docena de las escuelas de administración

• La comparación de los ingresos del primer año de los graduados de una media
• La comparación de kilometraje logrado por 5 clases diferentes de gasolina Ejemplo
• La prueba de cual de 4 métodos de capacitación produce el aprendizaje más
rápido
• podremos hacer inferencias acerca de si nuestras muestras se tomaron de Ventajas
poblaciones que tienen la misma media
• Análisis de Varianza ANOVA
• Permite probar la significancia de las diferencias entre más de dos medias
muéstrales
ANOVA
 Planteamiento de Problema

Se tomó 16 nuevos empleados

asignados aleatoriamente a los tres
métodos de capacitación

Caculo de producción media,

podemos determinar la gran media
podemos utilizar 2 métodos
 15+18+19+22+11+22+27+18+21+17+18+24+19+16+22+15
X = 16

304
=
16
19
= Gran Media utilizando todos los datos

X = (5/16)(17)+(5/16)(21)+(6/16)(19)

304
=
16

19 Gran Media como promedio ponderado de las medias

=
muestrales, utilizando los tamaños relativos de las muestras
como pesos
Planteamiento de la hipótesis
La razón para utilizar análisis de varianza es decidir si estas tres muestras se tomaron
de poblaciones que tienen las mismas medias

Ho: u1=u2=u3

H1: u1,u2,u3 no son todas iguales

Si podemos concluir, a partir de nuestra prueba, que las medias de las muestras no
difieren significativamente, podemos inferir que la selección del método de
capacitación no influye en la productividad del empleado. Por otro lado si
encontramos, entre las medias muestrales diferencias demasiado grandes para
atribuirlas al error aleatorio de muestreo, podemos inferir que el método utilizado
para capacitar a los trabajadores si influye en su productividad. En ese caso
ajustaríamos nuestro programa de capacitación de acuerdo con los resultados .
Producción Método 1 Método 2 Método 3
diaria de 16
empleados
nuevos
18
15 22 24
18 27 19
19 18 16
22 21 22
11 17 15
85 105 114

/5 /5 /6
= 17 21 19
X1 X 2  X 3 
n1  5 n2  5 n3  6
3 Pasos de Análisis de Varianza
1.- Determinar una estimación de la varianza de la población,
a partir de la varianza entre las medias de las muestras

2.- Determinar una segunda estimación de la varianza de la población

a partir de la varianza dentro de las muestras

3.- Comparar estas dos estimaciones. Si su valor es aproximadamente igual,

Se acepta a hipótesis nula
 ANÁLISIS DE VARIANZA FACTORIAL

Los modelos factoriales de análisis de varianza (Factorial = más de un factor)

sirven:
para evaluar el efecto individual y conjunto de dos o más factores

Variables independientes categóricas

Sobre una variable dependiente cuantitativa

Ejemplo:
Un ANOVA factorial permite estudiar, si la cantidad de cigarrillos (variable dependiente)
que consumen los hombres y las mujeres es diferente (primer factor) y, al mismo tiempo,
si varios grupos de grado de instrucción consumen distinta cantidad de cigarrillos (efecto
del segundo factor), pero, además, también permite estudiar si la diferencia entre varones
y mujeres se repite o no en cada grado de instrucción, permite determinar si la
interacción entre los factores sexo y grado de instrucción afecta a la variable dependiente
consumo de cigarrillos.
 ANÁLISIS DE
• El procedimiento UNIVARIANTE incluye todos esos modelos factoriales de ANOVA. Pero , además VARIANZA
ofrece la posibilidad de trabajar tanto con factores de efectos fijos como factores de efectos FACTORIAL
aleatorios. También permite llevar a cabo análisis de covarianza y análisis de regresión, y utilizar
modelos aleatorizados en bloques y modelos jerárquicos o con factores anidados
ANÁLISIS DE
• En un modelo de tres factores, los efectos de interés son siete VARIANZA
• Los tres efectos principales FACTORIAL
• Los tres efectos de las interacciones dobles(uno por cada interacción entre cada dos factores )
• y el efecto de la interacción triple
ANÁLISIS DE
• En un modelo de dos factores los efectos de interés son tres VARIANZA
FACTORIAL
• Los dos efectos principales, (uno por cada factor),
• y el efecto de la interacción entre ambos factores.
de la interacción entre los factores
Utilizar más de un factor en un mismo diseño posee la ventaja de poder estudiar el efecto
 Análisis de varianza factorial
En un análisis de varianza factorial existe una hipótesis nula
por cada factor y por cada posible combinación de factores.

La hipótesis nula referida a un Para contrastar estas hipótesis,

factor afirma que las medias
de las poblaciones definidas
por los niveles del factor son
iguales
La hipótesis referida al efecto
de una interacción afirma que
tal efecto es nulo
el ANOVA factorial se sirve de
estadísticos F , quién nos
permite decidir si podemos
mantener o debemos rechazar
una hipótesis