MA461 Estadística Inferencial

UNIDAD 3: Diseños Experimentales

Semana 9 – Sesión
1

Logro: Al finalizar la unidad, el estudiante identifica variables independientes

aplicando la técnica de análisis de varianza con el apoyo del software Microsoft
Excel, diferenciando los experimentos de uno y dos factores.

Diseños Experimentales

Experimento Factorial A x B:

Usualmente en los experimentos se desea estudiar el efecto de dos o más factores. Por diseño
factorial se entiende que en cada ensayo o réplica completa del experimento se investigan todas las
combinaciones posibles de los niveles de los factores. Cada factorial (tratamiento) es la combinación
de los niveles de los factores. El objetivo de un experimento factorial A * B es estudiar el efecto de
dos factores sobre una variable de carácter cuantitativa relacionada a problemas de su especialidad.

Estructura de datos de un diseño factorial (caso dos factores A y B)

Ejemplo: Factor A con a = 2 niveles (a1 y a2) y el Factor B con b = 3 niveles (b1, b2 y b3); Réplicas: n = 3

Factor A Factor B
a1 a2 Factor A b1 b2 b3
Factor B Factor B
b1 b2 b3 b1 b2 b3 ó
Replica a1
1
2
a2
3

Se necesitan 2 * 3 * 3 = 18 unidades experimentales.

Ejemplo:
El ejecutivo de marketing de la empresa ALOA S.A. desea saber si los tipos de promoción (P1, P2,
P3) de un producto influye en las ventas de este, y de ser así desea saber qué promoción sería la
recomendable. Tal como está planteado se debería aplicar el DCA (Tema de la clase anterior).
Por otro lado, si el ejecutivo de marketing está interesado en evaluar no sólo las promociones sino
además las zonas, el interés radicaría en saber si las promociones tienen un efecto distinto en las
zonas (Zona1, Zona2, Zona3) donde se aplican (¿hay interacción entre la promoción y las zonas?). En
este caso los factores son: Promoción y Zona.
-1-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Factor B

Factor A Zona 1 Zona 2 Zona 3

150
P1

P2

P3

Modelo:
Cada observación y ijk se descompone en:
y ijk =μ +τ i + β j +(τβ)ij +ε ijk para i=1 , ​​2 ,... , a ; j=1,2, ... , b ; k=1,2 , … n

Donde:
 μ : Media general
 τi : Efecto del nivel i-ésimo del factor A
 βj : Efecto del nivel j-ésimo del factor B
 ( τβ)ij : Efecto de la interacción entre ambos factores
 ε ijk : Error aleatorio asociado a la observación yijk, donde ε ij ~ N ( μ =0, σ 2)

Supuestos del modelo:

Los errores siguen una distribución normal (supuesto de normalidad) con varianza constante
(supuesto de homogeneidad de varianzas).

El cuadro del ANVA para un Experimento Factorial A * B es:

Grados de Sumas de Cuadrados Cuadrados
Fuentes de variación Fcal
libertad (gl) (SC) Medios (CM)
SC( A) CM( A)
Factor A a–1 SC(A) gl( A) CM(Error)
SC( B ) CM( B)
Factor B b–1 SC(B) CM(Error)
gl( B)
SC ( AxB) CM( AB )
Interacción AxB (a – 1).(b – 1) SC(AxB)
gl( AxB) CM(Error)
SC(Error)
Error Experimental a.b.(n – 1) SC(Error) gl(Error)

Total (a.b.n) – 1 SC(Total)

-2-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Procedimiento para el análisis:

Pasos para realizar un Experimento Factorial A * B:

1) Planteamiento de la Hipótesis

Ho: No hay interacción entre los niveles del factor A con los niveles del factor B sobre la variable
respuesta

H1: Hay interacción entre los niveles del factor A con los niveles del factor B sobre la variable
respuesta

2) Nivel de significación (α)

3) Estadístico de prueba de la Interacción A * B:

CM ( AxB)
F cal= ≈ F (α ; gl ( AxB ); gl(Error ))
CM (Error)

Fcrítico = F( α; gl ( A * B ) ; gl ( E r r o r ) ) En Excel: =INV.F.CD ( α; gl ( A * B ) ; gl ( E r r o r ) )

4) Regiones críticas

5) Decisión

Criterio:
Si F cal > Fcritico Si Rechaza Ho  Análisis de la Interacción: Prueba de comparación conjunta

Si F cal ≤ F critico No Rechaza Ho  Análisis de los efectos de cada factor por separado

-3-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Decisión:

R Ho R Ho

 Si en la Decisión:
No Rechaza la hipótesis nula (NRHo), entonces, no hay interacción y se debe analizar cada factor
por separado, como en un Diseño Completamente al Azar (DCA).

Para el Factor A: Para el Factor B:

Ho: El factor A no afecta a la variable respuesta Ho: El factor B no afecta a la variable respuesta
H1: El factor A afecta a la variable respuesta H1: El factor B afecta a la variable respuesta

CM ( A) CM (B)
F cal= F F cal= F
CM ( Error) crít(α ; gl ( A ); gl( Error)) CM (Error) crít(α ; gl (B ) ;gl( Error))

Cuando la decisión de una prueba se rechace (para el Factor que sí afecte) se debe realizar la
prueba de Comparaciones múltiples DMS siempre y cuando los niveles del Factor sean tres o
más.

Prueba de Comparaciones Múltiples cada factor por separado (si NRHo)

Comparaciones Múltiples (DMS)
Esto se puede usar intervalos de confianza haciendo uso de la regla de signos:

Comparaciones Intervalo Conclusión

IC(µA - µB) ( + ; +) µA - µ B > 0 µA > µ B
IC(µA - µB) ( - ; -) µA - µ B < 0 µA < µ B
IC(µA - µB) ( - ; +) µA - µ B = 0 µA = µ B

-4-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

 Si en la Decisión:
Si Rechaza la hipótesis nula (RHo), entonces, hay interacción por lo que se debe realizar un
análisis de DMS fijando un nivel del Factor y comparando los niveles del otro Factor.

Prueba de Comparaciones Conjunta (si RHo)

Esto se puede usar intervalos de confianza en la comparación conjunta haciendo uso de la regla de
signos, fijando un nivel y comparando los niveles del otro factor:

Comparaciones Intervalo Conclusión

IC(µA - µB) ( + ; +) µA - µ B > 0 µA > µ B
IC(µA - µB) ( - ; -) µA - µ B < 0 µA < µ B
IC(µA - µB) ( - ; +) µA - µ B = 0 µA = µ B

Fijando un Nivel del Factor: Comparo los Niveles del otro Factor
Comparaciones
IC(µA - µB)
IC(µA - µC)
IC(µB - µC)

6) Conclusión

Se derivan de las comparaciones múltiples y de las variables específicas concerniente al

problema que se encuentra en evaluación.

Ejercicio para resolver en clase:

-5-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

El administrador de una tienda de ropas para mujer desea lanzar tres líneas de ropa: L1, L2 y L3, y considera
que el grupo de edad es un factor importante a considerar, por lo que clasifica a sus clientes en grupo 1 (G1)
(menores de 20 años), grupo 2 (G2) (entre 20 y 30 años) y grupo 3 (G3) (mayores de 30 años). Envía cartas de
invitación a 9 clientes del grupo 1, a 9 del grupo 2 y a 9 del grupo 3. Cuando llegan a la tienda, las 9 clientes
del grupo 1 se elige aleatoriamente a 3 y se le envía al sector de la Línea 1, a otras 3 al sector de la línea 2 y
los 3 restantes al sector de la línea 3. Lo mismo se hace cuando llegan las clientes de los otros dos grupos de
edades. Luego se les pide que den una puntuación entre 1 y 10, donde 1 nunca lo usarían y 10 estarían
encantadas de usarlo. A continuación, se presentan los reportes del análisis factorial. Use nivel de
significancia del 5% sabiendo que se cumple los supuestos de normalidad y homogeneidad de varianzas.

Líneas de ropa
Grupo de edad L1 L2 L3
7 6 5
G1 7 5 5
8 7 6
6 4 7
G2 5 6 8
5 5 6
6 8 4
G3 5 7 5
6 9 4

¿Existe interacción entre las diferentes líneas de ropa y los diferentes grupos de edad sobre la puntuación de
clientes? Deseamos conocer, si la línea de ropa es (L1), ¿qué grupo de edad la prefiere (mayor puntuación)?
Además, deseamos conocer si el grupo de edad es (G3), ¿qué línea de ropa prefiere (mayor puntuación)?

Realice el análisis correspondiente de acuerdo a las salidas del Excel y SPSS mostradas a continuación.

TABLA DE ANÁLISIS DE VARIANZA

Suma de Grados de Promedio de los
Origen de las variaciones cuadrados libertad cuadrados=CM Fcalc
Muestra (Grupos_edad) 0,889 2 0,444 0,444/0,63
Columnas (Líneas_ropa) 2,889 2 1,444 1,444/0,63
Interacción 30,889 4 7,722 7,722/0,63
Dentro del grupo (Error) 11,333 18 0,630
Total 46 26    

Factor_B * Factor_A Factor_A = Grupos de edad

-6-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Líneas de ropa * Grupos de edad Factor_B = Líneas de ropa

Salidas obtenidas con el Software SPSS

Comparaciones por parejas

Variable dependiente: Y
Líneas 95% de intervalo de confianza para
de (I) Grupo de (J) Grupo de Diferencia de medias Desv. diferenciab
ropa edad edad (I-J) Error Sig.b Límite inferior Límite superior
Línea Grupo 1 Grupo 2 2,000* ,648 ,006 ,639 3,361
1 Grupo 3 1,667 *
,648 ,019 ,306 3,028
*
Grupo 2 Grupo 1 -2,000 ,648 ,006 -3,361 -,639
Grupo 3 -,333 ,648 ,613 -1,694 1,028
Grupo 3 Grupo 1 -1,667* ,648 ,019 -3,028 -,306
Grupo 2 ,333 ,648 ,613 -1,028 1,694
Línea Grupo 1 Grupo 2 1,000 ,648 ,140 -,361 2,361
2 Grupo 3 -2,000 *
,648 ,006 -3,361 -,639
Grupo 2 Grupo 1 -1,000 ,648 ,140 -2,361 ,361
*
Grupo 3 -3,000 ,648 ,000 -4,361 -1,639
*
Grupo 3 Grupo 1 2,000 ,648 ,006 ,639 3,361
*
Grupo 2 3,000 ,648 ,000 1,639 4,361
Línea Grupo 1 Grupo 2 -1,667* ,648 ,019 -3,028 -,306
3 Grupo 3 1,000 ,648 ,140 -,361 2,361
*
Grupo 2 Grupo 1 1,667 ,648 ,019 ,306 3,028
*
Grupo 3 2,667 ,648 ,001 1,306 4,028
Grupo 3 Grupo 1 -1,000 ,648 ,140 -2,361 ,361
*
Grupo 2 -2,667 ,648 ,001 -4,028 -1,306
Se basa en medias marginales estimadas
*. La diferencia de medias es significativa en el nivel 0.05.
b. Ajuste para varias comparaciones: menor diferencia significativa (equivalente a sin ajustes).

-7-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Factor_A * Factor_B Factor_A = Grupos de edad

Grupos de edad * Líneas de ropa Factor_B = Líneas de ropa

Comparaciones por parejas

Variable dependiente: Y
95% de intervalo de confianza
Grupo para diferenciab
de (I) Líneas de (J) Líneas de Diferencia de medias Desv. Límite
b
edad ropa ropa (I-J) Error Sig. Límite inferior superior
Grupo Línea 1 Línea 2 1,333 ,648 ,054 -,028 2,694
1 Línea 3 2,000 *
,648 ,006 ,639 3,361
Línea 2 Línea 1 -1,333 ,648 ,054 -2,694 ,028
Línea 3 ,667 ,648 ,317 -,694 2,028
*
Línea 3 Línea 1 -2,000 ,648 ,006 -3,361 -,639
Línea 2 -,667 ,648 ,317 -2,028 ,694
Grupo Línea 1 Línea 2 ,333 ,648 ,613 -1,028 1,694
2 Línea 3 -1,667 *
,648 ,019 -3,028 -,306
Línea 2 Línea 1 -,333 ,648 ,613 -1,694 1,028
*
Línea 3 -2,000 ,648 ,006 -3,361 -,639
Línea 3 Línea 1 1,667* ,648 ,019 ,306 3,028
*
Línea 2 2,000 ,648 ,006 ,639 3,361
Grupo Línea 1 Línea 2 -2,333 *
,648 ,002 -3,694 -,972
3 Línea 3 1,333 ,648 ,054 -,028 2,694
Línea 2 Línea 1 2,333* ,648 ,002 ,972 3,694
*
Línea 3 3,667 ,648 ,000 2,306 5,028
Línea 3 Línea 1 -1,333 ,648 ,054 -2,694 ,028
*
Línea 2 -3,667 ,648 ,000 -5,028 -2,306
Se basa en medias marginales estimadas
*. La diferencia de medias es significativa en el nivel 0.05.
b. Ajuste para varias comparaciones: menor diferencia significativa (equivalente a sin ajustes).

-8-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Interpretación Representación Cálculo / Análisis Argumentación

Análisis Estadístico Respuesta del
Definición del Elementos del
problema Toma de
problema diseño ANOVA Comparaciones
decisión

Solución:
Interpretación
Determinar si existe interacción entre las diferentes líneas de ropa y los diferentes grupos de
edad sobre la puntuación de clientes

Representación
Factor A y sus niveles : Grupo de edad (a= 3 niveles de tratamiento G1, G2, G3)
Factor B y sus niveles : Líneas de ropa (b= 3 niveles de tratamiento L1, L2, L3)
Combinaciones de factores o combinación de tratamientos:
Número de tratamientos: G1-L1, G1-L2, G1-L3, G2-L1, G2-L2, G2-L3, G3-L1, G3-L2, G3-L3
Número de Tratamientos: 3 * 3 = 9 tratamientos
Número de réplicas por tratamiento: 3
Variable respuesta : Puntuación dada por los clientes (entre 1 y 10)
Unidad experimental : Un cliente
Supuestos del modelo: Los errores siguen una distribución normal (supuesto de normalidad)
con varianza constante (|supuesto de homogeneidad de varianzas).
Técnica estadística : Diseño Factorial A* B
Nivel de significación : α = 0,05

Cálculo y Análisis

PRIMERO ANALIZAR LA INTERACCION

-9-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Hipótesis de Análisis de varianza (ANOVA) para Experimento Factorial A * B:

Ho: No existe (no hay) interacción entre los niveles de los grupos de Edad con los niveles de las
Líneas de Ropa sobre la puntuación promedio de clientes.
H1: Existe (Hay) interacción entre los niveles de los grupos de Edad con los niveles de las Líneas
de Ropa sobre la puntuación promedio de clientes

TABLA ANÁLISIS DE VARIANZA

Suma de
cuadrado Grados de Promedio de los
Origen de las variaciones s libertad cuadrados Fcalc
Muestra (Grupos_edad) 0,889 2 0,444 0,444/0,63= 0,705
Columnas (Líneas_ropa) 2,889 2 1,444 1,444/0,63= 2,292
Interacción 30,889 4 7,722 7,722/0,63=12,257
Dentro del grupo (Error) 11,333 18 0,630
Total 46 26    

Estadístico de Prueba de la Interacción:

CM (Tr ) 7,722
F cal= = =12.257
CME 0,63

Valor crítico de la interacción: Fcritico = F(0.05; 4; 18) = 2,9277

Fcrítico = F(α; gl(A*B); gl(Error)) = F(α; (a - 1).(b - 1); a.b(n - 1))

En Excel: =INV.F.CD(α; (a - 1).(b - 1); a.b(n - 1)) = INV.F.CD(0.05;4;18) = 2.928

α = 0,05

2.928
12.257

CM (Tr ) 7,722
F cal= = =12.257 > Fcritico = F (0.05; 4 ; 18) = 2.928
CME 0,63

Decisión estadística: Rechazar Ho

Conclusión estadística: Al 5% de nivel de significancia, se puede afirmar que existe (hay) interacción
entre los niveles de los grupos de edad con los niveles de las líneas de ropa sobre la puntuación
promedio de los clientes.

-
10-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Como se Rechaza la hipótesis Ho (RHo), entonces, existe interacción por lo que se debe realizar el
análisis de DMS fijando un nivel del Factor y comparando los niveles del otro Factor.

Comparaciones Múltiples Experimento Factorial A * B:

(1) Deseamos conocer, si la línea elegida de ropa es (L1), ¿qué grupo de edad la prefiere?
Fijando el Nivel del Factor Línea de ropa (L1): Comparamos los Niveles del otro Factor

Comparaciones por parejas

95% de intervalo de confianza
Líneas de (I) Grupo de (J) Grupo de Diferencia de Desv. para diferenciab
ropa edad edad medias (I-J) Error Sig.b Límite inferior Límite superior
Linea1 Grupo1 Grupo2 2,000 *
,648 ,006 +,639 +3,361
Grupo3 1,667* ,648 ,019 ,306 3,028
*
Grupo2 Grupo1 -2,000 ,648 ,006 -3,361 -,639
Grupo3 -,333 ,648 ,613 -1,694 1,028
*
Grupo3 Grupo1 -1,667 ,648 ,019 -3,028 -,306
Grupo2 ,333 ,648 ,613 -1,028 1,694

Fijando la Línea de ropa 1, luego aplicamos la regla de signos para los intervalos
µ1 - µ2  (+ , +)  µ1 > µ2 (existe diferencias)
µ1 - µ3  (+ , +)  µ1 > µ3 (existe diferencias)
µ2 - µ3  ( - , +)  µ2 = µ3 (no existe diferencias)
Ordenando los promedios poblacionales de menor a mayor:
µ2 = µ3 < µ1 ó µ2 µ3 µ1

(2) Deseamos conocer que si el grupo de edad elegido es (G3), ¿qué línea de ropa prefieren?
Fijando el Nivel del Factor GRUPO EDAD (G3): Comparamos los Niveles del otro Factor

Comparaciones por parejas

95% de intervalo de confianza para
Grupo de (I) Líneas de (J) Líneas de Diferencia de Desv. diferenciab
edad ropa ropa medias (I-J) Error Sig.b Límite inferior Límite superior

Grupo3 Linea1 Linea2 -2,333* ,648 ,002 -3,694 -,972

Linea3 1,333 ,648 ,054 -,028 2,694
*
Linea2 Linea1 2,333 ,648 ,002 ,972 3,694
*
Linea3 3,667 ,648 ,000 2,306 5,028
Linea3 Linea1 -1,333 ,648 ,054 -2,694 ,028

-
11-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Linea2 -3,667* ,648 ,000 -5,028 -2,306

Fijando el Grupo de edad 3, luego aplicamos la regla de signos para los intervalos
µ1 - µ2  ( - , - )  µ1 < µ2 (existe diferencias)
µ1 - µ3  ( - , +)  µ1 = µ3 (no existe diferencias)
µ2 - µ3  (+ , +)  µ2 > µ3 (existe diferencias)
Ordenando los promedios poblacionales de menor a mayor:
µ1 = µ3 < µ2 ó µ1 µ3 µ2
Conclusiones
- Al 5% de nivel de significancia, se puede afirmar que existe interacción entre los niveles de los
grupos de Edad con los niveles de las Líneas de Ropa sobre la puntuación promedio dado por los
clientes.
- Cuando se fija la línea de ropa 1, no existe diferencias significativas en la puntación promedio
entre los grupos de edad 2 y 3; existe diferencias significativas en la puntación promedio entre
los grupos de edad 1 y 2; así también entre los grupos 1 y 3. El grupo 1 presenta mayor
puntuación en la línea de ropa 1.
- Cuando se fija el grupo de edad 3, no existe diferencias significativas en la puntación promedio
entre las líneas de ropa 1 y 3; existe diferencias significativas en la puntación promedio entre las
líneas de ropa 1 y 2; así también entre las líneas de ropa 2 y 3. La línea de ropa 2 presenta mayor
puntuación en el grupo de edad G3.

Argumentación
 Existe interacción entre los niveles de los grupos de Edad con los niveles de las Líneas de Ropa
sobre la puntuación de clientes.
 Si la Línea de ropa es L1, la puntuación mayor de los clientes es obtenida en el grupo de Edad
(G1)
 Si el grupo de Edad es G3, la puntuación mayor de los clientes es obtenida en la Línea de ropa
(L2).

-
12-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

El gerente de ventas de una empresa desea saber si los grupos de años de experiencia de sus
vendedores y los métodos de ventas realmente influyen en el monto facturado, con este objetivo
seleccionó en forma aleatoria a 27 vendedores y registro el monto facturado en miles de soles de
cada vendedor, los resultados se muestran en la siguiente tabla:

Métodos de venta

Años de experiencia  Método1 Método 2 Método 3

4,1 5,3 8,1
Menos de un año 3,8 5,6 9,6
3,2 6,1 9,4
3,9 6,8 10,2
De uno a tres años 4,5 6,6 11,1
5,2 7,3 10,1
6,1 7,7 11,8
Más de tres años 6,5 7,6 12,1
6,4 8,2 11,4

Use nivel de significancia del 5%, sabiendo que se cumple los supuestos de normalidad y
homogeneidad de varianzas. ¿Existe interacción entre los grupos de Años de experiencia y los
Métodos de ventas sobre el monto facturado? ¿En qué grupo de Años de experiencia de los
vendedores el monto facturado es mayor? ¿En qué Método de venta el monto facturado es mayor?

Realice el análisis correspondiente de acuerdo a las salidas del Excel y SPSS mostradas a continuación:

ANÁLISIS DE VARIANZA
Suma de Grados de Promedio de los
Origen de las variaciones cuadrados libertad cuadrados=CM F
Años de experiencia: Muestra 28,423 2 14,211
Métodos: Columnas 143,667 2 71,834
Interacción 0,748 4 0,187
Error: Dentro del grupo 4,327 18 0,240
Total 177,165 26    

-
13-
MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

-
14-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Comparaciones múltiples
Variable dependiente: Y
DMS
Intervalo de confianza al
95%
(I) Años de (J) Años de Diferencia de medias (I- Desv. Límite Límite
experiencia experiencia J) Error Sig. inferior superior
*
Menos de un año De uno a tres años -1,167 ,2311 ,000 -1,652 -,681
Más de tres años -2,511* ,2311 ,000 -2,997 -2,026
*
De uno a tres Menos de un año 1,167 ,2311 ,000 ,681 1,652
años Más de tres años -1,344 *
,2311 ,000 -1,830 -,859
*
Más de tres años Menos de un año 2,511 ,2311 ,000 2,026 2,997
De uno a tres años 1,344* ,2311 ,000 ,859 1,830
Se basa en las medias observadas.
El término de error es la media cuadrática (Error) = ,240.
*. La diferencia de medias es significativa en el nivel 0.05.

Comparaciones múltiples
Variable dependiente: Y
DMS
Intervalo de confianza al 95%
(I) Métodos de (J) Métodos de Límite
venta venta Diferencia de medias (I-J) Desv. Error Sig. Límite inferior superior
*
 Método1  Método2 -1,944 ,2311 ,000 -2,430 -1,459
*
 Método3 -5,567 ,2311 ,000 -6,052 -5,081
*
 Método2  Método1 1,944 ,2311 ,000 1,459 2,430
 Método3 -3,622* ,2311 ,000 -4,108 -3,137
*
 Método3  Método1 5,567 ,2311 ,000 5,081 6,052
*
 Método2 3,622 ,2311 ,000 3,137 4,108
Se basa en las medias observadas.
El término de error es la media cuadrática (Error) = ,240.
*. La diferencia de medias es significativa en el nivel 0.05.

Interpretación Representación Cálculo / Análisis Argumentación

Análisis Estadístico Respuesta del
Definición del Elementos del
problema Toma de
problema diseño ANOVA Comparaciones
decisión

-
15-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Solución:
Interpretación
Determinar si existe interacción entre los grupos de Años de experiencia de los vendedores y los
Métodos de ventas sobre el monto facturado.

Representación
Factor A y sus niveles : Años de experiencia de los vendedores (Menos de un año, De uno a tres
años, Más de tres años)
Factor B y sus niveles : Métodos de venta (Método1, Método2, Método3)
Combinaciones de factores: Menos de un año-Método1, Menos de un año-Método2, Menos de
un año-Método3, De uno a tres años-Método1, De uno a tres años-
Método2, De uno a tres años-Método3, Más de tres años-
Método1, Más de tres años-Método2, Más de tres años-Método3
Número de tratamientos: 3 * 3 = 9 tratamientos
Número de réplicas por tratamiento: n = 3
Variable respuesta : Monto facturado (en miles de soles) por cada vendedor
Unidad experimental : Un vendedor
Supuestos del modelo : Los errores siguen una distribución normal (supuesto de normalidad)
con varianza constante (supuesto de homogeneidad de varianzas).
Técnica estadística : Diseño Factorial A* B
Nivel de significación : 5%

Cálculo y Análisis

Hipótesis de Análisis de varianza (ANOVA) para Experimento Factorial A * B:

Ho: No hay interacción entre los niveles de años de experiencia de los vendedores y los niveles
de métodos de venta sobre el monto promedio facturado.
H1: Hay interacción entre los niveles de años de experiencia de los vendedores y los niveles de
métodos de venta sobre el monto promedio facturado.

ANÁLISIS DE VARIANZA
Suma de Grados de Promedio de los
Origen de las variaciones cuadrados libertad cuadrados Fcalc
Años de experiencia: Muestra 28,423 2 14,211 14,211/0,24=59,123
Métodos: Columnas 143,667 2 71,834 71,834/0,24=299,308
Interacción 0,748 4 0,187 0,187/0,24=0,779
Error: Dentro del grupo 4,327 18 0,240
Total 177,165 26    

Estadístico de Prueba de la Interacción:

CM ( Tr ) 0,187
F cal= = =0,7792
CME 0,24

Valor crítico de la interacción: Fcrítico = F(α; gl(A*B); gl(Error)) = F(α; (a - 1).(b - 1); a.b(n - 1))

-
16-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Fcritico = F(0.05; 4;18) = 2,9277

En Excel: =INV.F.CD(α; (a - 1).(b - 1); a.b(n - 1)) = INV.F.CD(0.05;4;18) = 2,9277

α = 0,05

2,9277
0,779
Decisión estadística: No Rechazar Ho
Conclusión estadística: Al 5% de nivel de significancia, no se puede afirmar que hay interacción
entre los niveles de años de experiencia de los vendedores y los niveles de métodos de venta sobre
el monto promedio facturado (no hay interacción).

Cómo no hay interacción, se debe analizar cada factor por separado, como en un Diseño
Completamente al Azar (DCA).

Realizamos el análisis por separado para cada Factor

Para el Factor A: Años de experiencia de los Para el Factor B: Métodos de venta
vendedores
Ho: Los métodos de venta no afectan al monto
Ho: Los años de experiencia de los vendedores no promedio facturado.
afectan al monto promedio facturado. H1: Los métodos de venta afectan al monto promedio
H1: Los años de experiencia de los vendedores afectan al facturado.
monto promedio facturado
Estadístico de Prueba:
Estadístico de Prueba: CM ( B )
F cal= =299,308
CM ( A ) CM ( Error )
F cal= =59,2125
CM ( Error )
Valor Crítico:
Valor Crítico: F crít (α ;gl ( B ); gl( Error ))=F (0.05 ;2 ;18) =3,5546
F crít (α ;gl ( A ) ; gl( Error ))=F (0.05 ;2 ;18)=3,5546

α = 0,05
α = 0,05
3,5546
3,5546 299,308
59,2125 Decisión estadística: Rechazar Ho
Decisión estadística: Rechazar Ho Conclusión estadística: Al 5% de nivel de significancia, se
Conclusión estadística: Al 5% de nivel de significancia, se puede afirmar que los métodos de venta afectan al
puede afirmar que los años de experiencia de los monto promedio facturado.
vendedores afectan al monto promedio facturado.

-
17-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Para el Factor A: Años de experiencia:

Comparaciones múltiples
Variable dependiente: Y
DMS
Intervalo de confianza al
95%
(I) Años de (J) Años de Diferencia de medias (I- Desv. Límite Límite
experiencia experiencia J) Error Sig. inferior superior
Menos de un año De uno a tres años (2) -1,167* ,2311 ,000 -1,652 -0,681
(1) Más de tres años (3) -2,511* ,2311 ,000 -2,997 -2,026
De uno a tres Menos de un año (1) 1,167* ,2311 ,000 ,681 1,652
años (2) Más de tres años (3) -1,344* ,2311 ,000 -1,830 -0,859
Más de tres años Menos de un año (1) 2,511* ,2311 ,000 2,026 2,997
(3) De uno a tres años (2) 1,344* ,2311 ,000 ,859 1,830
Se basa en las medias observadas.
El término de error es la media cuadrática(Error) = ,240.
*. La diferencia de medias es significativa en el nivel 0.05.

Luego analizamos la regla de signos para los intervalos

µ1 - µ2  ( - , - )  µ1 < µ2 (existe diferencias)
µ1 - µ3  ( - , - )  µ1 < µ3 (existe diferencias)
µ2 - µ3  ( - , - )  µ2 < µ3 (existe diferencias)
Ordenando los promedios poblacionales de menor a mayor:
µ1 < µ2 < µ3 ó µ1 µ2 µ3

Para el Factor B: Métodos de venta:

Comparaciones múltiples
Variable dependiente: Y
DMS
Intervalo de confianza al
95%
(I) Métodos de (J) Métodos de Límite
venta venta Diferencia de medias (I-J) Desv. Error Sig. Límite inferior superior
 Método1  Método2 -1,944* ,2311 ,000 -2,430 -1,459
 Método3 -5,567* ,2311 ,000 -6,052 -5,081
 Método2  Método1 1,944* ,2311 ,000 1,459 2,430
 Método3 -3,622* ,2311 ,000 -4,108 -3,137
 Método3  Método1 5,567* ,2311 ,000 5,081 6,052
 Método2 3,622* ,2311 ,000 3,137 4,108
Se basa en las medias observadas.
El término de error es la media cuadrática (Error) = ,240.
*. La diferencia de medias es significativa en el nivel 0.05.

Luego analizamos la regla de signos para los intervalos

µ1 - µ2  ( - , - )  µ1 < µ2 (existe diferencias)
µ1 - µ3  ( - , - )  µ1 < µ3 (existe diferencias)
µ2 - µ3  ( - , - )  µ2 < µ3 (existe diferencias)
Ordenando los promedios obtenemos: µ1 < µ2 < µ3 ó µ1 µ2 µ3
-
18-
 MA461 Estadística Inferencial
UNIDAD 3: Diseños Experimentales

Conclusiones:
 Al 5% de nivel de significancia, no se puede afirmar que hay interacción entre los niveles de Años
de experiencia de los vendedores y los niveles de métodos de venta sobre el monto promedio
facturado.
 Al 5% de nivel de significancia, se puede afirmar que los años de experiencia de los vendedores
afectan al monto promedio facturado.
 Al 5% de nivel de significancia, se puede afirmar que los métodos de venta afectan al Monto
promedio facturado.
 Existe diferencias significativas en el monto promedio de ventas entre los vendedores con
experiencia menor a un año y los que tienen experiencia de uno a tres años, existe diferencias
significativas en el monto promedio de ventas entre los vendedores con experiencia menor a un
año y los que tienen experiencia de más de tres años; así también existe diferencias significativas
en el monto promedio de ventas entre los vendedores con experiencia de un año a tres años y
los que tienen experiencia de más de tres años. (µ1 < µ2 < µ3).
 Existe diferencias significativas en el monto promedio de ventas de los vendedores entre los
métodos de ventas aplicados uno y dos, existe diferencias significativas en el monto promedio
de ventas de los vendedores entre los métodos de ventas aplicados uno y tres, así también entre
los métodos dos y tres. (µ1 < µ2 < µ3).

Argumentación
 No hay interacción entre los niveles de años de experiencia de los vendedores y los niveles de
Métodos de venta sobre monto promedio facturado.
 El grupo que tiene más de tres años de experiencia tiene mayor monto promedio facturado.
 El Método de venta 3 tiene mayor monto promedio facturado.

-
19-