FACULTAD DE CIENCIAS CONTABLES, ECONOMICAS Y

FINANCIERAS

ESCUELA PROFESIONAL DE CONTABILIDAD

TRABAJO DE INVESTIGACIÓN DE MODELOS

CUANTITATIVOS Y DE OPTIMIZACIÓN

“Análisis de Varianza”

Docente

Dr. Flores Diaz, Wilder Renán

Presentado por:

Huamani Rojas, Nicole

Ruiz Mejía, Andrea
Torres Polanco, Israel
Zapata Gaspar, Marx

Ciclo / Aula:

IV / B-608

LIMA - 2020
 A nuestros padres, y abuelos
que nos apoyan y nos guían en
este importante camino,
gracias a ellos y a nuestro esfuerzo
alcanzaremos nuestros objetivos.
 Pg.

Capítulo I

1.1 Descripción de la realidad problemática …………………………………..

1.2 Los problemas de la investigación………………………………………….

1.3 Objetivos de la investigación………………………………………………..

1.4 Viabilidad de la investigación ……………………………………………….

Capitulo II

2.1 Bases teóricas………………………………………………………………..

2.2 Antecedentes del trabajo de investigación………………………………..

2.3 Ejemplos y gráficos relacionados…………………………………………..

Conclusiones de la investigación

Fuentes de información

ÍNDICE

INTRODUCCIÓN
El objetivo principal del presente trabajo es el ser una guía para el estudiante que se
encuentra en la etapa universitaria, ya que, el método de Anova permite que se
contraste dos o varias medidas
En la elaboración de nuestro trabajo se presentaron una serie de dificultades
técnicas que muchas veces impidieron la comunicación de los integrantes por la
distancia, así mismo tuvimos que realizar una gran búsqueda de fuentes de
información que se acoplen correctamente a nuestro tema. Sin embargo, con la guía
de nuestro docente y con la consulta de otros documentos y fuentes, se pudo
superar este obstáculo para, finalmente, lograr la construcción de una monografía
ideal.

OBJETIVOS
1- El objetivo de este método estadístico nos sirve para comparar varios grupos en
una variable cuantitativa.
2- Nos ayuda a tener un mejor enfoque para la compresión, aplicación e
interpretación del factor ANOVA de una y dos variables.
3- Demostrar el uso del MINITAB para efectuar un análisis ANOVA.
MARCO TEÓRICO
 TRABAJO PRÁCTICO
ANOVA DE UN FACTOR
1. Un nutricionista dividió aleatoriamente a 15 ciclistas en 3 grupos de 5 unidades
cada uno. Los miembros del primer grupo recibieron suplementos vitamínicos, que
añadieron a sus comidas durante las tres semanas siguientes. A los del segundo
grupo se les indicó que, durante esas tres semanas tomaran un tipo especial de
cereal de grano entero rico en fibra. A los miembros del tercer grupo se le dijo que
comieran como hacían normalmente. Transcurrido el periodo indicado el nutricionista
hizo que cada ciclista recorriera una distancia de 6 millas. Se registraron los
siguientes tiempos.

GRUPOS TIEMPOS TOTALES PROM

Grupo de las 15.6 16.4 17.2 15.5 16.3 81 16.2

vitaminas
Grupo de cereal rico 17.1 16.3 15.8 16.4 16.0 81.6 16.32
en fibra
Grupo de control 15.9 17.2 16.4 15.4 16.8 81.7 16.34

244.3

¿Son estos datos consistentes con la hipotesis de que ni las vitaminas ni el cereal
rico en fibra afectan a la velocidad de los ciclistas? Use un nivel de significación del
5% (p.500)
Ross, S. (2007). Introducción a la estadística. Madrid: Editorial Reverté S.A
n=5
N=15
K= N de grupos= 3
X= datos
α= 5% = 0.05
2
S2= CMET= n x
 16.2+16.32+16.34
ux= = 16.29
3

(16.2−16.29)2+(16.32−16.29)2 +(16.34−16.29)2
Sx2 =
√ 3−1

¿ 0.0081+0.0009+ 0.0025
Sx2 =¿
√ 2
= 0.076

CMET= 5(0.076)2=0.029
S (15.6−16.29)2+(16.4−16.29)2+(17.2−16.29)2 +(15.5−16.29)2+(16.3−16.29)2
1=
5−1

s1=¿0.49 ¿

S (17.1−16.29)2+(16.3−16.29)2 +(15.8−16.29)2+(16.4−16.29)2+(16.0−16.29)2
2=
5−1

S2=¿¿ 0.25
S (15.9−16.29)2+(17.2−16.29)2 +(16.4−16.29)2 +(15.4−16.29)2+(16.8−16.29)2
3=
5−1

S3=¿¿ 0.51

( 5−1 ) ( 0.49 ) + ( 5−1 ) ( 0.25 ) +(5−1)(0.51)

15−3
CME= 0.25
CMET 0.029
= =0.116
CME 0.25

F crítico
(gl; gl2; x)
K-1;N-K; 5%
3-1; 15-3: 5%
2; 12; 0.05
TABLAS: 3.89
 ANOVA DE DOS FACTORES

1) Se tienen cuatro razas de gatos. Se toman tres muestras elegidas al azar de

forma que en cada una de ellas hay un gato de cada raza. Se dispone de tres
tipos de vitaminas distintas y se administra una de ellas solamente a cada
muestra. Se elige como variable de respuesta el peso ganado por cada uno de
los gatos, información que se recoge en la tabla.

Razas Tratamientos
 Vitamina A Vitamina B Vitamina C
1 80 70 82
2 60 32 35
3 90 82 85
4 95 89 78

Con una significancia del 5%, se quiere saber:

a) Si la ganancia media de pesos es equivalente para las tres vitaminas
b) Si el peso medio ganado es significativamente distinto de una raza a
otra

SOLUCIÓN:

A. Se supone que se cumplen las hipótesis de normalidad, homocedasticidad y

elección al azar de las muestras. Se aplica el modelo ANOVA con dos factores
de variación sin interacción (cuando el efecto de un factor sobre el peso
depende de cuál sea el nivel de otro factor):

Factor A: Razas
Factor B: Vitaminas
 EL CONTRASTE DE HIPÓTESIS:
H 0: Las tres vitaminas proporcionan una ganancia en peso medio equivalente.
H 1: Las ganancias en peso medio proporcionadas por las distintas vitaminas
no son iguales
La descomposición de la varianza total sin interacción:

 SCT=SCF A + SCF B + SCR

Tratamientos
Razas
Vitamina A Vitamina B Vitamina C Total
1 80 70 82 Y 1 • =232
2 60 32 35 Y 2 • =127
3 90 82 85 Y 3 • =257
4 95 89 78 Y 4 • =262
TOTAL Y 1 • =325 Y 2 • =273 Y 3 • =280 Y •• =878
 n=1, G=4, J=3, N=G.J=12

4 3
878 2
∑ ∑ Y 2gj=68952− 12
=68952−64240,333=4711,667
g=1 j=1

SCT =
G 4
2
Y ∑Y i• 2 ∑ Y 2i• Y 2• • 2322 1272 257 2 2622 878 2
SCF A =
n.J N
g=1
− = g =1
3
••
− =
12 [ 3
+
3
+
3
+
3
−
12 ]
SCF A =3975

J 3

∑ Y 2• jY 2 ∑ Y 2• j Y 2 3252 2732 2802 8782

SCF B = j=1
n.G
− •• = j=1
N 4
− •• =
12 4
+
4
+
4
−
12 [ ]
SCF B =64638,5−64240,333=398,167

 SCT=SCF A + SCF B + SCR

SCR=SCT−SCF A −SCF B =4711,667−3975−398,167=338,5

Fuente de Suma de
Grado de Libertad Media cuadrática Estadístico
variación cuadrados

SCF A MCF A
Inter grupos SCF A =3975 G−1=3 MCF A= =1325F A= =23,486
G−1 MCR

SCF B MCF B
Inter sujetos SCF B =398,167 J−1=2 MCF B= F B=
=199,083 =3,529
J −1 MCR

SCR
Error SCR=338,5 ( G−1 ) ( J −1 ) =6 MCR= =56,417
( G−1 )( J −1 )
SCT
Total SCT =4711,667 N−1=11 MCT = =30,773
N −1
  El estadístico observado F B=3,529 contrasta si las vitaminas proporcionan o no
ganancia de peso medio en los gatos. El estadístico teórico
F 0.005; ( J−1) ;(G−1)(J −1)=F 0.05; 2;6 =5,1433

 Siendo F B=3,529< 5,1433=F 0,05; 2; 6 → Se acepta la hipótesis nula de que no hay

diferencia de ganancia de pesos debido a las vitaminas.

 Para contrastar si el peso medio ganado es significativamente distintos por

razas, se establece el contraste:
H 0: El peso medio ganado es independiente de las razas H 1 : El peso
medio ganado depende de las razas
 El estadístico observado F A=23,486 contrasta si las proporcionan o no ganancia
de peso medio en los gatos. El estadístico teórico
F 0.005; ( G−1) ;(G −1)(J −1) =F0.05 ;3 ;6 =4,7571

 Como F A=23,486< 4,7571=F 0,05 ;3 ;6 → Se rechaza la hipótesis nula de que no

hay diferencia de ganancia de pesos debido a las razas, concluyendo que el
peso medio ganado depende de la raza de los gatos.

 De la fuente, S. (2016). Análisis de varianza. Departamento de Economía de

Aplicada y empresarial de la Universidad Autónoma de Madrid: España.
Recuperado de: http://www.estadistica.net/ECONOMETRIA/ANALISIS-
VARIANZA/analisis-varianza.pdf

2) Se usaron tres clases de gasolina en cuatro marcas de automóviles. ¿Indican los

valores de la tabla (kilómetros recorridos por litro) una diferencia significativa
entre las clases de gasolina?. ¿Y entre las marcas de automóviles?.
Significancia del 5%.

Automóviles
Gasolina
A1 A2 A3 A4
G1 6,290 6,460 6,418 6,205
G2 6,503 6,290 7,225 6,843
 G3 7,310 7,183 7,438 7,055

SOLUCIÓN:
A. Se supone que se cumplen las hipótesis de normalidad, homocedasticidad y
elección al azar de las muestras. Se aplica el modelo ANOVA con dos factores
de variación sin interacción (cuando el efecto de un factor sobre el peso
depende de cuál sea el nivel de otro factor):

Factor A: Tipos de gasolina

Factor B: Marcas de automóviles
 Para analizar si existe diferencia significativa entre los clases de gasolina, se
establece el contraste de hipótesis:
H 0: No hay diferencia significativa entre los efectos medios de las distintas
gasolinas H 1: Si hay diferencia significativa entre los efectos medios de las
distintas gasolinas
 Para analizar si existe diferencia significativa entre los efectos medios
producidos por las distintas marcas de automóviles, se establece el contraste:

H ¿0: No hay diferencia significativa entre los efectos medios de las distintas
¿
gasolinas H 1: Si hay diferencia significativa entre los efectos medios de las
distintas gasolinas
 La descomposición de la varianza total sin interacción:
 SCT=SCF A + SCF B + SCR

Gasolin Automóviles
a A1 A2 A3 A4 Total
G1 6,290 6,460 6,418 6,205 Y 1 • =25,373
G2 6,503 6,290 7,225 6,843 Y 2 • =26,861
G3 7,310 7,183 7,438 7,055 Y 3 • =28,986
TOTAL Y 1 • =20,103 Y 2 • =19,933 Y 3 • =21,081 Y 4 • =20,103 Y •• =81,22

n=1, G=3, J=4, N=G.J=1

4 3
2 Y 2•• 81,222
SCT=∑ ∑ Y gj − =551,997− =551,997−549,724=2,273
g=1 j=1 N 12
 G 3.

∑ Y 2i •
Y 2 ∑ Y 2i• Y 2• • 25,3732 26,8612 28,9862 8782
SCF A =
n.J
g=1
− = g =1
N 4
••
− =
12 [ 4
+
4
+
4
−
12 ]
SCF A =1,649
J 4

∑ Y 2• jY 2 ∑ Y 2• j Y 2 20,1032 19,9332 21,0812 20,1032 8782

SCF B = j=1
n.G
− •• = j=1
N 3
− •• =
12 3
+
3
+[ 3
+
3
−
12 ]
SCF B =549,998−549,724=0,274

Fuente de Suma de
Grado de Libertad Media cuadrática Estadístico
variación cuadrados

SCF A MCF A
Intergrupos SCF A =1,649 G−1=2 MCF A= F A=
=0,824 =14,108
G−1 MCR

SCF B MCF B
Intersujetos SCF B =0,274 J−1=3 MCF B= F B=
=0,091 =1,563
J −1 MCR

SCR
Error SCR=0,351 ( G−1 ) ( J −1 ) =6 MCR= =0,058
( G−1 )( J −1 )
SCT
Total SCT =2,273 N−1=11 MCT = =0,207
N −1

 ¿Existe diferencia significativa entre las clases de gasolina?

MCF A
Estadístico observado o empírico: F A= =14,108
MCR
Estadístico teórico: F α ; ( G−1) ;(G −1)(J −1 )=F 0.05;2 ;6 =5,1433
Siendo F A=14,108<5,1433=F 0,05;2 ;6 se rechaza la hipótesis nula. En
consecuencia, si hay diferencia significativa entre los efectos medios de las
distintas gasolinas.
 ¿Existe diferencia significativa entre los efectos medios producidos por las
distintas marcas de automóviles?

MCF B
Estadístico observado o empírico: F A= =1,563
MCR
Estadístico teórico: F α ; ( J−1 );(G−1)(J −1)=F 0.05 ;3; 6=4,7571
 Como F B=1,563< 4,7571=F 0,05 ;3 ;6 se acepta la hipótesis nula. Por tanto, no hay
diferencia significativa entre las marcas de automóviles.
 De la fuente, S. (2016). Análisis de varianza. Departamento de Economía de
Aplicada y empresarial de la Universidad Autónoma de Madrid: España.
Recuperado de: http://www.estadistica.net/ECONOMETRIA/ANALISIS-
VARIANZA/analisis-varianza.pdf

3) Analizar el efecto de las variables Edad y Fumar sobre la Ansiedad social, con
un nivel de significación del 5%.

Fumar
Edad Si No
3,91 4,83
5,01 3,95
15-25 4,44 4,04
3,33 3,66
4,71 9,42
5,65 9,66
6,49 7,68
25-35 5,47 9,57
5,72 7,93
5,44 7,39
4,94 5,92
7,13 5,45
35-45 5,54 5,19
5,92 6,12
6,16 4,45

SOLUCIÓN:
 En cada caso, las hipótesis a contrastar son las siguientes:
 Efecto A: Categoría edad
H 0 : La media de edad en cada categoria es la misma
o
{ H 1 : Las medias no son iguales

 Efecto B: Fumar

H 0 : La media no difiere entre fumadores y no fumadores

{ H 1 : Las medias no son iguales

Bajo los supuestos de Independencia, Normalidad y Homocedasticidad, se

calculan los estadísticos del contraste:

Y 33 =28,77
=29,69
31=27,13
21 Fumar
Y 22=42,23
ÝY33 12Edad
=5,754
=5,938
311=5
21 =21 ,40
,426
=25,90 Si No TOTAL
Ý 22=8,446
Ý 1 21=5,18
=4,28 3,91 4,83
5,01 3,95
Y 1 • =47,30
15-25 4,44 4,04
Ý 1 • =4,73
3,33 3,66
4,71 9,42
5,65 9,66
6,49 7,68
Y 2 • =47,30
25-35 5,47 9,57
Ý 2 • =4,73
5,72 7,93
5,44 7,39
4,94 5,92
7,13 5,45
Y 3 • =47,30
35-45 5,54 5,19
Ý 3 • =4,73
5,92 6,12
6,16 4,45
Y •1 =79,86 Y •2 =95,26 Y •• =175,12
TOTAL
Ý •1 =5,324 Ý •2 =6,351 Ý •• =5,8373
 5 3 2
G=3, J=2, n=5, ∑ ∑ ∑ Y 2igj =1106,281
i=1 g=1 j=1

5 3 2
2 Y 2• • 175,122
SCT=∑ ∑ ∑ Y ijg − =1106,28−¿ =84,047 ¿
i=1 g=1 j=1 N 30
G 3.

Y 2∑ Y 2i •
∑ Y 2i• Y 2 47,30 2 712 56,822 175,122
SCF A = g=1 − •• = g =1
n.J N 5,2
− ••=
30 5,2
+
5,2
+
5,2
−
30 [ ]
SCF A =28,446.

J 2
2
∑Y Y •j 2 ∑ Y 2• j
Y 2•• 79,862 95,262 175,122
SCF B = j=1
n.G
− =
N
j=1
5,3
− =
30 15
••
+
15
−
30
=7,905 [ ]
G J 3 2
2
n G J ∑∑Y gj 5 3 2 ∑ ∑ Y 2gj
SCR=∑ ∑ ∑ Y 2ijg− g =1 j=1 2
− g=1 j=1
=¿ ∑ ∑ ∑ Y ijg ¿
i=1 g =1 j=1 n i=1 g=1 j=1 n

21,40 2 25,902 28,772 42,232 29,692 27,132

SCR=1106,281− [ 5
+
5
+
5
+
5
+
5
+
5 ]
SCR= 34,803
SCT=SCF A + SCF B + SCF AB +SCR → SCF AB =SCT −SCF A + SCF B −SCR
SCF AB=SCT −SCF A −SCF B−SCR=84,04−28,44−7,90−34,80=12,892
O bien,
G J G J 3 2 3 2

∑ ∑ Y 2gj ∑ Y 2g • ∑ Y 2• j Y 2 ∑ ∑ Y 2gj ∑ Y 2g • ∑ Y 2• j Y 2••

g=1 j=1 g=1 j=1
+ = g=1 j=1 •• g =1 j=1
SCF AB= = − − − +
n n.J n .G N 5 5,2 5,3 30
SCF AB=1071,478−1050,68−1030,139+1022,234=12,892.
 Donde:

3 2

∑ ∑ Y 2gj 21 , 402 +25,902 +28,772 + 42,232+ 29,692+ 27,132

g=1 j=1
= =1071,478
n 5
3

∑ Y 2g• 47,302 +712+ 56,822

g=1
= =1050,680
10 10
 2

∑ Y 2• j 79,862 +95,26 2 Y 2
175,122
j =1
= =1030,139 •• = =1022,234
15 15 30 30

Fuente de Suma de
Grado de Libertad Media cuadrática Estadístico
variación cuadrados

SCF A MCF A
Factor A SCF A =28,44 G−1=2 MCF A= F A=
=14,22 =9,80
G−1 MCR

SCF B MCF B
Factor B SCF B =7,90 J−1=1 MCF B= =7,90F B= =5,44
J −1 MCR

SCF AB MCF AB
Interacción SCF AB=12,89 ( G−1 ) ( J −1 ) =2 MCF AB= F =6,44
AB= =4,44
( G−1 ) ( J −1 ) MCR
SCR
Residual SCR=34,80 N−GJ =24 MCR= =1,45
N −GJ

SCT
Total SCT=84,04 N−1=29 MCT = =2,89
N −1

El efecto de cada factor (edad, fumar) es:

2 SCF A 28,44
ηA= = =0,45
SCF A + SCR 28,44+ 34,80
SCF B 7,90
η2B= = =0,185
SCF B + SCR 7,90+34,80

2 SCF AB 12,89
η AB = = =0,270
SCF AB + SCR 12,89+34,80

 De la fuente, S. (2016). Análisis de varianza. Departamento de Economía de

Aplicada y empresarial de la Universidad Autónoma de Madrid: España.
Recuperado de: http://www.estadistica.net/ECONOMETRIA/ANALISIS-
VARIANZA/analisis-varianza.pdf
4)  Tres familias evaluaron los diseños elaborados por cuatro arquitectos de casas,
según el siguiente reporte. 
 
     
  ARQUITECTOS
Total   
FAMILIAS  1  2  3  4   
           
A  40  60  81  98  279
           
B  52 70 84 95 301
           
C  85  76  45  98 304 
          GRAN TOTAL 
177 206  210  291  T = 884 
Total    
 
Determine los valores de F e interprete los resultados con una significancia del 5%. 
a. Con tabla de ANOVA 2 factores 
1) DETERMINAR VALORES:

4 3
28842
SCT = ∑ ∑ Y =69,680−gj =69,680−781,456=59.31
g=1 j=1 12

G 4
2
∑Y Y 2
i• ∑ Y 2i• Y 2 1772 206 2 2102 2912 8842
SCF A = g=1 − •• = g =1
n.J N 3
− ••=
12 3
+
3 [ +
3
+
3
−
12 ]
 SCF A =60.67

J 3

∑ Y 2• jY 2 ∑ Y 2• j Y 2 2792 3012 3042 884 2

SCF B = j=1
n.G
− •• = j=1
N 4
− •• =
12 4
+
4
+
4[ −
12 ]
SCF B =65.21−781,456=65.12

 SCT=SCF A + SCF B + SCR

SCR=SCT −SCF A −SCF B =59.31−60.67−65.12=66.48

2) REMPLAZAR EN CUADRO:

Fuente de Suma de
Grado de Libertad Media cuadrática Estadístico
variación cuadrados

SCF A MCF A
Inter grupos SCF A =60,61 G−1=3 MCF A= F A=
=20,22 =1.82
G−1 MCR

SCF B MCF B
Inter sujetos SCF B =65,12 J−1=2 MCF B= F B=
=32.56 =2.94
J −1 MCR

SCR
Error SCR=66,48 ( G−1 ) ( J −1 ) =6 MCR= =11.08
( G−1 )( J −1 )

SCT
Total SCT =59,31 N−1=11 MCT = =5.39
N −1

 El estadístico observado F B=2,94. Según el estadístico teórico

F 0.005; ( J−1) ;(G−1)(J −1)=F 0.05; 2;6 =5,143

 Siendo F B=2,94<5,143=F 0,05 ;2 ;6 → Se acepta la hipótesis nula de que no hay

diferencia de arquitectos.
  El estadístico observado F A=1,82. Según el estadístico teórico
F 0.005; ( G−1) ;(G −1)(J −1) =F0.05 ;3 ;6 =4,757

 Como F A=1,82< 4,757=F 0,05 ;3 ;6 → Se acepta la hipótesis nula de que no hay

diferencia de arquitectos.
 (Elaboración Propia, 2020)

5) Tres profesores evaluaron los cursos elaborados por tres universidades, según el
siguiente reporte. 
 
     
  UNIVERSIDADES
Total   
PROFESORES 1  2  3   
           
A1  165  150  100  415
           
B1  175 150 200 525
           
C1 190 185  260  635
          GRAN TOTAL 
530 485  560   T = 1575 
Total    
 
Determine los valores de F e interprete los resultados con una significancia del 5%. 
b. Con tabla de ANOVA 2 factores 
1)DETERMINAR VALORES:
4 3
2 8842
SCT = ∑ ∑ Y gj =290,775− =290,775−2,480.625=243,32
g=1 j=1 12
G 4

∑ Y 2i •
Y 2 ∑ Y 2i• Y 2 5382 4852 5602 1575 2
SCF A = g=1 − •• = g =1
n.J N 3
− ••=
9 3
+
3
+
3
− [9 ]
 SCF A =244,578
J 3

∑ Y 2• j
Y 2 ∑ Y 2• j Y 2 2792 3012 3042 15752
SCF B = j=1
n.G
− •• = j=1
N 3
− •• =
9 3
+
3
+
3 [−
9 ]
SCF B =272.47
 SCT=SCF A + SCF B + SCR

SCR=SCT −SCF A −SCF B =243,32−244,578−272.47=220.52

2)REMPLAZAR EN CUADRO:

Fuente de Suma de
Grado de Libertad Media cuadrática Estadístico
variación cuadrados

SCF A MCF A
Inter grupos SCF A =244,578 G−1=2 MCF A= F A=
=122,289 =2.22
G−1 MCR

SCF B MCF B
Inter sujetos SCF B =272.47 J−1=2 MCF B= F B=
=136.235 =2.47
J −1 MCR

SCR
Error SCR=220.52 ( G−1 ) ( J −1 ) =4 MCR= =55.13
( G−1 )( J −1 )

SCT
Total SCT=243,32 N−1=8 MCT = =3,041.5
N −1

 El estadístico observado F B=2,47. Según el estadístico teórico

F 0.005; ( J−1) ;(G−1)(J −1)=F 0.05; 2;6 =6,944

 Siendo F B=2,47<6,944=F0,05 ;2 ;6 → Se acepta la hipótesis nula de que no hay

diferencia.
  El estadístico observado F A=2,22. Según el estadístico teórico
F 0.005; ( G−1) ;(G −1)(J −1) =F0.05 ;3 ;6 =6,944

 Como F A=2,22<6,944=F 0,05 ;3 ;6 → Se acepta la hipótesis nula de que no hay

diferencia.
 (Elaboración Propia, 2020)

6)Tres gerentes de producción evaluaron los diseños elaborados por cuatro

diseñadores de casas, según el siguiente reporte. 

 
     
    DISEÑADORES
Total   
-
EVALUADORES 1  2  3  4   
           
A  87  79  83  92  341
           
B  83 73 85 89 330
           
C  91  85  90  92 358 
          GRAN TOTAL 
261 237  258  273  T = 1029 
Total    
Determine los valores de F e interprete los resultados con una significancia del 5%. 
- Con tabla de ANOVA 2 factores 

1)DETERMINAR VALORES:

4 3
2 10292
SCT = ∑ ∑ Y gj =88,597− =80,85
g=1 j=1 12
G 4

Y∑ Y 2i •
2 ∑ Y 2i• Y 2 2612 2372 258 2 2732 10292
SCF A = g=1 − •• = g =1
n.J N 3
− ••=
12 3
+
3
+
3
+
3 [
−
12 ]
SCF A =970,380
 J 3

∑ Y 2• j
Y 2 ∑ Y 2• j Y 2•• 2792 3012 3042 10292
SCF B =j=1
n.G
− = j=1
N 4
••
− =
12 [
4
+
4
+
4
−
12 ]
SCF B =82.80
 SCT=SCF A + SCF B + SCR

SCR=SCT−SCF A −SCF B =962.38

2)REMPLAZAR EN CUADRO:

Fuente de Suma de
Grado de Libertad Media cuadrática Estadístico
variación cuadrados

SCF A MCF A
Intergrupos SCF A =970,380 G−1=3 MCF A= F A=
=323,460 =2.02
G−1 MCR

SCF B MCF B
Intersujetos SCF B =82.80 J−1=2 MCF B= =41.4F B= =0.26
J −1 MCR

SCR
Error SCR=962.38 ( G−1 ) ( J −1 ) =6 MCR= =160.40
( G−1 )( J −1 )

SCT
Total SCT =80,85 N−1=11 MCT = =735
N −1

 El estadístico observado F B=0.26. Según el estadístico teórico

F 0.005; ( J−1) ;(G−1)(J −1)=F 0.05; 2;6 =5,143
  Siendo F B=0.26<5,143=F 0,05 ;2 ;6 → Se acepta la hipótesis nula de que no hay
diferencia.

 El estadístico observado F A=2,02. Según el estadístico teórico

F 0.005; ( G−1) ;(G −1)(J −1) =F0.05 ;3 ;6 =4,757

 Como F A=2,02< 4,757=F 0,05 ;3 ;6 → Se acepta la hipótesis nula de que no hay

diferencia.
 (Elaboración Propia, 2020)

RECOMENDACIONES
 Se recomienda el uso del análisis de varianza puesto que es una manera más
práctica de poder comparar dos o más variables, para así no usar de manera
errónea la t de student.
 Como grupo mayormente recomendamos el nuevo uso de tecnologías que se
basan más en programas como el minitab o el spss, que permiten agilizar
mejor el estudio del análisis de varianza, debido a que te muestran los
resultados de manera rápida y exacta.
 Las muestras deben ser de tipo aleatorio independiente y deben ser
obtenidas de poblaciones normales, como también deben tener varianzas
iguales.

CONCLUSIONES

 Gracias a este trabajo hemos podido conocer sobre el uso del análisis de
varianza, de un factor, así como también de dos factores, a profundidad con
ayuda del profesor y a las distintas fuentes que se utilizaron en este trabajo de
investigación. Para así complementar nuestros conocimientos y sea más
 practico poder usarlo cuando sea requerido en nuestra vida universitaria y
profesional.
 El método de ANOVA permite decidir los distintos niveles de factores que se
establecen en las diferentes poblaciones o analizar, el comportamiento de ésta
misma para todos los niveles en función de las poblaciones estudiadas.
 El análisis de la varianza permite determinar si existe o no diferencias
estadísticas significativas entre medias cuando se tiene más de dos muestras o
más de dos grupos en el mismo planteamiento.