Tema1 PDF

Tema 1.
Modelo de dise
no de experimentos
(un factor)
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
Tema 1: Dise
no de experimentos (un factor)
Introducci
on
El objetivo del Analisis de la Varianza es estudiar si existe relacion
entre el valor medio de una variable respuesta o caracterstica (por
ej. el nivel de contaminaci
on) y una variable cualitativa, atributo o
factor (por ej. la localizaci
on del lugar de medida).
Ejemplo 1.1: Se mide la contaminaci
on de un ro analizando la
cantidad de oxgeno que contiene en disoluci
on el agua. Se toman
muestras en cuatro lugares diferentes del ro (a 10, 25, 50 y 100
km. del nacimiento), obteniendose:
A 100
A 50
A 25
A 10
km.
km.
km.
km.
4,8
6
5,9
6,3
5,2
6,2
6,1
6,6
5
6,1
6,3
6,4
4,7
5,8
6,1
6,4
5,1
6
6,5
Queremos averiguar si existen diferencias significativas en el nivel

medio de contaminaci
on a distintas alturas del cauce.
Tema 1: Dise
Tenemos una muestra de n = 19 elementos que se diferencian en

un factor. En cada elemento de la muestra observamos una
caracterstica continua (Y ), que vara aleatoriamente de un
elemento a otro.
Otros posibles ejemplos:
Existe diferencia entre el salario medio mensual entre hombre
y mujer?
Existen diferencias entre las calificaciones medias de
estudiantes de la misma asignatura, pero de distintos grupos?

Diferencias entre el consumo medio de carburante en coches
de la misma categora pero distintas marcas.

Para determinar si hay diferencias significativas entre las respuestas
medias a distintos niveles del factor, el Analisis de la Varianza
descompone la variabilidad de un experimento en componentes
independientes que se asignan a causas distintas.
Tema 1: Dise
El modelo
En el Ejemplo 1.1 el factor toma I = valores (los niveles, grupos
o tratamientos del factor). Se mide la cantidad de oxgeno en
disolucion n1 = veces a 100 km. del nacimiento del ro, n2 =
veces a 50 km., n3 = veces a 25 km. y n4 = veces a 10 km.
ni = no de observaciones de la respuesta para el nivel i del factor
Si n1 = n2 = . . . = nI se dice que el dise
no es equilibrado.
I
X
ni = no total de observaciones de Y
n=
i=1
yij = j-esimo valor observado de la respuesta en el nivel i,

i = 1, . . . , I , j = 1, . . . , ni
Ejemplo 1.1 (cont.):
Tema 1: Dise

6.5
6
5.5
5
4.5
Tema 1: Dise
Suponemos que, en el nivel i del factor, la respuesta Y oscila

aleatoriamente en torno a un nivel desconocido i , la media de la
poblacion i-esima: E (Yij ) = i . Cada observaci
on yij resulta de
una perturbacion aleatoria uij en torno al valor medio i .
El modelo de Analisis de la Varianza (ANOVA) unifactorial es el
modelo lineal
Yij = i + Uij ,
para j = 1, . . . , ni , i = 1, . . . , I ,
con las siguientes hipotesis basicas del modelo:

a) E (Uij ) = 0 para todo i, j (linealidad)
b) Var(Uij ) = 2 para todo i, j (homocedasticidad)
c) E (Uij Ukl ) = 0 para todo i 6= k, j 6= l (independencia)
d) Uij Normal para todo i, j (normalidad)
A las Uij tambien se las llama error experimental.
Tema 1: Dise
Las anteriores hipotesis equivalen a

a) E (Yij ) = i para todo i, j
b) Var(Yij ) = 2 para todo i, j
c) E (Yij Ykl ) = 0 para todo i 6= k, j 6= l
d) Yij Normal para todo i, j
Seg
un el modelo las ni observaciones yi1 , yi2 , . . . , yini de la
poblacion i son una muestra aleatoria de una N(i , 2 ).
Si estas hipotesis no se cumplen las conclusiones del Analisis de la
Varianza pueden ser incorrectas.
Tema 1: Dise
Estimaci
on de los par
ametros del modelo
El modelo ANOVA con un factor depende de I + 1 parametros
desconocidos: las medias 1 ,. . . ,I y la varianza com
un 2 . Los
estimamos mediante el metodo de maxima verosimilitud (MV):
i =
ni
1 X
yij = yi
ni
j=1
y
I
2 =
i
X ni
1 XX
(yij yi )2 =
s 2,
n
n i
i=1 j=1
i=1
Pni
donde si2 = j=1 (yij yi )2 /ni es la varianza muestral en la

poblacion i-esima. Por tanto,
2 es la media de las si2 ponderada
por la proporcion de observaciones en cada nivel del factor.
Tema 1: Dise

i
1
2
3
4
4,8
6
5,9
6,3
5,2
6,2
6,1
6,6
yij
5
6,1
6,3
6,4
ni
4,7
5,8
6,1
6,4
si2
yi
5,1
6
6,5
n=
2 =
Los residuos del modelo son valores observados de las

perturbaciones Uij :
eij = yij yi
En general en todos los temas de esta asignatura se define
Residuo (eij ) = Valor observado (yij ) - Valor previsto (
yij )
Tema 1: Dise

i
1
eij
2
3
4
Los n residuos del modelo verifican las ecuaciones de restriccion
ni
X
eij = 0, i = 1, . . . , I .
j=1
Es decir, de los n residuos s

olo n I son linealmente
independientes: los residuos tienen n I grados de libertad.
Grados de libertad (g.l.) de los residuos = N
umero total de residuos
N
umero de restricciones lineales entre ellos = n I
Tema 1: Dise
10
Propiedades de los estimadores de los par

ametros

ni
1 X
2
Yi =
Yij N i ,
ni
ni
j=1
n
2
2nI
2 no es centrado
2
Un estimador insesgado de 2 es la varianza residual
sR2 =
ni
I
1 XX
n
2,
eij2 =
nI
nI
i=1 j=1
que verifica
(n I )sR2
2nI .
2
Tema 1: Dise
11
Usando estas propiedades obtenemos intervalos de confianza para

los parametros:
r

1
IC1 (i ) =
yi tnI ;/2 sR
ni
!
2
(n I ) sR (n I ) sR2
2
IC1 ( ) =
,
2nI ;/2 2nI ;1/2
Tema 1: Dise
12
El contraste de igualdad de medias
Bajo el modelo ANOVA unifactorial queremos contrastar

H0 :
1 = 2 = . . . = I =
(todas las medias son iguales, el factor no influye)
H1 :
i 6= j para alg
un par i 6= j.
(las medias difieren en al menos dos de los niveles,
el factor influye)
El contraste compara las diferencias entre medias muestrales con la

variabilidad experimental, medida por sR2 , para decidir si esta ha
podido generar esas diferencias o no.
Tema 1: Dise
13
La descomposici
on de la variabilidad
Cada dato yij se puede expresar as
yij = y + (
yi y ) + eij
donde
i
1 XX
yij
y =
n
i=1 j=1
es la media global e yi y es la modificaci

on debida al grupo.
Esto permite descomponer la variabilidad entre los datos y la
media global en dos terminos: la variabilidad entre las medias por
grupos y la media general, y la variabilidad residual, o variabilidad
dentro del grupo.
Tema 1: Dise
14
De hecho, se cumple que

VT = VE + VNE,
donde el termino de la izquierda es la variabilidad total
VT =
ni
I X
X
(yij y )2 ,
i=1 j=1
VE =
I
X
ni (
yi y )2
i=1
denota la variabilidad explicada por el modelo o por las diferencias

entre niveles del factor y
VNE =
ni
I X
X
eij2 = (n I )sR2
i=1 j=1
denota la variabilidad no explicada o residual.

Tema 1: Dise
15
Las propiedades de los estimadores de los parametros implican que

VNE
2nI .
2
Ademas, cuando la hip
otesis nula H0 de igualdad de medias es
cierta, se verifica que
VE
2I 1
2
VNE VE
y 2 son independientes entre s.
y los terminos
2
Esto nos permite construir el siguiente contraste.
Tema 1: Dise
16
La tabla ANOVA y el contraste

Los terminos de la descomposici
on de la variabilidad se disponen
en la tabla ANOVA
Fuentes de
variacion
Explicada
Suma de
cuadrados
I
X
VE =
ni (
yi y )2
Grados de
libertad
I 1
Varianzas
se2 =
i=1
Residual
ni
I X
X
eij2
nI
(yij y )2
n1
VNE =
VE
I 1
sR2
i=1 j=1
Total
ni
I X
X
i=1 j=1
sy2 =
VT
n1
Tema 1: Dise
17
Si la hipotesis nula de igualdad de medias H0 : 1 = 2 = . . . = I

es cierta entonces
s2
F = e2 FI 1,nI .
sR
Una region de rechazo para el contraste
H0 :
1 = 2 = . . . = I =
H1 :
i 6= j para alg
un par i 6= j.
al nivel de significacion es
R = {F > FI 1,nI , }.
Observemos que, para I = 2 poblaciones, este contraste es
matematicamente equivalente al contraste t de Student que
compara dos medias de distribuciones normales homocedasticas.
Tema 1: Dise
18
Tema 1: Dise
19
Ejemplo 1.2: Se examina el contenido de azufre en cinco

yacimientos de carbon en Texas. Se toman muestras aleatorias de
cada uno de los yacimientos y se analizan, obteniendose los
siguientes datos del porcentaje de azufre por muestra.
Yacimientos
Contenido
de
azufre
1
1.51
1.92
1.08
2.04
2.14
1.76
1.17
2
1.69
0.64
0.90
1.41
1.01
0.84
1.28
1.59
3
1.56
1.22
1.32
1.39
1.33
1.54
1.04
2.25
1.49
4
1.30
0.75
1.26
0.69
0.62
0.90
1.20
0.32
5
0.73
0.80
0.90
1.24
0.82
0.72
0.57
1.18
0.54
1.30
Tema 1: Dise
20
Ejemplo 1.2 (cont.): Contrastar la igualdad de niveles medios de

azufre en los cinco yacimientos.
1.5
0.5
i
Tema 1: Dise
21
El coeficiente de determinaci
on
Una medida relativa de la variabilidad explicada por los grupos o
niveles del factor es el coeficiente de determinaci
on
R2 =
VE
.
VT
Es la proporcion de variabilidad total de las observaciones y

explicada por el modelo lineal establecido.
Observaci
on: 0 R 2 1
Tema 1: Dise
22
An
alisis de las diferencias entre medias
Si aceptamos H0 en el contraste
H0 :
1 = 2 = . . . = I =
H1 :
i 6= j para alg
un par i 6= j.
entonces estimamos la media global mediante y . Bajo las

hipotesis basicas del modelo ANOVA unifactorial, un intervalo de
confianza para al nivel de confianza 1 es

sy
IC() = y tn1,/2 ,
n
Observaci
on: Bajo H0 un estimador insesgado de 2 = Var(Y ) es
sy2 .
Tema 1: Dise
23
Si se rechaza H0 queremos determinar que parejas de medias son

distintas entre s y estimar las diferencias i j . Utilizando que
yi yj (i j )
q
tnI ,
sR n1i + n1j
construimos un intervalo de confianza para i j
s
"
#
1
1
IC1 (i j ) = yi yj tnI ;/2 sR
+
.
ni
nj
Tambien podemos contrastar H0 : i = j frente a H1 : i 6= j a
nivel de significacion . La regi
on de rechazo es

y y ( )
i
j
i
j
q
>
t
.
R =
nI ;/2

1

s
+ 1
R
ni
nj
Esto equivale a rechazar H0 : i = j si 0

/ IC1 (i j ).
Tema 1: Dise
24
Tema 1: Dise
25
Contrastes m
ultiples

I
I!
=
parejas de medias
2
2!(I 2)!
distintas i , j . Luego podemos realizar c contrastes H0 : i = j .
Es posible formar c =
Supongamos que tenemos I = 3 poblaciones y hemos rechazado

H0 : 1 = 2 = 3 = en el modelo Yij = i + Uij , para
i = 1, 2, 3, j = 1, . . . , ni . Entonces tenemos que decidir si 1 6= 2 ,
o si 2 6= 3 , o si 1 6= 3 .
Tema 1: Dise
26
Cuando tomo 100 muestras de Y puedo construir 100 intervalos de

confianza para 1 2 , para 3 2 y para 1 3 :
y1(1) , . . . , yn(1)
y1(2) , . . . , yn(2)
y1(3) , . . . , yn(3)
..
.
IC(1)
0.95 (1 2 )
IC(2)
0.95 (1 2 )
IC(3)
0.95 (1 2 )
..
.
IC(1)
0.95 (3 2 )
IC(2)
0.95 (3 2 )
IC(3)
0.95 (3 2 )
..
.
IC(1)
0.95 (1 3 )
IC(2)
0.95 (1 3 )
IC(3)
0.95 (1 3 )
..
.
y1(100) , . . . , yn(100) IC(100)

IC(100)
IC(100)
0.95 (1 2 )
0.95 (3 2 )
0.95 (1 3 )
Aprox. 95 de los 100
intervalos contienen
a 1 2 .

a 3 2 .

a 1 3 .
Puede que s
olo para 90 de las 100 muestras se verifique simult
aneamente
que 1 2 IC0.95 (1 2 ), 3 2 IC0.95 (3 2 )
y 1 3 IC0.95 (1 3 ).
Se puede razonar igual con los contrastes H0 : i =

6 j al nivel .
Utilizamos el metodo de Bonferroni para calcular intervalos de
confianza o contrastes m
ultiples.
Tema 1: Dise
27
Buscamos el nivel individual tal que para el 95%(=1 T =nivel

global) de las muestras se verifique simultaneamente que
1 2 IC1 (1 2 ), 3 2 IC1 (3 2 ) y
1 3 IC1 (1 3 ).
En el metodo de Bonferroni se toma = T /c = 0.05/3, pues
1 T = P {1 2 IC1 (1 2 ),
3 2 IC1 (3 2 ), 1 3 IC1 (1 3 )}
T = P {1 2
/ IC1 (1 2 )
o 3 2
/ IC1 (3 2 )
o 1 3
/ IC1 (1 3 )}
P{1 2
/ IC1 (1 2 )}
+P{3 2
/ IC1 (3 2 )}
+P{1 3
/ IC1 (1 3 )} = c
Observaci
on: Quiza rechacemos H0 : 1 = 2 = . . . = I en
ANOVA y no encontremos diferencias entre ning
un i , j con
Bonferroni, pues es un metodo conservador si c es grande.
Tema 1: Dise
28
Ejemplo 1.1 (cont.): Tomo T = 0.05. Como c =
tenemos que = 0.05

6 = 0.0083 2 = 0.0041.
I
2
= 6,
1 1
+ ]
5 4
= [1.3874, 0.7426] Rechazo H0 : 1 = 2
IC0.9917 (1 2 ) = [
y1 y2 t15,0.0041 0.0266
IC0.9917 (1 3 ) = [1.42, 0.82] Rechazo H0 : 1 = 3

IC0.9917 (1 4 ) = [1.78, 1.18] Rechazo H0 : 1 = 4
IC0.9917 (2 3 ) = [0.38, 0.27] No rechazo H0 : 2 = 3
IC0.9917 (2 4 ) = [0.74, 0.09] Rechazo H0 : 2 = 4
IC0.9917 (3 4 ) = [0.66, 0.06] Rechazo H0 : 3 = 4
Con un nivel global de confianza del 95% podemos afirmar que
1 < 2 , 3 < 4 , pero no rechazamos que 2 = 3 .
Tema 1: Dise
29
Diagnosis del modelo

Consiste en estudiar si los datos de nuestro problema son
coherentes con las hip
otesis basicas del modelo y que problemas se
derivan si no se verifica alguna.
La diagnosis se realiza a traves del analisis de los residuos eij .
Podemos obviar que los residuos no son independientes si el
tama
no total muestral n es grande comparado con el n
umero de
poblaciones, I .
Un primer paso en el analisis de los residuos consiste en la
representacion grafica de los mismos, por ejemplo, mediante
diagramas de puntos si el tama
no muestral n es peque
no (n < 20)
o, en caso contrario, mediante histogramas o diagramas de cajas.
Esto permite verificar si los residuos incumplen la hipotesis de
normalidad y si existen datos atpicos.
Tema 1: Dise
30
Ejemplo 1.1 (cont.): Histograma de los residuos
3
2.5
2
1.5
1
0.5
0
0.3
0.2
0.1
0.1
0.2
0.3
Tema 1: Dise
31
Ejemplo 1.2 (cont.): Histograma de los residuos
1.5
0.5
0.5
0.5
Tema 1: Dise
32
Ejemplo 1.2 (cont.): Si retiramos el dato atpico 2.25 de la

poblacion 3,
Fuentes de
variacion
Explicada
Residual
Total
Suma de
cuadrados
VE = 3.4855
VNE = 3.7949
VT = 7.2804
g.l.
4
36
40
Varianzas
se2 = 0.8714
sR2 = 0.1026
F
F = 8.4958
F4,36,0.05 = 2.63 Seguimos rechazando la igualdad del contenido

medio de azufre en las cinco minas de carb
on.
Cuando existen datos atpicos (outliers, valores anormalmente
grandes o peque
nos comparados con el resto de observaciones), se
debe buscar la causa de esta discrepancia. Si es debido a un error
en la observacion de la muestra o por cambios inesperados en las
condiciones experimentales, quiza debamos eliminar el dato.
Tema 1: Dise
33
Ejemplo 1.2 (cont.): Histograma de los residuos tras retirar el

dato atpico
0.15
0.1
0.05
0.6
0.4
0.2
0.2
0.4
0.6
Tema 1: Dise
34
Un grafico que permite evaluar la normalidad de los residuos es el

diagrama probabilstico normal, en el que se representan los
residuos ordenados de menor a mayor frente a los correspondientes
estadsticos de orden normales. Bajo la hip
otesis de normalidad los
puntos dibujados se ajustan aproximadamente a una lnea recta.
Ejemplo 1.1 (cont.): Grafico probabilstico normal de los residuos
0.98
0.95
0.90
0.75
0.50
0.25
0.10
0.05
0.02
0.2
0.1
0.1
0.2
Tema 1: Dise
35
Ejemplo 1.2 (cont.): Grafico probabilstico normal de los residuos

(sin retirar atpico)
0.99
0.98
0.95
0.90
0.75
0.50
0.25
0.10
0.05
0.02
0.01
0.5
0.5
Tema 1: Dise
36
Para comprobar la hip

otesis de normalidad de manera mas rigurosa
tambien podemos hacer alg
un contraste de bondad de ajuste.
El fallo de la hipotesis de normalidad afecta al calculo de intervalos
de confianza para 2 , aunque no al contraste de igualdad de
medias ni al analisis de las diferencias entre medias. El analisis de
la varianza es robusto frente a desviaciones de la normalidad.
Para comprobar la hip
otesis de homocedasticidad representamos
los residuos eij frente a los valores previstos yij = yi . As
comprobamos que la variabilidad no depende del nivel medio de la
respuesta.
La heterocedasticidad tambien influye en la estimacion de 2 .
Respecto a los contrastes de igualdad de medias, se consideran
validos si el dise
no es bastante equilibrado.
Tema 1: Dise
37

0.3
0.2
Residuos
0.1
0
0.1
0.2
0.3
0.4
4.5
5.5
6
Valores previstos
6.5
Tema 1: Dise
38

0.8
0.6
Residuos
0.4
0.2
0
0.2
0.4
0.6
0.8
1.2
1.4
Valores previstos
1.6
1.8
Tema 1: Dise
39
Si las varianzas de los residuos varan marcadamente como funcion

del nivel medio de la respuesta, o se detectan desviaciones
importantes respecto a la normalidad, se puede probar a
transformar la variable respuesta.
Algunas transformaciones frecuentes son log(y ) o y k .
Entonces se contrastara que el nivel medio de la respuesta
transformada no depende del nivel del factor, pero ya no
H 0 : 1 = . . . = I .
Ver Ejemplo 5 de ANOVA con Excel.
Tema 1: Dise
40

Tema1 PDF

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

Tema1 PDF

Cargado por

Copyright:

Formatos disponibles

Tema 1.

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Queremos averiguar si existen diferencias significativas en el nivel

Tenemos una muestra de n = 19 elementos que se diferencian en

estudiantes de la misma asignatura, pero de distintos grupos?

de la misma categora pero distintas marcas.

yij = j-esimo valor observado de la respuesta en el nivel i,

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Ejemplo 1.1 (cont.):

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Suponemos que, en el nivel i del factor, la respuesta Y oscila

con las siguientes hipotesis basicas del modelo:

Las anteriores hipotesis equivalen a

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

donde si2 = j=1 (yij yi )2 /ni es la varianza muestral en la

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Ejemplo 1.1 (cont.):

Los residuos del modelo son valores observados de las

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Ejemplo 1.1 (cont.):

Es decir, de los n residuos s

Propiedades de los estimadores de los par

Usando estas propiedades obtenemos intervalos de confianza para

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

El contraste de igualdad de medias

Bajo el modelo ANOVA unifactorial queremos contrastar

El contraste compara las diferencias entre medias muestrales con la

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

es la media global e yi y es la modificaci

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

De hecho, se cumple que

denota la variabilidad explicada por el modelo o por las diferencias

denota la variabilidad no explicada o residual.

Las propiedades de los estimadores de los parametros implican que

Esto nos permite construir el siguiente contraste.

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

La tabla ANOVA y el contraste

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Si la hipotesis nula de igualdad de medias H0 : 1 = 2 = . . . = I

Ejemplo 1.1 (cont.):

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Ejemplo 1.2: Se examina el contenido de azufre en cinco

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Ejemplo 1.2 (cont.): Contrastar la igualdad de niveles medios de

Es la proporcion de variabilidad total de las observaciones y

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

entonces estimamos la media global mediante y . Bajo las

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Si se rechaza H0 queremos determinar que parejas de medias son

Esto equivale a rechazar H0 : i = j si 0

Ejemplo 1.1 (cont.):

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Ejemplo 1.1 (cont.):

Supongamos que tenemos I = 3 poblaciones y hemos rechazado

Estadstica (CC. Ambientales). Profesora: Amparo Ballo

Cuando tomo 100 muestras de Y puedo construir 100 intervalos de

y1(100) , . . . , yn(100) IC(100)

Aprox. 95 de los 100

Aprox. 95 de los 100

Se puede razonar igual con los contrastes H0 : i =

Buscamos el nivel individual tal que para el 95%(=1 T =nivel

Ejemplo 1.1 (cont.): Tomo T = 0.05. Como c =

tenemos que = 0.05