UNIVERSIDAD NACIONAL DE SAN ANTONIO

ABAD DEL CUSCO

FACULTAD DE
CIENCIAS
AGRARIAS
ANÁLISIS DE VARIANZA

M.Sc Eduardo Vargas Luna

2020-II V
 ANÁLISIS DE VARIANZA
Cuando se quiere comparar más de dos grupos, la prueba
de t de Student no es aplicable por muchas razones, entre
las que sobresalen dos:
 Podría considerarse la posibilidad de hacer múltiples
pruebas de t de Student, es decir comparar de dos en dos,
lo que sería muy laborioso cuando se analizan varios
tratamientos, así, para evaluar 5 poblaciones se tendrían
que efectuar 5C2 = 10 comparaciones dos a dos.
 Pero la razón más importante es que el nivel de
significación, (error tipo I), se incrementa directamente
con el número de comparaciones múltiples. Así, al
comparar cinco medias, la probabilidad de rechazar al
menos una de las Ho cuando ésta es verdadera, se
incrementa a 1- (0.95)10 = 0.4013.
M.Sc Eduardo Vargas Luna
 ANOVA COMPLETAMENTE ALEATORIO

1. DISEÑO BALANCEADO
Tres tratamientos con cinco repeticiones
x1 x2 x3 x4 x5
x6 x7 x8 x9 x10
x11 x12 x13 x14 x15

Sorteo
B C A C A
A B C B C
B C B A A

M.Sc Eduardo Vargas Luna

ANOVA COMPLETAMENTE ALEATORIO

TRATAMIENTOS
 TOTAL
 1 2 … k

x11 x21 … xk1
x12 x22 … xk2
x13 x23 … xk3
. . … .
. . … .
. . … .
x1r x2r … xkr


TOTAL T1 T2 … Tk

REPETICIONES r1 r2 … rk n = kr
_ _ _
MEDIA x1 x2 … xk


M.Sc Eduardo Vargas Luna

Ejemplo
Se desea saber si existe diferencia entre las edades
medias de los perros según la clínica donde se atienden.
CLÍNICA EDAD DE PERROS (meses) MEDIA

A 40 45 42 48 50 51 46.00
B 36 42 38 39 37 40 38.67
C 49 51 53 53 52 50 51.33
D 47 49 51 52 50 51 50.00
E 55 60 62 63 59 61 60.00

EDADES MEDIAS DE LOS PERROS SEGÚN CLÍNICA (meses)

"A" "B" "C" "D" "E"

46.00 38.67 51.33 50.00 60.00

M.Sc Eduardo Vargas Luna

MODELO DE EFECTOS FIJOS
Es aquel en que se estudian determinados tratamientos y
solo se persigue obtener conclusiones para estos
tratamientos. En el ejemplo de los perros, el modelo de
efectos fijos, significa que las conclusiones se limitan a las
cinco clínicas.
MODELO DE EFECTOS ALEATORIOS
Es aquel en que los tratamientos evaluados, constituyen
una muestra aleatoria de los tratamientos sobre los cuales
se desea realizar la inferencia. En el ejemplo anterior si se
desearía concluir sobre los pesos medios según las clínicas
de San Borja y las cinco muestras analizadas fuesen una
muestra aleatoria de todas las clínicas del distrito, sería un
modelo de efectos aleatorios.

M.Sc Eduardo Vargas Luna

 FUNDAMENTOS DEL ANOVA
 El análisis de varianza es una técnica que divide la
variación total de un conjunto de datos en varios
componentes, los que se encuentra asociados a una
determinada FUENTE DE VARIACIÓN.

 Este análisis permite cuantificar la magnitud de

variabilidad con la que contribuye cada fuente de
variación a la variación total.

 El análisis de varianza evalúa las medias de

tratamientos mediante la comparación de varianzas.
Varianza entre los grupos
Razón de varianzas = 
Varianza dentro de los grupos

M.Sc Eduardo Vargas Luna

SUPUESTOS DEL ANOVA
 Cada unidad experimental es seleccionada
aleatoriamente en cada grupo.
 La población de la cual se extrajo cada muestra
tiene distribución normal.
 Las varianzas de las poblaciones son iguales
(homogeneidad de varianzas).
 Las muestras son independientes.
 La variable dependiente debe medirse al menos a
nivel de intervalo.

M.Sc Eduardo Vargas Luna

 En el ANOVA completamente aleatorio solo se
consideran dos fuentes de variación:
 Variación debida a los tratamientos.
 Variación debida al residuo (error).
CUADRO DEL ANOVA
FUENTE DE
g.l. S.C. C.M. VALORES F
VARIACIÓN
Tratamientos k–1 SCTr CMTr Fc Ft
Residuo n–k SCR CMR
TOTAL n–1 SCT

M.Sc Eduardo Vargas Luna

MODELO MATEMÁTICO

Xij =   i  ij
donde:
Xij : variable objeto de estudio.
 : constante, es la respuesta media de los
tratamientos.
i : efecto del tratamiento.
ij : término de error.

M.Sc Eduardo Vargas Luna

PASOS PARA LA PRUEBA DE HIPÓTESIS
1. PLANTEAMIENTO DE LAS HIPÓTESIS
En el diseño completamente aleatorio, el interés
frecuentemente consiste en contrastar la hipótesis nula
de que todas las muestras proceden de una misma
población o que todas las medias en las poblaciones son
iguales, con la hipótesis alternativa de que no todas las
muestras proceden de una misma población o que no
todas las medias poblacionales son iguales.
Ho: Todos los tratamientos tienen el mismo efecto sobre
la variable en estudio.
Ha: No todos los tratamientos tienen el mismo efecto
sobre la variable en estudio.

M.Sc Eduardo Vargas Luna

2. DETERMINAR LOS GRADOS DE LIBERTAD
 g.l. del total : n – 1 , con n  kr
 g.l. de los tratamientos :k–1
 g.l. del residuo :n–k
3. ESPECIFICAR EL NIVEL DE SIGNIFICACIÓN
  0.01; 0.05 u otro.
4. ESTABLECER LAS REGIONES DE RECHAZO
Y NO RECHAZO DE LA Ho.
El valor crítico de la prueba está dado por:
Ft (k – 1; n – k)

M.Sc Eduardo Vargas Luna

5. CALCULAR EL FACTOR DE CORRECCIÓN (C)
( x)2
C = 
n
6. CONSTRUIR EL CUADRO DEL ANOVA
a) SUMA DE CUADRADOS TOTAL

SCT =  x2 – C

b) SUMA DE CUADRADOS DE TRATAMIENTOS

 T2
SCTr =  – C  r = número de repeticiones.
r
M.Sc Eduardo Vargas Luna
c) SUMA DE CUADRADOS DEL RESIDUO

SCR = SCT – SCTr

d) CUADRADO MEDIO DE TRATAMIENTOS

SCTr
CMTr = 
g.l. Tr

e) CUADRADO MEDIO DEL RESIDUO

SCR
CMR = 
g.l. R

M.Sc Eduardo Vargas Luna

f) VALOR DEL F CALCULADO
CMTr
Fc = 
CMR

CUADRO DEL ANOVA

FUENTE DE
g.l. S.C. C.M. VALORES F
VARIACIÓN
Tratamientos k–1 SCTr CMTr Fc Ft
Residuo n–k SCR CMR
TOTAL n–1 SCT

M.Sc Eduardo Vargas Luna

7. DECISIÓN ESTADÍSTICA
Si el Fc  Ft , se rechaza la Ho al nivel de significación
especificado y se concluye que no todas las medias
poblacionales son iguales y por tanto hay influencia
de los tratamientos sobre la variable de interés, de lo
contrario se concluye que no hay evidencia suficiente
para rechazar la Ho.
8. DECISIÓN SOBRE EL PROBLEMA
Consiste en expresar la decisión estadística en
términos del problema.

M.Sc Eduardo Vargas Luna