Documentos de Académico
Documentos de Profesional
Documentos de Cultura
44 Modelo de Efectos Aleatorios
44 Modelo de Efectos Aleatorios
En el modelo de efectos aleatorios, los niveles del factor son una muestra aleatoria de
una población de niveles. Este modelo surge ante la necesidad de estudiar un factor
que presenta un número elevado de posibles niveles, que en algunas ocasiones puede
ser infinito. En este modelo las conclusiones obtenidas se gen eralizan a toda la
población de niveles del factor, ya que los niveles empleados en el experimento fueron
seleccionados al azar.
yij = µ + τ i + uij
Con la diferencia de que ahora τi son variables aleatorias. Además este modelo
requiere que las variables τ i y uij sean independientes y sigan distribuciones normales
con media 0 y varianza constante σ2τ y σ 2, respectivamente. Así, por la independencia
entre las variables τi y uij, la varianza de cualquier observación de la muestra, es decir,
la varianza total, denotada por σ 2T, vale:
σ2T = σ2τ + σ2
H0: σ2τ = 0
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions!
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions!
Si se acept a H0, σ2τ = 0, significa que todos los tratami entos son idénticos; en cambio,
si se acepta H1, σ2τ > 0, significa que existe variabilidad entre los tratamientos.
En este modelo se asume que las k muestras son muestras aleatorias de k situaciones
distintas y aleatorias. De modo que un valor aislado Yij se puede escribir como:
Donde µ es la media global, Eij son variables (una para cada muestra) distribuidas
normalmente, con media 0 y varianza σ2 (como en el modelo I) y Ai es una variable
distribuida normalmente, independiente de las eij, con media 0 y varianza σ2.
Para llegar a este resultado se utiliza la asunción de independencia entre Ai y Eij y es,
por tanto, muy importante en el modelo y conviene verificar si es correcta en cada caso.
Por tanto, en H0 tanto MSA como MSE estiman σ2, mientras que en H1, MSE sigue
estimando s2 y MSA estima σ2 + nσ2a. La existencia de esta componente añadida se
Trusted by over 1 million members
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions!
Como en el modelo de efectos fijos, co nsideremos las expresiones de yi., Ӯ i., y.. e Ӯ..,
en función de los parámetros del modelo, con objeto de poder hallar las esperanzas de
las varianzas muéstrales.
E(S2Tr) = nσ2τ + σ2
σ2 = S2R
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions!
S2Tr = N2 −∑in2i/N(I − 1) σ 2τ + σ2
S2R = σ2.
σ2 = S2R
En el caso de que la varianza residual sea mayor que la varianza entre tratamientos, el
método de componentes de la varianza conduce a una estimación negativa de σ2τ.
Evidentemente esto carece de sentido, al tratarse de un parámetro no negativo.
Cuando esto ocurre se puede adoptar alguna de las siguientes alternativas: