Está en la página 1de 44

1

UNIVERSIDAD DE ORIENTE
NCLEO DE SUCRE
ESCUELA DE HUMANIDADES Y EDUCACIN
DPTO. DE PSICOLOGA E INVESTIGACIN EDUCATIVA
ALTERNATIVA DE GRADO: ESTADSTICA II







ANLISIS DE VARIANZA





Prof. : INTEGRANTES:
MONDRAGN J. CARIACO, JESUS
MARVAL, MARIA
RUIZ, JOAN
RATIA, ANA
ESPINOZA, EDGAR
HENRQUEZ, LUISA
SEC: 2



CUMAN, ABRIL DE 2012
2

NDICE


PG.
Introduccin iii
Anlisis de varianza (ANOVA).. 5
Por qu utilizamos el anlisis de varianza en vez de la t de student?............... 5
Procedimiento de ANOVA 6
Diseo completamente aleatorizado (DCA)....... 7
Caractersticas Principales..... 8
ANOVA unilateral.... 9
Pasos para la prueba de hiptesis en un diseo completamente aleatorizado 10
Diseo en bloques completamente aleatorizado. 20
Objetivos 21
Ventajas.. 21
Para la prueba de hiptesis se siguen diez pasos....... 22
Diseo de mediciones repetidas. 24
Ventajas.. 25
Desventajas.. 25
Diseo de mediciones repetidas con un solo factor .. 27
Experimento factorial 29
Ventajas. .. 29
Desventajas. . 30
Conclusin . 42
Bibliografa.. 43






3

INTRODUCCIN
La varianza es una constante que representa una medida de dispersin media
de una variable aleatoria X, respecto a su valor medio o esperado. Puede interpretarse
como medida de variabilidad de la variable.

Las tcnicas englobadas bajo la denominacin de anlisis de la varianza o
abreviadamente ANOVA (del ingls analysis of variance) han jugado un papel crucial
en la metodologa estadstica moderna, desde que fueran ideadas por Sir Ronald
Fisher en la dcada de los aos veinte.

Casi siempre se introduce el tema del anlisis de la varianza como respuesta a
la necesidad de utilizar una tcnica de comparacin de ms de dos grupos, es decir
como un mtodo para comparar ms de dos tratamientos: si disponemos de medidas
cuantitativas continuas, que se puede suponer como procedentes de una distribucin
de probabilidad normal, y queremos comparar dos grupos dos tratamientos, la
prueba estadstica que se utiliza es un contraste de medias basado en la t de Student, y
cuando se dispone de ms de dos grupos, la prueba a emplear es el anlisis de la
varianza.

El anlisis de variancia es una tcnica que se usa para probar hiptesis acerca
de las medias de diferentes tratamientos que se ensayan (Daniel 1984). Para que esto
sea posible, las medias que se determinan tienen que provenir de mediciones sobre
muestras independientes. Adems permite el control de a un nivel predeterminado
cuando se prueba la igualdad de J medias del grupo, donde J 2. En ANOVA, las
medias se examinan simultneamente para evaluar la posibilidad de que todas las J
medias de muestreo provengan de la misma poblacin (es decir, poblaciones con
idnticos parmetros). En otras palabras, los procedimientos ANOVA se pueden usar
para determinar si es o no razonable concluir que no todas la J medias del muestreo
provienen de la misma poblacin.
4

Para ANOVA, la hiptesis nula es una sola pero incluye todas las hiptesis:
H
o
:
1
=
2
==
J


En otras palabras, el anlisis de varianza lo vamos a utilizar para verificar si
hay diferencias estadsticamente significativas entre medias cuando tenemos ms de
dos muestras o grupos en el mismo planteamiento. En estos casos no utilizamos la t
de Student que solamente es un procedimiento vlido cuando comparamos
nicamente las medias de dos muestras.





















5

ANLISIS DE VARIANZA (ANOVA)
El anlisis de la varianza tiene amplias aplicaciones en el anlisis de datos
derivados de experimentos, este se utiliza tambin, para cumplir 2 objetivos:
- Estimar y probar hiptesis respecto a las varianzas de las poblaciones.
- Estimar y probar hiptesis respecto a las medidas de las poblaciones.
La hiptesis nula que se prueba en el ANOVA es que la mayora de las
poblaciones que se estudian (al menos tres) tienen el mismo valor de la media para la
variable dependiente. Las hiptesis nulas y alternativa en ANOVA son:
H
0
: X
1
= X
2
= X
3
=... = X c
H
A
: No todas las poblaciones tienen la misma media.
POR QU UTILIZAMOS EL ANLISIS DE VARIANZA EN VEZ DE LA T
DE STUDENT?

Cuando tenemos dos muestras y queremos comprobar si difieren
significativamente (si proceden de la misma poblacin con una nica media)
utilizamos la t de Student. Cuando tenemos ms de dos grupos utilizamos el anlisis
de varianza: No podramos comparar todos los grupos de dos en dos con la t de
Student? A primera vista parecera lo ms lgico, sin embargo no se hace as por una
serie de razones que exponemos a continuacin:

1 La razn ms importante (y suficiente) para no utilizar la t de Student con ms de
dos grupos es que, al hacer muchas comparaciones de dos en dos, aumenta la
probabilidad de que algunas diferencias resulten significativas por azar y entonces
cabe la posibilidad de afirmar que hay una diferencia (de no aceptar la hiptesis nula)
cuando realmente no la hay.

6

Si por ejemplo tenemos tres grupos podramos hacer tres comparaciones: entre el 1 y
el 2, entre el 1 y el 3 y entre el 2 y el 3. Operando con un nivel de confianza de
=0.05, la probabilidad de encontrar al menos una diferencia significativa por azar es
de hecho del 9.75% y no del 5%. Como se evidencia, se incrementa dramticamente
la probabilidad () de cometer un error de tipo I. Cuando se realiza ms de una
prueba t, la probabilidad de uno o ms errores de tipo I es mayor que el nivel
establecido.

2 Otra razn adicional es que una prueba estadstica basada en todos los datos
utilizados simultneamente, es ms estable que la prueba o anlisis que parcializa los
datos y no los examina todos juntos. El error tpico (que expresa la variacin en las
medias que podemos encontrar en diversas muestras) es menor cuando el nmero de
sujetos es mayor, como sucede cuando se analizan todos los datos de todos los grupos
simultneamente. En principio es preferible utilizar un mtodo de anlisis global que
abarque todos los datos que se quieren examinar.

3 El ahorro de tiempo es otra razn muy importante, aunque en s misma no es una
razn vlida. El nmero de comparaciones de dos en dos de k elementos es igual a k
por lo cual se ahorrara mucho tiempo al trabajar con el ANOVA.


PROCEDIMIENTO DE ANOVA.
Para aplicar el anlisis de varianza a un estudio se siguen diez pasos:
1. Descripcin de datos.
2. Supuestos.
3. Hiptesis.
4. Estadstica de prueba.
5. Distribucin de la estadstica de prueba.
6. Regla de decisin.
7. Calculo de la estadstica de prueba.
7

8. Decisin de estadstica.
9. Conclusin.
10. Clculo del valor p (Probabilidad)


DISEO COMPLETAMENTE ALEATORIZADO (DCA)
Este diseo consiste en la asignacin de los tratamientos en forma
completamente aleatoria a las unidades experimentales (individuos, grupos, parcelas,
jaulas, animales, insectos, entre otros). Debido a su aleatorizacin irrestricta, es
conveniente que se utilicen unidades experimentales de lo ms homogneas posibles:
animales de la misma edad, del mismo peso, similar estado fisiolgico; parcelas de
igual tamao, entre otros, de manera de disminuir la magnitud del error experimental,
ocasionado por la variacin intrnseca de las unidades experimentales. Este diseo es
apropiado para experimentos de laboratorio, invernadero, animales de bioterio, aves,
conejos, cerdos, entre otros, es decir, situaciones experimentales como de las
condiciones ambientales que rodean el experimento.

En este diseo, los tratamientos en estudio se distribuyen al azar en todas las
unidades experimentales; siendo el nmero de repeticiones por tratamiento igual o
diferente. Este diseo se emplea cuando la variabilidad en todo el material
experimental es relativamente pequea y uniformemente distribuida.

Se debe tener presente que la aleatorizacin estadstica es un procedimiento
puntual, en el cual se les asigna a las unidades observadas un grupo de control
o tratamiento de una manera que toma en consideracin la influencia potencial de las
variables confundidas. Esto permite cuantificar la influencia de estas variables
confundidas al observarlas en ambos grupos de control y de tratamiento. La
aleatorizacin se lleva a cabo mediante una tabla de nmeros aleatorios.

8

CARACTERSTICAS PRINCIPALES
1. Es aplicable slo cuando las unidades experimentales son homogneas (verificar si
existe tal homogeneidad de los datos, todos provienen de la misma distribucin y no
hay datos atpicos).

2. Los tratamientos pueden tener igual o diferente nmero de unidades
experimentales.

3. La distribucin de los tratamientos es al azar en las unidades experimentales.
El nmero de tratamientos est en funcin del nmero de unidades experimentales
que se dispone. Es conveniente tener pocos tratamientos y ms
unidades experimentales que muchos tratamientos con pocas unidades
experimentales.


VENTAJAS
Fcil de planear y analizar; adems es flexible en el empleo del nmero de
tratamientos y repeticiones, solo est limitado por el nmero de unidades
experimentales disponibles.
Permite verificar si hay diferencias estadsticamente significativas entre
medias cuando tenemos ms de dos muestras o grupos en el mismo planteamiento.

DESVENTAJA
La principal desventaja que presenta este diseo est relacionada a la
homogeneidad del material experimental; el cual es difcil de encontrar en
experimentos de campo, por lo que su uso se restringe con mucha frecuencia a
experimentos de laboratorio o donde se pueda tener control de los efectos no
considerados en el estudio (ambiente, temperatura, luz, entre otros)

9

OBJETIVO
El objetivo de un diseo completamente aleatorio es estudiar si existen
diferencias significativas en la variable dependiente para cada nivel de la variable
independiente o tratamiento. Especficamente, lo que nos interesa es hacer un "Test
de Singularidad de Medias". El procedimiento a utilizar para alcanzar este objetivo
(la singularidad de medias) es el anlisis de la varianza (ANOVA), tcnica muy til
en el campo de la inferencia estadstica, que toma como referencia el modelo lineal
estadstico. En concreto, en este diseo se toma como referencia el siguiente modelo
lineal estadstico:
Y
ij
= EG + ET
j
+ EA
Y
ij
: Valor observado de la variable dependiente en la unidad de prueba i con el
tratamiento j.
EG: Es el efecto global, que se refiere al promedio de la variable dependiente
para el total o conjunto de las unidades de prueba.
ET
j
: Es el efecto del tratamiento j, es decir, la variacin en la variable
dependiente con relacin al promedio debido a la influencia del tratamiento j.
EA: Es el efecto aleatorio, el cual recoge el efecto de todas las restantes
causas posibles de variabilidad del experimento no debidas al tratamiento, es decir, al
efecto aleatorio se le podra llamar tambin "otras causas de variabilidad del
experimento".
ET
j
+ EA: La suma de estos dos efectos refleja las fuentes de dispersin.
Concretamente, el anlisis de la varianza (ANOVA) va a consistir en el anlisis de
esa dispersin, es decir, en el estudio de los componentes de la dispersin total.

ANOVA UNILATERAL: El tipo ms simple de anlisis de varianza es el que se
conoce como anlisis de varianza unilateral, en el cual se investiga una sola fuente de
variacin o factor. Esto es una extensin a 3 o ms muestras del procedimiento de la
prueba, para utilizarlo en 2 muestras independiente. Dicho de otra forma, se puede
10

afirmar que utiliza la prueba t con dos muestras independientes en un caso especfico
del anlisis de la varianza unilateral.

PASOS PARA LA PRUEBA DE HIPTESIS EN UN DISEO
COMPLETAMENTE ALEATORIZADO
1. Descripcin de los datos. Las mediciones (u observaciones) que resultan de
un diseo experimental completamente aleatorizado, junto con las medias y
los totales que puedan calcularse a partir de los datos, pueden presentarse si
as conviene a travs de las siguientes frmulas:
X
ij
= la i sima observacin resultante a partir del j simo tratamiento (en
total existen k tratamientos)










2. Supuestos. Antes de establecer las suposiciones, es necesario especificar el
modelo. Para escribir el modelo para el diseo experimental completamente
aleatorizado, se utiliza el smbolo x
ij
.
El anlisis de la varianza unilateral puede escribirse como sigue:

x
ij
= +
j
+ e
ij


Los trminos de este modelo se describen de la siguiente forma:

11

1. representa la media de toda las k - medias poblacionales, y se le conoce
como la gran media.
2.
j
representa la diferencia entre la media de la j sima poblacin y la gran
media. Se le conoce como efecto del tratamiento.
3. e
jj
representa la cantidad en que difieren una medicin individual de la media
poblacional a la que pertenece. Se le conoce como termino del error.

Supuestos de modelo
Las suposiciones para el modelo de efectos fijos son las siguientes:

a) Los k conjuntos de datos observados forman k muestras aleatorias
simples a partir de las poblaciones respectivas.
b) Cada una de las poblaciones de las que se extraen las muestras siguen
una distribucin normal con media
j
variancia
j
2

c) Cada una de las poblaciones tiene la misma variancia. Es decir,
j
2
=
2
2
= . =
k
2
=
2
, variancia comn.
d) Las
j
son constantes desconocidas y
j
= 0, puesto que la suma de
todas las desviaciones de
j
a partir de su meda, , es cero.
e) Las e
ij
tienen una media igual a cero, porque la media de x
ij
, es
j
.
f) Las e
ij
tienen una variancia igual a la variancia de las x
ij
porque las e
ij
y
las x
ij
difieren slo por una constante; es decir, la variancia del error es
igual a
2
, la variancia comn, especificada en el inciso c.
g) Las e
ij
siguen una distribucin normal (e independiente).


3. Hiptesis. En un Diseo Completamente Aleatorizado, frecuentemente
estamos interesados en contrastar la hiptesis nula de que todas las
poblaciones o tratamientos tienen medias iguales, contra la hiptesis
alternativa, que dice que al menos un par de poblaciones no tienen medias
iguales. Las hiptesis se redactan de la siguiente forma:
12

H
o
:
1
=
2
=...=
k
(Todos los tratamientos tienen el mismo efecto sobre la variable
en estudio).
H
A:

1
=
2
= ...=
k
(No todos los tratamientos tienen el mismo efecto sobre la
variable en estudio).
Si las medias de las poblaciones son iguales, y el efecto de cada tratamiento es
igual a cero, de tal manera que alternativamente, la hiptesis puede escribirse como
sigue:

H
0
:
j
= 0, j = 1, 2,,k
H
A
: no todas las
j
= 0

Nivel de significancia: o (0< o< 1)

4. Estadstica de prueba. La estadstica de prueba para el anlisis de la
variancia unilateral es el clculo de la razn, designada como R.V, Las dos
variancias con las que se calcula la R.V. son las mismas variancias
calculadas a partir de los datos de la muestra.

5. Distribucin de la estadstica de prueba. R.V. sigue una distribucin F
cuando H
o
es verdadera y se cumplen las suposiciones.

6. Regla decisin. En general, la regla de decisin es rechazar la hiptesis nula
si el valor calculado para R.V. es mayor o igual que el valor crtico de F con
nivel .


7. Calculo del estadstico de prueba. Se defini al anlisis de la variancia
como un proceso por el que la variacin total presente en el conjunto de
datos se divide en componentes que son atribuibles a diferentes fuentes. El
13

trmino variacin se utiliza en este contexto para referirse a la suma de
desviaciones al cuadrado de las observaciones de su media o suma de
cuadrados.
Suma total de cuadrados. La suma total de cuadrados es la suma de los cuadrados
de las desviaciones de las observaciones individuales a partir de la media de todas las
observaciones tomadas juntas. La suma total de cuadrados (SC
total
) se define como:



Donde

indica que hay que sumar las desviaciones al cuadrado para cada
grupo de tratamiento, y

indica que hay que sumar los totales de los k grupos


que se obtienen al aplicar

.

Suma de cuadrado dentro de los grupos. El primer paso para calcular estos
componentes es realizar ciertos clculos dentro de cada grupo. Estos clculos
implican realizar dentro de cada grupo, la suma de las desviaciones al cuadrado de las
observaciones individuales, a partir de su media. Despus de realizar estos clculos
dentro de cada grupo, se obtiene la suma de los resultados individuales del grupo. A
este componente de variacin se le llama suma de cuadrados dentro de los grupos y
se le designa como SC
dentro
. La frmula para calcular es la siguiente:



Suma de cuadrados entre los grupos. Se calcula para cada grupo la desviacin al
cuadrado de la media del grupo a partir de la gran media, y se multiplica el resultado
por el tamao del grupo y se suman los resultados de todos los grupos. Esta cantidad
es una medida de la variacin entre los grupos y se conoce como suma de cuadrados
entre los grupos o SC
entre
. La frmula para calcular esta cantidad es como sigue:
14



La suma total de cuadrados es igual a la suma de cuadrados entre los grupos ms la
suma de los cuadrados dentro de los grupos:

SC
total
= SC
entre
+ SC
dentro


Primera estimacin de
2
. La expresin matemtica:




Proporciona una estimacin insesgada de la variancia real para la poblacin de la cual
proviene la muestra. Bajo la suposicin de que todas las variancias de la poblacin
son iguales, es posible continuar las k estimaciones para obtener:




Segunda estimacin de
2
.
La segunda estimacin de
2
se puede obtener a partir de
la frmula ya conocida para la variancia de las medias de las muestras,
2/x
=
2
. Si la
ecuacin es resuelta para
2
, la variancia de la poblacin a partir de la cual se
extrajeron las muestras, se tiene



15

Una estimacin insesgada de
2/x
, calculada a partir de los datos de la muestra, es
proporcionada por:




Cuando no todos los tamaos de las muestras son iguales, una estimacin
2
con base
en la variabilidad entre las medias de las muestras se obtiene mediante la frmula:



La razn de variancias. Se calcula mediante la siguiente frmula:






Si las dos estimaciones son aproximadamente iguales, la R.V ser casi igual a 1.
Una razn prxima a 1 tiende a poyar la hiptesis de que las medias son iguales para
las poblaciones. Si el cuadrado medio entre los grupos es considerablemente mayor
que el cuadro medio dentro de los grupos, la R.V ser, a su vez, considerablemente
mayor que 1.

Prueba F: Es una distribucin f cuando las varianzas de las muestras se calculan a
partir de muestras extradas de forma independiente y aleatoria de una poblacin que
sigue una distribucin normal. Esta se usa en la construccin de intervalos de
confianza para la varianza de la poblacin y para probar hiptesis acerca de esta.

16

CONSTRUCCIN DE LA TABLA DEL ANOVA. Los clculos que se han
efectuado se pueden resumir y mostrar en una tabla conocida como tabla ANOVA.










8. Decisin estadstica. Para tomar una decisin es necesario comparar la R.V
calculada contra el valor crtico de F, con los correspondientes grados de
libertad k 1 en el numerador y N - k en el denominador. Si el valor
calculado para R.V. es mayor o igual que el valor crtico F, la hiptesis nula
es rechazada; pero si es menor que el valor crtico de F, no se rechaza la
hiptesis nula.

9. Conclusin. Cuando se rechaza H
0
se concluye que no todas las medias
poblacionales son iguales. Cuando no se rechaza H
0
se concluye que proba-
blemente todas las medias poblacionales son iguales.
10. Calculo del valor de p. El valor p para la prueba de una hiptesis es la
probabilidad de obtener, cuando H
o
es verdadera, un valor de la estadstica
de prueba tan extremo o ms (en la direccin adecuada para H
A
) que el valor
calculado en la realidad.


17

EJERCICIO
En el siguiente ejercicio aplique el procedimiento de los diez pasos de la prueba
de hiptesis para analizar las varianzas y ver si es posible concluir que existen
diferencias entre las medias de las poblaciones. Sea = 0.05. Utilice el mismo
valor de para la prueba F. elabore la tabla ANOVA.
Szdczky et al. (A-4) examinaron las caractersticas de los sitios de unin de la
H-imipramina en pacientes permanentes deprimidos (SAD) y pacientes
deprimidos por corto tiempo (no-SAD), as como en individuos sanos (grupo
control). Una de las variables en las que se hicieron las mediciones es la densidad
de los sitios de unin para la H-imipramina en las plaquetas sanguneas (Bmx.).
Los resultados son los siguientes:

SAD No- SAD CONTROL
634 771 1067
585 546 1176
520 552 1040
525 557 1218
693 976 942
660 204 845
520 807
573 526
731
788
736
1007
846
701
584
867
691

1. Datos. Los datos corresponden a los sitios de unin de la H-imipramina en
pacientes permanentes deprimidos (SAD) y pacientes deprimidos por
18

corto tiempo (no-SAD), as como en individuos sanos (grupo control).
Junto con los totales del tratamiento y las medias.






2. Supuestos. Se supone que los tres grupos de datos forman muestras
aleatorias simples e independientes, extradas de tres poblaciones que son
similares excepto por la condicin estudiada. Se supone que las tres
poblaciones siguen una distribucin normal con varianza conocida.
3. Hiptesis. Sea =0.05
H
o
:
1
=
2
=
3

H
A
:
1

3

4. Estadstica de prueba. La estadstica de prueba es:



5. Distribucin de la estadstica de prueba. Si Ho es verdadera y se
cumplen las condiciones, entonces R.V sigue una distribucin F con los
grados de libertad correspondientes, respectivamente, del numerador y
denominador (K-1) 3-1=2 y (n-K) 31-3=28.

6. Regla de decisin. Sea =0.05
SAD NO-SAD Control Total
Total 11661 4939 6288 22888
X 685.94 617.375 1048 2351.315
19








Regla: Se rechaza la H
o
si el valor calculado para R.V es mayor o igual que
4.22


7. Calculo de la estadstica de prueba.
Comenzamos calculando los totales y los cuadrados de los totales divididos por el
nmero de observaciones:

SAD NO-SAD Control Total


Total 11661 4939 6288 22888 16898727.23
685.94 617.375 1048 2351.315

7998760.059 3049215.125 10589824 17637799.18

8293177 3429627 6687978 18410782



SC
entre
= 17637799.18 - 16898727.23= 739072.18

SC
dentro
= 18410782 - 17637799.18= 772982.82

SC
total
= SC
entre
+ SC
dentro
= 1512055

CM
entre
= SC
entre
/k-1= 739072.18 / 3-1
739072.18 / 2= 369536.09

CM
dentro
= SC
dentro
/n-1= 772982.82 / 31-3
772982.82 / 28= 26395.435

R.V= CM
entre
/CM
dentro
= 369536.09 / 26395.435 = 14
Regin de aceptacin
Regin de rechazo
(2,28)
F
(0.975)
0
0.975
4.22
20

TABLA ANOVA
FUENTE SC

g.l
CM R.V
Entre
muestras
739072.18 2 369536.09 14
Dentro de
muestras
772982.82 28 26395.435
Total 1512055 30
8. Decisin Estadstica. Debido a que el valor calculado para R.V., 14, es
mayor que el valor crtico F, 4.22, se rechaza Ho.
9. Conclusin. Dado que se rechaz Ho, se concluye que la hiptesis alternativa
es verdadera. Es decir, se concluye que no todas las medias son iguales.

DISEO EN BLOQUES COMPLETAMENTE ALEATORIZADO
Es aqul en el que:
1.- Las unidades experimentales se distribuyen en grupos o bloques, de manera tal
que las unidades experimentales dentro de un bloque sean relativamente homogneas
y que el nmero de unidades experimentales dentro de un bloque sea igual al nmero
de tratamientos por investigar, y

2.- Los tratamientos se asignan al azar a las unidades experimentales dentro de cada
bloque. En lo anterior, la formacin de los bloques refleja el criterio del investigador

Respecto a las respuestas diferenciales potenciales de las diversas unidades
experimentales, mientras que el procedimiento de aleatorizacin acta como una
justificacin de la suposicin de independencia.




Modelo: Y
ij
=
i
+ B
i
+ t
j
+ e
ij


Suma de

2
Y = M
yy
+ Byy + T
yy
+ E
yy

21


Donde: Yij = Valor observado en la i-sima repeticin para el i-simo tratamiento.=
Efecto de la media general.
B
i
= Efecto del i-simo bloque.
t
j
= Efecto del j-simo tratamiento
e
ij
= Efecto aleatorio del error experimental
t = Nmero de tratamientos.
n = Nmero de repeticiones del -simo tratamiento.

OBJETIVO: es aislar y eliminar el trmino de error la variacin atribuible a los
bloques, y asegurar que las medias del tratamiento estn libres de los efectos del
bloque. La eficacia del diseo depende de la capacidad de conseguir bloques
homogneos de unidades de experimentacin.

VENTAJAS: se comprende fcilmente, adems, algunas complicaciones que podran
surgir en el transcurso de un experimento son fciles de controlar cuando se utiliza
este diseo.

EJEMPLO:
Un grupo de especialistas en motivacin, en un hospital psiquitrico, condujo un
experimento para comparar tres mtodos para motivar a los pacientes. Estos fueron
agrupados de acuerdo con el nivel de motivacin inicial. En cada grupo, los
pacientes fueron asignados al azar a los tres mtodos. Al final del periodo
experimental, un equipo de trabajo formado por un psiquiatra, un psiclogo, una
enfermera y un trabajador social evaluaron a los pacientes. Ningn miembro del
equipo de evaluacin saba de los mtodos que fueron asignados a los pacientes. El
equipo asign a cada paciente una calificacin como medida de su nivel de
motivacin, los resultados son los siguientes:

22

A B C TOTAL MEDIA
NULO 58 68 60 186 62,00
MUY BAJO 62 70 65 197 65,67
BAJO 67 78 68 213 71,00
PROMEDIO 70 81 70 221 73,67
TOTAL 257 297 263 817
MEDIA 64,25 74,25 65,75 68,08
Mtodo de motivacin
nivel de
motivacin
inicial

1. DATOS: Escogieron al azar a los pacientes de acuerdo con el nivel de
motivacin inicial los cuales participaran en el experimento. Los mtodos de
motivacin forman tres tratamientos y los cuatro niveles son los bloques.

2. SUPUESTOS: se supone que cada uno de las 12 observaciones forman una
muestra aleatoria de tamao 1 a partir de una de las 12 poblaciones definida por
la combinacin de bloque y tratamientos. se supone que las respuestas en las 12
poblaciones representadas siguen una distribucin normal con variaciones
iguales.

3. HIPTESIS:
H
o
: t
j
= 0 j = 1,2,3
H
A
: no todas las t
j
= 0

Sea =0.05

4. ESTADSTICA DE PRUEBA






23

5. DISTRIBUCIN DE LA ESTADSTICA DE PRUEBA
Cuando la hiptesis nula es verdadera y las suposiciones se cumplen, sigue una
distribucin de F con 2 y 6 grados libertad.

6. REGLAS DE DECISIN
Rechazar la hiptesis nula si el valor
calculado de es mayor o igual que el
valor crtico de F. El valor de F es 6,94
7. CALCULO DE LA ESTADSTICA DE PRUEBA
SCtotal = (58 - 68,08)
2
+ ( 62 - 68,08)
2
+(67 - 68,08)
2
+( 70 - 68,08)
2
+( 68 - 68,08)
2
+(70 - 68,08)
2
+(78 - 68,08)
2
+ (81- 68,08)
2
+(60- 68,08)
2
+(65 - 68,08)
2
+( 68- 68,08)
2
+( 70- 68,08)
2

= 101.6064 + 36.9664 + 1.1664 + 3.6864 + .0064 + 3.6864 + 98.4064 +
166.9264 + 65.2864 + 9.4864 + .0077 + 3.6864
= 494, 60

SCBloq = 3 [( 62 - 68,08)
2
+

( 62 - 68,08)
2
+

( 62 - 68,08)
2
+

( 62 - 68,08)
2
]
= 3 (36.9664 + 5.8081 + 8.5264 + 31.2481)
= 3 (82.549)
= 247.647
SCtratam = 4 [(64.25 - 68,08)
2
+

( 74.25 - 68,08)
2
+

( 65.75 - 68,08)
2
]
= 4 (14.6689 + 38.0689 + 5.4289)
= 4 * 58.1667
= 232.6668
SCresid = 494, 60 - 247.647 - 232.6668
= 14.285

Los gl son 3 * 4 -1 = 11, bloque 4 1 = 3, tratamiento 3 1 = 2, (error) residual
(4 - 1) (3 - 1) = 6
1.






(2,4)F(0.95) 0
0.95
6.94
Regin de aceptacin Regin de rechazo
24


TABLA ANOVA
FUENTE SC gl CM RV
TRATAMIENTO 494,6 2 247,3000 6,3774
BLOQUES 247,647 3 82,5490
RESIDUALES 232,6668 6 38,7778
TOTAL 974,9138 11


= 6.3774

8. DECISIN ESTADSTICA:
Puesto que la razn de la varianza 6.3774 es menor que 6.94 se acepta la
hiptesis nula por lo que no hay evidencia suficiente que indique una
difere3ncia entre medias.

9. CONCLUSIN
Se concluye que todos los efectos de los tratamientos son iguales a cero, o
equivalentes, es decir todos los tratamientos son cero.

DISEOS DE MEDICIONES REPETITIVAS

Consiste en medir dos variables en dos muestras distintas de sujetos. Sirve
para estudiar el efecto de uno o ms factores cuando al menos uno de ellos. Es un
factor intra- sujetos; este factor se caracteriza por que todos los niveles del factor se
aplican a los mismos sujetos. Los datos este diseo se analiza con la prueba t para las
muestras relacionadas. El diseo de medidas repetitivas puede tener ms de una
medida y de un factor. Para analizar los datos de este diseo podemos utilizar un
ANOVA de un factor completamente aleatorizado.

25

El motivo principal para utilizar el diseo de mediciones repetidas es el deseo
de controlar la variabilidad entre los individuos estudiados. En este diseo cada
individuo sirve como su propio control. Una de las situaciones ms usuales que
permiten el uso del diseo de mediciones repetidas es cuando el investigador est
interesado en respuestas sobre el tiempo.


VENTAJAS
Requieren menos sujetos que un diseo completamente aleatorizados y Permiten
eliminar la variacin residual debido a las diferencias entre los sujetos (pues se
utilizan los mismos).

DESVENTAJAS
Es necesario vigilar algunos efectos atribuibles precisamente a la utilizacin de
los mismos sujetos, tales como:
Efecto de arrastre: ocurre cuando se administra una condicin antes de que haya
finalizado el efecto de otra administrada previamente.
Efecto de aprendizaje por la prctica: ocurre cuando las respuestas de los sujetos
pueden mejorar con la repeticin y, como consecuencia de ello, los tratamientos
administrados en ltimo lugar parecen ms efectivos que los administrados en primer
lugar, sin que haya diferencias reales entre ellos (en estos casos es importante
controlar el orden de presentacin de las condiciones). Obviamente es necesario
conocer las ventajas e inconvenientes de estos diseos para decidir correctamente
cuando es apropiado utilizarlos.

Kabat-zinn. (A-18) disearon un estudio para determinar la eficacia de un programa
de reduccin de estrs con base en la meditacin en pacientes con trastornos de
ansiedad. Los individuos estudiados fueron seleccionados de entre los que estaban en
el programa de relajacin y reduccin del estrs. Entre los datos que recolectaron los
investigadores estaban las calificaciones obtenidas con base en la escala de
26

calificacin de la ansiedad de Hamilton, en tres ocasiones diferentes: al momento de
reclutamiento inicial (RI), antes del tratamiento (Pre), despus del tratamiento (Post)
y a los tres meses de seguimiento (3m). Se obtuvieron los siguientes datos
correspondientes a los resultados de los 6 individuos.

INDIVIDUO RI

Pre
POST 3-M
1 21 21 16 19
2 30 38 10 21
3 38 19 15 6
4 43 33 30 24
5 35 34 25 10
6 40 40 31 30

1. Datos: ver la tabla

2. Supuestos: se considera que se cumplen los supuestos descritos para el diseo de
mediciones repetidas con un solo factor.

3. Hiptesis: Sea =0.05
H
o
:
1
=
2
=
3
=
4

H
A
:
1

4
4. Estadstica de prueba: la estadstica de prueba es:


5. Distribucin de la estadstica de prueba: la estadstica de prueba sigue una
distribucin F con (k-1) 4-1=3 grados de libertad para el numerador y (n-k) (k-1)
(n-1) 23-3-5=15 grados de libertad para el denominador.

1. Regla de decisin: Sea =0.05











Regin de aceptacin Regin de rechazo
(3,15)F(0.95) 0
0.95
3.29
27

El valor crtico de f es 3,29
Regla: se rechaza la Ho si el valor de R.V es mayor o igual que 3,29


6. Calculo de la estadstica de prueba:

INDIVIDUO RI

Pre
POST 3-M

TOTAL

MEDIAS
1 21 21 16 19
77 19,25
2 30 38 10 21
99 24,75
3 38 19 15 6
78 19,5
4 43 33 30 24
180 32,5
5 35 34 25 10
104 26
6 40 40 31 30
141 35,25
TOTAL 207 185 127 110
629
MEDIAS 34,5 30,8 21,2 18,3
104,8

Sctotal=150785,57
Sctratamiento=149436,18
Scresidual=1349,39

= 149436,18/1349,39=110,74

7. Decisin estadstica: se rechaza la Ho porque el valor de R.V=110,74 y este valor
es mayor que 3,29

8. Conclusin: se concluye que la hiptesis alternativa es verdadera dado que se
rechaz la Ho. Es decir, que no todas las medias son iguales

DISEO DE MEDICIONES REPETIDAS DE UN SOLO FACTOR
El estudio del ANOVA de medidas repetidas es el caso ms simple de todos: el
modelo de un factor.
28

Los datos que permite analizar este modelo son los procedentes de un diseo con un
solo grupo de sujetos y un nico factor cuyos niveles se aplican a todos los sujetos.
Las distintas medidas, tantas como niveles tiene el factor, se toman sobre los mismos
sujetos. De ah el nombre de medidas repetidas que reciben estos modelos.
Supuestos: se deben considerar, los siguientes supuestos en el diseo de mediciones
repetidas con un solo factor. Al diseo que cumpla con estos supuestos se le llama
diseo aditivo de efectos fijos.
1- Los individuos estudiados forman una muestra aleatoria simple extraida de
una poblacin con individuos similares.
2- Cada una de las observaciones es una muestra aleatoria simple e
independiente de tamao 1 extraida de cada una de las kn poblaciones, donde
n es el nmero de individuos y k es el nmero de tratamientos a los que se
expone el individuo.
3- Las kn poblaciones tienen medias potencialmente diferentes, pero todas las
poblaciones tienen la misma varianza.
4- Los k tratamientos son fijos, es decir, son los nicos tratamientos respecto a
los que se tiene inters en la situacin actual. No se pretende hacer inferencias
para un conjunto mayor de tratamientos.
5- No hay interaccin entre los tratamientos y los individuos. Esto es, los
tratamientos y los efectos en los individuos son aditivos.
Con frecuencia es posible encontrar que los datos de los experimentos no cumplen
con las suposiciones de tratamientos fijos y tratamientos aditivos y efectos sobre los
individuos.
Modelo: el modelo para el diseo de mediciones repetidas con un solo factor aditivo
de efectos fijos es el siguiente:
x
ij
=
i = 1, 2, ..., n; j = 1, 2, ..., k





i
+ B
i
+ t
j
+ e
ij




29

EXPERIMENTOS FACTORIALES
Se denomina Experimentos Factoriales, aquellos experimentos en los que se
estudia simultneamente dos o ms factores, y donde los tratamientos se forman por
la combinacin de los diferentes niveles de cada uno de estos. Las variables de inters
reciben el nombre de factores, que son caractersticas que involucra a dos o ms
modalidades, variantes o niveles diferentes.
Los experimentos factoriales en si no constituyen un diseo experimental si
no que ellos deben ser llevados en cualquiera de los diseos tal como D.C.A.;
D.B.C.A.; D.C.L.
Los experimentos factoriales se emplean en todos los campos de la
investigacin, son muy tiles en investigaciones exploratorias en las que poco se sabe
acerca de muchos factores. Estos pueden ser:
a. Cualitativos: Son aquellos en los cuales los niveles describen o expresan
una modalidad particular de las cualidades del factor; cada nivel tiene un
inters intrnseco o independiente de los otros niveles. Estos factores
responden a las caractersticas de las variables cualitativas.
b. Cuantitativos: Son aquellos cuyos valores corresponden a cantidades
numricas, es decir valores inherentes a una variable cuantitativa.

VENTAJAS
Se puede estudiar la interaccin de factores, efectos simples y efectos
cruzados.
30

Todas las unidades experimentales intervienen en la determinacin de los
efectos principales y de los efectos de interaccin de los factores, por lo que el
nmero de repeticiones es elevado para estos casos.

El nmero de grados de libertad para el error experimental es alto,
comparndolo con los grados de libertad de los experimentos simples de los mismos
factores, lo que contribuye a disminuir la variancia del error experimental,
aumentando por este motivo la precisin del experimento.

DESVENTAJAS
Se requiere un mayor nmero de unidades experimentales que los
experimentos simples y por lo tanto se tendr un mayor costo y trabajo en la
ejecucin del experimento.
Como en los experimentos factoriales c/u de los niveles de un factor se
combinan con los niveles de los otros factores; a fin de que exista un balance en el
anlisis estadstico se tendr que algunas de las combinaciones no tiene inters
prctico pero deben incluirse para mantener el balance.
El anlisis estadstico es ms complicado que en los experimentos simples y la
interpretacin de los resultados se hace ms difcil a medida de que aumenta el
nmero de factores y niveles por factor en el experimento.
En general los diseos factoriales son los ms eficientes para este tipo de
experimentos. Por ejemplo, si existen a niveles del factor A y b niveles del factor
B, entonces cada rplica del experimento contiene todas las ab combinaciones de
31

los tratamientos. A menudo, se dice que los factores estn cruzados cuando stos se
arreglan en un diseo factorial.

Hay dos razones fundamentales para incluir un factor en un experimento. La
primera y ms obvia es que nos interese conocer y medir su efecto, con el fin de
mejorar un producto. La segunda es simplemente para reducir la variabilidad no
explicada. Esta segunda razn nos llevara a incluir factores en el anlisis que en
principio no nos interesa cuantificar su efecto. A este segundo tipo de factores se les
denomina bloque, aunque a efectos de clculo su tratamiento no vara respecto del
resto de los factores.

Los factores sern variables discretas, que pueden tomar un nmero finito de
estados o niveles. La variable respuesta seguir siendo una variable aleatoria
continua. El objetivo es determinar si el valor medio de la variable respuesta cambia
al cambiar el nivel de un factor.
A travs de las siguientes graficas se pude observar la interaccin o no de los
factores estudiados.

Figura 2. Un experimento factorial con interaccin.
En el primer nivel del factor B, el efecto de A es:

A = 50 - 20 = 30

Mientras que en el segundo nivel de B, el efecto de A es:

A = 12 - 40 = 28

Puede observarse que existe una interaccin entre los factores A y B porque el
efecto de A depende del nivel elegido de B.
32

Estas ideas pueden ilustrarse grficamente. En la Fig. 1 se muestra una grfica
de la respuesta de los datos de la Tabla 1 contra los niveles del factor A para ambos
niveles del factor B. Se observa que las rectas B
1
y B
2
son, aproximadamente,
paralelas. Esto indica que no hay interaccin entre los factores. De manera similar, en
la Fig. 2 se presenta una grfica de la respuesta de los datos de la Tabla 2.








Figura 1 Un experimento factorial sin interacciones

En este caso se ve que las rectas B
1
y B
2
no son paralelas. Esto muestra que
existe una interaccin entre A y B. Sin embargo, no debe ser la nica tcnica para
analizar los datos, porque su interpretacin es subjetiva y su apariencia, a menudo, es
engaosa.










Figura 2. Un experimento factorial con interacciones
10
20
30
40
50
60
A1
A2
B1
B2
B1
B2
R
e
s
p
u
e
s
t
a

Factor A
10
20
30
40
50
60
A1
A2
B1
B2
B1
B2
R
e
s
p
u
e
s
t
a

Factor A
10
20
30
40
50
60
A1
A2
B1
B2
B1
B2
R
e
s
p
u
e
s
t
a

Factor A
10
20
30
40
50
60
A1
A2
B1
B2
B1
B2
R
e
s
p
u
e
s
t
a

Factor A
33


Hay que notar que cuando una interaccin es grande los correspondientes
efectos principales tienen poco significado prctico. Una estimacin del efecto
principal de A de los datos de la Tabla 2 es:

1
2
40 20
2
12 50
A =
+

+
=


El cual resulta ser muy pequeo corrindose el riesgo de concluir que no
existe un efecto debido a A. Sin embargo, cuando se examin el efecto de A en
niveles diferentes de B se concluy que ste no era el caso. El factor A tiene un
efecto, pero depende del nivel del factor B. En otras palabras, es ms til conocer la
interaccin AB que el efecto principal. Una interaccin significativa oculta a menudo
el significado de los efectos principales.
A continuacin se seala el anlisis de un experimento factorial por medio de un
diseo completamente aleatorizado por dos factores:
1. Datos. Estos se presentan en forma tabular.
2. Supuestos. Para analizar estos datos, se supone un modelo de efectos fijos
y un diseo completamente aleatorizado para dos factores. Supuestos para
el modelo: a. Las observaciones en cada una de las ab celdas constituyen
una muestra aleatoria independiente de tamao n, extrada de una
poblacin definida por la combinacin particular. b. Cada una de las ab
poblacionales siguen una distribucin normal. c. Todas las poblaciones
tienen la misma variancia.
3. Hiptesis. Las siguientes hiptesis pueden ser probarse:
a)


34


b)


c)


Se da valor a
4. Estadstica de prueba: la estadstica de prueba para cada conjunto de
hiptesis se obtiene a travs de la frmula de la razn de la varianza
(R.V), es decir:


5. Distribucin de la estadstica de prueba: Cuando la hiptesis nula es
verdadera y se cumplen las suposiciones, cada una de las estadsticas de
prueba sigue una distribucin F.

6. Regla de decisin. Cuando se rechaza la hiptesis nula si el valor
calculado de la estadstica de prueba es mayor o igual que el valor critico
de F


7. Clculo de la estadstica de prueba:
Mediante una adaptacin del procedimiento que se utiliza para dividir la
suma total de cuadrados en el diseo completamente aleatorizado, se
puede demostrar que la suma total de cuadrados bajo el presente modelo
puede dividirse en dos trminos:
Las formulas de clculos para los diversos componentes son los siguientes:
35




SCA

c
SCB

c

SC(AB)=

SCA SCB



=




8. Decisin estadstica: si se cumplen las suposiciones establecidas al
principio, y si cada hiptesis es verdadera, se puede demostrar que la
variancia sigue una distribucin F, con su grado de libertad indicado. Se
rechaza la hiptesis nula (Ho) si los valores calculados para R.V. son
mayores o iguales que los valores crticos correspondientes como lo
determinan los grados de libertad y los niveles de significacin
seleccionados.

9. Conclusin: si se rechaza Ho, se concluye que HA es verdadera. Si no se
rechaza Ho, se concluye que Ho puede ser verdadera.

10. Valor de P.

Ejercicio:
Ejemplo: Diseo completamente aleatorizado por dos factores.
36


En un experimento llevado a cabo con el propsito de evaluar los efectos del
trabajo de parto en la produccin y utilizacin de glndulas. Los individuos
estudiados eran 6 mujeres embarazadas. Entre los datos recolectados estn las
siguientes concentraciones de glucosa durante cuatro fases de trabajos de parto:
latente (A1) y activa (A2) de dilatacin cervical, expulsin de fetal (B), y expulsin
de la placenta (C) que comprende 48 muestras independientes. En el experimento se
obtuvieron observaciones duplicadas de promedios en cada combinacin de los
tratamientos. Utilcese un nivel de significacin de 0,05 para probar las siguientes
hiptesis:
1. Existe concentracin de glucosa durante las cuatro fases de trabajo de parto?
2. Bajo concentracin de glucosa en las mujeres embarazadas?
3. Existe interaccin entre las mujeres embarazadas en de trabajo de parto y la
concentracin de glucosas?
Tabla 1: Concentracin de glucosa.
Mujeres
embarazadas
A1 A2 B C
1 1.6
2.0
1.2
3.2
2.3
3.0
4.2
2.0
2 2.03
1.5
2.1
1.6
1.1
3.0
1.8
2.0
3 2.02
2.0
2.6
2.2
3.4
2.0
2.27
3.3
4 1.8
3.1
2.33
3.0
3.30
3.0
4.1
2.1
5 2.60
2.05
3.05
3.05
3.4
3.5
2.06
2.0
6 1.97
2.0
3.2
2.0
2.9
2.0
2.5
2.1




37

: Concentracin de Glucosa.

Mujeres
embarazadas
A1 A2 B C TOTALES MEDIAS
1 3.60 4.40 5.30 6.20 19.50 4.88
2 3.53 3.70 4.10 3.80 15.13 3.78
3 4.02 4.80 5.40 5.27 19.49 4.87
4 4.90 5.33 6.30 6.20 22.73 5.68
5 4.06 4.65 6.10 6.90 21.71 5.43
6 3.97 5.20 4.90 4.60 18.67 4.67
TOTALES. 24.08 28.08 32.10 32.97 117.23 29.31
MEDIAS 4.01 4.68 5.35 5.50 19.54 4.89


Solucin:
1. Datos: Los datos acerca de La concentracin de glucosa en mujeres
embarazadas se obtuvieron durante el anlisis que se muestra en la
tabla 1.
2. Supuestos:
a) Las observaciones en cada una de los datos constituyen una
muestra aleatoria independiente de tamao 48, extrada de una
poblacin definida por la combinacin particular de los
factores.
b) Cada una de las a.b sigue una distribucin normal.
c) Todas las poblaciones tienen la misma variancia.
3. Hiptesis

d)


38

e)


f)


Sea =0.05
4. Estadstica de prueba: La estadstica de prueba para cada conjunto de
hiptesis se obtiene a travs de la frmula de la razn de la variancia
(R.V), es decir:



5. Distribucin de la estadstica de prueba: Cuando la hiptesis nula
es verdadera y se cumplen las suposiciones, cada una de las estadsticas
de prueba sigue una distribucin F.

6. Regla de decisin. Cuando se rechaza la hiptesis nula si el valor
calculado de la estadstica de prueba es mayor o igual que el valor
critico de F, para probar las tres hiptesis nulas donde los valores
crticos de F son los siguientes: 2.45, 2.84 y 1.92 respectivamente.
Puesto que los grados de libertad es igual 48 en el denominador y los
grado de libertad del numerador a-1; 6-1=5, b-1; 4-1=3 y a.b= (a-
1)(b-1); (6-1)(4-1)= 15.

7. Clculo de la estadstica de prueba:
Las formulas de clculos para los diversos componentes son los siguientes:



39

Donde
(

= 286.31
286, 31
n=2; a=6 y b=4



SCA

c
SCA

_ 286,31
SCA


SCA
SCB

c
40

SCB
SCB

SC(AB)=

SCA SCB
SC (AB)=
SC (AB)= 22,64



=



Para hallar los valores crticos es necesario hacer los siguientes clculos:


Para probar la hiptesis nula, de que los efectos de los factores A, B y AB son todos
iguales que ceros, se calcula la razn de la varianza.
41





Conclusin
De acuerdo con los resultados de la Razn de la Variancia, los valores del estadstico
de prueba son mayores que los valores crticos de F, por lo tanto, se rechazan las tres
hiptesis nulas.
a) Se Rechaza


b) Se Rechaza


c) Se Rechaza l
















42

CONCLUSIN

Una vez terminado la monografa de anlisis de varianza se pudo llegar a las
siguientes conclusiones:

El Anlisis de la varianza y sus procedimientos, se aplican en todas las
ciencias tanto puras como sociales, tales como: en la Geografa,
Matemtica, Economa, Poltica, Administracin, Contadura, Educacin,
Industrias, Medicinas, Agriculturas, en la Ingeniera y al Gobiernos, entre
otras. El anlisis de la varianza nos permite decidir cul es la alternativa
ms adecuada que permita llevar a una solucin satisfactoria del
problema de investigacin.

El ANOVA permite decidir los distintos niveles de factores que se
establecen en las diferentes poblaciones o analizar, el comportamiento de
sta misma para todos los niveles en funcin de las poblaciones
estudiadas.

El anlisis de la varianza permite determinar si existe o no diferencias
estadsticas significativas entre medias cuando se tiene ms de dos
muestras o ms de dos grupos en el mismo planteamiento.

El anlisis de varianza nos permite comparar el valor crtico de F con los
resultados del estadstico de prueba y all poder tomar decisiones de
rechazar o no la hiptesis nula.





43

BIBLIOGRAFA


Analisis de Varianza con medidas repetidas. El procedimiento MGL.Medidas
Repetidas. WWW.ucm.es/...es/analisis-datos y multivariable/16anovar-spss.pdf.

De Benitez Celia. (2010) ANLISIS DE LA VARIANCIA EN EXPERIMENTOS
FACTORIALES. Extrado de la pagina web: http://fcf.unse.edu.ar/archivos/series-
didacticas/sd-21-estadistica.pdf [Consultada: 2012, marzo 15]

Echeverra, Hernn. Diseos de bloques al azar 8 articulo en lnea, consultado en:
http://es.scribd.com/doc/262706/bloques200601

Instituto de investigacin en matemticas aplicadas y sistemas. Diseo de
Experimentos. UNAM. Mtra. Patricia Romero Mares.
WWW.dpye.iimas.unam.mx/fimalis2003/ayuda academica.ppt.cap.16.

Prez de Vargas, Alberto. Proyecto de innovacin educativa 2003/4 guin
electrnico-interactivo de prcticas de la asignatura de bioestadstica, consultado en:
http://e-stadistica.bio.ucm.es/glosario2/anova.html

Torres, Virena y otros. Modelos de estadsticos para el procesamiento de
experimentos con mediciones repetidas en la misma unidad experimental.
Robert G. Steel,(1998). Bioestadstica Principio y Procedimientos. Segunda Edicin.
McGraw-HILL/ Interamericana de Mexico, S.A. de C.V

Ronald, E. Walpole; Raymond, H. Myers. (1992). Probabilidad y Estadstica.
Tercera Edicin. Editorial McGraw-HILL/ Interamericana de Mexico , S.A. de C.V
44

Soto, Lauro. Diseo aleatorizado por bloques completos (articulo en lnea) consultado
en: http://www.mitecnologico.com/Main/Dise%F1osEnBloquesCompletosAlAzar.

Tamayo, Ignacio Martin. Anlisis de varianza con medidas repetidas de un solo
factor, consultado en: http://www.ugr.es/~imartin/TEMA5_ANOVA.pdf

Wayne, D. y Len, F (2002) Bioestadstica: Base para el Anlisis de las Ciencias de
la Salud (4 ed.). Mxico: LIMUSA


www.ucm.es/info/socivmyt/paginas//analisisdevarianza/16anovar_SPSS.pdf

www.dm.udc.es/asignaturas/estadistica2/sec5_2.html

www.slidefinder.net/D/DISE%C3%91O_ANALISIS/30325052