EIclase04 PDF

ESTADISTICA
INDUSTRIAL
SESION 04
WILLIAM JAIME LEON VELASQUEZ

ANALISIS DE
LAS
VARIANZAS
CONTENIDO
ANOVA de un factor
ANOVA de dos factores
3
1
4
SUPOSICIONES EN EL ANÁLISIS DE LA
VARIANZA (ANOVA) LV
Para emplear ANOVA se supone lo

siguiente:
Las poblaciones siguen la distribución
normal.
Las poblaciones tienen desviaciones
estándar iguales (σ).
Las poblaciones son independientes.
5
Ing. William león Velásquez
ANÁLISIS DE LA VARIANZA LV
(ANOVA)
• ANOVA permite comparar las medias de

tratamientos de forma simultánea y evitar la
acumulación del error tipo I.
• ANOVA se desarrolló para aplicaciones en

agricultura, y aún se emplean muchos de los
términos relacionados con ese contexto.
• El término tratamiento se identifican las

poblaciones diferentes que se examinan.
6
EJEMPLO DIDACTICO
LV
El gerente de una empresa financiera, desea comparar la

productividad, medida por el número de clientes atendidos en tres de
sus empleados.
Selecciona cuatro días en forma aleatoria y se registra el número de
clientes atendidos por cada empleado.
Los resultados son:
Walter Willy Kike
55 66 47
54 76 51
59 67 46
56 71 48
¿Habrá alguna diferencia en el número de clientes atendidos?

7
EJEMPLO DIDACTICO
LV
En las siguiente gráficas se ilustra cómo pueden aparecer las poblaciones si

hubiera una diferencia en las medias del tratamiento.
Walter
• Las poblaciones en la gráfica de la izquierda siguen la
Kike
distribución normal y la variación en cada población es la
Willy
misma. Sin embargo, las medias no son iguales.
Servicio al cliente
Walter
Suponer que las poblaciones son iguales es
decir que no hay diferencia en las medias Kike
(tratamiento). Esto se muestra en la gráfica de la

Willy
derecha. Las poblaciones siguen la distribución
normal y la variación en cada población es la
misma.
Ing. William león Velásquez Servicio al cliente
8
La prueba ANOVA LV
• Si se desea determinar si varias medias muestrales

provienen de una sola población o de poblaciones con
medias diferentes, lo que se hace en realidad, es que estas
medias muestrales se comparan mediante sus varianzas.
• Una de las suposiciones para aplicar la prueba ANOVA es

que la desviación estándar de las diversas poblaciones
normales tienen que ser las mismas. Se aprovecha este
requisito en la prueba ANOVA.
9
La prueba ANOVA LV
• La estrategia es estimar la varianza de la población de dos formas y

después determinar la razón de dichos estimados.
• Si esta razón es aproximadamente 1, entonces por lógica los dos
estimados son iguales, y se concluye que las medias poblaciones son
iguales.
• La distribución F sirve como un árbitro al

indicar en que instancia la razón de las
varianzas muestrales es mucho mayor
que 1 para haber ocurrido por
casualidad.
10
La prueba ANOVA LV
• Se definirá algunos conceptos que nos ayudaran a entender mejor en

problemas posteriores, a través del ejemplo planteado.
VARIACIÓN TOTAL (SS) Suma de las diferencias

elevadas al cuadrado entre cada observación y la
media global
11
EJEMPLO DIDACTICO
LV
La variación total del ejemplo:
• Se calcula la media global de las 12 observaciones:

𝑋ത𝐺 =(55+54+59+56+66+76+67+71+47+51+46+48)/12 = 58
X G  58
12
EJEMPLO DIDACTICO
LV
• Después, para cada una de las 12 observaciones se encuentra

la diferencia entre el valor particular y la media global. Cada una
de estas diferencias se eleva al cuadrado y estos cuadrados se
suman, este resultado es la variación total,
SS= (55-58)2+(54-58)2+(59-58)2+(56-58)2+
(66-58)2+(76-58)2+(67-58)2+(71-58)2+
(47-58)2+(51-58)2+(46-58)2+(48-58)2=
SS= 1082.
13
EJEMPLO DIDACTICO
LV
Luego se divide esta variación total en dos componentes:

• la que se debe a los tratamientos y
• la que es aleatoria.
SS: Suma de cuadrados

SS = SST + SSE SST: Suma de cuadrados de los tratamientos
SSE: Suma de cuadrados del error
 Para encontrar estas dos componentes, se determina la media de

cada tratamiento.
 La primera fuente de variación se debe a los tratamientos.
14
La prueba ANOVA LV
• La primera fuente de variación:
VARIACIÓN DEL TRATAMIENTO (SST) Suma de las

diferencias elevadas al cuadrado entre la media de cada
tratamiento y la media global
15
La prueba ANOVA LV
En el ejemplo:
• La variación debida a los tratamientos es la suma de las diferencias al
cuadrado entre la media de cada empleado y la media global.
• Para calcularlo, primero se encuentra la media de cada uno de los
tres tratamientos.
La media de Walter es 56, determinada por: (55 + 54 + 59 + 56)/4.

La media de Willy es son 70 determinada por:(66 + 76 + 67 + 71)/4.
La media de Kike es 48 determinada por: (47 + 51 + 46 + 48)/4.
EJEMPLO DIDACTICO
Ing. William león Velásquez 16
EJEMPLO DIDACTICO
LV
La suma de los cuadrados debida a los tratamientos es:
SST=(56 – 58)2 +(56 – 58)2 + … ..+ (48 – 58)2 + (48 – 58)2 =

=4(56 – 58)2 + 4(70 – 58)2 + 4(48 – 58)2 = 992
SST = 992
 Si existe una variación considerable entre las medias de los

tratamientos, es lógico que este término sea grande.
 El valor más bajo posible es cero. Esto ocurrirá cuando todas las
medias de los tratamientos sean iguales. 17
La prueba ANOVA LV
• La otra fuente de variación se le conoce como componente

aleatorio o componente de error.
VARIACIÓN ALEATORIA (SSE) Suma de las diferencias

elevadas al cuadrado entre cada observación y su media
de tratamiento.
18
EJEMPLO DIDACTICO
LV
Las medias de cada empleado:
Walter es 56
Willy es 70
Kike es 48
En el ejemplo:
• Este término es la suma de las diferencias al cuadrado entre cada valor y la media
para ese empleado en particular.
SSE=(55 – 56)2 +(54 – 56)2 + ……… + (46 – 48)2+ (48 – 48)2 = 90
• La variación de error es de 90.
SSE = 90
19
EJEMPLO DIDACTICO
LV
En resumen:
 La suma de la diferencia entre el valor particular y la media global
elevado al cuadrado es la variación total, y es igual 1082.
 La suma de los cuadrados debida a los tratamientos es 992
 La variación de error es de 90.
Por lo tanto:
SS = SST + SSE
1082 = 992 + 90
+
=
20
La prueba ANOVA LV
El estadístico de prueba, es la razón de los dos estimados de la varianza

poblacional, se determina a partir de la siguiente ecuación:
Estimado de la varianza poblacional basado en

F = las diferencias entre las medias muestrales
Estimado de la varianza poblacional basado en
la variación dentro de la muestra
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑇
𝐹=
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎𝐸𝑟𝑟𝑜𝑟
21
La prueba ANOVA LV
𝐹=
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎𝐸𝑟𝑟𝑜𝑟
𝑆𝐶𝑇 Diferencia entre grupos
𝐹= 𝑚 − 1 m-1
𝑆𝐶𝐸 Diferencias dentro de
𝑛−𝑚 cada grupos
n -m
22
EJEMPLO DIDACTICO
LV
El primer estimado de la varianza poblacional entre los

tratamientos, es decir, de la diferencia entre las medias.
Éste es 992/2.
¿Por qué se divide entre 2?
Recuerde que para encontrar una varianza muestral , se
divide entre el número de observaciones menos uno (n-1).
En este caso hay 3 tratamientos por lo que se divide entre 2.
El primer estimado poblacional es 992/2.
Entre grupos
23
EJEMPLO DIDACTICO
LV
El estimado de la varianza dentro de los

tratamientos es la variación aleatoria
dividida entre el número total de
observaciones menos el número de
tratamientos.
Es decir 90 / (12-3).
De aquí, el segundo estimado de la
varianza poblacional es 90/9.
Dentro de cada
grupos
24
EJEMPLO DIDACTICO
LV
Por tanto
𝑆𝐶𝑇
𝐹= 𝑚 − 1 Entre grupos
𝐹= 𝑆𝐶𝐸
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎𝐸𝑟𝑟𝑜𝑟 Dentro de cada
𝑛−𝑚 grupos
25
EJEMPLO DIDACTICO
LV
Como esta razón es muy distinta a 1, se concluye que las medias de

los tratamientos no son iguales.
Por lo tanto hay una diferencia en el número medio de clientes

atendidos por los tres empleados.
Al igual que en la prueba de hipótesis de dos muestras y una

muestra se sigue la regla de los cinco pasos.
26
Comparación de varias medias LV
Análisis de Varianza (ANOVA)
Es la relación entre una variable

cualitativa (con más de 2 categorías) y
una variable cuantitativa
27
LV
El problema
• Se tiene varias medias muestrales y se desea saber si
realmente son evidencia de una diferencia entre los
diferentes grupos.
• Existe una variable cuanlitativa X que podría explicar
los cambios en una variable cuantitativa Y
28
LV
Esquema ANOVA
Variable Variable dependiente
Independiente o
Explicativa o Respuesta
CUALITATIVA CUANTITATIVA
X  Y
FACTOR que incluye Medición que puede

varios posibles RESPONDER a los
tratamientos que varios posibles
pueden influir en la tratamientos del
respuesta factor estudiado 29
LV
La Hipótesis
Ho: μ1 = μ2 = μ3
Ho: Las medias de Y en los diferentes grupos
son iguales
Ho: No hay relación entre X e Y
Ha: No todas las medias poblacionales son

iguales
Ha: Por lo menos una media de Y es diferente
en los grupos definidos por la variable X
Ha: Si hay relación entre X e Y
30
LV
Ilustración mediante un ejemplo
Se ha calculado la producción promedio de tres líneas de producción

de una empresa de productos electrónicos
Línea 1 Línea 2 Línea 3
Producción 11.1 15.9 22.7
promedio
(unidades)
Desviación 5.6 6.2 5.9
estándar
(unidades)
Base n 244 206 139
La muestra seleccionada permite ver que hay diferencias,
pero esta diferencia representa sólo en la muestra 31
Si se asume que Ho es cierta LV
(No hay relación)
Línea 1 Línea 2 Línea 3 Media

general
Producción 15.5 15.5 15.5 15.5
promedio
Base (n) 244 206 139 589
En la población las medias deberían ser iguales (Este es

el supuesto de Ho)
32
LV
Modelo de ANOVA de un factor
Media general
Y= Efecto del tratamiento en el

factor analizado
Error aleatorio
33
En el ejemplo LV
 El efecto sobre la cantidad producida de cada tratamiento
(línea de producción) en la muestra no tiene que ser el
mismo.
X: Es el factor analizado
Variable cualitativa
Línea 1 Línea 2 `Línea 3
Variable Y: Producción
cuantitativa promedio 11.1 15.9 22.7
 La hipótesis nula dice que no hay diferencia en la

producción en los tratamientos.
 La hipótesis alternativa dice que por lo menos uno de
los tratamientos (línea de producción) tiene efecto
sobre la cantidad comprada
34
LV
Resultados de ANOVA
Efecto del factor Línea de Producción
Efecto del Error aleatorio

Como el valor de p es casi 0 se rechaza la Ho
Con lo cual se rechaza la hipótesis de igualdad de medias
Por lo tanto al menos una línea tiene una producción diferente
En otras palabras hay una relación en el factor línea y la producción. 35
LV
SUPUESTOS DE ANOVA
• La dispersión debe ser la misma en cada grupo o categoría
(igualdad de varianza)
• La distribución de las observaciones en cada grupo debe
ser normal
ANOVA es más sensible al primer supuesto que la segundo
En casos extremos hay que considerar alternativas no

paramétricas
36
Ejemplo 1 LV
• Una gran ciudad está dividida en cuatro distritos. El jefe de policía quiere
determinar si hay alguna diferencia en el número promedio de infracciones
cometidos en cada distrito.
• Se registró el número de infracciones reportados en cada distrito en una
muestra de seis días.
• Al nivel de significancia 0,05; puede el funcionario concluir que hay diferencia en
el número promedio de infracciones?
Distrito 1 Distrito 2 Distrito 3 Distrito 4
13 21 12 16
15 13 14 17
14 18 15 18
15 19 13 15
14 18 12 20
37
Ing. William león Velásquez 15 19 15 18
LV
Ejemplo 1
a) Formulación de las hipótesis
Ho: μ1 = μ2 = μ3 = μ4
H1: Al menos una de las μi es diferente
Al menos en unos de los distritos la cantidad promedio
de infracciones cometidos es diferente
b) Obtención del valor crítico:

Nivel de significancia=0.05
GL numerador: k-1 = 4-1=3
GL del denominador: n-k = 24-4 =20
Fcrítico= 3.098
Regla de decisión:
Se rechazará la Ho si F> 3.10
38
Ejemplo 1 LV
c) Cálculo del valor del estadístico de la prueba:
Distrito Distrito Distrito Distrito

01
x2
02
x2
03
x2
04
x2 total
13 169 21 441 12 144 16 256
15 225 13 169 14 196 17 289
14 196 18 324 15 225 18 324
15 225 19 361 13 169 15 225
14 196 18 324 12 144 20 400
15 225 19 361 15 225 18 324 ∑∑x
∑x (T) 86 108 81 104 379

n 6 6 6 6 ∑∑x2
∑ x2 1236 1980 1103 1818 6137
39
Ejemplo 1 LV
σσ𝑋 2 σ 𝑋𝑖 2 σσ𝑋 2
𝑆𝐶𝑇𝑜𝑡 = σ σ 𝑋2 - 𝑆𝐶𝑇 = σ - σ𝑛
σ𝑛 𝑛𝑖
2 (86)2 (108)2 (81)2 (104)2 (379)2

𝟑𝟕𝟗
𝑆𝐶𝑇𝑜𝑡 = 6137 - = 151.958 SCT=------ + ------ + ------ + -------- - --------
24 6 6 6 6 24
SCT= 1232.67 + 1944.00 + 1093.50 + 1802.67 - 5985.04 = 87.79
SCTotal= SST+ SSE
SSE=SCTotal – SST SSE=151.958 – 87.79 =64.188 40

Ejemplo 1 LV
Suma de Media
F. Variación G.L. F
Cuadrados Cuadrado
Tratamientos 87.770 3 29.256 9.118
Error 64.188 20 3.2094
Total 151.958 23
d) Criterio de decisión
Se rechaza la Ho debido a que el valor del Fcalculado es 9.118 y es mayor al valor
del Fcrítico de 3.10.
e) Conclusión:
Se puede afirmar con un nivel de significancia del 5%
Que al menos en unos de los distritos la cantidad promedio de infracciones
cometidos es diferente
Por lo tanto existe diferencia en el número promedio de infracciones cometidos 41
en cada distrito
Ejemplo 2 LV
• Una egresada de ingeniería industrial tiene ofertas de trabajo de cuatro
empresas. Para examinar un poco más las propuestas, solicitó a un grupo de
personas recién ingresadas a dichas empresas, que le indiquen cuántos meses
trabajaron cada una para su compañía, antes de recibir un aumento de sueldo.
• La información muestral fueron lo siguiente:
Empresa1 Empresa2 Empresa3 Empresa4

12 14 18 12
10 12 12 14
14 10 16 16
12 10
• Al nivel de significancia de 0,05; existe alguna diferencia entre las cuatro empresas,
en el promedio de meses antes de recibir un aumento de sueldo? 42
Ejemplo 2 LV

Ho:μ1 = μ2 = μ3 = μ4
Al menos en una de las empresas el promedio de meses
antes de recibir un aumento de sueldo es diferente
Fcritico= 3.708
Regla de decisión:
43
Se
Ing. William leónrechazará
Velásquez la Ho si F> 3.71
Ejemplo 2 LV
C) Obtención del F de los datos de la muestra
Empresa 01 X2 Empresa 02 X2 Empresa 03 X2 Empresa 04 X2 Total
44
Ejemplo 2 LV
2 σσ𝑋 2
𝑆𝐶𝑇𝑜𝑡 = σ σ 𝑋 - σ𝑛
σ 𝑋𝑖 2 σσ𝑋 2
𝑆𝐶𝑇 = σ - σ𝑛
𝑛𝑖
45
Ejemplo 2 LV
ANOVA
Factor de SC GL CM F
Variación
Tratamiento 32.33 3 10.777 2.360
Error 45.67 10 4.567
Total 78.00 13
Conclusión
• Como el valor Fcalculado (2.360) es menor al valor Fcrítico (3.71) no se rechaza la Ho,
• No se puede afirmar con un nivel de significancia del 5%, que al menos en una de las
empresas el promedio de meses antes de recibir un aumento de sueldo es diferente
• Es decir no existe diferencia entre las cuatro empresas, en el promedio de meses
antes de recibir un aumento de sueldo
• Por lo tanto debe elegir otro criterio para seleccionar a una de las empresas
46
Ejemplo 3 LV
 Los miembros de un equipo ciclista se dividen al azar

en tres grupos que entrenan con métodos diferentes.
 El primer grupo realiza largos recorridos a ritmo

pausado, el segundo grupo realiza series cortas de alta
intensidad y el tercero trabaja en el gimnasio con
pesas y se ejercita en el pedaleo de alta frecuencia.
 Después de un mes de entrenamiento se realiza un test

de rendimiento consistente en un recorrido
cronometrado de 9 Km.
47
Ejemplo 3 LV
Los tiempos empleados fueron los siguientes
Método I Método II Método III
15 14 13
16 13 12
14 15 11
15 16 14
17 14 11
A un nivel de confianza del 95% ¿Puede considerarse que los tres métodos
producen resultados equivalentes? O por el contrario ¿Hay algún método superior
a los demás?
48
Ejemplo 3 LV

Ho:μ1 = μ2 = μ3 = μ4
Al menos uno de los tres métodos producen en el test de
rendimientos resultados diferentes
Fcritico= 3.89
Regla de decisión:

Ejemplo 3 LV
c.- Se encuentra el Fcalculado

Primero se calcula los totales y los cuadrados de los totales divididos
por el numero de observaciones
50
Ejemplo 3 LV
σ 𝑋𝑖 2
σ σ 𝑋 2 =2984 ෍ = 2940
𝑛𝑖
A partir de estas cantidades básicas calculamos las Sumas de Cuadrados:
σ 𝑋𝑖 2 σσ𝑋 2
σσ𝑋 2 𝑆𝐶𝑇 = σ -
𝑆𝐶𝑇𝑜𝑡 = σ σ 𝑋2 - 𝑛𝑖 σ𝑛
σ𝑛
SC(entre) = 2966,8 – 2940 = 26,8
SC(total) = 2984 - 2940 = 44
SS = SST + SSE
SST = SS - SSE
SC(intra) = 2984 – 2966,8 = 17,2 51
Ejemplo 3 LV
Las varianzas serán:

𝐹= VT= Varianza(entre) = 26,8/2 = 13,4
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎𝐸𝑟𝑟𝑜𝑟 Verror= Varianza(intra) = 17,2/12 = 1,43
Por consiguiente el estadístico de contraste es:

𝑆𝐶𝑇
𝐹= 𝑚 − 1
F = 13,4/ 1,43 = 9,37
𝑆𝐶𝐸
𝑛−𝑚
52
Ejemplo 3 LV
d.- Conclusión:
• Como el Fcalculado (9.37) es mayor que es valor de la Fteórica (3,89)
se rechaza la Ho.
• Se puede afirmar con un nivel de significancia del 5% que al menos
uno de los tres métodos producen en el test de rendimientos resultados
diferentes
• Se concluye que los tres métodos de entrenamiento producen
diferencias significativas.
53
Ejemplo 4 LV
Un estudio muestra en la pantalla de cuatro
computadores una lista de palabras sin sentido con
procedimientos diferentes, asignados aleatoriamente a
un grupo de personas. Luego se les realiza una prueba
de memoria de dichas palabras, obteniéndose los
siguientes resultados:
COMP 1 COMP 2 COMP 3 COMP 4

¿Qué conclusiones pueden obtenerse acerca de las
5 9 8 1
cuatro formas de presentación de las palabras, con un
7 11 6 3
nivel de significación del 5%?
6 8 9 4
3 7 5 5
9 7 7 1
7 4 4
4 4
54
Ejemplo 4 LV
Ho:μ1 = μ2 = μ3 = μ4
Al menos en una de las cuatros formas de presentar las
palabras se obtiene resultados diferentes
Fcritico= 3.05
Regla de decisión:
Ejemplo 4 LV
c) Encontrar el Fcalculado
Calcular los totales y los cuadrados de los totales divididos por el número
de observaciones:
56
Ejemplo 4 LV
Luego calcular los cuadrados de las observaciones y su total
57
Ejemplo 4 LV
A partir de estas cantidades básicas calcular las Sumas

de Cuadrados:
2 σ𝑋 2
𝑆𝐶𝑇𝑜𝑡 = σ σ 𝑋 - SC(total) = 988 – 820 = 168
𝑛
σ 𝑋𝑖 2 σ𝑋 2 SC(entre) = 902 – 820 = 82

𝑆𝐶𝑇 = σ -
𝑛𝑖 𝑛
Las varianzas serán: SC(intra) = 168 – 82 = 86
Varianza(entre) = 82/3 = 27,3

Varianza(intra) = 86/22 = 3,9 58
Ejemplo 4 LV
Por lo tanto el estadístico de prueba será:

27.3
𝐹= =7.0
3.9
d.- Conclusión
Como el Fcalculado (7.0) es mayor que el Fcritico (3.05) se rechaza la hipótesis
nula
Se puede afirmar con un nivel de significancia del 5%
Que al menos en una de las cuatros formas de presentar las palabras se
obtiene resultados diferentes
Y se concluye que los cuatro procedimientos de presentación producen
diferencias significativas.
59
2
60
LV
ANOVA de dos factores
◦ Se consideran los efectos de dos factores

simultáneamente
• Diseño de bloques aleatorios

◦ Cuando una característica puede afectar la
medición de la variable dependiente, se trata de
controlar o bloquear esta variable, de tal manera
que se pueda comparar mejor la influencia de un
determinado tratamiento
61
ANOVA – P.H. para probar la igualdad de LV
medias de varias poblaciones con dos
factores
Se trata de probar si el efecto de un factor o Tratamiento

en la respuesta de un proceso o sistema es significativo,
al realizar experimentos variando los niveles de ese
factor (Temp.1, Temp.2, etc.) por FILAS
Y Considerando los niveles de otro factor que se piensa
que tiene influencia en la prueba – FACTOR DE
BLOQUEO por COLUMNA
62
LV
ANOVA – Dos factores o direcciones
• La SCTot y SCTr (filas) se determina de la

misma forma que para la ANOVA de una
dirección o factor
• En forma adicional se determina la suma
de cuadrados del factor de bloqueo
(columnas) de forma similar a la de las filas
• La SCE = SCT – SCTr - SCBl
63
ANOVA de 2 factores –Pasos LV
Formulación de las Hipótesis
Para el tratamiento 1– en filas
Ho: µ1=µ2=µ3=………….µi
Ha: Al menos unas de las µs es diferente
No todas las medias de tratamientos son iguales
Para el tratamiento 2 – en columnas

Ho: µ’1=µ’2=µ’3=………….µ’i
Ha: Al menos unas de las µs es diferente
64
Paso2: Valor critico

Gl T 1= a-1
Gl T2 = b-1
GL Tot = n-1
GLE = GLTot –GL T1-GLT2
𝐹𝑐𝑟𝑖𝑡 𝑇1 =Alfa, GL , GL
T1 E
𝐹𝑐𝑟𝑖𝑡 𝑇2 =Alfa, GL , GL
T2 E
65
Paso 3 Calculo del estadístico

σσ𝑋 2
𝐹𝐶 =
σ𝑛
𝑆𝐶𝑇𝑜𝑡 = σ σ 𝑋 2 - FC
σ 𝑋𝑖 2 σ 𝑋𝑖 2
𝑆𝐶𝑇1 = σ - FC 𝑆𝐶𝑇2 = σ - FC
𝑛𝑖 𝑛𝑖
𝑆𝐶𝐸 = 𝑆𝐶𝑇𝑜𝑡 − 𝑆𝐶𝑇1 − 𝑆𝐶𝑇2
66
Paso 3 Calculo del estadístico Tabla ANOVA
FUENTE DE VARIACIÓN SUMA DE GRADOS DE

CUADRADOS LIBERTAD VARIANZA VALOR F
Entre muestras (tratamiento)

SCTR1 a-1 Varianza T1 Vt1/VEr
Entre Bloques (Factor Bloque)

SCTR2 b-1 Varianza T2 Vt2L/VEr
Dentro de muestras (error)

SCE (a-1)(b-1) Varianza Err
Variación total
SCT n-1 Varianza Tot
Regla: No rechazar si la F de la muestra es menor que la F de tabla para una cierta alfa
67
LV
ANOVA de 2 factores –Pasos
Paso 4 Conclusión y decisión
Distribución F
Ftabla
Alfa
Zona de no
rechazo
Zona de no rechazo de Ho Zona de rechazo de Ho

O de no aceptar Ha o aceptar Ha
Fc: Tr o Bl 68
Paso 4 Conclusión y decisión
Si Fc (Tr1 o Tr2) es mayor que Ftabla se rechaza Ho.

Aceptando Ha donde las medias son diferentes
O
Si el valor de p correspondiente a Fc (Tr1 o Tr2) es menor
de Alfa se rechaza Ho
69
Ejemplo 5 LV
• Una empresa realiza una investigación para determinar

el rendimiento en km por galón, característico de tres
marcas de gasolina: Como cada gasolina da
rendimientos distintos en automóviles de marcas
diferentes,
• Se eligen cinco marcas de automóviles que

se tratan como bloques en el experimento,
es decir el automóviles de cada marca se
prueba con los tres tipos de gasolina.
70
Ejemplo 5 LV
• Los resultados del experimento (en Km. por galón) se presenta

a continuación:
MARCA DE GASOLINA
I II III
A 18 21 20
AUTOMOVILES B 24 26 27
C 30 29 34
D 22 25 24
E 20 23 24
Con un α= 0.05 ¿Existirá alguna diferencia entre los rendimientos medios en
miles por galón de los tres tipos de gasolina?
71
Ejemplo 5 LV
1.- Establecer las hipótesis
• Ho: Los consumos de gasolina según la marca de gasolina no son diferentes

• Ha: Los consumos de gasolina según la marca de gasolina son diferentes
• Ho: Los consumos de gasolina según la marca de automóvil no son diferentes

• Ha: Los consumos de gasolina según la marca de automóvil son diferentes
• Como la relación entre la marca de gasolina y la marca de automóvil es de uno a

uno no existirá prueba de interacción entre las dos variables.
72
Ejemplo 5 LV
2.- Establecer el Criterio de Contraste
nivel de significancia de .05

a b n
Gl T1 =2
3 5 15 Gl SCE= 8
F=4.459
gl T1 a-1 2 Gl T2 =4
gl T2 b-1 4 Gl SCE= 8
F= 3.838
T1 T2
gl Tot n-1 14
gl
SCE glTot-gl T1 -gl T2 8

4.459
3.838
Ejemplo 5 LV
3. Elaborar la tabla ANOVA
3.1- Cálculo de la Suma de cuadrados
I II III ∑X ∑X2 n
A 18 21 20 59 1165 3
B 24 26 27 77 1981 3
C 30 29 34 93 2897 3
D 22 25 24 71 1685 3
E 20 23 24 67 1505 3
∑X 114 124 129 367 ∑∑X
∑X2 2684 3112 3437 9,233 ∑∑X2
n 5 5 5 15 ∑∑n
74
Ejemplo 5 LV
3.2- Cálculo del Factor de corrección
Factor de corrección
σσ𝑋 2
(367)2
𝐹𝐶 = FC = ----------- = 8979.267
σ𝑛 15
3.3- Cálculo de la Suma cuadrado de totales
SCTotales   X  FC 2
Suma total de
cuadrados
SSTot = 9,233 - 8,979.267= 253.733

75
Ejemplo 5 LV
3.4- Cálculos de los tratamientos
( X ) 2
SCTi    FC
n
Suma de cuadrados del

tratamiento 1
SST1 = (114)2 (124)2 (129)2
-------- + --------- + --------- - 8979.2667 = 23.3333
5 5 5
Suma de cuadrados del

tratamiento 2
SST2 = (59)2 (77)2 (93)2 (71)2 (67)2
-------- + ------- + --------- + --------- + --------- - 8979.2667
-
= 217.067
3 3 3 3 3
Suma de cuadrados del error
SSE =
253.7333 - 23.3333 - 217.067 = 13.3333333
Ejemplo 5 LV
3. Construir la Tabla ANOVA
FUENTE SS GL SM F
T1 23.33333 2 11.66667 7
T2 217.0667 4 54.26667 32.56
ERROR 13.33333 8 1.666667
TOTAL 253.7333 14
4. Conclusión
FCRITICO FDATOS Conclusión

FT1= 4.459 7 Se rechaza la Ho
FT2= 3.838 32.56 Se rechaza la Ho

FCrítico
77
ANOVA de dos factores con LV
interacción
• Cuando se emplea ANOVA de dos vías para

estudiar la interacción, en lugar de emplear los
términos tratamientos y bloques, ahora a las dos
variables se les denominan factores.
• La interacción tiene lugar si la combinación de dos
factores ejerce algún efecto sobre la variable en
estudio, además de hacerlo en cada factor por sí
mismo.
• A la variable en estudio se le llama variable de
respuesta.
78
Ing. William León Velasquez
Jun.-20
ANOVA de dos factores con interacción LV
Un ejemplo cotidiano de interacción:

• Es el efecto de dieta y ejercicio sobre el peso. En general, se
acepta que el peso de una persona (la variable de respuesta)
se controla con dos factores, dieta y ejercicio.
• Las investigaciones demuestran que sólo una dieta afecta al peso

de una persona, y también que el solo ejercicio tiene un efecto
sobre el peso.
• Sin embargo, el método recomendado para controlar el peso se
fundamenta en el efecto combinado o en la interacción entre
dieta y ejercicio. 79
Ing. William León Velasquez
Ejemplo 6 LV
• Se ha diseñado una prueba de vocabulario para detectar la

afinidad hacia la mecánica.
• La prueba consiste en un cierto número de palabras
tomadas de una lista de términos alusivos a la mecánica y
a la maquinaria; y que la calificación que una persona
puede obtener en esa prueba es, simplemente, el número
de palabras que puede definir correctamente.
• Suponer que se quiere probar si hay

diferencias relativas a dos características: sexo
y lugar donde viven, y también si se presentan
diferencias atribuibles a la combinación de
Ing.ambas.
80
William león Velásquez
Ejemplo 6 LV
• Las calificaciones (cantidad de palabras bien definidas) de las personas

clasificadas de acuerdo a las dos variables fueron las siguientes:
Urbano Rural
Hombre Mujer Hombre Mujer

C
a
p
a
4 1 3 4
n
t d a
l
9 4 7 4
d
i e b
r
9 5 7 4
a
d
a
s
10 6 7 8 81
Ejemplo 6 LV
• Es posible, llevar a efecto un análisis de varianza de una sola

clasificación con estos cuatro grupos de sujetos, sin embargo, si se
encuentra una diferencia significativa entre estos cuatro grupos.
• ¿Como saber si esas diferencias deben atribuirse al sexo o al
lugar donde viven o a una combinación de ambos?
• Es por ello que en estos casos se utiliza el método de análisis de
varianza de doble clasificación.
82
Ejemplo 6 LV
Pasos
1.- Establecer Hipótesis
Se tiene que establecer hipótesis para cada uno de
los tratamientos y para la interacción de ambos:
a) Primer tratamiento:
Ho: “Con respecto al sexo no existe diferencia en
las calificaciones obtenidas, que mide la
afinidad hacia la mecánica”
Ha: “Con respecto al sexo existe diferencia en las
calificaciones obtenidas, que mide la afinidad
hacia la mecánica”
83
Ejemplo 6 LV
1.- Establecer Hipótesis
b) Respecto al segundo tratamiento:
Ho: “Con respecto al lugar donde viven no existe diferencia en las
calificaciones obtenidas, que mide la afinidad hacia la mecánica”
Ha: “Con respecto al lugar donde viven existe diferencia en las
calificaciones obtenidas, que mide la afinidad hacia la mecánica”
c) Respecto a la interacción de los dos tratamientos
Ho: ”La combinación de las circunstancias sexo y lugar de residencia
no afecta de manera significativa el tener más afinidad hacia la
mecánica”
Ha: ”La combinación de las circunstancias sexo y lugar de residencia
afecta de manera significativa el tener más afinidad hacia la
mecánica” 84
Ejemplo 6 LV
2.- Establecer el Criterio de Contraste
nivel de significancia
a=2 b=2 n=16 de .05
Gl T1 =1
Gl SCE= 12
gl T1 a-1 1 F= 4 .75
gl T2 b-1 1
gl Iter (a-1)(b-1) 1
gl Tot n-1 15 Gl T2 =1
gl SCE glTot-gl T1 -gl T2 - gl Iter 12 Gl SCE= 12
F= 4 .75
Gl Iter =1
Gl SCE= 12
F= 4 .75
85
Ejemplo 6 LV
3.- Calcular el Estadístico de Prueba
Sumatoria de los totales
Urbano Rural
Hombre x2 Mujer x2 Hombre x2 Mujer x2
4 16 1 1 3 9 4 16
9 81 4 16 7 49 4 16
9 81 5 25 7 49 4 16
10 100 6 36 7 49 8 64 ΣΣ
ΣX = 32 16 24 20 92
ΣX² = 278 78 156 112 624
n 4 4 4 4 16
86
Ejemplo 6 LV
•Cálculo del Factor de corrección:
( X ) 2
FC 
 n
FC 
92
2
 529
16 87
Ejemplo 6 LV
•Cálculo de la Suma Total de Cuadrados
SCTotal = X 2 - FC
= ( 278 + 78 + 156 + 112) - 529 = 95
= 624 - 529 = 95
88
Ejemplo 6 LV
• Calcular la suma de cuadrados por cada tipo de

tratamiento
• SCT1 (por el lugar donde viven)
(  Ti ) 2
SCT1    FC
n
89
Ejemplo 6 LV
• Calcular la suma de cuadrados por cada tipo de

tratamiento
• SCT2 (por sexo)
( Bli ) 2
SCT2    FC
n
Hombre Mujer

90
Ejemplo 6 LV
•Calcular la suma de cuadrados por grupos
( X ) 2
SCG    FC
n
*Este valor nos servirá para calcular el SCI y SCE

91
Ejemplo 6 LV
• Calcular la suma de cuadrados de la interacción de los

dos tratamientos
SCI = SCG – SCT1 – SCT2 =
= 35 – 1 – 25 = 9
• Calcular la suma de cuadrados del error

SCE = SCTOT – SCG =
= 95 – 35 = 60
92
Ejemplo 6 LV
• Construir la Tabla ANOVA
FUENTE SC GL MC F
TRATAMIENTO 1 1.0 1 1 0.2
TRATAMIENTO 2 25.0 1 25 5
POR GRUPOS 35
INTERACCION 9.0 1 9 1.8
ERROR 60 12 5
TOTAL 95 15
93
Ejemplo 6 LV
4.- Tomar Decisión y Conclusión
Decisión FDATOS Conclusión
FCRITICO
0.2 No se rechaza la Ho
FT1= 4 .75
5 Se rechaza la Ho
FT2= 4 .75
FCrítico
FINT= 4 .75
Como los Estadísticos de Prueba, en los casos de las variables de localidad (F*1 = 0.2) y la
combinación de sexo y localidad (F*i =1.8) son mas pequeños que sus respectivos criterios de
contraste (F = 4.75), en estos casos no se rechaza la hipótesis nula,
Mientras que en el caso del sexo el Estadístico de Prueba (F*2 = 5.0) es mas grande que el Criterio de
Contraste (F = 4.75), entonces por lógica inferimos que F* queda dentro de la zona crítica y por lo
tanto se rechaza la hipótesis nula por lo tanto aceptamos la hipótesis alterna
Ejemplo 6 LV
y la conclusión :
 “Hay evidencia suficiente, con un nivel de significancia de .05, para

afirmar que con respecto al sexo existe diferencia en las calificaciones
obtenidas que mide la afinidad hacia la mecánica”
 “Hay evidencia suficiente, con un nivel de significancia de .05, para
afirmar que con respecto al lugar de procedencia no existe diferencia en
las calificaciones que mide la afinidad hacia la mecánica”
 ni tampoco podemos afirmar que la combinación de ambas circunstancias

influya en la afinidad hacia la mecánica de las personas”.
95
Ejemplo 7 LV
• El departamento de nutrición de cierta

universidad lleva a cabo un estudio para
determinar si hay diferencia o no en el contenido
de ácido ascórbico entre tres diferentes marcas
de concentrado de jugo de naranja.
• Se hacen cuatro pruebas de los tres tipos de

concentrado de jugo de naranja que fue
congelado durante tres periodos de tiempo
diferentes (en días)
96
Ejemplo 7 LV
• Los resultados, en miligramos de ácido ascórbico por litro, son los siguientes:
TIEMPO ( DÍAS )
MARCA 0 3 7
RICA 52.6 54.2 49.4 49.2 42.7 48.8
49.8 46.5 42.8 53.2 40.4 47.6
BUENA 56.0 48.0 48.8 44.0 49.2 44.0
49.6 48.4 44.0 42.4 42.0 43.2
BARATA 52.5 52.0 48.0 47.0 48.5 43.3
51.8 53.6 48.2 49.6 45.2 47.6
• Utilice un nivel de significancia de .05 para probar la hipótesis que:
• Los contenidos de ácido ascórbico por marca de jugo son diferentes
• Los contenidos de ácido ascórbico por tiempo de congelamiento son diferentes
• Los contenidos de ácido ascórbico son diferentes debido a la interacción de las dos
variables. 97
Ejemplo 7 LV
a) Planteamiento de las hipótesis:

Ho: Los contenidos de ácido ascórbico por marca de jugo son iguales
Ha: Los contenidos de ácido ascórbico por marca de jugo son
diferentes
Ho: Los contenidos de ácido ascórbico por tiempo de congelamiento son iguales
Ha: Los contenidos de ácido ascórbico por tiempo de congelamiento son
diferentes
Ho: Los contenidos de ácido ascórbico son iguales debido a la interacción de las
dos variables.
Ha: Los contenidos de ácido ascórbico son diferentes debido a la interacción de
las dos variables.
98
Ejemplo 7 LV
2.- Establecer el Criterio de Contraste

a b n Gl T1 =2
nivel de
significancia
3 3 36 Gl SCE= 27 de .05
F=3.35
3.35
gl T1 a-1 2
gl T2 b-1 2 Gl T2 =2
Gl SCE= 27
gl Iter (a-1)(b-1) 4 F= 3.35
gl Tot n-1 35
gl glTot-gl T1 -gl T2 - gl 3.35
SCE Iter 27
Gl Iter =4
Gl SCE= 27
F=2.73
99
2.73
Ejemplo 7 LV
• Elaborar la tabla ANOVA
n
0 3 7
52.6 54.2 49.4 49.2 42.7 48.8 ෍12

𝑥 577.2
RICA
49.8 46.5 42.8 53.2 40.4 47.6
56 48 48.8 44 49.2 44 12 559.6
BUENA
49.6 48.4 44 42.4 42 43.2
52.5 52 48 47 48.5 43.3 12 587.3
BARATA
51.8 53.6 48.2 49.6 45.2 47.6
1724.1
Tratamientos 615 566.6 542.5 ෍ ෍𝑥

1724.1
෍𝑥
n 12 12 12 36 100
Ejemplo 7 LV
• 1- Cálculo del Factor de corrección
 X  2
 (1724.1) 2  2972520.81
( X ) 2 2,972,520.81
FC 
 n FC = ----------------
36
= 82,570.0225
Ing. William león Velásquez FC = 82570 101

Ejemplo 7 LV
2- Cálculo de la Suma cuadrado de totales
SCTotales   X  FC 2
SCTotales= 83,102.01 - 82,570 = 531.9875

102
Ejemplo 7 LV
3- Cálculos de los tratamientos
SCT1   
2
X
 FC
n
ΣX²/ n0 ΣX²/ n3 ΣX²/ n7
2 2 2
615 566.6 542.5
SCT1     FC
12 12 12
TIEMPO SCT1 = 31518.75 + 26752.96 + 24525.52 - 82570.02
SCT1 = 82,797.23 - 82,570.02 = 227.212 103

Ejemplo 7 LV
SCT2   
3- Cálculos de los tratamientos X 2
 FC
n
ΣX²/ nRICA ΣX²/ nBUENA ΣX²/ nBARATA - FC

2 2 2
577.2 559.66 587.3
SCT2     FC
12 12 12
MARCA SCT2 = 27763.32 + 26096.01 + 28743.44 - 82570.02
SCT2= 82602.77 - 82570.02 = 32.752

Ejemplo 7 LV
4- Calcular la suma de cuadrados por bloques
X
 X
n=4

2
SGG    FC RICA
0
203.1
3
194.6
7
179.5
n BUENA 202 179.2 178.4
BARATA 209.9 192.8 184.6
  X 2
203 .12
41249.61
   10312.4
n 4 4
SCG = 10312.40 + 9467.29 + 8055.06 +

+ 10201 + 8028.16 + 7956.64 +
+ 11014.50 + 9292.96 + 8519.29 - 82570.02 = 277.29
105
Ejemplo 7 LV
5- Calcular la suma de cuadrados de la interacción de

los dos tratamientos
SCI = SCG – SCT1 – SCT2 =
SCI = 277.29 - 227.212 - 32.752 17.322

=
106
Ejemplo 7 LV
6- Calcular la suma de cuadrados del error
SCE = SCTOT – SCG
SCE = 531.9875 - 277.29 = 254.703
107
Ejemplo 7 LV
•Construir la Tabla ANOVA

FUENTE SC GL MC F
TRATAMIENTO 1 227.21 2 113.606 12.0429
TRATAMIENTO 2 32.75 2 16.376 1.7359

POR GRUPOS 277.29
INTERACCION 17.32 4 4.330 0.4591
ERROR 254.70 27 9.433
TOTAL 531.99 35
108
Ejemplo 7 LV
•Conclusión
FDATOS Conclusión
FCRITICO
12.0429 Se rechaza la Ho
FT1= 3.35
FT2= 3.35
FCrítico 0.4591 No se rechaza la Ho

FINT= 2.73
109
FIN
¿Alguna pregunta?
Me puedes encontrar en
@wjleonv & wjleonv@yahoo.com 110

EIclase04 PDF

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

EIclase04 PDF

Título original:

Cargado por

Copyright:

Formatos disponibles

ESTADISTICA

WILLIAM JAIME LEON VELASQUEZ

ANOVA de dos factores

Para emplear ANOVA se supone lo

• ANOVA permite comparar las medias de

• ANOVA se desarrolló para aplicaciones en

• El término tratamiento se identifican las

El gerente de una empresa financiera, desea comparar la

¿Habrá alguna diferencia en el número de clientes atendidos?

En las siguiente gráficas se ilustra cómo pueden aparecer las poblaciones si

(tratamiento). Esto se muestra en la gráfica de la

• Si se desea determinar si varias medias muestrales

• Una de las suposiciones para aplicar la prueba ANOVA es

• La estrategia es estimar la varianza de la población de dos formas y

• La distribución F sirve como un árbitro al

• Se definirá algunos conceptos que nos ayudaran a entender mejor en

VARIACIÓN TOTAL (SS) Suma de las diferencias

La variación total del ejemplo:

• Se calcula la media global de las 12 observaciones:

• Después, para cada una de las 12 observaciones se encuentra

Luego se divide esta variación total en dos componentes:

SS: Suma de cuadrados

 Para encontrar estas dos componentes, se determina la media de

• La primera fuente de variación:

VARIACIÓN DEL TRATAMIENTO (SST) Suma de las

La media de Walter es 56, determinada por: (55 + 54 + 59 + 56)/4.

La suma de los cuadrados debida a los tratamientos es:

SST=(56 – 58)2 +(56 – 58)2 + … ..+ (48 – 58)2 + (48 – 58)2 =

 Si existe una variación considerable entre las medias de los

• La otra fuente de variación se le conoce como componente

VARIACIÓN ALEATORIA (SSE) Suma de las diferencias

Las medias de cada empleado:

El estadístico de prueba, es la razón de los dos estimados de la varianza

Estimado de la varianza poblacional basado en

𝑆𝐶𝑇 Diferencia entre grupos

El primer estimado de la varianza poblacional entre los

El estimado de la varianza dentro de los

Como esta razón es muy distinta a 1, se concluye que las medias de

Por lo tanto hay una diferencia en el número medio de clientes

Al igual que en la prueba de hipótesis de dos muestras y una

Es la relación entre una variable

FACTOR que incluye Medición que puede

Ha: No todas las medias poblacionales son

Se ha calculado la producción promedio de tres líneas de producción

Línea 1 Línea 2 Línea 3 Media

Base (n) 244 206 139 589

En la población las medias deberían ser iguales (Este es

Y= Efecto del tratamiento en el

 La hipótesis nula dice que no hay diferencia en la

Efecto del Error aleatorio

ANOVA es más sensible al primer supuesto que la segundo

En casos extremos hay que considerar alternativas no

b) Obtención del valor crítico:

Distrito Distrito Distrito Distrito

∑x (T) 86 108 81 104 379

2 (86)2 (108)2 (81)2 (104)2 (379)2

SCT= 1232.67 + 1944.00 + 1093.50 + 1802.67 - 5985.04 = 87.79

SCTotal= SST+ SSE

SSE=SCTotal – SST SSE=151.958 – 87.79 =64.188 40

Empresa1 Empresa2 Empresa3 Empresa4

a) Formulación de las hipótesis

C) Obtención del F de los datos de la muestra