ANÁLISIS DE VARIANZA

La tabla de análisis de varianza para este diseño se presenta a continuación:

Tabla 02. Análisis de varianza para un diseño de bloques completos al azar

Valor esperado
Causa de Grados de Suma de Cuadrado de
variación libertad cuadrados medio cuadrados
medios
Tratamient
os

Bloques

Error

Total

Para contrastar las hipótesis de no efectos de tratamientos

Se puede utilizar el cociente

ya que si es cierta y así , lo cual quiere decir

que es un estimador insesgado de y como además es también un
estimador de entonces de tienen dos estimadores insesgados de y por
tanto su cociente deber ser un valor estadísticamente cercano a 1.

Supuestos del modelo

El residual en un diseño de bloques completos al azar es dado por

Los supuestos del modelo son:

El modelo es aditivo, es decir no existe interacción entre bloques y tratamientos

Las variables aleatorias error se distribuyen normal con media cero

Las variables aleatorias error son no correlacionadas(independientes)

Otra manera de enunciar los supuestos es:

. Los efectos de tratamientos y bloques son aditivos; las respuestas dentro de

los bloques tienen la misma tendencia con respecto a los efectos de los
tratamientos.

Las observaciones en las celdas constituyen muestras aleatorias de tamaño

1 de cada una de las poblaciones Todas las poblaciones son normalmente
distribuidas,

Las varianzas de cada una de las poblaciones son iguales

Si la primera condición se tiene se dice que los efectos de bloques y tratamientos

no interactúan y una prueba para la no aditividad es debida a Tukey(1949) y
Ascombe.
DISEÑO DE BLOQUES AL AZAR
Las hipótesis a probar en un diseño de bloques al azar son:
Ho: 𝛕1 = 𝛕2 = 𝛕3 = … 𝛕j (los tratamientos tienen el mismo efecto).
Ha: 𝛕1 ≠ 𝛕2 ≠ 𝛕3 ≠ … 𝛕j (al menos un tratamiento tiene un efecto diferente).
Para llevar a cabo el análisis de varianza, se lleva a cabo lo siguiente:

Se forma la tabla de análisis de varianza:

Una vez obtenido el estadístico F de prueba, se compara con un valor de F crítica y si F de
prueba > F crítica la Ho se rechaza.
Los valores de F crítica son los mismos que para un ANOVA, por lo tanto se utilizan las
mismas tablas, para lo cual se necesita conocer el valor de significancia (𝛂) y los grados de
libertad de los tratamientos y el error.
Ejemplo 1:
Un psicólogo desea comparar tres métodos para enseñar a las personas el uso de cierto
equipo tecnológico. Tenía la sensación de que la rapidez de aprendizaje sería distinta para las
personas de diferentes edades y deseaba diseñar un experimento en el que pudiera tomar en
cuenta el efecto de la edad. En consecuencia, se seleccionaron tres personas de cada uno de
los cinco grupos de edades para participar en el experimento y, en cada grupo de edad, se
asignó un paciente al azar a cada uno de los métodos de enseñanza. Los métodos de
enseñanza constituyen los tratamientos y los cinco grupos de edad son los bloques. Se
obtuvieron los siguientes datos:
Se busca determinar si los datos proporcionan evidencia suficiente para determinar si existe
una diferencia significativa entre los diferentes métodos de enseñanza, utilizando una
confianza del 95%.
Las hipótesis estadísticas son:
Ho: Método de enseñanza A = Método B = Método C
Ha: Método de enseñanza A ≠ Método B ≠ Método C
Para realizar los cálculos correspondientes.
t = número de tratamientos = 3
b = número de bloques = 5
Primero se calcula el factor de corrección (FC):
Posteriormente se calcula la suma de cuadrados totales:

Suma de cuadrados de los tratamientos:

Suma de cuadrados de los bloques:

Suma de cuadrados del error:

Y se procede a completar la tabla del análisis de varianza:

A continuación, se obtiene el valor de F crítica con un 𝜶 = 0.05 y con grados de libertad 2 y 8.

El valor de F crítica es de 4.46.

Y finalmente se toma una decisión estadística:

Como la F de prueba (21.3578) > F crítica (4.46), la Ho se rechaza.
Se concluye con un 95% de confianza que sí existe diferencia significativa entre los diferentes
métodos de enseñanza.