Tema 8

Estadística Aplicada a la Investigación Educativa

ANOVA
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

Índice Pág.

8.1 Análisis de Varianza de un factor (ANOVA) 5

Recursos complementarios 12

Bibliografía 13

Estadística Aplicada a la Investigación Educativa: ANOVA

2
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

Para comenzar el estudio de ANOVA se debe poner a consideración una

pequeña introducción sobre el mismo.

El análisis de la varianza (conocido como ANOVA) constituye una

metodología que permite comparar dos o más medias. Esto se vuelve
indispensable porque al querer comparar más de dos medias es una falacia
tratar de utilizar repetidamente el contraste (prueba de hipótesis) basado en z o
en t Student.

Este error se da por dos motivos principalmente:

a) Al realizar simultánea e independientemente varios contrastes de

hipótesis, se tiene una probabilidad muy alta de encontrar alguno
significativo al azar.
b) En cada comparación la hipótesis nula es que las dos muestras
provienen de una misma población lo que conlleva a que una vez que se
hayan realizado todas las comparaciones posibles la estimación de la
varianza necesaria para el contraste es distinta la varianza necesaria
para el contraste pues se ha realizado en base a muestras distintas.

El proceso que puede resolver estos dos inconvenientes es el ANOVA, el

mismo que está muy ligado al diseño de experimentos y de cierta manera es la
base del análisis multivariante.

Bases del ANOVA

Para conocer cuál es la base de ANOVA, es necesario comenzar

conociendo que la hipótesis nula de la que parten todos los tipos de ANOVA
(de un factor o de dos factores) es que la media de la variable que se está
analizando es la misma en los diferentes grupos, en contrario a la hipótesis
alternativa de que al menos dos difieren de forma significativa. Es importante
recalcar que ANOVA permite comparar múltiples medias, pero lo hace
mediante el estudio de sus varianzas.

Estadística Aplicada a la Investigación Educativa: ANOVA

3
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

ANOVA tiene como base el que se calcula la media de cada uno de los
grupos y en continuación comparar la varianza de estas medias (esta varianza
es explicada por la varianza grupo que se llama INTERVARIANZA y que se
identifica con las siglas MSE) frente a la varianza promedio dentro de los
grupos (que es una varianza no explicada por la variable que se llama
INTRAVARIANZA y que se identifica con las siglas MSA)

“Bajo la hipótesis nula de que las observaciones de los distintos grupos

proceden todas de la misma población –tienen la misma media y varianza- , la
varianza ponderada entre grupos será la misma que la varianza promedio
dentro de los grupos. Si las medias de los grupos están más alejadas las unas
de las otras, la varianza entre medias se incrementará y dejará de ser igual a la
varianza promedio dentro de los grupos” (Amat, 2016)

El estadístico que se estudia en el ANOVA es el llamado F calculado (o

simplemente F), que es el cociente entre la varianza de las medias de los
grupos y el promedio de la varianza dentro de los grupos. El estadístico en
mención sigue una distribución de se llama “F de Fisher-Snedecor”. El Fcalculado
se compara con el Fcrítico y se puede realizar el análisis necesario. Las tablas F
(donde encuentra el valor de Fcrítico) se las puede observar e imprimir para su
uso en el link a continuación http://www.uaaan.mx/~jmelbos/tablas/distf.pdf o
http://dcb.fi-c.unam.mx/profesores/irene/Notas/tablas/Fisher.pdf.

Si se cumple la hipótesis nula indicada, el estadístico F adquiere el valor

de 1 ya que MSE y MSA son iguales. Cuanto más difieran las medias de los
grupos mayor será la varianza entre medias en comparación al promedio de la
varianza dentro de los grupos y por lo tanto el valor de F será superior a 1.

MSE es un cociente, en donde al numerador se lo llama suma de

cuadrados del error y se representa por SSE y el denominador grados de
libertad por ser los términos independientes de la suma de cuadrados.

MSA también es un cociente, en donde al numerados se le llama suma

Estadística Aplicada a la Investigación Educativa: ANOVA

4
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

de cuadrados de los tratamientos y se representa SSA y el denominador (k-1)

grados de libertad.

Existen algunos tipos de ANOVA en función de que si se trata de datos

independientes, sin son pareados, si comparan la variable cuantitativa
dependiente contra los niveles de una única variable explicatoria o factor o
frente a dos factores. Se revisará en este tema aquella que compara la
variable cuantitativa dependiente contra los niveles de una única variable
explicatoria llamada ANOVA DE UN FACTOR.

8.1. Análisis de Varianza de un factor (ANOVA de

un factor)

El ANOVA de un vía o de un factor es el tipo de análisis que se debe

emplear cuando los datos que estamos considerando no están pareados y se
desea verificar si existen diferencias significativas entre las medias de una
variable aleatoria continua en los diferentes niveles de otra variable cualitativa o
factor.

Las hipótesis contrastadas en el ANOVA de un factor son:

Ho: No hay diferencias entre las medias de los distintos grupos (

H1: Al menos un par de medias son significativamente distintas la una de la otra

Como se indicó previamente, la diferencia de medias se analiza en

función de la intervarianza y la intravarianza. Para este proceso, ANOVA parte
de la siguiente descomposición de la varianza:

Variabilidad total = variabilidad debida a los diferentes niveles del factor + variabilidad residual

Que es equivalente a:

Estadística Aplicada a la Investigación Educativa: ANOVA

5
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

Variabilidad explicada por el factor + variabilidad no explicada por el factor

Lo que es equivalente a:

(varianza entre niveles) + (varianza dentro de los niveles)

Para poder realizar el cálculo de las diferentes varianzas se debe

obtener las sumas de cuadrados que se describieron anteriormente. El gráfico
No. 01 muestra la tabla de datos que se requiere para hacer el correspondiente
análisis ANOVA:

*SSW equivale a SSE, MSW equivale a MSE y c equivale al valor k

Gráfico No. 1: Información necesaria para realizar la prueba ANOVA

1) Suma de cuadrados total (SST): Mide la variabilidad total de los

datos, se define como la suma de los cuadrados de las diferencias de
cada observación respecto a la media general de todas las
observaciones. Los grados de libertad para esta suma es igual al
número total de observaciones menos 1 (n-1)
La ecuación que nos sirve para este cálculo es:

2) Suma de cuadrados del factor (SSA): Se obtiene como la suma de los

cuadrados de las desviaciones de la media de cada “proveedor”
respecto a la media general, ponderando cada diferencia al cuadrado

Estadística Aplicada a la Investigación Educativa: ANOVA

6
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

por el número de observaciones de cada grado de libertad. Los grados

de libertad correspondientes son iguales al número de niveles del factor
menos uno (k-1)

3) Suma de cuadrados residual/error (SSE): Se calcula como la suma de

los cuadrados de las desviaciones de cada observación respecto a la
media del nivel al que pertenecen. Los grados de libertad asignados
para esta suma equivale a la diferencia entre los grados de libertad
totales y los grados de libertad del factor, es decir, n-k.

El valor F que aparece en la última columna es la que permite determinar la

validez de la hipótesis nula. Si F es mayor a la Fcrítica se puede decir que no
hay suficiente evidencia para aceptar la hipótesis nula (es decir se rechaza H o)

El valor de Fcrítico se encuentra utilizando la tabla de distribución F (que es

una tabla de doble entrada). Se necesita tres elementos:

 Un nivel de significancia (de manera general =0.01, 0.05 y 0.10)

 Los grados de libertad del numerador
 Los grados de libertad del denominador

Ejemplo:

El director de una institución educativa está interesado en estudiar el

efecto sobre el rendimiento académico de los estudiantes de un grupo de
estudiantes que han tomado tres tipos diferentes a apoyo académico. Se les
aplicó una prueba (sobre 200 puntos) y los resultados fueron los siguientes:

Tipo de Apoyo Puntaje Obtenido

1 143 141 150 146
2 152 149 137 143
3 134 133 132 127

Estadística Aplicada a la Investigación Educativa: ANOVA

7
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

Contrastar con un nivel de significación del 5% si el tipo de apoyo tiene

algún efecto sobre el rendimiento académico.

Para resolver el ejercicio, debemos suponer en primera instancia, que

los datos provienen de poblaciones normales e independientes y con la misma
varianza.

1. Planteamiento de la hipótesis:

Se quiere comprobar que el rendimiento medio de los estudiantes será el

mismo en los tres tipos de apoyo:

2. Nivel de significancia

Al ser una prueba ANOVA, usamos la tabla F para encontrar el valor de

Fcrítica.

El nivel de significancia es del 5% (α = 0.05). Los grados de libertad tanto

para numerador como para el denominador son:

a) Para el numerador:
Debemos buscar los grados de libertad entre grupos = k-1. Tenemos 3
opciones de ayuda, entonces, 3 – 1 = 2
b) Para el denominador:
Debemos buscar los grados de libertad dentro de los grupos = n-k.
Tenemos 12 datos y 3 opciones de ayuda, entonces, 12 – 3 = 9

Buscamos en la tabla F para nivel de significancia 0.05 el valor de Fcrítica =

(ver la tabla adjunta)

Estadística Aplicada a la Investigación Educativa: ANOVA

8
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

3. Estadístico de prueba

Para este caso se utiliza:

Por lo tanto se debe calcular los valores MSA y MSE para encontrar el
cociente solicitado.

Se comienza con el cálculo de las medias y las varianzas en las muestras:

∑
̅

∑( ̅

( ( ( (

( (

Estadística Aplicada a la Investigación Educativa: ANOVA

9
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

En el cuadro a continuación se muestran los valores obtenidos para tipo 1, tipo

2 y tipo 3:

Tipo de Apoyo Media Varianza

1 145 11,5
2 145,25 33,188
3 131,5 7,25

Con estos valores se procede a calcular la media de las medias y la

varianza respecto a la media de medias.

∑ ̅
̿

∑( ̿

( ( ( (

a) Cálculo de SSE

El valor de SSE se calcula como:

( ( (

b) Cálculo de SST

El valor de SST se calcula como:

Estadística Aplicada a la Investigación Educativa: ANOVA

10
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

c) Cálculo de SSA

El valor de SSA se calcula como:

SST = SSE + SSA

SSA = SST – SSE

SSA = 702,9156 - 207,752 = 495,1636

d) Cálculo de MSA y MSE

El valor de MSA se calcula como:

El valor de MSE se calcula como:

e) Cálculo del estadístico F

El valor de F se calcula como:

Estadística Aplicada a la Investigación Educativa: ANOVA

11
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

4. Regla de decisión

Se tiene que 10,725 > 4.256 por lo tanto se rechaza Ho (o no hay suficiente
evidencia estadística para aceptar Ho)

5. Conclusión

A un nivel de significancia de α=0.05, SE RECHAZA la Ho, es decir, que

hay diferencias significativas entre los diferentes tipo de apoyo.

Recursos complementarios

Videos de explicación de ANOVA

https://www.youtube.com/watch?v=DUT9jhPDih0

Estadística Aplicada a la Investigación Educativa: ANOVA

12
Universidad de las Fuerzas Armadas ESPE Unidad de Educación a Distancia

https://www.youtube.com/watch?v=NXuccEXZJfE

Bibliografía

Levin, Rubin, y otros (2004). Estadística para la Administración y Economía.

Estados Unidos: Pearson.

Webster, A. (2012). Estadística Aplicada para la Administración y Economía.

Estados Unidos: Irwin.

Galindo, E. (1999). Estadística para la Administración y la Ingeniería. Ecuador:

Gráfica Mediavilla Hnos.

Amat, J. (2016). ANOVA análisis de varianza para comparar múltiples medias.

https://www.cienciadedatos.net/documentos/19_anova

Estadística Aplicada a la Investigación Educativa: ANOVA

13