Estadística Aplicada a la Ingeniería

Industrial

Ing. Ferly Urday Luna

Análisis de la varianza
 Objetivos

• Conocer los principios

teóricos del Análisis de la
varianza.
• Definir el ANOVA.
• Conocer el procedimiento
del ANOVA.
• Desarrollar el ANOVA de 1 y 2 vías.
• Resolver casos prácticos.
Tiempo de elaboración de un Ejemplo Previo
producto XXX en segundos
Maq 1 Maq 2 Maq 3 Si solo hay 2 muestras Si se agrega una máquina más
21 32 42
32 38 40 H0: m1 = m2 H0: m1 = m3 H0: m2 = m3
32 19 25 H1: m1 ≠ m2 H1: m1 ≠ m3 H1: m2 ≠ m3
32 25 26
29 36 34
28 40 45
42 40
37 Nro Muestras # Hipótesis
36 2 1
3 3
4 6
5 10
6 15
7 21
8 28
 Introducción
Se tiene tres grupos de estudiantes a
los que se les aplicará un método de
enseñanza
 Cuadro de notas

Notas normales   Notas después de aplicar el método

Grupo 1 Grupo 2 Grupo 3   Grupo 1 Grupo 2 Grupo 3
10 10 10   10 + 1 = 11 10 + 2 = 12 10
10 10 10   10 + 1 = 11 10 + 2 = 12 10
10 10 10   10 + 1 = 11 10 + 2 = 12 10

La media inicial es 10, Xij = m (No hay diferencia ni dentro ni fuera)

Al aplicar el método, Xij = m + ai (Si hay diferencia fuera, pero no dentro)

Pero no todos los alumnos rinden igual

Grupo 1 Grupo 2 Grupo 3

10 + 1 – 1 = 10 10 + 2 + 5 = 17 10 + 0 + 3 = 13
10 + 1 – 2 = 09 10 + 2 + 0 = 12 10 + 0 + 0 = 10
10 + 1 – 0 = 11 10 + 2 + 1 = 13 10 + 0 + 2 = 12
 Ejemplo introductorio (Conclusión…)

• Entonces para cada valor tenemos el modelo:

Xij = m + ai + eij
• Existencia de VARIABILIDAD

• Debida al factor
Extragrupos

• Debida a la aleatoriedad
Intragrupos
 Definiciones

• Técnica estadística utilizada para comprobar si son iguales

las medias de más de dos poblaciones mediante el análisis y
comparación de diversos tipos de varianzas muestrales
insesgadas. La palabra ANOVA proviene de ANalisys Of
VAriance.
• Se basa en la descomposición de variabilidad

SCT = SCC + SCE

Modelos de ANOVA
ANOVA de una vía

ANOVA de dos vías sin

replicación

ANOVA de dos vías con

replicación
Supuestos

• Las poblaciones (distribuciones de probabilidad de

la variable dependiente correspondiente a cada
factor) son normales.
• Las K muestras sobre las que se aplican los
tratamientos son independientes.
• Las poblaciones tienen todas igual varianza
homoscedasticidad).
ANOVA de una Vía
Ejemplo de aplicación

• El gerente de compras de la empresa “La Tijera

Brava S.A.C.” desea comparar la velocidad de 4
máquinas de marcas diferentes con el fin de
adquirir la más veloz para su uso en la apertura de
una nueva planta de confecciones en la Ciudad de
Matarani. Para esto, observó los tiempos que cada
máquina utiliza para producir 6 unidades de la
confección en forma aleatoria.
 Ejemplo N° 1

• El gerente de compras de la empresa “La Tijera Brava S.A.C.”

desea comparar la velocidad de 4 máquinas de marcas
diferentes con el fin de adquirir la más veloz para su uso en la
apertura de una nueva planta de confecciones en la Ciudad
de Matarani. Para esto, observó los tiempos que cada
máquina utiliza para producir 6 unidades de la confección en
forma aleatoria.
 Datos de trabajo

  Máquina  
  1 2 3 4  
  55 60 64 42  
  46 58 62 45  
  45 68 51 52  
  73 58 57 44  
  50 63 65 42  
  63 52 68 56  
Totales Ti 332 359 367 281 T =1339
ni = r 6 6 6 6 n = 24
Medias X i 55,33 59,83 61,17 46,83 X = 55,79
 Desarrollo

1) Hipótesis:
HO: m1 = m2 = m3 = m4
H1: No todas las medias son iguales.

2) Nivel de significancia: a = 0,05

CMC
3) Estadística Fcal  que
CMEse distribuye según F(k-1,n-k)
donde k = 4 y n = 24.

4) Regla de decisión.
 Desarrollo (Cálculo)

T2 (1339) 2
C   74705,04
n 24
SCT   X ij2  C  (55) 2  (46) 2  ...  (56) 2  74705,04  1851,95833
Ti 2 (332) 2  (359) 2  (367) 2  (281) 2
SCC   C   74705,04  754,125
r 6

SCE  SCT  SCC  1851,95833  74,125  1097,83333

Fuente de Suma de Grados de Cuadrados Razón F
Variación Cuadrados Libertad Medios calculada
Tratamientos
754,125 3 251,375 F = 4,579
Columnas
Error 1097,833 20 54,892  
Total 1851,958 23    
 Desarrollo (Decisión)

Decisión: Dado que F = 4,579 > 3,10; se rechaza H0.

Comparación múltiple a posteriori

Se utilizará el método DMS (Diferencia Mínima Significativa)

ni  n j
X i  X j    CME  F ,1, n  k
ni n j

2
X i  X j   CME  F ,1, n  k
r
 Desarrollo de DMS

• El valor de r es:

2 2
 CME  F0,05;1;20  (54,892)( 4,35)  8,92
r 6
55,33 - 59,83   = 4,50 < 8,92 No significativa
           
55,33 - 61,17   = 5,84 < 8,92 No significativa
           
55,33 - 46,83   = 8,50 < 8,92 No significativa
           
59,83 - 61,17   = 1,34 < 8,92 No significativa
           
59,83 - 46,83   = 13,00 > 8,92 Significativa
           
61,17 - 46,83   = 14,34 > 8,92 Significativa
 Resumen de las DMS entre los grupos

Grupos   1 2 3 4
  Medias 55,33 59,83 61,17 46,83
1 55,33 -      
2 59,83 4,50 -    
3 61,17 5,84 1,34 -  
4 46,83 8,50 13,00 14,34 -

2  4 y 3  4
Es evidente que se debe elegir la máquina 4 por ser la
más veloz, es decir en promedio utiliza menos tiempo.
 ANOVA de dos factores sin replicación

Fuente de Suma de Grados de Cuadrados medios Razón F

variación cuadrados libertad calculada
Tratamientos SCC k–1 SCC CMC
(columnas)       CMC   F C 
k 1 CME
 
 

Entre    
SCF r–1 SCF CMF
bloques CMF  FF 
(filas)     r 1 CME
     
SCE
Error SCE (r-1)(k-1) CME 
  (r  1)( k  1)
TOTAL SCT rk -1    
 Ejemplo N° 2

• Los artículos fabricados por una campaña se producen por 4

operarios utilizando 5 maquinas diferentes. El fabricante
quiere determinar si hay diferencias significativas entre las
maquinas y entre los operarios. Se efectuó un experimento
para determinar el numero de artículos diarios producidos por
cada operario utilizando cada una de las maquinas. Los
resultados se dan en la tabla 2.
Utilizando un nivel de significación del 5%, prueba si existe
una diferencia significativa:
a) Entre las maquinas
b) entre los operarios
 Datos del ejemplo N° 2

M1 M2 M3 M4 M5
O1 15 18 14 19 16 82 16.4
O2 10 15 10 15 11 61 12.2
O3 11 17 10 15 12 65 13
O4 9 13 9 16 10 57 11.4
45 63 43 65 49 265
11.25 15.75 10.75 16.25 12.25 20
 ANOVA de dos factores con replicación
Fuente de Suma de Grados de Cuadrados Razón F
variación cuadrados libertad medios calculada
Factor A        
SCC CMC
(columnas) SCC c–1 CMC    F C 
c 1 CME
       
Factor B      
SCF CMC
(filas) SCF r–1 CMF  FF   
r 1 CME
     
Interacción SCI (r - 1)(c - 1) SCI CMI
CMI  FI 
AXB     (r  1)( c  1) CME
     
Error SCE rc(n - 1) SCE
CME 
  rc (n  1)
TOTAL SCT rcn-1    
 SINTESIS

• Descripción general del ANOVA.

• Definiciones y supuestos.
• Desarrollo de los tipos de ANOVA
• Arribar a conclusiones.
• Modo de trabajo:
– Manual.
– Con Ms Excel.
 Muchas
gracias por
el tiempo
prestado
Ferly Urday Luna