ANOVA CON 2 FACTORES
La unidad experimental es el elemento (planta, animal u objeto) al que se le
modificarán en forma planeada factores para revisar su respuesta.
El tratamiento es el proceso de modificación de factores de una unidad
experimental y cuyos efectos van a ser medidos y comparados.
Tratamiento Testigo Es la selección de un grupo de unidades experimentales al que
no se le aplica tratamiento especial con el fin de comparar los resultados con los
otros tratamientos.
Las repeticiones serán el número de veces que un tratamiento se aplica al mismo
número de unidades experimentales.
Bloque Es un conjunto de unidades experimentales de los más homogéneo posible
que reciben el mismo tratamiento.
Al utilizar este diseño, los bloques forman una unidad experimental mas homogénea en la cual
comparan los tratamientos. Los factores de bloques entran al estudio en un nivel de importancia
secundaria con respecto al factor de interés.
En el ANOVA Con 2 factores se consideran tres fuentes de variabilidad: el factor de tratamientos, el
facto de bloques y el error aleatorio. En cada bloque se prueban todos los tratamientos y la
aleatorización se hace dentro de cada bloque
El esquema dado a continuación ayuda a comprender la filosofía de la formación de Bloques
Los bloques se definen como un conjunto de unidades experimentales homogéneos dentro de si y
heterogéneos entre si. En los bloques están representados todos los tratamientos.
Los objetivos son:
a) Maximizar las diferencias entre bloques
b) Minimizar la variación dentro de bloques
Ventajas y Desventajas del DBCA
Ventajas:
El agrupamiento de las unidades experimentales en bloques, debido a la existencia real de esta
fuente de variabilidad, aumenta la precisión del experimento con relación al DCA.
No existen restricciones en cuanto al número de tratamientos o bloques.
El análisis estadístico es simple.
Si se pierden los datos de un bloque completo, estos pueden omitirse sin mayores complicaciones
para el análisis.
Si faltan datos de unidades experimentales, estos pueden estimarse.
Desventajas:
Cuando la variabilidad entre las unidades experimentales dentro de los bloques es grande, resulta
un error experimental considerable. Esto ocurre usualmente cuando el número de tratamientos es
muy grande.
Si existe interacción entre los bloques y los tratamientos, ésta va incluida en el error experimental.
Si no existe una real diferencia entre los bloques, habrá una pérdida de precisión en el
experimento con relación al DCA, debido a la disminución de los grados de libertad del error.
SUPUESTOS DEL MODELO ESTADISTICO
1. Aditividad
2. Linealidad
3. Normalidad:
4. Independencia. Los resultados obtenidos en el experimento son independientes entre si.
5. Homogeneidad de Varianzas
6. No existe interaccion entre los bloques y los tratamientos
Modelo Aditivo Lineal
yij i j ij i 1,..., t j 1,..., b
Donde:
yij : Unidad experimental observado por efecto del i-ésimo tratamiento, en el j-ésimo bloque.
: Es el efecto de la media general.
i : Es el efecto del i-ésimo tratamiento.
j : Es el efecto del j-ésimo bloque.
ij : Es el efecto del error experimental en el i-ésimo tratamiento, j-ésimo bloque.
t : Es el número de tratamientos.
b : Es el número de bloques.
Estimación de los efectos
Los efectos del modelo i, j son estimados de modo que se minimice la sgte. Inimos
Cuadrados):
Para tratamiento
H0 : µ1= µ2 = µ3= ….. µi = 0 (T1 = T2 = T3 =….. Ti = 0
H1 : µ1= µ2 = µ3= ….. µi ≠ 0 (T1 = T2 = T3 =….. Ti ≠ 0
t ri t ri
Q e (Yij i j )
2
ij
2
i 1 j 1 i 1 j 1
Teniendo en cuenta las sgts. Restricciones
t b
r 0
i 1
i
j 1
j
0
La aplicación da los siguientes resultados para la estimación de los parámetros
ˆ Y.. ˆi Yi. Y.. eˆij Yij Yi. Y. j Y.. ˆ j Y. j Y..
Formulación de Hipótesis
Para tratamientos Para bloques
H0 : i 0 H0 : j 0
H1 : Al menos un i 0 H1 : Al menos un j 0
Nivel de significancia
= 5%, 1%
Análisis de Varianza.-La variabilidad total se descompone en tres fuetes de variación, la explicada
por los tratamientos, la explicada por los bloques y la explicada por el error
Variabilidad (Total) = Variabilidad(Tratamientos) + Var(Bloques) + Var(Error)
2
t b t b
Y
SC(Total) = SC(Y) = (Yij Y.. ) Yij ..
2 2
i 1 j 1 i 1 j tb
ANALISIS DE VARIANZA PARA UN DBCA
BLOQUES
TRATAMIENTOS
1 2 3 …i Yi.
1 Y11 Y12 Y13 Y1j Y1.
2 Y21 Y22 Y23 Y2j Y2.
3 Y31 Y32 Y33 Y3j Y3.
…i Yi1 Yi2 Yi3 Yij Yi.
Y. j Y.1 Y.2 Y.3 Y.j Y..
2
Y
..
F.C. =
tb
2 2
Y t b Y
SC(Tratamientos) = F .C F .C
i. .j
SC(Bloques) =
i 1 b j 1 t
2 2
SC(Error) = t b
Y
t Y b
Y F .C
2 i. .j
ij
i 1 j 1 i 1 b j 1 t
SC(Error) = SC(Total) - SC(Tratamientos) - SC(Bloques)
ANALISIS DE VARIANZA
FV S.C. G. L C.M. FCal FTab.
SCTratam CM Tratam F(1-α,GLTrat,GLError)
S.CTratam. CM Tratam
Tratamient. t-1 t 1 CM Error
SCBloques CM Bloques F(1-α,GLBloq,GLError)
Bloques S.CBloques b-1 CM Bloques
b 1 CM Error
Error
SCError
experimental S.CError (t-1)(b-1) CM Error
t 1 b 1
S.CTotal
Total tb - 1
Ftab F(1 ,GLTrat ,GLError ) Ftab F(1 ,GLBloq ,GLError )
SE RECHAZA H0 SI FCalc > FTab
SE ACEPTA H0 SI FCalc < FTab
CME
C.V %
Y..
PRUEBAS DE COMPARACION DE MEDIAS DE TRATAMIENTOS
Desviaciones estándar a utilizar en c/u. de las pruebas
Prueba t y DLS
1. Prueba t y DLS
2CME
sd
b
2. Tuckey
CME CME
s
d
ALS (T ) AES (T )
b
b
La Amplitud limite signicativa
2CME
Dunnet :s
d
b
1. Un fisioterapeuta desea comparar métodos para enseñar a los pacientes el uso de un
determinado mecanismo de prótesis. Intuía que la rapidez de aprendizaje seria
diferente para pacientes de diferentes edades y deseaba diseñar un experimento en el
que la influencia de la edad pudiera ser tomada en cuenta.
Se eligieron cinco pacientes en cada uno de los cuatro grupos de edades ,y a cada
paciente se le asigno aleatoriamente uno de los métodos de enseñanza, evaluándose
el tiempo (en días) que requirió para aprender a usar la prótesis. Los resultados del
experimento se muestran en el siguiente cuadro.
Grupo de edades
Métodos de enseñanza < de 20 años 20 a 29 años 30 a 39 años 40 a más años
A 7 8 9 10
B 9 9 9 12
C 10 11 11 12
D 6 5 6 8
E 13 12 14 15
b
Teniendo
: 4.
en cuenta las siguientes restricciones: Modelo Aditivo Lineal
yij i j ij i = 1, 2, 3, 4,5 j = 1,2,3,4
Donde:
yij Tiempo que se requiere para aprender a utilizar la prótesis con el i-ésimo método de
enseñanza en el j-ésimo grupo de edad
: Es el efecto de la media general del tiempo de aprendizaje
i : Es el efecto del i-ésimo método de enseñanza
j Es el efecto del j-ésimo grupo de edad
ij : Es el efecto del error experimental en el i-ésimo método de enseñanza en el j-grupo
de edad
t:5 b=4
Y. j
H 0 : 1 2 3 4
H 0 : 1 2 3
H 1 : Al menos un i 0
H1 : Al menos un i 0
0.05
0.05
ANÁLISIS DE VARIANZA|
FV S.C G.L CM Fcal Ftab
Tratamiento 1498.25 3 499.417 77.831 4.757
Bloques 620.17 2 310.083 48.325 5.143
Error 38.5 6 6.417
Total 2156.91667 11
Decisión:
Ftab F(1 ,GLT ,GLE ) F( 0.95,3,11) 4.755
FCal 77.831
Ftab F(1 ,GLB ,GLE ) F( 0.95, 2,11) 5.143
FCal 48.325
Conclusión: Existe evidencia estadística para afirmar que al menos uno de los tratamientos difiere del resto
H0: No existe diferencia para aprender a utilizar la prótesis entre los 4 grupos de edades
H1: existe diferencia para aprender a utilizar la prótesis entre los 4 grupos de edades
H 0 : 1 2 3 4
H 1 : Al menos un i 0
0.05
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Método 4 117.700 29.4250 82.12 0.000
Edad 3 19.200 6.4000 17.86 0.000
Error 12 4.300 0.3583
Total 19 141.200
RESPECTO DE LOS METODOS
Como p value = 0.00 Por lo tanto 0.00 < 0.05
Se rechaza la H0: Se acepta la H1
Decisión
Si existe diferencia significativa para aprender a utilizar la prótesis usando cualquiera de los 5
métodos de enseñanza.
RESPECTO DEL GRUPO DE EDADES
Se rechaza la H0: Se acepta la H1
Decisión
Si existe diferencia significativa para aprender entre a utilizar la prótesis cualquiera de los 4 grupos
de edades
P valué > 0.05
0.632 > 0.05 Por lo tanto se acepta la H0
Decisión
Los errores se distribuyen normalmente
PRUEBA DE LA HOMOGENEIDAD DE VARIANZAS
TIEMPO VS EDAD
H0 : Todas las varianzas son iguales
H1 : Por lo menos una varianza es diferente
α : 0.05
Como p value = 0.997 Por lo tanto 0.997 > 0.05
Se Acepta la H0
Decisión
Todas las varianzas son iguales
TIEMPO VS METODO
H0 : Todas las varianzas son iguales
H1 : Por lo menos una varianza es diferente
α : 0.05
p value = 0.929 Por lo tanto 0.929 > 0.05
Se Acepta la H0
Decisión
Todas las varianzas son iguales
Use la prueba de Tukey de sus conclusiones a un nivel de significancia
de 0.05
AES(T)= α =5% , p = 5 tratam. GLError = 12 = 4.54
La Amplitud limite signicativa
CME 0.3583
ALS (T ) AES (T ) 4.54 * 1.3588
b 4
H0 : µA = µB H0 : µA = µC H0 : µA = µD H0 : µA = µE
H1 : µA ≠ µB H1 : µA ≠ µC H1 : µA ≠ µD H1 : µA ≠ µE
H0 : µB = µC H0 : µB = µE H0 : µC = µE
H1 : µB ≠ µC H1 : µB ≠ µE H1 : µC ≠ µE
H0 : µB = µD H0 : µC = µD H0 : µD = µE
H1 : µB ≠ µD H1 : µC ≠ µD H1 : µD ≠ µE
COMPARACION ALS(T) Yi. YJ . Significancia
A-B 1.349 1.25 n.s.
A-C 1.349 2.5 *
A-D 1.349 2.25 *
A-E 1.349 5 *
B-C 1.349 1.250 n.s.
B-D 1.349 3.5 *
B-E 1.349 3.75 *
C-D 1.349 4.75 *
C-E 1.349 2.5 *
D-E 1.349 7.25 *
Asumiendo que el método E es considerado como tratamiento testigo.
Realice la prueba de Dunnett y de sus conclusiones a un nivel de
confianza del 0.05
H0 : µE = µA H0 : µE = µB H0 : µE = µC
H1 : µE ≠ µA H1 : µE ≠ µB H1 : µE ≠ µC
H0 : µE = µD
H1 : µE ≠ µD
Asumiendo que el método E es considerado como tratamiento testigo.
Realice la prueba de Dunnett y de sus conclusiones a un nivel de
confianza del 0.05
T(Dn)= α =5% , p = 5 tratam. GLError = 12 =
2CME
ALS ( Dn) t ( Dn)
b
Asumiendo que el método E es considerado como tratamiento testigo.
Realice la prueba de Dunnett y de sus conclusiones a un nivel de
confianza del 0.05
T(Dn)= α =5% , p = 5 tratam. GLError = 12 = 2.81
2CME 2 * 0.3583
ALS ( Dn) t ( Dn) 2.81* 1.189
b 4
COMPARACION ALS(Dn) Yi. YJ . Significancia
E-A 1.189 5.00 *
E-B 1.189 3.75 *
E-C 1.189 2.50 *
E-D 1.189 7.25 *
