Unidad 2 Experimentos con un solo factor (ANOVA SIMPLE)

Introducción.

Los diseños experimentales se utilizan cuando el objetivo es comparar más de dos tratamientos.
Puede ser de interés comparar tres o más maquinas, varios proveedores, cinco dosis de un
fármaco, etc.

Es importante que, al hacer tales comparaciones, haya un objetivo claro. Por ejemplo una
comparación de cuatro dietas de alimentación en la que se utilizan ratas de laboratorio, se hace
con el fin de estudiar si alguna nueva dieta que se propone es mejor o igual que las ya existentes,
en este caso, la variable de interés es el peso promedio alcanzado por cada grupo de animales
después de ser alimentado con la dieta que le toco.

Por lo general, el interés del experimentador está centrado en comparar los tratamientos en
cuanto a sus medias poblacionales, sin olvidar que también es importante compararlos con
respecto a sus varianzas. Así desde el punto de vista estadístico, la hipótesis fundamental a probar
cuando se comparan k tratamientos es:

H o : μ1=μ2=…=μ k =μ

H A : μi ≠ μ j para algun i≠ j

con la cual se quiere decidir si los tratamientos son iguales estadísticamente en cuanto a sus
medias ,frente a la alternativa de que al menos dos de ellos son diferentes. La estrategia natural
para resolver este problema es obtener una muestra representativa de mediciones en cada uno de
los tratamientos y construir un estadístico de prueba para decidir el resultado de dicha
comparación. Como alternativa, existe un método capaz de probar la hipótesis de igualdad de las
k medias con un solo estadístico de prueba, este es el denominado análisis de varianza.

Diseño completamente al azar y ANOVA.

El DCA (Diseño Completamente al Azar) es el más simple de todos los diseños que se utilizan para
comparar dos o más tratamientos, dado que solo consideran dos fuentes de variabilidad: los
tratamientos y el error aleatorio. Este diseño se llama completamente al azar porque todas las
corridas experimentales se realizan en orden aleatorio completo.

Diseño completamente al azar

T1 T2 T3 … Tk
Y 11 Y 21 Y 31 ... Yk1

Y 12 Y 22 Y 32 ... Yk2
 Y 13 Y 23 Y 33 ... Yk3
. . . . .
. . . . .
. . . . .
Y 1n1 Y 2n2 Y 3n3 ... Y knk

El elemento Y ij en esta tabla es la j-esima observación que se hizo en el tratamiento i; ni es el

tamaño de la muestra o las repeticiones observadas en el tratamiento i .

Notación de puntos.

Sirve para representar de manera abreviada cantidades numéricas que se pueden calcular a partir
de los datos experimentales, donde Y ij representa la j-esima observación en el tratamiento i, con
i=1,2,…,k y j=1,2,…ni . Las cantidades de interés son:

Y i ∙ = Suma de las observaciones del tratamiento i

Y i ∙= Media de las observaciones del i-esimo tratamiento

Y .. = Suma total de las N=n1+ n2 +…+n k mediciones

Y .. = media global o promedio de todas las observaciones

ANOVA para el diseño completamente al azar (DCA)

El análisis de varianza (ANOVA) es la técnica central en el análisis de datos experimentales. La idea

general de esta técnica es separar la variación total en las partes con las que contribuye cada
fuente de variación en el experimento. En el caso del DCA, se separan la variabilidad debida al
tratamiento y la debida al error.

El objetivo del análisis de varianza en el DCA es probar la hipótesis de igualdad de los tratamientos
con respecto a la media de la correspondiente variable de respuesta.

Tabla ANOVA para el DCA

Fuente de Suma de Cuadrado Grados de Cuadrado medio Fo Valor -p

Variabilidad libertad
Tratamientos k 2
Y i . Y 2 .. k-1 SC TRAT CM TRAT P¿
SCTRAT =∑ − CM TRAT =
ni
i=1 N k −1 CM E
Error SC E=SC T −SC TRAT N-k SC E
CM E =
N −k
n1
Total k
Y 2.. N-1
SC T =∑ ∑ Y −
2
ij
i=1 j=1 N
 CM TRAT
Bajo el supuesto que el estadístico F O= sigue una distribución F con (k-1) grados de
CM E
libertad en el numerador y (N-k) grados de libertad en el denominador.

Si F o es grande, se contradícela hipótesis de que no hay efectos de tratamientos, en cambio si F o

es pequeño se confirma la validez de H o . Así, para un nivel de significancia α, se rechaza H o si
F o > Fα , k−1 ,N −k .

Ejemplo:

Para estudiar la confiabilidad de ciertos tableros electrónicos para automóviles se someten a un

envejecimiento acelerado durante 100 horas a determinada temperatura, y como variable de
interés se mide la intensidad de corriente que circula entre dos puntos, cuyos valores aumentan
con el deterioro. Se aprobaron 20 modelos repartidos de manera equitativa en cinco temperaturas
y los resultados obtenidos fueron los siguientes:

20°C 40°C 60°C 80°C 100°C

15 17 23 28 45
18 21 19 32 51
13 18 25 34 57
12 16 22 31 48
58 7289 125 201 total 545

Realice un análisis de varianza para estos datos, utilizando α =0.05

k
Y 2i . Y 2 ..
SC TRAT =∑ −
i=1 ni N

( 58 )2 + ( 72 )2 + ( 89 )2 + ( 125 )2 + ( 201 )2 ( 545 )2

SC TRAT = − =3272.5
4 20
k n1 2
Y ..
SCT =∑ ∑ Y 2ij −
i=1 j=1 N

2 2 2 2 2 2 2 ( 545 )2
SC T =( 15 ) + ( 18 ) + ( 13 ) + ( 12 ) + (17 ) + ( 21 ) +… + ( 48 ) − =3423.75
20

SC ERROR =3423.75−3272.5=151.25

Fuente de Suma de Grados Cuadrado medio Fo Valor -p

 Variabilidad Cuadrado de
libertad
Tratamientos 3272.5 k-1 CM SC TRAT 3272.5
CM TRAT 81.16 >
818.125
5-1= TRAT =¿
Grados delibertad
=
4
F o=
=818.125 ¿ =
3.06 =81.1
CM ERROR 10.08
4
Error 151.25 N-k CM 151.25
ERROR=¿ =10.08 ¿
20-5= 15

15
Total 3423.75 19
Conclusión: H o se rechaza

F 0.05 , 4,15=3.06

Se compara el F o obtenido en la tabla ANOVA con el F o que se obtiene de la tabla de Distribución

Fisher considerando 4 y 15 grados de libertad, como el F o calculado es mayor que el de la tabla, la
conclusión es que la hipótesis nula se elimina.

Resolver los dos problemas que se encuentran en la pagina 5 del manual de Diseño de
Experimentos que se encuentra en la plataforma,

Todos los procedimientos se deben resolver a mano en el cuaderno .