Comparación e inferencia estadística
significa que los grupos no difieren en la VD y
Análisis de Varianza (Anova) de un factor.
Anova es el método estadístico para probar
diferencias entre medias o promedios de más de
dos grupos.
El análisis de la varianza (Anova) es una técnica
estadística paramétrica de contraste de hipótesis.
El Anova de un factor sirve para comparar varios
grupos en una variable cuantitativa.
Se trata, por tanto, de una generalización de la
prueba T de Student para dos muestras
independientes al caso de diseños con más de dos
muestras.
Variables en Anova.
★ A la variable categórica (nominal u
ordinal) que define los grupos que
deseamos comparar la llamamos
independiente o factor y la representamos
por VI. (Variable independiente)
★ A la variable cuantitativa (de intervalo o
razón) en la que deseamos comparar los
grupos la llamamos dependiente y la
representamos por VD. (Variable
Dependiente)
Condiciones Anova:
★ Cada muestra debe ser independiente de
las otras.
★ Cada muestra debe haber sido
seleccionada al azar de la población de
donde proviene.
★ Las poblaciones de donde provienen las
muestras deben tener una distribución
normal.
★ Las varianzas de cada población deben
ser iguales.
Hipótesis Nula en Anova.
La hipótesis nula que se pone a prueba en el
anova de un factor es que las medias o
promedios poblacionales (los promedios de la
VD en cada nivel de la VI) son iguales.
Si las medias poblacionales son iguales, eso
que, en consecuencia, la VI o factor no produce
cambios en la VD.
Prueba de Hipótesis a través del Anova de 1
factor.
Suponemos que todas las poblaciones y/o
grupos tienen la misma varianza respecto de sus
promedios. Por ello estimamos un promedio de
estas varianzas, lo que es la estimación de la
varianza intragrupal de la población.
Intragrupal: es un promedio de los valores
dentro de cada grupo.
Suponemos que todas las poblaciones y/o
grupos tienen la misma varianza respecto del
promedio general (considerando los grupos que
se están comparando). Por ello estimamos un
promedio de estas varianzas, lo que es la
estimación de la varianza intergrupal de la
población.
Intergrupal: es un promedio de los valores entre
los grupos.
Comparación de la varianza intragrupal y la
varianza intergrupal: Razón F.
Mientras más cerca de 1 sea el valor de F,
mayor probabilidad de aceptar la hipótesis nula
que señala que no existen diferencias
estadísticamente significativas entre los
promedios de los grupos comparados.
En resumen…
El análisis de la varianza permite contrastar la
hipótesis nula de que los promedios de “X
poblaciones” o grupos (X>2) son iguales, frente
a la hipótesis de trabajo de que por lo menos
una de la poblaciones o grupos difiere de las
demás en cuanto a su valor esperado.
Este contraste es fundamental en el análisis de
resultados experimentales, en los que interesa
comparar los resultados de X “tratamientos” o
“factores” con respecto a la variable
dependiente o de interés.
¿Cuánto mayor que 1 necesita ser la razón F para
Tamaño del efecto y potencia.
Proporción de la varianza explicada (R2)
Esta proporción, explica hasta qué punto de la
variación en la variable dependiente puede ser
explicada por la variable independiente.

rechazar la Hipótesis Nula?

Existe una distribución de F, para la cual se han
diseñado tablas con niveles de significancia,
que nos permiten determinar si rechazamos o no
la hipótesis nula de la igualdad entre las medias
y/o promedios de los grupos comparados.
Aspectos a considerar para establecer el valor
crítico que nos permita comparar las hipótesis:
- nivel de significancia.
- Grado de libertad.
- Numerador: N° de grupos -1
- Denominador: N° de personas - N° de
grupos.