Ejemplo
Ejemplo
Arbol
1
2
3
4
5
6
7
8
9
10
Media
A
89
87
84
92
95
90
89
88
82
94
89.0
B
59
56
52
67
70
62
60
56
50
63
59.5
C
20
15
14
26
28
22
19
17
14
24
19.9
D
51
47
45
56
60
53
51
50
45
53
51.1
Media
54.75
51.25
48.75
60.25
63.25
56.75
54.75
52.75
47.75
58.50
54.875
En el ejemplo:
El tratamiento hormonal es un factor con cuatro niveles: A, B, C
y D.
El
arbol es otro factor (o bloque) con 10 niveles: los 10 arboles
utilizados.
El n
umero de semillas es la variable respuesta.
Cada combinacion lineal de niveles de los factores es un tratamiento.
En el ejemplo hay 40 tratamientos (10 arboles 4 tipos de
hormonas).
Factor
1
2
..
.
I
Medias por columnas
1
Y11
Y21
..
.
YI 1
Y1
Factor
2
Y12 . . .
Y22 . . .
YI 2
Y2
...
J
Y1J
Y2J
..
.
YIJ
YJ
Y1
Y2
..
.
YI
Y
Modelo general
Supongamos que ij es la respuesta esperada para los niveles i (factor )
y j (factor )
El modelo bifactorial general es:
Yij = ij + uij ,
donde los errores aleatorios uij verifican las hip
otesis habituales, es decir,
distribucion normal de media 0 y varianza 2 e independencia.
Con los datos de los abetos no es posible ajustar el modelo general porque
el n
umero de parametros (41) es mayor que el n
umero de datos (40).
Esto siempre sucede en un experimento con dos factores en el que haya
una u
nica respuesta para cada combinaci
on de niveles: IJ datos y IJ + 1
parametros.
i =
60
20
40
Respuesta
80
10
rbol
Parametro
i
j
Estimador
= Y..
i = Yi. Y..
j = Y.j Y..
i =
j = 0
i
2
SCR
i
j (Yij Yi. Y.j + Y.. )
2
SR =
=
(I 1)(J 1)
(I 1)(J 1)
Puede demostrarse que SCR/ 2 2(I 1)(J1) .
Descomposicion de la variabilidad
Se verifica:
Yij Y.. =
i + j + eij
Si elevamos al cuadrado y sumamos todos estos terminos:
XX
X
X
XX
(Yij Y.. )2 = J
i2 + I
j2 +
eij2
i
XX
i
(Yij Y.. )2
i2 = J
(Yi. Y.. )2
i
Tabla ANOVA
De acuerdo con las definiciones anteriores, se cumple
SCT = SCE() + SCE() + SCR
Cuantos gl tiene cada suma de cuadrados?
SC
SCE()
SCE()
SCR
SCT
gl
cuadrados medios
(I 1)(J 1)
F
F ()
F ()
Ejemplo
Arbol
Hormona
Residual
Total
Suma de cuadrados
886.6
gl
cuadrados medios
8078.0
49.7
estadstico F
Origen
Modelo corregido
Suma de
cuadrados
tipo III
25120,700 a
Interseccin
12
Media
cuadrtica
2093,392
F
1137,827
Sig.
,000
120450,625
120450,625
65468,885
,000
886,625
98,514
53,546
,000
24234,075
8078,025
4390,673
,000
Error
49,675
27
1,840
Total
145621,000
40
25170,375
39
arbol
hormona
Total corregida
gl
Modelo corregido
Intersecci
on
arbol
hormona
Error
Total
Total corregida
Coeficiente de determinaci
on:
R2 =
886,625 + 24234,075
SCE() + SCE()
=
= 0,998
SCT
25170,375
SCE()/(I 1)
FI 1,(I 1)(J1)
SCR/[(I 1)(J 1)]
Comparaciones multiples
Comparaciones multiples
Comparaciones mltiples
Bonferroni
Intervalo de confianza 95%
(I)hormona
1
Diferencia de
medias (I-J)
29,50 *
Error tp.
,607
Sig.
,000
Lmite inferior
27,77
Lmite
superior
31,23
69,10 *
,607
,000
67,37
70,83
37,90 *
,607
,000
36,17
39,63
-29,50 *
,607
,000
-31,23
-27,77
39,60 *
,607
,000
37,87
41,33
8,40 *
,607
,000
6,67
10,13
-69,10 *
,607
,000
-70,83
-67,37
-39,60 *
,607
,000
-41,33
-37,87
-31,20 *
,607
,000
-32,93
-29,47
-37,90 *
,607
,000
-39,63
-36,17
-8,40 *
,607
,000
-10,13
-6,67
31,20 *
,607
,000
29,47
32,93
(J)hormona
2
Ejemplo
Se asignaron aleatoriamente 20 individuos con sobrepeso (10 hombres y 10 mujeres) a dos posibles
dietas con el fin de estudiar su eficacia. Despues de 10 semanas de
seguimiento de la dieta, se midi
o la
perdida de peso (en libras) en cada
individuo.
Cuanto valen I , J y K en este
ejemplo?
Mujeres
Hombres
Dieta 1
7.6
8.8
12.5
16.1
18.6
22.2
23.4
24.2
32.2
9.4
Dieta 2
19.5
17.6
16.8
13.7
21.5
30.1
24.2
9.5
14.6
11.2
18
Prdida de peso
Dieta 2
17.82
17.92
16
Mujeres
Hombres
Dieta 1
12.72
22.28
14
20
22
Ejemplo
2
Dieta
I
X
i=1
i =
J
X
j=1
j =
I
X
i=1
()ij =
J
X
()ij = 0
j=1
Parametro
i
j
()ij
Estimador
= Y...
i = Yi.. Y...
j = Y.j. Y...
[ = Yij. Yi.. Y.j. + Y...
()
ij
Descomposicion de la variabilidad
Se verifica:
[ + eijk
Yijk Y... =
i + j + ()
ij
Si elevamos al cuadrado y sumamos todos estos terminos resulta
SCT = SCE() + SCE() + SCE() + SCR,
donde:
Suma de cuadrados total:
XXX
(Yijk Y... )2
SCT =
i
i2 = JK
(Yi.. Y... )2
i
Descomposicion de la variabilidad
Fuente
Factor
Factor
Interacciones
Residual
Total
SC
SCE()
SCE()
SCE()
SCR
SCT
gl
I 1
J 1
(I 1)(J 1)
IJ(K 1)
IJK 1
cuadrados medios
SCE()/(I 1)
SCE()/(J 1)
SCE()/[(I 1)(J 1)]
SCR/[IJ(K 1)]
Coeficiente de determinaci
on en este modelo:
R2 =
F
F ()
F ()
F ()
Origen
Modelo corregido
Interseccin
Suma de
cuadrados
tipo III
229,194 a
Media
cuadrtica
76,398
F
1,731
Sig.
,201
gl
6255,185
6255,185
141,726
,000
Sexo
116,645
116,645
2,643
,124
Dieta
,685
,685
,016
,902
Sexo * Dieta
111,865
111,865
2,535
,131
Error
706,172
16
44,136
Total
7190,550
20
935,366
19
Total corregida
Coeficiente de determinaci
on:
R2 =
229,194
SCE() + SCE() + SCE()
=
= 0,245
SCT
7190,550
SCE()/(J 1)
FJ1,IJ(K 1)
SCR/[IJ(K 1)]
Comparaciones multiples
Para responder a las cuestiones siguientes se razona de manera analoga a
los modelos anteriores:
Escribe la formula de un intervalo de confianza de nivel 1 para la
diferencia i j en este modelo.
Escribe una region crtica para contrastar a nivel la hipotesis
H0 : i = j .
Como habra que modificar los intervalos si llevamos a cabo m
comparaciones y queremos que el nivel de confianza global sea
1 T ?
Reactivos y catalizadores
Reactivo A
Reactivo B
Reactivo C
Reactivo D
Cat 1
4-6
6-4
13-15
12-12
Cat 2
11-7
13-15
15-9
12-14
Cat 3
5-9
9-7
13-13
7-9
F
Significacin
5,727
,003
600,000
,000
6,000
,016
10,000
,001
3,500
,031
F
4,582
327,273
3,273
5,455
Significacin
,007
,000
,061
,008
Es un dise
no alternativo que requiere menos observaciones.
Se puede aplicar cuando:
Hay tres factores.
Todos los factores se presentan con el mismo n
umero de niveles K .
No hay interacciones entre los factores.
El dise
no por cuadrados latinos requiere u
nicamente K 2 observaciones.
En este dise
no cada nivel de un factor aparece una u
nica vez con cada uno
de los niveles de los otros factores.
Origen
Modelo corregido
Suma de
cuadrados
tipo III
2329,333 a
Interseccin
Iluminacion
Media
cuadrtica
388,222
F
89,590
Sig.
,011
527076,000
527076,000
121632,923
,000
1938,667
969,333
223,692
,004
Tamao
268,667
134,333
31,000
,031
Papel
122,000
61,000
14,077
,066
Error
8,667
4,333
Total
529414,000
2338,000
Total corregida
gl