Sesión 14:

Análisis deVarianza (Anova)

Ing Ricardo Villena P - MBA

¿Qué es un ANOVA?

Un análisis de varianza (ANOVA) prueba la hipótesis de que las medias de dos o más
poblaciones son iguales. Los ANOVA evalúan la importancia de uno o más factores al comparar
las medias de la variable de respuesta en los diferentes niveles de los factores. La hipótesis
nula establece que todas las medias de la población (medias de los niveles de los factores) son
iguales mientras que la hipótesis alternativa establece que al menos una es diferente.

Para ejecutar un ANOVA, debe tener una variable de respuesta continua y al menos un
factor categórico con dos o más niveles. Los análisis ANOVA requieren datos de poblaciones
que sigan una distribución aproximadamente normal con varianzas iguales entre los niveles
de factores. Sin embargo, los procedimientos de ANOVA funcionan bastante bien incluso
cuando se viola el supuesto de normalidad, a menos que una o más de las distribuciones
sean muy asimétricas o si las varianzas son bastante diferentes. Las transformaciones del
conjunto de datos original pueden corregir estas violaciones.
¿Cuáles son los supuestos?

Varianzas constantes entre muestras

Se da por valido no requiere comprobación práctica usualmente.

Análisis de residuales
• Normalidad de residuales (Todos los ANOVAs)

• Independencia de residuales (ANOVAs de dos factores)

• Homocedasticidad (Todos los ANOVAs)

EXPERIMENTOS - 1 FACTOR
 Experimentos de un solo factor
ANOVA de 1 factor
• Supongamos que el experimentador cuenta con los resultados de k muestras
aleatorias independientes, cada una de tamaño n, de las diferentes poblaciones (esto
es, datos relativos a k tratamientos, k grupos, k métodos de producción, etc.) y le
interesa probar la hipótesis de que las medias de esas k poblaciones son todas
iguales.
Tratam. Tratam.1 Tratam.2 ... Tratam.k Total
Muestra

1 Y11 Y21 ... Yk1 Y.1

2 Y12 Y12 ... Yk2 Y.2
3 Y13 Y23 ... Yk3 Y.3
. . . ... . .
. . . ... . .
. . . ... . .
N y1n y2n ... ykn y.n

Total y1. y2. ... yk. y..

Donde.
Experimentos de un solo factor
TABLA DE ANALISIS DE VARIANZA

OBSERVACIÓN
Con MINITAB se proporcionará el
pvalue asociado al estadístico de
prueba para poder concluir si se
rechaza o no la hipótesis nula
BLOQUES ALEATORIZADOS
 Diseño con bloques aleatorizados
ANOVA de 2 factores sin interacción
• Se supone que el experimentador tiene a su disposición mediciones
relativas a a tratamientos distribuidos sobre b bloques. En primer
término, consideraremos el caso en que hay exactamente una
observación de cada tratamiento en cada bloque.

Cada observación puede ser expresada con el siguiente modelo lineal

yij =  +  i +  j +  ij para i = 1,2,..., a ; j = 1,2,..., b
Experimentos de un solo
factor
TABLA DE ANALISIS DE VARIANZA

OBSERVACIÓN
Con MINITAB se proporcionarán
los pvalues asociado a los
estadísticos de prueba para
poder concluir si se rechaza o no
la hipótesis nula (2 pvalues)
BLOQUES ALEATORIZADOS CON INTERACCION
Experimentos con dos factores
ANOVA de dos factores con interacción
Cuando se identifica dos o más factores que actúan tanto de manera aislada
como de manera conjunto en la variable respuesta es preferible analizar el
modelo como un diseño factorial con dos o mas factores.
Terminología usada
Respuesta: es el nombre genérico que se da a la característica estudiada.
Factores: se designa de esta forma a las variables que se considera puedan afectar a la respuesta.
Niveles: son los valores que toma un factor en un determinado experimento.

El modelo para un experimento de dos factores es:

yijk =  +  i +  j + ( ) ij +  ijk

para i = 1,2,..., a j = 1,2,..., b k = 1,2,..., n
donde:
yij : Variable respuesta.
 : Es la gran media
i : Es el efecto en el nivel i-ésimo del factor A.
ij : Es el efecto en el nivel j-ésimo del factor B.
ij : Es el efecto de la interacción.
ij : Es el error aleatorio correspondiente a la observación yij.
Experimentos con dos
factores

OBSERVACIÓN
Con MINITAB se proporcionarán
los pvalues asociado a los
estadísticos de prueba para
poder concluir si se rechaza o no
la hipótesis nula (3 pvalues)