1.

Definición y características principales del análisis de varianza

Es un método estadístico para determinar si diversos conjuntos de muestras aleatorias de
una determinada variable proceden de la misma población o poblaciones distintas

2. ¿Cuándo y cómo aplicar un análisis de varianza?

El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K

poblaciones (K >2) son iguales, frente a la hipótesis alternativa de que por lo menos una
de las poblaciones difiere de las demás en cuanto a su valor esperado. Este contraste es
fundamental en el análisis de resultados experimentales, en los que interesa comparar los
resultados de K 'tratamientos' o 'factores' con respecto a la variable dependiente o de
interés.

3. Explique cada uno de los modelos de análisis de varianza. De ejemplos.

modelo I o de efectos fijos en el que la H1 supone que las k muestras son muestras
de k poblaciones distintas y fijas.

modelo II o de efectos aleatorios en el que se supone que las k muestras, se han

seleccionado aleatoriamente de un conjunto de m>k poblaciones.

Un ejemplo de modelo I de anova se asume que existen cinco poblaciones (sin

tratamiento, con poca sal, sin sal, etc.) fijas, de las que se han extraído las muestras.

Un ejemplo de modelo II sería: un investigador está interesado en determinar el

contenido, y sus variaciones, de grasas en las células hepáticas de cobayas; toma del
animalario 5 cobayas al azar y les realiza, a cada una, 3 biopsias hepáticas.

4.¿Es útil aplicar análisis de varianza a la problemática de estudio? - Explique por qué
Sí, es útil ya que nos sirve para comparar varios grupos y la problemática que está siendo
analizada cuenta con varios grupos de información.
 Bibliografía
Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva,
teoría de la probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones Pirámide.
(pp. 313-328).
Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico
de la calidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 72-90).
Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. (pp. 65-84).
Espejo, M. I., Fernández, P. F., & López, S. M. (2016). Inferencia estadística: teoría y
problemas (2a. ed.). Madrid, ESPAÑA: Servicio de Publicaciones de la Universidad de
Cádiz. (pp. 147-178).