ANLISIS DE VARIANZA (ANOVA)

El anlisis de la varianza (ANOVA, ANalysis Of VAriance, segn terminologa inglesa) es una

coleccin de modelos estadsticos y sus procedimientos asociados, en el cual la varianza est
particionada en ciertos componentes debidos a diferentes variables explicativas.
Las tcnicas iniciales del anlisis de varianza fueron desarrolladas por el estadstico y genetista
R. A. Fisher en los aos 1920 y 1930 y es algunas veces conocido como "Anova de Fisher" o
"anlisis de varianza de Fisher", debido al uso de la distribucin F de Fisher como parte del
contraste de hiptesis.
En resumen, el anlisis de varianza sirve para comparar si los valores de un conjunto de datos
numricos son significativamente distintos a los valores de otro o ms conjuntos de datos. El
mtodo para comparar estos valores est basado en la varianza global observada en los
grupos de datos numricos a comparar. Tpicamente, el anlisis de varianza se utiliza para
asociar una probabilidad a la conclusin de que la media de un grupo de puntuaciones es
distinta de la media de otro grupo de puntuaciones.
VISIN GENERAL
Existen tres clases conceptuales de estos modelos:
1. El Modelo de efectos fijos asume que los datos provienen de poblaciones normales
las cuales podran diferir nicamente en sus medias. (Modelo 1)
2. El Modelo de efectos aleatorios asume que los datos describen una jerarqua de
diferentes poblaciones cuyas diferencias quedan restringidas por la jerarqua.
Ejemplo: El experimentador ha aprendido y ha considerado en el experimento slo
tres de muchos ms mtodos posibles, el mtodo de enseanza es un factor
aleatorio en el experimento. (Modelo 2)
3. El Modelo de efectos mixtos describen situaciones que ste puede tomar. Ejemplo:
Si el mtodo de enseanza es analizado como un factor que puede influir donde
estn presentes ambos tipos de factores: fijos y aleatorios. (Modelo 3)
SUPUESTOS PREVIOS
El ANOVA parte de algunos supuestos o hiptesis que han de cumplirse:
La variable dependiente debe medirse al menos a nivel de intervalo.
Independencia de las observaciones.
La distribucin de los residuales debe ser normal.
Homocedasticidad: homogeneidad de las varianzas.



TCNICA FUNDAMENTAL
La tcnica fundamental consiste en la separacin de la suma de cuadrados (SS, 'sum of
squares') en componentes relativos a los factores contemplados en el modelo. Como
ejemplo, mostramos el modelo para un ANOVA simplificado con un tipo de factores en
diferentes niveles. (Si los niveles son cuantitativos y los efectos son lineales, puede
resultar apropiado un anlisis de regresin lineal).

SSTotal = SSError + SSFactores

El nmero de grados de libertad (gl) puede separarse de forma similar y se corresponde
con la forma en que la distribucin chi-cuadrado describe la suma de cuadrados
asociada.
glTotal = glError + glFactores
IMPORTANCIA DEL ANOVA
El objetivo central del diseo experimental es la comparacin de dos o ms
tratamientos, cada uno de los cuales representa una poblacin, como es usual en
experimentos comparativos. Si, por ejemplo, se tiene un factor A con k niveles o
tratamientos, y cada uno de ellos est repetido r veces en el experimento, cada
unidad experimental produce una observacin, la cual se analiza con base en un
modelo estadstico llamado modelo lineal aditivo.
El anlisis de un experimento est basado, por lo general, en un modelo matemtico
para las observaciones, y este modelo matemtico est relacionado y justificado por
el diseo. Se puede asegurar que la aleatorizacin es el paso que introduce los
modelos probabilsticos para las observaciones. Este hecho fue observado
inicialmente por Fisher y es considerado actualmente como una de sus mayores
contribuciones al desarrollo de la ciencia.

DISEO DE BLOQUES COMPLETOS
ALEATORIZADOS
Factor perturbador:
Factor del diseo que probablemente tenga un efecto sobre la respuesta, pero no
existe un inters especfico en l
Factor Perturbador Desconocido y no controlable:
Puede tener niveles variables mientras se est realizando el experimento
Una forma de protegerse contra estos factores perturbadores es la aleatorizacin.
Factor Perturbador conocido pero no controlable:
Si por lo menos, puede observarse el valor que asume el factor perturbador en cada
corrida del experimento, puede hacerse la compensacin correspondiente mediante
el uso de anlisis de covarianza (no la estudiaremos en este curso)
Factor perturbador conocido y controlable:
Puede usarse una tcnica conocida como formacin de bloques para eliminar de
manera sistemtica su efecto.
DESCRIPCIN DEL PROBLEMA
Tcnica de diseo importante
Se utiliza ampliamente en la experimentacin industrial

Quiere determinarse si cuatro puntas diferentes producen o no lecturas diferentes
en una mquina para probar la dureza.
La mquina funciona presionando la punta en un ejemplar de prueba de metal
Por la profundidad de la depresin resultante puede determinarse la dureza del
ejemplar
El experimentador ha decidido obtener cuatro observaciones para cada punta
Hay un solo factor: el tipo de punta
Un diseo completamente aleatorizado de un solo factor consistira en asignar al
azar cada una de las 4x4=16 corridas a una unidad experimental (ejemplar de prueba
de metal) y observar qu resulta de la lectura de la dureza.
Se requieren 16 ejemplares de prueba de metal (uno por cada corrida del diseo)
PROBLEMTICA DE LA SITUACIN
Problema para esta situacin:
Si los ejemplares de prueba de metal difieren ligeramente en sus durezas (podra
ocurrir si los lingotes se produjeron a temperaturas diferentes),
Las unidades experimentales (ejemplares de prueba) contribuirn a la variabilidad
observada en los datos de la dureza
Como resultado, el error experimental reflejar tanto el error aleatorio, como la
variabilidad entre los ejemplares de la prueba.
El objetivo del diseo debera ser hacer el error experimental tan pequeo como
fuera posible: eliminar del error experimental la variabilidad de los ejemplares de
prueba.
Se requiere que el experimentador pruebe cada punta una vez en cada uno de los
cuatro ejemplares de prueba
DISEO DE BLOQUES
Diseo de bloques completos aleatorizados (RCBD, randomized complete block
design)
Completo: cada bloque (ejemplar de prueba) contiene todos los tratamientos
(Puntas)
Los bloques o ejemplares de prueba forman una unidad experimental ms
homognea en la cual comparar las puntas






Esta estrategia de diseo mejora la precisin de las comparaciones entre las puntas
al eliminar la variabilidad entre los ejemplares de prueba
Dentro de un bloque, el orden en que se prueban las cuatro puntas se determina
aleatoriamente
APLICACIONES DEL RCBD
Es uno de los diseos experimentales ms utilizados
Es apropiado en un amplio nmero de situaciones
Un caso de aplicacin es en las unidades de equipo o maquinaria de prueba (que son diferentes entre
s)
Otros factores:
Lotes de materia prima
Personas
Tiempo
Son fuentes de variabilidad perturbadora comunes en un experimento que pueden controlarse de
manera sistemtica mediante la formacin de bloques
La conformacin de bloques puede ser til en situaciones que no incluyen necesariamente factores
perturbadores
Puede haber un conjunto de factores no controlables:
Ejemplo: Un ingeniero qumico est interesado en el efecto de la velocidad de alimentacin del
catalizador sobre viscosidad de un polmero. Hay varios factores difciles de controlar: fuente de
materia prima, temperatura, operador, pureza de la materia prima
Se decide probar en bloques la velocidad de alimentacin del catalizador, donde cada bloque consiste
en alguna combinacin de estos factores no controlables
Se utilizan los bloques para probar la robustez de la variable de proceso para las condiciones que no
pueden controlarse con facilidad.
ANLISIS ESTADSTICO PARA RCBD
Suponga que se tienen a tratamientos a comparar
Se tienen b bloques
Hay una observacin por tratamiento en cada bloque
El orden en que se corren los tratamientos dentro de
cada bloque se determina al azar

Debido a que la nica aleatorizacin de los tratamientos
se hace dentro de los bloques, con frecuencia se dice
que los bloques representan una restriccin sobre la
aleatorizacin
Modelo de los efectos para RCBD: