MUESTRAS (TRATAMIENTOS)
1 2 3……. k
y11 y12 y13 y1k
y 21 y 22 y 23 y 2k
. . . .
. . . .
. . . .
y i1 yi2 y i3 y ik
. . . .
. . . .
. . . .
y n11 y n2 2 yn 3 y nk k
3
La hipótesis nula de que las medias de las k poblaciones son iguales puede
reemplazar con la hipótesis nula de que α1 = α 2 = .......α k = 0 la hipótesis
alternativa de que al menos dos de las medias son distintas equivale a que
α J ≠ 0 para alguna j.
Para probar la hipótesis nula de que las medias de las k poblaciones son
2
iguales, comparemos dos estimaciones de σ (una con base en la variación
entre las medias muéstrales, es decir entre los tratamientos y la otra con base
en la varianza dentro de las muestras o dentro del tratamiento).
Dado que, como se ha supuesto, cada muestra proviene de una población que
2
tiene la varianza σ , la varianza puede estimarse por cualquiera de las
varianzas muestrales.
nj
2
∑ ( y ij − y* j )
j =1
S 2j =
n j −1
Análisis de varianza 3
k k nj
2 2
∑S j ∑ ∑ ( y ij − y* j )
j =1 i =1
σˆ w2 = i =1
=
k n −1
k
n= ∑ nj
j =1
2
Se puede observar que cada una de las varianzas maestrales S j está basada
en n j − 1 grados de libertad ( n j − 1 desviación independiente de y* j ) y
2
entonces σˆ w está basada en n-1 grados de libertad.
k 2
∑ ( y* j − y** )
j =1
S2 =
X k −1
k 2
∑ ( y * j − y** )
j =1
σˆ B2 = n ⋅ S 2 = n ⋅
X k −1
2
B σˆ
F =
2
w σˆ
Es un valor de una variable aleatoria que tiene distribución F de Fisher con k-1 y
2
n-1 grados de libertad. Cabe esperar que la varianza entre muestras σˆ B ,
2
exceda a la varianza dentro de la muestra σˆ w , cuando la hipótesis nula es falsa
por eso la hipótesis nula será rechazada si F excede a Fα donde Fα se obtiene
de la tabla correspondiente.
k nj
2
∑ ∑ ( y ij − y** )
j =1 i =1
S2 = .
n −1
Que llamaremos suma total de cuadrado (SCT) y podemos plantear la identidad
para el análisis con un criterio de clasificación como sigue:
k nj 2 k nj 2 k 2
∑ ∑ ( y ij − y ** ) = ∑ ∑ ( y ij − y * j ) + ∑ n j ( y * j − y ** )
j =1 i =1 j =1 i =1 j =1
y ij − y ** = ( y ij − y * j ) + ( y * j − y ** )
k nj 2
∑ ∑ ( y ij − y ** ) Suma total de cuadrados. (SCT).
j =1 i =1
2
En el Teorema analizado el primer término de la derecha el σˆ w veces sus
grados de libertad; y a esta suma la llamaremos suma cuadrado del error (SCE)
Análisis de varianza 5
k 2
∑ n j ( y* j − y** )
j =1
SCTR
F= k −1
SCE
n −1
Las sumas requeridas para calcular esta ultima formula suelen obtenerse por
medio de las siguientes expresiones que ahorran bastante trabajo.
k nj 2
SCT = ∑ ∑ yij − C
j =1i =1
2
k nj
∑ ∑y
2 ij
T** j =1i =1
C= = .
n n
k 2
∑ T* j
j =1 k T*2j
SCTR = −C = ∑ −C
n j =1 n j