Anlisis de Varianza ANOVA.

Elanlisisdevarianzasirveparacompararsilosvaloresdeunconjunto
de datos numricos (poblacin) son significativamente distintos a los
valoresdeotroomsconjuntodedatos.Elprocedimientoparacomparar
estosvaloresestabasadoenlavarianzaglobalobservadaenlosgruposde
datosnumricosacomparar.EsporelloqueseestablecequeelAnlisis
de Varianza se utiliza tpicamente para la comparacin de dos o mas
medias por medio de sus varianzas para poder determinar si estas son
estadsticamente iguales. Por lo cual las poblaciones deben de estar
distribuidasnormalmente,lasdesviacionesestndardebendeseriguales
ylarelacindelasmuestrasdebendeserindependientes.
Anlisis de Varianza ANOVA.

Elanlisisdevarianzaconsisteensepararlavariacintotalobservadaen
cadaunadelasfuentesquecontribuyenalamisma.

Variabilidad Total Variabilidad Total

Variabilidad Variabilidad Variabilidad Variabilidad

debida a debida a debida a debida a
tratamientos error tratamientos error

No hay efecto de tratamiento Hay efecto de tratamiento

Ho: n H1: n
Anlisis de Varianza ANOVA.

Elanlisisdevarianzaconsisteensepararlavariacintotalobservadaen
cadaunadelasfuentesquecontribuyenalamisma.
Anlisis de Varianza ANOVA.

ParaelanlisisdevarianzaseutilizaraFcomoladistribucindelestadsticode
prueba,siendoalgunasdelascaractersticasdeladistribucinFlassiguientes.

Adoptanicamentevalorespositivos

Esasimtricapositiva,yamedidaqueaumentanlosgradosdelibertaddel
numeradorydenominador,ladistribucinseaproximaaunadistribucin
normal.

Paracadatamaodemuestraexisteunadistribucindiferente

ElparmetroquecaracterizaaladistribucinFsonsusgradosdelibertad.
Anlisis de Varianza ANOVA.

Efectos fijos
Se incluyen y se estudian todos los niveles o tratamientos de un factor
previamentefijadosporelexperimentador.

Efectos aleatorios
Se incluye una muestra aleatoria del conjunto de posibles niveles o
tratamientos(sacandoconclusionessobreeltotaldelosniveles)

Mixtos
Seconsideranalgnfactorconefectosfijosyotrosconefectosaleatorios.
Anlisis de Varianza ANOVA.

Diseo balanceado o equilibrado.

Escuandoseutilizaelmismonmeroderepeticionesencadatratamiento

Diseo desbalanceado.
El nmero de observaciones NO es el mismo en todos los niveles o
combinacionesconsideradas.
Anlisis de Varianza ANOVA.

El ANOVA de una va tambin ofrece:

Estadsticosaniveldegrupoparalavariabledependiente.

Uncontrastedeigualdaddevarianzas

Ungrficodemediasdegrupo.

Contrastesderango,comparacionesdeparesmltiple,ycontrastes,
paradescribirlanaturalezadeladiferenciaentrelosgrupos.
Anlisis de Varianza ANOVA.

Elanlisisdelavarianzasepuedesumarizarenlasiguientetabla,lacualse
recomiendautilizarcomogua,pararealizarlosclculosdelanlisis.

SSTotal=SumadeCuadradosTotal
E y=Sumadevaloresdeyelevadosalcuadrado
(E y)=Eselcuadradodelasumadelosvaloresdex
n=numerototaldeobservaciones
Anlisis de Varianza ANOVA.

Elanlisisdelavarianzasepuedesumarizarenlasiguientetabla,lacualse
recomiendautilizarcomogua,pararealizarlosclculosdelanlisis.

SST=Sumadecuadradosdebidosaltratamiento
Tc=Eseltotaldelacolumnadecadatratamiento(muestra)
nc=Eselnumerodeobservacionesdecadatratamiento(muestra)
Anlisis de Varianza ANOVA.

Elanlisisdelavarianzasepuedesumarizarenlasiguientetabla,lacualse
recomiendautilizarcomogua,pararealizarlosclculosdelanlisis.

SSE=SSTotal-SST GradosdeLibertadenelnumerador=V1=K1
SSE=SumadeCuadradosdelerror K=Elnumerodetratamientos(muestras)

GradosdeLibertadeneldenominador=V2=n-K
MST=Mediadecuadradosdeltratamiento
MSE=MediadeCuadradosdelError
F=Distribucindelestadsticodeprueba
Anlisis de Varianza ANOVA.

Ejemplo 1.
Calcular el valor F para los valores de la siguiente tabla, utilizando un
nivel de significancia del 5%.
Anlisis de Varianza ANOVA.
Ejemplo2.

Unequipodemejorainvestigaelefectode4mtodosdeensambleA,B,CyD,sobreeltiempo
deensambleenminutos.
En primera instancia, la estrategia experimental es aplicar cuatro veces los cuatro mtodos de
ensambleenordencompletamentealeatorio.Lostiemposdeensambleobtenidossemuestranen
latablasiguiente: Mtodo de
Ensamble
A B C D
6 7 11 10
8 9 16 12
7 10 11 11
8 8 13 9
Si se usa un diseo completamente al azar (DCA), se supone que, adems del mtodo de
ensamble,noexisteotrofactorqueinfluyademanerasignificativasobrelavariablederespuesta
(tiempodeensamble),elniveldesignificanciaesde5%.
Anlisis de Varianza ANOVA.

ComparacionesoPruebasdeRangosMltiples.

Si se rechaza la hiptesis nula en el anlisis de varianza, es necesario establecer cules

tratamientossondiferentes.Pararealizeresteprocesoesnecesarioprobarlaigualdaddetodoslos
posibles pares de medias, a travs del mtodo de comparaciones multiples o pruebas de rangos
medios,elcualtienecomopropsitolaevaluacindelassiguientesHiptesis:

Ho:1=2
H1:12

Paraestepropsitoexistendiferentesestrategiastalescomo:

MtodoLSD(Mtododediferenciaminimasignificativa)
MtododeTukey
MtododeDuncan
Anlisis de Varianza ANOVA.

ComparacionesoPruebasdeRangosMltiples.

MtodoLSD(Mtododediferenciaminimasignificativa).

Estemtodoesladiferenciaminimaquedebehaberentredosmediasmuestralesparaconsiderar
quedostratamientossondiferentes,Elnmeroposibledeparesdemediassedeterminaapartirde
k*(k-1)/2,dondekeselnmerodetratamientos.

Estemtodorechazalahiptesisnulasisecumplelasiguentecondicin:

Anlisis de Varianza ANOVA.

Ejemplo Anova Desbalanceado

Un profesor pidi a los alumnos de uno de sus grupos que evaluaran su desempeo
como excelente, bueno, regular o deficiente. La evaluacin que cada alumno asigno al
profesor se comparo se comparo con la calificacin, que poda ir de 0 a 100, que obtuvo
el estudiante en el curso. A continuacin se presenta la informacin de la muestra.

CalificacionesdelCurso
ExcelenteBuenoRegularDeficiente
94757068
90687370
85777672
80837865
888074
6865
65
Determine si existe diferencia entre los promedios de las calificaciones de los
alumnos en cada una de las cuatro categoras de evaluacin. Utilice un nivel
de significancia de 0.01.
Anlisis de Varianza (ANOVA) 2 Factores

Diseo de Bloques Completamente al Azar.

Eldiseodebloquesalazarconsisteendividirelexperimentoenbloquesytratamientos,
tal que las unidades experimentales en cada bloque sean lo ms homogneas y las
diferenciasentrelasunidadesexperimentalesseandadasporestarendiferentesbloques.

Eneldiseocompletamentealazarseconsideran3fuentesdevariabilidad:elfactorde
tratamientos, el factor de bloque y el error aleatorio (Gutirrez, 2008), por lo que la
variabilidadquepresentenlosdatospuedenserdeestastresfuentes.

El factor bloque son las variables adicionales al factor de inters que se incorporan de
manera explcita en un experimento comparativo para lo sesgar la comparacin
(Gutirrez,2008).
Anlisis de Varianza (ANOVA) 2 Factores

Diseo de Bloques Completamente al Azar.

Lapalabracompletoenelnombredeldiseosedebeaqueencadabloqueseprueban
todoslostratamientos,osea,losbloquesestncompletos.Laaleatorizacinsehace
dentrodecadabloque.Elhechodequeexistanbloqueshacequenoseaprcticooque
inclusoseaimposiblealeatorizarensutotalidad.

CuandoseutilizaelDBCAelresultadoesperadodecadamedicindependerdelefecto
deltratamiento,delefectodelbloqueydeciertoerroraleatorioesperado.

Anlisis de Varianza de 2 Factores ANOVA 2 Factores (2 ways).

Diseo de Bloques Completamente al Azar.

Paraestediseoelmodelolinealestadadopor:

Donde:

=Mediaglobaldelostratamientos
i=Efectodeltratamientoi-esimo
j=Efectodelbloquej-esimo
ij=Erroraleatoriodeli-esimotratamientoyj-esimobloque

Anlisis de Varianza (ANOVA) 2 Factores

ElANOVAconsiste en separar la variacin total observada en cada una de las fuentes

que contribuyen a la misma. Por lo que la hiptesis nula se establecer a partir de un
anlisis de varianza con dos criterios de clasificacin, a partir de las dos fuentes de
variacinqueseanalizanyqueson:elfactordetratamientosyelfactordebloques.

Porloquelahiptesisaprobarlaigualdad,conrespectoalasmediadelavariablede
respuestacorrespondiente,seestablececomo:
Anlisis de Varianza (ANOVA) 2 Factores

Donde:

SSB=SumadecuadradosdeBloques
Bt=Eseltotaldelrenglnobloque
K=Eselnumerodetratamientosdecadabloque
n=nmerototaldeobservaciones.
Anlisis de Varianza (ANOVA) 2 Factores
Ejemplo:
Unaempresamanufactureraopera24hrs.Alda,cincodasalasemana.Lostrabajadores
cambianturnocadasemana.Lagerenciaestinteresadaensabersihayalgunadiferenciaen
elnmerodeunidadesproducidascuandolosempleadoslaboranendiversosturnos.Se
seleccionounamuestradecincoobrerosyseregistrosuproduccinencadaturno.Alnivel
designificanciade0.05,Sepuedeconcluirquehaydiferenciaenlaproduccinmediapor
turnooenlaproduccinmediaportrabajador
Anlisis de Varianza (ANOVA) 2 Factores

Comparacionesopruebasderangosmltiples.

Al igual que en ANOVA de un lado ((One Way), si la hiptesis nula se rechaza, es

necesariodeterminarculestratamientossondiferentes,paralocualseexistendiferentes
mtodos para determinarlo, analicemos el mtodo de la diferencia mnima, el cual el
procedimiento es el mismo que el visto previamente enANOVA(OneWay) nicamente
conlavariacindeparadeterminarLSDseutilizauncriteriodiferenteenlosgradosde
libertadytambinseconsideranlosbloques,porlotantolaecuacinenestemtodoa
utilizareslasiguiente:

(k-1)(b-1)=GradosdelibertadMSE
b=Bloques
 Anlisis de Varianza (ANOVA) Diseo Cuadros Latinos

Enestediseosecontrolandosfactoresdebloqueyseestudiaunfactorde
tratamientos, por lo que se tienen cuatro factores que pueden afectar la
respuesta observada, los cuales son: los tratamientos, el factor de bloque I
(columnas),elfactordebloqueII(renglones),yelerroraleatorio.Sellama
cuadrolatinopordosrazones:esuncuadrodebidoaquetienelarestriccin
adicional de que los tres factores involucrados se prueban en la misma
cantidaddeniveles,yeslatinoporqueseutilizanletraslatinasparadenotara
lostratamientosonivelesdelfactordeinters(Gutirrez,2008,p.109).
Anlisis de Varianza (ANOVA) Diseo Cuadros Latinos

Para este diseo el modelo lineal para describir el comportamiento de las

observacionesestadadopor:

Yijl=+i+j+l+ijldonde:

=Mediaglobaldelostratamientos
i=Efectodeltratamientoi-esimo
j=Efectodelbloquej-esimo(rengln)
l=Efectodelbloquel-esimo(columna).
ijl = Error aleatorio del i-esimo, j esimo bloque, y l-esimo
tratamiento.

Anlisis de Varianza (ANOVA) Diseo Cuadros Latinos

SST=SumadecuadradosdeTratamientos
Tcl = Es el total del tratamiento de cuadro greco-latino (Ta,Tb,
etc.)
ncl=Eselnumerodeobservacioneseneltratamiento.
n=numerototaldeobservaciones.
Anlisis de Varianza (ANOVA) Diseo Cuadros Latinos
Ejemplo:

Unacompaademensajeraestainteresadaendeterminarcualmarcadellantastienemayorduracinen
trminos de desgaste. Para ello se planea un experimento en cuadro latino, en el que se comparan las
cuatromarcasdellantassometindolasaunapruebade32,000kilmetrosderecorrido,utilizandocuatro
diferentestiposdeautoylascuatroposicionesposiblesdelasllantasenelauto.As,elfactordeinterses
eltipodellantaomarcaysecontrolandosfactoresdebloques:eltipodecarroylaposicindelallantaen
elcarro.

Eldiseoylosdatosobservados(desgastedelallantadespusdelrecorridodelos32,000kilmetros)se
muestranenlasiguientetabla:
Anlisis de Varianza (ANOVA) Diseo Cuadros Greco-Latinos

Enestediseosecontrolantresfactoresdebloqueyseestudiaunfactordetratamientos,
porloquesetienencuatrofactoresquepuedenafectarlarespuestaobservada,loscuales
son:lostratamientos(letraslatinas),elfactordebloqueI(columnas),elfactordebloque
II (renglones), el factor III (letras griegas) y el error aleatorio. Se llama cuadro
grecolatinoporqueloscuatrofactoresinvolucradossepruebanenlamismacantidadde
niveles y se utilizan letras latinas para denotar los tratamientos y letras griegas para
nombrarlosnivelesdeltercerfactorbloque.(Gutirrez,2008,p.115).
 Anlisis de Varianza (ANOVA) Diseo Cuadros Greco-Latinos
Paraestediseoelmodelolinealparadescribirelcomportamientodelasobservaciones
estadadopor:

Yijlk=+i+j+l+k+ijlkdonde:

=Mediaglobaldelostratamientos
i=Efectodeltratamientoi-esimo
j=Efectodelbloquej-esimo(rengln)
l=Efectodelbloquel-esimo(columna)
k=Efectodelbloquek-esimo(letragriega)
ijlk=Erroraleatoriodeli-esimo,jesimobloque,yl-esimotratamiento.

Anlisis de Varianza (ANOVA) Diseo Cuadros Greco-Latinos

SSB3=Sumadecuadradosdecuadrogrecolatino.
B3=Eseltotaldeltratamientodecuadrolatino(B,T,etc.)
ncl=Eselnumerodeobservacionesenelcuadrogrecolatino.
n=nmerototaldeobservaciones.
Anlisis de Varianza (ANOVA) Diseo Cuadros Greco-Latinos
Ejemplo:
Una compaa de mensajera est interesada en determinar cual marca de llantas tiene mayor
duracinentrminosdedesgaste.Paraelloseplaneaunexperimentoencuadrolatino,enelque
se comparan las cuatro marcas de llantas sometindolas a una prueba de 32,000 kilmetros de
recorrido,utilizandocuatrodiferentestiposdeautoylascuatroposicionesposiblesdelasllantas
en el auto, as como cuatro chferes diferentes. As, el factor de inters es el tipo de llanta o
marca y se controlan dos factores de bloques: el tipo de carro y la posicin de la llanta en el
carro.
El diseo y los datos observados (desgaste de la llanta despus del recorrido de los 32,000
kilmetros)semuestranenlasiguientetabla: