2
2
..
F
c
=
rt
Y
2
..
donde rt = n
rt
Y
r
Y
SC
j
j
trat
2
..
2
.
.
=
SC
Y
t
Y
rt
bloques
i
i
=
. ..
2 2
SC
de los errores para Yij
:
rt
Y
t
Y
r
Y
y E
i
i
j
j
ij
ij yy
2
..
2
.
2
.
2
+ =
ANCOVA
29
El mejor estimador lineal no sesgado de un contraste entre efectos de
tratamientos es:
j j j i
i
t
i
t
Y
r
T
r
.
=
= =
1 1
(3)
2. Operando de forma anloga, se calculan E
xx
y E
xy
:
SC errores para covariante:
(
(
(
=
i
i
j
j
ij
ij xx
rt
X
t
X
rt
X
r
X
rt
X
X E
2
..
2
.
2
..
2
.
2
.. 2
(4)
SC
Error Multiplicado
:
( )( )
(
=
i
c
i i
j
c
j j
ij
ij ij xy
F
t
Y X
F
r
Y X
rt
Y X
Y X E
. .
. .
.. ..
(5)
Factor de correccin multiplicado
( )( )
rt
Y X
F
c
.. ..
=
(6)
SC
de Bloques
:
=
= =
r
i
i
xx bloque
rt
X
t
X
B SC
1
2
..
2
.
(7)
SC
de Tratamientos
:
=
= =
t
j
j
xx trat
rt
X
r
X
T SC
1
2
..
2
.
.
(8)
SC
de Tratamientos para X
:
= =
=
r
i
t
j
ij totalxx
rt
X
X SC
1 1
2
.. 2
(9)
M.H. Badii et al.
30
SC
de Bloques Multiplicado XY
:
=
= =
r
i
c
i i
xy bloquexy
F
t
Y X
B SC
1
. .
(10)
SC
Tratamientos Multiplicados
:
=
= =
t
j
c
j j
xy xy trat
F
r
Y X
T SC
1
. .
.
(11)
SC
Total Multiplicado
:
( )( )
= =
=
r
i
t
j
ij ij totalxy
rt
Y X
Y X SC
1 1
.. ..
(12)
Tabla 1. Anlisis de varianza de productos cruzados.
FV gl SC y de productos cruzados
X.X X.Y Y.Y
Bloques (repeticiones) r - 1 Bxx Bxy Byy
Tratamientos t - 1 Txx Txy Tyy
Error (r-1)(t-1) Exx Exy Eyy
Total rt - 1 SCtot.xx SCtot.xy SCtot.yy
3. Clculo de coeficientes de covariante
El Coeficiente de covariantes:
xx
xy
xy xx
E
E
E E = =
(13)
Donde el calculo de error XY es igual a
xx
xy
xy
E
E
E
2
=
La Suma de los Cuadrados de Error se calcula como
xx
xy
yy error
E
E
E SC
2
=
(14)
ANCOVA
31
Al dividir la suma de los cuadrados de error entre el grado de libertad
correspondiente, se obtiene el Cuadrado medio del error o la varianza:
( ) ( ) 1 1 ) 1 (
/
1 1 ) 1 (
2
2
=
= =
t r
E E E
t r
SC
S CM
xx yy
E
E
xy
(15)
Puesto que, en general, estamos interesados en la estimacin de contrastes,
la expresin para estimar a
j
j
con
=
j
j
(16)
( )
$
$
y x
j j
= medidas de tratamientos corregidos por X
ij
.
r Y y
j j
/
.
=
x X r
j j
=
.
/
y
xx
xy
E
E
=
La varianza de
j j
se compone de 2 partes:
a) Una parte debida a la varianza de la
j j
y
.
b) Otra parte debida al efecto de covariable:
2
1
.
1
2
2
2
2
1
.
|
|
.
|
\
|
+ =
|
|
.
|
\
|
= = =
t
j
j j
t
j
xx
j
t
j
j j
X
E r r
Var
(17)
4. Significancia de los efectos de los tratamientos.
H
t 0 1 2
: = = = L
H
A t
:
1 2
L
M.H. Badii et al.
32
Bajo la H
0
:
ij ij i ij
e X y + + + =
(18)
a) Ignorando X
ij
:
y e
ij i ij
= + +
(19)
Bajo el diseo de bloques al azar, bloques y tratamientos son
ortogonales entonces, SC de los errores en el (19):
yy yy yy
E E + =
xx xx xx
E E + =
xy x xy
E E + =
b) El coeficiente de covariacin correspondiente a la ecuacin (18):
= E E
xx xy
xx
xy
E
E
=
Notaciones introducidas
( )
=
E
E
E
xy
xy
xx
2
(20)
( )
SC E
E
E
E yy
xy
xx
2
(21)
c) SC debida a tratamientos, ajustados por el efecto de la covariable
( ) E E
SC SC SC =
( )
( ) ( )
(
(
(
(
xx
xy
yy
xx
xy
yy
E
E
E
E
E
E SC
2 2
(22)
ANCOVA
33
( )
( ) | | ( ) | |
1
/ /
2 2
t
E E E E E E
CM
xx xy yy xx xy yy
(23)
( )
( ) | | ( ) | |
( )( ) 1 1 1
/
1
/ /
2
2 2
2
= =
t r
E E E
t
E E E E E E
S
CM
F
xx xy yy
xx xy yy xx xy yy
c
(24)
El Grado de Libertad para F
c
= (t-1), (r-1)(t-1)-1
d) Si se desea probar la hiptesis H
0
: = vs. H
A
: :
2
2
/
S
E E
F
xx xy
c
= con 1 y (r-1)(t-1)-1 gl.
Una caracterstica fundamental de toda covariable es su independencia de
los efectos de los tratamientos.
( )
( )
(
+ =
xx
xx
E t r
d Var
1
1
2
2
+
=
xx
xx
E t
s
s
I
1
1
*
2
2
Eficiencia de la covarianza en la reduccin de la
varianza del error.
Ejemplo. Un experimento de fertilizantes con el diseo San Cristbal (12
tratamientos en cuatro bloques completos al azar), realizado por el IMPA en
la zona de abastecimiento del ingenio Motzorongo, en el estado de Veracruz,
cosechado en plantilla durante la zafra 1977 1978, produjo los resultados
de la Tabla 2. En esta tabla la Y es el rendimiento de caa en toneladas por
hectrea, y X es el nmero observado de tallos molederos por parcela
experimental. Se propone examinar el efecto de los nutrientes sobre el
M.H. Badii et al.
34
rendimiento de caa, eliminando a travs de la tcnica de covarianza, el
efecto del nmero de tallos molederos (Martnez-Garza, 1988).
Tabla 2. Anlisis de covarianza en un experimento caero.
Trata-
mientos
I
Y X
II
Y X
III
Y X
IV
Y X
Sumas
Y X
1
2
3
4
5
6
7
8
9
10
11
12
107.5 319
89.2 300
102.2 280
88.1 318
121.4 308
119.4 306
110.6 316
106.4 290
114.7 315
116.4 330
96.1 302
102.5 321
103.6 308
102.8 307
110.0 280
105.0 315
100.3 304
111.1 310
113.6 303
120.0 306
106.9 299
129.2 315
107.8 353
114.4 307
84.4 319
84.5 320
76.9 299
104.7 319
111.7 315
100.8 334
114.7 284
88.9 314
114.4 310
106.4 319
106.5 310
116.4 316
115.6 275
108.1 302
87.5 268
120.3 311
126.1 290
119.2 296
122.2 295
130.0 299
115.8 297
136.9 317
122.8 294
126.7 302
412.2 1,221
384.5 1,229
376.6 1,127
418.1 1,263
459.5 1,217
450.5 1,246
461.1 1,198
445.3 1,209
451.8 1,221
488.9 1,281
433.3 1,259
460.0 1,246
Sumas 1274.5 3705 1324.7 3707 1211.4 3759 1431.2 3546 5241.8 14717
Se realizan los clculos para construir la Tabla 3 de sumas de cuadrados y
productos cruzados.
Tabla 3. Suma de cuadrados y de productos cruzados.
Fuente de variacin Grados de
libertad
Sumas de cuadrados y de productos
cruzados
X . X X . Y Y . Y
Bloques (B)
Tratamientos (T)
Error (E)
Total
3
11
33
47
2,129.1 - 2,043.29 2,157.25
4,323.7 1,904.43 3,042.45
4,574.7 - 404.26 2,780.86
11,027.5 - 543.12 7,980.56
= T + E 44 8,898.4 1,500.17 5,823.31
Como regla general para decidir sobre el empleo de la covarianza, el
investigador debiera tener la certeza de que sus covariables no estan
influenciadas por los tratamientos estudiados. Es comn que en la prctica,
para probar la significancia del efecto de los tratamientos sobre los valores de
la propia covariable, se realice el anlisis de varianza sobre los valores
observados de la covariable. Esta manera de proceder, de acuerdo con
Anderson y Bancroft (1952), no es muy adecuada, y recomiendan que los
investigadores basen su tcnica de anlisis en un juicio riguroso de su
ANCOVA
35
experimento, para bien detectar la existencia de dependencia o no de las
covariables para con los tratamientos. Por tanto tendramos los siguientes.
SC
Totalxx
= 319
2
+ 300
2
+ ... + 302
2
(14717)
2
/48 = 11,027.5
1 . 2129
48
14717
12
3546 ... 3705
2 2 2
=
+ +
=
XX
B
7 . 4323
48
14717
4
1246 ... 1221
2 2 2
=
+ +
=
XX
T
SC
Totalxy
= [107.5
2
+ 89.2
2
+ ... + 126.7
2
] (5241.8)
2
/48 = 7, 980.56
25 . 2157
48
8 . 5241
12
2 . 1431 ... 5 . 1274
2 2 2
=
+ +
=
YY
B
45 . 3042
48
8 . 5241
4
0 . 460 ... 2 . 412
2 2 2
=
+ +
=
YY
T
SP
Totalxy
= 107.5 x 319 + + 126.7 x 302 (5241.8 x 14717)/48 = - 543.12
B
xy
=
48
14717 8 . 5241
12
3546 2 . 1431 ... 3705 5 . 1274 x x x
+ +
= -2043.29
T
xy
=
48
14717 8 . 5241
4
1246 0 . 460 ... 1221 2 . 412 x x x
+ +
= 1904.43
Por tanto,
E
xx
= SC
Totalxx
B
xx
- T
xx
E
xx
= 11027.5 2129.1 4323.7 = 4574.7
E
yy
= SC
Total
B
yy
- T
yy
E
yy
= 7980.56 2157.25 3042.45 = 2780.86
M.H. Badii et al.
36
E
xy
= SPTotal
xy
B
xy
- T
xy
E
xy
= -543.12 (-2043.29) 1904.43 = - 404.26
Puesto que
xy xx
E E =
, se obtiene:
0883686 . 0
7 . 4574
26 . 404
= =
xx
xy
E
E
SCE = E
yy
-
xy
E
SC
E
= 2780.86 (-0.00883686) x (-404.26) = 2745.14
Donde:
79 . 85
1 11 3
14 . 2745
1 ) 1 )( 1 (
2
=
=
=
x t r
SCE
S
De manera similar, ya que
xy xx
E E ' '
= = =
xx
xy
E
E
SCE =E
yy
-
xy
E'
SC
E
= 5823.31 0.168589 x 1500.17 = 5570.40
Usando los resultados anteriores, la suma de cuadrados debida a
tratamientos ajustados, SC(TA), es:
SC(TA) = SCE SCE
SC(TA) = 5570.40 2745.14
SC(TA) = 2825.26
Donde:
CM
(TA)
= 84 . 256
11
26 . 2825
1
) (
= =
t
TA SC
ANCOVA
37
Para probar la hiptesis H
0
: r
1
= r
2
= ... r
t
contra la alternativa H
1
: por
lo menos r
i
r
j
, con i j, la estadstica de prueba, F, est dada por:
99 . 2
79 . 85
84 . 256 ) (
2
= = =
s
TA CM
F
la cual, si H
0
es cierta, se distribuye como una F con 11 y 32 grados de
libertad. Para una prueba al 1% de significancia, el valor tabulado de esta
distribucin es de 2.87. Puesto que el valor calculado de la F es mayor que la
tabulada, se rechaza la hiptesis nula.
Conclusiones
El mundo es multifactorial, multidimencional y con un enfoque
multiangular. Las cosas en el universo, incluyendo los procesos, fenmenos,
objetos y/o eventos, no ocurren de forma aislada. Hay una interconexin
natural entre todos estos, ya que todas y cada una de las cosas tiene su
lugar propio en el universo y juegan un papel, aunque sea de diferentes
magnitudes, relevante y precisa para mantener el orden dentro del cosmos.
Debido a esta interrelacin duradera entre los diferentes tems, es necesario
tener disponible tcnicas que puedan analizar el efecto y la manifestacin de
cada factor como si fuera sucediendo de forma individual y aislada y por tanto
libre del efecto de cualquier otro factor auxiliar. Antes del nacimiento de
herramientas analticas (por ejemplo estadsticas) en el apoyo a la
investigacin cientfica, exista una prdida enorme en lo que se refiere a la
descripcin, medicin, explicacin e incluso los planes del manejo de las
cosas que ocurran y/o se manifestaban de forma simultnea y conjunta. El
anlisis de covarianza es una de estas tcnicas que puede estimar el efecto
de un factor cuando est en juego de manera simultnea, el efecto de otro
factor auxiliar, en otras palabras, por medio de ANCOVA, el investigador fija
el efecto del factor auxiliar a travs de todos los tratamientos y esto significa
como que si el factor auxiliar no existiera. Adems, esta tcnica tambin es
til para interpretar la naturaleza de los efectos de los tratamientos,
cuantificar los efectos de los mismos, ajustar las medias de los tratamientos y
finalmente, para reducir el grado de error experimental que forma una parte
esencial de la experimentacin, del muestreo y de la inferencia como base de
la lgica inductiva.
M.H. Badii et al.
38
Referencias
Badii, M.H., A.R. Pazhakh, J.L. Abreu & R. Foroughbakhch. 2004. Fundamentos del mtodo
cientfico. InnOvaciOnes de NegOciOs 1(1): 89107.
Badii, M.H., J. Castillo & A. Wong. 2006. Diseos de distribucin libre. InnOvaciOnes de
NegOciOs, 3(1): 141-174.
Badii, M.H. & J. Castillo (eds.). 2007. Tcnicas Cuantitativas en la Investigacin. UANL,
Monterrey.
Badii, M.H., R. Ramrez & J. Castillo. 2007a. Papel de estadstica en la investigacin
cientfica. InnOvaciOnes de NegOciOs, 4(1): 107-145.
Badii, M.H., J. Castillo, R. Rositas & G. Ponce. 2007b. Experimental designs. Pp. 335-348. In:
M.H. Badii & J. Castillo (eds.). Tcnicas Cuantitativas en la Investigacin. UANL,
Monterrey.
Cochran, W.G. & G.M. Cox, 1957. Experimental designs. 2
nd
Ed. John Wiley & Sons, New
York.
Delury, D.B. 1948. The Analysis of Co-variance. Biometrics, 4: 153-170.
Federer, W.T. Y C.S. Schlottfeldt, 1954. The use of covariance to control gradients in
experiments. Biometrics, 10: 282-290.
Finney, D.J. 1946. Standard errors of yields adjusted for regression on an independent
measurement. Biometrics Bull. 2: 53-55.
Martnez-Garza, A. 1988. Diseos experimentales, mtodos y elementos de teora. Ed.
Trillas, 756.
Outhwaite, A.D. & A. Rutherford, 1955. Covariance analysis as alternative to stratification in
the control of gradients. Biometrics, 11:431-440.
Steel, R.G.D. 1954. Which dependent variate? Y or Y-X? Mimeo Series BU-54-M, Biometrics
Unit. Cornell Univ. Ithaca, N.Y.
Wishart, J. 1936. Test of significance in the analysis of covariance. J. Roy. Stat. Soc. Suppl.
3: 79-82.