Analisis de Varianzas

TEMA 04
ANALISIS DE LAS
VARIANZAS
Ing. William Len Velsquez
Suposiciones en el anlisis de la varianza (ANOVA)
Para emplear ANOVA se supone lo siguiente:
Las poblaciones siguen la distribucin

normal.
Las poblaciones tienen desviaciones

estndar iguales ().
Las poblaciones son independientes.

4
Ing. William len Velsquez
El anlisis de la varianza (ANOVA)

ANOVA permite comparar las medias de tratamiento de
forma simultnea y evitar la acumulacin del error tipo I.
ANOVA se desarroll para aplicaciones en agricultura, y an
se emplean muchos de los trminos relacionados con ese
contexto.
En
particular, con el
trmino tratamiento
se
identifican
las
poblaciones diferentes
que se examinan.
5
EJEMPLO DIDACTICO
El gerente de un centro financiero, desea comparar la productividad, medida por
el nmero de clientes atendidos entre tres empleados.
Selecciona cuatro das en forma aleatoria y se registra el nmero de clientes
atendidos por cada empleado.
Los resultados son:
Walter
Willy
Kike
55
66
47
54
76
51
59
67
46
56
71
48
EJEMPLO DIDACTICO
Habr alguna diferencia en el nmero de clientes atendidos?
En la siguiente grfica se ilustrar cmo

pueden aparecer las poblaciones si hubiera
una diferencia en las medias del
tratamiento.
EJEMPLO DIDACTICO
Walter
Kike
Willy
Observe que las poblaciones en la grfica de la

izquierda siguen la distribucin normal y la
variacin en cada poblacin es la misma. Sin
embargo, las medias no son iguales.
Servicio al cliente
Suponer que las poblaciones son iguales es

decir que no hay diferencia en las medias
(tratamiento). Estos se muestra en la grfica de
la derecha. Observe que las poblaciones siguen
la distribucin normal y la variacin en cada
poblacin es la misma.
Walter
Kike
Willy
Servicio al cliente
8
La prueba ANOVA
Si se desea determinar si varias medias muestrales provienen
de una sola poblacin o de poblaciones con medias diferentes.
Lo que se hace en realidad, es que estas medias muestrales se
comparan mediante sus varianzas.
Una de las suposiciones para aplicar la prueba ANOVA es que

la desviacin estndar de las diversas poblaciones normales
tienen que ser las mismas. Se aprovecha este requisito en la
prueba ANOVA.
9
La prueba ANOVA
La estrategia es estimar la varianza de la poblacin de dos formas y

despus determinar la razn de dichos estimados.
Si esta razn es aproximadamente 1, entonces por lgica los dos

estimados son iguales, y se concluye que las medias poblaciones
son iguales.
La distribucin F sirve como un rbitro al indicar en

que instancia la razn de las varianzas muestrales es
mucho mayor que 1 para haber ocurrido por
casualidad.
10
La prueba ANOVA
Se definir algunos conceptos que nos ayudaran a entender mejor en
problemas posteriores, a travs del ejemplo planteado.
VARIACIN TOTAL (SS) Suma de las diferencias elevadas al

cuadrado entre cada observacin y la media global
11
EJEMPLO DIDACTICO
La variacin total del ejemplo:
Se calcula la media global de las 12 observaciones:

(55+54+59+56+66+76+67+71+47+51+46+48)/12 = 58
X G 58
12
EJEMPLO DIDACTICO
Despus, para cada una de las 12 observaciones se encuentra la

diferencia entre el valor particular y la media global. Cada una de
estas diferencias se eleva al cuadrado y estos cuadrados se suman,
este resultado es la variacin total,
SS= (55-58)2+(54-58)2+(59-58)2+(56-58)2+
(66-58)2+(76-58)2+(67-58)2+(71-58)2+
(47-58)2+(51-58)2+(46-58)2+(48-58)2=
SS= 1082.
13
EJEMPLO DIDACTICO
Luego se divide esta variacin total en dos componentes:
la que se debe a los tratamientos y

la que es aleatoria.
SS = SST + SSE
SS: Suma de cuadrados

SST: Suma de cuadrados de los tratamientos
SSE: Suma de cuadrados del error
Para
encontrar estas dos componentes, se determina la

media de cada tratamiento.
La primera fuente de variacin se debe a los tratamientos.
14
La prueba ANOVA
VARIACIN DE TRATAMIENTO (SST) Suma de las diferencias elevadas al
cuadrado entre la media de cada tratamiento y la media global
15
EJEMPLO DIDACTICO
En el ejemplo, la variacin debida a los tratamientos es la suma de las diferencias

al cuadrado entre la media de cada empleado y la media global.
Para calcularlo, primero se encuentra la media de cada uno de los tres
tratamientos.
La media de Walter es 56, determinada por:
(55 + 54 + 59 + 56)/4.
La media de Willy es son 70 determinada por:
(66 + 76 + 67 + 71)/4.
La media de Kike es 48 determinada por:
(47 + 51 + 46 + 48)/4.
16
EJEMPLO DIDACTICO
La suma de los cuadrados debida a los
tratamientos es:
(56 58)2 +(56 58)2 + ..+ (48 58)2 + (48 58)2 =

SST = 992
=4(56 58)2 + 4(70 58)2 + 4(48 58)2 = 992

Si existe una variacin considerable entre las medias de los
tratamientos, es lgico que este trmino sea grande.
El valor ms bajo posible es cero. Esto ocurrir cuando todas las
medias de los tratamientos sean iguales.
17
La prueba ANOVA
La otra fuente de variacin se le conoce como componente aleatoria o
componente de error.
VARIACIN ALEATORIA (SSE) Suma de las diferencias elevadas al cuadrado

entre cada observacin y su media de tratamiento.
18
EJEMPLO DIDACTICO
Las medias de
cada empleado
Walter es 56
Willy es 70
Kike es 48
En el ejemplo, este trmino es la suma de las diferencias al cuadrado

entre cada valor y la media para ese empleado en particular.
SSE=(55 56)2 +(54 56)2 + + (46 48)2+ (48 48)2 = 90
La variacin de error es de 90.
SSE = 90
19
EJEMPLO DIDACTICO
En resumen:
La suma de la diferencia entre el valor particular y la media global elevado al
cuadrado es la variacin total, y es igual 1082.
La suma de los cuadrados debida a los tratamientos es 992

La variacin de error es de 90.
Por lo tanto:
SS = SST + SSE
1082 =
992 +
=
90
+
20
La prueba ANOVA
El estadstico de prueba, es la razn de los dos estimados de la varianza poblacional,
se determina a partir de la siguiente ecuacin:
21
La prueba ANOVA
S 2T m 1
F 2
S E nm
Diferencia entre grupos
m-1
Diferencias dentro de cada

grupos
n -m
22
EJEMPLO DIDACTICO
El primer estimado de la varianza poblacional
entre los tratamientos, es decir, de la diferencia
entre las medias.
ste es 992/2.
Por qu se divide entre 2?
Recuerde que para encontrar una varianza muestral ,
se divide entre el nmero de observaciones menos
uno (n-1).
Entre grupos
En este caso hay 3 tratamientos por lo que se divide

entre 2.
El primer estimado poblacional es 992/2.
23
EJEMPLO DIDACTICO
El estimado de la varianza dentro de los

tratamientos es la variacin aleatoria dividida entre
el nmero total de observaciones menos el nmero
de tratamientos.
Es decir 90 / (12-3).
De aqu, el segundo estimado de la varianza
poblacional es 90/9.
Dentro de cada grupos
24
EJEMPLO DIDACTICO
Por tanto
S 2T m 1
F 2
S E nm
Entre grupos
Dentro de cada grupos
25
EJEMPLO DIDACTICO
Como esta razn es muy distinta a 1, se concluye que las medias de los
tratamientos no son iguales.
Por lo tanto hay una diferencia en el nmero medio de clientes atendidos
por los tres empleados.
Al igual que en la prueba de hiptesis de dos muestras y una muestra se
sigue la regla de los cinco pasos.
26
Comparacin de varias medias
Anlisis de Varianza (ANOVA)

Es la relacin entre una variable cualitativa
(con ms de 2 categoras) y una variable
cuantitativa
27
El problema
Se tiene varias medias muestrales y se desea
saber si realmente son evidencia de una
diferencia entre los diferentes grupos.
Existe una variable cuanlitativa X que podra

explicar los cambios en una variable
cuantitativa Y
28
Esquema ANOVA
Variable Independiente o
Explicativa
Variable dependiente o
Respuesta
Cualitativa
Cuantitativa
FACTOR que incluye varios

posibles tratamientos que
pueden influir en la
respuesta
Y
Medicin que puede
RESPONDER a los varios
posibles tratamientos del
factor estudiado
29
La Hiptesis
Ho: No hay relacin entre X e Y
Ho: Las medias de Y en los diferentes grupos son
iguales
Ho: 1 = 2 = 3
Ha:
Si hay relacin entre X e Y

Ha: Por lo menos una media de Y es diferente en los
grupos definidos por la variable X
Ha: No todas las medias poblacionales son iguales
30
Ilustracin mediante un ejemplo

Se ha calculado la produccin promedio de tres lneas de produccin
de una empresa de productos electrnicos
Lnea 1
Lnea 2
Lnea 3
Produccin promedio
(unidades)
11.1
15.9
22.7
Desviacin estndar
(unidades)
5.6
6.2
5.9
Base n
244
206
139
La muestra seleccionada permite ver que hay diferencias, pero esta

diferencia representa slo en la muestra
31
Si se asume que Ho es cierta

(No hay relacin)
Lnea 1
Lnea 2
Lnea 3
Media
general
Produccin
promedio
15.5
15.5
15.5
15.5
Base (n)
244
206
139
589
En la poblacin las medias deberan ser iguales (Este es el supuesto de Ho)
32
Modelo de ANOVA de un factor
Media general
Y=
Efecto del tratamiento en el

factor analizado
Error aleatorio
33
En el ejemplo
X es el factor analizado:
variable cualitativa
Y : cantidad producida
El efecto sobre la cantidad producida de cada tratamiento (lnea de

produccin) en la muestra no tiene que ser el mismo.
La
hiptesis nula dice que no hay

diferencia en la produccin en los
tratamientos.
La hiptesis alternativa dice que por lo
menos uno de los tratamientos (lnea de
produccin) tiene efecto sobre la cantidad
comprada
34
Resultados de ANOVA
Efecto del factor Lnea de Produccin
Efecto del Error aleatorio
Como el valor de p es casi 0 se rechaza la Ho

Con lo cual se rechaza la hiptesis de igualdad de medias
Por lo tanto al menos una lnea tiene una produccin diferente
En otrasIng.palabras
hay una relacin el factor lnea y la produccin.
William len Velsquez
35
Supuestos de ANOVA
La dispersin debe ser la misma en cada grupo
o categora (igualdad de varianza)
La distribucin de las observaciones en cada
grupo debe ser normal
ANOVA es ms sensible al primer supuesto que la segundo
En casos extremos hay que considerar alternativas no paramtricas
36
Ejemplo 1
Una gran ciudad est dividida en cuatro distritos. El jefe de polica quiere
determinar si hay alguna diferencia en el nmero promedio de infracciones
cometidos en cada distrito.
Se registr el nmero de infracciones reportados en cada distrito en una
muestra de seis das.
Al nivel de significancia 0,05; puede el funcionario concluir que hay diferencia
en el nmero promedio de infracciones?
Distrito 01
Distrito 02
Distrito 03
Distrito 04
37
Ejemplo 1
a) Formulacin de las hiptesis
Ho: 1 = 2 = 3 = 4
H1: Al menos una de las i es diferente
b) Obtencin del valor crtico:

Nivel de significancia=0.05
GL numerador: k-1 = 4-1=3
GL del denominador: n-k = 24-4 =20
Fcrtico= 3.098
Regla de decisin:
Se rechazar la Ho si F> 3.10
38
Ejemplo 1
c) Clculo del valor del estadstico de la prueba:
Distrito 01
x (T)
n
x2
13
15
14
15
14
15
86
x2
Distrito 02
169
225
196
225
196
225
21
13
18
19
18
19
108
x2
Distrito 03
441
169
324
361
324
361
1236
12
14
15
13
12
15
81
x2
Distrito 04
144
196
225
169
144
225
1980
16
17
18
15
20
18
104
total
x2
256
289
324
225
400
324
1103
1818
x
379
x2
6137
39
Ejemplo 1
=

24
= 151.958
(86)2 (108)2
(81)2 (104)2
(379)2
SST=------ + ------ + ------ + -------- - -------6
6
6
6
24
SST= 1232.67
SSTotal= SST+ SSE
+ 1944.00 +
1093.50
1802.67
5985.04
SSE=SSTotal SST
SSE=151.958 87.79 =64.188
40
87.79
Ejemplo 1
Suma de
Cuadrados
G.L.
Media
Cuadrado
Tratamientos
Error
87.770
64.188
3
20
29.256
3.2094
Total
151.958
23
F. Variacin
F
9.118
d) Criterio de decisin
Se rechaza la Ho debido a que el valor del Fcalculado es 9.118 y es mayor al

valor del Fcrtico de 3.10.
Se concluye de que hay diferencia en el nmero promedio de infracciones
entre los distritos citados
41
Ejemplo 2
Una egresada de ingeniera industrial tiene ofertas de trabajo de cuatro empresas.

Para examinar un poco ms las propuestas, solicit a un grupo de personas recin
ingresadas a dichas empresas, que le indiquen cuntos meses trabajaron cada una
para su compaa, antes de recibir un aumento de sueldo.
La informacin muestral fueron lo siguiente:

Empresa1
Empresa2
Empresa3
Empresa4
12
14
18
12
10
14
12
10
12
16
14
16
12
10
Al nivel de significancia de 0,05; existe alguna diferencia entre las cuatro

empresas, en el nmero medio de meses antes de recibir un aumento de sueldo?
42
Ejemplo 2
a) Formulacin de las hiptesis
Ho:1 = 2 = 3 = 4
H1: Al menos una de las i es diferente
b) Obtencin del valor crtico:

Nivel de significancia=0.05
GL numerador: k-1 = 4-1=3
GL del denominador: n-k = 14-4 =10
Fcritico= 3.708
Regla de decisin:
Se rechazar la Ho si F> 3.71
43
Ejemplo 2
C) Obtencin del F de los datos de la muestra
Empresa 01
X2
Empresa 02
X2
Empresa 03
X2
Empresa 04
X2
Total
44
Ejemplo 2
SStotal X
2
X
SST
T c n
n
c
45
Ejemplo 2
Como el valor Fcrtico 3.71 es mayor que el valor Fcalculado de 2.360 no se rechaza
la Ho, y se concluye que no existe alguna diferencia entre las cuatro empresas, en el
nmero medio de meses antes de recibir un aumento de sueldo
46
Ejemplo 3
Los miembros de un equipo ciclista se dividen al azar en tres grupos que
entrenan con mtodos diferentes.

El primer grupo realiza largos recorridos a ritmo pausado, el segundo grupo
realiza series cortas de alta intensidad y el tercero trabaja en el gimnasio con
pesas y se ejercita en el pedaleo de alta frecuencia.
Despus de un mes de entrenamiento se

realiza un test de rendimiento consistente
en un recorrido cronometrado de 9 Km.
47
Ejemplo 3
Los tiempos empleados fueron los siguientes
Mtodo I
Mtodo II
Mtodo III
15
16
14
13
13
12
14
15
17
15
16
14
11
14
11
A un nivel de confianza del 95% Puede considerarse que los tres mtodos producen
resultados equivalentes? O por el contrario Hay algn mtodo superior a los dems?
48
Ejemplo 3
Se calcula los totales y los cuadrados de los totales divididos por el numero de
observaciones
49
Ejemplo 3
X
2984
2940
A partir de estas cantidades bsicas calculamos las Sumas de Cuadrados:

SStotal X
SST
T
SC(total) = 2984 - 2940 = 44

n
nc
SS = SST + SSE
SST = SS -SSE
SC(entre) = 2966,8 2940 = 26,8
SC(intra) = 2984 2966,8 = 17,2
50
Ejemplo 3
Los cuadrados medios sern:
MSA=
CM(entre) = 26,8/2 = 13,4
MSerror= CM(intra) = 17,2/12 = 1,43
Por consiguiente el estadstico de contraste vale:
S m 1
F 2
S E nm
2T
F = 13,4/ 1,43 = 9,37
51
Ejemplo 3
El valor de la F terica con 2 y 12 grados de libertad, a

un nivel de confianza del 95% es
3,89.
Por consiguiente se rechaza la hiptesis nula y
Se concluye que los tres mtodos de
entrenamiento producen diferencias significativas.
52
Ejemplo 4
Un estudio muestra en la pantalla de cuatro computadores una lista de palabras
sin sentido con procedimientos diferentes, asignados aleatoriamente a un grupo
de personas.
Luego se les realiza una prueba de memoria de dichas palabras, obtenindose los
siguientes resultados:
Qu conclusiones pueden obtenerse acerca de las cuatro formas de

presentacin,
con un nivel de significacin del 5%?
53
Ejemplo 4
Solucin:
Calcular los totales y los cuadrados de los totales divididos por el nmero de
observaciones:
54
Ejemplo 4
Luego calcular los cuadrados de las observaciones y su total
55
Ejemplo 4
A partir de estas cantidades bsicas calcular las Sumas de Cuadrados:
=
=
SC(total) = 988 820 = 168
SC(entre) = 902 820 = 82
Los cuadrados medios sern: SC(intra) = 988 902 = 86

CM(entre) = 82/3 = 27,3
CM(intra) = 86/22 = 3,9
56
Ejemplo 4
Por lo tanto el estadstico de prueba ser:
27.3
=7.0
3.9
Clculo del F critico:

El valor de la F terica con 3 y 22 grados de libertad, a un
nivel de confianza del 95% es 3.05.
Conclusin
Como el F calculado es mayor que el Fcritico se rechaza
la hiptesis nula y se concluye que los cuatro
procedimientos de presentacin producen diferencias
significativas.
57
ANOVA de dos factores
Se consideran los efectos de dos factores

simultneamente
Diseo de bloques aleatorios

Cuando una caracterstica puede afectar la
medicin de la variable dependiente, se trata de
controlar o bloquear esta variable, de tal manera
que se pueda comparar mejor la influencia de un
determinado tratamiento
59
ANOVA de dos factores
Media general
Efecto del tratamiento
especfico del primer factor
Y=
Efecto del tratamiento

especfico del segundo factor
Efecto de la interaccin entre
tratamientos
Error aleatorio
60
Diseo de Bloques aleatorios
Media general
Y=
Efecto del tratamiento especfico

del primer factor
Efecto del bloque
Error aleatorio
61
ANOVA P.H. para probar la igualdad de medias de varias

poblaciones con dos factores
Se trata de probar si el efecto de un factor o Tratamiento en la respuesta
de un proceso o sistema es significativo, al realizar experimentos
variando los niveles de ese factor (Temp.1, Temp.2, etc.) por FILAS
Y Considerando los niveles de otro factor que se piensa que tiene
influencia en la prueba FACTOR DE BLOQUEO por COLUMNA
62
ANOVA P.H. para probar la igualdad de medias de varias

poblaciones con dos factores
Para el tratamiento en filas
Ho : 1 2 3 ......... a
Ha : A lg unas. ' s.son.diferentes
Para el factor de bloqueo en columnas
Ho : '1 '2 '3 ......... 'a
Ha : A lg unas. ' s.son.diferentes

63
ANOVA 2 Factores - Ejemplo
Maquinas
Maq 1
Maq 2
Maq 3
Experiencia en aos de los operadores

1
2
3
4
5
27
31
42
38
45
21
33
39
41
46
25
35
39
37
45
64
ANOVA Dos factores o direcciones
La SCTot y SCTr (filas) se determina de la misma forma que para

la ANOVA de una direccin o factor
En forma adicional se determina la suma de cuadrados del factor
de bloqueo (columnas) de forma similar a la de las filas
La SCE = SCT SCTr - SCBl
65
ANOVA de 2 factores
Suma de cuadrados, gl. y Cuadrado medio para el factor de bloqueo (en cols)
SCBl
a( X
X)
j 1
gl.SCBl b 1
CMBl SCBl /( b 1)
66
ANOVA de 2 factores Suma de cuadrados, gl. y

Cuadrado medio para el error
SCE SCT SCTr SCBl

gl.SCE ( n a )(n b)
CME SCBl /( n a )(n b)
67
ANOVA Clculo del estadstico Fc y Ftabla
MCTr
Fc
MCE
Ftabla FALFA , g l. S CTr, g l. S CE
68
ANOVA de 2 factores Clculo del estadstico

Fcbl y Ftabla bloques (columnas)
MCBl
Fc
MCE
Ftabla FALFA , g l. S CBl, g l. S CE
69
Tabla final ANOVA 2 Factores
FUENTE DE VARIACIN
SUMA DE
CUADRADOS
GRADOS DE CUADRADO
LIBERTAD
MEDIO
VALOR F
Entre muestras (tratam.)
SCTR
a-1
CMTR
CMTR/CME
Entre Bloques (Factor Bl)
SCBl
b-1
CMBL
CMBL/CME
Dentro de muestras (error)
SCE
(a-1)(b-1)
CME
Variacin total
SCT
n-1
CMT
Regla: No rechazar si la F de la muestra es menor que la F de tabla para una cierta alfa
70
ANOVA 2 F. Toma de decisin
Distribucin F
Ftabla
Alfa
Zona de no rechazo
Zona de no rechazo de Ho
O de no aceptar Ha
Zona de rechazo
De Ho o aceptar Ha
Fc: Tr o Bl
71
ANOVA 2 F. Toma de decisin
Si Fc (Tr o Bl) es mayor que Ftabla se rechaza Ho

Aceptando Ha donde las medias son diferentes
O si el valor de p correspondiente a Fc (Tr o Bl) es
menor de Alfa se rechaza Ho
72
Ejemplo 1
Se ha diseado una prueba de vocabulario para detectar la afinidad
hacia la mecnica.
La prueba consiste en un cierto nmero de palabras tomadas de una

lista de trminos alusivos a la mecnica y a la maquinaria; y que la
calificacin que una persona puede obtener en esa prueba es,
simplemente, el nmero de palabras que puede definir
correctamente.
Supongamos que se quiere probar si
hay diferencias relativas a dos
caractersticas, sexo y lugar donde
viven, y tambin si se presentan
diferencias atribuibles a la combinacin
de ambas.
73
Ejemplo 1
Las calificaciones (cantidad de palabras bien definidas) de las personas
clasificadas de acuerdo a las dos variables fueron las siguientes:
Urbano
C
p
a
a
n
l
t d a
i e b
d
r
a
a
d
s
Hombre
4
9
9
10
Rural
Mujer
1
4
5
6
Hombre
3
7
7
7
Mujer
4
4
4
8
74
Ejemplo 1
Es posible, llevar a efecto un anlisis de varianza de una sola clasificacin

con estos cuatro grupos de sujetos, sin embargo, si se encuentra una
diferencia significativa entre estos cuatro grupos, Como saber si esas
diferencias deben atribuirse al sexo o al lugar donde viven o a una
combinacin de ambos?
Es por ello que en estos casos se utiliza el mtodo de anlisis de
varianza de doble clasificacin.
75
Pasos
1.- Establecer Hiptesis
Se tiene que establecer hiptesis para cada uno de los tratamientos y para
la interaccin de ambos:
a)
Primer tratamiento:
Ho: Con respecto al sexo no existe diferencia en las calificaciones
obtenidas, que mide la afinidad hacia la mecnica
Ha: Con respecto al sexo existe diferencia en las calificaciones

obtenidas, que mide la afinidad hacia la mecnica
76
Ejemplo 1
b) Respecto al segundo tratamiento:
Ho: Con respecto al lugar donde viven no existe diferencia en las
calificaciones obtenidas, que mide la afinidad hacia la mecnica
Ha: Con respecto al lugar donde viven existe diferencia en las
calificaciones obtenidas, que mide la afinidad hacia la mecnica
77
Ejemplo 1
c) Respecto a la interaccin de los dos tratamientos

Ho: La combinacin de las circunstancias sexo y lugar de residencia no
afecta de manera significativa el tener ms afinidad hacia la mecnica
Ha:La combinacin de las circunstancias sexo y lugar de residencia

afecta de manera significativa el tener ms afinidad hacia la mecnica
78
Ejemplo 1
2.- Establecer el Criterio de Contraste
a=2
b=2
n=16
gl T1
gl T2
gl Iter
gl Tot
gl SCE
a-1
b-1
(a-1)(b-1)
n-1
1
1
1
15
12
glTot-gl T1 -gl T2 - gl Iter
nivel de significancia de .05
Gl T1 =1
Gl SCE= 12
F= 4 .75
Gl T2 =1
Gl SCE= 12
F= 4 .75
Gl Iter =1
Gl SCE= 12
F= 4 .75
79
Ejemplo 1
3.- Calcular el Estadstico de Prueba
Sumatoria de los totales
Urbano
X =
X =
n
Rural
Hombre
x2
Mujer
x2
Hombre
x2
Mujer
x2
4
9
9
10
16
81
81
100
1
4
5
6
1
16
25
36
3
7
7
7
9
49
49
49
4
4
4
8
16
16
16
64
32
16
278
24
78
20
156
92
112
624
16
4
80
Ejemplo 1
Clculo del Factor de correccin:

( X ) 2
FC
n
FC
92
16
529
81
Ejemplo 1
Clculo de la Suma Total de Cuadrados
SCTotal = X 2 -
FC
= ( 278 + 78 + 156 + 112) - 529 = 95
= 624 - 529 = 95
82
Ejemplo 1
Calcular la suma de cuadrados por cada tipo de tratamiento
SCT1 (por el lugar donde viven)
83
Ejemplo 1
Calcular la suma de cuadrados por cada tipo de tratamiento
SCT2 (por sexo)
Hombre
Mujer
84
Ejemplo 1
Calcular la suma de cuadrados por grupos
*Este valor nos servir para calcular el SCI y SCE

85
Ejemplo 1
Calcular la suma de cuadrados de la interaccin de los dos tratamientos
SCI = SCG SCT1 SCT2 =
= 35 1 25 = 9
Calcular la suma de cuadrados del error

SCE = SCTOT SCG =
= 95 35 = 60
86
Ejemplo 1
Construir la Tabla ANOVA
FUENTE
TRATAMIENTO 1
TRATAMIENTO 2
POR GRUPOS
INTERACCION
ERROR
TOTAL
SC
1.0
25.0
35
9.0
60
95
GL
1
1
MC
1
25
F
0.2
5
1
12
15
9
5
1.8
87
Ejemplo 02
4.- Tomar Decisin y Conclusin
Decisin
FDATOS
Conclusin
FT1= 4 .75
0.2
Se rechaza la Ho
FT2= 4 .75
No se rechaza la Ho
1.8
No se rechaza la Ho
FCRITICO
FCrtico
FINT= 4 .75
Como los Estadsticos de Prueba, en los casos de las variables de localidad (F*1 = 0.2) y la
combinacin de sexo y localidad (F*i =1.8) son mas pequeos que sus respectivos criterios de
contraste (F = 4.75), en estos casos no se rechaza la hiptesis nula,
Mientras que en el caso del sexo el Estadstico de Prueba (F*2 = 5.0) es mas grande que el
Criterio de Contraste (F = 4.75), entonces por lgica inferimos que F* queda dentro de la zona
crtica y por lo tanto se rechaza la hiptesis nula por lo tanto aceptamos la hiptesis alterna
88
Ejemplo 1
y la conclusin :
Hay evidencia suficiente, con un nivel de significancia de .05, para afirmar

que con respecto al sexo existe diferencia en las calificaciones
obtenidas que mide la afinidad hacia la mecnica
Hay evidencia suficiente, con un nivel de significancia de .05, para afirmar
que con respecto al lugar de procedencia no existe diferencia en las
calificaciones que mide la afinidad hacia la mecnica
ni tampoco podemos afirmar que la combinacin de ambas circunstancias

influya en la afinidad hacia la mecnica de las personas.
89
Ejemplo 02
El departamento de nutricin de cierta universidad
lleva a cabo un estudio para determinar si hay
diferencia o no en el contenido de cido ascrbico
entre tres diferentes marcas de concentrado de jugo
de naranja.
Se hacen cuatro pruebas de los tres tipos de

concentrado de jugo de naranja que fue congelado
durante tres periodos de tiempo diferentes (en das)
90
Ejemplo 02
Los resultados, en miligramos de cido ascrbico por litro, son los siguientes:
MARCA
RICA
BUENA
BARATA
0
52.6
49.8
56.0
49.6
52.5
51.8
54.2
46.5
48.0
48.4
52.0
53.6
TIEMPO ( DAS )
3
49.4
49.2
42.8
53.2
48.8
44.0
44.0
42.4
48.0
47.0
48.2
49.6
7
42.7
40.4
49.2
42.0
48.5
45.2
48.8
47.6
44.0
43.2
43.3
47.6
Utilice un nivel de significancia de .05 para probar la hiptesis que:

Los contenidos de cido ascrbico por marca de jugo son diferentes
Los contenidos de cido ascrbico por tiempo de congelamiento son diferentes
Los contenidos de cido ascrbico son diferentes debido a la interaccin de las dos variables.
91
Ejemplo 02
a)
Planteamiento de las hiptesis:

Ho: Los contenidos de cido ascrbico por marca de jugo son iguales
Ha: Los contenidos de cido ascrbico por marca de jugo son diferentes
Ho: Los contenidos de cido ascrbico por tiempo de congelamiento son iguales
Ha: Los contenidos de cido ascrbico por tiempo de congelamiento son diferentes
Ho: Los contenidos de cido ascrbico son iguales debido a la interaccin de las dos variables.
Ha: Los contenidos de cido ascrbico son diferentes debido a la interaccin de las dos
variables.
92
Ejemplo 2
2.-
Establecer el Criterio de Contraste
a
3
b
3
n
36
Gl T1 =2
Gl SCE= 27
F=3.35
gl T1
gl T2
gl Iter
gl Tot
gl SCE
a-1
b-1
(a-1)(b-1)
n-1
2
2
4
35
27
glTot-gl T1 -gl T2 - gl Iter
3.35
Gl T2 =2
Gl SCE= 27
F= 3.35
3.35
Gl Iter =4
Gl SCE= 27
F=2.73
2.73
93
Ejemplo 02
Elaborar la tabla ANOVA
n
RICA
BUENA
BARATA
52.6
49.8
56
49.6
52.5
51.8
54.2
46.5
48
48.4
52
53.6
49.4
42.8
48.8
44
48
48.2
7
49.2
53.2
44
42.4
47
49.6
42.7
40.4
49.2
42
48.5
45.2
48.8
47.6
44
43.2
43.3
47.6
Tratamientos
615
566.6
542.5
12
12
12
12
577.2
12
559.6
12
587.3
1724.1
1724.1
36
94
Ejemplo 02
1- Clculo del Factor de correccin
( X )
FC
n
(1724.1) 2 2972520.81
2
2972520.81
FC
----------------
82570.0225
36
FC
82570
95
Ejemplo 02
2- Clculo de la Suma cuadrado de totales
SCTotales X 2 FC
SCTotales=
Ing. William len
Velsquez
83102.01 -
82570 =
531.9875
96
Ejemplo 02
3- Clculos de los tratamientos
X/ n0
2
X
SCT1
FC
n
X/ n3
X/ n7
6152
566.6 2 542.52
SCT1
FC
12
12
12
TIEMPO
SCT1
SCT1=
31518.75
26752.96
24525.52
- 82570.02
2
X
n FC 82797.23 82570.02
SCT1=
82797.23
82570.02
227.212
97
Ejemplo 02
2
X
SCT2
FC
n
X/ nBUENA
X/ nRICA
X/ nBARATA
- FC
577.2
559.66
587.3
SCT2
FC
12
12
12
MARCA
SCT2
27763.32
26096.01
2
X
n 82602.77
SCT =
Ing. William len

2 Velsquez
82602.77
82570.02
32.752
28743.44
82570.02
Ejemplo 02
4- Calcular la suma de cuadrados por bloques
SGG
SCG
203.1
=
+
+
FC
41249.61
10312.4
4
10312.40 +
10201 +
11014.50 +
9467.29 +
8028.16 +
9292.96 +
n=4
RICA
BUENA
0
203.1
202
3
194.6
179.2
7
179.5
178.4
BARATA
209.9
192.8
184.6
8055.06 +
7956.64 +
8519.29 -
82570.02 =
277.29
99
Ejemplo 02
5- Calcular la suma de cuadrados de la interaccin de los dos
tratamientos
SCI = SCG SCT1 SCT2 =

SCI =
277.29
227.212
32.752
= 17.322
100
Ejemplo 02
6- Calcular la suma de cuadrados del error
SCE = SCTOT SCG

SCE
531.9875
277.29
254.703
101
Ejemplo 02
FUENTE
SC
GL
MC
TRATAMIENTO 1
227.21
113.606
12.0429
TRATAMIENTO 2
32.75
16.376
1.7359
POR GRUPOS
INTERACCION
ERROR
TOTAL
277.29
17.32
254.70
531.99
4
27
35
4.330
9.433
0.4591
102
Ejemplo 02
Conclusin
FDATOS
Conclusin
FT1= 3.35
12.0429
Se rechaza la Ho
FT2= 3.35
1.7359
No se rechaza la Ho
0.4591
No se rechaza la Ho
FCRITICO
FINT= 2.73
FCrtico
103
Ejemplo 03
Una empresa realiza una investigacin para determinar el rendimiento en

millas por galn, caracterstico de tres marcas de gasolina: Como cada
gasolina da rendimientos distintos en automviles de marcas diferentes,
Se eligen cinco marcas de

automviles que se tratan como
bloques en el experimento, es
decir el automviles de cada
marca se prueba con los tres tipos
de gasolina.
104
Ejemplo 03
Los resultados del experimento (en millas por galn) se presenta a
continuacin:
AUTOMOVILES
A
B
C
D
E
MARCA DE GASOLINA
I
18
24
30
22
20
II
21
26
29
25
23
III
20
27
34
24
24
Con un = 0.05 Existir alguna diferencia entre los rendimientos medios en

miles por galn de los tres tipos de gasolina?
105
Ejemplo 03
Utilice un nivel de significancia de .05 para probar la hiptesis de que:
Los consumos de gasolina por marca de automvil son diferentes
Los consumos de gasolina por marca de gasolina son diferentes
Como la relacin entre la marca de gasolina y la marca de automvil es de uno
a uno no existir prueba de interaccin entre las dos variables.
106
Ejemplo 3
2.-
Establecer el Criterio de Contraste

a
3
b
5
n
15
gl T1
gl T2
a-1
b-1
2
4
gl Tot
gl SCE
n-1
14
8
glTot-gl T1 -gl T2
T1
Gl T1 =2
Gl SCE= 8
F=4.459
Gl T2 =4
Gl SCE= 8
F= 3.838
T2
4.459
3.838
2.73
107
Ejemplo 02
Elaborar la tabla ANOVA
I
II
III
X2
18
21
20
59
1165
24
26
27
77
1981
30
29
34
93
2897
22
25
24
71
1685
20
23
24
67
1505
114
124
129
367
X2
2684
3112
3437
9233
X2
15 n
108
Ejemplo 02
1- Clculo del Factor de correccin
( X )
FC
n
2
Factor de correccin
FC
(367)2
----------15
8979.267
2- Clculo de la Suma cuadrado de totales

SCTotales X FC
2
Suma total de
cuadrados
SSTot
9233
8979.267 =
253.733
109
Ejemplo 03
X
SCT
FC
2
Suma de cuadrados del

tratamiento 1
SST1
=
(114)2
--------5
Suma de cuadrados del
tratamiento 2
SST2
=
(59)2
--------3
(124)2
--------5
(77)2
--------3
Suma de cuadrados del error

SSE
=
253.7333
(129)2
--------5
(93)2
--------3
23.3333
8979.26667
(71)2
--------3
217.067
23.3333
(67)2
--------3
- 8979.26667
13.3333333
217.067
Ejemplo 03
FUENTE
T1
T2
ERROR
TOTAL
SS
23.33333
217.0667
13.33333
253.7333
GL
2
4
8
14
SM
11.66667
54.26667
1.666667
F
7
32.56
Conclusin
FCRITICO
FDATOS
Conclusin
FT1= 4.459
Se rechaza la Ho
FT2= 3.838
32.56
Se rechaza la Ho
FCrtico
111
FIN
wjleonv@yahoo.com

Analisis de Varianzas

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis de Varianzas

Diunggah oleh

Hak Cipta:

Format Tersedia

TEMA 04

Ing. William Len Velsquez

Suposiciones en el anlisis de la varianza (ANOVA)

Para emplear ANOVA se supone lo siguiente:

Las poblaciones siguen la distribucin

Las poblaciones tienen desviaciones

Las poblaciones son independientes.

El anlisis de la varianza (ANOVA)

Ing. William len Velsquez

En la siguiente grfica se ilustrar cmo

Ing. William len Velsquez

Observe que las poblaciones en la grfica de la

Suponer que las poblaciones son iguales es

Una de las suposiciones para aplicar la prueba ANOVA es que

La estrategia es estimar la varianza de la poblacin de dos formas y

Si esta razn es aproximadamente 1, entonces por lgica los dos

La distribucin F sirve como un rbitro al indicar en

Ing. William len Velsquez

VARIACIN TOTAL (SS) Suma de las diferencias elevadas al

Ing. William len Velsquez

La variacin total del ejemplo:

Se calcula la media global de las 12 observaciones:

Despus, para cada una de las 12 observaciones se encuentra la

Ing. William len Velsquez

la que se debe a los tratamientos y

SS: Suma de cuadrados

encontrar estas dos componentes, se determina la

La primera fuente de variacin se debe a los tratamientos.

Ing. William len Velsquez

En el ejemplo, la variacin debida a los tratamientos es la suma de las diferencias

(56 58)2 +(56 58)2 + ..+ (48 58)2 + (48 58)2 =

=4(56 58)2 + 4(70 58)2 + 4(48 58)2 = 992

VARIACIN ALEATORIA (SSE) Suma de las diferencias elevadas al cuadrado

Ing. William len Velsquez

En el ejemplo, este trmino es la suma de las diferencias al cuadrado

La suma de los cuadrados debida a los tratamientos es 992

Ing. William len Velsquez

Diferencia entre grupos

Diferencias dentro de cada

En este caso hay 3 tratamientos por lo que se divide

El estimado de la varianza dentro de los

Ing. William len Velsquez

Dentro de cada grupos

Ing. William len Velsquez

Ing. William len Velsquez

Comparacin de varias medias

Anlisis de Varianza (ANOVA)

Ing. William len Velsquez

Existe una variable cuanlitativa X que podra

Ing. William len Velsquez

FACTOR que incluye varios

Si hay relacin entre X e Y

Ing. William len Velsquez

Ilustracin mediante un ejemplo

La muestra seleccionada permite ver que hay diferencias, pero esta

Si se asume que Ho es cierta

En la poblacin las medias deberan ser iguales (Este es el supuesto de Ho)

Ing. William len Velsquez

Modelo de ANOVA de un factor

Efecto del tratamiento en el

El efecto sobre la cantidad producida de cada tratamiento (lnea de

hiptesis nula dice que no hay

Efecto del Error aleatorio

Como el valor de p es casi 0 se rechaza la Ho