Documente Academic
Documente Profesional
Documente Cultură
ESTADISTICA II
Tema:
Anlisis de varianza de una va y por bloques.
Docente:
Lic. Esther Yanet Yanapa Zapana
Integrantes:
Jose Llano Mamani
Nadier Taco Chipana
Yanira Ternero Daz
Yomira Mamani Llerena
Mollendo - 2014
Pgina 2
Cuando de los sujetos tenemos varios tipos de informacin, el anlisis de varianza nos va
a responder a esta pregunta De dnde vienen las diferencias?
El anlisis de varianza2 no constituye un mtodo o procedimiento nico; segn lo diseos
y datos disponibles existen diversos modelos de anlisis de varianza. En esta introduccin
nos referiremos al anlisis de varianza para varias muestras independientes,y ms
concretamente al anlisis de varianza para slo dos muestras independientes (Aunque en
este caso solemos utilizar la t de Student) porque es de comprensin ms sencilla. La
misma explicacin bsica se puede extrapolar a otras situaciones (ms de dos muestras
independientes, ms de dos muestras relacionadas, diseos factoriales, etc., que iremos
viendo ms adelante).
Pgina 3
H 0 1 2 3 .... k
H 1 : Al menos dos medias poblacionales son diferentes.
Los supuestos en que se basa
la prueba
independientes son:
1.
2.
2
2
Las varianzas poblacionales son iguales, esto es 1 2 .
sb2
Fc 2
sw
El valor crtico para la prueba F es: F (k 1, k (n 1))
Donde el nmero de grados de libertad para el numerador es k-1 y para el denominador
es k(n1), siendo el nivel de significancia
k = nmero de muestras.
Ejemplo: Se tienen 14 empleados seleccionados al azar que se someten a
Pgina 4
TRATAMIENTOS
c=1
c=2
c=3
Programa
Programa 1
Programa 3
r=1
85
80
82
r=2
72
84
80
r=3
83
81
85
r=4
80
78
90
r=5
**
82
88
Medias
80.00
81.00
85.00
Xj
82.14
Pgina 5
distribucin de un marcador numrico Y entre los p grupos. Para tal fin se toma una
muestra de objetos en cada grupo y se observa el referido marcador. El conjunto de datos
disponibles para el anlisis tendra la forma:
observaciones.
Pgina 6
Donde
es
la
cantidad
que
depende
La hiptesis de que los distintos tratamientos no producen ningn efecto (o la de que las
medias de todas las poblaciones son iguales) se contrasta mediante el anlisis de la
varianza de una va, comparando la variabilidad entre grupos con la variabilidad dentro de
los grupos.
Pgina 7
SCT
i 1
( Xij X )
j 1
SCTR r j ( X j X ) 2
j 1
Pgina 8
SCE
i 1
(X
j 1
ij
X j )2
186
4. Grados de libertad
Grados de libertad totales = n - 1 = 14-1 = 13
Grados de libertad de los tratamientos = c - 1 = 3 - 1 = 2
Grados de libertad del error = gl. Totales - gl. Tratamientos = 13 - 2 = 11
gl SCT = gl SCTR + gl SCE
gl SCE = gl SCT - gl SCTR = (n -1) - (c - 1) = n -c
19.4
32.9
16.9
EJEMPLO:
1.- Los miembros de un equipo ciclista se dividen al azar en tres grupos que entrenan con
mtodos diferentes. El primer grupo realiza largos recorridos a ritmo pausado, el segundo
grupo realiza series cortas de alta intensidad y el tercero trabaja en el gimnasio con pesas
y se ejercita en el pedaleo de alta frecuencia. Despus de un mes de entrenamiento se
realiza un test de rendimiento consistente en un recorrido cronometrado de 9 Km. Los
tiempos empleados fueron los siguientes:
Pgina 9
A un nivel de confianza del 95% Puede considerarse que los tres mtodos producen
resultados equivalentes? O por el contrario Hay algn mtodo superior a los dems?
Solucin:
Comenzamos calculando los totales y los cuadrados de los totales divididos por el nmero
de observaciones:
Pgina 10
Pgina 11
Cuando slo hay dos tratamientos, el anlisis de varianza de una va equivale al test t de
Student para muestras independientes. A su vez, el anlisis de varianza para el diseo en
bloques con dos tratamientos, equivale a la dcima de t de Student para muestras
pareadas.
Como ya se vio anteriormente, cuando se comparan ms de dos pares de tratamientos, la
dcima de t de Student no conserva el nivel de significacin correspondiente y es ms
correcto utilizar el anlisis de varianza.
El diseo en bloques aleatorios es apropiado y eficiente cuando se desea investigar las
diferencias entre los promedios de k tratamientos en condiciones homogneas, vale decir,
eliminando las diferencias iniciales entre las unidades experimentales. Estas condiciones
homogneas pueden ser: parcelas de terreno, lotes de produccin, camadas de ratones,
o una misma persona sometida a diferentes tratamientos. Se supone que la variabilidad
de las unidades experimentales entre parcelas, lotes, camadas o personas, es mayor que
dentro de esos bloques. Por tanto, al adjudicar los k tratamientos aleatoriamente a las
unidades que constituyen un bloque, se obtiene un efecto de tratamiento limpio de esa
variacin entre bloques que podra llegar a encubrir la diferencia entre tratamientos.
Comparando con el diseo completamente aleatorio, se tiene por tanto una fuente de
variacin adicional a las entre tratamientos y dentro de tratamientos: la variacin entre
bloques. La suma de cuadrados correspondiente se simbolizar por SCB. Los grados de
libertad para el clculo de CMB sern: b 1, el nmero de bloques menos 1. La SCB se
calcula usando los valores de las sumas de los yij pertenecientes a cada uno de los
bloques:
Pgina 12
Nota: la suma de cuadrados entre tratamientos es la misma (escrita de otra manera) para
el ANOVA de una va. Lo que cambia es lo que llamamos suma de cuadrados dentro de
tratamientos que ahora se dividi entre las SC de Bloques y la SC Residual.
Ejemplo:
Se tienen tres especies de ctricos a los cuales se mide la razn entre el rea de las hojas
y el peso seco, bajo 3 condiciones de sombra (sol, semisombra y sombra)
Pgina 13
H0 = 1 = 2 = 3
H1 : al menos dos medicamentos son iguales
Esto hace que la F de inters sea la F de los tratamientos, F observado de 19,536 con un
valor p de 0,009. Por tanto se rechaza la hiptesis de nulidad y se acepta que hay al
menos dos tratamientos (especies) que difieren significativamente en sus efectos (razn).
Para saber cules de las diferencias observadas entre los promedios de los tratamientos
son significativas se pueden emplear los mismos mtodos de comparacin para medias
presentados para el diseo completamente aleatorio.
Para saber si en este caso, fue ms eficiente el diseo en bloques que un diseo
completamente aleatorio, analizaremos la conclusin a la que se habra llegado con este
ltimo. Slo necesitamos eliminar los bloques como fuente de variacin.
ANALISIS DE VARIANZA DE UNA VIA Y POR BLOQUES
Pgina 14
Diagnsticos
Un diseo en bloques NO ser apropiado si:
- no hay homogeneidad de varianzas del error de los bloques
- no hay homogeneidad de varianzas del error de los tratamientos
- Efectos temporales
- interaccin entre bloque y tratamiento
ocurre en nuestro
ejemplo)
Pgina 15
Pgina 16