13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

 Soporte de Minitab® 19

Buscar Soporte de Minitab 19 

Interpretar los resultados clave

para la ANOVA de un solo factor
Más información sobre Minitab 19 

Complete los siguientes pasos para interpretar ANOVA de un solo factor. Resultado fundamental
incluye el valor p, las grá cas de grupos, las comparaciones de grupo, el R2 y las grá cas de
residuos.

En este tema
Paso 1: Determinar si las diferencias entre las medias de los grupos son estadísticamente
signi cativas
Paso 2: Examinar las medias de los grupos
Paso 3: Comparar las medias de los grupos
Paso 4: Determinar hasta qué punto el modelo se ajusta a sus datos
Paso 5: Determinar si el modelo cumple con los supuestos del análisis

Paso 1: Determinar si las diferencias entre las medias de los

grupos son estadísticamente signi cativas
Para determinar si cualquiera de las diferencias entre las medias es estadísticamente
signi cativa, compare el valor p con el nivel de signi cancia para evaluar la hipótesis nula. La
hipótesis nula indica que las medias de población son todas iguales. Por lo general, un nivel de
signi cancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de
signi cancia de 0.05 indica un riesgo de 5% de concluir que existe una diferencia cuando no hay
una diferencia real.

Valor p ≤ α: Las diferencias entre algunas de las medias son estadísticamente signi cativas

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 1/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Si el valor p es menor que o igual al nivel de signi cancia, usted rechaza la hipótesis nula y
concluye que no todas las medias de población son iguales. Utilice su conocimiento
especializado para determinar si las diferencias son signi cativas desde el punto de vista
práctico. Para obtener más información, vaya a Signi cancia estadística y signi cancia
práctica.

Valor p > α: Las diferencias entre las medias no son estadísticamente signi cativas
Si el valor p es mayor que el nivel de signi cancia, usted no cuenta con su ciente evidencia
para rechazar la hipótesis de que las medias de población son todas iguales. Veri que que la
prueba tenga su ciente potencia para detectar una diferencia que sea signi cativa desde el
punto de vista práctico. Para obtener más información, vaya a Aumentar la potencia de una
prueba de hipótesis.

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Pintura 3 281.7 93.90 6.02 0.004
Error 20 312.1 15.60
Total 23 593.8

Resultado clave: Valor p

En estos resultados, la hipótesis nula establece que los valores de dureza media de 4 pinturas diferentes
son iguales. Puesto que el valor p es menor que el nivel de signi cancia de 0,05, usted puede rechazar la
hipótesis nula y concluir que algunas de las pinturas tienen medias diferentes.

Paso 2: Examinar las medias de los grupos

Use la grá ca de intervalo para mostrar la media y el intervalo de con anza para cada grupo.

Las grá cas de intervalo muestran lo siguiente:

Cada punto representa una media de muestra.

Cada intervalo es un intervalo de con anza de 95 % de la media de un grupo. Usted puede

estar 95% seguro de que una media de grupo está dentro del intervalo de con anza del
grupo.

IMPORTANT
Interprete cuidadosamente estos intervalos porque hacer comparaciones múltiples aumenta
la tasa de error de tipo 1. Es decir, cuando se aumenta el número de comparaciones,
también se incrementa la probabilidad de que al menos una comparación concluirá de forma
incorrecta que una de las diferencias observadas es signi cativamente diferente.
https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 2/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Para evaluar las diferencias que aparecen en esta grá ca, utilice la tabla Información de
agrupación y otros resultados de comparación (como se muestra en el paso 3).

En la grá ca de intervalo, la Mezcla 2 tiene la media más baja y la Mezcla 4 tiene la más alta. Usted no
puede determinar, con base en esta grá ca, si algunas de las diferencias son estadísticamente
signi cativas. Para determinar la signi cancia estadística, evalúe los intervalos de con anza de las
diferencias medias.

Paso 3: Comparar las medias de los grupos

Si el valor p del ANOVA de un solo factor es menor que el nivel de signi cancia, usted sabrá que
algunas de las medias de los grupos son diferentes, pero no cuáles pares de grupos. Utilice la
tabla Información de agrupación y pruebe las diferencias de las medias para determinar si esas
diferencias entre los pares especí cos de grupos es estadísticamente signi cativa y para estimar
qué tan diferentes son las medias.

Para obtener más información sobre los métodos de comparación, vaya a Uso de
comparaciones múltiples para evaluar la signi cancia práctica y estadística.

Tabla Información de agrupación

Utilice la tabla Información de agrupación para determinar rápidamente si la diferencia de las
medias entre cualquier par de grupos es estadísticamente signi cativa.

Los grupos que no comparten una letra son signi cativamente diferentes.

Pruebas para las diferencias de las medias

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 3/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Utilice los intervalos de con anza para determinar los posibles rangos de las diferencias y
para determinar si las diferencias son signi cativas desde el punto de vista práctico. La tabla
muestra un conjunto de intervalos de con anza para la diferencia entre los pares de medias.
La grá ca de intervalo para las diferencias de las medias muestra la misma información.

Los intervalos de con anza que no contienen el cero indican una diferencia en las medias que
es estadísticamente signi cativa.

Dependiendo del método de comparación que elija, la tabla compara diferentes pares de
grupos y muestra uno de los siguientes tipos de intervalos de con anza.

Nivel de con anza individual

El porcentaje de veces que un solo intervalo de con anza incluye la diferencia real entre
un par de medias de grupo si el estudio se repite múltiples veces.

Nivel de con anza simultáneo

El porcentaje de veces que un conjunto de intervalos de con anza incluye las diferencias
reales de todas las comparaciones de grupos si el estudio se repite múltiples veces.

Controlar los intervalos de con anza simultáneos es particularmente importante cuando

usted realiza comparaciones múltiples. Si no se controlan los intervalos de con anza
simultáneos, la probabilidad de que al menos un intervalo de con anza no contenga la
diferencia real aumenta con el número de comparaciones.

Para obtener más información, vaya a Explicación de los niveles de con anza simultáneos e
individuales en las comparaciones múltiples.

Para obtener más información acerca de cómo interpretar los resultados de MCB de Hsu, vaya a
¿Qué son las comparaciones múltiples de Hsu con el mejor (MCB)?

Agrupar información utilizando el método de Tukey y una confianza de 95%

Pintura N Media Agrupación

Mezcla 4 6 18.07 A
Mezcla 1 6 14.73 A B
Mezcla 3 6 12.98 A B
Mezcla 2 6 8.57 B

Las medias que no comparten una letra son significativamente diferentes.

Resultados clave: Media, Agrupación

En estos resultados, la tabla muestra que el grupo A contiene las Mezclas 1, 3 y 4 y el grupo B contiene
las Mezclas 1, 2 y 3. Las Mezclas 1 y 3 están en ambos grupos. Las diferencias entre las medias que
comparten una letra no son estadísticamente signi cativas. Las Mezclas 2 y 4 no comparten una letra, lo
que indica que la Mezcla 4 posee una media signi cativamente mayor que la Mezcla 2.
https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 4/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Pruebas simultáneas de Tukey para diferencias de las medias

Diferencia
de las EE de Valor
Diferencia de niveles medias diferencia IC de 95% Valor T ajustad
Mezcla 2 - Mezcla 1 -6.17 2.28 (-12.55, 0.22) -2.70 0.06
Mezcla 3 - Mezcla 1 -1.75 2.28 ( -8.14, 4.64) -0.77 0.86
Mezcla 4 - Mezcla 1 3.33 2.28 ( -3.05, 9.72) 1.46 0.47
Mezcla 3 - Mezcla 2 4.42 2.28 ( -1.97, 10.80) 1.94 0.24
Mezcla 4 - Mezcla 2 9.50 2.28 ( 3.11, 15.89) 4.17 0.00
Mezcla 4 - Mezcla 3 5.08 2.28 ( -1.30, 11.47) 2.23 0.15

Nivel de confianza individual = 98.89%

Resultados clave: IC simultáneos de 95%, nivel de con anza individual

En los resultados de Tukey, los intervalos de con anza indican los siguiente:

El intervalo de con anza para la diferencia entre las medias de las Mezclas 2 y 4 es de 3.11 a
15.89. Este rango no incluye el cero, lo que indica que la diferencia es estadísticamente
signi cativa.

Los intervalos de con anza de los demás pares de medias incluyen el cero, lo que indica que las
diferencias no son estadísticamente signi cativas.

El nivel de con anza simultáneo de 95% indica que usted puede estar 95% seguro de que todos
los intervalos de con anza contienen las diferencias reales.

La tabla indica que el nivel de con anza individual es 98.94%. Este resultado indica que usted
puede estar 98.94% seguro de que cada intervalo individual contiene la diferencia real entre un
par especí co de medias de grupo. Los niveles de con anza individuales de cada comparación
producen el nivel de con anza simultáneo de 95% para las seis comparaciones.

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 5/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Paso 4: Determinar hasta qué punto el modelo se ajusta a

sus datos
Para determinar qué tan bien se ajusta el modelo a los datos, examine los estadísticos de
bondad de ajuste en la tabla Resumen del modelo.

S
Utilice S para evaluar qué tan bien el modelo describe la respuesta.
S se mide en las unidades de la variable de respuesta y representa la distancia que separa a
los valores de los datos de los valores ajustados. Mientras más bajo sea el valor de S, mejor
describirá el modelo la respuesta. Sin embargo, un valor de S bajo no indica por sí solo que el
modelo cumple con los supuestos del modelo. Debe examinar las grá cas de residuos para
veri car los supuestos.

R-cuad.
El R2 es el porcentaje de variación en la respuesta que es explicada por el modelo. Mientras
mayor sea el valor de R2, mejor se ajustará el modelo a los datos. R2 siempre está entre 0% y
100%.

Un valor de R2 alto no indica que el modelo cumple con los supuestos del modelo. Debe
examinar las grá cas de residuos para veri car los supuestos.

R-cuad.(pred)
Utilice R2 pronosticado para determinar qué tan bien el modelo predice la respuesta para
nuevas observaciones. Los modelos que tienen valores más grandes de R2 pronosticado
tienen mejor capacidad de predicción.

Un R2 pronosticado que sea sustancialmente menor que R2 puede indicar que el modelo está
sobreajustado. Un modelo sobreajustado se produce cuando se agregan términos para
efectos que no son importantes en la población. El modelo se adapta a los datos de la
muestra y, por lo tanto, es posible que no sea útil para hacer predicciones acerca de la
población.

El R2 pronosticado también puede ser más útil que el R2 ajustado para comparar modelos,
porque se calcula con observaciones que no se incluyen en el cálculo del modelo.

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
3.95012 47.44% 39.56% 24.32%

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 6/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Resultados clave: S, R-cuad., R-cuad. (pred)

En estos resultados, el factor explica un 47.44 % de la variación en la respuesta. S indica que la
desviación estándar entre los puntos de datos y los valores ajustados es de aproximadamente 3.95
unidades.

Paso 5: Determinar si el modelo cumple con los supuestos

del análisis
Utilice las grá cas de residuos como ayuda para determinar si el modelo es adecuado y cumple
con los supuestos del análisis. Si los supuestos no se cumplen, el modelo podría no ajustarse
adecuadamente a los datos y se debería tener cuidado al interpretar los resultados.

Grá ca de residuos vs. ajustes

Utilice la grá ca de residuos vs. ajustes para veri car el supuesto de que los residuos están
distribuidos aleatoriamente y tienen una varianza constante. Lo ideal es que los puntos se
ubiquen aleatoriamente a ambos lados del 0, con patrones no detectables en los puntos.

Los patrones que se observan en la siguiente tabla podrían indicar que el modelo no cumple con
los supuestos del modelo.

Lo que podría indicar el

Patrón patrón

Dispersión en abanico o irregular de los residuos en los Varianza no constante

valores ajustados

Un punto que está alejado de cero Un valor atípico

En esta grá ca de residuos vs. ajustes, los puntos parecen estar dispersos aleatoriamente en la
grá ca. Ninguno de los grupos parece tener una variabilidad sustancialmente diferente y no hay
ningún valor atípico evidente.

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 7/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Grá ca de residuos vs. orden

Utilice la grá ca de residuos vs. orden para veri car el supuesto de que los residuos son
independientes entre sí. Los residuos independientes no muestran tendencias ni patrones
cuando se muestran en orden cronológico. Los patrones en los puntos podrían indicar que los
residuos que están cercanos entre sí podrían estar correlacionados y, por lo tanto, podrían no
ser independientes. Lo ideal es que los residuos que se muestran en la grá ca se ubiquen
aleatoriamente alrededor de la línea central:

Si observa un patrón, investigue la causa. Los siguientes tipos de patrones pueden indicar que
los residuos son dependientes.

Tendencia

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 8/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Cambio

Ciclo

En esta grá ca de residuos vs. orden, los residuos están ubicados aleatoriamente alrededor de
la línea central.

Grá ca de probabilidad normal de los residuos

Utilice la grá ca de probabilidad normal de los residuos para veri car el supuesto de que los
residuos están distribuidos normalmente. La grá ca de probabilidad normal de los residuos
debe seguir aproximadamente una línea recta.

Los patrones que se observan en la siguiente tabla podrían indicar que el modelo no cumple con
los supuestos del modelo.

Patrón Lo que podría indicar el patrón

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 9/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

Patrón Lo que podría indicar el patrón

No una línea recta No normalidad

Un punto que está alejado de la línea Un valor atípico

Pendiente cambiante Una variable no identi cada

NOTA
Si el diseño del ANOVA de un solo factor cumple con las directrices para el tamaño de la
muestra, los resultados no se ven afectados sustancialmente por desviaciones con respecto a
la normalidad.

En esta grá ca de probabilidad normal, los residuos generalmente parecen seguir una línea
recta. En la grá ca de residuos vs. ajustes se puede observar que hay seis observaciones en cada
uno de los cuatro grupos. Puesto que este diseño no cumple con las directrices de tamaño de la
muestra, es importante satisfacer el supuesto de normalidad de manera que los resultados de la
prueba sean ables.

Minitab.com ● Portal para licencias ● Tienda ● Blog ● Contáctenos

Copyright © 2019 Minitab, LLC. All rights Reserved.

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 10/11
13/9/2019 Interpretar los resultados clave para la ANOVA de un solo factor - Minitab

español

https://support.minitab.com/es-mx/minitab/19/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/key-results/ 11/11