ANALISIS DE VARIANZA

UNIFACTORIAL Y BIFACTORIAL

ASIGNATURA: ESTADISTICA
CATEDRÁTICO (A): GUANUCHE LARCO DENNY JAVIER

Nombre: TUFIÑO KLEVER

• Objetivo general:
Entender un poco más acerca de los análisis de varianza unifactorial y bifactorial para
luego analizarlos y usarlos conforme se necesite.
• Objetivos específicos:
Identificar y definir de los temas a tratarse ayudándonos de ejemplos para integrar la
parte teórica-practica.
• Marco teórico:

Análisis de varianza unifactorial

El análisis de varianza (ANOVA) de un factor es un método estadístico para examinar

las diferencias en las medias de tres o más grupos. Se emplea cuando tenemos una
única variable o factor independiente y el objetivo es investigar si las variaciones o
diferentes niveles de ese factor tienen un efecto medible sobre una variable
dependiente. Sólo puede utilizarse cuando se investiga un solo factor y una sola
variable dependiente. Cuando se comparan las medias de tres o más grupos, puede
indicar si al menos un par de medias es significativamente diferente, pero no puede
indicar qué par. También requiere que la variable dependiente esté distribuida de
manera normal en cada uno de los grupos y que la variabilidad dentro de cada grupo
sea similar en todos los grupos.
 ANALISIS DE VARIANZA
UNIFACTORIAL Y BIFACTORIAL

ASIGNATURA: ESTADISTICA
CATEDRÁTICO (A): GUANUCHE LARCO DENNY JAVIER

Al examinar el gráfico, observa que las mediciones de resistencia a la torsión de

los tarros del lote 3 tienden a ser más bajas que las de las muestras tomadas de
otros lotes. Cuando calcula la media de todas las medidas, observa que la
resistencia a la torsión media del lote 3 es 26.77: es mucho más baja que los otros
cuatro lotes, que tienen medias en torno a 30.

Análisis de varianza bi factorial

Es un diseño de anova que permite estudiar simultáneamente los efectos de dos

fuentes de variación. Para entender mejor este concepto de interacción veamos un
ejemplo sencillo sobre un anova de dos factores, cada uno con dos niveles: supóngase
un estudio para analizar el efecto de un somnífero teniendo en cuenta el sexo de los
sujetos. Se eligen al azar dos grupos de hombres y otros dos de mujeres. A un grupo
de hombres y otro de mujeres se les suministra un placebo y a los otros grupos el
somnífero. Se mide el efecto por el tiempo que los sujetos tardan en dormirse desde
el suministro de la píldora. Se trata de un anova de dos factores (sexo y fármaco) fijos,
cada uno con dos niveles (hombre y mujer para el sexo y somnífero y placebo para el
fármaco). Los dos tipos de resultados posibles se esquematizan en la figura

La interacción indica, por tanto, que los efectos de ambos factores no son aditivos:
cuando se dan juntos, su efecto no es la suma de los efectos que tienen cuando están
por separado, por lo que, si en un determinado estudio se encuentra interacción entre
dos factores, no tiene sentido estimar los efectos de los factores por separado. A la
interacción positiva, es decir, cuando el efecto de los factores actuando juntos es
mayor que la suma de efectos actuando por separado, en Biología se le
denomina sinergia o potenciación y a la interacción negativa inhibición. En el ejemplo
de la figura B, se diría que el ser mujer inhibe el efecto del somnífero, o que el ser
hombre lo potencia (según el sexo que se tome como referencia).
 ANALISIS DE VARIANZA
UNIFACTORIAL Y BIFACTORIAL

ASIGNATURA: ESTADISTICA
CATEDRÁTICO (A): GUANUCHE LARCO DENNY JAVIER

• Conclusión:
Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven
para evaluar el efecto individual y conjunto de dos o más factores (variables
independientes categóricas) sobre una variable dependiente cuantitativa.
El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K
poblaciones (K >2) son iguales, frente a la hipótesis alternativa de que por lo menos
una de las poblaciones difiere de las demás en cuanto a su valor esperado.

• Bibliografía:

Zambrano, F. A. (2012). Interaprendizaje de estadística básica

Wetreicher, G. (25 de diciembre del 2021). Economipedia.

Obtenido de https://ecnonomipedia.com/datos-no-agrupados.html

Canavos, G. C. (1998). Probabilidad y estadística aplicaciones y métodos. Virginia:

McGraw-Hill

López, J. F. (7 de octubre del 2019). Economipedia. Obtenido de

https://ecnonomipedia.com/definiciones/medidas-de-tendencia-central.html

Bravo, M. V. (2018). Medidas de Tendencias Central para datos agrupados y no

agrupados. Azogues.

ANOVA de un factor. (s. f.). Introducción a la estadística |

JMP. https://www.jmp.com/es_co/statistics-knowledge-portal/one-way-anova.html