El anlisis de varianza (ANOVA) de un factor sirve para comparar varios grupos
en una variable cuantitativa. Se trata, por tanto, de una generalizacin de la Prueba T para dos o ms muestras independientes al caso de diseos con ms de dos muestras. A la variable categrica (nominal u ordinal) que define los grupos que deseamos comparar la llamamos independiente o factor y la representamos por VI. A la variable cuantitativa (de intervalo o razn) en la que deseamos comparar los grupos la llamamos dependiente y la representamos por VD.
La hiptesis que se pone a prueba en el ANOVA de un factor es que las medias poblacionales (las medias de la VD en cada nivel de la VI) son iguales. Si las medias poblacionales son iguales, eso significa que los grupos no difieren en la VD y que, en consecuencia, la VI o factor es independiente de la VD. La estrategia para poner a prueba la hiptesis de igualdad de medias consiste en obtener un estadstico, llamado F, que refleja el grado de parecido existente entre las medias que se estn comparando. El numerador del estadstico F es una estimacin de la varianza poblacional basada en la variabilidad existente entre las medias de cada grupo.
Diseo experimental completamente aleatorizado Es el diseo ms simple y sencillo de realizar, en el cual los tratamientos se asignan al azar entre las unidades experimentales (UE) o viceversa. Este diseo tiene amplia aplicacin cuando las unidades experimentales son muy homogneas, es decir, la mayora de los factores actan por igual entre las unidades experimentales.
MODELO DE EFECTOS FIJOS Cuando los factores son fijos el investigador ha escogido los factores en forma no aleatoria y slo est interesado en ellos. En este caso el investigador asume que
Lo cual refleja la decisin del investigador de que nicamente est interesado en los t tratamientos presentes en el experimento. La mayor parte de los experimentos de investigacin comparativa pertenecen a este modelo.
MODELO DE EFECTOS ALEATORIOS Cuando los factores son aleatorios, el investigador, selecciona al azar los de inters de varios que dispone y los asigna a las unidades experimentales. En este caso el investigador asume que los ti tratamientos estn distribuidos normal e independientemente con media cero y varianza sigma cuadrado, lo cual refleja la decisin del investigador de que slo est interesado en una poblacin de tratamientos, de los cuales nicamente una muestra al azar (los t tratamientos) estn presentes en el experimento.
LA TABLA ANDEVA Para presentar de manera adecuada los clculos se usa una tabla conocida como tabla para el anlisis de varianza o tabla ANOVA. En la cual se muestra la forma general de una tabla ANOVA para un diseo completamente aleatorizado. A la suma de los cuadrados de la fuente de variacin que se indica como Total se le conoce como suma de cuadrados del total (STC).
DISEO COMPLETAMENTE AL AZAR DESBALANCEADO Algunas veces es posible que el nmero de rplicas de cada tratamiento sea diferente y as cada tratamiento tendr rplicas Estos diseos se pueden presentar en el caso que se est comparando un control contra otros tratamientos ya que queremos obtener buena informacin acerca del control, por ello este tendr ms replicaciones que los otros tratamientos (Cuntas?, Ver Montgomery). Otro caso en el que suele presentarse es cuando entre los tratamientos algunos son ms importantes que otros. Otra razn es cuando la observacin de alguna UE por algn motivo se pierde. El modelo sobre el cual se basa el anlisis est dado por:
COMPARACIN GRAFICA DE MEDIAS
Si las medias de las tres poblaciones son iguales, se esperara que las tres medias muestrales fueran muy parecidas. En efecto, entre ms parecidas sean las medias muestrales, mayor ser la evidencia para concluir que las medias poblacionales son iguales, o entre mayor sea la diferencia entre las medias muestrales, mayor ser la evidencia para concluir que las medias poblacionales no son iguales. En otras palabras, si la variabilidad entre las medias muestrales es pequea, esto favorece a H0; si la variabilidad entre las medias muestrales es grande, esto favorece a H. Si la hiptesis nula es verdadera, H0 : 1=2 = , se usa la variabilidad entre las medias muestrales para estimar 2 . Primero, observe que si se satisfacen las suposiciones para el analisis de varianza, cada una de las muestras provendr de la misma distribucin normal con media y varianza 2
Para ilustrar lo que ocurre cuando H0 es falsa, suponga que las medias poblacionales son diferentes. Observe que como las tres muestras provienen de poblaciones normales con medias diferentes, darn tres distribuciones muestrales diferentes. En la figura 13.3 se muestra que en este caso las medias muestrales no estn tan cerca unas de otras, como cuando la H0 entonces s2 es verdadera. Entonces, ser mayor, haciendo que la estimacin de 2 sea mayor. En general, cuando las medias poblacionales no son iguales, la estimacin entre tratamientos sobreestimar la varianza poblacional 2 . La variacin dentro de cada una de las muestras tambin tiene efecto sobre la conclusin a la que se arriba con el anlisis de varianza. Cuando se toma una muestra aleatoria simple de cada poblacin, cada una de las varianzas muestrales proporciona un estimador insesgado de s. Por tanto, se combinan o juntan las estimaciones individuales de s2 en una estimacin general. A la estimacin de 2 obtenida de esta manera se le conoce como estimacin conjunta o dentro de los tratamientos de 2 . Como cada varianza muestral proporciona una estimacin de 2 que se basa slo en la variacin dentro de cada muestra, a la estimacin de s2 dentro de los tratamientos no le afecta que las medias poblacionales sean o no iguales.
MTODO DE LA DIFERENCIA MNIMA DE FISHER Suponga que en un anlisis de varianza se encuentran evidencias estadsticas para rechazar la hiptesis nula que plantea la igualdad de las medias poblacionales. En tal caso, para determinar dnde estn las diferencias se puede emplear el procedimiento de la diferencia mnima significativa (LSD, por sus siglas en ingls) de Fisher. El procedimiento de la LSD de Fisher que basa en el estadstico de prueba t presentado para el caso de dos poblaciones. En la tabla siguiente se resume el procedimiento de la LSD de Fisher.
OTROS METODOS PARA PRUEBAS SOBRE MEDIAS.
Scheffe diseado para permitir la estimacin de todos los posibles contrastes entre las medias muestrales (no solo comparaciones por pares). Emplea un mltiplo relacionado con la distribucin F:
En este caso, este procedimiento es muy probable que sea muy conservador, ya que slo se estn estimando pares.
Bonferroni diseado para permitir la estimacin de cualquier nmero de contrastes previamente seleccionado. En este caso, usa un mltiplo igual a ya que se estn estimando q(q-1)/2 diferencias por pares. Estos lmites generalmente son ms amplios que los lmites de Tukey cuando se hacen todas las comparaciones por pares.
Student-Newman-Keuls A diferencia de todos los mtodos anteriores, este procedimiento no crea intervalos para las diferencias por pares. En su lugar, ordena las medias en orden creciente y luego comienza a separarlas en grupos de acuerdo con valores de la distribucin de rangos estudentizados. Al final, las medias se separan en grupos homogneos dentro de los cuales no hay diferencias significativas.
Duncan - similar al procedimiento de Student-Newman-Keuls, excepto que usa un valor crtico diferente de la distribucin de rangos estudentizados cuando define los grupos homogneos.
Instituto tecnolgico de Campeche Ingeniera industrial
Conceptos unidad 2: Diseo de experimentos de un solo factor completamente aleatorizado Trabajo No. 1