Documente Academic
Documente Profesional
Documente Cultură
ANÁLISIS DE VARIANZA
ANOVA DE UNA VÍA
Mail: primitivo_reyes@yahoo.com
Tel. 58 83 41 67 / Cel. 044 55 52 17 49 12
Página 1 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Página 2 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
CONTENIDO
1. ANOVA
2. Ejercicios
Página 3 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
H 0 = µ1 = µ 2 = µ3 = .... = µ k
sb2
Fc =
sw2
Fα ( k −1, k ( n −1))
k = número de muestras.
Página 4 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Por ejemplo:
TRATAMIENTOS
r c 2
SCT = ∑ ∑( Xij − X )
i =1 j =1
Página 5 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
SCT = 251.7
r
SCTR = ∑rj ( X j − X ) 2
j =1
SCTR = 65.71
r c
SCE = ∑ ∑( X ij − X j )2
i =1 j =1
4. GRADOS DE LIBERTAD
Página 6 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
ZONA DE
NO RECHAZAR RECHAZO
Distr. F
Página 7 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
7. VALOR P DE Fc
Página 8 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
TABLA DE ANOVA
Grados
ANÁLISIS DE VARIANZA de Promedio de
Suma Probabilida
Variaciones cuadrados libertad Cuadrados Fc d F crítica
Entre grupos 65.71428571 2 32.85714286 1.9431644 0.18937731 3.98229796
Dentro de 186 11 16.90909091
Página 9 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
grupos
Total 251.7142857 13
USO DE MINITAB
Stat > ANOVA > One Way (Unstacked)
en Responses in separate columns Indicar las columnas de
datos
En Confidence Level 95%
Seleccionar Comparisons Tukey 5%
OK
Página 10 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Página 11 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
2. EJERCICIOS:
Cataliz
ador
A B C D
58.2 56.3 50.1 52.9
57.2 54.5 54.2 49.9
58.4 57 55.4 50
55.8 55.3 51.7
54.9
A B C D
75 78 55 64
93 91 66 72
78 97 49 68
71 82 64 77
63 85 70 56
76 77 68 95
A B C
85 71 59
75 75 64
Página 12 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
82 73 62
76 74 69
71 69 75
85 82 67
A B C D
11.
5.4 8.7 1 9.9
10.
7.8 7.4 3 12.8
5.3 9.4 9.7 12.1
10.
7.4 10.1 3 10.8
8.4 9.2 9.2 11.3
7.3 9.8 8.8 11.5
Página 13 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Por otro lado en cada nivel del factor se efectúan una serie de
pruebas, a cada una de estas pruebas se les conoce como
replicaciones. EL factor se considera fijo.
Ejemplo 1: Suponga que se desea saber si los ejes que surten cuatro
proveedores tienen diferente resistencia a la tracción. Para ello se
decide llevar a cabo un experimento de un solo factor donde la
variable dependiente es la resistencia a la tracción del eje medida en
Kgs/cm2 y el factor es el proveedor. El factor tiene cuatro niveles o
tratamientos diferentes. Uno para cada proveedor (llámelos I, II, III,
IV) se decide probar 5 ejes de cada proveedor haciendo un total de 20
pruebas ejecutadas en la misma maquina de prueba y con él mismo
Página 14 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Proveedo
r
I II II I
I V
5 6 4 4
6 4 5 2
5 6 4 3
5 1 6 9
6 5 4 4
2 0 5 5
5 5 3 4
9 5 9 3
6 5 4 4
0 6 3 1
El proveedor = factor
Tratamiento = I, II, III, IV
Con cinco replicaciones en cada tratamiento.
Página 15 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Para esto suponga un caso general como sigue: Si define Yij como
el valor correspondiente de la variable dependiente o característica
de calidad de la i-ésima observación o replicación bajo el
tratamiento j, los resultados de un experimento de un solo factor
con k tratamientos y n replicas u observaciones por tratamiento
seria:
(nivel)
1 Y1 Y1 .. Y1 Y1. Y..
1 2 . n
2 Y2 Y2 .. Y2 Y2. Y 2.
1 2 . n
3 Y3 Y3 .. Y3 Y3. Y 3.
1 2 . n
1 2 . n
Página 16 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
∑τ
j =1
j = 0;
Y que el error aleatorio sigue una distribución normal con media cero
y varianza σ 2, esto denota:
εij ≈ N(0, σ 2 )
Y.. = Y../n
Página 17 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
∑∑(Yij − Y.. ) ( )
k n 2 k 2 k n 2
= n∑ Yi. − Y.. + ∑∑ Yij − Yi.
j =1 i =1 j =1 j =1 i =1
SS T = SStr + SS E
Donde:
La ecuación anterior muestra la variabilidad total de los datos,
medida por la suma total corregida de los cuadrados. SStr se
denomina suma de cuadrados debida a los tratamientos (es decir,
entre tratamientos), SSE es la suma de cuadrados debido al error (es
decir, dentro de los tratamientos)
Página 18 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Fuente G.L
De error SS . MS F0
Variación
SS k– MS MStr/M
entre
tr 1 tr SE
tratamientos
Variación
dentro de SS N – MS
Tratamientos E k E
o error
SS N –
Total
T 1
Página 19 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
4 5
∑∑ Yij
j =1 i = 1
2
= 562 + 552 + ... + 412 = 51940
Fuente
De error SS G.L. MS F0
MStr/M
Factor o SStr=11 k–1= MStr SE
tratamientos 35 3 =378.3 =
29.79
SSE=203 N – k = MSE=12.
Error
.2 16 7
SST=133 N – 1 =
Total
8.2 19
Página 20 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Fα ,3,16 = 3.24
k n
SS T = ∑∑ Yij 2 - Y.. ; con N - 1 grados de libertad
2
j =1 i =1 N
k
Yi. 2 Y .. 2
SS tr = ∑ − ; con k - 1 grados de libertad
j =1 ni N
SS E = SST - SStr; con N - k grados de libertad
Es, sin embargo, deseable que él numero de muestras sea igual bajo
cada tratamiento, puesto que el poder de la prueba se maximiza
cuando él numero de muestras es igual.
Página 21 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
k = 3; n1 = 6; n2 = 3; n3 = 4; N = 6 + 3 + 4 = 13
k n
SST = ∑∑(Yij2 − Y..2 /N) =
j =1 i =1
175 2
9 2 + 12 2 + ... + 8 2 + 16 2 −
=
13
2993 − 2355.76 = 637.24
k
SStr = ∑ (Yi.2 /ni − Y..2 /N) =
j =1
2
67 73 2 35 2 175 2
+ + − = 474.98
6 3 4 13
SSE = SS T - SS tr = 637.24 - 474.98 = 162.29
Fuente
SS G.L. MS
De error F0
MStr/M
Factor o SStr=47 k–1= MStr SE
tratamientos 4.98 2 =237.49 =
14.64
SSE=162 N – k = MSE=16.
Error
.29 10 22
SST=637 N – 1 =
Total
.24 12
Página 22 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
μ̂ =Y..
τ̂i =Yi. −Y..
con i =1,2,3,..., k
µ i=µ +τ i
Un estimador puntual para µ i podría ser μ̂i =μ̂ +τ̂i =Yi. ahora si se
supone que los errores están distribuidos normalmente, las Yi. son
NID(0,σ 2/n), entonces podría usarse la distribución normal para
definir el intervalo de confianza buscado si se conoce σ . Al usar MSE
como estimación de, σ 2, el intervalo de confianza se debe basar en la
distribución t., por tanto, un intervalo de confianza de (1-α )100%
para la media del i-ésimo tratamiento, µ es:
MS E
Yi. ±tα / 2, N −k
n
Página 23 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
2MS E
Yi. −Yj. ±tα / 2, N −k .
n
eij = Yij − Ŷ
ij
Página 24 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Página 25 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
1 1
LSD =tα/2, N −k MS E +
ni nj
1 1
LSD = tα/2, N −k MS E + =
ni nj
2(8.06)
2.086 = 3.75
5
Página 26 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Y1 . Y 5 . Y 2. Y 3. Y 4.
9.8 10.8 15.4 17.6 21.6
Página 27 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Ho : μi =μk
H1 : μi ≠μk
Yi. −Yk
. con i =1,2
,..., k -1
1 1
Yi. −Yk. >dα(k −1, f) MS E +
ni nk
Página 28 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
2MSE 2(8.06)
d.05(4,20) = 2.65 = 4.76
n 5
Página 29 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Página 30 de 31
ANÁLISIS DE VARIANZA – ANOVA DE UNA VÍA
P. Reyes / Sept. 2007
Página 31 de 31