Estadística II – Clase 4

12 de mayo de 2021

Análisis de varianza 1 factor

Permite analizar el efecto de variables independientes cualitativas (factores) sobre una variable
dependiente cuantitativa (variable respuesta).

Análisis de la Varianza Simple (ANOVA con un factor fijo)

La técnica estadística de análisis de la varianza simple es la extensión de a prueba T de diferencias

de medias con dos muestras independientes. El ANOVA permite comparar la medias de 2 o más
poblaciones. Al realizar esta comparación se nos permite saber si hay o no hay diferencias
significativas (si no las hay, entonces podemos elegir cualquiera para trabajar).

Planteamiento de las hipótesis:

H o :U 1=U 2 =U 3

H 1 : Por lomenos una difiere

 La igualdad siempre será planteada en H0.

 en general, en un problema como éste (ver PPT), se tienen muestras aleatorias
independientes tomadas de k poblaciones normales con varianza común σ 2 (todas
las poblaciones tienen la misma varianza = Homocedasticidad).
 ver ejemplo en PPT clase 5.

Anova 1 factor: Descomposición de la variabilidad del modelo

A la variabilidad se le llama Suma de Cuadrados (SC), en donde:

 variabilidad total: SCTotal.

 variabilidad debida a los tratamientos: SCTratamiento o SC (entre las muestras).
 variabilidad debida al error: SCError o SC (dentro de los tratamientos).

Así:
SCTotal=SCtratamiento+ SCError
 Tabla Anova

El procedimiento estadístico (análisis de la varianza) que permite probar la hipótesis nula:

H o :u1=u2 =…=u k

Para probar esta hipótesis, construimos la siguiente tabla, la cual nos entregará –
fundamentalmente— del estadístico de prueba( F ¿¿ o)¿ .

Fuentes de Suma Cuadrática Grados de libertad Media Cuadrática Fo

Variación

Tratamientos        
(Entre)
SCTrat . k −1 SCTrat .  
MCtrat=
k k−1
∑ ( ý i .−ý ..)2 F o=
MCtrat
i=1
MCError
Error(dentro)      
n k
SCError n−k SCError
∑ ∑ ( y ij− ý i .)2 MCError=
i=1 j=1
n−k

Total        
n k
SCTotal n−1
∑ ∑ ( y ij− ý ..)2
i=1 j=1

Nota :Se rechaza H 0 si F o > F k−1 ;n−k ;1−α

Ver ejemplo de las marcas de té en PPT.

Solución del ejemplo:

1)H 0 :u1=u2=u 3 .=u4

2) α =0,05
= 0,05
3) Estadístico de prueba.
4)
como F0 =5,1104> F 3 ;16 ;0,95=3,2389 entonces se rechaza H 0
5) por lo tanto, existen diferencias significativas en la cantidad media de folacina entre las
marcas de té.

NOTA: F0 es el valor que sacamos en función de los datos que nos entrega el problema.
 Jamovi

Analyses  ANOVA (One-way ANOVA)  ingresar variables cuantitativas y cualitativas  tickear

Assume equal (Fisher´s o Welch’s, dependiendo de las varianzas)  tickear descriptives table y
descriptives plots)  tickear homogeneity test (se utiliza Levene’s) y normality test  se analiza
lo que dice el p-valor en One-way ANOVA (para concluir el problema).

Dependiendo de lo que se vea en el p-valor en One-way ANOVA, veremos si continuamos con

otras pruebas o no. Si se rechaza la hipótesis nula, es decir, si el p-valor es menor a la significancia
(alfa) en One-way ANOVA, entonces utilizaremos:

Post-Hoc Test (tickear Tukey o Games-Howell, dependiendo de las varianzas)  en Statistics,

tickear mean difference, report significance, flag significant comparisons.

 en Variances: si las varianzas son iguales, utilizamos Fisher’s; si las varianzas son distintas,
utilizamos Welch’s (para ver si hay diferencias se utiliza el Homogeneity test y se observa
la prueba de Levene’s).
 en Normality test: si el p-valor es mayor a la significancia (alfa), entonces hay normalidad.
si no hay normalidad, utilizaremos otra prueba.
 después de haber analizado todo lo anterior, hay que ver el p-valor en One-way ANOVA
para ver si la hipótesis se rechaza la hipótesis nula o no.
- si se rechaza la hipótesis, entonces se pasa a pruebas posteriores (en Post-Hoc).
 en Post-Hoc test: si las varianzas son iguales, se utiliza Tukey; si las varianzas son distintas,
se utiliza Games-Howell.