Diseño Experimental

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANNN
ESCUELA PROFESIONAL DE INGENIERÍA COMERCIAL
Diseño Experimental
¨Prueba de Scheffé¨
FACULTAD DE CIENCIAS JURIDICAS Y EMPRESARIALES

ESCUELA ACADEMICA PROFESIONAL DE INGENIERIA COMERCIAL
TACNA – 2019
1
DESARROLLO
DEL TRABAJO
CURSO:
UNIVERSIDAD NACIONAL JORGE
BASADRE GROHMANN Diseño Experimental
FACULTAD DE CIENCIAS JURÍDICAS Y
DOCENTE:
EMPRESARIALES
Darwin Gomes Coapaza

ESCUELA PROFESIONAL DE INGENIERÍA
COMERCIAL AÑO:
DISEÑO EXPERIMENTAL
Cuarto año “A”
INTEGRANTES:
Esthefany Salazar Chambilla 2016-106023
Mónica Delgado Caljaro 2016-106063

TACNA – 2019
2
ÍNDICE
INTRODUCCIÓN ............................................................................................................4
1. ANOVA ....................................................................................................................5
1.1. TÉCNICAS DE ANÁLISIS DE VARIANZA ..................................................5
1.2. FUNCIÓN DE ESTA PRUEBA PARAMÉTRICA ..........................................6
1.3. TIPOS DE ANOVA ........................................................................................... 6
1.4. CARACTERÍSTICAS Y SUPUESTOS ............................................................ 7
2. COMPARACIÓN NO PLANEADA ........................................................................8
2.1. MÉTODO DE SCHEFFÉ ..................................................................................8
3. PRUEBA DE SCHEFFÉ ........................................................................................... 9
4. EJERCICIOS ...........................................................................................................12

TACNA – 2019
3
INTRODUCCIÓN
Cuando se desea comparar las medias de dos o mas poblaciones resulta apropiado para
el estudio realizarun análisis de varianza sobre las poblaciones. Dicho análisis como
conocemos en estadística, compara las muestras de dos o mas grupos que, bajo
laasuncion de una igualdad entre lasmedias de los k tratamientos como hipótesis nula,
se decide si rechazar o aceptar dicha hipotésis.
Sin embargo, este análisis solo provee información superficial sobre la presencia de
alguna diferencia significativa éntrelas poblaciones mas no especifica cual de ellas
puede ser significativamente diferente con respecto a las otra. Por lo tanto, el uso de
otra prueba corroborar la diferencia es necesario. Para este efecto existen, dependiendo
del caso, diversas técnicas que son empleadas con el fin de identificar que tratamientos
son estadísticamente diferentes y en cuanto oscila el valor de esas diferencias. Una de
estas técnicas es la PRUEBA DE SCHEFFÉ.

TACNA – 2019
4
1. ANOVA
Un análisis de varianza (ANOVA) prueba la hipótesis de que las medias de dos o más
poblaciones son iguales. Los ANOVA evalúan la importancia de uno o más factores al
comparar las medias de la variable de respuesta en los diferentes niveles de los factores.
La hipótesis nula establece que todas las medias de la población (medias de los niveles
de los factores) son iguales mientras que la hipótesis alternativa establece que al menos
una es diferente.
Para ejecutar un ANOVA, debe tener una variable de respuesta continua y al menos un
factor categórico con dos o más niveles. Los análisis ANOVA requieren datos de
poblaciones que sigan una distribución aproximadamente normal con varianzas iguales
entre los niveles de factores. Sin embargo, los procedimientos de ANOVA funcionan
bastante bien incluso cuando se viola el supuesto de normalidad, a menos que una o
más de las distribuciones sean muy asimétricas o si las varianzas son bastante
diferentes. Las transformaciones del conjunto de datos original pueden corregir estas
violaciones.
1.1. TÉCNICAS DE ANÁLISIS DE VARIANZA
Las primeras técnicas de análisis de varianza fueron desarrolladas en los años ‘20 y ‘30
por R.A. Fisher, un estadístico y genetista. Es por ello que el análisis de Varianza
(ANOVA) también se conoce como “Anova de Fisher” o “análisis de varianza de
Fisher”; esto también es debido al uso de la distribución F de Fisher (una distribución
de probabilidad) como parte del contraste de hipótesis.

TACNA – 2019
5
El análisis de varianza (ANOVA) surge de los conceptos de regresión lineal. La
regresión lineal, en estadística, es un modelo matemático que se utiliza para aproximar
la relación de dependencia entre una variable dependiente Y (por ejemplo la ansiedad),
las variables independientes Xi (por ejemplo diferentes tratamientos) y un término
aleatorio."
1.2. FUNCIÓN DE ESTA PRUEBA PARAMÉTRICA
Así, un análisis de varianza (ANOVA) sirve para determinar si diferentes tratamientos
(por ejemplo, tratamientos psicológicos) muestran diferencias significativas, o si por el
contrario, puede establecerse que sus medias poblaciones no difieren (son
prácticamente iguales, o su diferencia no es significativa).
Es decir, se utiliza la ANOVA para contrastar hipótesis acerca de diferencias de medias
(siempre más de dos). El ANOVA implica un análisis o descomposición de la
variabilidad total; ésta, a su vez, se puede atribuir principalmente a dos fuentes de
variación.
 Variabilidad intergrupo
 Variabilidad intragrupo o error
1.3. TIPOS DE ANOVA
Existen dos tipos de análisis de varianza (ANOVA)
 Anova I
Cuando solo existe un criterio de clasificación (variable independiente; por
ejemplo, tipo de técnica terapéutica). A su vez, puede ser intergrupo (existen

TACNA – 2019
6
varios grupos experimentales) e intragrupo (existe un único grupo
experimental).
 Anova II
En este caso, hay más de un criterio de clasificación (variable independiente).
Igual que en el caso anterior, esta puede ser intergrupo e intragrupo.
1.4. CARACTERÍSTICAS Y SUPUESTOS
Cuando se aplica el análisis de varianza (ANOVA) en estudios experimentales, cada
grupo consta de un determinado número de sujetos, siendo posible que difieran los
grupos en cuanto a este número. Cuando el número de sujetos coincide, se habla de un
modelo equilibrado o balanceado.
En estadística, para poder aplicar el análisis de varianza (ANOVA) deben cumplirse
una serie de supuestos:
a) Normalidad
Esto quiere decir que las puntuaciones en la variable dependiente (por ejemplo
la ansiedad) deben seguir una distribución normal. Este supuesto se comprueba
mediante las llamadas pruebas de bondad de ajuste.
b) Independencia
Implica que no exista autocorrelación entre las puntuaciones, es decir, la
existencia de independencia de las puntuaciones entre sí. Para asegurarnos del
cumplimiento de este supuesto, deberemos realizar un MAS (muestreo aleatorio
simple) para seleccionar la muestra que vamos a estudiar o sobre la que vamos a
trabajar.

TACNA – 2019
7
c) Homocedasticidad
Este término significa “igualdad de varianzas de las subpoblaciones”. La
varianza es un estadístico de variabilidad y dispersión, y aumenta cuanto mayor
sea la variabilidad o dispersión de las puntuaciones.
El supuesto de homocedasticidad se comprueba mediante la Prueba de Levene o
la de Barlett. En caso de no cumplirlo, otra alternativa es realizar una
transformación logarítmica de las puntuaciones.
2. COMPARACIÓN NO PLANEADA
Cuando se conoce muy poco respecto a la naturaleza de los tratamientos y por ello es
difícil proponer comparaciones con sentido, entonces se necesitan técnicas para probar
efectos de tratamientos pero sugeridas por los datos. Estas técnicas se usan con
frecuencia para comparar todos los posibles pares de medias, entre algunas de éstas se
encuentran: el método de Bonferroni, t-multivariado,Scheffé, Tukey.
2.1. MÉTODO DE SCHEFFÉ
En algunas situaciones no es fácil conocer las comparaciones que se deben realizar o es
posible realizar más ¨t -1¨ de comparaciones. En los experimentos exploratorios las
comparaciones de interés se descubren sólo después de examinar los resultados.
Scheffe´(1953) propuso un método para probar cualquier contraste C.
Fue introducida por Henry Scheffé, Matemático dela Yniversidad de Winsconsin,
Presidente del Instituto de Estadistica Matematica y Vicepresidente de la Asociación
Estadística Americana.

TACNA – 2019
8
3. PRUEBA DE SCHEFFÉ
En estadística, la prueba de Scheffé es una prueba que se aplica para hacer
comparaciones múltiples de las medias de grupos. Su uso está relacionado con la
prueba del análisis de la varianza, y se incluye dentro de las llamadas pruebas de
comparaciones múltiples.
La prueba del análisis de la varianza contrasta la hipótesis de igualdad de medias de dos
o más grupos. Si el resultado se considera estadísticamente significativo, lo que se
puede afirmar es que al menos la media de uno de los grupos es distinta a las restantes,
o bien que hay otras medias diferentes entre sí.
El siguiente paso consiste en identificar qué grupos son los que tienen medias
diferentes entre sí.
Una solución es comparar las medias por pares, usando una prueba estadística como la t
de Student. Pero al hacerlo así se produce un aumento del error tipo I que se quiere
admitir. Las pruebas de comparaciones múltiples corrigen el error para conseguir que
no sobrepase el nivel establecido, por ejemplo del 5%.
La prueba de Scheffé se realiza comparando todos los posibles pares de medias, pero
usando como error típico el valor de la varianza residual o intragrupos obtenida en el
análisis de la varianza.
 Parte del modelo ANOVA:
𝑋𝑖 = 𝜇 + 𝛿𝑖 + 𝜀𝑖
 Se define contraste como
𝐿 = ∑𝑘𝑖=1 𝑐𝑖 𝛿𝑖 , con 𝐿 = ∑𝑘𝑖=1 𝑐𝑖 = 0

TACNA – 2019
9
 Que no es sino una combinacionlineal delos k efectos. Como puede observarse,
este contraste equivale a
𝐿 = ∑𝑘𝑖=1 𝑐𝑖 𝜇𝑖 , con 𝐿 = ∑𝑘𝑖=1 𝑐𝑖 = 0
 Ya que
𝜇𝑖 = 𝜇 + 𝛿𝑖 y ∑𝑘𝑖=1 𝑐𝑖 = 0
 Puesto que Les desconocido, se puede obtener una estimación de la expresión
anterior sustituyendo 𝜇𝑖 por su estimador 𝑥𝑖 . Asi pues, se tiene que
𝐿̂ = ∑ 𝑐𝑖 𝑥̅𝑖
𝑖=1
 En cuanto a la varianza de 𝐿̂, se comprende que vale
𝑘
𝑐𝑖2
𝜎̂𝐿̂2 = 𝑀𝐶𝐸 ∑
𝑛𝑖
𝑖=1
 Siendo MCE la estimación de 𝜎 2
 Asi pues, el intervalo de confianza para L, a un nivel 1 – α, viene dado por
𝐿̂ ± 𝜎̂𝐿̂ √(𝑘 − 1)𝐹1−𝛼,𝑘−1,𝑁−𝑘
Esto se traduce en lo siguiente. Si se pretende probar la hipótesis de que el
contraste L difiere significativamente de cero, la regla de decisión que se adpta
es si |𝐿̂| ± 𝜎̂𝐿̂ √(𝑘 − 1)𝐹1−𝛼,𝑘−1,𝑁−𝑘 , se rechaza la hipótesis de que el contraste
L es igual a cero.
 Puesto que lo que ha motivado el planteamiento de los contraste multipleses la
necesidad de averiguar si un nivelde factor presenta un efecto mayor que elde

TACNA – 2019
10
otro, se trata ahorade particularizar este método al estudio de contraste de
parejas de medias
 Si se quiere contrastar
𝐻𝑂 : 𝜇𝑖 = 𝜇𝑗
𝐻1 : 𝜇𝑖 ≠ 𝜇𝑗
 La diferencia L= 𝜇𝑖 − 𝜇𝑗 es un contraste de los definidos anteriormente, ya
que la suma de sus coeficientes de cero. Averiguar si las medias i y jdifieron es
estudiar si la diferencia L es significativamente distinta de cero. Por lo tanto.
bastara comprobar si
|𝐿̂| ± 𝜎̂𝐿̂ √(𝑘 − 1)𝐹1−𝛼,𝑘−1,𝑁−𝑘
 Es decir, si
|𝑥̿𝑖 − 𝑥̿𝑗 | ± 𝜎̂𝐿̂ √(𝑘 − 1)𝐹1−𝛼,𝑘−1,𝑁−𝑘
 De ser asi, se rechazaría la hipótesis de igualdad de medias
 Otra manera de verlo seria

2
(𝑥̿𝑖 − 𝑥̿𝑗 )
> (𝑘 − 1)𝐹1−𝛼,𝑘−1,𝑁−𝑘
2 1 1
𝑆𝑤 [(𝑛 ) + (𝑛 )]
𝑖 𝑗
 Si 𝐹𝑠 representa al primer término y 𝐹𝑐𝑟í𝑡𝑖𝑐𝑜 representa al segundo se puede
comprobar que
𝐹𝑠 > 𝐹𝑐𝑟í𝑡𝑖𝑐𝑜
 De ser el caso entonces se rechaza la hipótesis de igualdad de medias.

TACNA – 2019
11
4. EJERCICIO
VITA CAPRESSO realiza una investigación de mercado para determinar la viabilidad de

su idea de negocio e identificar las características de sus consumidores potenciales y su
mercado meta, así mismo si existe alguna relación entre los diferentes niveles
socioeconómicos y el grado de conocimiento previo que tienen sobre el uso de cápsulas en
la preparación de café, entre la población Tacneña.
Por ende, se muestra el resultado de algunas de las encuestas con la puntuación final de
estas.
Unidad de medida:
Nivel socioeconómico: A, B, C, D y E
Grado de Cultura: En un rango de 1-50 de puntuación.

TACNA – 2019
12

TACNA – 2019
13

TACNA – 2019
14

TACNA – 2019
15
RESULTADOS:

TACNA – 2019
16

TACNA – 2019
17

Diseño Experimental

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

Diseño Experimental

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANNN

ESCUELA PROFESIONAL DE INGENIERÍA COMERCIAL

FACULTAD DE CIENCIAS JURIDICAS Y EMPRESARIALES

Darwin Gomes Coapaza

FACULTAD DE CIENCIAS JURIDICAS Y EMPRESARIALES

1.1. TÉCNICAS DE ANÁLISIS DE VARIANZA ..................................................5

1.2. FUNCIÓN DE ESTA PRUEBA PARAMÉTRICA ..........................................6

1.3. TIPOS DE ANOVA ........................................................................................... 6

1.4. CARACTERÍSTICAS Y SUPUESTOS ............................................................ 7

2. COMPARACIÓN NO PLANEADA ........................................................................8

2.1. MÉTODO DE SCHEFFÉ ..................................................................................8

3. PRUEBA DE SCHEFFÉ ........................................................................................... 9

FACULTAD DE CIENCIAS JURIDICAS Y EMPRESARIALES

se decide si rechazar o aceptar dicha hipotésis.

alguna diferencia significativa éntrelas poblaciones mas no especifica cual de ellas

son estadísticamente diferentes y en cuanto oscila el valor de esas diferencias. Una de

estas técnicas es la PRUEBA DE SCHEFFÉ.

FACULTAD DE CIENCIAS JURIDICAS Y EMPRESARIALES

1.1. TÉCNICAS DE ANÁLISIS DE VARIANZA

(ANOVA) también se conoce como “Anova de Fisher” o “análisis de varianza de

Fisher”; esto también es debido al uso de la distribución F de Fisher (una distribución

de probabilidad) como parte del contraste de hipótesis.

FACULTAD DE CIENCIAS JURIDICAS Y EMPRESARIALES

El análisis de varianza (ANOVA) surge de los conceptos de regresión lineal. La

regresión lineal, en estadística, es un modelo matemático que se utiliza para aproximar

la relación de dependencia entre una variable dependiente Y (por ejemplo la ansiedad),

las variables independientes Xi (por ejemplo diferentes tratamientos) y un término

1.2. FUNCIÓN DE ESTA PRUEBA PARAMÉTRICA

Así, un análisis de varianza (ANOVA) sirve para determinar si diferentes tratamientos

(por ejemplo, tratamientos psicológicos) muestran diferencias significativas, o si por el

contrario, puede establecerse que sus medias poblaciones no difieren (son

prácticamente iguales, o su diferencia no es significativa).

Es decir, se utiliza la ANOVA para contrastar hipótesis acerca de diferencias de medias

(siempre más de dos). El ANOVA implica un análisis o descomposición de la

variabilidad total; ésta, a su vez, se puede atribuir principalmente a dos fuentes de

 Variabilidad intragrupo o error

1.3. TIPOS DE ANOVA

Existen dos tipos de análisis de varianza (ANOVA)

Cuando solo existe un criterio de clasificación (variable independiente; por

ejemplo, tipo de técnica terapéutica). A su vez, puede ser intergrupo (existen

FACULTAD DE CIENCIAS JURIDICAS Y EMPRESARIALES

varios grupos experimentales) e intragrupo (existe un único grupo

En este caso, hay más de un criterio de clasificación (variable independiente).

Igual que en el caso anterior, esta puede ser intergrupo e intragrupo.

1.4. CARACTERÍSTICAS Y SUPUESTOS

Cuando se aplica el análisis de varianza (ANOVA) en estudios experimentales, cada

grupos en cuanto a este número. Cuando el número de sujetos coincide, se habla de un

modelo equilibrado o balanceado.

En estadística, para poder aplicar el análisis de varianza (ANOVA) deben cumplirse

una serie de supuestos:

la ansiedad) deben seguir una distribución normal. Este supuesto se comprueba

mediante las llamadas pruebas de bondad de ajuste.

Implica que no exista autocorrelación entre las puntuaciones, es decir, la

existencia de independencia de las puntuaciones entre sí. Para asegurarnos del

cumplimiento de este supuesto, deberemos realizar un MAS (muestreo aleatorio

FACULTAD DE CIENCIAS JURIDICAS Y EMPRESARIALES

Este término significa “igualdad de varianzas de las subpoblaciones”. La

varianza es un estadístico de variabilidad y dispersión, y aumenta cuanto mayor

sea la variabilidad o dispersión de las puntuaciones.

El supuesto de homocedasticidad se comprueba mediante la Prueba de Levene o

la de Barlett. En caso de no cumplirlo, otra alternativa es realizar una

transformación logarítmica de las puntuaciones.

encuentran: el método de Bonferroni, t-multivariado,Scheffé, Tukey.