Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis de la varianza:
1.1 Análisis de la varianza: Fundamentos
…
…
…
k y k1 y k 2 y k nk N( k , ) nk yk sˆk
N = n1 + n2 + + nk
Parámetros desconocidos
Las medias de los grupos La varianza
1, 2 , , k 2
Problema:
Estimación de la varianza
(ni − 1) sˆi2
→ n2i − 1
Variabilidad dentro de los grupos 2
k
VD = (ni − 1) sˆi2 VD k
(ni − 1) sˆi2
= → n2−k
i =1 2 i =1 2
VD
Varianza residual ˆ 2 = sˆR2 =
N −k
1.3 Descomposición de la variabilidad
i =1 j =1 i =1
i =1 j =1 i =1
Si las medias poblacionales son todas iguales, las sumas de cuadrados SCE y
SCD se distribuyen según distribuciones 𝛘2 con (k - 1) y (n - k) grados de
libertad, respectivamente.
1.4 Contraste de igualdad de medias
Pasos para realizar el contraste:
1. Hipótesis del contraste: H0 : 1 = 2 = = k =
H 1 : no todas las i son iguales
2 VE /(k − 1) H
k y − y H0 F= ⎯⎯⎯
0
→ F k −1,N −k
= i → k2−1
⎯⎯⎯ VD /(N − k )
i =1 / ni
)
F k −1,N − k f ( k −1,N −k ) ,
Región crítica:
1−
1−
( k −1,N −k )
f 1−
1.4 Contraste de igualdad de medias
Construcción de la Tabla ANOVA
Total VT N −1
sˆR2 = VD /(N − k )
VE
r2=
VT Varianza residual
Coeficiente de determinación
1.5 Inferencias sobre los parámetros
(n − k ) sˆR2
Ni ,
→
VD
yi
= → N2 −k
n i 2
2
(y − y j ) − (i − j )
yi − i i
→ tN −k
→ tN −k 1 + 1
sˆR n i sˆR
ni n j
Intervalos de confianza y
Intervalos de confianza y
contrastes de hipótesis
contrastes de hipótesis
para diferencias entre
para cada media
pares de medias
2. Modelo de factor y bloque: Planteamiento
Bloques
Observaciones Medias
1 2 … b Modelo: Yi j = + i + j + U i j
y 12 …
Tratamientos
1 y 11 y 1b y 1• Ui j → N( 0, )
2 y 21 y 22 … y 2b y 2•
a b
⁞ ⁞ ⁞ ⁞ ⁞
i =1
i =0
j =1
i =0
a y a1 y a2 … y ab y a•
Medias y •1 y •2 … y •b y ••
Total de observaciones: a b = N
La media global
Los efectos de los tratamientos 1 , 2 , , a
Parámetros desconocidos
Los efectos de los bloques 1, 2 , , b
La varianza 2
Problema:
¿Influye el tratamiento en la variable respuesta? Yi j
2.1. Modelo de factor y bloque: Estimación de los parámetros
Medias
Ui j → N( 0, )
a
Yi j = + i + j + U i j
i =1
i =0
b
j =1
i =0
ˆ = y •• ˆ i = y i • − y •• ˆ j = y • j − y ••
2.1. Modelo de factor y bloque: Estimación de los parámetros
Varianza
Ui j → N( 0, )
a
Yi j = + i + j + U i j
i =1
i =0
b
j =1
i =0
Residuos: ( )
r i j = y i j − yˆ i j = y i j − ˆ + ˆ i + ˆ j = y i j − ( y i • + y • j − y •• )
2
1 a b a b y i j − ( ˆ + ˆ i + ˆ j )
2 i =1
r 2
ij =
→ (2a −1)( b −1)
j =1 i =1 j =1
Estimación de la varianza:
a b
sˆ =
2
R
1
(a − 1)(b − 1) i =1
j =1
r 2
ij es insesgado para
2
(Varianza residual)
2.1. Modelo de factor y bloque: Descomposición de la variabilidad
VT = VE ( ) + VE ( ) + VR
Variabilidad total:
a b
VT = ( y i j − y •• )
2
i =1 j =1
Variabilidad residual:
a b
VR = r 2
ij
i =1 j =1
2.1. Modelo de factor y bloque:
Construcción de la Tabla ANOVA
Fuente de variación Suma de cuadrados g.l. Varianza F
V ( ) sˆ
2
VE ( ) a −1 sˆ = E
2
Entre tratamientos F = 2
a −1 sˆR
sˆ
2
V ( )
VE ( ) b −1 sˆ = E
2
Entre bloques F = 2
b −1 sˆR
VR
(a − 1)( b − 1) sˆR =
2
Residual VR
(a − 1)(b − 1)
Total VT
ab − 1
Coeficientes de determinación
sˆR
2
VE ( ) VE ( ) Varianza residual
Parciales: r2 = r2 =
VT VT
Total: r 2 = r2 + r2
2.1. Modelo de factor y bloque: Contraste sobre los tratamientos
H0 : 1 = 2 = = a = 0
Nivel
1
H : No todos los i son nulos
(a − 1) sˆ2 VE ( ) a b ˆ 2i
=
H
= ⎯⎯⎯
0
→ a2−1 Estadístico de contraste
2
2
i =1 2
𝑠Ƹ𝛼2 H0
F𝛼 = 2 → 𝐹 𝑎−1,(𝑎−1)(𝑏−1)
𝑠Ƹ𝑅
2
(a − 1)(b − 1) sˆR2 VR a b
ri j
= = → (2a −1)( b −1)
j =1
2 2
i =1
F a −1 ,( a −1)( b −1)
p-valor: P (F a −1 ,( a −1)( b −1) Fobs )
( a −1 , ( a −1)( b −1) )
f 1−
2.1. Modelo de factor y bloque: Contraste sobre los bloques
H0 : 1 = 2 = = b = 0
Nivel
H
1 : No todos los i son nulos
(b − 1) sˆ2 VE ( ) b a ˆ 2j
=
H
= ⎯⎯⎯
0
→ b2−1 Estadístico de contraste
2 2 j =1 2
𝑠𝛽Ƹ 2 H0
F𝛽 = → F 𝑏−1,(𝑎−1)(𝑏−1)
𝑠Ƹ𝑅2
2
(a − 1)(b − 1) sˆR2 VR a b
ri j
= = → (2a −1)( b −1)
2 2 i =1 j =1
F b −1 ,( a −1)( b −1)
p-valor: P (F b −1 ,( a −1)( b −1) Fobs )
( b −1 , ( a −1)( b −1) )
f 1−
2.2. Modelo de dos factores con interacción: Planteamiento
Factor B y
Observaciones
1 2 b
1 y111 y112 y11n y121 y122 y12n … y1b1 y1b2 y1bn
…
Factor A
La varianza 2
2. Modelo de dos factores con interacción: Estimación
Los diseños factoriales permiten conocer no solamente el efecto por separado de
cada uno de los factores, sino además la posible interacción entre ellos. Se dice que
existe interacción cuando el efecto de un factor sobre la variable dependiente
depende de los niveles que adopte el otro factor.
Yi j k = + i + j + ( )i j + U i j k
Interacción
( ) i j = y i j • − y i •• − y • j • + y •••
2. Modelo de dos factores con interacción: Planteamiento
Yi j k = + i + j + ( )i j + U i j k
Residuos: r i j k = yi j k − yi j •
2
1 a b n a b n
y − yi j •
2 r 2
i jk = i j k
i =1 j =1 k =1 → ab
2
( n −1)
i =1 j =1k =1
a b n
sˆ = 1
es insesgado para
2 2 2
Estimación de la varianza: r
ab(n − 1) i =1
R i jk
j =1 k =1
(Varianza residual)
2. Modelo de dos factores con interacción
Descomposición de la variabilidad
VT = VE ( ) + VE ( ) + VE ( ) + VR
i =1 j =1 k =1 i =1
a b
VE ( ) = n ( )i j
a
VE ( ) = an ˆ
2 2
j
i =1 i =1 j =1
Variabilidad residual:
a b n
VR = r i 2j k
i =1 j =1 k =1
2. Modelo de dos factores con interacción: Tabla ANOVA
Fuente de variación Suma de cuadrados g.l. Varianza F
V ( ) sˆ
2
VE ( ) a −1 sˆ = E
2
Factor A F = 2
a −1 sˆR
sˆ
2
V ( )
VE ( ) b −1 sˆ = E
2
Factor B F = 2
b −1 sˆR
VE ( ) ˆ
s
2
VE ( ) (a − 1)( b − 1) s =
ˆ 2
Interacción F =
(a − 1)(b − 1)
sˆR
2
VR
sˆR =
2
Residual VR ab( n − 1)
ab(n − 1)
Total VT abn − 1
Coeficientes de determinación
sˆR
2
Varianza residual
VE ( ) V ( ) VE ( )
Parciales: r2 = r2 = E r2 =
VT VT VT
Total: r 2 = r2 + r2 + r2
2. Modelo de dos factores con interacción
Contraste sobre el factor A
H0 : 1 = 2 = = a = 0
Nivel
1
H : No todos los i son nulos
𝑎
(𝑎 − 1)𝑠𝛼Ƹ 2 VE (𝛼) 𝑏𝑛𝛼ො𝑖2 H0
2
𝜎2
=
𝜎2
= 2
𝜎
𝜒𝑎−1 Estadístico de contraste
𝑖=1
𝑠Ƹ𝛼2 H0
F𝛼 = 2 → 𝐹 𝑎−1,𝑎𝑏(𝑛−1)
2 𝑠Ƹ𝑅
ab(n − 1) sˆR2 VR a b
ri j k
n
= 2 = → ab
2
( n −1)
2 i =1 j =1 k =1
F a −1 , ab( n −1)
p-valor: P (F a −1 , ab ( n −1) Fobs )
( a −1 , ab( n −1) )
f 1−
2. Modelo de dos factores con interacción
Contraste sobre el factor B
H0 : 1 = 2 = = b = 0
Nivel
1
H : No todos los j son nulos
𝑏
(𝑏 − 1)𝑠𝛽Ƹ 2 VE (𝛽) 𝑎𝑛𝛽𝑖2 H0
2 Estadístico de contraste
= = 2 𝜒𝑏−1
𝜎2 𝜎2 𝜎 H0
𝑗=1 𝑠𝛽Ƹ 2
F𝛽 = → 𝐹 𝑏−1,𝑎𝑏(𝑛−1)
𝑠Ƹ𝑅2
𝑎 𝑏 𝑛
𝑎𝑏(𝑛 − 1)𝑠Ƹ𝑅2 VR 𝑟𝑖𝑗𝑘 2
2
= 2 = → 𝜒𝑎𝑏(𝑛−1)
𝜎2 𝜎 𝜎
𝑖=1 𝑗=1 𝑘=1
F b −1 , ab ( n −1)
p-valor: P (F b −1 , ab ( n −1) Fobs )
( b −1 , ab( n −1) )
f 1−
2. Modelo de dos factores con interacción
Contraste sobre la interacción
H0 : ( ) i j = 0 i , j
Nivel
H
1 : No todos los ( ) ij son nulos
𝑎 𝑏
2
(𝑎 − 1)(𝑏 − 1)𝑠Ƹ𝛼𝛽 VE (𝛼𝛽) 𝑛(𝛼𝛽)2𝑖𝑗 H0 2
= = → 𝜒(𝑎−1)(𝑏−1) Estadístico de contraste
𝜎2 𝜎2 𝜎2
𝑖=1 𝑗=1 2 H0
𝑠Ƹ𝛼𝛽
F𝛼𝛽 = 2 → 𝐹 (𝑎−1)(𝑏−1),𝑎𝑏(𝑛−1)
𝑠Ƹ𝑅
𝑎 𝑏 𝑛
𝑎𝑏(𝑛 − 1)𝑠Ƹ𝑅2 VR 𝑟𝑖𝑗𝑘 2
2
= = → 𝜒𝑎𝑏(𝑛−1)
𝜎2 𝜎2 𝜎
𝑖=1 𝑗=1 𝑘=1
(𝑎−1(𝑏−1),𝑎𝑏(𝑛−1)
ቂ𝑓1−𝛼 , ∞ቁ
1−
Región crítica:
p-valor: P F (𝑎−1)(𝑏−1),𝑎𝑏(𝑛−1) ≥ Fobs