ANÁLISIS DE VARIANZA

DE DOS FACTORES
FACTOR
Se utiliza en un sentido general para denotar
cualquier característica del experimento que pueda
variar de un ensayo a otro, como la temperatura, el
tiempo o la presión.
NIVELES
Los NIVELES de un factor se definen como los
valores reales que se utilizan en el experimento.
 Título y diseño de contenido con gráfico
 Para cada uno de estos casos es
importante determinar no sólo si cada
uno de
. En
lo que se refiere a la terminología, el
experimento descrito aquí es de 2
factores, y el diseño experimental
podría ser uno completamente
aleatorizado, en el que las distintas
combinaciones de tratamiento se
asignan al azar a todas las unidades
experimentales.
 Actualmente se reconoce la
necesidad de incluir en estas
evaluaciones una fuente
adicional de variación que es
la causada por el operador y
el método. El análisis de
Repetibilidad y
Reproducibilidad (RyR) se
utiliza ampliamente para
este fin.
 Repetibilidad a la variación de las
mediciones obtenidas con un
instrumento cuando lo usa varias
veces el mismo operador, para
medir la misma característica, en
las mismas muestras.
 Reproducibilidad a la variación en
el promedio de las mediciones
efectuadas por operadores
diferentes, usando el mismo
instrumento para medir la misma
característica, en el mismo grupo
de muestras.
 Análisis de varianza de dos factores

Es importante mostrar los datos recopilados en un diseño de clasificación bidireccional con el

formato que se ilustra en la Tabla:1.

a=numero de niveles del factor A que se usan en el experimento.

b= el numero de niveles del factor B, y a x b.

El numero total de combinaciones de tratamiento, donde cada una de esas combinaciones es un

nivel del factor A aplicado en conjunto con un nivel del factor B.
 Tabla 1: Experimento de dos factores con n réplicas
Nvel de factor A Totales Medias
Nivel del factor B
1 2 3 … a (B) (B)
y₁₁₁ y₂₁₁ y₃₁₁ … yₐ₁₁ T.₁. Ῡ.₁.
y₁₁₂ y₂₁₂ y₃₁₁ yₐ₁₁
1
… … …
y₁₁ₙ y₂₁ₙ y₃₁ₙ Yₐ₁ₙ
y₁₂₁ y₂₂₁ y₃₂₁ … yₐ₂₁ T.₂. Ῡ.₂.
y₁₂₂ y₂₂₂ y₃₂₂ yₐ₂₂
2
… … …
y₁₂ₙ y₂₂ₙ y₃₂ₙ Yₐ₂ₙ
…
y₁ᵇ₁ y₂ᵇ₁ y₃ᵇ₁ … yₐᵇ₁ T.ᵇ. Ῡ.ᵇ.
y₁ᵇ₂ y₂ᵇ₂ y₃ᵇ₂ yₐᵇ₂
b
… … …
y₁ᵇₙ y₂ᵇₙ y₃ᵇₙ Yₐᵇₙ
Totales (A) T₁.. T₂.. T₃.. … Tₐ.. T…
Medias (A) Ῡ₁.. Ῡ₂.. Ῡ₃.. Ῡₐ.. Ῡ…
 Análisis de varianza de dos factores

SSTot=σ𝑎𝑖=1 σ𝑏𝑗=1 σ𝑛𝑘=1(𝑌𝑖𝑗𝑘 − Ῡ … )^2

=media de variabilidad total de los datos.

SSA= bnσ𝑎𝑖=1(Ῡᵢ. . −Ῡ … )^2

=medida de la variabilidad de los datos atribuibles al uso de niveles distintos del factor A.

SSB= anσ𝑏𝑗=1( Ῡ.𝑗 . -Ῡ…)^2

=medida de la variabilidad de los datos atribuibles al uso de niveles diferentes del factor B.

SSAB = nσ𝑎 𝑏 𝑛
𝑖=1 σ𝑗=1 σ𝑘=1(Ῡ𝑖𝑗 . −Ῡ𝑖..𝑗 . +Ῡ … )^2
=medida de la variabilidad de los datos que resulta de la interacción de los niveles de los factores A y B.

SSE = σ𝑎𝑖=1 σ𝑏𝑗=1 σ𝑛𝑘=1(Ῡ𝑖𝑗𝑘 . −Ῡ𝑖𝑗 )^2

=medida de la variabilidad de los datos debida a fuentes aleatorias o inexplicadas.
 Formulas de sumas de cuadrados

IDENTIDAD DE SUMA DE CUADRADOS

= 𝑆𝑆𝑇𝑜𝑡=𝑆𝑆𝐴+𝑆𝑆𝐵+𝑆𝑆𝐴𝐵+𝑆𝑆𝐸

𝑇 𝑇2…
SSA= σ𝑎𝑖=1 𝑏𝑛𝑖.. − 𝑎𝑏𝑛

𝑇^2.𝑗. 𝑇2…
SSB= anσ𝑏𝑗=1 𝑎𝑛 − 𝑎𝑏𝑛

𝑇2…
𝑆𝑆𝑇𝑜𝑡= =σ𝑎𝑖=1 σ𝑏𝑗=1 σ𝑛𝑘=1 𝑌^2𝑖𝑗𝑘 − 𝑎𝑏𝑛

La suma de cuadrados de interacción se calcula al hacerlo primero con la llamada suma de cuadrados de tratamientos.
Esta es la ultima suma de cuadrados de tratamientos usual, que se obtendría si se analizan a.b combinaciones de
tratamiento con el diseño de clasificación unidireccional. En otras palabras;
𝑎 𝑏 𝑇 2 𝑖𝑗. 𝑇2…
𝑆𝑆𝑇𝑟= =σ𝑖=1 σ𝑗=1 − 𝑛 − 𝑎𝑏𝑛
Estadistica de prueba 𝐻₀

𝐹 𝑎−1 ,𝑎𝑏 𝑛−1 = 𝑀𝑆𝐴𝐵 /𝑀𝑆𝐸

 Formulación de hipótesis

1. 𝐻´0 : 𝛼1 = 𝛼2 = ⋯ = 𝛼𝛼 = 𝑂

 𝐻´1 = 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 𝛼𝑖 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 0

 2.𝐻´´ 0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝛽 = 0

 𝐻´´1 = 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 𝛽𝑗 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 0

 3.𝐻0′′′ : (𝛼𝛽)11 = (𝛼𝛽)12 = ⋯ = (𝛼𝛽)𝑎𝑏 = 0

 𝐻´´´1 = 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 (𝛼𝛽)𝑖𝑗 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 0

 La hipótesis nula supone que todos los factores son constantes y no inducen variabilidad en la
variable dependiente por lo que las medias de todas las combinaciones de factores han de ser
iguales.