Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ANOVA
ANOVA En la comparacin de ms de dos grupos no es muy prctico comparar las variables de dos en dos con pruebas de contraste como la t de Student. La herramienta estadstica que sirve para resolver el problema de comparar mas de dos medias o promedios es el ANALISIS DE VARIANZA que se llama as precisamente porque compara la variabilidad de las medias muestrales ( a travs de la varianza muestral) con la variabilidad de los elementos dentro de la muestra.
El ANALISIS DE LA VARIANZA permite tambin descomponer la variabilidad total en componentes independientes que puedan asignarse a causaa distintas.
ANOVA
Definiendo ANOVA
ANOVA
En todos estos casos hay al menos dos posibles fuentes de VARIACION: 1-ERROR ALEATORIO 2-FACTOR CONTROLADO -Mtodos -Condiciones -Laboratorios -Investigadores -Tiempos
-Comparar diversos mtodos de anlisis -Diferentes caractersticas -Varios laboratorios o investigadores analizando la misma muestra con el mismo mtodo -Muestra expuesta a distintos tratamientos o intervenciones
Ricardo Boqu,Alicia Maroto. Grupo de Quimioterapia y Cualimetria. Universitat Rovira i Virgili.Pl. Imperial Trraco, 1.43005-Tarragona
ANOVA
Tipos de Anova
Con un factor Con dos factores:
tres grupos (A, B, C) gnero (M, F) Interaccin
Con ms de dos factores (NSE, gnero, religin) De medidas repetidas (activ EMG)
ANOVA
ANOVA
ANOVA
EJEMPLO UNO Tomando un ejemplo prctico general de una publicacin online espaola: Ricardo Boqu,Alicia Maroto. Grupo de Quimioterapia y Cualimetria. Universitat Rovira i Virgili.Pl. Imperial Trraco, 1.43005-Tarragona Intentar explicar descriptivamente lo que ocurre matemticamente con ANOVA.
ANOVA
Analizando los promedios , parece que existen diferencias en los diferentes laboratorios, pero NO sabemos si esas diferencias son estadticamente significativas.
Ricardo Boqu,Alicia Maroto. Grupo de Quimioterapia y Cualimetria. Universitat Rovira i Virgili.Pl. Imperial Trraco, 1.43005-Tarragona
ANOVA
Ricardo Boqu,Alicia Maroto. Grupo de Quimioterapia y Cualimetria. Universitat Rovira i Virgili.Pl. Imperial Trraco, 1.43005-Tarragona
ANOVA
Ricardo Boqu,Alicia Maroto. Grupo de Quimioterapia y Cualimetria. Universitat Rovira i Virgili.Pl. Imperial Trraco, 1.43005-Tarragona
ANOVA
Ricardo Boqu,Alicia Maroto. Grupo de Quimioterapia y Cualimetria. Universitat Rovira i Virgili.Pl. Imperial Trraco, 1.43005-Tarragona
0,00623
ANOVA
Las pruebas estadsticas Post Hoc o Comparaciones a Posteriori de Tukey y Scheff podran permitirnos saber cuntos laboratorios y cules son.
Ricardo Boqu,Alicia Maroto. Grupo de Quimioterapia y Cualimetria. Universitat Rovira i Virgili.Pl. Imperial Trraco, 1.43005-Tarragona
ANOVA
En este artculo hemos visto que el ANOVA puede utilizarse para comparar entre si las medias de los resultados obtenidos por diferentes laboratorios, analistas, mtodos de anlisis, etc.
ANOVA
EJEMPLO DOS Cmo pude aplicar ANOVA en mi trabajo de investigacin?
TEMA: Altura y posicin horizontal de molares superiores en Tomografa Computarizada Cone Beam TCCB de acuerdo a la relacin esqueltica.
Variables Resultado: Altura del primero (A1M) y segundo (A2M) molares maxilares y posicin horizontal (PH1M) del primer molar maxilar
Variable Causa: Relacin Esqueltica (ANB Steiner) Clase I-Clase II-Clase III.
ANOVA
Hiptesis Estadstica Verdadera: No hay distribucin normal en los datos p<0,05 Hiptesis Estadstica Nula : S hay distribucin normal en los datos p>0,05 Para evaluar normalidad en ms de tres (3) datos, para la variable efecto altura del primer molar maxilar (A1M), utilizamos la prueba de Shapiro- Wilk.
p>0,05 Distribucin Normal p>0,05 Distribucin Normal p<0,05 NO HAY Distribucin Normal
En la evaluacin de significancia estadstica en las diferencias entre las variables causa Clase I y Clases II para la variable dependiente A1M que presentan distribucin normal o normalidad, se utilizar estadstica para datos paramtricos con anlisis bivariado para comparar dos o ms grupos. La prueba ms indicada es ANOVA (Anlisis de Varianza) de un factor para muestras independientes. La A1M en clase III no presenta normalidad . La significancia para A1M entre Clase I con clase III y clase II con clase III sern evaluadas con la prueba de suma de rangos asignados U de Mann Withney par muestras independientes.
ANOVA
123-
p>0,05 Distribucin Normal p>0,05 Distribucin Normal p<0,05 NO HAY Distribucin Normal
La A1M presenta normalidad en clase I y Clase II, pero en clase III no presenta normalidad . La significancia para A1M entre Clase I con clase III y clase II con clase III podran ser evaluadas con la prueba H de Kruskal Wallis para muestras independientes en tres o ms grupos, pero al comparar 1 con 2, 1 con 3 o 2 con 3 solamente nos indicara que por lo menos alguno de los resultados es diferente de los otros dos. Por sta razn para comparar 1 con 2 (paramtricos) utlizara ANOVA o t de Student , y sabiendo que 3 NO es paramtrico, al comparar 1 con 3 y 2 con 3 preferira U de Mann Withney para muestras independientes.
ANOVA
Hiptesis Estadstica Verdadera: No hay distribucin normal en los datos( p<0,05) Hiptesis Estadstica Nula : S hay distribucin normal en los datos (p>0,05) Para evaluar normalidad en ms de tres (3) datos, para la variable efecto altura del segundo molar maxilar (A2M), utilizamos la prueba de Shapiro- Wilk.
En la evaluacin de significancia estadstica en las diferencias entre las variables causa Clase I, II y III para la variable dependiente A2M que presentan distribucin normal o normalidad, se utilizar estadstica para datos paramtricos con anlisis bivariado para comparar dos o ms grupos. La prueba ms indicada es ANOVA (Anlisis de Varianza) de un factor para muestras independientes. Son alternativas: la prueba t de Student sirve para comparar dos grupos con normalidad, o una prueba para comparacin mltiple de varianzas en datos con normalidad conocida como prueba pos hoc de Tuckey.
La prueba Post Hoc de Tukey para la VD denominada A2M no mostr diferencias estadsticamente significantes entre las tres clases esquelticas
TUKEY
Hiptesis Estadstica Verdadera: No hay distribucin normal en los datos p<0,05 Hiptesis Estadstica Nula : S hay distribucin normal en los datos p>0,05 Para evaluar normalidad en ms de tres (3) datos, para la variable efecto posicin horizontal del primer molar maxilar (PH1M), utilizamos la prueba de Shapiro- Wilk.
123-
p<0,05 NO HAY Distribucin Normal p>0,05 Distribucin Normal p>0,05 Distribucin Normal
En la evaluacin de significancia estadstica en las diferencias entre las variables causa 1-clase I para la variable dependiente PH1M que NO presenta distribucin normal o normalidad, y compararlo con 2-clase II y con 3-clase III que s tienen distribucin normal utilizamos la prueba de suma de rangos asignados U de Mann Withney para muestras independientes. Para comparar 2 con 3 que son paramtricas, ANOVA y comparacin Post Hoc de Tukey que compara varianzas entre dos grupos con normalidad es apropiada.
ANOVA
TABLA 3. Descripcin de la posicin vertical y horizontal del primero y segundo molar maxilar de acuerdo a la clase esqueltica
Relacin Esqueltica 1.CLASE I A1M A2M PH1M 2.CLASE II A1M A2M PH1M 3.CLASE III A1M A2M PH1M n 16 16 16 16 16 16 16 16 16 Media 47,08 44,46 20,81 47,67 45,14 23,04 45,26 43,69 18,90 DS 3,86 3,40 2,84 2,50 2,95 4,08 6,38 4,21 3,75 Mnimo 41,50 39,10 18,00 40,80 38,30 15,00 26,30 36,70 14,00 Mximo 53,80 50,30 29,00 51,40 48,50 30,00 52,30 50,10 27,00 Rango 12,30 11,20 11,00 10,60 10,20 15,00 26,00 13,40 13,00 Varianza 14,89 11,57 8,05 6,26 8,70 16,67 40,72 17,70 14,05 p (1,2,3) 0,581* 0,519** 0,005*
*ANOVA **H de Kruskal Wallis ***A1M:Altura primer molar maxilar ****A2M:Altura segundo molar maxilar *****PH1M:Posicin horizontal primer molar maxilar
Las diferentes pruebas estadsticas no aportaron diferencias estadsticamente significativas para las variables dependientes A1M (p=0,581) y A2M (p=0.519) entre las tres clases equelticas. Los resultados aportaron diferencias estadsticamente significativas en la posicin horizontal del primer molar maxilar (PH1M) para las diferentes relaciones esquelticas estudiadas ( PH1M para Clase I-II-III p =0,005).
ANOVA
TABLA 4. Comparacin de los valores de significancia (p) para la variable de estudio PH 1 M de acuerdo a la relacin esqueltica
Relacion
CLASE I CLASE II Variable PH 1 M PH 1 M
CLASE II PH 1 M 0,021 -
Para la variable resultado Posicin Horizontal del Primer Molar -PH1M se analiz especficamente la significancia en las diferencias entre cada clase esqueltica una vez se detect que PH1M fue la nica VD ( distinto de A1M y A2M ) que mostr diferencias significativas para la posicin del primer molar maxilar. Puebas ANOVA y Pos Hoc de Tukey
Un problema comn al que nos podemos enfrentar en cualquier investigacin es querer comparar ms de 2 grupos de datos para detectar posibles diferencias entre ellos. La utilizacin de modelos de ANOVA puede permitirnos detectar diferencias, a nivel global, entre las medias involucradas, pero en muchas ocasiones deseamos trabajar a un mayor detalle y detectar las diferencias entre grupos concretos lo que slo es posible mediante el uso de los Procedimientos de Comparaciones mltiples (PCM)
Basadas en la distribucin t -Dunn-Bonferroni (Dunn, 1961) -Dunn-Sidak (Dunn, 1958 y Sidk, 1967) -Holm-Shaffer (Holm, 1979 y Shaffer, 1986) Basadas en la distribucin del Rango Studentizado -Tukey (Tukey, 1953) -Newman-Keuls (Newman, 1932 y Keuls 1952) -Duncan (Duncan, 1955) -Ryan (Ryan, 1960; Einot y Gabriel , 1975) -Peritz (Peritz, 1970)
Tukey (1953). Diferencia honestamente significativa de Tukey. Equivale a utilizar el mtodo de Student-Newman-Keuls con r= J= n de medias. Por tanto, todas las comparaciones son referidas a una misma diferencia mnima. Es uno de los mtodos de mayor aceptacin.
Prueba deTukey
Una vez que se ha determinado que existen diferencias entre las medias, las pruebas de rango post hoc permiten determinar qu medias difieren. La prueba de rango post hoc identifica subconjuntos homogneos de medias que no se diferencian entre s. Prueba deTukey, es una prueba estadstica utilizada general y conjuntamente con ANOVA. La prueba Tukey se usa en experimentos que implican un nmero elevado de comparaciones.
Es de fcil clculo puesto que se define un solo comparador, resultante del producto del error estndar de la media por el valor tabular en la tabla de Tukey usando como numerador el nmero de tratamientos y como denominador los grados de libertad del error
Scheff (1953, 1959). Este mtodo, basado en la distribucin F, permite controlar la tasa de error para el conjunto total de comparaciones que es posible disear con J medias (una con otra, una con todas las dems, dos con dos, etc.). Utilizado para efectuar slo compara-ciones por pares, es un procedimiento muy conservador: tiende a considerar significativas menos diferencias de las que debera.
Prueba de Scheff
El test de Scheff pertenece a una de las tantas pruebas a posteriori con las que nos encontramos al realizar un ANOVA de un factor, es decir, comparaciones entre medias para determinar diferencias significativas entre pares de medias. En este sentido, es similar al test de Tukey, pero a diferencia de este se emplea comnmente cuando las muestras tienen n distintos (el de Tukey es slo para n iguales). Prueba de Scheff es una prueba que se aplica para hacer comparaciones mltiples de las medias de grupos. Su uso est relacionado con la prueba del anlisis de varianza, y se incuye dentro de las llamadas pruebas de comparaciones mltiples.
La prueba del anlisis de la varianza contrasta la hiptesis de igualdad de medias de dos o ms grupos. Si el resultado se considera estadsticamente significativo, lo que se puede afirmar es que al menos la media de uno de los grupos es distinta a las restantes, o bien que hay otras medias diferentes entre s.
El siguiente paso consiste en identificar qu grupos son los que tienen medias diferentes entre s. Una solucin es comparar las medias por pares, usando una prueba estadstica como la t de Student. Pero al hacerlo as se produce un aumento del error tipo I que se quiere admitir. Las pruebas de comparaciones mltiples corrigen el error para conseguir que no sobrepase el nivel establecido, por ejemplo del 5%. La prueba de Scheff se realiza comparando todos los posibles pares de medias, pero usando como error tpico el valor de la varianza residual o intragrupos obtenida en el anlisis de la varianza.
http://bioestadistico.com/pruebas-post-hoc
http://bioestadistico.com/pruebas-post-hoc
http://bioestadistico.com/pruebas-post-hoc
Proceso estadstico ANOVA Y Pos Hoc sobre programa SPSS Prueba de Tukey
http://bioestadistico.com/pruebas-post-hoc
Valor medio del peso del Recin Nacido por procedencia (CIUDAD). Nos preguntamos : si el peso promedio DIFIERE ENTRE LAS CIUDADES O SI ES MUY SEMEJANTE?. Si p<0,05 entonces ya sabemos que existen diferencias entre los promedios de los cuatro grupos poblacionales la siguiente pregunta es: Habr diferencias al comparar una ciudad con otra y especficamente entre qu ciudades concretas se presentan las diferencias ?.
Entonces vamos a pruebas Post Hoc: Seleccionamos HSD de T uckey, con esta pruebe podemos conocer qu diferencias significativas existen y entre qu ciudades concretamente. Arequipa mostr evidentes diferencias significativas para el peso de recin nacidos en relacin con las otras ciudades.
Entre los grupos Cusco ,Puno y Tacna no existen diferencias significativas y estn en la misma columna, en cambio Arequipa est en distinta columna y la diferencia es significativa respecto de las otras tres. Los tres primeros grupos no tienen diferencias entre ellos y son a su vez distintos del ltimo grupo llamado Arequipa.
http://bioestadistico.com/pruebas-post-hoc
La prueba Pos Hoc de Scheff confirma cmo las diferencias estadsticamente significantes se presentan entre Arequipa y los Otros departamentos , Puno y Cusco. Dr. Jos Antonio Supo Condori Sociedad Peruana de Bioestadstica http://bioestadistico.com/pruebas-post-hoc
Solamente Arequipa tiene sus nios con pesos distintos a los de otras localidades .
RESULTADOS: El peso de los nios que nacen en Arequipa difieren de peso de los que nacen en otras localidades.
http://bioestadistico.com/pruebas-post-hoc
Conclusiones
ANOVA es una tcnica estadstica que sirve para decidir/determinar si las diferencias que existen entre las medias de tres o ms grupos (niveles de clasificacin) son estadsticamente significativas. Las tcnicas de ANOVA se basan en la particin de la varianza para establecer si la varianza explicada por los grupos formados es suficientemente mayor que la varianza residual o no explicada.
La utilizacin de modelos de ANOVA puede permitirnos detectar diferencias, a nivel global, entre las medias involucradas, pero en muchas ocasiones deseamos trabajar a un mayor detalle y detectar las diferencias entre grupos concretos lo que slo es posible mediante el uso de los Procedimientos de Comparaciones mltiples como la prueba de Tukey y la prueba de Scheff