Bioestadística y diseñ o experimental (2021). Lic. en Genética (Plan 2017).

Facultad
de Ciencias Exactas, Químicas y Naturales. UNaM

ANÁLISIS DE LA VARIANZA (ANOVA)

Repasando...

El ANOVA se basa en descomponer la variabilidad de la respuesta observada en fuentes

de variació n independientes.

La variació n total queda expresada como la suma de dos fuentes de

variació n:

o 1) la variació n entre grupos, representada por la diferencia entre cada una de las
medias de los grupos y la media general.

o 2) la variació n dentro de los grupos expresado como las diferencias de cada

observació n y la media de su grupo

Fuente de
SC GL CM F
variación
SC entre CM entre
Entre trat o ni ∑ ( ý i− ý)2 a–1
grupos GL entre CM dentro

(ni – 1)a= SC dentro

Dentro de los ∑ ( y ¿ ¿ ij− ý i)2 ¿ n–a GL dentro
trat o grupos

Nos preguntamos:
 ¿Hay má s variabilidad entre las medias de los tratamientos que dentro de los
tratamientos?

Para contestarla se hace un cociente entre la varianza entre tratamientos y la varianza

dentro de los tratamientos:

De lo anterior se desprende que cuanto mayor sea la variació n dentro de los tratamientos
o grupos, menor será la posibilidad de detectar una diferencia significativa (sobretodo si
el efecto que esperamos que tenga el tratamiento es pequeñ o).

Autora: Dr. Patricia P. Iglesias, Junio 2021. Pá gina 1

Bioestadística y diseñ o experimental (2021). Lic. en Genética (Plan 2017). Facultad
de Ciencias Exactas, Químicas y Naturales. UNaM

Por ello el ANOVA comienza antes de la obtenció n de los datos y el modelo de ANOVA a utilizar
dependerá del diseñ o experimental:

Principios del diseñ o experimental:

 Replicació n (observaciones independientes)
 Aleatorizació n (Asignació n al azar de los tratamientos a las unidades
experimentales)
 Control del error experimental (controlar la heterogeneidad entre unidades
experimentales

Unidad experimental: La unidad má s pequeñ a dentro del experimento susceptible de

tratamiento experimental y de la cual se obtiene una observació n independiente.

Réplicas: El nú mero de observaciones independientes.

Problema Modelo:

Estudio del efecto del ácido indolbutírico (AIB) en el enrraizamiento de estacas

para la propagación vegetativa de Jatropha curcas

Se colectaron 72 estacas de tallo de á rboles de má s de veinte añ os de edad, que se

distribuyeron en forma balanceada y aleatoria en un total de 18 macetas con un mismo
sustrato.
Se quiere analizar el efecto sobre el desarrollo radicular del á cido indolbutílico
(AIB) a tres dosis: 0, 0.5 y 1.5%.
Para ello, 6 macetas se asignan al azar a cada uno de estos tratamientos.
Al cabo de tres meses se mide la longitud de la raíz (en cm).

Identificar en el caso de estudio:

 Unidad experimental (u.e.):
 Variable respuesta o dependiente:
 Variable independiente, explicativa o factor:
 Cantidad de niveles del factor o tratamientos:
 Cantidad de réplicas:
 ¿Dó nde intervino el azar?
 ¿Control del error?

Autora: Dr. Patricia P. Iglesias, Junio 2021. Pá gina 2

Bioestadística y diseñ o experimental (2021). Lic. en Genética (Plan 2017). Facultad
de Ciencias Exactas, Químicas y Naturales. UNaM

 Planteamiento del modelo estadístico (ANOVA de un factor fijo):

γ ij =μ+α i+ ε ij

i= 0%, 0.5% y 1.5% (niveles del factor)

j =1, 2, ..., 6 (N° de réplicas)

donde,
γ ij es la longitud de la raíz en la maceta j en el tratamiento i
μ es la longitud de la raíz media (considerando todo el conjunto de datos)
α i es el efecto de la dosis i de AIB sobre la longitud de la raíz, y es comú n a todos
los individuos que recibieron ese tratamiento.
ε ij es la variabilidad existente entre las macetas.

 Hipó tesis en el ANOVA

Ho: μ1. = μ2. = μ3. = μ..

es decir:
La respuesta (longitud de la raíz) promedio de los tratamientos es la misma

Alternativamente:
Ho: ai = 0
es decir:
No existe efecto debido al tratamiento con AIB sobre la longitud de la raíz.

μ
γ ij =μ+α i+ ε ij =μ+ ε ij

Autora: Dr. Patricia P. Iglesias, Junio 2021. Pá gina 3

Bioestadística y diseñ o experimental (2021). Lic. en Genética (Plan 2017). Facultad
de Ciencias Exactas, Químicas y Naturales. UNaM

H1: alguna μi. ≠ μ

es decir:
Al menos un tratamiento difiere del resto en cuanto a la longitud de la raíz
promedio.

Alternativamente:
H1: algún ai ≠ 0
es decir:
Existe efecto debido al tratamiento con AIB sobre la longitud de la raíz

γ ij =μ+α i+ ε ij

No olvidar que....
las conclusiones del ANOVA solo será n vá lidas si se verifican los siguientes supuestos (en
orden de importancia):
 Las muestras deben ser aleatorias y las observaciones independientes entre sí.
 Los tratamientos deben tener la misma variabilidad (homocedasticidad; Grá fico
de residuos o residuos estandarizados vs valor esperado/predicho, Prueba de
Levene, ... ).
 Las observaciones de cada tratamiento deben proceder de poblaciones normales
(QQplots, Prueba de Shapiro-Wils, ...).

Autora: Dr. Patricia P. Iglesias, Junio 2021. Pá gina 4

Bioestadística y diseñ o experimental (2021). Lic. en Genética (Plan 2017). Facultad
de Ciencias Exactas, Químicas y Naturales. UNaM

Resultado de la toma de datos al cabo de los tres meses:

0% 0.5% 1.5%
0.40 5.40 6.46
1.32 5.59 5.43
ai = 3
ni = 6 1.02 4.82 5.27 y ij
n = 18
2.47 3.67 5.31
2.12 5.51 6.11
1.66 4.52 6.39
Media ý i . 1.50 4.92 5.83 ý .. = 4.08

El que quiera realizar los cá lculos a mano...

Tabla ANOVA

Fuente de
SC GL CM F
Variació n
ni ∑ ( ý i− ý)2
Entre SC entre CM entre
a–1
tratamientos En el ejemplo: GL entre CM dentro
6*[(-2.58)2+(0.84)2+(1.75)2]
Dentro de los SC dentro
(ni – 1)a=
tratamientos ∑ ( y ¿ ¿ ij− ý i)2 ¿ n–a GLdentro
(error)
Total ∑ ( y ¿¿ ij− ý)2 ¿ n–1

Bibliografía

Curso “Aná lisis de la varianza y diseñ o de experimentos”. 2012 .Docentes a cargo: Adriana
A. Pérez, Gerardo R. Cueto, María S. Ferná ndez, Julieta Filloy. Departamento de Ecología,
Genética y Evolució n, Facultad de Ciencias Exactas y Naturales, UBA.

Curso “Design, Analysis, and Interpretation of Experiments”. 2017. Docente a cargo: Iago
Hale. Department of Agriculture, Nutrition, and Food Systems; UNH.

Autora: Dr. Patricia P. Iglesias, Junio 2021. Pá gina 5