Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7 Anova PDF
7 Anova PDF
T1
x11
!
x1n1
T2
x21
!
x2n2
Tr
xr1
"
!
x rnr
INTRODUCCIN AL
ANLISIS DE LA VARIANZA
-2-
ANALISIS DE LA VARIANZA
DISEO DE UNA VIA
Disponemos de r poblaciones, generalmente correspondientes a r
tratamientos experimentales. Cada uno de los tratamientos Ti, (i=1,
, r) se supone que tiene distribucin normal con media i y
varianza 2, comn a todos ellos, es decir se trata de poblaciones
normales y homoscedsticas. De cada una de las poblaciones (o
tratamientos), tomamos una muestra de tamao ni.
Las observaciones obtenidas se pueden recoger en una tabla de la
forma
T1
x11
!
x1n1
T2
x21
!
x2n2
Tr
xr1
"
!
x rnr
a la
-3-
xij = i + ! ij
xij = + ( i " ) + ! ij
xij = + # i + !ij
donde i = + ! i es la cantidad que depende del tratamiento
usado (descompuesta en una media global y un efecto del
tratamiento) y !ij es la cantidad que depende solamente de la
unidad experimental y que se identifica con el error experimental.
La hiptesis de que los distintos tratamientos no producen ningn
efecto (o la de que las medias de todas las poblaciones son iguales)
se contrasta mediante el anlisis de la varianza de una va,
comparando la variabilidad entre grupos con la variabilidad dentro
de los grupos.
H0 : 1 = = r =
Ha : !i, j / i " j
El anlisis de la varianza se basa en la descomposicin de la
variabilidad total en dos partes, una parte debida a la variabilidad
entre las distintas poblaciones o tratamientos (variabilidad entre
grupos o variabilidad explicada por el diseo) y otra parte que
puede considerarse como la variabilidad intrnseca de las
observaciones (variabilidad dentro de los grupos o residual).
Q = QE + QR
La variabilidad entre grupos
QE = " ni ( xi ! x ) 2
i=1
-4-
ni
-5-
Fuente
Entre
Residua
l
Total
Suma de cuadrados
r
QE = " ni ( xi ! x ) 2
i=1
ni
g.l.
r-1
Estimador Fexp
Q
SE2 = E F =
exp
r !1
n-r
SR2 =
i=1 j=1
ni
SE2
S2R
QR
n!r
n-1
i=1 j=1
! i = i " = xi " x
y la parte propia de cada observacin (o residual)
-6-
H 0 : i = j
H a : i ! j
i, j
xi ! x j
=
SR
1 1
+
ni n j
" t N !r
i, j
exp
xi ! x j
=
SR
o lo que es lo mismo,
1 1
+
ni n j
> t N !r,"
-7-
xi ! x j > t N !r," SR
1 1
+
ni n j
#
1 1&
+ (
% t N !r," SR
ni n j '
$
!'=
!
K
! r $ r(r ' 1)
K =# & =
2
" 2%
El test de Bonferroni es el que ms penaliza de forma que, el nivel
de significacin para el contraste global queda, en realidad, por
debajo del fijado. Se trata entonces de un test conservador que
detecta menos diferencias de las que hay realmente en los datos.
TEST DE TUKEY
Cuando los tamaos de muestra son todos iguales es posible utilizar
como penalizacin el propio nmero de grupos r.
El test de Tukey es menos conservador que el de Bonferroni.
-8-
Tukey
LSD
(1)
(2)
Bonferroni
(3)
(4)
-9-
Tratamientos T1
B1
x11
Bloques
!
!
Bs
xs1
Tr
x1r
" !
xsr
xij = ij + ! ij
xij = + " i + # j + !ij
i es el efecto debido al bloque, j es el efecto debido al
tratamiento y ij es el error experimental.
Donde
-10-
g.l.
s-1
Estimador Fexp
Q F =
2
SB = B B
s ! 1 S2
B
SR2
r-1
ST =
Fuente
Entre
Tratam.
QT = " s(x j ! x )
j =1
QR =
Residual
(r-1)(s-1)
2
" " ( xij ! xi ! x j + x )
i=1 j=1
Total
QT FT =
r ! 1 S2
T
SR2
SR2 =
QR
(r!1)(s!1)
n-1
i=1 j=1
-11-
= x
! i = xi " x
# j = x j " x
y la parte propia de cada observacin (o residual)
-12-
-Tipos de factores
-Factores cualitativos especficos.
Factores susceptibles de aplicacin
Factores de clasificacin
-Factores cuantitativos
-Factores cualitativos ordenados.
-Factores cualitativos muestreados.
-13-
Factor A
nivel 1
nivel 2
nivel 3
nivel 4
media
nivel 1
9
12
10
13
11
Factor B
nivel 2
nivel 3
11
14
14
17
12
15
15
18
13
16
nivel 4
15
18
16
19
17
media
12.25
15.25
13.25
16.25
Factor A
nivel 1
nivel 2
nivel 3
nivel 4
media
nivel 1
9
12
11
12
11
Factor B
nivel 2
nivel 3
11
14
14
17
11
14
16
19
13
16
nivel 4
15
18
17
18
17
media
12.25
15.25
13.25
16.25
-14-
n1
n2
n3
n4
Efectos aditivos
20
18
16
14
12
10
8
6
4
2
0
n1
n2
n3
n4
Efectos no aditivos
-15-
Factor A
B1
Factor B
!
Bs
A1
! x111 $
#
&
#! &
#x &
" 11t %
!
! x s11 $
#
&
!
#
&
#x &
" s1t %
Ar
! x1r1 $
#
&
#! &
#x &
" 1rt %
"
!
! x rs1 $
#
&
#! &
#x &
" rst %
xijk = ij + !ijk
xijk = + " i + # j + ("# )ij + ! ijk
Donde i es el efecto debido al bloque, j es el efecto debido al
tratamiento, ()ij es el efecto conjunto (interaccin) y ij es el error.
-16-
Columnas
Suma de cuadrados
s r
t
QF = " " " (xi ! x )2
i=1 j=1 k =1
g.l.
s-1
r-1
QFC =
Interacc.
(r-1)(s-1)
" (xij ! xi ! x j + x )2
i, j,k
Resid.
(r!1)(s!1)
s
rs(t-1)
i=1 j=1 k =1
Total
Estimador Fexp
2
Q
SF2 = F SF
s !1 S2
R
QC S 2
2
C
SC =
r ! 1 S2
R
2
2
SFC
SFC
=
SR2
QFC
SR2 =
QR
rs(t !1)
rst-1
i=1 j=1 k =1
=x
! i = xi " x
# j = x j " x
-17-
-18-
EJEMPLO
Se est investigando cual es el efecto de tres tipos de abono sobre dos tipos de
suelo. Se espera que el efecto de los distintos abonos se manifieste de forma
diferente dependiendo del tipo de suelo. Para el presente estudio tomaremos
dos tipos de suelo, cido y alcalino y tres tipos de abono que denotaremos con
A, B y C. Tenemos as dos factores (suelo y abono) con 2 y 3 niveles
respectivamente, que resultan en 6 combinaciones. Tomaremos un diseo
factorial con dos factores y tres rplicas en cada una de las combinaciones de los
niveles de los dos factores. La respuesta es un ndice de abundancia de una
determinada especie tras la aplicacin de los distintos abonos. Los resultados se
muestran en la tabla siguiente.
cido
Alcalino
A
8
4
0
14
10
6
B
10
8
6
4
2
0
C
8
6
4
15
12
9
Sum of Squares
Mean Square
F-Value
P-Value
Lambda
Power
SUELO
18,000
18,000
2,038
,1789
2,038
,248
ABONO
48,000
24,000
2,717
,1063
5,434
,428
144,000
72,000
8,151
,0058
16,302
,905
12
106,000
8,833
SUELO * ABONO
Residual
Mean
Std. Dev.
Std. Err.
ACIDO, A
4,000
4,000
2,309
ACIDO, B
8,000
2,000
1,155
ACIDO, C
6,000
2,000
1,155
ALCALINO, A
10,000
4,000
2,309
ALCALINO, B
2,000
2,000
1,155
ALCALINO, C
12,000
3,000
1,732
-19-
Cell Mean
10
A
4
2
0
ACIDO
ALCALINO
Cell
Crit. Diff
P-Value
Mean Diff.
Crit. Diff
P-Value
A, B
2,000
3,739
,2664
A, B
2,000
4,769
,2664
A, C
-2,000
3,739
,2664
A, C
-2,000
4,769
,2664
B, C
-4,000
3,739
,0380
B, C
-4,000
4,769
,0380
Crit. Diff
A, B
2,000
4,574
A, C
-2,000
4,574
B, C
-4,000
4,574
-20-
Sum of Squares
Mean Square
F-Value
P-Value
Lambda
Power
ABONO
24,000
12,000
1,500
,2963
3,000
,207
Residual
48,000
8,000
Crit. Diff
A, B
-4,000
7,087
A, C
-2,000
7,087
B, C
2,000
7,087
Sum of Squares
Mean Square
F-Value
P-Value
Lambda
Power
ABONO
168,000
84,000
8,690
,0169
17,379
,822
Residual
58,000
9,667
Crit. Diff
A, B
8,000
7,791
A, C
-2,000
7,791
B, C
-10,000
7,791
S
S