1.

Definición y características principales del análisis de varianza

El Análisis de varianza comprende un conjunto de técnicas o métodos estadísticos cuya finalidad

es analizar simultáneamente información relativa a varias variables para cada individuo o
elemento estudiado.

Características:

- Describir información de forma resumida.

- Agrupar observaciones o variables en subconjuntos homogéneos.
- Explorar la existencia de asociaciones entre variables.
- Explicar (o probar) comportamientos.

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

Para comparar los valores medios que toma la variable dependiente en J poblaciones en las que
los niveles de factores son distintos, con la finalidad de determinar si existen diferencias
significativas según dichos niveles o si, por el contrario, la respuesta en cada población es
independiente de los niveles de factores

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

- Modelo de efectos fijos: el supuesto para este modelo que datos en cada población bajo
estudio, provienen o se pueden explicar por medio de una distribución normal, y los
promedios podrían o no diferir.

Ejemplo: evaluar si la concentración de NH4 + (mg/L) varía según las algas dominantes y la
presencia de fósforo. Se emplearon 15 peceras distribuidas de la siguiente manera:

Este es un Experimento Factorial completo 2X2: dos factores con 2 niveles por factor
Factor A: presencia/ausencia de fósforo. Factor B: tipo de algas.

- Modelo de efectos aleatorios: los supuestos de este caso asumen que los datos describen
una jerarquía de poblaciones disímiles cuyas diferencias son inhabilitadas por la jerarquía
misma.

Ejemplo: examinar la contaminación en los árboles: 10 árboles donde se extrajeron 5 hojas

en 3 ramas diferentes. Se busca verificar si hay una variabilidad entre árboles, ramas u hojas no si
la rama A es diferente a la rama B o si el árbol C es similar al D.

Generalmente, el resultado es una tabla de componentes de la varianza que muestra la

proporción (%) de la variación atribuible a cada uno de los efectos principales y, opcionalmente,
las interacciones de la variable aleatoria con los otros factores.

- Modelo Mixto: estos modelos pueden utilizarse para explicar condiciones donde ambos,
los modelos de efectos fijos y aleatorios, están presentes.
 Ejemplo: Se desea comparar el grado de contaminación entre los árboles de 2 ciudades, La
Plata y Buenos Aires. Donde se tomaron hojas de diferentes árboles. Factor fijo = Ciudad
Factores aleatorios = árboles que están en la ciudad y hojas que están en los árboles El
Factor fijo es siempre de nivel superior a los otros factores. Cuando ciertos factores se
hallan dentro de uno superior se denomina ANOVA ANIDADO o JERÁRQUICO
El modelo mixto estaría compuesto por los siguientes factores: Ciudad x Árboles(Ciudad) x
Hojas(Árboles) Fijo Aleatorio Aleatorio

4. ¿Es útil aplicar análisis de varianza a la problemática de estudio? - Explique por qué

Si es importante aplicar el análisis de varianza en la problemática de estudio, puesto que permite

correlacionar las diferentes variables que pueden afectar el producto, en este brindándonos
resultados más exactos que nos permiten realizar un análisis más objetivo ayudan a evaluar y a
entender la similitud y diferencia