24/07/2021

Nombre y apellido: Alexis La Rocca C.I 28.555.678

VI Trimestre de Ingeniería Industrial.
Prof. Carmen Rodríguez
Evaluación de Estadística II: Análisis de la varianza.
1- ) Concepto del análisis de varianza para la comparación de dos o más
poblaciones.
El análisis de la varianza (ANOVA: Analysis of variance) Constituye la herramienta
básica para el estudio del efecto de uno o más factores (cada uno con dos o más
niveles) sobre la media de una variable continua. Es por lo tanto el test estadístico
a emplear cuando se desea comparar las medias de dos o más grupos. Esta
técnica puede generalizarse también para estudiar los posibles efectos de los
factores sobre la varianza de una variable.
La hipótesis nula de la que parten los diferentes tipos de ANOVA es que la media
de la variable estudiada es la misma en los diferentes grupos, en contraposición a
la hipótesis alternativa de que al menos dos medias difieren de forma significativa.
ANOVA permite comparar múltiples medias, pero lo hace mediante el estudio de
las varianzas.
Cuando se contrasta la hipótesis de igualdad de medias de dos poblaciones o
cuando se realiza un análisis de la varianza (ANOVA) es fundamental decidir si
puede aceptarse que las muestras independientes provienen de poblaciones con
la misma varianza.

2- ) Caracterizar los modelos experimentales para el análisis de varianza.

Existen tres clases conceptuales de estos modelos:
1. El Modelo de efectos fijos asume que los datos provienen de poblaciones
normales las cuales podrían diferir únicamente en sus medias. (Modelo 1)
2. El Modelo de efectos aleatorios asume que los datos describen una jerarquía de
diferentes poblaciones cuyas diferencias quedan restringidas por la jerarquía.
Ejemplo: El experimentador ha aprendido y ha considerado en el experimento sólo
tres de muchos más métodos posibles, el método de enseñanza es un factor
aleatorio en el experimento. (Modelo 2)
3. El Modelo de efectos mixtos describen situaciones que éste puede tomar.
Ejemplo: Si el método de enseñanza es analizado como un factor que puede influir
donde están presentes ambos tipos de factores: fijos y aleatorios. (Modelo 3)
3- ) Principios y objetivos de la experimentación.
Algunos principios básicos del diseño experimental tienen que ver con la
formulación del problema bajo investigación, la escogencia del diseño
experimental, la ejecución del experimento, el análisis de los datos y la
interpretación de los resultados. Estos principios se discutirán en forma general,
dejando los detalles específicos referentes a los diseños experimentales para
sesiones posteriores.
El objetivo de la experimentación: Es obtener información de calidad. Información
que permita desarrollar nuevos productos y procesos, comprender mejor un
sistema (un proceso industrial, un procedimiento analítico,...) y tomar decisiones
sobre como optimizarlo y mejorar su calidad, comprobar hipótesis científicas, etc.

4- ) Explica el  Análisis de varianza para muestras aleatorias independientes.

Las muestras elegidas al azar no están relacionadas entre sí. Se desea estudiar la
edad media de los presos en las prisiones de Auburn y Allegheny. Se selecciona
una muestra de 28 internos de la prisión de Auburn y una muestra de 19 de la
prisión de Allegheny. Una persona no puede estar encerrada en las dos prisiones.
Las muestras son independientes, es decir, no se relacionan.
La lógica del análisis de varianza de un factor es someter a análisis la variabilidad
encontrada en cada uno de los factores, y en función de ella, dar una respuesta
sobre el supuesto de igualdad de sus medias.
Aunque sería posible buscar una respuesta estadística usando la prueba t para
dos muestras con cada una de las muestras de interés, el error tipo I sería más
alto que con el análisis de varianza, de aquí que sea este preferible.
 5- ) Elabora un cuadro comparativo con los siguientes diseños de
experimentos enunciando sus características y ejemplos de cada uno: Diseño de
bloques. Pruebas de homogeneidad: Prueba de Bartlett, Prueba de Cochran.
Prueba de Tuckey. Prueba de Duncan. Prueba de Fisher. Prueba de Dunnett.
Diseños de
Experimento Características
s
 En este tipo de diseño de
experimentos se consideran tres
fuentes de variabilidad: el factor de
tratamientos, el factor de bloques y
el error aleatorio.
Diseño  El modelo se dice que es de
de bloques aleatorizados completos
cuando en cada bloque se
Bloques presentan todos los posibles
tratamientos (o un múltiplo de ese
número) y dentro de cada bloque se
asignan los tratamientos de forma
aleatoria.
 Se caracteriza, además de por
poder comparar 2 o más
poblaciones, por permitir elegir
Prueba de entre diferentes estadísticos de
Homogeneid centralidad: mediana (por defecto),
ad media, media truncada. Esto es
importante a la hora de contrastar la
homocedasticidad dependiendo de
si los grupos se distribuyen de
forma normal o no.
Ejemplos
Un ejemplo para este tipo de diseño sería el
siguiente: Un ingeniero de producción investiga
el efecto de cuatro métodos de producción A, B,
C y D, sobre el tiempo de producción en
minutos. En primera instancia la estrategia
experimental es aplicar cuatro veces los cuatro
métodos de producción en orden
completamente aleatorio (las 16 pruebas en
orden aleatoria), se supone que de acuerdo a
como se ha hecho el estudio, además del
método de producción, los experimentadores se
dan cuenta que hay cuatro operadores y
consideran que esto puede afectar de manera
significativa los tiempos de producción (variable
respuesta), y por ende la comparación de los
métodos, entonces debe utilizar el diseño en
bloques completos.
La estadística de prueba, W , se define como
sigue:
k
∑ N i (Z i−Z ..)2
( N−k) i=1
W= k N
( k−1)
∑ ∑ ( Zij −Z i .)2
i=1 j=1
Donde:
W Es el resultado de la prueba
k Es el número de diferentes grupos a los que
pertenecen los casos muestreados,
N Es el número total de casos en todos los
grupos,
N i Es el número de casos en el grupo i,
Y ij Es el valor de la variable medida para el j
esimo caso del i esimo grupo.
  Permite contrastar la igualdad de
varianza en 2 o más poblaciones
sin necesidad de que el tamaño de
Prueba de los grupos sea el mismo. Es más
sensible que el test de Levene a la
Bartlett falta de normalidad, pero si se está
seguro de que los datos provienen
de una distribución normal, es la
mejor opción.

 Su función es comparar el cambio

en la distribución de proporciones
Prueba de entre más de dos mediciones de
Cochran una variable dicotómica y
determinar que la diferencia no se
deba al azar

Modelo equilibrado:

 El test HSD (honestly significant HSD Tuckey =q α ,gl , k √ MC error /n

difference) desarrollado por Tukey
Dónde: q=¿ Valor critico de la tabla de rango
Prueba de realiza comparaciones entre medias
studentizado con α en función del nivel de
Tuckey (de dos en dos) pero fijando la tasa
confianza; gl de la MCerror y k que es el nº de
de error tipo I en alpha. Y esta es la
grupos o niveles del análisis de varianza
prueba más usada.
MC error =m ediacuadratica del error
n=tamaño de cada grupo

 El Test de Duncan es un test de

comparaciones múltiples. Permite Ejemplo de test de Duncan:
Prueba de comparar las medias de los t
niveles de un factor después de ^S2E
Duncan haber rechazado la Hipótesis nula
de igualdad de medias mediante la
técnica ANOVA.
√
R p =q p , n−t (α p )∙
n
 Tras mucho pensar en el problema del té y las
 La prueba de Fisher es el método habilidades de Muriel Bristol, el genial Fisher
exacto utilizado cuando se quiere demostró que podía calcular la probabilidad de
estudiar si existe asociación entre cualquiera de las tablas de contingencia
dos variables cualitativas, es decir, utilizando para ello la distribución de
si las proporciones de una variable probabilidad hipergeométrica, según la fórmula
son diferentes en función del valor de la figura.
de la otra variable.
 La prueba es útil para los datos
categóricos que resultan de
clasificar los objetos en dos formas
diferentes, se utiliza para examinar
Prueba la significación de la asociación (de
de contingencia) entre los dos tipos de
clasificación. Así en el ejemplo
Fisher original de Fisher, uno de los
criterios de clasificación podría ser
si la leche o el té fue puesto en la
copa primero, y el otro podría ser si
Muriel Bristol piensa que la leche o
el té se puso primero. Queremos Así, la prueba de Fisher calcula las
saber si estas dos clasificaciones probabilidades de todas las posibles tablas y
están. La mayoría de los usos de la suma las de aquellas que tengan valores de p
prueba de Fisher implican, como en menores o iguales que la tabla observada. Esta
este ejemplo, una tabla de 2×2 de suma, multiplicada por dos, nos proporciona el
contingencia. valor de p para un contraste de hipótesis
bilateral, o de dos colas.

 Se utiliza en ANOVA para crear
intervalos de confianza para las
diferencias entre la media de
cada nivel de factor y la media
de un grupo de control. Si un
intervalo contiene el cero, no
hay diferencia significativa
Prueba entre las dos medias que están
de comparándose. Especificamos
una tasa de error por familia
Dunnett para todas las comparaciones,
y el método de Dunnett
determina los niveles de
confianza para cada
comparación individual según
corresponda.
Evaluamos tres píldoras para perder peso con
el fin de determinar si son significativamente
diferentes de un placebo. En un experimento
doble ciego, cincuenta personas reciben la
píldora A, cincuenta personas reciben la píldora
B, cincuenta personas reciben la píldora C y
cincuenta personas reciben un placebo. El
grupo del placebo es el grupo de control.
Registramos la pérdida de peso promedio de
cada grupo y realiza un ANOVA con el método
de Dunnett para determinar si cualquiera de las
tres píldoras produce una pérdida de peso que
sea significativamente diferente del placebo. El
método de Dunnett produce tres intervalos de
confianza: uno para la diferencia en la media de
pérdida de peso entre el grupo A y el grupo del
placebo, otro para la diferencia en la media de
pérdida de peso entre el grupo B y el grupo del
placebo y otro para la diferencia en la media de
pérdida de peso entre el grupo C y el grupo del
placebo. Usted establece la tasa de error por
familia para las tres comparaciones en 0.10, de
modo que el nivel de confianza para todas las
comparaciones es de 90%.
El intervalo de confianza para la diferencia entre
la píldora A y el placebo contiene el cero; por lo
tanto, concluimos que no existe diferencia entre
la pérdida de peso en el grupo A y el grupo del
placebo. El intervalo de confianza para la
diferencia entre la píldora B y el placebo
contiene solamente números negativos; por lo
tanto, concluimos que los sujetos del grupo B
perdieron menos peso que los sujetos del grupo
que recibió el placebo. En otras palabras, la
píldora B previene la pérdida de peso. Por
último, el intervalo de confianza para la
diferencia entre la píldora C y el placebo
contiene solamente números positivos; por lo
tanto, concluimos que la píldora C produce una
pérdida de peso significativamente mayor que
un placebo. Como resultado de este estudio,
usted recomienda utilizar la píldora C.
6- ) Ejercicio: Suponga que la Universidad Alonso de Ojeda llevo a cabo una
investigación en la que se emplean 3 métodos diferentes para estudiar estadística.
Se desea comprobar si estos métodos han tenido algún efecto sobre las notas
obtenidas por los estudiantes al Final del lapso académico. Se toman muestras de
tamaño 5 de cada grupo.

GRUPO A GRUPO B GRUPO C

3 4 7
6 7 6
5 7 7
4 4 7
7 8 8

Realice el análisis de la varianza.

Solución:
Utilizamos un nivel de confianza del 95%.
Comenzamos calculando los totales y los cuadrados de los totales divididos por el
número de observaciones:
GRUPO A GRUPO B GRUPO C TOTAL Sum2/n
Suma 25 30 35 90 540
Sum2/n 125 180 245 550

A continuación calculamos los cuadrados de las observaciones y su total:

GRUPO A GRUPO B GRUPO C

9 16 49
36 49 36
25 49 49
16 16 49
49 64 64
135 194 247 576

A partir de estas cantidades básicas calculamos las Sumas de Cuadrados:

SumaCuadrados(total )=576−540=36

Formulas:
E ntre grupos : SST =∑ (¿T 2c /nc)−¿ ¿ ¿

Dentro de los grupos :SSE=∑ x 2−∑ [T 2c /nc ]

STT=576 – 550=26
 SSE=550 – 540=10

Formato general de la tabla de análisis de la varianza:

Fuente de variación Suma de cuadrados Grados de libertad Cuadrados medios
Entre los grupos 26 k −1=3−1 SST /k −1=MSTR
En los grupos 10 n−k =15−3 SSe/n−k =MSE
Total F(MSTR / MSE )

Los cuadrados medios serán:

MSTR=10/2=5
MSE=26 /12=2,16

Por consiguiente el estadístico de contraste vale:

F=5/2,16=2,31 4

Con ( 3−1 ) y ( 15−3 ) grados de libertad gl = nos queda 2 grados de libertad en el

numerador y 12 grados de libertad en el denominador a un nivel de confianza del
95% es:
F(2/ 12)=3 , 885 Es el valor crítico de la distribución F.

Conclusión:
No se rechaza la hipótesis nula y se concluye que los tres métodos han tenido
efecto sobre las notas obtenidas por los estudiantes al final del lapso académico.