Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pgina 2 de 19
1) Datos de Ejemplo:
Fuerza.xls. El archivo contiene los resultados de un experimento en el cual se
compar la fuerza (Strength) de ruptura de artilugios de 4 diferentes materiales.
El conjunto completo de los datos consiste de n = 32 artilugios, de los cuales
8 fueron hechos con cada uno de los q = 4 diferentes materiales.
Suelos_Faraway.xls. El archivo contiene las caractersticas del suelo medidas
en muestras de tres tipos de curvas de nivel (Top, Slope, y Depression) y en
cuatro profundidades (0-10 cm, 10-30cm, 30-60cm, y 60-90cm). El rea fue
dividida en 4 bloques, en un diseo de bloques al azar. El archivo consta de un
conjunto de datos con 48 observaciones sobre 14 variables. Hay 3 factores y 9
variables de respuesta.
2) Ingreso Datos. Men Comparar-Anlisis de Varianza-Anova Simple
Variable Dependiente: Strength, Factor: material.
Pgina 3 de 19
3) Tablas y Grficos. Deje las opciones por defecto para Tabla: (Resumen del
Anlisis, Tabla Anova, Prueba de Mltiple Rangos); para Grficos: (Grfico de
Dispersin y Anova Grfico).
Utilice la barra de herramientas de anlisis. En la barra de herramientas de
anlisis:
Utilice el tercer botn: Tablas y Grficos
otros grficos.
,
, para seleccionar otras tablas y
Pgina 4 de 19
8) ANOVA Grfico. El grfico ANOVA Grfico, desarrollado por Hunter (2005), es
una tcnica para exhibir grficamente la importancia de las diferencias entre
niveles del factor experimental.
9) Pruebas de Rangos Mltiples. Se realiza para determinar qu medias
muestrales son significativamente diferentes de cules otras. Haga clic derecho
y seleccione Opciones de Ventana, Seleccione las pruebas que desee.
Casos
Media
20.5
Grupos Homogneos
X
22.625
31.875
XX
43.125
Contraste
Sig.
A- B
Diferencia
+/- Lmites
11.25
13.3775
A- C
20.5
13.3775
A- D
22.625
13.3775
B-C
9.25
13.3775
B-D
11.375
13.3775
Pgina 5 de 19
C-D
2.125
13.3775
Pgina 6 de 19
Pgina 7 de 19
En este caso, este procedimiento es muy probable que sea muy conservador,
ya que slo se estn estimando pares.
Bonferroni diseado para permitir la estimacin de cualquier nmero de
contrastes previamente seleccionado. En este caso, usa un mltiplo igual a:
Casos
Media
(s agrupada)
Lmite Inferior
Lmite Superior
43.125
3.46386
36.4363
49.8137
Pgina 8 de 19
B
31.875
3.46386
25.1863
38.5637
22.625
3.46386
15.9363
29.3137
20.5
3.46386
13.8113
27.1887
Total
32
29.5313
El StatAdvisor
Esta tabla muestra la media de fuerza para cada nivel de material. Tambin muestra el error estndar de cada media,
el cual es una medida de la variabilidad de su muestreo. El error estndar es el resultado de dividir la desviacin
estndar mancomunada entre el nmero de observaciones en cada nivel. La tabla tambin muestra un intervalo
alrededor de cada media. Los intervalos mostrados actualmente estn basados en la diferencia honestamente
significativa (HSD) de Tukey. Estn construidos de tal forma que si todas las medias son iguales, todos los intervalos
se traslaparn 95.0% de las veces. Puede ver grficamente los intervalos seleccionando Grfica de Medias de la lista
de Opciones Grficas. En las Pruebas de Rangos Mltiples, estos intervalos se usan para determinar cules medias
son significativamente diferentes de otras.
Pgina 9 de 19
Intervalos de Confianza (S Agrupada) presenta intervalos de confianza
para las medias de los grupos empleando la desviacin estndar agrupada
intra grupos:
Pgina 10 de 19
intervalos depende del tipo de intervalo representado, el cual puede ser
cambiado utilizando Opciones de ventana. Los dos intervalos ms
habitualmente utilizados son:
Intervalos LSD de Fisher LSD (Least Significant Difference): Estos intervalos
estn escalados de modo que un par de muestras tiene medias
significativamente diferentes si los intervalos no se solapan en la direccin
vertical. Mientras la posibilidad de declarar incorrectamente dos muestras con
media diferente con este mtodo se fija en el 5%, haciendo comparaciones de
ms de dos pares de muestras la probabilidad de error es considerablemente
superior.
Intervalos HSD de Tukey (Honestly Significant Difference). Estos intervalos
estn escalados para controlar el error del experimento como mucho con una
tasa del 5%. Usando el mtodo de Tukey, no se declararn incorrectamente
que ningn par de medias sea significativamente diferente cuando realmente
no los son en ms de 5% de los anlisis que se hagan.
NOTA: El tipo de intervalo utilizado para el Grfico de Medias, debe ser el
mismo que se us para la Prueba de Rango Mltiple.
12)Verificacin de Varianza. Uno de los supuestos subyacentes al anlisis de
varianza es que las varianzas de las poblaciones de donde provienen las
muestras son la misma. La ventana Contraste de Varianza realiza cualquiera
de varias pruebas para verificar este supuesto: Haga clic derecho y seleccione
Opciones de Ventana, Seleccione las pruebas que desee. Las hiptesis a
contrastar en las prueba son:
Hiptesis Nula: todas las j son iguales
Hiptesis Alt.: no todas las j son iguales
Pgina 11 de 19
Prueba de Bartlett: compara un promedio ponderado de las varianzas intramuestra con su media geomtrica. Un valor de P menor de 0.05 indica una
diferencia significativa entre desviaciones estndar intra-muestra a un nivel de
significancia del 5%. La prueba es apropiada tanto para tamaos de grupo
iguales como diferentes.
Prueba de Hartley: calcula la razn entre la mayor varianza muestral y la
menor. Esta estadstica debe ser comparada con una tabla de valores crticos,
tal como la que se encuentra en Neter et al. (1996). Para 6 muestras y 62
grados de libertad para el error experimental, H tendra que exceder
aproximadamente 2.1 para ser estadsticamente significativa a un nivel de
significancia del 5%. Nota: esta prueba slo es apropiada si el nmero de
observaciones dentro de cada nivel de es el mismo.
Pueba de Levene: realiza un anlisis de varianza simple sobre las variables
Es decir: los residuos son las diferencias entre los valores de los datos
observados y sus respectivas medias de nivel.
El procedimiento Grficos de Residuos (Botn Tablas y Grficos-Grficos
de Residuos) crea 3 grficos de residuos, eligiendo Opciones de Ventana:
1. Residuos versus nivel del factor.
2. Residuos versus valor predicho.
3. Residuos versus nmero de fila.
Residuos versus Nivel del Factor: Este grfico es til para visualizar
cualquier diferencia en variabilidad entre los niveles.
Residuos versus Predichos: Este grfico es til para detectar cualquier
heteroscedasticidad en los datos. La heteroscedasticidad se presenta cuando
Pgina 12 de 19
la variabilidad de los datos cambia conforme cambia la media, y podra
necesitar transformar los datos antes de realizar el ANOVA. Generalmente se
evidencia por un patrn en forma de embudo en el grfico de residuales.
Residuos versus Observacin: Este grfico muestra los residuales versus el
nmero de hilera en la hoja de datos: Si los datos estn arreglados en orden
cronolgico, cualquier patrn en los datos podra indicar una influencia externa.
Ningn patrn tal es evidente en el grfico anterior.
Los requisitos del modelo ANOVA son:
1.- Normalidad en cada nivel del factor. (Residuos versus nivel del factor)
2.- Homocedasticidad (igualdad de varianzas en todos los niveles del factor)
(Residuos versus valor predicho).
3.- Independencia de las observaciones. (Residuos versus nmero de fila)
Estos requisitos se traducen en que los residuos son una variable aleatoria, de
distribucin normal y media cero. En la prctica, vamos a comprobar:
(1) normalidad de los residuos;
(2) homocedasticidad;
(3) aleatoriedad de los residuos (salvo que los datos hayan sido reordenados, y
en consecuencia se haya perdido el orden en que fueron recogidos).
(1) Normalidad de los residuos.
Desde la ventana de ANOVA, Botn Guardar Resultados + Residuos.
Pgina 13 de 19
Con esto, los residuos se incorporan a la hoja de datos.
Para contrastar su normalidad, Describir + Ajuste de Distribuciones +
Ajuste de datos no Censurados; Datos= residuos. El contraste que estamos
realizando es:
HO: variable RESIDUOS es normal
H1: variable RESIDUOS no es normal
(2) Homocedasticidad.
Desde la ventana de ANOVA simple, botn Tablas y Grficos + Verificacin
de varianza. El contraste que realizamos es:
H0:
1 = 2 = 3 = 4
H1:
alguna es distinta
Si todos los p-valores son mayores de 005. Entonces, aceptamos la
homocedasticidad. PRUEBAS: Prueba de Cochran, Prueba de Bartlett, Prueba
de Hartley, Prueba de Levene. Haga clic Derecho en la salida: Verificacin de
Varianza y elija la prueba que desee.
(3) Independencia de las observaciones
Se recuerda no obstante que en general esta hiptesis debe venir garantizada
por un correcto proceso de muestreo y una correcta eleccin del modelo. En
cualquier caso, y siempre que los datos guarden el orden en que hayan sido
observados, se puede contrastar realizando un anlisis de aleatoriedad
sobre los residuos.
PRUEBA DE ALEATORIEDAD DE LOS RESIDUOS. Pronsticos-Modelo
Definido por el Usuario-Datos: Residuos-Aceptar-Seleccione: Caminata
Aleatoria-Aceptar-Seleccione: Contrastes de Aleatoriedad. La siguiente es
una secuencia grfica del procedimiento:
Aceptar
Pgina 14 de 19
Aceptar
Pgina 15 de 19
Wallis, pero tambin es menos potente cuando los datos provienen de
distribuciones tales como la normal.
16)Grfico de Medianas. El Grfico de Medianas exhibe los intervalos de
confianza para las medianas presentados por la ventana de la Prueba de
Mood para la Mediana
ANOVA Simple - Guardar Resultados: Haga clic en botn Guardar Resultados:
de la Barra de Herramientas de Anlisis, para guardar los resultados del
anlisis.
Los siguientes resultados pueden ser guardados en la hoja de datos:
Conteos de nivel los q tamaos de muestra.
Medias de niveles las q medias de nivel.
Medianas de niveles las q medianas de los niveles.
Desviaciones Estndar las q desviaciones estndar de los niveles.
Errores Estndar de niveles los errores estndar de cada media de nivel.
Etiquetas de niveles una etiqueta para cada nivel.
Indicadores de Niveles n indicadores de nivel, identificando a cada residual.
Residuales los n residuales.
Rangos de Niveles - los q rangos de los niveles.
COPIAR ANALISIS A STATREPORTER. Haga clic derecho en la ventana de
resultados y luego haga clic en: Copiar Anlisis a StatReporter.
Pgina 16 de 19
Word. StatPublish tambin puede convertir el StatReporter dentro de un formato
HTML y colocarlo en un servidor de la web para ser visto por otros usuarios
mediante un browser de la web.
Guardando y Recuperando StatReporters
Para guardar un StatReporter, seleccionar Guadar StatReporter del men Archivo
o usar el men que aparece en la pantalla al presionar el botn derecho del ratn.
Al elegir Guardar StatReporter, aparecer la siguiente ventana:
Nombre del Archivo: Se refiere al nombre del archivo que va ser guardado.
Guardar Archivo como tipo: Los archivos son guardados con la extensin .rtf
para Formato Rich Text. Los archivos RTF pueden ser abiertos por muchos
programas, incluyendo Microsoft word.
Cuando un StatFolio es guardado, recuerda el nombre del StatReporter asociado
con l. Cuando el StatFolio es abierto nuevamente, tambin abrir
automticamente el StatReporter asociado.
Para abrir un StatReporter dentro de un StatFolio diferente, hay que acceder a
Abrir StatFolio del men Archivo.
Solamente un StatReporter puede ser abierto a la vez.
EJERCICIOS: Realice ANOVAS simples para las siguientes situaciones, copie los
resultados en el StatReporter, guarde el StatReporter a un archivo de Word y
finalice el informe del anlisis realizado.
1. Archivo de datos: Esporas.xls. Esporas es un proyecto que mide la cantidad
de ESPORAS (variable resultado) como respuesta a la actividad de ciertos
factores qumicos del suelo como son PH, Materia Orgnica (MO), Fsforo (P),
Potasio (K) y tipo de suelo (ZONAS).
Pgina 17 de 19
Se tomaron cuatro zonas agrolgicas segn la clasificacin de tierras por su
capacidad de uso y manejo, en las subclases: III sc Iv hs; VIIsc Iv esc; VI
sc VI esc y VII sc VII esc:
1. Zona 1 (subclase III sc Iv hs): Pertenecen a esta subclase las siguientes
localidades: cabecera municipal, Las Peas, Hato Nuevo, La Loma y
Chapinero.
2. Zona 2. (Subclase VII sc Iv esc): En esta zona se encuentra ubicadas
las localidades de San Jos de pileta, Cantagallos y Don Alonso.
3. Zona 3 (subclase VI sc VI esc): En esta subclase se encuentran las
localidades de Las Tinas, El Mamn y Las Brujas.
4. Zona 4 (subclase VII sc VII esc): Pertenecen a esta subclase los
corregimientos Las Llanadas, Villanueva y Paliz.
Se requiere determinar si existe diferencia estadsticamente significativa entre
las zonas para el nivel de esporas y los distintos factores qumicos.
2. Archivo de datos: Embalajes,xls. Embalajes son los datos de:
Caracterizar a matria-prima atravs de anlises fsico-qumicas: teor de
umidade, acidez titulvel, pH, slidos solveis, relao slidos solveis e
acidez titulvel, carotenides totais, textura, coordenadas de cor (L*, a* e b*) e
atividade de gua., para: Avaliar a influncia de quatro tipos de embalagem
na conservao de abacaxi desidratado;
Determina si existe diferencia estadsticamente significativa entre los 4 tipos de
embalajes para las distintas caracterizaciones fsicas y qumicas.
3. Archivo de datos: Suelos_Faraway.xls. Divida el archivo por el factor
Contour. Observe que la orden Dividir Archivo del men Editar, no est
habilitada. Para que se habilite debe Guardar los datos como un archivo de
StatGraphics. Haga clic en Archivo-Guardar-Guardar StatFolio-Digite un
nombre y luego Guardar.
Ahora divida el archivo en tres hojas de datos para cada contorno con la orden:
Editar-Dividir Archivo-Elija Contour y luego Aceptar.
Determine si hay diferencias estadsticamente significativas en cada Contour
para el Ph A las distintas profundidades (variable Depth)
4. Archivo de datos: DATOS_MERCURIO_PROFESORES_LUIS_DIAZ_Y_ENALDO_GARRIDO.xls.
Divida el archivo por el factor sp. Divida el archivo Diamante por el factor
Region. Divida el archivo Tuberculo por el factor Dias. Determine si hay
diferencias estadsticamente significativas en cada Concentracion para el Hg.
Clculos: Las siguientes son las ecuaciones con que se realizan los principales
clculos involucrados en un ANOVA simple:
Anlisis de Varianza
Pgina 18 de 19
Pgina 19 de 19