Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADÍSTICA
APLICADA AL
LABORATORIO
Introducción a la inferencia
estadı́stica
Cristhian Paredes
Contenido
5. Análisis de covarianza
Pruebas de comparación de varianzas
Prueba χ2
(n − 1)s2
χ2 = (1)
σ2
Función de densidad de probabilidad
0 5 10 15 20 25
χ2 (ν = 7)
H0 : s2 = σ 2 H1 :s2 6= σ 2 (2)
Pruebas unilaterales:
¿Una nueva técnica mejora la repetibilidad de nuestro proceso?
H0 : s2 = σ 2 H1 :s2 6= σ 2 (2)
Pruebas unilaterales:
¿Una nueva técnica mejora la repetibilidad de nuestro proceso?
2
Pruebas de comparación de varianzas
Varianza muestral contra un valor de referencia
Pruebas bilaterales:
H0 : s2 = σ 2 H1 :s2 6= σ 2 (2)
Pruebas unilaterales:
¿Una nueva técnica mejora la repetibilidad de nuestro proceso?
Ejemplo práctico
Comparación de una varianza muestral contra un valor de referencia
3
Ejemplo práctico
Comparación de una varianza muestral contra un valor de referencia
Pruebas bilaterales:
Pruebas unilaterales:
6
Ejemplo práctico
Dispersión de los resultados de extracción del ion litio de una salmuera
56
54
52
H0 : x1 = x2 = ... = xk (13)
H1 : xi 6= xj , para al menos una pareja i, j (14)
56
54
52
Concentración (mmol kg−1)
50
H0 : x1 = x2 = ... = xk (13)
H1 : xi 6= xj , para al menos una pareja i, j (14)
8
Comparación entre varias medias muestrales
Análisis de varianza
58
56
54
52
H0 : x1 = x2 = ... = xk (13)
H1 : xi 6= xj , para al menos una pareja i, j (14)
49 51 53 55 57 59
Concentración (mmol kg−1)
9
Comparación entre varias medias muestrales
ANOVA de una vı́a para datos independientes
Varianza total = Varianza entre los niveles + Varianza dentro de los niveles
( xi − µ)2
P
σ2 = (15)
n
⊏
⊐ Totales = ⊏
⊐ Tratamiento + ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
⊐ Residuales es lo mismo que ⊐ Dentro de los grupos
10
Varianza total = Varianza entre los niveles + Varianza dentro de los niveles
2 ( xi − µ)2
P
σ = (15)
n
⊏
⊐ Totales = ⊏
⊐ Tratamiento + ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
⊐ Residuales es lo mismo que ⊐ Dentro de los grupos
10
Comparación entre varias medias muestrales
ANOVA de una vı́a para datos independientes
Varianza total = Varianza entre los niveles + Varianza dentro de los niveles
( xi − µ)2
P
σ2 = (15)
n
⊏
⊐ Totales = ⊏
⊐ Tratamiento + ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
⊐ Residuales es lo mismo que ⊐ Dentro de los grupos
10
Varianza total = Varianza entre los niveles + Varianza dentro de los niveles
2 ( xi − µ)2
P
σ = (15)
n
⊏
⊐ Totales = ⊏
⊐ Tratamiento + ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
⊐ Residuales es lo mismo que ⊐ Dentro de los grupos
10
Comparación entre varias medias muestrales
ANOVA de una vı́a para datos independientes
Varianza total = Varianza entre los niveles + Varianza dentro de los niveles
( xi − µ)2
P
σ2 = (15)
n
⊏
⊐ Totales = ⊏
⊐ Tratamiento + ⊏
⊐ Residuales (16)
X X X
⊏ ⊏
P P
⊐ Residuales es lo mismo que ⊐ Dentro de los grupos
10
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
Cada dato respecto a la media Cada promedio grupal respecto a la Cada dato respecto a la media
general. media general. de su grupo.
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
νSStrat = k − 1 νSSres = N − m
νSStot = N − 1
k es el número de grupos, ni es el número de datos en el i-ésimo grupo, N es el número
de datos totales, x̄i es el promedio del i-ésimo grupo y x̄¯ es el promedio general.
11
Comparación entre varias medias muestrales
ANOVA de una vı́a para datos independientes
Sumas de cuadrados
∼ totales (SStot ): ∼ debidos al tratamiento (SStrat ): ∼ residuales SSres :
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
Cada dato respecto a la media Cada promedio grupal respecto a la Cada dato respecto a la media
general. media general. de su grupo.
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
νSStrat = k − 1 νSSres = N − m
νSStot = N − 1
k es el número de grupos, ni es el número de datos en el i-ésimo grupo, N es el número
de datos totales, x̄i es el promedio del i-ésimo grupo y x̄¯ es el promedio general.
11
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
Cada dato respecto a la media Cada promedio grupal respecto a la Cada dato respecto a la media
general. media general. de su grupo.
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
νSStrat = k − 1 νSSres = N − m
νSStot = N − 1
k es el número de grupos, ni es el número de datos en el i-ésimo grupo, N es el número
de datos totales, x̄i es el promedio del i-ésimo grupo y x̄¯ es el promedio general.
11
Comparación entre varias medias muestrales
ANOVA de una vı́a para datos independientes
Sumas de cuadrados
∼ totales (SStot ): ∼ debidos al tratamiento (SStrat ): ∼ residuales SSres :
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
Cada dato respecto a la media Cada promedio grupal respecto a la Cada dato respecto a la media
general. media general. de su grupo.
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
νSStrat = k − 1 νSSres = N − m
νSStot = N − 1
k es el número de grupos, ni es el número de datos en el i-ésimo grupo, N es el número
de datos totales, x̄i es el promedio del i-ésimo grupo y x̄¯ es el promedio general.
11
⊏
⊐ Totales ⊏
⊐ Tratamiento ⊏
⊐ Residuales
X X X
Cada dato respecto a la media Cada promedio grupal respecto a la Cada dato respecto a la media
general. media general. de su grupo.
nj k nj
(xj,i − x̄¯ )2 (nj (x̄i − x̄¯ )2 ) (xj,i − x̄j )2
X
k X X X
k X
νSStrat = k − 1 νSSres = N − m
νSStot = N − 1
k es el número de grupos, ni es el número de datos en el i-ésimo grupo, N es el número
de datos totales, x̄i es el promedio del i-ésimo grupo y x̄¯ es el promedio general.
11
Comparación entre varias medias muestrales
ANOVA de una vı́a para datos independientes
12
12
Comparación entre varias medias muestrales
ANOVA de una vı́a para datos independientes
12
Tabla de ANOVA:
SS DF MS F valor p
Tratamiento SStrat νSStrat MStrat MStrat /MSres valor p
Residuales SSres νSSres MSres
H0 : x1 = x2 = ... = xk (19)
H1 : xi 6= xj , para al menos una pareja i, j (20)
13
Comparación entre varias medias muestrales
ANOVA de una vı́a para datos independientes
Tabla de ANOVA:
SS DF MS F valor p
Tratamiento SStrat νSStrat MStrat MStrat /MSres valor p
Residuales SSres νSSres MSres
H0 : x1 = x2 = ... = xk (19)
H1 : xi 6= xj , para al menos una pareja i, j (20)
13
Ejemplo práctico
ANOVA de una vı́a para evaluar efecto matriz
15
Análisis de varianza
Supuestos del modelo
15
Análisis de varianza
Supuestos del modelo
15
Análisis de varianza
Supuestos del modelo
15
Análisis de varianza
Pruebas Post-hoc de comparación múltiple
H0 : x1 = x2 = ... = xk H1 : xi 6= xj
ANOVA no nos dice cuales parejas son las que son diferentes y hacer pruebas t
de a dos grupos en dos grupos es muy inconveniente porque la probabilidad de
cometer un error tipo I se infla.
16
Análisis de varianza
Pruebas Post-hoc de comparación múltiple
H0 : x1 = x2 = ... = xk H1 : xi 6= xj
ANOVA no nos dice cuales parejas son las que son diferentes y hacer pruebas t
de a dos grupos en dos grupos es muy inconveniente porque la probabilidad de
cometer un error tipo I se infla.
16
Análisis de varianza
Pruebas Post-hoc de comparación múltiple
H0 : x1 = x2 = ... = xk H1 : xi 6= xj
ANOVA no nos dice cuales parejas son las que son diferentes y hacer pruebas t
de a dos grupos en dos grupos es muy inconveniente porque la probabilidad de
cometer un error tipo I se infla.
16
17
Pruebas de comparación post hoc
Diferencia mı́nima significativa (LSD) de Fisher
En esta prueba se usa el nivel de confianza empleado en el ANOVA para establecer una
diferencia entre grupos que se considera significativa. Los tratamientos se agrupan juntos si
la diferencia entre sus medias es menor a la que se definio como mı́nima significativa.
17
17
Pruebas de comparación post hoc
Diferencia mı́nima significativa (LSD) de Fisher
En esta prueba se usa el nivel de confianza empleado en el ANOVA para establecer una
diferencia entre grupos que se considera significativa. Los tratamientos se agrupan juntos si
la diferencia entre sus medias es menor a la que se definio como mı́nima significativa.
17
Ejemplo práctico
Pruebas post hoc en ANOVA de una vı́a para evaluar efecto matriz
Uno de los supuestos del ANOVA habla de las varianzas de los grupos:
• Homocedasticidad: La varianza de cada grupo debe ser homogénea.
19
Comparación de varias varianzas muestrales
Uno de los supuestos del ANOVA habla de las varianzas de los grupos:
• Homocedasticidad: La varianza de cada grupo debe ser homogénea.
19
Uno de los supuestos del ANOVA habla de las varianzas de los grupos:
• Homocedasticidad: La varianza de cada grupo debe ser homogénea.
19
Comparación de varias varianzas muestrales
Uno de los supuestos del ANOVA habla de las varianzas de los grupos:
• Homocedasticidad: La varianza de cada grupo debe ser homogénea.
19
Prueba de Hartley
Se divide la varianza más grande entre la varianza más pequeña. El resultado presenta una
distribución Fmax de Hartley que permite evaluar si las varianzas son homogéneas.
2
smax
Fmax = 2
(22)
smin
Prueba de Hartley
Se divide la varianza más grande entre la varianza más pequeña. El resultado presenta una
distribución Fmax de Hartley que permite evaluar si las varianzas son homogéneas.
2
smax
Fmax = 2
(22)
smin
Prueba de Hartley
Se divide la varianza más grande entre la varianza más pequeña. El resultado presenta una
distribución Fmax de Hartley que permite evaluar si las varianzas son homogéneas.
2
smax
Fmax = 2
(22)
smin
Prueba de Bartlett
Es de las primeras pruebas que se propusieron para evaluar homogeneidad de varianzas. El
estadı́stico T de Bartlett sigue una distribución χ2 con k − 1 grados de libertad.
P
(N − k ) ln Sp2 − ki=1 ((ni − 1) ln Si2 )
T = P 1 1
(24)
1 + 3k1−3 (( ki=1 n −1 ) − N−k )
i
21
Prueba de Bartlett
Es de las primeras pruebas que se propusieron para evaluar homogeneidad de varianzas. El
estadı́stico T de Bartlett sigue una distribución χ2 con k − 1 grados de libertad.
P
(N − k) ln Sp2 − ki=1 ((ni − 1) ln Si2 )
T = P 1 1
(24)
1 + 3k1−3 (( ki=1 n −1 ) − N−k )
i
21
Ejemplo práctico
Pruebas de comparación de varias varianzas
23
|x1 − x2 |
Q= (26)
xn − x1
xn − xn−1
Q= (27)
xn − x1
|x1 − x2 |
Q= (26)
xn − x1
xn − xn−1
Q= (27)
xn − x1
|x1 − x2 |
Q= (26)
xn − x1
xn − xn−1
Q= (27)
xn − x1
|x1 − x2 |
Q= (26)
xn − x1
xn − xn−1
Q= (27)
xn − x1
25
Pruebas de datos anómalos
Criterios de Grubbs
Gij : i datos anómalos en el extremo inferior y j datos en el extremo superior.
s2 s2
G01 = n2 G10 = 12 (28)
s s
2
sn, 2
n−1 s1, 2
G02 = G20 = (29)
s2 s2
2
s1, n
G11 = (30)
s2
2
donde s2 es la varianza del conjunto de datos y s{i, j} es la varianza del conjunto
excluyendo los valores en el subı́ndice.
Ejemplo práctico
Comparación de media muestral contra valor de referencia
27
TALLER V IRTUAL
ESTADÍSTICA
APLICADA AL
LABORATORIO
Introducción a la inferencia
estadı́stica
Cristhian Paredes
Análisis de covarianza
ANCOVA
Análisis de covarianza (ANCOVA)
Ejemplo práctico
28
Análisis de covarianza
1.00
0.96
Concentración relativa
0.92
0.88
#1 #2 #3 #4 0 2 4
Material recipiente Tiempo (meses)
29
Análisis de covarianza
1.00
0.96
Concentración relativa
0.92
0.88
0 1 2 3 4 5
Tiempo (meses)
30
Análisis de covarianza
1.00
0.96
Concentración relativa
0.92
0.88
0 1 2 3 4 5 0 2 4
Tiempo (meses) Tiempo (meses)
31
Análisis de covarianza
1.00
0.02
0.96
0.00
Residual
Concentración relativa
0.92
−0.02
0.88
#1 #2 #3 #4 #1 #2 #3 #4
Material recipiente Material recipiente
32
Análisis de covarianza
33
Taller Virtual
Estadı́stica Aplicada al
Laboratorio
24 al 28 de mayo de 2021