Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Anova 1 - Via - No - Supuestos
Anova 1 - Via - No - Supuestos
– Universidad de La Laguna
Violación de supuestos del ANOVA de 1 factor
¿Qué ocurre si no se verifican los supuestos de normalidad y
homocedasticidad en un ANOVA de 1 factor?
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Violación de supuestos del ANOVA de 1 factor
¿Qué ocurre si no se verifican los supuestos de normalidad y
homocedasticidad en un ANOVA de 1 factor?
Test F
Si
ANOVA 1 factor
Si
¿Homocedasticidad? Test F con…
Normalidad
Transformaciones de
la variable respuesta
No
Estadísticos de
Welch y de Brown y
Forsythe
Supuestos
Test F
Si
ANOVA 1 factor
Si
¿Normalidad?
Homocedasticidad
Prueba de
No
Kruskal‐Wallis
Test F con …
No normalidad ni
homocedasticidad Transformaciones de
la variable respuesta
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
Test F
Si
ANOVA 1 factor
Si
¿Homocedasticidad? Test F con…
Normalidad
Transformaciones de
la variable respuesta
No
Estadísticos de
Welch y de Brown y
Forsythe
Supuestos
Test F
Si
ANOVA 1 factor
Si
¿Normalidad?
Homocedasticidad
Prueba de
No
Kruskal‐Wallis
Test F con …
No normalidad ni
homocedasticidad Transformaciones de
la variable respuesta
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
Este alternativa se aplicará cuando: si normalidad y no homocedasticidad ó cuando no se
pueda asegurar ni la normalidad ni la homocedasticidad.
La técnica se basa en transformar la variable respuesta con el fin de normalizar las distribuciones
y homogeneizar las varianzas.
Transformaciones:
• Raíz cuadrada: y′ 𝑦. Por ejemplo, si en un problema el valor de y para un individuo
es 1600 ahora trabajaríamos con 1600 40. Esta transformación permite disminuir la
asimetría positiva y hacer más homogéneas las varianzas.
• Logaritmo: y′ log 𝑦. Reduce mas aún las asimetría positiva y hace más homogéneas las
varianzas.
• Inversa: y′ 1⁄𝑦. Para atenuar el efecto de valores muy extremos .
• Arcoseno de la raíz cuadrada:y′ 𝑎𝑟𝑐𝑠𝑒𝑛 𝑦 . Suele aplicarse para poder trabajar con
proporciones.
Ventaja: Se consigue que las distribuciones con las que se van a trabajar sean simétricas, con
pocos o ningún valor extremo y con varianzas mas o menos homogéneas.
Desventajas: Se trabaja con una métrica desprovista de significado.
Conclusión: No es algo que deba hacerse de forma rutinaria
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
Ejemplo:
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
¿Hay normalidad?
La distribución de los residuos a partir del histograma nos indica que éstos se acumulan en torno al 0 y siguen aproximadamente
una distribución normal. En el gráfico Q‐Q plot los puntos se ajustan aproximadamente a la recta por lo que también se podría
concluir que hay una cierta normalidad. Por último el test de Shapiro‐Wilk indica que no hay normalidad 𝑝 0.032 . Como
conclusión general podríamos decir que aún cuando descriptivamente parece que la distribución de los residuos siguen una
distribución normal hay un cierto desajuste.
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
¿Hay homocedasticidad?
Descriptivos
Horas que dedica semanalmente a la cultura un individuo
Desv.
N Media Desviación Desv. Error
Zona norte 6 8.3333 0.93729 0.38265
Zona sur 6 7.5900 0.17618 0.07193
Zona este 6 8.5233 0.55579 0.22690
Zona oeste 6 7.3133 0.26463 0.10803
Zona centro 6 7.0933 1.02771 0.41956
Total 30 7.7707 0.85552 0.15620
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
Estudio de la homocedasticidad para varias transformaciones
Se va a estudiar la homocedasticidad aplicando diferentes transformaciones a la variable respuesta.
En SPSS: Analizar Estadísticos descriptivos Explorar Introducir en Lista de dependientes la variable
horas y en Lista de factores Zonas de Tenerife Estadísticos (Seleccionar descriptivos y Estimadores robustos
centrales) Continuar Gráficos (Seleccionar Histograma, Gráficos con pruebas de normalidad y en
Transformados Potencia ir seleccionando las diferentes transformaciones hasta conseguir una que implique el
no rechazo del test de Levene) Continuar Aceptar
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
Obtención de la variable transformada
Después de probar con las diferentes
transformaciones que se proponen en
el cuadro de Transformados Potencia
concluimos que la transformación que
permite una homogeneización de la
varianzas es 𝑦 𝑦 , atendiendo al 𝑝‐
valor del test de Levene asociado a esta
transformación (𝑝 0.055):
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
Resultados a partir de la variable transformada
Así, la variable transformada 𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑐𝑢𝑙𝑡𝑢𝑟𝑎 cumple los supuestos para aplicar
el ANOVA: es aproximadamente normal para los residuos 𝑝 0.044 y
homocedástica 𝑝 0.075 .
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Transformación de la variable respuesta
Resultados a partir de la variable transformada
Los resultados, en este caso, son ficticios ya que los valores con los que se trabaja están
transformados (variable original al cubo). Así, lo único que interesa son los p‐valores de los test que se
están aplicando.
Por ejemplo, se puede concluir que hay efecto del factor ‘zona de residencia’ sobre las horas que
dedican a la cultura los individuos de Tenerife 𝑝 0.002 , aunque los datos que estamos analizando
en este caso son las horas al cubo. También se pueden sacar conclusiones del tamaño del efecto y de
la potencia observada tal y como se hizo en el caso de las variables sin transformar.
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos de Welch y de Brown y Forsythe
¿Cuándo aplicar los estadísticos de Welch y de Brown y Forsythe?
Test F
Si
ANOVA 1 factor
Si
¿Homocedasticidad? Test F con…
Normalidad
Transformaciones de
la variable respuesta
No
Estadísticos de
Welch y de Brown y
Forsythe
Supuestos
Test F
Si
ANOVA 1 factor
Si
¿Normalidad?
Homocedasticidad
Prueba de
No
Kruskal‐Wallis
Test F con …
No normalidad ni
homocedasticidad Transformaciones de
la variable respuesta
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos de Welch y de Brown y Forsythe
Ejemplo:
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos de Welch y de Brown y Forsythe
¿Cuándo aplicar los estadísticos de Welch y de Brown y Forsythe?
Estos estadísticos se utilizarán cuando no pueden asumirse que las varianzas poblaciones son iguales.
Permiten contrastar la hipótesis global de igualdad de medias sin tener que estar preocupados por el
tamaño de las varianzas. En el ejemplo se comprueba que hay normalidad pero no homocedasticidad
a partir de los siguientes resultados:
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos de Welch y de Brown y Forsythe
¿Cuándo aplicar los estadísticos de Welch y de Brown y Forsythe?
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos de Welch y de Brown y Forsythe
¿Cuándo aplicar los estadísticos de Welch y de Brown y Forsythe?
Para obtener estos estadísticos en SPSS: Analizar Comparar medias ANOVA de un factor En
Lista de dependientes introducimos Horas y en Factor la variable Zonas de Tenerife Opciones
Seleccionar: Descriptivos, Prueba de homogeneidad de Varianzas, Brown‐Forsythe y Welch
Continuar Aceptar
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos de Welch y de Brown y Forsythe
Interpretación de los estadísticos
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos deWelch y de Brown y Forsythe (Comparaciones múltiples)
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos deWelch y de Brown y Forsythe (Comparaciones múltiples)
Si no puede asumirse que las varianzas poblacionales son iguales se proponen dos estadísticos en
función del tamaño muestral:
1.‐ Tamaños muestrales pequeños T3 de Dunnett (o la T2 de Tamhane)
2.‐ Tamaños muestrales grandes Test de Games y Howell (o la C de Dunnett)
Para obtener estos estadísticos en : Analizar Comparar medias ANOVA de un factor Post hoc
Marcar T3 de Dunnet y T2 de Tamhane (al ser tamaños muestrales pequeños), con un nivel de significación
de por ejemplo 0.05 Continuar Aceptar
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Estadísticos deWelch y de Brown y Forsythe (Comparaciones múltiples)
Interpretación de los estadísticos
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis
¿Cuándo aplicar el estadístico de Kruskal‐Wallis?
Test F
Si
ANOVA 1 factor
Si
¿Homocedasticidad? Test F con…
Normalidad
Transformaciones de
la variable respuesta
No
Estadísticos de
Welch y de Brown y
Forsythe
Supuestos
Test F
Si
ANOVA 1 factor
Si
¿Normalidad?
Homocedasticidad
Prueba de
No
Kruskal‐Wallis
Test F con …
No normalidad ni
homocedasticidad Transformaciones de
la variable respuesta
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis
¿Cuándo aplicar el estadístico de Kruskal‐Wallis?
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis
Ejemplo:
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis
¿Normalidad y homocedasticidad?
Según el resultado del test de Kolmogorov 𝑝 0.001 y a partir de la inspección visual del histograma y del gráfico
Q‐Q normal, se concluye que la distribución de los residuos no es normal. Por otro lado la homocedasticidad si se
verifica. Se aplicará por lo tanto el estadístico de Kruskal‐Wallis para verificar si hay efecto de la las condiciones
experimentales sobre la puesta de huevos del insecto.
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis
Test de Kruskal‐Wallis
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis
Interpretación de los estadísticos
El resultado del test de Kruskal‐Wallis establece que hay efecto de las condiciones
experimentales sobre el número de huevos que pone el insecto 𝑝 0.001 .
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis (Comparaciones múltiples)
Si se ha demostrado que la prueba de Kruskal‐Wallis es estadísticamente significativa (es decir, 𝑝 0.05).
Para descubrir qué grupo(s) es diferente a otro(s) grupo(s) necesita ejecutar una prueba post hoc. En el caso
de la prueba Kruskal‐Wallis, ejecutará e interpretará todas las comparaciones por pares utilizando el
procedimiento de Dunn (1964) con un ajuste de Bonferroni.
Para obtener estos estadísticos en SPSS, en la pantalla de resultados hacer doble click sobre la tabla
“Resumen de pruebas de hipótesis” Se abre una nueva ventana con los resultados del test Desplegar el
menú de la parte inferior derecha “Ver” y seleccionar “Comparación entre parejas”
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna
Prueba de Kruskal‐Wallis (Comparaciones múltiples)
Interpretación de los estadísticos
Las comparaciones por pares se realizaron utilizando el procedimiento de Dunn con una corrección
de Bonferroni para comparaciones múltiples (mirar columna Sig. ajust.). Este análisis post hoc
reveló diferencias estadísticamente significativas en la mediana del número de huevos entre
las condiciones experimentales 1 y 2 𝑝 0.001 , y 2 y 3 𝑝 0.008 , pero no entre las
condiciones experimentales 1 y 3 𝑝 0.525 . Los test de hipótesis son de la forma:
𝐻 : 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 ó 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 ó
𝐻 : 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 ó 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 ó
Roberto Dorta Guerra ‐ Beatriz Abdul Jalbar Betancor‐ Área de Estadística e I. O. – Universidad de La Laguna