Analissi Varianza

Universidad Alas Peruanas Cont rol I nferencia Est adst ica-I ng. E.
Mont enegro
Escuela Profesional de I ngeniera I ndust rial y Sist emas I V Ciclo / 2011

1

PRUEBA DE BARTLETT
Est a prueba se emplea para det erminar si las varianzas de k poblaciones son iguales o no. La
prueba es muy sensible a la normalidad: si los dat os no son normales, la prueba ofrece
result ados significat ivos cuando en realidad no lo son.

Se basa en un est adst ico cuya dist ribucin muest ral proporciona valores crt icos exact os
cuando los t amaos de las muest ras son iguales. Est os valores crt icos se pueden ut ilizar para
dar aproximaciones muy exact as a los valores crt icos para t amaos diferent es de muest ra.

Hipt esis:

diferente es una menos Al : H
. .......... : H
2
i
2
k
2
2
2
1
1
0
= = =

Ej empl o 1:

Tres proveedores diferent es proporcionan piezas en lot es de 500. Para comparar la calidad de
los lot es se t oman muest ras aleat orias de seis lot es de cada proveedor y se examinan para
det erminar el nmero de piezas no conf ormes. Los result ados f ueron:

Proveedor:
A : 28 37 34 29 31 33
B : 22 27 29 20 18 30
C : 33 29 39 33 37 38
Al nivel del 1%, podemos afirmar que exist e diferencia significat iva ent re las varianzas?

Solucin:

k = 3 6 n n n
3 2 1
= = = N = 18
2 . 11 S
2
A
= 07 . 25 S
2
B
= 57 . 14 S
2
C
=

1. Hipt esis:

diferente es una menos Al H
H
i a
C B A
2
2 2 2
0
:
:
= =

Universidad Alas Peruanas Cont rol I nferencia Est adst ica-I ng. E.Mont enegro

2

Prueba de varianzas iguales: RPTA vs. FACTOR1

Intervalos de confianza de Bonferroni de 95% para desviaciones estndares

FACTOR1 N Inferior Desv.Est. Superior
A 6 1,89912 3,34664 10,4554
B 6 2,84114 5,00666 15,6415
C 6 2,16583 3,81663 11,9237

Prueba de Bartlett (distribucin normal)
Estadstica de prueba = 0,80. valor p = 0,671

Prueba de Levene (cualquier distribucin continua)
Estadstica de prueba = 1,69. valor p = 0,218

C
B
A
16 14 12 10 8 6 4 2 0
F
A
C
T
O
R
1
I nt er valos de conf ianza de Bonf er r oni de 95% par a Desv.Est .
Estadstica de pr ueba 0,80
Valor P 0,671
Valor P 0,218
Pr ueba de Bar tlett
Pr ueba de Lev ene
Pr ueba de i gual dad de var i anzas par a RPTA

4. Decisin:

01 . 0 671 , 0 : _ = > p Valor Ent onces, acept ar
0
H

5. Conclusin:

Se acept a que l as Var i anzas son i gual es


3
ANALI SI S DE VARI ANZA DE UN FACTOR

( Di seo Compl et ament e al eat or i azado- DCA)
En el anlisis de varianza (ANOVA) se requiere comparar 3 o ms medias poblacionales para
det erminar si pueden ser iguales. Para emplear ANOVA, se supone lo siguient e:

Las poblaciones siguen una dist ribucin normal
Las poblaciones tienen desviaciones estndar iguales ()
Las poblaciones son independient es

Cuando se cumpla est as 3 condiciones, F, se emplea como la dist ribucin del est adst ico de
prueba.

La razn de realizar la prueba ANOVA es evit ar la acumulacin del error t ipo I , por ej emplo si
t uviera que evaluar si 4 grupos t ienen la misma media t endra que realizar 6 pruebas t ipo t
ent re ellas para ver si exist e igualdad pero el error pasara de 0.05 en cada prueba a 0.265 en
conj unt o con lo cual sera demasiado error por lo que el mt odo alt ernat ivo es el ANOVA ya que
permit e comparar medias en forma simult anea y evit a acumular error t ipo I .

ANOVA se desarroll para aplicaciones en agricult ura y an se emplean muchos de los t rminos
relacionados con est e cont ext o. En part icular, con el t rmino t rat amient o se ident ifican a
poblaciones diferent es que se examinan.

La prueba ANOVA
Como se desea det erminar si varias medias muest rales provienen de una sola poblacin o de
poblaciones con medias dif erent es. En realidad, est as medias muest rales se comparan mediant e
sus varianzas. La est rat egia es est imar la varianza de la poblacin de 2 formas y despus
det erminar a razn de dichos est imados son iguales, y se concluye que las medias
poblacionales no son iguales. La dist ribucin F sirve como un rbit ro al indicar en qu
inst ancia la razn de las varianzas muest rales es mucho mayor que 1 para haber ocurrido por
casualidad.

VARI ACI N TOTAL.- Sumas de las diferencias elevadas al cuadrado ent re cada observacin y la
media global.

Una vez det erminada la variacin t ot al, luego se divide est a variacin t ot al en 2 component es:
la que se debe a los t rat amient os y la que es aleat oria. Para encont rar est os 2 component es, se
det ermina la media de cada t rat amient o. La primera fuent e de variacin se debe a los
t rat amient os.

VARI ACI N DE TRATAMI ENTO.- Sumas de las diferencias elevadas al cuadrado ent re la media
de cada t rat amient o y la media t ot al o global.

Si exist e una variacin considerable ent re las medias de los t rat amient os, es lgico que est e
t rmino sea grande. Si las medias de los t rat amient os son similares, est e t rmino ser un valor
baj o. El valor ms baj o posible es cero. Est o ocurrir cuando t odas las medias de los
t rat amient os sean iguales.

A la ot ra fuent e de variacin se le conoce como component e al eat or i a o component e de error

VARI ACI N ALEATORI A.- Suma de las diferencias elevadas al cuadrado ent re cada observacin
y su media de t rat amient o.

El est adst ico de prueba que es la razn de los 2 est imados de la varianza poblacional, se
det ermina a part ir de la siguient e ecuacin:

4
F= (Est imado de la varianza poblacional basado en las diferencias ent re las medias muest rales)
(Est imado de la varianza poblacional basado en la variacin dent ro de la muest ra)

Ej empl o.- Desde hace un t iempo la aerolnea ha reducido sus servicios durant e los vuelos y se
empez a cobrar un precio adicional por algunos servicios (como llevar sobrepeso, et c) Hace
poco un grupo de 4 aerolneas cont rat a Una consult ora para encuest a a los pasaj eros sobre la
adquisicin de bolet os, abordaj e, servicio durant e el vuelo, manej o del equipaj e, comunicacin
del pilot o, et c. Se hicieron 25 pregunt as con diversas respuest as posibles: excelent e (4), bueno
(3), regular (2) o deficient e(1). Est as respuest as se sumaron, de modo que la calificacin final
fue una indicacin de la sat isfaccin con el vuelo. Ent re mayor calif icacin mayor el nivel de
sat isfaccin con el servicio. La calificacin mayor posible fue 100.

La consult ora seleccion y est udi al azar pasaj eros de las 4 aerolneas. A cont inuacin se
muest ra la informacin Hay alguna diferencia en el nivel de sat isfaccin medio ent re las 4
aerolneas? use un nivel de significacin de 0.01

East ern TWA American AirLines Panam
94 75 70 68
90 68 73 70
85 77 76 72
80 83 78 65
88 80 74
68 65
65

SOLUCI ON

Realice los siguient es pasos:
Paso 1.- Formular las hipt esis nula y alt ernat iva

Ho:
1
=
2
=
3
=
Ha: No t odas l as cal i f i caci ones medi as son i gual es
4

Si no se rechaza la hipt esis nula, se concluye que no hay diferencia en las calificaciones
medias para las cuat ro aerolneas. Si rechaza Ho, concluye que hay una diferencia en al menos
un par de calificaciones medias.

Paso 2.- Selecciones un nivel de significancia.- Seleccionemos para est e ej emplo 0.01

Paso 3.- Det ermine el est adst ico de prueba.- El est adst ico de prueba sigue una dist ribucin F

Paso 4.- Formule la regla de decisin.- Para det erminar la regla de decisin, se necesit a un
valor crt ico. El valor crt ico para el est adst ico F se det ermina los grados de libert ad del
numerador y el denominador

Paso 5.- Seleccione la muest ra, realice los clculos y t ome una decisin.- Es convenient e
resumir los clculos est adst icos F en una t abla ANOVA (algunos aut ores la llaman ANVA) el
format o es el que sigue que aparece en la mayora de paquet es est adst icos.

TABLA ANOVA
Fuent e de
Variacin
Suma de
cuadrados
Grados de
libert ad
Media
Cuadrt ica
F
Trat amient os SST K-1 SST/ (K-1) = MST
MST/ MSE Error SSE n-k SSE/ (n-k)= MSE
Tot al SS Tot al n-1

5
Hay 3 valores o suma de cuadrados, para calcular el est adst ico de prueba F. Est os valores se
det erminan al obt ener SS t ot al y SSE y despus SST mediant e la diferencia. El t rmino SS t ot al
es la variacin t ot al, SST es la variacin debida a los t rat amient os y SSE es la variacin dent ro
de los t rat amient os o error aleat orio.

En general el proceso se inicia al det erminar SST t ot al: la suma de las diferencias elevadas al
cuadrado ent re cada observacin y la media global. La frmula para det erminar SS t ot al es:

=
2
) ( G X X SStotal
Donde:
X es cada observacin de la muest ra
X
G

es la media global o t ot al
Enseguida se det ermina SSE o la suma de los errores elevados al cuadrado: la suma de las
diferencias elevadas al cuadrado ent re cada observacin y su respect iva media de t rat amient o.
La frmula para encont rar SSE es:
=
2
) ( c X X SSE
Donde:

X
c

es la media muest ral para el t rat amient o c.
A cont inuacin se present an los clculos det allados de SSt ot al y SSE para est e ej emplo, el
primer paso es calcular la media global o t ot al. Hay 22 observaciones y el t ot al es de 1664 por
t ant o, la media t ot al es 75.64

64 . 75
22
1664
= = G X

East er n TWA
Amer i can
Ai r Li nes
Panam Tot al
94 75 70 68
90 68 73 70
85 77 76 72
80 83 78 65
88 80 74
68 65
65
Total de la
columna
349 391 510 414 1664
n 4 5 7 6 22
Media 87.25 78.20 72.86 69.00 75.64

Luego se encuent ra la desviacin de cada observacin a la media t ot al se elevan al cuadrado
est as desviaciones y se suma est e result ado para las 22 observaciones. Por ej emplo ( 94-
75.64) = 18.36Los clculos son los siguient es:


6
East er n TWA
Amer i can
Ai r Li nes
Panam
18.36 -0.64 -5.64 -7.64
14.36 -7.64 -2.64 -5.64
9.36 1.36 0.36 -3.64
4.36 7.36 2.36 -10.64
12.36 4.36 -1.64
-7.64 -10.64
-10.64

Despus se eleva al cuadrado cada uno de est as dif erencias y se suman t odos los valores. El
valor SS t ot al es 1485.1

East er n TWA
Amer i can
Ai r Li nes
Panam Tot al
337.22 0.40 31.77 58.31
206.31 58.31 6.95 31.77
87.68 1.86 0.13 13.22
19.04 54.22 5.59 113.13
152.86 19.04 2.68
58.31 113.13
113.13
Total de la
columna
650.3 267.7 234.9 332.2 1485.1

Para calcular el t rmino SSE se encuent ra la desviacin ent re cada observacin y su media de
t rat amient o. En el ej emplo la media del primer t rat amient o es 87.25 det erminada Xe= 349/ 4. El
primer pasaj ero califico a East ern con 94 por t ant o (X-Xe)= 94-87.25= 6.75, para TWA se rest a
(75-78.20) = -3.2 y as sucesivament e se complet a la siguient e t abla:

East er n TWA
Amer i can
Ai r Li nes
Panam
6.75 -3.20 -2.86 -1
2.75 -10.20 0.14 1
-2.25 -1.20 3.14 3
-7.25 4.80 5.14 -4
9.80 7.14 5
-4.86 -4
-7.86

Luego cada uno de est os valores se eleva al cuadrado y despus se suman las 22
observaciones. Los valores se muest ran en la siguient e t abla:

East er n TWA
Amer i can
Ai r Li nes
Panam Tot al
45.56 10.24 8.16 1
7.56 104.04 0.02 1
5.06 1.44 9.88 9
52.56 23.04 26.45 16
0.00 96.04 51.02 25
0.00 0.00 23.59 16
0.00 0.00 61.73
Total 110.75 234.80 180.86 68 594.41

7
Por t ant o, el valor SSE es 594.41. Es decir,

41 . 594 ) (
2
=
c X X
Por lt imo, se det ermina SST, la suma de los cuadrados debida a los t rat amient os con la rest a:

SST= SSt ot al-SSE

En est e ej emplo:
SST = SSt ot al SSE = 1485.10-594.41= 890.69

Para det erminar el valor calculado de F, consult e la t abla ANOVA donde K= 4 (aerolneas)
n= 22 observaciones reemplazando

TABLA ANOVA
Fuent e de
Variacin
Suma de
cuadrados
Grados de
libert ad
Media
Cuadrt ica
F
Trat amient os SST K-1 SST/ (K-1) = MST
MST/ MSE Error SSE n-k SSE/ (n-k)= MSE

TABLA ANOVA
Fuent e de
Variacin
Suma de
cuadrados
Grados de
libert ad
Media Cuadrt ica F
Trat amient os 890.69 3 890.69/ 3= 296.90
296.90/ 33.02= 8.99 Error 594.41 18 594.41/ 18= 33.02
Tot al 1485.10 21

Como el valor calculado de F es 8.99, el cual es mayor que el valor crt ico de 5.09 por lo t ant o,
la hipt esis nula se rechaza. La conclusin es que no t odas las medias poblacionales son
iguales. Las calificaciones medias no son iguales para las 4 aerolneas. Es probable que las
calificaciones de los pasaj eros se relaciones con una aerolnea en part icular. En est e punt o slo
es posible concluir que hay diferencia en las medias de t rat amient o. No se puede det erminar
cules ni cunt os grupos de t rat amient os difieren.

UTI LI ZANDO EXCEL


8

Anlisis de varianza de un factor
RESUMEN
Grupos Cuenta Suma Promedio Varianza
Eastern 4 349 87.25 36.92
TWA 5 391 78.2 58.7
American AirLines 7 510 72.86 30.14
Panam 6 414 69 13.6
ANLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de los
cuadrados
F Probabilidad
Valor crtico
para F
Entre grupos 890.68 3 296.89 8.99 0.0007 3.16
Dentro de los
grupos 594.41 18 33.02
Total 1485.09 21

Utilizando MegaStat


9

One factor ANOVA
Mean n Std. Dev
87.3 4 6.08 Eastern
78.2 5 7.66 TWA
72.9 7 5.49 American AirLines
69.0 6 3.69 Panam
75.6 22 8.41 Total

ANOVA table
Source SS df MS F p-value
Treatment 890.68 3 296.895 8.99 .0007
Error 594.41 18 33.023
Total 1,485.09 21

MI NI TAB


10

One-way ANOVA: Eastern, TWA, American AirLines, Panam

Source DF SS MS F P
Factor 3 890.7 296.9 8.99 0.001
Error 18 594.4 33.0
Total 21 1485.1

S = 5.747 R-Sq = 59.98% R-Sq(adj) = 53.30%

Ej erci ci os Propuest os:

1.- Un inversionist a en bienes races considera invert ir en un cent ro comercial en los afueras de
una ciudad, para lo cual evala 3 t errenos. El ingreso familiar en el rea circundant e al cent ro
comercial propuest o t iene una import ancia part icular. Se selecciona una muest ra aleat oria de
cuat ro familias ceca de cada cent ro comercial propuest o. A cont inuacin se present an los
result ados de la muest ra. Con un nivel de significancia de 0.05 El inversionist a puede concluir
que hay una diferencia en el ingreso medio?

Terrenos en miles de dlares
Terreno A Terreno B Terreno C
64 74 75
68 71 80
70 69 76
60 70 78

2.- El gerent e de una compaa de soft ware desea est udiar el nmero de horas que los
direct ivos de diversas empresas ut ilizan sus comput adoras de escrit orio. El gerent e seleccion
una muest ra de 5 ej ecut ivos de cada una de las 3 indust rias. Con un nivel de significancia de
0.05 Puede el Gerent e concluir que hay una diferencia en el nmero medio de horas por
semana ut ilizando las comput adoras en la indust ria?
Bancaria Detallista De seguros
12 8 10
10 8 8
10 6 6
12 8 8
10 10 10

I NFERENCI AS SOBRE PARES DE MEDI AS DE TRATAMI ENTO
Suponga que realiza el procedimient o ANOVA y se t oma la decisin de rechazar la hipt esis
nula. Est o permit e concluir que no t odas las medias de t rat amient o son iguales. Algunas veces
est a conclusin sera sat isfact oria pero en ot ros casos se desea conocer cules medias de
t rat amient o difieren. En el Ej emplo Resuelt o ant erior se concluy que exist e una diferencia

11
ent re las calificaciones promedios de los pasaj eros, se acept o la hipt esis alt ernat iva. Si las
calificaciones de los pasaj eros difieren la pregunt a es: Ent re grupos difieren las medias de
t rat amient o?
Exist en varios mt odos para responder est a pregunt a. El ms simple es emplear int ervalos de
confianza. La dist ribucin t nos puede servir de ayuda. Recordar que una de las suposiciones
de ANOVA es que las varianzas poblacionales son las mismas para t odos los t rat amient os. Est e
valor comn de la poblacin es el error medio cuadrt ico MSE y se det ermina mediant e
MSE= SSE/ (n-k)
Un int ervalo de confianza para la diferencia ent re 2 poblaciones se obt iene mediant e:

Donde:
X
1
X
es la media de la primera muest ra
2
t se obt iene con n-k grados de libert ad
es la media de la segunda muest ra
MSE: es el error medio cuadrt ico obt enido de la t abla ANOVA [ SSE/ (n-k)]
n
1
n
nmero de observaciones de la primera muest ra
2
Cmo se decide si hay diferencias en las medias de t rat amient o?
nmero de observaciones de la primera muest ra
Si el i nt er val o de conf i anza i ncl uye a 0 no hay di f er enci a ent r e l as medi as de
t r at ami ent o Por ot r o l ado si l os l i mi t es t i enen el mi smo si gno i ndi ca que l as medi as
de t r at ami ent o di f i er en

En el ej emplo queremos hallar que el int ervalo con un nivel de confianza de 95%:
East ern su media es 87.25
Panam su media es 69
T= 2.101 (t con n-k grados de libert ad, 22-4= 18)
MSE= de la t abla del ANOVA = 594.4/ 18= 33
n
1
n
= 4
2
= 6

Como el int ervalo de confianza de 95% vara de 10.46 hast a 26.04 t ienen el mismo signo son
posit ivos de aqu se puede concluir que est as medias de t rat amient o difieren de manera
significat iva.

Tambin se puede obt ener est os result ados desde el minit ab como se observa a cont inuacin:

Level N Mean StDev
Eastern 4 87.250 6.076
TWA 5 78.200 7.662
American AirLines 7 72.857 5.490
Panam 6 69.000 3.688

Individual 95% CIs For Mean Based on Pooled StDev
Level +---------+---------+---------+---------
Eastern (------*-------)
TWA (------*-----)
American AirLines (-----*-----)
Panam (-----*-----)
+---------+---------+---------+---------
64.0 72.0 80.0 88.0


12
Donde se observa que el ( * ) es la media del t rat amient o y los parnt esis son los ext remos del
int ervalo de confianza Donde hay int erseccin esas medias no van a diferir significat ivament e
pero donde no hay int erseccin si van a diferir como es el caso de East ern y Panam y el East ern
con American airlines t ampoco hay int erseccin.

Ej erci ci os Propuest os
3.- Los siguient es dat os son las pensiones de 3 universidades por semest res (en miles de
dlares) de una muest ra de univesidades privadas en EEUU. Con un nivel de significancia de
0.05 Se puede concluir que hay una diferencia en las pensiones medias de las 3
universidades?

Universidades
A B C
10 8 7
11 9 8
12 10 6
10 8 7
12 6
a) Formule las hipt esis nula y alt ernat iva
b) Cul es la regla de decisin
c) Elabore una t abla ANOVA Cul es el est adst ico de prueba?
d) Cul es su decisin respect o a la hipt esis nula?
e) Puede exist ir una diferencia significat iva ent re las pensiones media ent re la universidad
A en comparacin con la C? Si la hay desarrolle un int ervalo de confianza de 95% para
esa diferencia.

4.- Con la siguient e inf ormacin muest ral, compruebe la hipt esis de que las medias de
t rat amient o son iguales con un nivel de significacin 0.05

Tratamiento 1 Tratamiento 2 Tratamiento 3
8 3 3
11 2 4
10 1 5
3 4
2

c) Elabore una t abla ANOVA
e) Si se rechaza Ho, Puede concluir que el t rat amient o 1 y 2 difieren? Ut ilice el nivel de
confianza de 95%
5.- Con la siguient e inf ormacin muest ral, compruebe la hipt esis de que las medias de
t rat amient o son iguales con un nivel de significacin 0.05


13
Tratamiento 1 Tratamiento 2 Tratamiento 3
3 9 6
2 6 3
5 5 5
1 6 5
3 8 5
1 5 4
4 1
7 5
6
4

c) Elabore una t abla ANOVA
e) Si se rechaza Ho, Puede concluir que el t rat amient o 2 y 3 difieren? Ut ilice el nivel de
confianza de 95%


14

ANALI SI S DE VARI ANZA DE 2 VI AS ( Di seo Bl oque Compl et ament e Al eat or i o- DBCA)
En el ej emplo ant erior de las aerolneas se pudieron considerar ot ros fact ores de variacin, por
ej emplo la est acin del ao, el nmero de pasaj eros, et c. El beneficio de considerar ot ros
fact ores es que se reduce la varianza del error, es decir si se reduce el denominador est adst ico
F (al reducir la varianza del error o de manera ms direct a el t rmino SSE) el valor F ser
mayor, ocasionando el rechazo de la hipt esis de medias de t rat amient o iguales. En ot ras
palabras, si se puede explicar ms la variacin, habr menos error.

Ej emplo:

Supongamos que una lnea de buses considera ampliar su servicio al cono nort e de Lima desde
la plaza 2 de mayo al Cent ro Comercial Megaplaza, se considera 4 rut as: Rut a1, Rut a2, Rut a3 y
Rut a4.
El I ng. Transport e realiz varias pruebas para det erminar si haba una diferencia en los t iempos
de recorrido medios por las 4 rut as. Como habr muchos conduct ores dist int os, la prueba se
dise para que cada conduct or manej ar a lo largo de las 4 rut as. A cont inuacin se present a
el t iempo del recorrido, en minut os, de cada combinacin conduct or-rut a

Tiempo recorrido al cono nort e desde el cent ro de Lima
Conduct or Rut a 1 Rut a 2 Rut a 3 Rut a 4
Daniel 18 17 21 22
Sergio 16 23 23 22
Orlando 21 21 26 22
William 23 22 29 25
Fernando 25 24 28 28

Con un nivel de significancia de 0.05 Hay alguna diferencia en el t iempo de recorrido medio a
lo largo de las 4 rut as? Se elimina el efect o de los conduct ores Hay alguna diferencia en el
t iempo de recorrido medio?

Sol uci n

Para iniciar se realiza una prueba de hipt esis con ANOVA de t rat amient os es decir
considerando slo las 4 rut as. Se asume que la variacin de los t iempos del recorrido se debe a
los t rat amient os o es aleat oria. La hipt esis nula y alt ernat iva para comparar el t iempo de
recorrido medio por las 4 rut as son:

Ho:
1
=
2
=
3
=
H1: No t odas las medias de t rat amient o son iguales
4

Hay 4 rut as por t ant o, los grados de libert ad del numerador son K-1= 4-1= 3. Hay 20
observaciones, por consiguient e, los grados de libert ad en el denominador son n-k= 20-4= 16
Con lo que el valor crt ico F para un nivel de significancia de 0.05 es:


15
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
X
D
e
n
s
i
t
y
3.24
0.05
0
Di st r i but i on Pl ot
F, df1= 3, df2= 16

Para realizar los clculos ut ilizamos Excel donde se observa que el valor calculado de F es
2.482, por lo que la decisin es no rechazar la hipt esis nula. Concluye que no hay diferencia
en el t iempo de recorrido medio a lo largo de las 4 rut as. No hay una razn para seleccionar
una de las rut as como la ms rpida que las dems.

Anlisis de varianza de un factor
RESUMEN
Grupos Cuenta Suma Promedio Varianza
Ruta 1 5 103 20.6 13.3
Ruta 2 5 107 21.4 7.3
Ruta 3 5 127 25.4 11.3
Ruta 4 5 119 23.8 7.2
ANLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio
de los
cuadrados
F Probabilidad
Valor crtico
para F
Entre grupos 72.8 3 24.27 2.483 0.10 3.24
Dentro de los grupos 156.4 16 9.78
Total 229.2 19

De la salida en pant alla de Excel , los t iempos de recorrido medios a los largo de las rut as
fueron rut a1 20.6 min, rut a2 21.4 min, rut a3 25.4 min, rut a4 23.8min. Se concluye que es
razonable at ribuir est as diferencias a la casualidad. De la t abla ANOVA se observa que SST es
72.8, SSE es 156.4 y SS t ot al es 229.2

En el ej emplo ant erior se consider la variacin debida a los t rat amient os (rut as) y se t om
t oda variacin rest ant e como aleat oria. Si se pudiera considerar el efect o de los diversos
conduct ores, est o permit ira reducir el t rmino SSE, lo cual generara un valor mayor de F, a la
segunda variable de t rat amient o en est e caso los conduct ores, se le conoce como VARI ABLE DE
BLOQUE.

VARI ABLE DE BLOQUE.- Una segunda variable de t rat amient o que cuando se incluye en el
anlisis ANOVA, t endr el efect o de reducir el t rmino SSE.


16
En est e caso se asignan los conduct ores como la variable de bloque y al eliminar el efect o de
los conduct ores del t rmino SSE cambiar la razn F para la variable de t rat amient o. Para lo
cual es necesario det erminar la suma de los cuadrados de los bloques:

=
2
) ( G b X X K SSB
Donde:
K: Es el nmero de t rat amient os
b: es el nmero de bloques
X
b
X
: Media muest ral del bloque b
G

: Media global
Calculamos las medias de cada bloque:

Conduct or Rut a 1 Rut a 2 Rut a 3 Rut a 4 Suma
Conduct ores
Medias de los
conduct ores
Daniel 18 17 21 22 78 19,50
Sergio 16 23 23 22 84 21,00
Orlando 21 21 26 22 90 22,50
William 23 22 29 25 99 24,75
Fernando 25 24 28 28 105 26,25
Tiempo recorrido al cono nort e desde el cent ro de Lima

Con est os dat os reemplazamos en la frmula

( ) ( ) ( ) ( ) ( ) | |
7 . 119
8 . 22 25 . 26 8 . 22 75 . 24 8 . 22 5 . 22 8 . 22 21 8 . 22 5 . 19 4
) (
2 2 2 2 2
2
=
+ + + + =
=

SSB
SSB
X X K SSB G b

Se ut iliza el mismo f ormat o en la t abla ANOVA de 2 vas, como en el caso de una va, except o
que hay una fila adicional para la variable de bloque. SSt ot al y SST se calcula como en el DCA y
con SSB se puede det erminar con la frmula ant erior y el t rmino SSE se calcula mediant e una
rest a:

SSB SST SStotal SSE =

Los valores para los varios component es de la Tabla ANOVA se calcula como sigue:

TABLA ANOVA
Fuent e de
Variacin
Suma de
cuadrados
Grados de
libert ad
Media Cuadrt ica F
Trat amient os SST K-1 SST/ (K-1) = MST MST/ MSE
Bloques SSB b-1 SSB/ (b-1)= MSB MSB/ MSE
Error SSE (K-1)(b-1) SSE/ (k-1)(b-1) = MSE

Ent onces en el ej emplo se obt iene:

7 . 36 7 . 119 8 . 72 2 . 229 = = = SSB SST SStotal SSE


17
Complet ando el cuadro ANOVA:
K= 4 t rat amient os (rut as)
B= 5 bloques ( conduct ores)

TABLA ANOVA
Fuent e de
Variacin
Suma de
cuadrados
Grados de
libert ad
Media Cuadrt ica F
Trat amient os 72.8 3 72.8/ 3= 24.27 24.27/ 3.06= 7.93
Bloques 119.7 4 119.7/ 4= 29.93 29.93/ 3.06= 9.78
Error 36.7 12 36.7/ 12= 3.06
Tot al 229.2 19

En est e punt o hay un desacuerdo. Si el obj et ivo de la variable de bloque fue solo reducir la
variacin del error, no se debe realizar una prueba de hipt esis para la diferencia en las medias
de los bloques. Es decir, si el obj et ivo era reducir e t rmino MSE, no se debe probar una
hipt esis respect o de la variable de bloque. Por ot ro lado, quiz se desee dar a los bloques la
misma condicin que a los t rat amient os y realizar la prueba de hipt esis. En est e lt imo caso
cuando los bloques son lo bast ant e import ant e para considerarse un segundo fact or, se conoce
como un EXPERI MENTO DE 2 FACTORES. En muchos casos, la decisin no es clara. En est e
ej emplo lo import ant e es la diferencia en el t iempo de recorrido de los diversos conduct ores,
por lo que se realizar la prueba de hipt esis. Los 2 conj unt os de hipt esis son:

1.-
Ho: Las medias de tratamiento son iguales (
1
=
2
=
3
=
4
Ha: Las medias de t rat amient o no son iguales
)

2.-
Ho: Las medias de los bloques son iguales (
1
=
2
=
3
=
4
=
5
Ha: Las medias de los bloques no son iguales
)

Primero se pondr a prueba la hipt esis respect o de las medias de t rat amient o. Hay k-1= 4-1= 3
grados de libert ad en el numerados y (b-1)(k-1) = (5-1)(4-1) = 12 grados de libert ad en el
denominador. Con el nivel de significancia de 0.05, el valor crt ico de F ( 3,12) = 3.49. Como el
est adst ico de prueba es:

93 . 7
06 . 3
7 . 24
= = =
MSE
MST
F
Cae en la regin de rechazo. Se concluye que el t iempo recorrido medio no es el mismo para
t odas las rut as. Sera recomendable que se realizarn algunas pruebas para det erminar cules
medias de t rat amient o difieren.

Enseguida se prueba si el t iempo de recorrido es el mismo para los diversos conduct ores. Los
grados d elibert ad para el numerado son b-1= 5-1= 4 gl. Los grados de libert ad para el
denominador son los mismos que ant es (b-1)(k-1) = (5-1)(4-1)= 12 el F t erico es F( 4,12) =
3.26, para el nivel de significancia de 0.05

Como el F de prueba es
78 . 9
06 . 3
93 . 29
= = =
MSE
MSB
F
Se rechaza la hipt esis nula y se acept a la hipt esis alt ernat iva. El t iempo medio no es el mismo
para los conduct ores. As se puede concluir, con base en los result ados de la muest ra, que hay
una diferencia en las rut as y en los conduct ores.


18
Cl cul o en Excel ANOVA de 2 f act or es

Anlisis de varianza de dos factores con una sola muestra por grupo
RESUMEN Cuenta Suma Promedio Varianza
Daniel 4 78 19,5 5,6667
Sergio 4 84 21 11,3333
Orlando 4 90 22,5 5,6667
William 4 99 24,75 9,5833
Fernando 4 105 26,25 4,25
Ruta 1 5 103 20,6 13,3
Ruta 2 5 107 21,4 7,3
Ruta 3 5 127 25,4 11,3
Ruta 4 5 119 23,8 7,2
ANLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de
los
cuadrados
F Probabilidad
Valor crtico
para F
Filas 119,7 4 29,93 9,78 0,001 3,26
Columnas 72,8 3 24,27 7,93 0,004 3,49
Error 36,7 12 3,06
Total 229,2 19

Como se observa los result ados son los mismos adems se observa el dat o de los valores p. El
valor p para la hipt esis nula respect o a los conduct ores es 0.001 y 0.004 para las rut as. Est os
valores p confirman que las hipt esis nula para t rat amient os y bloques se debern rechazar
debido a que el valor p es menor que el nivel de signif icancia.

Ej er ci ci os Pr opuest os
1.- Shampoo Sedal vende 3 t ipos de champ para cabello seco, normal y graso. En la t abla
siguient e se present an las vent as, en millones de dlares, de los lt imos 5 meses. Con un nivel
de significancia de 0.05, compruebe si las vent as medias difieren para los 3 t ipos de champ o
segn el mes.

Vent as (millones de dlares)
Mes Seco Normal Graso
Junio 7 9 12
Julio 11 12 14
Agost o 13 11 8
Set iembre 8 9 7
Oct ubre 9 10 13

2.- Met al Mecnica ABC opera las 24 horas al da 5 das de la semana. Los t rabaj adores
alt ernan t urnos cada semana. La gerencia desea saber si hay una diferencia en el nmero de
unidades producidas cuando los empleados t rabaj an en varios t urnos. Se selecciona una
muest ra de 5 t rabaj adores y se regist ran las unidades producidas en cada t urno. Con un nivel
de significancia de 0.05 Puede concluir que hay una diferencia en la t asa de produccin media
por t urno o por empleado?


19
Unidades Producidas
Empleado maana t arde Noche
Acost a 31 25 35
Gonzles 33 26 33
Prez 28 24 30
Surez 30 29 28
Valverde 28 26 27

3.- En el rea de Lima Sur hay 3 hospit ales. Los siguient es dat os muest ran el nmero de
cirugas realizadas a pacient es ext ernos en cada hospit al durant e la semana pasada. Con un
nivel de significancia de 0.05 Puede concluir que hay una diferencia en el nmero medio de
cirugas realizadas por hospit al o por da de la semana?

Nmero de Cirugas realizadas
Da Hospit al A Hospit al B Hospit al C
Lunes 14 18 24
Mart es 20 24 14
Mircoles 16 22 14
Jueves 18 20 22
Viernes 20 28 24

ANOVA de 2 vas con I nt er acci n
Cuando se emplea ANOVA de 2 vas para est udiar la int eraccin, en lugar de emplear los
t rminos t rat amient os y bloques, ahora a las 2 variables se les denominan f act or es. Por t ant o,
en est e mt odo hay un fact or, la rut a y ot ro fact or, el conduct or adems de la int eraccin ent re
ambos fact ores. Es decir, hay un efect o para las rut as, para el conduct or y para la int eraccin
de conduct ores y rut as.

La int eraccin t iene lugar si la combinacin de 2 fact ores ej erce algn efect o sobre la variable
en est udio, adems de hacerlo en cada fact or por s mismo. A la variable en est udio se le llama
variable de RESPUESTA. Un ej emplo cot idiano de int eraccin es el efect o de la diet a y
ej ercicio sobre el peso. En general, se acept a que el peso de una persona (la variable de
respuest a) se cont rola con 2 fact ores, diet a y ej ercicio. Las invest igaciones demuest ran que slo
una diet a afect a al peso, y t ambin que el solo ej ercicio t iene un efect o sobre el peso. Sin
embargo, el mt odo recomendado para cont rolar el peso se fundament a en el efect o
combinado o en la int eraccin ent re diet a y ej ercicio.

I nt er acci n.- El efect o de un fact or sobre una variable de respuest a difiere segn el valor de
ot ro fact or.

Not a i mpor t ant e.-Para medir los efect os de int eraccin es necesario t ener al menos 2
observaciones en cada celda.

Gr af i cas de i nt er acci n
Una manera de est udiar la int eraccin es el graficar medias de fact ores en una grfica
denominada de int eraccin. Considere el ej emplo del conduct or de aut obs en el ej emplo
ant erior. Por ej emplo se desea est udiar el t iempo de recorrido medio de rut as y condiciones
dist int os. Para complet ar el est udio, t ambin debe explorar la posible int eraccin ent re el
conduct or y la rut a. El t razo de la grfica inicia con la colocacin de los punt os que represent an
los t iempos de recorrido medios de cada rut a para cada conduct or y la conexin de t ales
punt os. Se calculan los t iempos de recorrido medios cont ra la rut a. Est e proceso se repit e con
cada conduct or. La siguient e es la grfica de int eraccin.


20

Daniel 20 19 18 14
Daniel 21 22 15 17
Daniel 22 25 21 20
Sergio 24 24 19 20
Sergio 23 22 15 24
Sergio 22 20 14 25
Orlando 25 23 19 23
Orlando 29 23 21 21
Orlando 24 20 23 19
William 30 26 24 20
William 28 25 20 24
William 29 24 25 22

Tiempo recorrido al cono nort e desde el cent ro de
Lima
Daniel 21.0 22.0 18.0 17.0
Sergio 23.0 22.0 16.0 23.0
Orlando 26.0 22.0 21.0 21.0
William 29.0 25.0 23.0 22.0
Fernando 28.0 28.0 25.0 24.0

Grfica de interaccin (medias de los datos) para el
tiempo de recorrido
15.0
17.5
20.0
22.5
25.0
27.5
30.0
Ruta 1 Ruta 2 Ruta 3 Ruta 4
Daniel Sergio Orlando William Fernando


21
Con est a grfica se comprende mej or la int eraccin ent re los efect os de los conduct ores y las
rut as sobre el t iempo de recorrido. Si los segment os de rect a de los conduct ores son casi
paralelos, t al vez no haya int eraccin. Por ot ro lado, si l os segment os de r ect a no par ecen
ser par al el os o cr uzar se, est o sugi er e una i nt er acci n ent r e l os f act or es. En la grfica
ant erior se sugiere una int eraccin porque:
Los segment os de rect a de Fernando y William se cruzan ent re s
El segment o de rect a de Sergio de la de la rut a 3 a rut a 4 cruza 3 segment os de rect a

Est as observaciones sugieren una int eraccin ent re el conduct or y la rut a.

Pr ueba de Hi pt esi s par a det ect ar i nt er acci n
Hay que agregar ot ra fuent e de variacin, la int eraccin. Sin embargo, a fin de est imar la suma
de error de los cuadrados, son necesarias al menos 2 mediciones para cada combinacin
conduct or/ rut a. Ent onces, se r epl i ca el experiment o. Ahora hay 3 observaciones por cada
combinacin conduct or/ rut a. Con la media de 3 t iempos de recorrido por cada combinacin se
obt iene una medida ms confiable del t iempo de recorrido medio. Los result ados de la
duplicacin del experiment o aparecen en la t abla:

Daniel 20 19 18 14
Daniel 21 22 15 17
Daniel 22 25 21 20
Sergio 24 24 19 20
Sergio 23 22 15 24
Sergio 22 20 14 25
Orlando 25 23 19 23
Orlando 29 23 21 21
Orlando 24 20 23 19
William 30 26 24 20
William 28 25 20 24
William 29 24 25 22

Ahora ANOVA t iene 3 conj unt os de hipt esis que se deben probar:

1.- Ho: No hay int eraccin ent re conduct ores y rut as
Ha: Hay int eraccin ent re conduct ores y rut as

2.- Ho: Las medias de los conduct ores son iguales
Ha: Las medias de los conduct ores no son iguales

3.- Ho: Las medias de las rut as son iguales
Ha: Las medias de las rut as no son iguales

Observe que se ident ifica el efect o del conduct or como FACTOR A y el de la rut a como
FACTOR B

Cada hipt esis se prueba con el est adst ico F. Es fact ible ut ilizar una regla de decisin para cada
una de las pruebas ant eriores o emplear valores p para cada prueba. En est e caso se aplicar el
nivel de significancia 0.05 para compararlo con el valor p generado por el soft ware est adst ico.
Por t ant o, se rechazaran las diversas hipt esis nulas si el valor p es menor que 0.05. En lugar
de calcular la suma cuadrt ica del t rat amient o y los bloques, se calcula la suma cuadrt ica de

22
los fact ores e int eracciones. Los clculos para la suma cuadrt ica de los f act ores y las
int eracciones. Los clculos para la suma cuadrt ica de los fact ores son muy similares a los
clculos de SST y SSB calculados ant es. La suma cuadrt ica debida a una posible int yeraccin
es:

=
2
) . . ( ) 1 )( 1 ( G X j X i X ij X b K SSI
Donde:
i: Es un subndice o ident ificacin que represent a una rut a
j : Es un subndice o ident ificacin que represent a un conduct or
k: es el nmero de niveles del fact or A (efect o de la rut a)
b: es el nmero de niveles del fact or B (efect o del conduct or)
n: es el nmero de observaciones
X
ij
X
: Es el t iempo de recorrido medio en la rut a i por conduct or j
i.
X.
: Es el t iempo de recorrido medio en la rut a i
j
X
: Es el t iempo de recorrido medio para el conduct or j
G

: Media global
Una vez que se t iene SSI , SSE se det ermina como:

SSI SSFactorB SSFactorA SStotal SSE =

La Tabla ANOVA complet a con int eracciones es:

TABLA ANOVA
Fuent e de
Variacin
Suma de
cuadrados
Grados de
libert ad
Media Cuadrt ica F
Rut a Fact or A: SSA K-1 SSA/ (K-1) = MSA MSA/ MSE
Conduct or Fact or B: SSB b-1 SSB/ (b-1)= MSB MSB/ MSE
I nt eraccin SSI (K-1)(b-1) SSI / (K-1)(b-1) = MSI MSI / MSE
Error SSE n-kb SSE/ (n-kb)= MSE

La salida result ant e en Excel muest ra la est adst ica descript iva resumida por cada conduct or y
una t abla ANOVA


23
Anlisis de varianza de dos factores con varias muestras por grupo
RESUMEN Ruta 1 Ruta 2 Ruta 3 Ruta 4 Total
Daniel
Cuenta 3 3 3 3 12
Suma 63 66 54 51 234
Promedio 21 22 18 17 19.5
Varianza 1 9 9 9 9.7
Sergio
Cuenta 3 3 3 3 12
Suma 69 66 48 69 252
Promedio 23 22 16 23 21
Varianza 1 4 7 7 12.7
Orlando
Cuenta 3 3 3 3 12
Suma 78 66 63 63 270
Promedio 26 22 21 21 22.5
Varianza 7 3 4 4 7.9
William
Cuenta 3 3 3 3 12
Suma 87 75 69 66 297
Promedio 29 25 23 22 24.75
Varianza 1 1 7 4 10.20
Fernando
Cuenta 3 3 3 3 12
Suma 84 84 75 72 315
Promedio 28 28 25 24 26.25
Varianza 0 4 4 0 4.93
Total
Cuenta 15 15 15 15
Suma 381 357 309 321
Promedio 25.4 23.8 20.6 21.4
Varianza 11.1 9.2 15.8 9.7
ANLISIS DE VARIANZA
Origen de
las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio
de los
cuadrados F Probabilidad
Valor crtico
para F
Muestra 359.10 4 89.78 20.88 0.000 2.61
Columnas 218.40 3 72.80 16.93 0.000 2.84
Interaccin 110.10 12 9.17 2.13 0.036 2.00
Dentro del
grupo 172.00 40 4.30
Total 859.60 59

Donde el valor p para int eracciones es 0.036, es menor que nuest ro nivel de significancia de
0.05. Por t ant o, la decisin es rechazar la hipt esis nula de no int eraccin y concluir que la
combinacin de rut a y conduct or t iene un efect o significat ivo en la variable de respuest a, que
es el t iempo de recorrido.

Los efect os de la int eraccin proporcionan informacin acerca de los efect os combinados de las
variables. Si est present e la int eraccin, se deber efect uar una prueba ANOVA de una va
para probar diferencias en las medias del fact or por cada nivel del ot ro fact or. Est e anlisis
requiere t iempo y esf uerzo pero los result ados son muy int eresant es. El anlisis se cont ina con
una ANOVA de una va por cada conduct or para probar la hipt esis Ho. Los t iempos de
recorrido de las rut as son iguales. Los result ados son los siguient es:


24
Origen de
las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de
los
Valor crtico
para F
Entre grupos 51 3 17 2.43 0.14 4.066
Dentro de los
grupos 56 8 7
Total 107 11
Origen de
las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de
los
Valor crtico
para F
Entre grupos 51 3 17 3.78 0.059 4.066
Dentro de los
grupos 36 8 4.5
Total 87 11
Origen de
las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de
los
Valor crtico
para F
Entre grupos 102 3 34 7.16 0.012 4.066
Dentro de los
grupos 38 8 4.75
Total 140 11
Origen de
las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de
los
Valor crtico
para F
Entre grupos 38.25 3 12.75 6.38 0.016 4.066
Dentro de los
grupos 16 8 2
Total 54.25 11
Origen de
las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de
los
Valor crtico
para F
Entre grupos 86.25 3 28.75 8.85 0.006 4.066
Dentro de los
grupos 26 8 3.25
Total 112.25 11
William Ho: Los tiempos de recorrido de las rutas son iguales
Daniel Ho: Los tiempos de recorrido de las rutas son iguales
Orlando Ho: Los tiempos de recorrido de las rutas son iguales
Sergio Ho: Los tiempos de recorrido de las rutas son iguales
Fernando Ho: Los tiempos de recorrido de las rutas son iguales

Recuerde los result ados de ANOVA de 2 vas sin it eracin en ese anlisis, los result ados
most raron en forma clara que el fact or rut a t ena un efect o significat ivo en el t iempo de
recorrido. Sin embargo, ahora que se incluye el efect o int eraccin, los result ados muest ran que
la conclusin generalment e no es verdadera. Al revisar los ant eriores valores p de las 5 t ablas
ANOVA de una va se rechaza la hipt esis nula si el valor p es menor que 0.05. Se sabe que los
t iempos de recorrido medios de las rut as son dist int os para los 3 conduct ores. Fernando, Sergio
y William. Sin embargo para Daniel y Orlando sus t iempos de recorrido medios de las rut as no
difieren de manera significat iva.

Ahora que se conoce est a nueva e int eresant e informacin, se quiere saber porqu exist en
est as diferencias. Se requerir una invest igacin ms profunda de los hbit os de conduccin de
los 5 conduct ores.

En resumen, la present acin de ANOVA de 2 vas con int eraccin demuest ra el poder del
anlisis est adst ico. En est e anlisis se demost r el efect o combinado del conduct or y la rut a

25
sobre el t iempo de recorrido y t ambin que los dist int os conduct ores, en efect o, se comport an
de manera diferent e cuando recorren sus rut as. Conocer los efect os de la int eraccin es muy
import ant e en muchas aplicaciones.

1.- Considere los siguient es dat os muest rales para un experiment o para un experiment o ANOVA
de 2 fact ores:
Ej er ci ci os Pr opuest os

FACTOR A
Nivel I Nivel II Nivel III
Factor B
Nivel I
23 20 11
21 32 20
25 26 20
Nivel II
13 20 11
32 17 23
17 15 8

Ut ilice el nivel de significancia 0.05 para responder las siguient es pregunt as:
a) Hay alguna diferencia en las medias del Fact or A?
b) Hay alguna diferencia en el fact or B?
c) Los fact ores A y B t ienen int eraccin significat iva?

2.- El dist ribuidor del peridico ABC considera 3 t ipos de mquinas expendedoras o
anaquet as . La gerencia desea saber si las mquinas diferent es afect an las vent as. Los
anaqueles se designan como J-100, D-320 y UV-57. La gerencia t ambin desea saber si la
ubicacin de los anaqueles ya sea dent ro o fuera de los supermercados afect a las vent as. A
cada una de las 6 t iendas similares les asignan de forma aleat oria una combinacin de mquina
y ubicacin. Los siguient es dat os muest ran el nmero de peridicos vendidos durant e 4 das.

Ubicacin/Mquina J-100 D-320 UV-57
Dentro 33,40,30,31 29,28,33,33 47,39,39,45
Fuera 43,36,41,40 48,45,40,44 37,32,36,35

a) Trace la grfica de int eraccin. Con base en sus observaciones. Hay algn efect o de
int eraccin? A part ir de la grfica, describa el efect o de int eraccin ent re la mquina y su
posicin
b) Ut ilice el nivel de signif icancia 0.05 para probar los efect os de posicin, mquina e
int eraccin sobre las vent as.
c) Compare las vent as medias dent ro y fuera para cada mquina. Cul es su conclusin?

3.- Una compaa import ant e est a organizada en 3 reas funcionales: Produccin, Market ing e
I nvest igacin&Desarrollo. Los empleados afirman que la compaa les paga a las muj eres
menos que a los hombres en puest os similares. La compaa hizo una seleccin aleat oria de 4
hombres y 4 muj eres en cada rea y regist r sus salarios semanales en dlares.

Area/genero Femenino Masculina
Produccin 1016;1007;875;968 978;1056;982;748
Marketing 1045;895;848;904 1154;1091;878;876
I&D 770;733;844;771 926;1055;1066;1088

a) Dibuj e la grfica de int eraccin. Con base en sus observaciones. Hay algn efect o de
int eraccin? A part ir de la grfica, describa el efect o de int eraccin ent re el gnero y el
rea sobre el salario
b) Ut ilice el nivel de significancia 0.05 para probar los efect os de gnero, rea e int eraccin
sobre el salario.
c) Compare las vent as medias de hombres y muj eres por cada rea. Cul es su conclusin,
que le recomendara a la compaa?

26

DI SEO DE EXPERI MENTOS

La experiment acin es el procedimient o apropiado para invest igar cualquier fenmeno en el que
exist e incert idumbre. Los invest igadores realizan experiment os virt ualment e en t odos los
campos del saber, por lo general para descubrir algo acerca de un proceso o sist ema en
part icular.

Exper i ment o

Es cualquier proceso o act ividad que origina un result ado o una observacin. Un experiment o se
efect a para est ablecer las condiciones pt imas en las cuales se desarrolla un proceso, con el
obj et o de comparar ent re s los efect os de las dist int as condiciones en las que se realiza un
fenmeno. Los experiment os son una part e nat ural de la ingeniera y de los procesos de t oma
de decisiones cient ficos.

Di seo del exper i ment o

Est e t rmino se ut iliza para planear un experiment o de manera que se pueda obt ener la
informacin pert inent e a un det erminado problema que se invest iga y as t omar decisiones
correct as. El diseo adecuado del experiment o es una et apa fundament al de la
experiment acin, que permit e el suminist ro correct o de dat os a post eriori, lo que a su vez
conducirn a un anlisis obj et ivo y con deducciones vlidas del problema.

Un experiment o diseado no es ms que una prueba o una serie de pruebas en las que se
inducen cambios deliberados en las variables de ent rada de un proceso o sist ema, de manera
que sea posible observar e ident ificar las causas de los cambios en la respuest a de salida.

Anl i si s de un exper i ment o

Un experiment o se analiza efect uando su anlisis de varianza.

Var i abl e i ndependi ent e

Es aquella que el invest igador desea medir su efect o y est baj o cont rol.

Ej emplo:

Consideremos un experiment o diseado para adquirir inf ormacin acerca de la efect ividad de
dos diferent es mt odos de enseanza de Est adst ica. El experiment ador t iene baj o cont rol la
seleccin de los diferent es mt odos que va a ut ilizar en dicho experiment o, ent onces el mt odo
es la variable independient e.

Var i abl e dependi ent e ( r espuest a o endgena)

Es t oda aquella variable que es explicada por el modelo y reflej a el efect o de las variables
independient es.

Ej emplo:

La efect ividad en el aprendizaj e de est adst ica.

27

Var i abl es exgenas

Son t odas aquellas variables que explican a la variable dependient e en menor escala que las
variables independient es. Generalment e no t iene ninguna import ancia para el invest igador. El
invest igador deber cont rolar est as variables puest o que ocasionan en el experiment o
variaciones que no result an convenient es.

Cuando se cont rola dos o ms variables exgenas generalment e el mt odo ms adecuado es el
anlisis de covarianza. Las dificult ades aument an a medida que aument an las variables
exgenas.

Ej emplo:

Las inasist encias, la at encin.

Fact or o t r at ami ent o

Los t rat amient os son los diferent es procedimient os, procesos, fact ores o mat eriales cuyos
efect os van a ser medidos y comparados. El t rat amient o est ablece un conj unt o de condiciones
experiment ales que deben imponerse a una unidad experiment al dent ro de un diseo
seleccionado.

Se emplea como sinnimo de variable independient e. Es decir son t odas aquellas variables
cuyos efect os se desean medir. Pueden ser cuant it at ivas o cualit at ivas.

Ej emplo:

Los diferent es mt odos de enseanza.

Ni vel es de f act or o t r at ami ent o

Son las diferent es cat egoras lgicas o int ensidades de cada fact or invest igado.

Uni dad exper i ment al

Es la ent idad ms pequea a la que se aplica un t rat amient o. Son los obj et os sobre los cuales
se hacen mediciones y se analiza la variable que se invest iga.

Ej emplo: Los alumnos.

Al eat or i zaci n

Es la asignacin aleat oria de los t rat amient os en est udio a las unidades experiment ales con el
propsit o de asegurar que un det erminado t rat amient o no present e sesgo. Por ot ro lado la
aleat orizacin hace vlidos los procesos de inferencia y las pruebas est adst icas.

Er r or exper i ment al

Es la medida de la variabilidad de respuest a que present an las unidades experiment ales al ser
expuest as al mismo nivel de t rat amient o.
Las principales fuent es del error experiment al son: Las diferencias inherent es en las unidades
experiment ales y la ausencia de unif ormidad que se puede present ar en el procedimient o
experiment al.


28

Repet i ci n

Es la reproduccin o rplica del experiment o bsico (asignacin de un t rat amient o a una unidad
experiment al). Las principales razones por las cuales es deseable la repet icin son: primero
porque proporciona una est imacin del error experiment al, siendo t al est imacin confiable a
mediada que aument a el nmero de repet iciones, y segundo permit e est imaciones ms precisas
del t rat amient o en est udio.

Pr opsi t o de un Di seo Exper i ment al

Proporcionar mt odos que permit an obt ener la mayor cant idad de informacin vlida acerca de
una invest igacin, t eniendo en cuent a el fact or cost o y el uso adecuado del mat erial disponible
mediant e mt odos que permit an disminuir el error experiment al.

PRUEBA DE TUKEY

Cuando un invest igador ha efect uado un anlisis de varianza y acept a la hipt esis alt ernat iva,
se int eresa generalment e por obt ener ms informacin a part ir de los dat os. Casi siempre que
se puede concluir, con base en la prueba F, que no t odas las medias son iguales, result a
convenient e poder det erminar dnde se present an las diferencias, es decir se averiguar qu
pares de medias muest rales de los t rat amient os son diferent es. Est as comparaciones que se
hacen despus del anlisis inicial de varianza se denominan comparaciones a post eriori o post
hoc.

Tukey propuso un mt odo para hacer t odas las comparaciones pareadas ent re medias. Con
est e mt odo se calcula un solo valor con el que se comparan t odas las diferencias.

Val or Cr t i co:

k N , k ,
q

Est adst i ca de Pr ueba:

Para ni iguales:

n
CME
x x
q
j i

=
Para ni diferent es:

|
|
.
|
\
|
+
=
j i
j i
n
1
n
1
2
CME
x x
q

Deci si n:

Si la est adst ica de prueba es mayor que el valor crt ico, ent onces:
j i

Ej empl o 1:

Un ingeniero de cont rol de calidad de una compaa fabricant e de equipos
elect rnicos de audio se encuent ra inspeccionando un nuevo t ipo de bat era
que t al vez pueda ut ilizar. Un lot e de 20 bat eras fue dividido aleat oriament e en

29
cuat ro grupos ( de modo que haba cinco bat eras en cada uno). Cada grupo de
bat eras fue somet ido a un nivel part icular de presin: baj a, normal, alt a y muy
alt a. Las bat eras se probaron simult neament e baj o est os niveles de presin y
se regist raron los t iempos de falla (en horas) .
Baj a : 8.0 8.1 9.2 9.4 11.7
Normal : 7.6 8.2 9.8 10.9 12.3
Alt a : 6.0 6.3 7.1 7.7 8.9
Muy Alt a : 5.1 5.6 5.9 6.7 7.8
Se afirma que exist e diferencia alt ament e significat iva solament e ent re el grupo de bat eras con
presin baj a y el grupo de bat eras con presin muy alt a, Est ust ed de acuerdo? Explique por
qu s o por qu no.

Solucin:

grupos 4 k = N = 20 dat os
1: Baj a 2: Nor mal 3: Al t a 4: Muy Al t a
8.0 7.6 6.0 5.1
8.1 8.2 6.3 5.6
9.2 9.8 7.1 5.9
9.4 10.9 7.7 6.7
11.7 12.3 8.9 7.8
4 . 46 T
. 1
= 8 . 48 T
. 2
= 0 . 36 T
. 3
=
1 . 31 . T
4
=
5 n
1
= 5 n
2
= 5 n
3
= 5 n
4
=
28 . 9 x
1
= 76 . 9 x
2
= 20 . 7 x
3
= 6.22 x
4
=
23 . 2 S
2
1
= 71 . 3 S
2
2
= 35 . 1 S
2
3
= 12 . 1 S
2
4
=
= = 30 . 162 X T
j i

= 15 . 1393 X
2
j i

1er o.- Se realizar la prueba de Bart let t para verificar si las varianzas poblacionales de los
cuat ro grupos son iguales.

1. Hipt esis:

30

NORMAL
MUY ALTA
BAJA
ALTA
8 7 6 5 4 3 2 1 0
F
A
C
T
O
R
I nt er valos de conf ianza de Bonf er r oni de 95% par a Desv.Est .
Valor P 0,654
Valor P 0,568
Pr ueba de Bar tlett
Pr ueba de Lev ene
Pr ueba de i gual dad de var i anzas par a RPTA
diferente es una menos Al : H
: H
2
i 1
2
4
2
3
2
2
2
1 0
= = =

Prueba de varianzas iguales: RPTA vs. FACTOR

Intervalos de confianza de Bonferroni de 95% para desviaciones estndares

FACTOR N Inferior Desv.Est. Superior
ALTA 5 0,61338 1,16190 4,82042
BAJA 5 0,78781 1,49231 6,19124
MUY ALTA 5 0,55794 1,05688 4,38475
NORMAL 5 1,01724 1,92691 7,99430

Prueba de Bartlett (distribucin normal)
Estadstica de prueba = 1,62; valor p = 0,654

Prueba de Levene (cualquier distribucin continua)
Estadstica de prueba = 0,70; valor p = 0,568

valor p = 0,654 > ALFA Ent onces, acept ar
0
H

2do.- Al verificarse el supuest o de homogeneidad de varianzas, ent onces se comprobar si
exist e o no diferencia ent re los promedios poblacionales de los cuat ro grupos.

1. Hipt esis:

diferente es
i
un menos Al : H
: H
1
4
3
2 1
0
= = =


31
2. Valor crt ico:
k N , 1 k , 1
F

29 . 5 F
16 , 3 , 99 . 0
=

3. Est adst ica de prueba:
CME
) tr ( CM
F =

Tabla de Anlisis de Varianza (ANOVA)
Fuent e de Variacin Grados de
Libert ad
Suma de
Cuadrados
Cuadrado
Medio
F
Trat amient os 3 42.46 14.15
6.74
Error 16 33.63 2.10
Tot al 19 76.09

Suma de cuadrados del t ot al:
= = = 76.09
20
162.30
1393.15
N
T
X SCT
2 2
2

Suma de cuadrados de t rat amient os:
N
T
n
T
) Tr ( SC
2
i
2
i
=

20
162.30
5
31.1
5
36.0
5
48.8
5
46.4
2 2 2 2 2
+ + + =
= 42.46

Suma de cuadrados del error:

33.63 42.46 76.09
Tr) ( SC SCT SCE
= =
=

4. Decisin:
1 0
H Aceptar y H Rechazar RR 6.74 F =

5. Conclusin:

Con una confianza del 99% podemos afirmar que los t iempos promedio de falla de las
bat eras se diferencian ent re s.

3er o.- Como se acept H
1

ent onces deber realizarse la prueba de Tukey para det erminar
ent re qu promedios exist e t al diferencia.
1. Valor crt ico:
=
=
16 , 4 , 0.01 k N , k ,
q q
5.19

2. Est adst ica de Prueba:

32
5
10 . 2
x x
n
CME
x x
q
j i j i

= =

Los promedios son:

76 . 9 x
2
= 28 . 9 x
1
= 20 . 7 x
3
= 6.22 x
4
=

Realizando las comparaciones mlt iples:

1 2
1 2
19 . 5 74 . 0
5
10 . 2
28 . 9 76 . 9
n
CME
x x
q u = u <
= = =

3 2
3 2
19 . 5 94 . 3
5
10 . 2
20 . 7 76 . 9
n
CME
x x
q u = u <
= = =

4 2
4 2
19 . 5 45 . 5
5
10 . 2
22 . 6 76 . 9
n
CME
x x
q u u >

= = =

3 1
3 1
19 . 5 2 . 3
5
10 . 2
20 . 7 28 . 9
n
CME
x x
q u = u <

= = =

4 1
4 1
19 . 5 71 . 4
5
10 . 2
22 . 6 28 . 9
n
CME
x x
q u = u <

= = =

4 3
4 3
19 . 5 51 . 1
5
10 . 2
22 . 6 20 . 7
n
CME
x x
q u = u <

= = =

Con una confianza del 99% podemos concluir que los nicos promedios que difieren son:
4 2
y u u

Analissi Varianza

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Analissi Varianza

Hochgeladen von

Copyright:

Verfügbare Formate

Universidad Alas Peruanas Cont rol I nferencia Est adst ica-I ng. E.

Das könnte Ihnen auch gefallen