2

ESTG1037 – ESTADÍSTICA II

Profesor: Francisco Moreira

Correo: famoreir@espol.edu.ec
 3

UNIDAD 5
EXPERIMENTOS DE UN FACTOR
Objetivo
• Distinguir las situaciones en las cuales es preciso realizar un diseño
experimental de un factor para determinar la influencia que tiene
sobre la respuesta de salida de un sistema
Contenido
• ANOVA – Introducción
• ANOVA de un factor a efectos fijos
• ANOVA de un factor a efectos aleatorios
Contenido
• ANOVA – Introducción
• ANOVA de un factor a efectos fijos
• ANOVA de un factor a efectos aleatorios
 Introducción
Modelos Lineales
• Modelos estadísticos
variable respuesta = modelo + error
• Modelos Lineales
𝑦𝑖 = 𝛽0 + 𝛽1 ∗ 𝑥1𝑖 + 𝛽2 ∗ 𝑥2𝑖 + … + 𝜀𝑖
• Modelo para variables predictoras categóricas: modelo de efectos
𝑦𝑖𝑗 = 𝜇 + 𝛼𝑖 + 𝜀𝑖𝑗
𝑦𝑖𝑗𝑘 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + 𝜀𝑖𝑗𝑘
Donde k representa un conjunto de réplicas
 Introducción
Estimación de parámetros de modelos lineales
• Los parámetros pueden ser estimados usando cualquier método de
estimación. Los más comunes son, el método de los mínimos
cuadrados ordinarios (MCO o OLS) y la estimación por máxima
verosimilitud (EMV o MLE).
• Los modelos que asumen una distribución normal en términos del error
y que usualmente utilizan MCO son referidos como “Modelos lineales
generales”.
• Modelos de regresión
• Modelos ANOVA
• Análisis de la covarianza (ANCOVA)
• La EMV es utilizada también para los “Modelos lineales generalizados”
donde no hay restricción de normalidad.
 Introducción
ANOVA de 1 FACTOR
• ANOVA de 1 factor es utilizado para investigar el efecto de este
factor comparando dos o más grupos (niveles o tratamientos) en
un diseño completamente aleatorio.

Ejemplo:
• Se quiere probar la homogeneidad de tres
medicamentos = tratamientos
• La variable de respuesta es la diferencia entre antes y
después de recibir la medicación.
• Una muestra de 24 pacientes es completamente
aleatorizada.
Introducción
 Introducción
Factores a efectos fijos vs efectos aleatorios
• Los factores a efectos fijos son factores donde sus niveles
representan una población de interés específica.
• Los factores a efectos aleatorios son factores donde sus niveles
son aleatoriamente elegidos de todos los posibles niveles de la
población y son usados como representaciones aleatorias de la
población.
Contenido
• ANOVA – Introducción
• ANOVA de un factor (efectos fijos)
• ANOVA de un factor (efectos aleatorios)
 1F Fijo
IDEAS PRINCIPALES
• Modelo de Celdas (CELL MEANS)
 1F Fijo
Modelo de efectos:
Notación

Media total
Efecto del grupo i, factor fijo
Error aleatorio
Terminología

Réplicas: observaciones realizadas bajo las mismas condiciones

experimentales.
Diseño balanceado: un diseño experimental donde todas las celdas tienen el
mismo número de réplicas.
Factor: Fuente controlada de variación.
Nivel: cada uno de los diferentes valores de el factor
 1F Fijo
Supuestos del modelo
ANOVA 1FACTOR FIJO

Los residuos son:

• Independientes unos de otros.
• Normalmente distribuidos.
• Con igual varianza.
(Homocedasticidad)
Además:
𝑁𝜇 + σ𝑎𝑖=1 𝑛𝑖 𝛼𝑖
𝐸 𝑌ത =
𝑁
 1F Fijo
Partición de la variación

Debido a el tratamiento Dentro del

(entre) tratamiento
 1F Fijo
Partición de la variación (2)
 1F Fijo
Hipótesis nula
La hipótesis nula en una ANOVA de un factor a efectos fijos
es que no existe diferencia entre las medias de los grupos
de la población.

Es decir que el efecto de cada grupo es igual a cero.

De manera equivalente:

La hipótesis alternativa es lo opuesto a H0, es decir una o mas de las 𝛼𝑖 son diferentes
de cero
 1F Fijo

𝑆𝑖 𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎:

𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 𝑠𝑖:
Contenido
• ANOVA – Introducción
• ANOVA de un factor a efectos fijos
• ANOVA de un factor a efectos aleatorios
ANOVA de un factor a efectos aleatorios

Media total
Efecto del grupo i, factor aleatorio
Error aleatorio

Bajo estos supuestos

ANOVA de un factor a efectos aleatorios
• La 𝜎 2𝐴 y 𝜎 2 𝜖 son los llamados componentes de la varianza. El modelo
es llamado: modelo de efectos aleatorios.

• Si 𝜎 2𝐴 = 0, todos los tratamientos son idénticos, pero si 𝜎 2𝐴 > 0, existe

variabilidad entre los tratamientos.
𝑆𝑖 𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎:

𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0 𝑠𝑖:
Valor esperado de las sumas cuadráticas
Estimación de los componentes de la
varianza
Bibliografía:
• Gaudencio Zurita Herrera. (2010). Probabilidad y Estadística, Fundamentos y
Aplicaciones. (Segunda). Espol: ESPOL. ISBN-10: 997831055X, ISBN-13: 9789978310557
• Myers, R. H., Myers, S. L., Walpole, R. E., & Ye, K. (2012). Probabilidad y estadística
para ingeniería y ciencias. (Novena). México: Pearson Educación. ISBN-13:
9786073214179
• Michael Kutner. (2004). Applied Linear Statistical Models. (5th). USA: McGraw-Hill
Higher Education. ISBN-10: 007310874X, ISBN-13: 9780073108742
• Miñarro, A., Rodero, L. (2013-2014). Analysis of Variance. [archivo PDF]. Universidad
Politécnica de Cataluña. Barcelona, España.