ESTADISTICA II

unidad 2: Pruebas de la bondad del

ajuste y análisis de Varianza.

M.C. PASCUAL HERNANDEZ BAUTISTA

 TEMARIO
2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
2.2 Análisis de varianza
2.2.1 Inferencia sobre una varianza de población (Anova).
2.2.2 Inferencia sobre la varianza de dos poblaciones (Anova).
2.3 Aplicaciones.
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia

 Las pruebas Chi-cuadrado se utilizan para probar hipótesis referidas a los

patrones de comportamiento de frecuencias relacionadas con variables ya sean
cuantitativas o cualitativas.

 Las pruebas más comunes se encuentran la de Bondad del Ajuste, la de

Independencia y la de Homogeneidad. Karl Pearson (1900) propuso el
estadístico de prueba Ji-Cuadrado2.

 La prueba consiste en determinar si esas diferencias se deben a variaciones al

azar y por lo tanto no son significativas o si por el contrario son significativas. En
el primer caso no se rechaza la hipótesis nula planteada, mientras que en el
segundo se rechaza
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.1 Análisis Ji-Cuadrada
2.1.1 Prueba de independencia
2.1.2 Prueba de la bondad del ajuste
2.1.3 Tablas de contingencia
 2.2 Análisis de varianza
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
atribuye cada fuente de variación en el experimento. En el caso
de DCA se separan la variabilidad debida a los tratamientos y la
debida al error. Cuando la primera predomina “claramente”
sobre la segunda, es cuando se concluye que los tratamientos
tienen efecto, o dicho de otra manera, las medias son diferentes.
Cuando los tratamientos no dominan contribuyen igual o menos
que el error, por lo que se concluye que las medias sin iguales.
2.2 Análisis de varianza
ANOVA 2.2 Análisis de varianza
El objetivo del análisis de varianza en el DCA es probar la hipótesis de igualdad de los
tratamiento con respecto a la media de la correspondiente variable de respuesta:

Donde τi es el efecto del tratamiento i sobre la variable de

respuesta. Si se acepta Ho se confirma que los efectos sobre la
respuesta de los k tratamientos son estadísticamente nulos
(iguales a cero), y en caso de rechazar se estaría concluyendo que
al menos un efecto es diferente de cero.
 2.2 Análisis de varianza
Ejemplo
Comparación de cuatro métodos de ensamble. un equipo de mejora
investiga el efecto de cuatro métodos de ensamble A, B, C y D, sobre el
tiempo de ensamble en minutos. en primera instancia, la estrategia
experimental es aplicar cuatro veces los cuatro métodos de ensamble en
orden completamente aleatorio (las 16 pruebas en orden aleatorio). Los
tiempos de ensamble obtenidos se muestran en la tabla 3.1. si se usa el
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 respuesta (tiempo de ensamble)
2.2 Análisis de varianza
2.2 Análisis de varianza
 2.2 Análisis de varianza

Usando las tablas F, se lee que el valor critico para

clic

, entonces se rechaza H0, con lo cual se

concluye que si hay diferencia o efecto de los
métodos de ensamble en cuanto a su tiempo
promedio.
Gracias …
3.49