Buenas tardes compañeros y profesora, este sería mi aporte al foro.

Dentro de la estadística existe un tema conocido como análisis multivariante, el

cual comprende un conjunto de técnicas o métodos que tienen como fin analizar
simultáneamente información relativa a distintas variables para cada individuo o
elemento que se estudia.

Entre los objetivos que tienen estas técnicas, se pueden mencionar:

- Describir la información de forma resumida.

- Agrupar observaciones o variables en subconjuntos homogéneos.
- Explorar la existencia de asociaciones entre las variables.
- Explicar y/o probar comportamientos

Para efectos de este foro participativo, expondré de forma breve uno de los
métodos de análisis multivariante, el análisis de la varianza o ANOVA.

Los modelos de ANOVA, que significa por sus siglas en ingles Analysis Of
Variance, son técnicas de análisis multivariante de dependencia y se utilizan para
analizar datos procedentes de diseños con una o más variables independientes
cualitativas, medidas en escalas nominales y ordinales, y una variante
dependiente cuantitativa, la cual es medida con una escala de intervalo o de
razón. A estas variables se les denomina factores cuando se habla de las
variables independientes, y respuesta cuando hablamos de la variable
dependiente.

Los modelos ANOVA básicamente permiten hacer una comparación de los valores
medios que toma una variable dependiente en un número especifico de
poblaciones en las cuales los niveles de factores son diferentes, esto con el fin de
determinar si existen diferencias significativas según estos niveles o si la
respuesta en cada población es independiente de los niveles de factores.

Hay dos factores importantes que se mencionan en la lectura número uno del
módulo 4 del curso de estadística 2, los cuales son:

Suposiciones en que se basan las técnicas de análisis de varianza: el análisis

de varianza se basa en un conjunto de supuestos que se deben cumplir para que
las conclusiones sean válidas, estos supuestos se cumplen raramente a
cabalidad, por lo tanto, se debe evaluar siempre su cumplimiento tomando las
conclusiones obtenidas como resultados aproximados y no absolutos, existe un
supuesto en el que se basan todos los modelos del análisis de varianza que es: la
variable de respuesta tiene distribución normal en cada una de las poblaciones.

El diseño completamente aleatorio de un factor: este diseño se basa en las

siguientes suposiciones:

- La variable de respuesta tiene distribución normal en cada una de las

poblaciones.
- La varianza de la variable de respuesta 2 es igual en todas las poblaciones
- Las observaciones son independientes entre sí.

Si el tamaño de la muestra es igual para cada grupo, las pruebas ANOVA son
razonablemente robustas, bajo el supuesto del punto dos, asi en este diseño
completamente aleatorizado de un factor, se tienen muestras independientes y el
análisis realizado es con respecto a una sola variable.

Un ejemplo de la utilización del ANOVA es en el estudio del efecto de varios tipos

de fertilizantes sobre un cultivo. La variable dependiente puede ser la producción o
el rendimiento que da cada parcela; los factores serían el tipo de suelo de la
parcela y el tipo de fertilizante usado. Cada población estaría formada por las
parcelas que tienen X tipo de suelo y en las que se utiliza un fertilizante
determinado. El ANOVA se aplicaría para analizar la posible existencia de
diferencias en las producciones medias de las parcelas según el tipo de suelo y el
fertilizando que se usó.

Bibliografía

- Amat, J. (2016, enero). ANOVA análisis de varianza para comparar

múltiples medias. Ciencia de datos.
https://www.cienciadedatos.net/documentos/19_anova
- ANOVA. Análisis de la varianza con un factor. | | UPV. (2013, 12 octubre).
[Vídeo]. YouTube. https://www.youtube.com/watch?v=WVM_jZSCSzE