ANVA

UNIVERSIDAD NACIONAL JOS FAUSTINO
SANCHEZ CARRIN
FACULTAD DE INGENIERA INDUSTRIAL, SISTEMAS E
INFORMTICA
ESCUELA ACADMICA DE INGENIERA INDUSTRIAL
APLICACIONES DE ANALISIS DE
VARIANZA (ANVA)
Curso: Estadstica Aplicada I

Docente: Vctor Silva Toledo
Ciclo: IV
Integrantes:
Barrenechea Sarmiento Brithany

Daz Paulino Javier
Estupin Bazalar Karla Thala
Loarte Sana Kimberly
Padilla Tapida Dante Manuel
Vega Cruz David
HUACHO - 2016
Aplicaciones de Analisis de Varianza

UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIN
FACULTAD DE INGENIERIA INDUSTRIAL SISTEMAS E INFORMATICA
DEDICATORIA
Este trabajo
est dedicado a nuestros padres que siempre nos estn
apoyando incondicionalmente en la parte econmica y moral para poder

llegarnos a realizar como excelentes profesionales.
A nuestros familiares que nos motivan, ayudan y que por sus experiencias a lo
largo de su vida nos brindan consejos para realizar todo de la mejor manera
posible.
Ante todo a Dios que nos da la vida, nos otorg una familia que cada da nos
comporte sus enseanzas y fortalezas para seguir desempeando dando
siempre lo mejor.
Un agradecimiento en especial a nuestro profesor Vctor Silva Toledo por su
apoyo constantemente, por sus consejos, por compartir con nosotros sus
experiencias laborales, por motivarnos con este trabajo a investigar.
APLICACIONES DE ANALISIS DE VARIANZA

AGRADECIMIENTO
Agradecemos de ante mano al grupo en general por el apoyo brindado en

nuestro tema de suma importancia del ANALISIS DE VARIANZA, no olvidando
de nuestro maestro de la materia por darnos conocimientos previos.
Agradecer hoy y siempre a nuestros familiares por el esfuerzo realizado en su
apoyo en nuestros estudios, de ser as no hubiese sido posible. A nuestros
padres y dems familiares ya que nos brindan el apoyo, la alegra y nos dan la
fortaleza necesaria para seguir adelante da a da.

INDICE
CARATULA1
AGRADECIMIENTO.2
DEDICATORIA..3
INTRODUCCION...5
IMPORTANCIA..7
CONCEPTOS FUNDAMENTALES8
ANALISIS DE VARIANZA10
1.
2.
3.
4.
Objetivos del tema.10

Bases tericas.10
Comparacin de dos varianzas poblacionales..11
Anova Con Un Factor12
4.1 Especificacin de un modelo.14
4.2 Observacin..15
4.3 Ejemplo..15
4.4 Algo de notacin relativa al modelo..16
4.5 Observacin..17
4.6 Forma de efectuar el contraste..18
4.7 Mtodo reductivos para el anlisis de un factor..19
4.8 Ejemplos.20
5. Anova con varios factores..23
5.1 Consideraciones sobre hiptesis subyacentes en el modelo factorial.23
5.2 Contraste de homocedasticidad de Cochran25
5.3 Contraste de elasticidad de Bartlett26
CONCLUSIONES.26
RECOMENDACIONES27
BIBLIOGRAFIA.28
INTRODUCCIN

El escenario global actual es muy dinmico, esto quiere decir que a para
desarrollarnos profesionalmente debemos romper esquemas, que no permitan
estancarnos intelectualmente. En nuestros das los mercados globales nos
obligan a desarrollar nuestras ventajas competitivas tanto como organizacin,
industria y especficamente como profesionales en la ingeniera, ya que las
ventajas que antes se posicionaban en los mercados globales, ahora se
encuentran desfasadas. Se habla mucho en nuestros tiempos de las ventajas
competitivas (Porter) no solo de las empresas sino de los profesionales en s,
para un mejor posicionamiento que permitan defenderse antes las fuerzas
competitivas
mantener a los clientes Podemos decir entonces que los
grandes retos de hoy en da deben hacer que los profesionales y ms

especficamente los ingenieros (resolutores de problemas) se encuentren
actualizados en cuanto a conocimientos que le permitan entender el panorama
global de su organizacin.
Estos conocimientos actualizados se dan en muchas reas de la ingeniera:
supply chain management, logstica internacional, promocin comercial,
marketing, etc. Es en estos nuevos escenarios que los ingenieros y ms
especficamente de los ingenieros industriales deben estar a la par de los retos
que propone la globalizacin (adaptarse o morir). Si bien es cierto los
profesionales siempre buscan especializarse por cuenta personal, lo cual no
debe ser ajeno a las empresas que producen estos profesionales: las
universidades. La formacin universitaria en el Per aun es deficiente, no se
fomenta la investigacin y las pocas veces que se hace, no se realiza
conscientemente, los investigadores en la mayora de universidades del Per
no cuentan con el criterio (conocimientos y experiencia) necesario para tomar
las riendas de trabajos que impacten en la realidad nacional.
El criterio de un investigador debe estar referido a muchos factores y uno de los
principales es el discernimiento, que se define como el juicio por cuyo medio
percibimos y declaramos la diferencia que existe entre varias cosas. Cada
proyecto de investigacin supone el uso de por lo menos una herramienta
diferente y que es elegido de acuerdo al tema en s. Las herramientas que

aplica el investigado son diversas, entre estas se encuentran las propuestas

por la estadstica.
Las herramientas empleadas en una investigacin, en este caso las que
proporciona la estadstica, son elegidas por la utilidad que se espera tengan al
momento de obtener los resultados. El autor Eliyahu Goldratt hace una
diferenciacin entre dos conceptos que se ven en cada investigacin y que la
mayora de: estudiantes, profesionales y personas ajenas al mundo acadmico,
no son capaces de diferenciar. Estos conceptos son dato e informacin, el
primero que se basa solo en la observable y medible de la realidad y el
segundo que es un fruto de un proceso. En este aspecto entonces concluimos
que lo importante en una investigacin que impacte en la organizacin es la
informacin confiable.
La informacin que consideramos confiable es aquella que nos permita como
ingenieros tomar buenas decisiones, medibles en el impacto positivo que
tengan en las organizaciones. Es por esto que es de vital importancia para las
herramientas estadsticas el poder seleccionar y tomar los datos de una
manera adecuada, los cuales por un proceso de anlisis permiten obtener
informacin necesaria para nosotros y para todo el mbito de la ingeniera.
El impacto que se tenga en la ingeniera, como se ha descrito anteriormente,
depende de la informacin que nos brinden las herramientas estadsticas
adecuadamente elegidas por el investigador obedeciendo a su criterio
profesional. El tema de este trabajo es el anlisis de varianza, una herramienta
que nos permite comparar conjuntos de datos numricos diferentes,
significativos, distintos a otros valores o ms conjuntos de datos, y la aplicacin
que tiene al mundo de la ingeniera en sus diferentes especialidades
considerando el impacto positivo que tenga en esta.

CAPITULO
I:
ANTECEDEN
TES
1. OBJETIVOS:

Objetivo general:
-
Analizar el anlisis de varianza, como herramienta en la toma de

Decisiones en el campo de la ingeniera
Objetivo especfico:
-
Identificar las herramientas estadsticas potencialmente tiles en los
diferentes campos de la ingeniera.

Explicar el desarrollo del anlisis de varianza.
2. IMPORTANCIA:
La estadstica constituye para el investigador un instrumento que le permitir o
le indicar probar datos numricos a travs del Anlisis de la Varianza (ANOVA)
la comparacin de los conjuntos de datos numricos diferentes, significativos,
distintos a otros valores o ms conjuntos de datos. Lo ms importante, es saber
la certeza de los datos que se estudian, qu tengan la condicin necesaria para
tomar la decisin ms idnea. Es por ello, que la importancia del Anlisis de la
Varianza aplicado a la Toma de Decisin radica en la informacin veraz y
precisa que le brinda al gerente, para la tomar las decisiones, sobre cualquier
proceso dentro de la organizacin.
3. LIMITACIONES:
Las limitaciones que se encontraron en el presente trabajo de investigacin
fueron bsicamente relacionadas al desconocimiento parcial de la realidad de
los ejercicios presentados. Estos ejercicios fueron extrados de libros, donde la
visin del autor no necesariamente es compartida en el trabajo.

CAPITULO
II:
BREVE
RESEA
HISTRICA
1. BREVE RESEA HISTORICA:

La primera aparicin de estudios de componentes de varianza de Airy (1861) y

Chauvenet (1863) aparecieron en libros de astronoma.
A estos intentos iniciales del siglo XIX, le siguieron los trabajos de gentica
cuantitativa desarrollados por Fisher en la Estacin Experimental de
Rothamsted (Fisher 1918; 1922). El propio Fisher (1925), inform lo que
signific una de las grandes contribuciones a los modelos de componentes de
varianza, que en sus inicios se conoci como mtodo de estimacin de anlisis
de varianza (ANOVA). Sus trabajos pueden expresarse (con la terminologa
moderna) como un modelo aleatorio de clasificacin simple para datos
balanceados.
A los trabajos de Fisher le siguieron los
de Tippet (1931) que esclareci y
extendi
el
mtodo
de
estimacin
ANOVA y mostr algunos estimadores

explcitos (Tippet 1937). Tambin Yates
y Zacopanay (1935) realizaron pruebas
de campo en cereales con modelos de
orden mayor, mientras Newman et al
(1935) consideraba la eficiencia de los
diseos de bloques al azar y cuadrado
latino, y hacia extensivo el uso de
modelos lineales (incluyendo modelos
mixtos) en lo que se considera la primera aparicin reconocida de los modelos
mixtos (Searle 1989).
Muchos de los avances en esta rea de estimacin de componentes de
varianza,
fueron
motivados
por
problemas
prcticos.
Los
genetistas,
particularmente, se convirtieron en los principales usuarios de los modelos de

componentes de varianza para aplicarlos a humanos, ganado vacuno, cerdos,
carneros y pollos. Un trabajo muy importante sobre el desarrollo en los aos
subsiguientes es el de Khuri y Sahai (1985).
10

Ahora bien, la mayora de estas aplicaciones genticas eran con datos no

balanceados o desequilibrados. En este sentido, Henderson (1953) constituye
el trabajo clsico sobre estimacin de componentes de varianza para datos no
balanceados (Searle 1989). Con posterioridad a este trabajo, vino un perodo
de evaluaciones de estos mtodos, entre ellas las deCrump (1951), Searle
(1956, 1961, 1968) y Blischke (1966, 1968).
Son precisamente los mtodos REML, los ms empleados en la ltima dcada

en lo que a estimacin de parmetros genticos se refiere. Sin embargo, en los
ltimos aos los mtodos bayesianos unidos a tcnicas de clculo como el
muestreo de Gibbs se han extendido al rea de la estimacin de componentes
de varianzas con excelentes resultados (Sorensen et al 1994). Ya en el sexto
congreso mundial de gentica aplicada a la produccin animal, la gran mayora
de los trabajos presentados en la seccin Estimacin de parmetros
genticos, versaban sobre esta temtica (Wang 1998; Hofer y Ducrocq 1998;
Korsgaard 1998; Rodriguez-Zas et al 1998; Lund y Jensen 1998, entre otros),
lo cual debe tenerse en cuenta para futuros trabajos en esta rea de estimacin
de parmetros genticos.
11

CAPITULO
III:
MARCO
TERICO
CONCEPTOS FUNDAMENTALES:
12

MUESTRA: Es un subconjunto o parte de una poblacin. El tomar

muestras se hace con la intencin de no extendernos a sacar resultado
de toda la poblacin que representa.
MUESTRA ALEATORIA: Viene hacer la muestra elegida al azar, es la
muestra tomada de la poblacin en que todo individuo tiene la misma
probabilidad de poder ser elegido.
POBLACION: Tambin llamada UNIVERSO, es el conjunto

elementos de referencia sobre el que se realizan las observaciones.
de
HIPOTESIS: Es el enunciado acerca del valor del parmetro

poblacional.
VARIANZA: Es una media de dispersin definida como la esperanza del

cuadrado de la desviacin de dicha variable respecto a su media.
FUNCIN DE DISTRIBUCIN: Funcin que hace corresponder a cada

uno de los valores de la variable aleatoria discreta su probabilidad.
CONTRASTE DE HIPTESIS: Es el conjunto de reglas establecidas

para decidir entre la hiptesis nula o la alternativa, que debe ser
aceptada en base al resultado que se obtuvo de la muestra.
VARIABLE ALEATORIA: Toda funcin que tomas diferentes valores

numricos, dependiendo del resultado de un fenmeno aleatorio, con
distintas probabilidades.
VARIABLE ALEATORIA DISCRETA: Son aquellas que tienen un

nmero finito de valores.
VARIABLE ALEATORIA CONTINUA: Son aquellas que pueden tomar

un nmero infinito de valores en un intervalo determinado.
VARIABLE CATEGRICA: Es aquella que clasifica cada individuo de la

poblacin en varias clases mutuamente excluyentes.
ESTADSTICA DESCRIPTIVA: Es el procedimiento estadstico que

sirven para organizar y resumir conjuntos de datos numricos.
13

ESTADSTICA INFERENCIAL: Es el procedimiento estadstico que sirve

para deducir o inferir algo de un conjunto de datos numricos
(poblacin), seleccionando una parte de ellos (muestra).
GRADOS DE LIBERTAD: Es el nmero de observaciones linealmente

independientes en un conjunto de n observaciones. Los grados de
libertad, son iguales a n menos el nmero de restricciones impuestas al
conjunto total de datos.
HIPTESIS ALTERNATIVA: Es el aquel enunciado que no niega, ni

afirma lo que dice la hiptesis de investigacin.
HIPTESIS NULA: Es aquella que niega, lo que afirma la hiptesis de

investigacin.
MEDIA: Tambin conocida como la media aritmtica, que viene hacer el

promedio que se obtiene al sumar todos los elementos en un conjunto
de valores.
NIVEL DE CONFIANZA: Es la probabilidad de que la estimacin que se

efectu se ajusta a la realidad.
NIVEL DE SIGNIFICANCIA: Es el riesgo que se asume, acerca de

rechazar la hiptesis nula cuando en realidad debe aceptarse por ser
verdadera.
PRUEBAS NO PARAMTRICAS: Pruebas de hiptesis que implican

datos de niveles nominal y ordinal.
REGIN DE ACEPTACIN: Es el conjunto de valores de la estadstica

de prueba, que conducen aceptar la hiptesis nula.
REGIN DE RECHAZO O REGIN CRTICA: Es el conjunto de valores

de la estadstica de prueba, que conducen al rechazo de la hiptesis
nula.
ANALISIS DE VARIANZA [ANVA]
1. DEFINICIN:
14

El anlisis de varianza es un mtodo para comparar dos o ms medias, en la

cual la varianza esta particionada en ciertos componentes debidos a diferentes
variables explicativas.
Tambin podemos decir que es una coleccin de modelos estadsticos y sus
procedimientos asociados, en lo cual la varianza esta particionada en cierto
componentes debidos a diferentes variables explicativas.
TIPO DE
ANOVA
DE UN SOLO
FACTOR
MODELO Y PROPIEDADES DE DISEO
Un factor fijo (niveles establecidos por el investigador) que

puede tener un nmero desigual (no balanceado) o igual
(balanceado) de observaciones por tratamiento.
El modelo puede contener cualquier nmero de factores
BALANCEAD
aleatorios y fijos (los niveles se seleccionan de manera
aleatoria) y factores anidados y cruzados, pero requiere un

diseo balanceado.
MODELO
LINEAL
GENERAL
Expande los ANOVA balanceados al permitir diseos no

balanceados y covariables (variables continuas).
2. ANOVA CON UN FACTOR

El anlisis de la varianza de un factor se utiliza para comparar el valor medio de
una variable dependiente cuantitativa en varios grupos, que se diferencian por
los niveles del factor considerado.
3. NOTACIONES DE ANVA:
Este apartado est dedicado a introducir alguna notacin para escribir los
trminos que sern ms importantes a la hora de realizar un contraste por
el mtodo ANOVA. En primer lugar tenemos:
15

Usando estos trminos vamos a desglosar la variacin total de la muestra en

variacin total dentro de cada nivel (intravariacin) ms la variacin entre los
distintos niveles (intervariacin).
Donde:
4.
OBSERVACIN:
En el clculo del estadstico
intervienen N cantidades, ligadas por una
relacin:
De este modo el nmero de grados de libertad de este estadstico es N-1

(recurdese la nocin de grados de libertad de un estadstico). Por razones
16

anlogas tenemos que el nmero de grados de libertad de
es N-t y el de
es t-1. As introducimos los siguientes estadsticos:
EJERCICIO APLICATIVO
Se quiere medir el efecto que tiene tres programas de induccin (A,B,C) de la
empresa administradora CHUGAR s.a.c en la produccin de los empleados, se
ha tomado una muestra de 14 empleados, siendo distribuidos en el cuadro
adjunto. Pruebe la aseveracin que no existe diferencia significativa entre los
tres programas de capacitacin.
A
85
72
83
80
PROGRAMAS
B
80
84
81
78
82
C
82
80
85
90
88
Paso 0: completar la tabla original y calcular los trminos de SC t
17

A
85
72
83
80
TOTAL
N
320
4
PROGRAMAS
B
80
84
81
78
82
405
5
C
82
80
85
90
88
425
5
T..=1150
N=14
TC=94464.29
Paso 1: Formular la hiptesis.

Formulacin matemtica:
H0: A= B = C
H1: a B C
Formulacin literal:
H0: no existe diferencia significativa entre los tres programas de induccin.
H1: existe diferencia de por lo menos uno de los programas de induccin.
Paso 2: Establecer el nivel de significancia.

Considerar = 5%
Paso 3: Realizar los clculos.

SCT=SCTR
SCT= Xij2 TC
SCT= (852+722++882) 94464.29
SCT= 94716 94464.29
SCT = 251.71
18

SCTR= Ti2/nj TC
SCTR = (3202/4)+(4052+4252)/5 TC
SCTR = 9453094464.29
SCTR = 65.71
Paso 4: Construccin de la tabla ANVA

F.V
Tratamiento
Error
Total
S.C
65.71
186
251.71
g.l
2
11
13
C.M
32.86
16.91
FC
FT
Decisin
F.V
Tratamiento
Error
Total
S.C
65.71
186
251.71
g.l
2
11
13
C.M
32.86
16.91
FC
1.94
FT
Decisin
F.V
Tratamiento
Error
Total
S.C
65.71
186
251.71
g.l
2
11
13
C.M
32.86
16.91
FC
1.94
FT
3.98
Decisin
Decisin
En resumen, la tabla ANVA:

F.V
S.C
g.l
C.M
FC
FT
Tratamiento
65.71
32.86
1.94
3.98
Error
186
11
16.91
Total
251.71
13
ACEPTA
(HO)
Paso 5: Toma de decisin.

19

Si
Se
FC
<
acepta
FT :
la
HO
Si FC > FT: Se rechaza la H0
Paso 6 : formular las conclusiones y recomendaciones
CONCLUSIONES
Se tomaron muestras de 3 programas de induccin.

El nivel de significancia utilizado fue = 0.05
El FC= 1.94
El FT = 3.98
Como el FC fue menor que el FT se acept la hiptesis nula.
RECOMENDACIN
Se recomienda hacer un estudio para para saber si la produccin de los
trabajadores es ptima o no.
Estos son los estadsticos que realmente nos interesan a la hora de realizar el
contraste de igualdad de medias. Cuando la diferencia entre los efectos de los
diferentes niveles sea muy baja, es de esperar que la cuasivarianza total sea
prxima a la intravarianza, o lo que es lo mismo, que la intervarianza sea
pequea en relacin con la intravarianza. Obsrvese la figura
Figura: En la figura superior no existe una evidencia significativa en contra de

que las medias de los tres grupos de observaciones coinciden
20

COMO REALIZAR UNA TABLA EN ANVA

EJEMPLO
Se aplican 4 tratamientos distintos a 4 grupos de 5 pacientes, obtenindose los
resultados de la tabla que se adjunta. Queremos saber si se puede concluir que
todos los tratamientos tienen el mismo efecto. Para ello vamos a suponer que
estamos en condiciones de aplicar el modelo de un factor .
Tratamientos
Observaciones
Tratamiento 1
Tratamiento 2
Tratamiento 3
Tratamiento 4
-1
-2
0
1
1
-4
-1
4
2
-5
-2
6
0
-4
-4
3
ni
-1
-7
-1
8
5
5
5
5
N=20
1
-22
-8
22
1/5
484/5
64/5
484/5
Fuente de
grados
Suma
Cuasivarianza
de
libertad
cuadrados
variacin
7
110
22
126
A=265
Estadstico
21

Entre
t-1=3
tratamientos
Dentro
de N-t=16
= B-C
Fexp
=204,15
= A-B
=68,167
=58,4
=3,65
Fteo
=18,676
= Ft-1,N-t
los
tratamientos
=3,24
Figura: Se rechaza la hiptesis de que

los tratamientos tienen el mismo efecto
en los tres grupos.
En conclusin, Fexp>Fteo, como se observa en la Figura anterior, por tanto se ha

de rechazar la igualdad de efectos de los tratamientos.
En la Figura se representan las observaciones de cada nivel de tratamiento
mediante una curva normal cuyos parmetros se han estimado puntualmente a
partir de las observaciones. Obsrvese que las diferencias ms importantes se
encuentran entre Los tratamientos 2 y 4. Esto motiva los contrastes de
comparaciones mltiples (dos a dos), para que, en el caso en que la igualdad
de medias sea rechazada, se pueda establecer qu niveles tuvieron mayor
influencia en esta decisin.
Figura:
Las
diferencias
ms
22

importantes se encuentran entre los

niveles 2 y 4.
CAPITULO
IV:
DESARROL
LO
23

1. ANOVA EN LA INGENIERIA
El anlisis de la varianza (ANOVA) es una potente herramienta
estadstica, de gran utilidad tanto en la industria, para el control de
procesos, como en el laboratorio de anlisis, para el control de mtodos
analticos.
2. ANOVA APLICADOS EN LA INGENIERIA INDUSTRIAL:
PRODUCTIVIAD:
La ingeniera industrial abarca distintos puntos o reas dentro del mundo de
las empresas de servicios y de produccin, las empresas suelen recurrir a la
tercerizacin o subcontratacin para sus actividades con el objetivo de ser
ms dinmicos, competitivos y reducir costos, un caso es en la prestacin
de servicios como inducciones a personal de empresas.
Estas mediante sus servicios dan nociones previas sobre el trabajo (medidas
de seguridad, reglamento, etc.), para al momento de adentrarse a laborar
en ellas su rendimiento sea el ms ptimo posible.
Este proceso econmico es visto desde el punto de vista de los ingenieros
industriales, en lo los sectores de recursos financiero, humanos, produccin,
etc.
24

Ejercicio 1
Un fabricante de cereales tiene que elegir entre tres colores para las
cajas de cereales: rojo, amarillo y azul. Para averiguar si el color
influye en las ventas, se eligen 16 tiendas de tamao parecido. Se
envan cajas rojas a 6 de estas tiendas, cajas amarillas a 5 y cajas
azules a las 5 restantes. Despus de unos das, se comprueba el
nmero de cajas vendidas en cada tienda. La tabla adjunta muestra
los resultados (en decenas de cajas) obtenidos:
ROJO
43
52
59
76
61
81
CAJAS DE CEREALES
AMARILLO
52
37
38
64
74
AZUL
61
29
38
53
79
Complete la tabla del anlisis de la varianza y contraste la hip6tesis nula de

que las medias poblacionales de los niveles de ventas de las cajas de los tres
colores son iguales.
Paso 0: completar la tabla original y calcular los trminos de SC t
TOTAL
n
ROJO
43
52
59
76
61
81
372
6
CAJAS DE CEREALES
AMARILLO
52
37
38
64
74
AZUL
61
29
38
53
79
265
5
260
5
T..=897
N=16
TC=50288.0
6
Paso 1: Formular la hiptesis.

25

Formulacin matemtica:
H0: A= B = C
H1: a B C
Formulacin literal:
H0: los niveles de ventas de las cajas de los tres colores son iguales.
H1: los niveles de ventas de las cajas de los tres colores son diferentes.
Paso 2: Establecer el nivel de significancia.

Considerar = 5%
Paso 3: Realizar los clculos.

SCT=SCTR + SCE
SCT= Xij2 TC
SCT= (432+522++792) 50288.06
SCT= 54237 50288.06
SCT = 3948.94
SCTR= Ti2/nj TC
SCTR = (3722/6)+(2652+2602)/5 TC
SCTR =50629 50288.06
SCTR = 340.94
Paso 4: Construccin de la tabla ANVA

F.V
Tratamien
to
Error
Total
S.C
340.94
g.l
2
C.M
170.47
3608
3948.94
14
16
257.71
FC
FT
Decisin
26

F.V
Tratamien
to
Error
Total
F.V
Tratamien
to
Error
Total
S.C
340.94
g.l
2
C.M
170.47
3608
3948.94
14
16
257.71
S.C
340.94
g.l
2
C.M
170.47
3608
3948.94
14
16
257.71
S.C
340.94
g.l
2
C.M
170.47
3608
3948.94
14
16
257.71
FC
0.66
FT
Decisin
FC
0.66
FT
3.98
Decisin
FC
0.66
FT
3.98
En resumen, la tabla ANVA:
F.V
Tratamien
to
Error
Total
Decisin
ACEPTA
(HO)
Paso 5: Toma de decisin.

Si FC < FT: Se acepta la HO
Si FC > FT: Se rechaza la H0
Paso 6 : formular las conclusiones y recomendaciones
-
Se tomaron muestras de 3 cajas de cereales.

El nivel de significancia utilizado fue = 0.05
El FC= 0.66
El FT = 3.98
Como el FC fue menor que el FT se acept la hiptesis nula.
Recomendacin
Se recomienda seguir con la venta en estos 3 tipos de cajas de cereales, e
inclusive poder aumentar un color ms, esto implicara realizar un nuevo
estudio, todo con el objetivo de abarcar ms mercado.
27

Suponga que se desea saber si los ejes que surten cuatro proveedores tienen
diferente resistencia a la traccin. Para ello se decide llevar a cabo un
experimento de un solo factor donde la variable dependiente es la resistencia a
la traccin del eje medida en Kgs/cm 2 y el factor es el proveedor. El factor tiene
cuatro niveles o tratamientos diferentes. Uno para cada proveedor (llmelos I,
II, III, IV) se decide probar 5 ejes de cada proveedor haciendo un total de 20
pruebas ejecutadas en la misma maquina de prueba y con l mismo operario
(recuerde que el resto de los factores se deben de mantener a un nivel fijo).
Para que el experimento sea aleatorio se numeran los ejes del 1 al 20 y se

selecciona al azar un nmero entre 1 y 20. Segn l numero seleccionado es el
siguiente eje que se prueba. De esta manera, el siguiente eje a probar es
seleccionado sin ninguna restriccin. Suponga. que los resultados de
experimento se muestran en la tabla siguiente:
Proveedor
II
III
IV
56
64
45
42
55
61
46
39
62
50
45
45
59
55
39
43
60
56
43
41
El proveedor = factor
Tratamiento = I, II, III, IV
Con cinco replicaciones en cada tratamiento.
Observando la tabla se "ve" que existen evidentemente diferencias entre la

resistencia de los ejes de un proveedor a otro. Pero tambin existen entre los
ejes de un mismo proveedor, entonces, la diferencia detectada entre, los ejes
de un proveedor y otro existe realmente? O la diferencia es debida al azar?,
28

La herramienta estadstica conocida como anlisis de varianza (ANOVA) puede

ayudar a despejar esta duda.
Para esto suponga un caso general como sigue: Si define Yij como el valor
correspondiente de la variable dependiente o caracterstica de calidad de la
i-sima observacin o replicacin bajo el tratamiento j, los resultados de un
experimento de un solo factor con k tratamientos y n replicas u
observaciones por tratamiento seria:
Tratamiento
Observaciones
Totales
Promedios
(nivel)
1
Y11
Y12
...
Y1n
Y1.
Y..
Y21
Y22
...
Y2n
Y2.
Y 2.
Y31
Y32
...
Y3n
Y3.
Y 3.
...
...
...
...
...
...
...
Yk1
Yk2
...
Ykn
Yk.
Yk.
Este caso se puede representar mediante el modelo estadstico lineal:
Yij j ij
Donde representa la media general, j representa el efecto del tratamiento j, y
ij es el error aleatorio al hacer la observacin ij.
Esto es, se supone que todos los datos en general pertenecen a una misma
poblacin con media excepto que existan desviaciones para diferentes
tratamientos del mismo factor. Por su parte ij representa el error aleatorio o
medida de la variabilidad natural dentro de cada tratamiento.
Generalmente se supone que:
29

0;
j
j 1
Y que el error aleatorio sigue una distribucin normal con media cero y varianza
2, esto denota:
ij N(0, 2 )
Sean Yi. El total de las observaciones bajo el i-esimo tratamiento, y
Yi.
el
promedio de las observaciones bajo el i-esimo tratamiento. Similarmente sean

Y.. La suma de todas las observaciones y
Y..
la media general de todas las
observaciones.
Expresado matemticamente esto es:

n
Yi. Yij
i 1
Yi. Yi./n con i 1,2,..., n

n
Y.. Yij
i 1 j 1
Y.. Y../n
N = kn es l numero total de observaciones
30

Las hiptesis en este caso son:

Ho: j = 0; para todo valor de j.
H1: j 0; para al menos un valor de j.
Ho significa que el factor (los niveles bajo estudio) no tiene efecto sobre la
variable dependiente y H 1 que si lo tiene, esto es que existe diferencia,
estadstica. Recuerde tambin que la hiptesis nula se asume como cierta a
menos que los datos indiquen lo contrario.
Descomposicin de la suma total de cuadrados
a denominacin de anlisis de varianza resulta de descomponer la

variabilidad total de los datos en sus partes componentes. La suma total
de cuadrados corregida es:
Yij Y..
k
j 1 i 1
n
j 1
Yi. Y.. Yij Yi.
j 1 i 1
SST SStr SSE
Donde:
La ecuacin anterior muestra la variabilidad total de los datos, medida por la
suma total corregida de los cuadrados. SS tr se denomina suma de cuadrados
debida a los tratamientos (es decir, entre tratamientos), SS E es la suma de
cuadrados debido al error (es decir, dentro de los tratamientos)
SST = Suma de cuadrados total: con N -1 grados de libertad
31

SStr = Suma de cuadrados debido a los tratamientos, con k - 1 grados de

libertad.
SSE = Suma de cuadrados debido al error aleatorio k grados de libertad.

Para simplificar los clculos:
Y.. 2 2
SST (Yij
Y.. )
n
j 1 i 1
k
Yi. 2 Y.. 2
n
N
j 1
SSE SST SStr
k
SStr
El anlisis de varianza ser:

Fuente
De error
Variacin
entre tratamientos
Variacin dentro de
Tratamientos o error
Total
SS
G.L.
MS
SStr
k1
MStr
SSE
Nk
MSE
SST
N1
F0
MStr/MSE
Si F0 > F,k-1,N-k, H0 debe ser rechazada. Donde F, k-1,N-k es el valor de la

variable F con un nivel de significancia (error tipo I), k-1 grados de libertad en el
numerador y N-k grados de libertad en el denominador. Bajo la hiptesis nula la
relacin MStr/MSE sigue una funcin de densidad F, por lo tanto si F0 es mayor
que F, k-1,N-k existir una diferencia significativa y el factor afecta la respuesta de
la caracterstica de calidad en los niveles bajo estudio.
32

Si Ho no puede ser rechazada la conclusin es por lo tanto que el factor bajo

estudio no afecta la respuesta. Sin embargo, si Ho es rechazada y existe
diferencia significativa entre los diferentes tratamientos de un solo factor el
siguiente paso es el analizar en detalle cual de los tratamientos es el mejor y
cuales son iguales.
Aplicando el ANOVA a los datos del ejemplo se tiene:
Y
i.
Totales Promedios
I
II
III
IV
56
64
45
42
55
61
46
39
62
50
45
45
59
55
39
43
60
56
43
41
Y..=
Yij
Yi
292
286
218
210
58.4
57.2
43.6
42
1006
40.24
Y.
562 552 ... 412 51940
j1 i1
Entonces, calculando las sumas de cuadrados tenemos que:
SST = 51,940 (10062)/20 = 1338.2
SStr = 2922/5 + 2862/5 + 2182/5 + 2102/5 10062/20 = 1,135.0
33

SSE = SST SStr = 1338.2 1135.0 = 203.2
MStr = SStr/(k-1) = 1135.0/(3 - 1) = 378.2
MSE = SSE/(n-k) = 203.2/(20-4) = 12.70
Esto se resume en la siguiente tabla:
Fuente
De error
SS
G.L.
MS
Factor o tratamientos
SStr=1135
k1=3
MStr =378.3
F0
MStr/MSE
= 29.79
Error
SSE=203.2
N k = 16
Total
SST=1338.2
N 1 = 19
MSE=12.7
Donde F0= MStr/MSE = 378.3/12.70=29.79 con 3 grados de libertad en el

numerador y 16 grados de libertad en el denominador.
Si el nivel de aceptacin (error tipo I) lo fijamos en 5%, esto es, = 0.05, de la

tabla de la funcin F se tiene que:
F,3,16 = 3.24
Dado que F0 = 29.79 > 3.24= F0.05,3,16
34

Se concluye que Ho se rechaza y el factor proveedor afecta la variable

resistencia a la traccin.
GESTION
CONTROL DE CALIDAD
MARKETING
PRODUCCION
ALMACEN
LOGISTICA
35

CONCLUSIONES
En la vida es necesario tomar decisiones que lleven a solucionar los problemas
que estn presente en la actividad empresarial, por lo tanto, se buscan
determinar un estudio detallado y minucioso para tener claro la mejor
alternativa que le permita a la gerencia tomar la decisin ms adecuada, veraz
y precisa.
El producto de esta investigacin, referida a las aplicaciones del anlisis de la
varianza a la toma de decisiones, nos permiti elaborar las siguientes
conclusiones.
En las empresas se aplican las herramientas estadsticas desde el nivel

ms bajo hasta el nivel ms alto viceversa.
Se puede decir, que en la Estadsticas; en el Anlisis de la varianza sus

procedimientos y seleccin, se aplican en todas las reas y negocios, es
decir; en la Geografa, Matemtica, Economa, Poltica, Administracin,
Contadura, Educacin, Industrias, Medicinas, Agriculturas, Gobiernos,
etc.
Para tomar una decisin, no importa su naturaleza, es necesario

conocer, comprender, analizar un problema, para as poder darle
solucin al mismo.
36

RECOMENDACIONES
De acuerdo a las conclusiones obtenidas en la elaboracin de este trabajo, se
presentan a continuacin una serie de recomendaciones:
Que las herramientas Estadsticas son de gran importancia para las

organizaciones y por ende los integrantes de la misma.
Sugerimos que en cualquier estudio o proyecto de investigacin

cientfica, se deben aplicar el ANOVA, por la comparacin de los datos
numricos significativos a los diferentes valores que puedan presentarse
en un futuro.
Se recomienda un sistema administrativo y contable, que nos permita

observar sistemticamente toda la informacin de la vida de la empresa,
para que esta sea procesada y analizada, permitiendo as una toma de
decisiones veraz, precisa y oportuna.
Determinar los datos numricos aleatorios que se presentan durante su

estudio, ajustado a los parmetros tericos y prcticos que estipulan la
estadstica y la metodologa de ellos.
37

BIBLIOGRAFIA
FUENTES BIBLIOGRFICAS
HAROLD KOONTZ / HEINZ WEIHRICH. (1998), Administracin
una Perspectiva Global.
LEVIN RICHARD Y RUBIN DAVID S. (1996), Estadstica para
Administradores Sexta edicin. Prentice Hall.
MASON / LIND / MARCHAL. (2001). Estadsticas para
Administracin y Economa. Mxico. Editorial Alfaomega.
FUENTES ELECTRNICAS
www. Anlisis de la Varianza. Com
http://riull.ull.es/xmlui/bitstream/handle/915/312/La%20actividad
%20agroalimentaria%20en%20Santa%20Cruz%20de%20Tenerife%20y%20su
%20cadena%20de%20suministro..pdf?sequence=1
http://intellectum.unisabana.edu.co/bitstream/handle/10818/7467/Helga
%20Johana%20Hern%C3%A1ndez%20Hern%C3%A1ndez_Trabajo.pdf?
sequence=1&isAllowed=y
file:///C:/Users/PIPA/Downloads/An%C3%A1lisis%20de%20varianza%20%20Ejercicio%20_PRUFAI_.pdf
38

ANVA

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ANVA

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL JOS FAUSTINO

Curso: Estadstica Aplicada I

Barrenechea Sarmiento Brithany

Aplicaciones de Analisis de Varianza

est dedicado a nuestros padres que siempre nos estn

apoyando incondicionalmente en la parte econmica y moral para poder

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

Agradecemos de ante mano al grupo en general por el apoyo brindado en

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

Objetivos del tema.10

Aplicaciones de Analisis de Varianza

mantener a los clientes Podemos decir entonces que los

grandes retos de hoy en da deben hacer que los profesionales y ms

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

aplica el investigado son diversas, entre estas se encuentran las propuestas

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

Analizar el anlisis de varianza, como herramienta en la toma de

Identificar las herramientas estadsticas potencialmente tiles en los

diferentes campos de la ingeniera.

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

La primera aparicin de estudios de componentes de varianza de Airy (1861) y

ANOVA y mostr algunos estimadores

particularmente, se convirtieron en los principales usuarios de los modelos de

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

Ahora bien, la mayora de estas aplicaciones genticas eran con datos no

Son precisamente los mtodos REML, los ms empleados en la ltima dcada

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

MUESTRA: Es un subconjunto o parte de una poblacin. El tomar

POBLACION: Tambin llamada UNIVERSO, es el conjunto

HIPOTESIS: Es el enunciado acerca del valor del parmetro

VARIANZA: Es una media de dispersin definida como la esperanza del

FUNCIN DE DISTRIBUCIN: Funcin que hace corresponder a cada

CONTRASTE DE HIPTESIS: Es el conjunto de reglas establecidas

VARIABLE ALEATORIA: Toda funcin que tomas diferentes valores

VARIABLE ALEATORIA DISCRETA: Son aquellas que tienen un

VARIABLE ALEATORIA CONTINUA: Son aquellas que pueden tomar

VARIABLE CATEGRICA: Es aquella que clasifica cada individuo de la

ESTADSTICA DESCRIPTIVA: Es el procedimiento estadstico que

APLICACIONES DE ANALISIS DE VARIANZA

Aplicaciones de Analisis de Varianza

ESTADSTICA INFERENCIAL: Es el procedimiento estadstico que sirve

GRADOS DE LIBERTAD: Es el nmero de observaciones linealmente

HIPTESIS ALTERNATIVA: Es el aquel enunciado que no niega, ni

HIPTESIS NULA: Es aquella que niega, lo que afirma la hiptesis de

MEDIA: Tambin conocida como la media aritmtica, que viene hacer el

NIVEL DE CONFIANZA: Es la probabilidad de que la estimacin que se

NIVEL DE SIGNIFICANCIA: Es el riesgo que se asume, acerca de

PRUEBAS NO PARAMTRICAS: Pruebas de hiptesis que implican

REGIN DE ACEPTACIN: Es el conjunto de valores de la estadstica

REGIN DE RECHAZO O REGIN CRTICA: Es el conjunto de valores