Documentos de Académico
Documentos de Profesional
Documentos de Cultura
COORDINACIÒN DE POSTGRADO
MAESTRÌA EN INGENIERÌA DE GAS
MATURÍN/ MONAGAS/ VENEZUELA
FACILITADOR: MAESTRANTES:
MsC. Carlos De La Cruz Ing. Ruthceddy La Rosa CI: V-20806545
Ing. Cristina Bolívar CI: V-20526028
Agosto 2022
Prueba ANOVA o de análisis de Varianza
variabilidad total.
interior de cada muestra para determinar mediante una prueba si se trata de una
contrario, provienen de diferentes poblaciones. Una vez probado que al menos un par
acepta, quiere decir que se tienen medias iguales y diferentes, ya que se puede dar el
caso que en una serie de tratamientos la prueba nos indique diferencias en el conjunto,
comparación de las medias de los tratamientos para poder elegir el mejor de ellos.
Para identificar que tratamientos deben considerarse iguales o diferentes, se
2. Prueba de Dunnett
3. Prueba de Tukey
pares de medias, para lo que se han propuesto varios métodos, conocidos como
métodos de comparaciones múltiples o pruebas de rango múltiple. La diferencia
primordial entre los métodos radica en la potencia que tienen para detectar las
diferencias entre las medias. Se dice que una prueba es más potente si es capaz de
tratamiento estándar.
()
El número de comparaciones se obtiene aplicando la expresión , donde es el
número de tratamientos.
| ̅ | √ ( )
significativa (least significant difference), ya que es la diferencia mínima que debe existir
entre dos medias muestrales para considerar que los tratamientos correspondientes
absoluto que sea mayor que el número se declara significativa. Note que si el
significativa se reduce a:
√ ⁄
En caso de rechazar se acepta la hipótesis alternativa , la cual nos
dice que las medias de los tratamientos y son diferentes. El método tiene una
diferencias.
diseño completamente al azar (DCA), se supone que, además del método de ensamble,
no existe ningún otro factor que influya de manera significativa sobre la variable de
Método de ensamble
A B C D
6 7 11 10
8 9 16 12
7 10 11 11
8 8 13 9
Tabla1.1
Una manera de comparar los métodos de ensamble (tratamientos) es probar la
hipótesis:
(1.1)
total 99.0 15
Tabla1.2
Cálculos
Total por
∑ ∑
tratamiento( ) 29 34 51 42
Número de datos ∑
en cada 4 4 4 4
Tratamiento ( )
Total de mediciones
̅
Media muestral por 7.25 8.50 12.75 10.50
tratamiento (̅ ̅ ̅ )
Media global
Desviaciones ̂ ̅ ̅
respecto a la media -2.50 -1.25 3.0 0.75
Efecto estimado del método
global ( ̂ )
Tabla 1.3
∑ ∑
( )
∑
5. Estadístico de prueba:
Total 99.0 15
Tabla1.4
Con toda esta información se procede a llenar la tabla 1.2 de ANOVA. Para rechazar
tablas. En el caso de las tablas de la distribución F en la tabla 1.4, se lee que el valor
rechaza , con lo cual se concluye que sí hay diferencia o efecto de los métodos de
Tabla 1.5
sí. Para investigar cuáles pares de medias son estadísticamente diferentes se prueban
Tabla 1.6
Utilizando el método de LSD. En el ANOVA de la tabla 1.4 se observa que los grados
de libertad del error son , y que el cuadrado medio del error es
Si usamos una significancia predefinida de , de la tabla de la distribución T
√⁄ √
La decisión sobre cada una de las seis hipótesis listadas arriba se obtiene al comparar
las correspondientes diferencias de medias muestrales en valor absoluto con el número
. Se declaran significativas aquellas diferencias que son mayores a este
número. Los resultados se muestran en la tabla 1.8, de donde se concluye que
, mientras que .
el estadístico canadiense Charles Dunnett en el año 1955 para comparar cada uno de
varios tratamientos con un solo control, las comparaciones múltiples con un control
para comparar cada grupo con un grupo control, el cual permite detectar todos los
tratamientos que son tan buenos como el control o mejores que el.
para crear intervalos de confianza para las diferencias entre la media de cada nivel de
misma estimación de la varianza del error que se obtiene mediante la agrupación de las
grande en valor absoluto de estas camisetas y estadísticas (si se requiere una prueba
de dos colas), o el más negativo o más positivo de las estadísticas t(para pruebas de
una cola).
Dunnett, debido a que asumen que hay igual número de ensayos en cada grupo, pero
las opciones más flexibles, son hoy en día fácilmente disponible en muchos paquetes
estadísticos como R. Los valores críticos para cualquier punto determinado porcentaje
dependen de: si se realiza una prueba de dos colas o una el número de grupos que se
que difieren de cierto tratamiento de interés, sin realizar todas las posibles
será:
() ( )√ (1,2)
Dónde:
TDunnet (a; p,e g.L.)= Valor de la tabla de Dunnet, a un nivel de significancia α; para p
R= Número de repeticiones
Procedimiento
1. Obtener los valores absolutos de las diferencias entre el testigo y cada uno de los
demás tratamientos
de los tratamientos
del testigo.
Ejemplo numérico 1
del algodón en una fibra sintética afecta la resistencia a la tensión, para esto se ha
porcentual del algodón y cinco replicas, obteniendo los resultados que se presentan en
la siguiente tabla:
Resistencia a la tensión observada
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11
Tabla 1.9
Datos
Peso porcentual A 5
Resistencia B 5
N N 25
Grados de A-1 4
libertad
Grados de N-a 20
libertad (error)
Tabla 2.0
Cálculo de la suma de cuadrados
Peso 1 2 3 4 5
porcentual
del algodón
15 7 7 15 11 9 49 9,8
20 12 17 12 18 18 77 15,4
25 14 18 18 19 19 88 17,6
30 19 25 22 19 23 108 21,6
35 7 10 11 15 11 54 10,8
de peso
porc.
pesos parc
(promedio)
Tabla 2.1
∑ ∑
Suma de cuadrados de tratamientos
F0 =
14,75
Tabla de Dunett. Valores críticos para la prueba de Dunnett
libertad
porcentual
Total 24 636,96
Tabla 2.3
Comparación Dunnett
Ῡ1 - Ῡ5 1 <4,76 Estadísticamente
iguales
iguales
diferente
diferente
Tabla 2,4
Conclusión:
La prueba de Tukey fue presentada en el año 1949 por John.W. Tukey, la cual
en consecuencia, es una prueba que tiene como fin comparar las medias individuales
distintos
describe la prueba de Tukey “Un método más conservador para comparar pares de
HSD= qa
(1.4)
√
Dónde:
2. Es de fácil cálculo puesto que se define un solo comparador, resultante del producto
del error estándar de la media por el valor tabular en la tabla de Tukey usando como
error Se conoce como Tukey-Kramer cuando las muestras no tienen el mismo número
de datos
3. Dado que el análisis de varianza acuse un efecto significativo, la prueba de Tukey
provee un nivel de significancia global de α, cuando los tamaños de las muestras son
1. Si ≤ DHS, Se acepta Ho
2. Si > DHS, Se rechaza Ho
El procedimiento es el siguiente:
Se debe obtener los valores absolutos de las diferencias entre los pares de tratamientos
Ῡt - Ῡi
Ejemplo numérico 2
porcentual del algodón en una fibra sintética afecta la resistencia a la tensión, para esto
Experimento:
Peso 1 2 3 4 5
porcentual
del
algodón
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11
Tabla 2,5
Resistencia B 5
N N 25
Grados de A-1 4
libertad
Grados de N-a 20
libertad (error)
Tabla 2,6
Cálculo de la suma de cuadrados
Peso 1 2 3 4 5
porcentual
del algodón
15 7 7 15 11 9 49 9,8
20 12 17 12 18 18 77 15,4
25 14 18 18 19 19 88 17,6
30 19 25 22 19 23 108 21,6
35 7 10 11 15 11 54 10,8
Y 59 77 78 82 80 376 15,04
(sumatoria
de pesos
parc.
Modos de 11,8 15,4 15,6 16,4 16 Y.. Ῡ
pesos parc
(promedio)
Tabla 2,7
∑ ∑
Suma de cuadrados de tratamientos
F0 =
14,75
Tabla de ANOVA
libertad
porcentual
Total 24 636,96
Tabla 2.8
F. 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 18,1 26,7 32,8 37,2 40,5 43,1 45,4 47,3 49,1 50,6 51,9 53,2 54,3 55,4 56,3 57,2 58,0 58,8 59,5
2 6,09 8,28 9,80 10,89 11,73 12,43 13,03 13,54 13,99 14,39 14,7 15,08 15,38 15,65 15,91 16,14 16,36 16,57 16,77
5
3 4,50 5,88 6,83 7,51 8,04 8,47 8,85 9,18 9,46 9,72 9,95 10,16 10,35 10,52 10,69 10,84 10,98 11,12 11,24
4 3,93 5,00 5,76 6,31 6,73 7,06 7,35 7,60 7,83 8,03 8,21 8,37 8,52 8,67 8,80 8,92 9,03 9,14 9,24
5 3,64 4,60 5,22 5,67 6,03 6,33 6,58 6,80 6,99 7,17 7,32 7,47 7,60 7,72 7,83 7,93 8,03 8,12 8,21
6 3,46 4,34 4,90 5,31 5,63 5,89 6,12 6,32 6,49 6,65 6,79 6,92 7,04 7,14 7,24 7,34 7,43 7,51 7,59
7 3,34 4,16 4,68 5,06 5,35 5,59 5,80 5,99 6,15 6,29 6,42 6,54 6,65 6,75 6,84 6,93 7,01 7,08 7,16
8 3,26 4,04 4,53 4,89 5,17 5,40 5,60 5,77 5,92 6,05 6,18 6,29 6,39 6,48 6,57 6,65 6,73 6,80 6,87
9 3,20 3,95 4,42 4,76 5,02 5,24 5,43 5,60 5,74 5,87 5,98 6,09 6,19 6,28 6,36 6,44 6,51 6,58 6,65
10 3,15 3,88 4,33 4,66 4,91 5,12 5,30 5,46 5,60 5,72 5,83 5,93 6,03 6,12 6,20 6,27 6,34 6,41 6,47
11 3,11 3,82 4,26 4,58 4,82 5,03 5,20 5,35 5,49 5,61 5,71 5,81 5,90 5,98 6,06 6,14 6,20 6,27 6,33
12 3,08 3,77 4,20 4,51 4,75 4,95 5,12 5,27 5,40 5,51 5,61 5,71 5,80 5,88 5,95 6,02 6,09 6,15 6,21
13 3,06 3,73 4,15 4,46 4,69 4,88 5,05 5,19 5,32 5,43 5,53 5,63 5,71 5,79 5,86 5,93 6,00 6,06 6,11
14 3,03 3,70 4,11 4,41 4,64 4,83 4,99 5,13 5,25 5,36 5,46 5,56 5,64 5,72 5,79 5,86 5,92 5,98 6,03
15 3,01 3,67 4,08 4,37 4,59 4,78 4,94 5,08 5,20 5,31 5,40 5,49 5,57 5,65 5,72 5,79 5,85 5,91 5,96
16 3,00 3,65 4,05 4,34 4,56 4,74 4,90 5,03 5,15 5,26 5,35 5,44 5,52 5,59 5,66 5,73 5,79 5,84 5,90
17 2,98 3,62 4,02 4,31 4,52 4,70 4,86 4,99 5,11 5,21 5,31 5,39 5,47 5,55 5,61 5,68 5,74 5,79 5,84
18 2,97 3,61 4,00 4,28 4,49 4,67 4,83 4,96 5,07 5,17 5,27 5,35 5,43 5,50 5,57 5,63 5,69 5,74 5,79
19 2,96 3,59 3,98 4,26 4,47 4,64 4,79 4,92 5,04 5,14 5,23 5,32 5,39 5,46 5,53 5,59 5,65 5,70 5,75
20 2,95 3,58 3,96 4,24 4,45 4,62 4,77 4,90 5,01 5,11 5,20 5,28 5,36 5,43 5,50 5,56 5,61 5,66 5,71
24 2,92 3,53 3,90 4,17 4,37 4,54 4,68 4,81 4,92 5,01 5,10 5,18 5,25 5,32 5,38 5,44 5,50 5,55 5,59
30 2,89 3,48 3,84 4,11 4,30 4,46 4,60 4,72 4,83 4,92 5,00 5,08 5,15 5,21 5,27 5,33 5,38 5,43 5,48
40 2,86 3,44 3,79 4,04 4,23 4,39 4,52 4,63 4,74 4,82 4,90 4,98 5,05 5,11 5,17 5,22 5,27 5,32 5,36
60 2,83 3,40 3,74 3,98 4,16 4,31 4,44 4,55 4,65 4,73 4,81 4,88 4,94 5,00 5,06 5,11 5,15 5,20 5,24
120 2,80 3,36 3,69 3,92 4,10 4,24 4,36 4,47 4,56 4,64 4,71 4,78 4,84 4,90 4,95 5,00 5,04 5,09 5,13
∞ 2,77 3,32 3,63 3,86 4,03 4,17 4,29 4,39 4,47 4,55 4,62 4,68 4,74 4,80 4,84 4,98 4,93 4,97 5,01
Comparaciones entre medias de pares de tratamientos
Ῡ Ῡ Ῡ Ῡ Ῡ
Tabla 3.0
Comparación Tukey
Ῡ1 - Ῡ2 5,6 >5,34 Estadísticamente
diferente
Ῡ1 - Ῡ3 7,8 >5,34 Estadísticamente
diferente
Ῡ1 - Ῡ4 11,8 >5,34 Estadísticamente
diferente
Ῡ1 - Ῡ5 1,0 <5,34 Estadísticamente
iguales
Ῡ2 - Ῡ3 2,2 <5,34 Estadísticamente
iguales
Ῡ2 - Ῡ4 6,2 >5,34 Estadísticamente
diferente
Ῡ2 - Ῡ5 4,6 <5,34 Estadísticamente
iguales
Ῡ3 - Ῡ4 4,0 <5,34 Estadísticamente
iguales
Ῡ3 - Ῡ5 6,8 >5,34 Estadísticamente
diferente
Ῡ4 - Ῡ5 10,8 >5,34 Estadísticamente
diferente
Tabla 3.1
Conclusión: Los valores color rosa indican pares de medias que son significativamente
diferentes, suele ser útil trazar una gráfica donde se subraya a los pares de media que
no difieren significativamente, de igual forma se observa que las medias de los
tratamientos forman tres grupos: µ1 y µ1 y µ2 y µ3 µ4.
Referencias Bibliográficas
2008.