number of Means     2     3
                      Critical Range  118.7 123.4

      Means with the same letter are not significantly different.

             Duncan Grouping              Mean      N  TRAT
                                   
                           A            969.60      5  3
                           A       
                           A            968.20      5  2
                           A       
                           A            902.25      4  1




          <P.5> DISEÑO B. A. : CONTRASTES LINEALES ORTOGONALES        34
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                   Class    Levels    Values

                   BLOQUE        6    1 2 3 4 5 6

                   TRAT          8    1 2 3 4 5 6 7 8


                Number of observations in data set = 48



          <P.5> DISEÑO B. A. : CONTRASTES LINEALES ORTOGONALES        35
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   12     1313.0833     109.4236    18.94    0.0001

Error                   35      202.1667       5.7762

Corrected Total         47     1515.2500

                  R-Square          C.V.     Root MSE             Y Mean

                  0.866579      25.63595       2.4034             9.3750


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

BLOQUE                   5      102.5000      20.5000     3.55    0.0106
TRAT                     7     1210.5833     172.9405    29.94    0.0001

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

BLOQUE                   5      102.5000      20.5000     3.55    0.0106
TRAT                     7     1210.5833     172.9405    29.94    0.0001




          <P.5> DISEÑO B. A. : CONTRASTES LINEALES ORTOGONALES        36
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

              Level of       --------------Y--------------
              TRAT       N       Mean              SD

              1          6      7.3333333       1.36626010
              2          6     19.8333333       2.78687400
              3          6     14.0000000       1.09544512
              4          6      8.5000000       3.27108545
              5          6      3.6666667       3.07679487
              6          6      5.3333333       2.58198890
              7          6      5.5000000       1.22474487
              8          6     10.8333333       4.66547604

          <P.5> DISEÑO B. A. : CONTRASTES LINEALES ORTOGONALES        37
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   


Contrast                DF   Contrast SS  Mean Square  F Value    Pr > F

A vs. el resto           1      28.58333     28.58333     4.95    0.0327
BC vs. DEFGH             1     883.05000    883.05000   152.88    0.0001
B vs. C                  1     102.08333    102.08333    17.67    0.0002
DH vs. EFG               1     168.20000    168.20000    29.12    0.0001
D vs. H                  1      16.33333     16.33333     2.83    0.1016
E vs. FG                 1      12.25000     12.25000     2.12    0.1542
F vs. G                  1       0.08333      0.08333     0.01    0.9051




<P.6> ANDEVA DISEÑO B.A. CON MAS DE UNA OBSERVACION POR CADA UNIDAD E 38
                                          13:01 Saturday, March 13, 1999

                     Analysis of Variance Procedure
                        Class Level Information

             Class    Levels    Values

             BLOQUE        5    1 2 3 4 5

             TRAT          7    109 130 405 406 407 416 593


                Number of observations in data set = 70



<P.6> ANDEVA DISEÑO B.A. CON MAS DE UNA OBSERVACION POR CADA UNIDAD E 39
                                          13:01 Saturday, March 13, 1999

                     Analysis of Variance Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   34     176.25813      5.18406     1.30    0.2207

Error                   35     139.38705      3.98249

Corrected Total         69     315.64518

                  R-Square          C.V.     Root MSE             Y Mean

                  0.558406      37.60146       1.9956             5.3073


Source                  DF      Anova SS  Mean Square  F Value    Pr > F

TRAT                     6     70.922934    11.820489     2.97    0.0189
BLOQUE                   4     21.978563     5.494641     1.38    0.2610
BLOQUE*TRAT             24     83.356637     3.473193     0.87    0.6319

Tests of Hypotheses using the Anova MS for BLOQUE*TRAT as an error term

Source                  DF      Anova SS  Mean Square  F Value    Pr > F

BLOQUE                   4     21.978563     5.494641     1.58    0.2113
TRAT                     6     70.922934    11.820489     3.40    0.0142




                  <P.7> ANDEVA: DISEÑO CUADRADO LATINO                40
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       FILAS         4    1 2 3 4

                       COLUMNAS      4    1 2 3 4

                       TRAT          4    A B C D


                Number of observations in data set = 16



                  <P.7> ANDEVA: DISEÑO CUADRADO LATINO                41
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    9     87.680000     9.742222    21.49    0.0007

Error                    6      2.720000     0.453333

Corrected Total         15     90.400000

                  R-Square          C.V.     Root MSE             Y Mean

                  0.969912      6.443065       0.6733             10.450


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

FILAS                    3      1.955000     0.651667     1.44    0.3219
COLUMNAS                 3      6.800000     2.266667     5.00    0.0452
TRAT                     3     78.925000    26.308333    58.03    0.0001




                <P.8> ANDEVA CUADRADOS LATINOS REPETIDOS              42
                        Analisis Primera semana
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       DIAS          4    1 2 3 4

                       TRAT          4    a b c d

                       TIENDAS       4    1 2 3 4


                Number of observations in data set = 16



                <P.8> ANDEVA CUADRADOS LATINOS REPETIDOS              43
                        Analisis Primera semana
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    9     1793.0625     199.2292     2.65    0.1245

Error                    6      451.8750      75.3125

Corrected Total         15     2244.9375

                  R-Square          C.V.     Root MSE             Y Mean

                  0.798714      34.62654       8.6783             25.063


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

DIAS                     3     237.68750     79.22917     1.05    0.4358
TIENDAS                  3     848.18750    282.72917     3.75    0.0789
TRAT                     3     707.18750    235.72917     3.13    0.1089




                <P.8> ANDEVA CUADRADOS LATINOS REPETIDOS              44
                        Analisis Segunda semana
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       DIAS          4    1 2 3 4

                       TRAT          4    a b c d

                       TIENDAS       4    1 2 3 4


                Number of observations in data set = 16



                <P.8> ANDEVA CUADRADOS LATINOS REPETIDOS              45
                        Analisis Segunda semana
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    9     2636.2500     292.9167     2.86    0.1066

Error                    6      613.5000     102.2500

Corrected Total         15     3249.7500

                  R-Square          C.V.     Root MSE             Y Mean

                  0.811216      38.33886       10.112             26.375


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

DIAS                     3     1080.7500     360.2500     3.52    0.0885
TIENDAS                  3      408.7500     136.2500     1.33    0.3488
TRAT                     3     1146.7500     382.2500     3.74    0.0795




                <P.8> ANDEVA CUADRADOS LATINOS REPETIDOS              46
            Analisis combinado de Primera y Segunda semanas
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       DIAS          4    1 2 3 4

                       TRAT          4    a b c d

                       TIENDAS       4    1 2 3 4

                       SEMANAS       2    1 2


                Number of observations in data set = 32



                <P.8> ANDEVA CUADRADOS LATINOS REPETIDOS              47
            Analisis combinado de Primera y Segunda semanas
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   19     4443.0938     233.8470     2.63    0.0450

Error                   12     1065.3750      88.7813

Corrected Total         31     5508.4688

                  R-Square          C.V.     Root MSE             Y Mean

                  0.806593      36.63623       9.4224             25.719


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

SEMANAS                  1       13.7813      13.7813     0.16    0.7005
DIAS(SEMANAS)            6     1318.4375     219.7396     2.48    0.0856
TIENDAS(SEMANAS)         6     1256.9375     209.4896     2.36    0.0969
TRAT                     3     1540.5938     513.5312     5.78    0.0110
TRAT*SEMANAS             3      313.3438     104.4479     1.18    0.3595




               <P.9> ANDEVA: DISEÑO GRECO CUADRADO LATINO             48
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

            Class    Levels    Values

            MPRIMA        5    1 2 3 4 5

            CONCENTR      5    1 2 3 4 5

            GRIEGA        5    alfa beta delta epsilon gama

            TRAT          5    A B C D E


                Number of observations in data set = 25



               <P.9> ANDEVA: DISEÑO GRECO CUADRADO LATINO             49
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   16     389.20000     24.32500     4.16    0.0236

Error                    8      46.80000      5.85000

Corrected Total         24     436.00000

                  R-Square          C.V.     Root MSE             Y Mean

                  0.892661      14.06208       2.4187             17.200


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

MPRIMA                   4      10.00000      2.50000     0.43    0.7854
CONCENTR                 4      24.40000      6.10000     1.04    0.4425
GRIEGA                   4      12.00000      3.00000     0.51    0.7289
TRAT                     4     342.80000     85.70000    14.65    0.0009





       <P.10> ANDEVA: EXPERIMENTO FACTORIAL 2X4 EN UN DISEÑO B.A.     50
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       BLOQUE        4    1 2 3 4

                       FECHA         2    1 2

                       ABONO         4    1 2 3 4


                Number of observations in data set = 32



       <P.10> ANDEVA: EXPERIMENTO FACTORIAL 2X4 EN UN DISEÑO B.A.     51
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   10     94.100000     9.410000     2.97    0.0169

Error                   21     66.438750     3.163750

Corrected Total         31    160.538750

                  R-Square          C.V.     Root MSE             Y Mean

                  0.586151      5.773807       1.7787             30.806


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

BLOQUE                   3      7.306250     2.435417     0.77    0.5238
FECHA                    1     32.000000    32.000000    10.11    0.0045
ABONO                    3     16.401250     5.467083     1.73    0.1919
FECHA*ABONO              3     38.392500    12.797500     4.05    0.0204




       <P.10> ANDEVA: EXPERIMENTO FACTORIAL 2X4 EN UN DISEÑO B.A.     52
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

             Level of        --------------Y--------------
             FECHA       N       Mean              SD

             1          16     29.8062500       2.62360280
             2          16     31.8062500       1.29844458

              Level of       --------------Y--------------
              ABONO      N       Mean              SD

              1          8     31.9750000       2.38432380
              2          8     30.7875000       1.73323603
              3          8     30.1250000       2.86044452
              4          8     30.3375000       1.92868386

    <P.11>  POLINOMIOS ORTOGONALES: FACTORIAL 3X3 EN UN DISEÑO C.A.   53
                                          13:01 Saturday, March 13, 1999

                  OBS    ANGHERR    REP    VCORT     Y

                    1       15       1      125     -2
                    2       15       1      150     -3
                    3       15       1      175      2
                    4       15       2      125     -1
                    5       15       2      150      0
                    6       15       2      175      3
                    7       20       1      125      0
                    8       20       1      150      1
                    9       20       1      175      4
                   10       20       2      125      2
                   11       20       2      150      3
                   12       20       2      175      6
                   13       25       1      125     -1
                   14       25       1      150      5
                   15       25       1      175      0
                   16       25       2      125      0
                   17       25       2      150      6
                   18       25       2      175     -1

AJUSTE DE LA SUPERFICIE DE RESPUESTA CUADRATICA  DE Y SOBRE ANGHERR y 54
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                     Class    Levels    Values

                     ANGHERR       3    15 20 25

                     VCORT         3    125 150 175


                Number of observations in data set = 18



AJUSTE DE LA SUPERFICIE DE RESPUESTA CUADRATICA  DE Y SOBRE ANGHERR y 55
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    8     111.00000     13.87500     9.61    0.0013

Error                    9      13.00000      1.44444

Corrected Total         17     124.00000

                  R-Square          C.V.     Root MSE             Y Mean

                  0.895161      90.13878       1.2019             1.3333


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

ANGHERR                  2     24.333333    12.166667     8.42    0.0087
VCORT                    2     25.333333    12.666667     8.77    0.0077
ANGHERR*VCORT            4     61.333333    15.333333    10.62    0.0018

Contrast                DF   Contrast SS  Mean Square  F Value    Pr > F

LINEAL Angherr           1      8.333333     8.333333     5.77    0.0398
CUADRATICO Angherr       1     16.000000    16.000000    11.08    0.0088
LINEAL Vcort             1     21.333333    21.333333    14.77    0.0039
CUADRATICO Vcort         1      4.000000     4.000000     2.77    0.1305
LINEAL*LINEAL            1      8.000000     8.000000     5.54    0.0431
LINEAL*CUADRATICO        1     42.666667    42.666667    29.54    0.0004
CUADRATICO*LINEAL        1      2.666667     2.666667     1.85    0.2073
CUADRATICO*CUADRATIC     1      8.000000     8.000000     5.54    0.0431




AJUSTE DE LA SUPERFICIE DE RESPUESTA CUADRATICA  DE Y SOBRE ANGHERR y 56
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

                Number of observations in data set = 18


AJUSTE DE LA SUPERFICIE DE RESPUESTA CUADRATICA  DE Y SOBRE ANGHERR y 57
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                    5     57.666667    11.533333     2.09    0.1377

Error                   12     66.333333     5.527778

Corrected Total         17    124.000000

                  R-Square          C.V.     Root MSE             Y Mean

                  0.465054      176.3342       2.3511             1.3333


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

ANGHERR                  1      8.333333     8.333333     1.51    0.2431
VCORT                    1     21.333333    21.333333     3.86    0.0731
ANGHERR*ANGHERR          1     16.000000    16.000000     2.89    0.1146
VCORT*VCORT              1      4.000000     4.000000     0.72    0.4116
ANGHERR*VCORT            1      8.000000     8.000000     1.45    0.2522

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

ANGHERR                  1     25.329285    25.329285     4.58    0.0535
VCORT                    1      7.889132     7.889132     1.43    0.2553
ANGHERR*ANGHERR          1     16.000000    16.000000     2.89    0.1146
VCORT*VCORT              1      4.000000     4.000000     0.72    0.4116
ANGHERR*VCORT            1      8.000000     8.000000     1.45    0.2522


                                   T for H0:   Pr > |T|  Std Error of
Parameter              Estimate   Parameter=0              Estimate

INTERCEPT          -100.0000000         -2.01    0.0673   49.72375851
ANGHERR               4.5666667          2.14    0.0535    2.13335503
VCORT                 0.6933333          1.19    0.2553    0.58036706
ANGHERR*ANGHERR      -0.0800000         -1.70    0.1146    0.04702245
VCORT*VCORT          -0.0016000         -0.85    0.4116    0.00188090
ANGHERR*VCORT        -0.0080000         -1.20    0.2522    0.00664998




               <P.12>  ANDEVA: MODELO ANIDADO DE 2 ETAPAS             58
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       PROVEE        3    1 2 3

                       PARTIDAS      4    1 2 3 4


                Number of observations in data set = 36



               <P.12>  ANDEVA: MODELO ANIDADO DE 2 ETAPAS             59
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   11     84.972222     7.724747     2.93    0.0135

Error                   24     63.333333     2.638889

Corrected Total         35    148.305556

                  R-Square          C.V.     Root MSE             Y Mean

                  0.572954      449.8520       1.6245             0.3611


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

PROVEE                   2     15.055556     7.527778     2.85    0.0774
PARTIDAS(PROVEE)         9     69.916667     7.768519     2.94    0.0167

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

PROVEE                   2     15.055556     7.527778     2.85    0.0774
PARTIDAS(PROVEE)         9     69.916667     7.768519     2.94    0.0167




               <P.12>  ANDEVA: MODELO ANIDADO DE 2 ETAPAS             60
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Source             Type III Expected Mean Square

PROVEE             Var(Error) + 3 Var(PARTIDAS(PROVEE)) + Q(PROVEE)

PARTIDAS(PROVEE)   Var(Error) + 3 Var(PARTIDAS(PROVEE))



               <P.12>  ANDEVA: MODELO ANIDADO DE 2 ETAPAS             61
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
        Tests of Hypotheses for Mixed Model Analysis of Variance

Dependent Variable: Y       

 
Source: PROVEE
Error: MS(PARTIDAS(PROVEE))
                         Denominator    Denominator
     DF    Type III MS            DF             MS     F Value   Pr > F
      2   7.5277777778             9   7.7685185185      0.9690   0.4158

Source: PARTIDAS(PROVEE)
Error: MS(Error)
                         Denominator    Denominator
     DF    Type III MS            DF             MS     F Value   Pr > F
      9   7.7685185185            24   2.6388888889      2.9439   0.0167



               <P.13> ANDEVA: DISEÑO ANIDADO DE 3 ETAPAS              62
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       AFIJA         3    1 2 3

                       UBICA         2    1 2

                       OPERADOR      4    1 2 3 4


                Number of observations in data set = 48



               <P.13> ANDEVA: DISEÑO ANIDADO DE 3 ETAPAS              63
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   23     243.66667     10.59420     4.54    0.0002

Error                   24      56.00000      2.33333

Corrected Total         47     299.66667

                  R-Square          C.V.     Root MSE             Y Mean

                  0.813126      5.856327       1.5275             26.083


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

AFIJA                    2     82.791667    41.395833    17.74    0.0001
UBICA                    1      4.083333     4.083333     1.75    0.1983
OPERADOR(UBICA)          6     71.916667    11.986111     5.14    0.0016
AFIJA*UBICA              2     19.041667     9.520833     4.08    0.0298
AFIJA*OPERADO(UBICA)    12     65.833333     5.486111     2.35    0.0360

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

AFIJA                    2     82.791667    41.395833    17.74    0.0001
UBICA                    1      4.083333     4.083333     1.75    0.1983
OPERADOR(UBICA)          6     71.916667    11.986111     5.14    0.0016
AFIJA*UBICA              2     19.041667     9.520833     4.08    0.0298
AFIJA*OPERADO(UBICA)    12     65.833333     5.486111     2.35    0.0360




               <P.13> ANDEVA: DISEÑO ANIDADO DE 3 ETAPAS              64
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Source                 Type III Expected Mean Square

AFIJA                  Var(Error) + 2 Var(AFIJA*OPERADO(UBICA))
                       + Q(AFIJA,AFIJA*UBICA)

UBICA                  Var(Error) + 2 Var(AFIJA*OPERADO(UBICA))
                       + 6 Var(OPERADOR(UBICA)) + Q(UBICA,AFIJA*UBICA)

OPERADOR(UBICA)        Var(Error) + 2 Var(AFIJA*OPERADO(UBICA))
                       + 6 Var(OPERADOR(UBICA))

AFIJA*UBICA            Var(Error) + 2 Var(AFIJA*OPERADO(UBICA))
                       + Q(AFIJA*UBICA)

AFIJA*OPERADO(UBICA)   Var(Error) + 2 Var(AFIJA*OPERADO(UBICA))



               <P.13> ANDEVA: DISEÑO ANIDADO DE 3 ETAPAS              65
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
        Tests of Hypotheses for Mixed Model Analysis of Variance

Dependent Variable: Y       

 
Source: AFIJA *
Error: MS(AFIJA*OPERADO(UBICA))
                         Denominator    Denominator
     DF    Type III MS            DF             MS     F Value   Pr > F
      2   41.395833333            12   5.4861111111      7.5456   0.0076
* - This test assumes one or more other fixed effects are zero.


Source: UBICA *
Error: MS(OPERADOR(UBICA))
                         Denominator    Denominator
     DF    Type III MS            DF             MS     F Value   Pr > F
      1   4.0833333333             6   11.986111111      0.3407   0.5807
* - This test assumes one or more other fixed effects are zero.


Source: OPERADOR(UBICA)
Error: MS(AFIJA*OPERADO(UBICA))
                         Denominator    Denominator
     DF    Type III MS            DF             MS     F Value   Pr > F
      6   11.986111111            12   5.4861111111      2.1848   0.1174

Source: AFIJA*UBICA
Error: MS(AFIJA*OPERADO(UBICA))
                         Denominator    Denominator
     DF    Type III MS            DF             MS     F Value   Pr > F
      2   9.5208333333            12   5.4861111111      1.7354   0.2178

Source: AFIJA*OPERADO(UBICA)
Error: MS(Error)
                         Denominator    Denominator
     DF    Type III MS            DF             MS     F Value   Pr > F
     12   5.4861111111            24   2.3333333333      2.3512   0.0360



<P.14> DISEÑO  PARCELA DIVIDIDA: 4 TRATAM. PRINC., 4 SUB TRATAM. Y 4  66
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       BLOQUE        4    1 2 3 4

                       LOTE          4    1 2 3 4

                       TRAT          4    1 2 3 4


                Number of observations in data set = 64



<P.14> DISEÑO  PARCELA DIVIDIDA: 4 TRATAM. PRINC., 4 SUB TRATAM. Y 4  67
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   27     7066.1919     261.7108    12.89    0.0001

Error                   36      731.2025      20.3112

Corrected Total         63     7797.3944

                  R-Square          C.V.     Root MSE             Y Mean

                  0.906225      8.534077       4.5068             52.809


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

BLOQUE                   3     2842.8731     947.6244    46.66    0.0001
LOTE                     3     2848.0219     949.3406    46.74    0.0001
BLOQUE*LOTE              9      618.2944      68.6994     3.38    0.0042
TRAT                     3      170.5369      56.8456     2.80    0.0539
LOTE*TRAT                9      586.4656      65.1628     3.21    0.0059

Tests of Hypotheses using the Type I MS for BLOQUE*LOTE as an error term


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

BLOQUE                   3     2842.8731     947.6244    13.79    0.0010
LOTE                     3     2848.0219     949.3406    13.82    0.0010

Tests of Hypotheses using the Type I MS for BLOQUE*LOTE as an error term

Contrast                DF   Contrast SS  Mean Square  F Value    Pr > F

Los Vickland vs.otro     1     1522.9506    1522.9506    22.17    0.0011

Tests of Hypotheses using the Type I MS for BLOQUE*LOTE as an error term

Contrast                DF   Contrast SS  Mean Square  F Value    Pr > F

Entre los Vicland        1      959.2200     959.2200    13.96    0.0046

Tests of Hypotheses using the Type I MS for BLOQUE*LOTE as an error term

Contrast                DF   Contrast SS  Mean Square  F Value    Pr > F

Entre los otros          1      365.8513     365.8513     5.33    0.0464




            <P.15> ANALISIS DE COVARIANZA EN UN DISEÑO C.A.           68
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       MAQUINA       3    1 2 3


                Number of observations in data set = 15



            <P.15> ANALISIS DE COVARIANZA EN UN DISEÑO C.A.           69
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F


Model                    3     318.41411    106.13804    41.72    0.0001

Error                   11      27.98589      2.54417

Corrected Total         14     346.40000

                  R-Square          C.V.     Root MSE             Y Mean

                  0.919209      3.967776       1.5950             40.200


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

X                        1     305.13026    305.13026   119.93    0.0001
MAQUINA                  2      13.28385      6.64193     2.61    0.1181

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

X                        1     178.01411    178.01411    69.97    0.0001
MAQUINA                  2      13.28385      6.64193     2.61    0.1181


                                 T for H0:     Pr > |T|    Std Error of
Parameter          Estimate     Parameter=0                  Estimate

INTERCEPT       15.77546012 B          6.26      0.0001      2.52085429
X                0.95398773            8.36      0.0001      0.11404829
MAQUINA   1      1.58404908 B          1.43      0.1803      1.10714991
          2      2.62085890 B          2.28      0.0433      1.14775881
          3      0.00000000 B           .         .           .        

NOTE: The X'X matrix has been found to be singular and a generalized 
      inverse was used to solve the normal equations.   Estimates 
      followed by the letter 'B' are biased, and are not unique 
      estimators of the parameters.




            <P.15> ANALISIS DE COVARIANZA EN UN DISEÑO C.A.           70
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Level of     -------------Y-------------    -------------X-------------
MAQUINA   N      Mean            SD             Mean            SD

1         5    41.4000000     4.82700735      25.2000000     4.32434966
2         5    43.2000000     3.70135110      26.0000000     3.74165739
3         5    36.0000000     3.80788655      21.2000000     4.02492236


            <P.15> ANALISIS DE COVARIANZA EN UN DISEÑO C.A.           71
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                          Least Squares Means

       MAQUINA             Y       Std Err     Pr > |T|   LSMEAN
                      LSMEAN        LSMEAN   H0:LSMEAN=0   Number

       1          40.3824131     0.7236252        0.0001     1
       2          41.4192229     0.7444169        0.0001     2
       3          38.7983640     0.7878785        0.0001     3

                T for H0: LSMEAN(i)=LSMEAN(j) / Pr > |T|

                      i/j       1         2         3
                      1     .      -1.02359  1.430745
                                     0.3280    0.1803
                      2  1.023592     .      2.283458
                           0.3280              0.0433
                      3  -1.43074  -2.28346     .    
                           0.1803    0.0433          

NOTE: To ensure overall protection level, only probabilities associated 
      with pre-planned comparisons should be used.



<P.16> ANALISIS DE COVARIANZA PARA EXPERIMENTO FACTORIAL 3X2 EN DISEÑ 72
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                      Class    Levels    Values

                      DIETA         3    1 2 3

                      SEXO          2    1 2

                      BLOQUE        5    1 2 3 4 5


                Number of observations in data set = 30



<P.16> ANALISIS DE COVARIANZA PARA EXPERIMENTO FACTORIAL 3X2 EN DISEÑ 73
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   10     11.529762     1.152976     4.55    0.0022

Error                   19      4.815575     0.253451

Corrected Total         29     16.345337

                  R-Square          C.V.     Root MSE             Y Mean

                  0.705385      5.410807       0.5034             9.3043


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

X                        1     5.5590773    5.5590773    21.93    0.0002
BLOQUE                   4     2.2560941    0.5640235     2.23    0.1047
DIETA                    2     2.3236747    1.1618373     4.58    0.0237
SEXO                     1     1.2932261    1.2932261     5.10    0.0358
DIETA*SEXO               2     0.0976895    0.0488447     0.19    0.8263

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

X                        1     3.4987984    3.4987984    13.80    0.0015
BLOQUE                   4     2.3589280    0.5897320     2.33    0.0934
DIETA                    2     2.3365553    1.1682776     4.61    0.0233
SEXO                     1     1.2594388    1.2594388     4.97    0.0381
DIETA*SEXO               2     0.0976895    0.0488447     0.19    0.8263




<P.16> ANALISIS DE COVARIANZA PARA EXPERIMENTO FACTORIAL 3X2 EN DISEÑ 74
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                          Least Squares Means

        DIETA             Y       Std Err     Pr > |T|   LSMEAN
                     LSMEAN        LSMEAN   H0:LSMEAN=0   Number

        1        9.67566315    0.15936320        0.0001     1
        2        9.23467369    0.15984720        0.0001     2
        3        9.00266315    0.15936320        0.0001     3

                    Pr > |T| H0: LSMEAN(i)=LSMEAN(j)

                         i/j     1       2       3
                         1   .      0.0661  0.0075
                         2  0.0661   .      0.3179
                         3  0.0075  0.3179   .    

NOTE: To ensure overall protection level, only probabilities associated 
      with pre-planned comparisons should be used.





    SEXO             Y       Std Err     Pr > |T|      Pr > |T| H0:
                LSMEAN        LSMEAN   H0:LSMEAN=0   LSMEAN1=LSMEAN2

    1       9.09216024    0.13231685        0.0001        0.0381
    2       9.51650642    0.13231685        0.0001


<P.16> ANALISIS DE COVARIANZA PARA EXPERIMENTO FACTORIAL 3X2 EN DISEÑ 75
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                      Class    Levels    Values

                      DIETA         3    1 2 3

                      SEXO          2    1 2

                      BLOQUE        5    1 2 3 4 5


                Number of observations in data set = 30



<P.16> ANALISIS DE COVARIANZA PARA EXPERIMENTO FACTORIAL 3X2 EN DISEÑ 76
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Z   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   10     1277.2438     127.7244   503.94    0.0001

Error                   19        4.8156       0.2535

Corrected Total         29     1282.0593

                  R-Square          C.V.     Root MSE             Z Mean

                  0.996244      1.019019       0.5034             49.404


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

X                        1     1271.2731    1271.2731  5015.85    0.0001
BLOQUE                   4        2.2561       0.5640     2.23    0.1047
DIETA                    2        2.3237       1.1618     4.58    0.0237
SEXO                     1        1.2932       1.2932     5.10    0.0358
DIETA*SEXO               2        0.0977       0.0488     0.19    0.8263

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

X                        1     525.16547    525.16547  2072.06    0.0001
BLOQUE                   4       2.35893      0.58973     2.33    0.0934
DIETA                    2       2.33656      1.16828     4.61    0.0233
SEXO                     1       1.25944      1.25944     4.97    0.0381

DIETA*SEXO               2       0.09769      0.04884     0.19    0.8263




<P.16> ANALISIS DE COVARIANZA PARA EXPERIMENTO FACTORIAL 3X2 EN DISEÑ 77
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                          Least Squares Means

        DIETA             Z       Std Err     Pr > |T|   LSMEAN
                     LSMEAN        LSMEAN   H0:LSMEAN=0   Number

        1        49.7756632     0.1593632        0.0001     1
        2        49.3346737     0.1598472        0.0001     2
        3        49.1026632     0.1593632        0.0001     3

                    Pr > |T| H0: LSMEAN(i)=LSMEAN(j)

                         i/j     1       2       3
                         1   .      0.0661  0.0075
                         2  0.0661   .      0.3179
                         3  0.0075  0.3179   .    

NOTE: To ensure overall protection level, only probabilities associated 
      with pre-planned comparisons should be used.





    SEXO             Z       Std Err     Pr > |T|      Pr > |T| H0:
                LSMEAN        LSMEAN   H0:LSMEAN=0   LSMEAN1=LSMEAN2

    1       49.1921602     0.1323168        0.0001        0.0381
    2       49.6165064     0.1323168        0.0001


<P.17> ANALISIS DE COVARIANZA MULTIPLE:  FACTORIAL DE 4X2 EN DISEÑO B 78
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                       Class    Levels    Values

                       BLOQUE        3    1 2 3

                       ABONO         2    1 2

                       TIPSUELO      4    1 2 3 4


                Number of observations in data set = 24



<P.17> ANALISIS DE COVARIANZA MULTIPLE:  FACTORIAL DE 4X2 EN DISEÑO B 79
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   11     76758.297     6978.027    16.31    0.0001

Error                   12      5135.536      427.961

Corrected Total         23     81893.833

                  R-Square          C.V.     Root MSE             Y Mean

                  0.937290      10.32211       20.687             200.42


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

X1                       1         3.993        3.993     0.01    0.9246
X2                       1     13219.292    13219.292    30.89    0.0001
BLOQUE                   2       332.048      166.024     0.39    0.6867
ABONO                    1      2290.828     2290.828     5.35    0.0392
TIPSUELO                 3     59775.554    19925.185    46.56    0.0001
ABONO*TIPSUELO           3      1136.582      378.861     0.89    0.4764

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

X1                       1      1341.589     1341.589     3.13    0.1020
X2                       1     10585.053    10585.053    24.73    0.0003
BLOQUE                   2       395.401      197.701     0.46    0.6408
ABONO                    1      1850.625     1850.625     4.32    0.0597
TIPSUELO                 3     59216.443    19738.814    46.12    0.0001
ABONO*TIPSUELO           3      1136.582      378.861     0.89    0.4764


                                  T for H0:   Pr > |T|  Std Error of
Parameter             Estimate   Parameter=0              Estimate

INTERCEPT          131.5064653 B        1.88    0.0850   70.05431175
X1                  -0.4943035         -1.77    0.1020    0.27918123
X2                   0.1583657          4.97    0.0003    0.03184321
BLOQUE         1   -10.6200784 B       -0.49    0.6302   21.49557117
               2     2.2976508 B        0.17    0.8693   13.67121479
               3     0.0000000 B         .       .         .        
ABONO          1    -0.7599656 B       -0.03    0.9743   23.06124772
               2     0.0000000 B         .       .         .        
TIPSUELO       1    23.4517602 B        1.06    0.3090   22.07630728
               2  -121.4808291 B       -6.80    0.0001   17.87124714
               3   -58.0638738 B       -3.01    0.0109   19.31008202
               4     0.0000000 B         .       .         .        
ABONO*TIPSUELO 1 1  13.5765144 B        0.42    0.6845   32.60547285
               1 2  37.3361588 B        1.48    0.1653   25.27099103
               1 3  29.7392803 B        0.97    0.3498   30.56777125
               1 4   0.0000000 B         .       .         .        
               2 1   0.0000000 B         .       .         .        
               2 2   0.0000000 B         .       .         .        
               2 3   0.0000000 B         .       .         .        
               2 4   0.0000000 B         .       .         .        

NOTE: The X'X matrix has been found to be singular and a generalized 
      inverse was used to solve the normal equations.   Estimates 
      followed by the letter 'B' are biased, and are not unique 
      estimators of the parameters.




<P.17> ANALISIS DE COVARIANZA MULTIPLE:  FACTORIAL DE 4X2 EN DISEÑO B 80
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                          Least Squares Means

   ABONO             Y       Std Err     Pr > |T|      Pr > |T| H0:
                LSMEAN        LSMEAN   H0:LSMEAN=0   LSMEAN1=LSMEAN2

   1        210.118178      6.292618        0.0001        0.0597
   2        190.715155      6.292618        0.0001




       TIPSUELO             Y       Std Err     Pr > |T|   LSMEAN
                       LSMEAN        LSMEAN   H0:LSMEAN=0   Number

       1           259.598426      8.594161        0.0001     1
       2           126.545658      8.485458        0.0001     2
       3           186.164174      9.334271        0.0001     3
       4           229.358408      9.145719        0.0001     4

                    Pr > |T| H0: LSMEAN(i)=LSMEAN(j)

                     i/j     1       2       3       4
                     1   .      0.0001  0.0001  0.0347
                     2  0.0001   .      0.0006  0.0001
                     3  0.0001  0.0006   .      0.0091
                     4  0.0347  0.0001  0.0091   .    

NOTE: To ensure overall protection level, only probabilities associated 
      with pre-planned comparisons should be used.





   ABONO   TIPSUELO             Y       Std Err     Pr > |T|   LSMEAN
                           LSMEAN        LSMEAN   H0:LSMEAN=0   Number

   1       1           266.006700     12.078556        0.0001     1
   1       2           144.833755     12.769879        0.0001     2
   1       3           200.653832     13.986703        0.0001     3
   1       4           228.978425     14.268837        0.0001     4
   2       1           253.190151     12.917782        0.0001     5
   2       2           108.257562     12.444568        0.0001     6
   2       3           171.674517     11.962663        0.0001     7
   2       4           229.738391     15.152531        0.0001     8

                    Pr > |T| H0: LSMEAN(i)=LSMEAN(j)

     i/j     1       2       3       4       5       6       7       8
     1   .      0.0001  0.0042  0.0772  0.4940  0.0001  0.0001  0.0735
     2  0.0001   .      0.0138  0.0004  0.0001  0.0735  0.1519  0.0021
     3  0.0042  0.0138   .      0.2213  0.0184  0.0004  0.1361  0.1846
     4  0.0772  0.0004  0.2213   .      0.1950  0.0001  0.0102  0.9743
     5  0.4940  0.0001  0.0184  0.1950   .      0.0001  0.0006  0.3090
     6  0.0001  0.0735  0.0004  0.0001  0.0001   .      0.0032  0.0001
     7  0.0001  0.1519  0.1361  0.0102  0.0006  0.0032   .      0.0109
     8  0.0735  0.0021  0.1846  0.9743  0.3090  0.0001  0.0109   .    

NOTE: To ensure overall protection level, only probabilities associated 
      with pre-planned comparisons should be used.



         <P.18> ANALISIS DE COVARIANZA: DISEÑO CUADRADO LATINO        81
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                     Class    Levels    Values

                     FILAS         6    1 2 3 4 5 6

                     COLUMNAS      6    1 2 3 4 5 6

                     TRAT          6    A B C D E F


                Number of observations in data set = 36



         <P.18> ANALISIS DE COVARIANZA: DISEÑO CUADRADO LATINO        82
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   16     45.044758     2.815297     1.90    0.0920

Error                   19     28.222742     1.485407

Corrected Total         35     73.267500

                  R-Square          C.V.     Root MSE             Y Mean

                  0.614799      17.10559       1.2188             7.1250


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

X                        1      0.768316     0.768316     0.52    0.4808
FILAS                    5      3.243827     0.648765     0.44    0.8173
COLUMNAS                 5     11.702191     2.340438     1.58    0.2147
TRAT                     5     29.330423     5.866085     3.95    0.0127




         <P.18> ANALISIS DE COVARIANZA: DISEÑO CUADRADO LATINO        83
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                          Least Squares Means

                           TRAT             Y
                                       LSMEAN

                           A       7.09191297
                           B       8.29388342
                           C       7.09191297
                           D       7.65956486
                           E       7.59240558
                           F       5.02032020



    <P.18> ANALISIS DE COVARIANZA: FACTORIAL 2X3 EN CUADRADO LATINO   84
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                        Class Level Information

                     Class    Levels    Values

                     FILAS         6    1 2 3 4 5 6

                     COLUMNAS      6    1 2 3 4 5 6

                     CRUZASMP      3    NL1 NL2 NL3

                     CRUZADBL      2    NR1 NR2


                Number of observations in data set = 36



    <P.18> ANALISIS DE COVARIANZA: FACTORIAL 2X3 EN CUADRADO LATINO   85
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure

Dependent Variable: Y   
                                  Sum of         Mean
Source                  DF       Squares       Square  F Value    Pr > F

Model                   16     45.044758     2.815297     1.90    0.0920

Error                   19     28.222742     1.485407

Corrected Total         35     73.267500

                  R-Square          C.V.     Root MSE             Y Mean

                  0.614799      17.10559       1.2188             7.1250


Source                  DF     Type I SS  Mean Square  F Value    Pr > F

X                        1      0.768316     0.768316     0.52    0.4808
FILAS                    5      3.243827     0.648765     0.44    0.8173
COLUMNAS                 5     11.702191     2.340438     1.58    0.2147
CRUZASMP                 2     14.223050     7.111525     4.79    0.0207
CRUZADBL                 1      8.636494     8.636494     5.81    0.0262
CRUZASMP*CRUZADBL        2      6.470879     3.235439     2.18    0.1407

Source                  DF   Type III SS  Mean Square  F Value    Pr > F

X                        1      0.717258     0.717258     0.48    0.4955
FILAS                    5      1.221491     0.244298     0.16    0.9726
COLUMNAS                 5      9.475919     1.895184     1.28    0.3149
CRUZASMP                 2     17.904417     8.952208     6.03    0.0094
CRUZADBL                 1      9.614042     9.614042     6.47    0.0198
CRUZASMP*CRUZADBL        2      6.470879     3.235439     2.18    0.1407




    <P.18> ANALISIS DE COVARIANZA: FACTORIAL 2X3 EN CUADRADO LATINO   86
                                          13:01 Saturday, March 13, 1999

                    General Linear Models Procedure
                          Least Squares Means

                         CRUZASMP             Y
                                         LSMEAN

                         NL1         6.05611658
                         NL2         7.69289819
                         NL3         7.62598522




                         CRUZADBL             Y
                                         LSMEAN

                         NR1         7.65940066
                         NR2         6.59059934




                   CRUZASMP   CRUZADBL             Y
                                              LSMEAN

                   NL1        NR1         7.09191297
                   NL1        NR2         5.02032020
                   NL2        NR1         8.29388342
                   NL2        NR2         7.09191297
                   NL3        NR1         7.59240558
                   NL3        NR2         7.65956486


    <P.18> ANALISIS DE COVARIANZA: FACTORIAL 2X3 EN CUADRADO LATINO   87
                                          13:01 Saturday, March 13, 1999


                    General Linear Models Procedure

  Level of     -------------Y------------   -------------X------------
  CRUZASMP   N     Mean           SD            Mean           SD

  NL1       12   6.13333333    1.41699640     17.8333333    1.89896303
  NL2       12   7.65000000    1.20264859     16.6666667    2.26969495
  NL3       12   7.59166667    1.26308305     16.7500000    1.60255478

  Level of     -------------Y------------   -------------X------------
  CRUZADBL   N     Mean           SD            Mean           SD

  NR1       18   7.62222222    1.45422531     16.7222222    1.84089350
  NR2       18   6.62777778    1.29287894     17.4444444    2.06432505