Análisis de Varianza

ANOVA
RESULTADO DE APRENDIZAJE DE LA SESIÓN

Al finalizar la sesión, el estudiante podrá

comprender, aplicar e interpretar el anova
de una vía usando la fórmula adecuada.
SECCIÓN DE REFERENCIA

REFLEXIÓN DESDE LA EXPERIENCIA

Una nutricionista ha realizado un estudio con tres tipos de
dieta, para lo cual seleccionó 9 pacientes a los que se les
asignó un tipo de dieta y después de un mes se
registraron las pérdidas de peso en cada paciente (véase
la tabla). Al nivel de significación de 0.05, ¿Se puede
concluir que existe una diferencia en el promedio de
pérdida de peso de las tres dietas?

Dieta 1 Dieta 2 Dieta 3

5 2 6
6 3 5
4   4
4    
SECCIÓN DE REFERENCIA

El análisis de varianza (ANOVA)

ANOVA es un método de prueba de igualdad de tres o más

medias poblaciones por medio del análisis de las varianza
muestrales.
Este método permite descomponer la variabilidad total en dos
componentes de variación, uno debido a un factor en particular
estudiado(entre) y otro debido al azar(dentro).

.
SECCIÓN DE REFERENCIA

VARIABILIDAD TOTAL

VARIABILIDAD VARIABILIDAD
ENTRE DENTRO DE
GRUPOS LOS GRUPOS

TRATAMIENTOS ERROR
EXPERIMENTAL
SECCIÓN DE REFERENCIA

Nota:
Las técnicas iniciales del análisis de
varianza fueron desarrolladas por el
estadístico y genetista R.A. Fisher en
los años 1920 y 1930 y es algunas
veces conocido como “Anova de
Fisher” o “análisis de varianza de
Fisher”, debido al uso de la distribución
F de Fisher como parte del contraste
Ronald Fisher (1890-1962)
de hipótesis.
SECCIÓN DE REFERENCIA

PRINCIPIOS BÁSICOS DE UN DISEÑO EXPERIMENTAL

REPETICIÓN DEL EXPERIMENTO

ALEATORIEDAD FORMACIÓN DE BLOQUE

VALIDEZ DE LA
ESTIMACIÓN Y
REDUCCION DEL
ERROR EXPERIMENTAL

9
SECCIÓN DE REFERENCIA

TÉRMINOS BÁSICOS

• EXPERIMENTO.
• TRATAMIENTO.
• VARIABLE RESPUESTA.
• UNIDAD EXPERIMENTAL
• ERROR EXPERIMENTAL.
SECCIÓN DE REFERENCIA

TÉRMINOS BÁSICOS
Experimento: Es cualquier proceso o actividad que da origen a un resultado o una
observación.

Factor: Es una variable controlado por el investigador y se desea medir su efecto sobre
la variable independiente.

Tratamiento:Un tratamiento es un efecto que se desea estudiar. Viene a ser el nivel

particular de un factor, que deben imponerse a una unidad experimental dentro del
marco del diseño seleccionado.

Variable respuesta: Es la variable de interés, esta variable es explicada por el modelo

y refleja el efecto de los tratamientos.

Unidad experimental: Es la entidad mas pequeña a la que se le aplica el tratamiento.

Error Experimental: Es una variable que no es controlado por el investigador

SECCIÓN DE REFERENCIA

La distribución F
La distribución F es una distribución continua
de muestreo de la relación de dos variables
aleatorias independientes con distribuciones de
chi-cuadrada, cada una dividida entre sus
grados de libertad.

La distribución F es asimétrica hacia la derecha

y es descrita por los grados de libertad de su
numerador (ν1) y denominador (ν2).

Las siguientes gráficas muestran el efecto de

los diferentes valores de grados de libertad en
la forma de la distribución.
SECCIÓN DE REFERENCIA
SECCIÓN DE REFERENCIA

MODELOS DE CLASIFICACIÓN DE UN SOLO FACTOR COMPLETAMENTE ALEATORIZADOS

 El modelo de clasificación de un solo factor completamente aleatorizado es:
(i=1,2,………….k , j=1,2,………………)
 
Denota la j- ésima unidad experimental sujeta al i-ésimo tratamiento
: es la media general o media total
: es el i- ésimo tratamiento
:error experimental causados por todos los factores desconocidos
SECCIÓN DE REFERENCIA

 El
modelo de un solo factor debe
cumplir los siguientes supuestos:
1. Las K poblaciones son independientes
2. Cada una de las poblaciones tienen
distribución normal
3. Las k varianzas son iguales a la
varianza común
SECCIÓN DE REFERENCIA

 Enel modelo de clasificación de un factor completamente aleatorizado los valores se

registran en la siguiente tabla.

 Donde:
: es la suma de datos de la muestra i.
: es la suma total de datos de las k muestras
n: es el total de observaciones en las k muestras
es la media de la muestra i
media total muestral
SECCIÓN DE REFERENCIA

HIPOTESIS PARA MODELOS DE CLASIFICACIÓN DE UN SOLO FACTOR COMPLETAMENTE

ALEATORIZADOS
 La prueba del ANOVA se basa en dos estimaciones independientes de la varianza poblacional .
Estas estimaciones se obtienen particionando la
suma de cuadrados en dos componentes, las cuales son:
SCT=SCTR+SCE
Donde:
SCT: es la suma de cuadrados totales

SCTR: es la suma de cuadrados entre los tratamientos

SCE: es la suma de cuadrados del error( o dentro de los tratamientos)

SECCIÓN DE REFERENCIA

Ejemplo1
Se toman muestras aleatorias de siete estudiantes universitarios de las secciones A, B y C
del primer año, que asisten a una clase de estadística para los negocios. La tabla adjunta
muestra las calificaciones obtenidas en el examen final
Estudiantes de Estudiantes de Estudiantes de
primer año A primer año B primer año C
82 71 64
93 62 73
61 85 87
74 94 91
69 78 56
70 66 78
53 71 87

Determinar a un nivel de significancia de 0.05 si las calificaciones promedio de los tres grupos son
iguales
SECCIÓN DE REFERENCIA

Estudiantes
Estudiantes de
de Estudiantes
Estudiantes de
de Estudiantes
Estudiantes de
de
primer
primer año
año A
A primer
primer año
año B
B primer
primer año
año C
C   
82
82 71
71 64
64   
93
93 62
62 73
73   
61
61 85
85 87
87   
74 94 91  
74 94 91  
69 78 56  
69 78 56  
70 66 78  
70 66 78  
53 71 87  
Total
53
502 71
527 87
536 1565  
Total 502
7 527
7 536
7 1565
21
Medias 7
71.71 7
75.29 7
76.57 21
223.57
Medias 71.71 75.29 76.57 223.57
 
SCT=2901.24
SCTR=
SCTR=88.67
SCE==2812.57
SECCIÓN DE REFERENCIA

 
1.Planteamiento de Hipótesis
(Las calificaciones promedio de los tres grupos son iguales)
Al menos una de las calificaciones promedio es diferente
2.Nivel de significancia
α=0.05
3.Estadígrafo o estadístico Fuente de Suma de Grados de Cuadrados Razón F
Variación Cuadrados libertad Medios calculada
Tratamiento 88.67 2 44.33 0.28
Error 2812.57 18 156.25
Total 2901.24 20

 4.Regla de Decisión
Región Crítica
Primero se encuentra el valor crítico que es F(1- α,k-1,n-k)=F(0.95,2,18)=3.55
La región critica es: (3.55, +∞)

El valor de 0.28 no pertenece a la región critica por lo tanto no se rechaza

5. Conclusión
Finalmente hay suficiente evidencia estadística para afirmar que las calificaciones promedio de
los tres grupos son iguales a un nivel de significancia del 0.05
SECCIÓN DE REFERENCIA

Ejemplo 2
Se toman muestras aleatorias independientes de seis profesores ayudantes, cuatro
profesores asociados y cinco profesores titulares, que estimen la cantidad de tiempo
que dedicaron a sus responsabilidades, los docentes fuera del aula la semana pasada.
La tabla adjunta muestra los resultados en horas
Ayudante Asociado Titular
7 15 11
12 12 7
11 15 6
15 8 9
9   7
14    

Determinar a un nivel de significancia de 0.05 si el tiempo promedio que dedicaron los

docentes a sus responsabilidades fuera del aula la semana pasada es la misma.
SECCIÓN DE REFERENCIA

Ayudante Asociado Titular

7 15 11
12 12 7
11 15 6
15 8 9
9   7
14    
Total 68 50 40 158
n 6 4 5 15
Medias 11.33 12.50 8 31.83

 
SCT=145.73
SCTR=
SCTR=51.40
SCE==94.33
SECCIÓN DE REFERENCIA

 1.Planteamiento de Hipótesis
(El tiempo promedio que dedicaron los docentes a sus responsabilidades fuera del aula la
semana pasada es el mismo)
Al menos uno de los tiempo promedio que dedicaron los docentes a sus responsabilidades fuera
del aula la semana pasada es diferente.
2. Nivel de significancia
α=0.05
Fuente de Suma de Grados de Cuadrados Razón F
3. Estadígrafo o estadístico
Variación Cuadrados libertad Medios calculada
Tratamiento 51.40 2 25.70 3.27
Error 94.33 12 7.86
Total 145.73 14
  Regla de Decisión
4.
Región Crítica
Primero se encuentra el valor crítico que es F(1- α,k-1,n-k)=F(0.95,2,12)=3.89
La región critica es: (3.89, +∞)
 El valor de 3.27 no pertenece a la región critica por lo tanto no se rechaza .

5. Conclusión
Finalmente hay suficiente evidencia estadística para afirmar que el tiempo promedio que dedicaron los
docentes a sus responsabilidades fuera del aula la semana pasada es la mismo.
APLIQUEMOS LO
APRENDIDO
SECCIÓN DE REFERENCIA

EJERCICIO N°1
1.- Los miembros de un equipo ciclista se dividen al azar en tres grupos que
entrenan con métodos diferentes. El primer grupo realiza largos recorridos a ritmo
pausado, el segundo grupo realiza series cortas de alta intensidad y el tercero
trabaja en el gimnasio con pesas y se ejercita en el pedaleo de alta frecuencia.
Después de un mes de entrenamiento se realiza un test de rendimiento
consistente en un recorrido cronometrado de 9 Km. Los tiempos empleados fueron
los siguientes.
Método I Método II Método III Método IV
15 14 13 10
16 13 12 11
14 15 11 12
15 16 14 12
17   11  

A un nivel de confianza del 95% ¿Puede considerarse que los tres métodos
producen resultados equivalentes? :
SECCIÓN DE REFERENCIA

EJERCICIO N°2
2.- Se hace un estudio sobre la efectividad de tres marcas de spray para matar
moscas. Para ello, cada producto se aplica a un grupo de 100 moscas, y se cuenta
el número de moscas muertas expresado en porcentajes. Se hacen seis réplicas y
los resultados obtenidos se muestran a continuación:
Marca de spray
A B C
72 55 64
65 59 74
67 68 61
75 70 58
62 53 51
73 50 69

a) Formule la hipótesis adecuada y el modelo estadístico.

b) ¿Existe diferencia entre la efectividad promedio de los productos en spray?
SECCIÓN DE REFERENCIA

INTEGREMOS LO APRENDIDO

 ¿En que consiste la técnica del ANOVA?

 ¿Qué es un factor?

 ¿Cuáles son los requisitos para realizar el ANOVA?

Actividad Asincrónica (virtual)

Resolver el cuestionario
virtual de la semana 13
 SECCIÓN DE REFERENCIA

REFERENCIAS BIBLIOGRÁFICAS
Anderson, D. (2008). Estadística para administración y economía. México, D. F.: Cengage Learning. 10ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EfmckGutuRVEmTlp_PFA2sgBe6-Gdu3J7-Ct0rYCLZSK8Q

Johnson, R. (2004). Estadística elemental: lo esencial. México, D. F.: International Thomson. Disponible en Biblioteca: 519.5 / J67 / 2004.
 
Martínez, C. (2012). Estadística y muestreo. Bogotá: Ecoe Ediciones. Disponible en Biblioteca: 519.52 / M26 / 2012.
 
Palacios C., Severo. (2010). Estadística experimental. Aplicada a ciencia e ingeniería. 1ª. Edición. Concytec. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/ehinostrozar_cientifica_edu_pe/EejSxiCIZo5Mmz284-ZjriEB5JkTJwJPoZ7JkAqOVg8X9A?e=ZT
N4Ey
 
Salazar, C. Del Castillo, S. (2018). Fundamentos básicos de estadística. 1ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EX7CejlZbBZKukecWJpvRaIBy06W6cs1qX2fG0CxlWcwSQ
Triola, M. (2018). Estadística. México, D. F.: Pearson Educación. 12ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EWWDv2kMz_NOsnHN6OaNyVYBOCVZIFLGBFaQqmrXUGmg3
Q

 
Walpole, R.; Myers, R.; Myers, S; Ye, K. (2012) Probabilidad y estadística para ingeniería y ciencias. 9ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/ehinostrozar_cientifica_edu_pe/ESqzEQPTJSNCiWzRQ3xtcxsBhDRarSKofShxY9d5uLyyVQ?e
=CyCmyl