Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad I
13/11/2020
Conceptos básicos de la ANOVA
Análisis de la varianza
En este caso, la razón para utilizar análisis de varianza es decidir si estas tres
muestras (una muestra es el pequeño grupo de empleados capacitados por
cualquier método) se tomaron de poblaciones (una población es el número total de
empleados que pudieron ser capacitados por ese método) que tienen las mismas
medias. Debido a que estamos probando la efectividad de los tres métodos de
capacitación, debemos determinar si las tres muestras, representadas por las
medias muestrales, x 1 17, x 2 21 y x 3 19, pudieron haberse tomado de
poblaciones con la misma media, Un planteamiento formal de las hipótesis nula y
alternativa que deseamos probar sería:
Podemos inferir que la selección del método de capacitación no influye en la
productividad del empleado. Por otro lado, si encontramos entre las medias
muestrales diferencias demasiado grandes para atribuirlas al error aleatorio de
muestreo, podemos inferir que el método utilizado para capacitar a los
trabajadores sí influye en su productividad. En ese caso, ajustaríamos nuestro
programa de capacitación de acuerdo con los resultados .
Con el fin de utilizar el análisis de varianza, debemos suponer que cada una de
las muestras se toma de una población normal y que cada una de estas
poblaciones tiene la misma varianza, 2.
Ahora bien, como estamos trabajando con tres medias muestrales y una gran
media, sustituyamos x por x, x por x, y k (el número de muestras) por n, para
obtener una fórmula para la varianza entre las medias de las muestras:
Donde:
Prueba de hipótesis F
Uso de la distribución F
Cada distribución F tiene un par de grados de libertad, uno para el numerador del
cociente F y el otro para el denominador. ¿Cómo podemos calcularlos? Primero,
piense en el numerador, la varianza entre columnas. En la tabla 11-13 utilizamos
tres valores de x x, uno para cada muestra, para calcular nj (xj x) 2 . Una vez
conocidos dos de estos valores de x x, el tercero queda automáticamente
determinado y no se puede determinar libremente. Así, se pierde un grado de
libertad cuando calculamos la varianza entre columnas, y el número de grados de
libertad para el numerador del cociente F siempre es una unidad menor que el
número de muestras. La regla, entonces, es:
¿Qué pasa con el denominador? Cuando tenemos todos los valores de (x - xj),
excepto uno, el último queda determinado automáticamente y no se podría
especificar libremente. En consecuencia, perdimos un grado de libertad en los
cálculos de cada muestra, lo que deja 4, 4 y 5 grados de libertad en las muestras.
Como tenemos tres muestras, nos quedamos con 4 + 4 + 5 = 13 grados de
libertad (que también pueden calcularse como 5 + 5 + 6 - 3 = 13). Podemos
establecer la regla de la siguiente manera:
Para llevar a cabo pruebas de hipótesis F debemos utilizar una tabla F, en la cual
las columnas representan el número de grados de libertad del numerador y los
renglones el número de grados de libertad del denominador. Existen tablas
separadas para cada nivel de significancia. Suponga que estamos probando una
hipótesis al nivel de significancia de 0.01, usando la distribución F. Nuestros
grados de libertad son 8 para el numerador y 11 para el denominador. En este
caso, vamos a la tabla 6(b) del apéndice. En el cuerpo de dicha tabla, el valor
apropiado para 8 y 11 grados de libertad es 4.74. Si nuestro valor calculado de F
excede este valor de la tabla, rechazamos la hipótesis nula. Si no es mayor, la
aceptamos.
Prueba de hipótesis
Ahora podemos probar nuestra hipótesis de que los tres métodos de capacitación
producen resultados idénticos, utilizando el material desarrollado hasta este punto.
Empecemos por revisar cómo calcular el cociente F:
primera estimación de la varianza de
F= _población basada en la varianza entre las medias muestrales_
segunda estimación de la varianza de la población basada en
las varianzas dentro de las muestras
= __20__
14.769
= 1.354 -------Estadístico F