Capitulo 3 Experimentos de Factor Simple: Análisis de Varianza

3.1 Un Ejemplo

Un ingeniero de materiales esta interesado en maximizar la resistencia a la tracción de una

nueva fibra sintética que será empleada en la industria textil. Por experiencia previa, el
ingeniero sabe que el contenido de algodón afecta la resistencia. Es más, el sospecha que un
incremento en el contenido de algodón, incrementará la mencionada resistencia; por ello, decide
llevar a cabo pruebas de resistencia con fibras que contienen 15, 20, 25, 30 y 35 % de algodón
(niveles de contenido de algodón). Para ejecutar las pruebas, decide emplear cinco muestras por
cada nivel de contenido.

Lo arriba mencionado es un ejemplo de un experimento de factor simple con a = 5 niveles del

factor y n = 5 replicas. Los 25 experimentos deben ser ejecutados en un orden totalmente
aleatorio. Para controlar la aleatoriedad de los experimentos, se procede de la siguiente manera:

1. Se enumeran las muestras como se muestra en la Tabla 3.1

Contenido
de Algodón Número de Muestra
(%)
15 1 2 3 4 5
20 6 7 8 9 10
25 11 12 13 14 15
30 16 17 18 19 20
35 21 22 23 24 25

Tabla 3.1 Identificación de los Experimentos por el Contenido de Algodón

2. Con la ayuda de una calculadora se seleccionan números aleatorios del 1 al 25 como se

ve en la Tabla 3.2. Los números aleatorios corresponden al número de muestra cuya
resistencia será probada . Por ejemplo, si el primer número aleatorio obtenido en la
calculadora fue el ocho, entonces la muestra con 20 % de algodón será la primera en ser
analizada y así sucesivamente.

Esta secuencia aleatoria de pruebas es necesaria para prevenir efectos de variables

desconocidas. Para ilustrar lo dicho, supóngase que los 10 primeros experimentos se
llevaron a cabo de la manera indicada en la Tabla 3.1. En estas condiciones, la maquina
empleada puede mostrar un comportamiento "dirigido"; es decir, mostrar mayores
valores de deformación cuanto mayor sea el tiempo que funcione o reaccionar de
manera lenta cuando ocurre un cambio en la composición de la muestra.

Jaime Ortega PhD 26

 Secuencia de las pruebas Número de muestra Contenido de Algodón

1 8 20
2 18 30
3 10 20
4 23 35
5 17 30
6 5 15
7 14 25
8 6 20
9 15 25
10 20 30
11 9 20
12 4 15
13 12 25
14 7 20
15 1 15
16 24 35
17 21 35
17 11 25
19 2 15
20 13 25
21 22 35
22 16 30
23 25 35
24 19 30
25 3 15

Tabla 3.2 Secuencia de Experimentos

3. Se ejecutan los experimentos y los resultados se registran como se muestra en la Tabla

3.3

De la Tabla 3.3 se extraen dos conclusiones: (i) el contenido de algodón afecta a la

resistencia a la tracción y (ii) alrededor de un 30 % de algodón otorga la mayor
resistencia; sin embargo, el análisis debe ser más objetivo y detallado: se debe analizar
si las diferencias observadas de las medias son realmente significativas y el nivel de
confianza con el que se dan dichas diferencias. En otras palabras, el investigador está
interesado en probar la igualdad de las cinco medias. Aparentemente, este problema
podría resolverse haciendo un análisis de Pares de Comparación.

Jaime Ortega PhD 27

 Contenido
de Algodón Observaciones
(%) (en kg/cm2)

1 2 3 4 5 total media
15 7 7 15 11 9 49 9.8
20 12 17 12 18 18 77 15.4
25 14 18 18 19 19 88 17.6
30 19 25 22 19 23 108 21.6
35 7 10 11 15 11 54 10.08
376 15.04

Tabla 3.3 Resultados del Experimento con Cinco Niveles de Contenido de Algodón

Tal solución sería incorrecta. Existen 10 posibles pares los que, examinados a un nivel de
confianza del 95 % cada uno (1    0. 95), arrojarían en conjunto un nivel de significación del
(0. 95)10  0. 60 . Es decir, existiría un substancial incremento del error del tipo I. El
procedimiento apropiado para examinar la igualdad de varias medias es el Análisis de Varianza.

3.2 Análisis de Varianza

En general, la Tabla 3.3 pude ser escrita en términos de la Tabla 3.4

Tratamiento
(nivel) Observaciones

1 2 ... n total media media

muestral poblacional

1 y11 y12 ... y1n Y1 ȳ1 1

2 y21 y22 ... y2n Y2 ȳ2 2

. . . ... . . . .
. . . ... . . . .

a ya1 ya2 ... yan Ya ȳa a

Y ȳ

Tabla 3.4 Datos de un Experimento de Factor Simple

Jaime Ortega PhD 28

 Una entrada u observación en la Tabla 3.4 representa la j-ésima observación bajo el tratamiento
i. Las observaciones de la Tabla 3.4 pueden ser descritas por un modelo estadístico lineal :

 i  1,2,...... a
y ij     i   ij 
 j  1,2,...... n
(3.1)
donde
y ij es la i - esima, j - esima observación

 es la media total (global)

i es un efecto debido al tratamiento i

 ij es el error aleatorio con media 0 , varianza  i2 ,

independie nte y distribuido normal

A este modelo se le llama " Análisis de Varianza de Factor Simple" pues se investiga un sólo
factor. Con respecto a los tratamientos o niveles, la Eq. 3.1 describe dos situaciones diferentes:

1. Los niveles o tratamientos ha sido escogidos por el investigador. Este modelo se conoce
como "Modelo de Efectos Fijos".

2. Los niveles o tratamientos ha sido escogidos al azar. Este modelo se conoce con el nombre
de "Modelo de Efectos Aleatorios" o "Modelo de Varianza de Componentes".

3.3 Análisis del Modelo de Efectos Fijos

En este modelo, los efectos de tratamientos i , se definen como desviaciones de la media total,
es decir que se cumple:
a


i 1
i 0
(3.2)
Ahora, considérense las siguientes definiciones:

Yi = total de observaciones bajo el tratamiento i

y i = media de las observaciones bajo el tratamiento i

Y = gran total de las observaciones

Y = media total de las observaciones

Jaime Ortega PhD 29

 Expresado simbólicamente se tiene:

n
Yi   y ij y i  Yi / n i  1,2,......., a
j 1

a n
Y  y ij Y Y /N
i 1 j 1

(3.3)
donde N = an , es el numero total de observaciones.

La media o valor esperado del tratamiento i es:

Ei ( yij )  i    i i  1, 2,......., a
(3.4)

La Eq. 3.4 indica que la media del tratamiento i es la suma de la media global y del efecto de
dicho tratamiento.

El investigador esta interesado en probar la igualdad de medias. Esto es:

Ho : 1   2   3 ...........  a
H1:  i   j para al menos un par i , j
(3.5)

Por efecto de la Eq. 3.4 lo anterior puede ser re-escrito como:

Ho : 1   2   3 ...........  a
H1: i   j para al menos un par i , j
(3.6)

De la Eq. 3.6 se concluye que se puede probar la igualdad de medias mediante el examen de la
igualdad de los efectos de tratamiento. El procedimiento apropiado para probar " igualdad de
efectos de tratamiento " es el Análisis de Varianza.

3.3.1 Descomposición de la Suma Total de Cuadrados

El nombre de Análisis de Varianza se deriva de la partición de la variabilidad total en sus

componentes. La suma total de cuadrados
a n
SCT    ( yij Y ) 2
i 1 j 1

(3.7)

Jaime Ortega PhD 30

 se utiliza como una medida de la variabilidad total.1 La Eq. 3.7 puede ser re-escrita como sigue:

 y  Y   [( yi  Y )  ( yij  yi )]2

a n a n
2
ij
i 1 j 1 i 1 j 1

ordenando:

a n a a n

 ( yij  Y ) 2  n ( yi  Y ) 2   ( yij  yi ) 2
i 1 j 1 i 1 i 1 j 1

(3.8)

La Eq. 3.8 indica que la variabilidad total de los datos es igual a la suma de los cuadrados de las
diferencias entre las medias de los tratamientos y la media total; mas la suma de los cuadrados
de las diferencias entre las observaciones y las medias de cada tratamiento. La Eq. 3.8 se puede
escribir como:

SCT  SCt  SCe

donde SCt es la suma de cuadrados debido a los tratamientos (niveles) y SCe es la suma de
cuadrados debido al error.

Considere ahora la suma de cuadrados debido al error:

a n a  n 
SCe   ( y ij  y i ) 2    ( y ij  yi ) 2 
i 1 j 1 i 1  j 1 
(3.9)

De esta manera, se ve que el término dentro de los paréntesis cuadrados dividido entre n-1, es la
varianza muestral del tratamiento i . Es decir:

(y
j 1
ij  yi ) 2
S i2  i  1,2,......., a
n 1

Substituyendo en la Eq. 3.9 se tiene:

a  n 
 
a
 
2
 ( y ij y i )  ( n  1) S i2
SCe i 1  j 1 
 i 1
 CM e
( N  a) a
( N  a)
 (n  1) i 1
(3.10)

1Esto es razonable pues, se se divide SCT entre el número de grados de libertad, an - 1 = N - 1 ,se estaría en presencia de la
varianza muestral misma que es una medida estándar de variabilidad.

Jaime Ortega PhD 31

 La Eq. 3.10 es una estimación de la varianza común dentro de cada uno de los a tratamientos.

De manera similar, el termino

a
n ( y i  Y ) 2
SCt
 i 1
 CM t
(a  1) (a  1)
(3.11)

Es una estimación de la variabilidad entre tratamientos.

Si no hubiesen diferencias entre las medias de los tratamientos, yi , ambas estimaciones

debieran ser muy similares. Si no lo fueran, se debe sospechar que la diferencia observada debe
ser una consecuencia de las diferencias entre las medias de los tratamientos. Los términos de las
ecuaciones 3.10 y 3.11 se conocen como "cuadrados medios". Es posible demostrar que los
valores esperados de estos cuadrados medios son:

a
n i
E (CM e )   2 y E (CM t )   2  i 1

a 1
(3.12)

Como se dijo antes, los cuadrados medios son estimaciones de la varianza poblacional y por
tanto, si no existen diferencias entre las medias de los tratamientos ( i2  0) , entonces los
valores esperados de ambos estimadores serán idénticos e iguales a la varianza poblacional.

3.3.2 Análisis Estadístico

En base al análisis anterior, en esta sección se investigará de manera formal el examen de

hipótesis de la Eq. 3.6. Dado que se asumió que el error  ij es independiente y se distribuye
normal con media 0 y varianza 2 , entonces las observaciones yij son independientes y se
distribuyen normal con media   i y varianza 2 .

En virtud del Teorema de Cochran , si el termino SCT es una suma de cuadrados de variables
aleatorias normales y la hipótesis nula Ho : i  0 es verdadera, entonces se cumple lo siguiente:

1. SCT / 2 se distribuye Chi-cuadrado con N-1 grados de libertad.

2. SCe /  2 se distribuye Chi-cuadrado con N-a grados de libertad.

3. SCt /  2 se distribuye Chi-cuadrado con a-1 grados de libertad.

4. Fo  CMt / CMe se distribuye F con a-1 y N-a grados de libertad.

Jaime Ortega PhD 32

 Sin embargo, si la hipótesis nula es falsa, el termino E (CMt ) es mayor a 2 (Eq. 3.12) y Ho
deber ser rechazada cuando Fo  F, a 1, N a .

Ejemplo

Para ilustrar el análisis de varianza, considérese la Tabla 3.3.

Contenido
de Algodón Observaciones
(%) (en kg/cm2)

1 2 3 4 5 totales medias
Yi yi

15 7 7 15 11 9 49 9.8
20 12 17 12 18 18 77 15.4
25 14 18 18 19 19 88 17.6
30 19 25 22 19 23 108 21.6
35 7 10 11 15 11 54 10.08
Y =376 Y = 15.04

La sumas de cuadrados se calculan mediante:

5 5
Y2
SCT   y   636.96
2
ij
i 1 j 1 N

5
Yi 2 Y 2
SCt    475.76
i 1 n N

SCe  SCT  SCt  161.20

Además: Fo  118. 94 / 8. 06  14. 76. Si se adopta un F0.01,4,20  4. 43 , entonces se rechaza Ho y

se concluye que el contenido de algodón en las fibras afecta significativamente su resistencia a
la tracción.

3.3.3 Estimación de los Parámetros del Modelo

En esta sección se desarrollaran estimadores de los parámetros del Modelo de Factor Simple
(Eq. 3.1) empleando el método de mínimos cuadrados. Cuando se estiman  y i mediante
mínimos cuadrados, ya no es necesario asumir que los errores  ij son independientes y que se
distribuyen normalmente. Para encontrar los estimadores mínimos cuadrados de  y i se
desarrolla la suma de los cuadrados de los errores .....

Jaime Ortega PhD 33

 a n a n
L    ij2  ( yij     i ) 2
i 1 j 1 i 1 j 1

(3.13)
....y se eligen valores ˆ y ˆi , estimadores de  y i , que minimicen L. Es decir, se resuelve
el sistema de ecuaciones que se origina de:
L
ˆ , ˆi  0


L
ˆ , ˆi 0
 i

El sistema es:
Nˆ  nˆ1  nˆ2  ...  nˆa  Y
nˆ  nˆ1  Y1
nˆ  nˆ2  Y2
. . .
nˆ  nˆa  Ya
(3.14)

Las a+1 ecuaciones arriba expresadas se llaman ecuaciones normales de mínimos cuadrados
mismas que no son linealmente independientes y por tanto no tienen un sola solución. Esta
problema puede solucionarse mediante la Eq. 3.2 que establece que los efectos de los
tratamientos son desviaciones de la media. Con dicha condición, las soluciones a la Eq. 3.14
son:
ˆ  Y

ˆi  yi  Y i  1,2,..... a
(3.15)

Esta solución establece que la media global es estimada por la media total de las observaciones
y que cualquier efecto de tratamiento es la diferencia entre la media del tratamiento y la media
total de las observaciones.

Puede demostrarse que un intervalo de confianza de la media de un tratamiento esta dado por:

yi  t / 2, N a CM e / n

y de la diferencia de medias entre dos tratamientos por:

yi  y j  t / 2, N a 2CM e / n

Jaime Ortega PhD 34

3.4 Comparación de Medias de Tratamiento Individuales

Supóngase que al llevar a cabo un análisis de varianza en el modelo de efectos fijos se rechaza
la hipótesis nula lo que implica la existencia de diferencias entre las medias de tratamientos. En
estas circunstancias, otras comparaciones entre grupos de medias de tratamientos suelen ser
muy útiles. Comparaciones entre medias de tratamientos son hechas en términos de totales de
Tratamientos, Y i , o medias de tratamientos, yi .Los procedimientos para llevar a cabo estas
comparaciones se denominan "Métodos de Comparación Múltiple".

3.4.1 Comparación Gráfica de Medias

Supóngase que el factor de interés tiene a niveles (tratamientos) y que por tanto existen a
( y1 , y2 , y3 ,.... ya ) medias de tratamiento. Si se conociera  , cualquier media de tratamiento
tendría un desviación estándar igual a  / n . En consecuencia, si todas la medias de los
distintos niveles fuesen idénticas, las media muestrales observadas, yi , se comportarían como si
fuesen un grupo de observaciones extraído al azar de una distribución normal con media Y y
desviación  / n . Si no se conoce  , se la puede reemplazar por su estimador expresado en la
Eq. 3.12, es decir por CMe , siendo por tanto la desviación estándar (factor de escala) igual a
CMe / n y "t" la distribución a emplearse. El procedimiento consiste en multiplicar valores de
la absisa (factor en estudio) por el factor de escala y reconstruir la curva "t" con dichos valores
de absisa (valores de ordenadas puede extraerse de Box, Hunter y Hunter. 1978). Luego, en la
"nueva" absisa, se localizan los valores medios observados y se observa si dichas medias se
comportan como típicas observaciones tomadas al azar de la población. Es decir, si las
ordenadas de las medias están dentro de la gráfica, están próximas y no muestran una secuencia
definida.

Jaime Ortega PhD 35