Estadstica Inferencial

Ing. Ramn Rincones

ANALISIS DE LA VARIANZA
Introduccin
Un fabricante de computadoras est a punto de presentar una nueva computadora
personal ms rpida. Sin duda, la mquina nueva es ms rpida, pero las pruebas iniciales indican
que hay ms variacin en el tiempo de procesamiento, el cual depende del programa que se
ejecute, y de la cantidad de datos de entrada y salida. Una muestra de 16 corridas de la
computadora, con diversos trabajos de produccin, revel que la desviacin estndar del tiempo
de procesamiento fue de 22 (centsimas de segundo) para la mquina nueva y de 12 (centsimas
de segundo) para el modelo actual. Con un nivel de significancia de 0.05, puede concluir que
hay ms variacin en el tiempo de procesamiento de la mquina nueva?

Previamente se ha estudiado la teora general de las pruebas de hiptesis. Se analiz el

caso en que se seleccion una muestra de una poblacin. Se utiliz la distribucin Z (la
distribucin normal estndar) o la distribucin t para determinar si era razonable concluir que la
media poblacional era igual a un valor especificado. Se prob si dos medias poblacionales eran
iguales. Tambin se realizaron pruebas de una y dos muestras para las proporciones de las
poblaciones, con la distribucin normal estndar como la distribucin del estadstico de prueba.
En esta oportunidad se ampla la idea de pruebas de hiptesis. Se describe una prueba para
varianzas y, despus, una prueba que compara en forma simultnea varias medias para
determinar si provienen de poblaciones iguales

La distribucin F
La distribucin de probabilidad que se emplea en este captulo es la distribucin F, la cual debe
su nombre a sir Ronald Fisher, uno de los pioneros de la estadstica actual. Esta distribucin de
probabilidad sirve como la distribucin del estadstico de prueba para varias situaciones. Con ella
se pone a prueba si dos muestras provienen de poblaciones que tienen varianzas iguales, y
tambin se aplica cuando se desean comparar varias medias poblacionales en forma simultnea.
La comparacin simultanea de varias medias poblacionales se denomina anlisis de la varianza
(ANOVA o ANAVAR). En las dos situaciones, las poblaciones deben seguir una distribucin
normal, y los datos deben ser al menos de escala de intervalos.

Cules son las caractersticas de la distribucin F?

1. Existe una familia de distribuciones F. Un miembro particular de la familia se determina

mediante dos parmetros: los grados de libertad en el numerador y los grados de
libertad en el denominador. La forma de la distribucin se ilustra en la grfica 1. Hay una
distribucin F para la combinacin de 29 grados de libertad en el numerador (gl) y 28
grados de libertad en el denominador. Existe otra distribucin F para los 19 grados en el
numerador y 6 grados de libertad en el denominador. La distribucin final que se muestra
tiene 6 grados de libertad en el numerador y 6 de libertad en el denominador. Los grados

1/18
Estadstica Inferencial
Ing. Ramn Rincones

de libertad se explican ms adelante. Observe que la forma de las curvas cambia cuando
varan los grados de libertad.

Grfica 1: Variacin de grados de libertad en la Distribucin F

2. La distribucin F es continua. Esto significa que se supone un nmero infinito de valores

entre cero y el infinito positivo.
3. La distribucin F no puede ser negativa. El valor menor que F puede tomar es 0.
4. Tiene sesgo positivo. La cola larga de la distribucin es hacia el lado derecho. Cuando
nmero de grados de libertad aumenta, tanto en el numerador como en el denominador,
la distribucin se aproxima a ser normal.
5. Es asinttica. Cuando los valores de X aumentan, la curva F se aproxima al eje X, pero
nunca lo toca. Esto es similar al comportamiento de la distribucin de probabilidad
normal, descrito cuando sta fue estudiada.

Comparacin de dos varianzas poblacionales

Con la distribucin F se pone a prueba la hiptesis de que la varianza de una poblacin normal es
igual a la varianza de otra poblacin normal. En los siguientes ejemplos se muestra el uso de la
prueba:

Dos mquinas cizalladoras se calibran para producir barras de acero con la misma longitud. Por
tanto, las barras debern tener la misma longitud media. Se desea tener la seguridad de que
adems de tener la misma longitud media tambin tengan una variacin similar.

El ndice de rendimiento medio de los dos tipos de acciones comunes puede ser el mismo, pero
quizs haya ms variacin en el ndice de rendimiento en un tipo que en otro. Una muestra de

2/18
Estadstica Inferencial
Ing. Ramn Rincones

10 acciones relacionadas con la tecnologa y 10 acciones de compaas de servicios presentan el

mismo ndice de rendimiento medio, pero es probable que haya ms variacin en las acciones
vinculadas a la tecnologa.

Un estudio del departamento de marketing de un peridico importante revelo que los hombres
y las mujeres pasan cerca de la misma cantidad de tiempo por da navegando por la Web. Sin
embargo, en el mismo reporte se indica que haba casi el doble de variacin en el tiempo pasado
por da entre los hombres que las mujeres.

La distribucin F tambin sirve para probar suposiciones de algunas pruebas estadsticas.

Recuerde que anteriormente se utiliz la prueba t para investigar si las medias de dos poblaciones
independientes eran diferentes. Para emplear esa prueba, algunas veces se supone que las
varianzas de dos poblaciones normales son iguales.

La distribucin F proporciona un medio para realizar una prueba considerando las

varianzas de dos poblaciones normales. Sin importar si se desea determinar si una poblacin
tiene ms variacin que otra o validar una suposicin para una prueba estadstica, primero se
formula la hiptesis nula.

La hiptesis nula es que la varianza de una poblacin normal, 12 es igual a la varianza de

otra poblacin normal, 22 La hiptesis alternativa podra ser que las varianzas difieran.

Para realizar la prueba, se selecciona una muestra aleatoria de n1 observaciones de una

poblacin y una muestra aleatoria de n2 observaciones de la segunda poblacin. El estadstico
de prueba se define como sigue:

Los trminos s1 y s2 son las varianzas muestrales respectivas. Si la hiptesis nula es

verdadera, el estadstico de prueba sigue la distribucin F con n1 1 y n2 1 grados de libertad.
A fin de reducir el tamao de la tabla de valores crticos, la varianza ms grande de la muestra se
coloca en el numerador; de aqu, la razn F que se indica en la tabla siempre es mayor que 1.00.
As, el valor crtico de la cola derecha es el nico que se requiere. El valor critico de F para una
prueba de dos colas se determina dividiendo el nivel de significancia entre dos (/2) y despus
se consultan los grados de libertad apropiados en la tabla de la distribucin F.

3/18
Estadstica Inferencial
Ing. Ramn Rincones

Ejemplo

La lnea de taxis Garca y Asociados, SRL ofrece servicio de transporte en limusina. El presidente
de la lnea, Sr. Garca, considera dos rutas desde el Aeropuerto Jacinto Lara hasta la el Hotel
Misin en el estado Yaracuy. El Sr Garca desea estudiar el tiempo que se requiere para para llegar
al aeropuerto y viceversa utilizando ambas rutas, y luego comparar los resultados. Utilizando un
nivel de significancia del 0,1.
Ruta Tiempo promedio Desviacin estndar Tamao de muestra
(min)
1 56 12 7
2 57 5 8

Determine:
Existe diferencia en la variacin de los tiempos de recorrido usando las dos rutas?
Anlisis
El Sr. Garca observ que los tiempos promedios parecen ser similares; pero hay una
mayor variacin en la dispersin en la ruta 1 que en la ruta 2
Esto se debe a que el Sr. Garca sabe que la ruta 1 tiene ms semforos, en tanto la ruta
2 es solo autopista, pero ms larga en recorrido por varios kilmetros.
Como la calidad de servicio es muy importante, el Sr. Garca desea realizar una prueba
estadstica para determinar si existe una diferencia significativa en la variacin en ambas
rutas.
Solucin:
Paso 1: Establecer las hiptesis, nula y alternativa.
Ntese que la prueba tiene dos colas, porque se busca una diferencia en la variacin de ambas
rutas. No se trata de demostrar que una ruta tiene mayor variacin que la otra.

Paso 2: Se selecciona el nivel de significancia: = 0,1

Paso 3: Seleccionar el estadstico de prueba apropiado
En este caso particular: Fcal = S12 / S22
Los grados de libertad se determinan mediante: n1 1 y n2 1
Numerador: n1 = 7 1 = 6 gl
Denominador; n 2 = 8 1= 7 gl
El valor crtico se determina de la tabla F = 5%
Se procede de la manera siguiente:
Con 6 gl de libertad en el numerador (eje-X) y 7 gl en el denominador (eje-Y), se obtiene el valor
crtico de 3,87; es Ftab = 3,87
Paso 4: Establecer la regla de decisin: Se aceptar la H0, solo y solo s, el resultado del estadstico
de prueba cae en la regin de aceptacin (1 ); en caso contrario se H0 se rechaza y se aceptar
H1 para un alfa de una dcima y 6 grados de libertad para el numerador (S 12) y 7 gl para el
denominador (S22) respectivamente.
4/18
Estadstica Inferencial
Ing. Ramn Rincones

Paso 5: Conclusin e Interpretacin:

El estadstico de prueba: Fcal = 122 / 52 = 5,76 (Ntese que el valor mayor va arriba)
Conclusin: Se rechaza la hiptesis nula, dado que el estadstico de prueba es mayor que el valor
crtico; para alfa igual al 1% y los gl de libertad de 6 y 7 respectivamente.

Interpretacin: Efectivamente existe una variacin en los tiempos de recorrido entre ambas rutas,
y que la poca diferencia entre las medias no es obra de la casualidad.

Repita el mismo ejercicio, pero cambie el nivel de significancia al 1%, y vea lo que sucede ahora.

Tarea:
Steele Electric Productos, Inc., ensambla componentes elctricos para telfonos celulares.
Durante los ltimos 10 das, el empleado Mark ha promediado 9 productos rechazados, con una
desviacin estndar de 2 rechazos por da. Mientras que otro empleado Raymond promedio 8,5
productos rechazados, con una desviacin estndar de 1,5 rechazos durante el mismo periodo.
Con un nivel de significancia del 5 %. Se podra concluir que hay ms variacin en el nmero de
productos rechazados por da de Mark?
Respuesta:

Suposiciones en el anlisis de la varianza (ANOVA)

Otro uso de la distribucin F es el anlisis de la tcnica de la varianza (ANOVA), en la cual

se comparan tres o ms medias poblacionales para determinar si pueden ser iguales. Para
emplear ANOVA, se supone lo siguiente:

1. Las poblaciones siguen la distribucin normal.

2. Las poblaciones tienen desviaciones estndar iguales ().
3. Las poblaciones son independientes.

Cuando se cumplen estas condiciones, F se emplea como la distribucin del estadstico

de prueba. Por qu es necesario estudiar ANOVA? Por qu? Se puede comparar dos medias
poblacionales a la vez. La razn ms importante es la acumulacin indeseable del error tipo I.
Para ampliar la explicacin, suponga cuatro mtodos distintos (A, B, C y D) para capacitar

5/18
Estadstica Inferencial
Ing. Ramn Rincones

personal para ser bomberos. La asignacin de cada uno de los 40 prospectos en el grupo de este
ano es aleatoria para cada uno de los cuatro mtodos.

Al final del programa de capacitacin, a los cuatro grupos se les administra una prueba
comn para medir la comprensin de las tcnicas contra incendios. La pregunta es: existe una
diferencia en las calificaciones medias del examen entre los cuatro grupos? La respuesta a esta
pregunta permitir comparar los cuatro mtodos de capacitacin.

Si emplea la distribucin t para comparar las cuatro medias poblacionales, tendra que
efectuar seis pruebas t distintas. Es decir, necesitara comparar las calificaciones medias de los
cuatro mtodos como sigue: A contra B, A contra C, A contra D, B contra C, B contra D y C contra
D. Si determina el nivel de significancia en 0,05, la probabilidad de una decisin estadstica
correcta es de 0,95, calculada de 1 0,05. Como se realizaron seis pruebas separadas
(independientes), la probabilidad de que no se tome una decisin incorrecta debido al error de
muestreo en cualquiera de las seis pruebas independientes es:

P (Todas correctas) = (0,95) (0,95) (0,95) (0,95) (0,95) (0,95) = 0,735

Para encontrar la probabilidad que al menos tenga un error debido al muestreo, reste
este resultado a 1. Por tanto, la probabilidad de al menos una decisin incorrecta debida al
muestreo es de 1 0,735 = 0,265. En resumen, si realiza seis pruebas independientes con la
distribucin t, la posibilidad de rechazar una hiptesis nula verdadera debido al error de
muestreo se incrementa de 0,05 a un nivel insatisfactorio de 0,265: es decir el area de rechazo
se increment a 26,5%. Es obvio que necesita un mejor mtodo que realizar seis pruebas t.
ANOVA permitir comparar las medias de tratamiento de forma simultnea y evitar la
acumulacin del error de Tipo I.

ANOVA se desarroll para aplicaciones en agricultura, y aun se emplean muchos de los

trminos relacionados con ese contexto. En particular, con el termino tratamiento se identifican
las poblaciones diferentes que se examinan. Por ejemplo, el tratamiento se refiere a como una
extensin de terreno se trat con un tipo particular de fertilizante. La siguiente ilustracin
aclarara el termino tratamiento y mostrara la aplicacin de ANOVA.

Tratamiento: Es la fuente especfica de variacin en un conjunto de datos. Se usa para

identificar las diferentes poblaciones que se examinan.

Ejemplo:
Anthony Salazar es la gerente de un banco comercial y desea comparar la productividad, medida
por el nmero de clientes atendidos, entre tres empleados. Selecciona cuatro das en forma
aleatoria y registra el nmero de clientes atendidos por cada empleado. Los resultados son:

6/18
Estadstica Inferencial
Ing. Ramn Rincones

Hay alguna diferencia en el nmero medio de clientes atendidos? En la grfica 2 se ilustra cmo
pueden aparecer las poblaciones si hubiera una diferencia en las medias del tratamiento.
Observe que las poblaciones siguen la distribucin normal y la variacin en cada poblacin es la
misma. Sin embargo, las medias no son iguales.

Ahora suponga que las poblaciones son iguales. Es decir, no hay una diferencia en las medias
(tratamiento). Esto se muestra en la grfica 3, e indicara que las medias poblacionales son iguales.
Observe de nuevo que las poblaciones siguen la distribucin normal, y que la variacin en cada
una de las poblaciones es la misma.

Grfica 2: Caso en el que las medias del tratamiento son diferentes

7/18
Estadstica Inferencial
Ing. Ramn Rincones

Grfica 3: Caso en el que las medias del tratamiento son iguales

La prueba ANOVA

Cmo funciona la prueba ANOVA? Recuerde que se desea determinar si varias medias
muestrales provienen de una sola poblacion o de poblaciones con medias diferentes. En realidad,
estas medias muestrales se comparan mediante sus varianzas. Para explicar esto, releer las
suposiciones requeridas para ANOVA. Una de estas suposiciones fue que las desviaciones
estndar de las diversas poblaciones normales tenan que ser las mismas. Se aprovecha este
requisito en la prueba ANOVA. La estrategia es estimar la varianza de la poblacin (desviacin
estndar al cuadrado) de dos formas y despus determinar la razn de dichos estimados. Si esta
razn es aproximadamente 1, entonces por lgica los dos estimados son iguales, y se concluye
que las medias poblacionales no son iguales. La distribucin F sirve como un rbitro al indicar en
que instancia la razn de las varianzas muestrales es mucho mayor que 1 para haber ocurrido
por casualidad.

Consulte el ejemplo del banco comercial en la seccin anterior. El gerente desea determinar si
hay una diferencia en el nmero medio de clientes atendidos. Para iniciar, determine la media
global de las 12 observaciones. Esta es de 58, calculada de (55+54
+59+56+66+76+67+71+47+51+46+48) /12. Despus, para cada una de las 12 observaciones
encuentre la diferencia entre el valor particular y la media global. Cada una de estas diferencias
se eleva al cuadrado y estos cuadrados se suman. Este trmino se denomina variacin total.

VARIACIN TOTAL: Suma de las diferencias elevadas al cuadrado entre cada observacin y la
media global.
8/18
Estadstica Inferencial
Ing. Ramn Rincones

En nuestro ejemplo, la variacin total es de 1 082, determinada por (55 58)2 + (54 58)2 +(59
58)2 + + (48 58)2. Luego se divide esta variacin total en dos componentes: la que se debe
a los tratamientos y la que es aleatoria. Para encontrar estas dos componentes, se determina la
media de cada tratamiento. La primera fuente de variacin se debe a los tratamientos.

VARIACIN DE TRATAMIENTO: Suma de las diferencias elevadas al cuadrado entre la media de

cada tratamiento y la media total o global.

En el ejemplo, la variacin debida a los tratamientos es la suma de las diferencias al

cuadrado entre la media de cada empleado y la media global. Este trmino es 992. Para calcularlo,
primero se encuentra la media de cada uno de los tres tratamientos. La media de Wolfe es 56,
determinada por (55 + 54 + 59 + 56) /4. Las otras medias son 70 y 48, respectivamente. La suma
de los cuadrados debida a los tratamientos es:

(56 58)2 + (56 58)2 + + (48 58)2 = 4(56 582) + 4(70 58)2 + 4(58 58)2 = 992

Si existe una variacin considerable entre las medias de los tratamientos, es lgico que
este trmino sea grande. Si las medias de los tratamientos son similares, este trmino ser un
valor bajo. El valor ms bajo posible es cero. Esto ocurrir cuando todas las medias de los
tratamientos sean iguales.

A la otra fuente de variacin se le conoce como componente aleatoria, o componente de error.

VARIACIN ALEATORIA: Suma de las diferencias elevadas al cuadrado entre cada observacin
y su media de tratamiento.

En el ejemplo, este trmino es la suma de las diferencias al cuadrado entre cada valor y a media
para ese empleado en particular. La variacin de error es 90.

(55 -56)2 +)54 -+ 56)2 + + (48 48)2 = 90

El estadstico de prueba, que es la razn de los dos estimados de la varianza poblacional, se

determina a partir de la siguiente ecuacin:

El primer estimado de la varianza poblacional parte de los tratamientos, es decir, de la

diferencia entre las medias. Este es 992/2 = 496. Por qu se dividi entre 2? Recuerde que para
encontrar la varianza de la muestra se divide entre el nmero de observaciones menos uno.

9/18
Estadstica Inferencial
Ing. Ramn Rincones

{S2 = [X2 (X)2/n] / (n 1)}. En este caso hay tres tratamientos, por lo que se divide entre
2. El primer estimado de la varianza poblacional es 992/2.

El estimado de la varianza dentro de los tratamientos es la variacin aleatoria divida entre

el nmero total de observaciones menos el nmero de tratamiento. Es decir 90 / (12 3) = 10;
ntese que 90 representa la variacin aleatoria; el 12 es el tamao de la muestra y el 3 el nmero
de empleados. De aqu, el segundo estimado de la varianza poblacional es 90/9. En realidad, es
una generalizacin, en la cual se agruparon las varianzas muestrales de dos poblaciones.

El paso final es tomar la razn de estos dos estimados

F = (496/2) / (90/9) = 49,6

Conclusin:
Como esta razn es muy distinta a 1, se concluye que las medias de los tratamientos no son
iguales. Hay una diferencia en el nmero medio de clientes atendidos por los tres empleados.

Como se puede apreciar los clculos para determinar ANOVA son bastante difcil de llevar
a cabo: adems de ser tediosos; en especial cuando la media global y las medias de tratamientos
tienen decimales. Existen dos alternativas para evitar los extensos clculos. El primero sera usar
un paquete estadstico, y el segundo mtodo se reducen los clculos como se muestra a en el
ejemplo siguiente.

Ejemplo:
Desde hace algn tiempo las aerolneas han reducido sus servicios, como alimentos y sndwiches
durante sus vuelos, y empezaron a cobrar un precio adicional por algunos servicios, como llevar
sobrepeso de equipaje, cambios de vuelo de ltimo momento y por mascotas que viajan en la
cabina. Sin embargo, aun estn muy preocupadas por el servicio que ofrecen. Hace poco un grupo
de cuatro aerolneas (se emplean nombres histricos por motivos confidenciales) contrat a una
empresa llamada Marketing Research, Inc., para encuestar a sus pasajeros sobre la adquisicin
de boletos, abordaje, servicio durante el vuelo, manejo del equipaje, comunicacin del piloto,
etc. Hicieron 25 preguntas con diversas respuestas posibles: excelente, bueno, regular o
deficiente. Una respuesta de excelente tiene una calificacin de 4, bueno 3, regular 2 y deficiente
1. Estas respuestas se sumaron, de modo que la calificacin final fue una indicacin de la
satisfaccin con el vuelo. Entre mayor la calificacin, mayor el nivel de satisfaccin con el servicio.
La calificacin mayor posible fue 100.
Marketing Research seleccion y estudio al azar pasajeros de las cuatro aerolneas. A
continuacin, se muestra la informacin. Hay alguna diferencia en el nivel de satisfaccin medio
entre las cuatro aerolneas? Use el nivel de significancia del 1 %.

Lnea A Lnea B Lnea C Lnea D

94 75 70 68
90 68 73 70
10/18
Estadstica Inferencial
Ing. Ramn Rincones

85 77 76 72
80 83 78 65
88 80 74
68 65
65

Utilice el procedimiento de prueba de hiptesis de cinco pasos.

Paso 1: Formule las hiptesis nula y alternativa. La hiptesis nula es que las calificaciones medias
son iguales para las cuatro aerolneas.

H0: 1 = 2 = 3 = 4
H1: 1 2 3 4

La hiptesis alternativa tambin se considera como al menos dos calificaciones medias no son
iguales. Si no se rechaza la hiptesis nula, se concluye que no hay una diferencia en las
calificaciones medias para las cuatro aerolneas. Si rechaza H0, concluye que hay una diferencia
en al menos un par de calificaciones medias, pero en este punto no se sabe cul par o cuantos
pares difieren.

Paso 2: Seleccione el nivel de significancia. Selecciono el nivel de significancia es 1 %.

Paso 3: Determine el estadstico de prueba. El estadstico de prueba sigue la distribucin F.

Paso 4: Formule la regla de decisin. Para determinar la regla de decisin, necesita el valor crtico.
El valor crtico para el estadstico F se determina mediante la tabla F = 1 %. Para utilizar esta tabla
necesita conocer los grados de libertad en el numerador y el denominador. Los grados de libertad
en el numerador son iguales al nmero de tratamientos, designado k, menos 1. Los grados de
libertad en el denominador son el nmero total de observaciones, n, menos el nmero de
tratamientos. Para este ejemplo hay cuatro tratamientos y un total de 22 observaciones.

Grados de libertad en el numerador = k 1 = 4 1 = 3

Grados de libertad en el denominador = n k = 22 4 = 18

Consulte la tabla de la Distribucin F con nivel de significancia 0.01. Muvase horizontalmente

por la parte superior de la pgina a tres grados de libertad en el numerador. Despus vaya hacia
abajo por esa columna hasta la fila con 18 grados de libertad. El valor en esta interseccin es
FTAB = 5.09. Por tanto, la regla de decisin es rechazar H0 si el valor calculado de F es mayor que
5.09

11/18
Estadstica Inferencial
Ing. Ramn Rincones

Paso 5: Seleccione la muestra, realice los clculos y tome una decisin. Es conveniente resumir
los clculos del estadstico F en una tabla ANOVA. El formato para una tabla ANOVA es como
sigue. En los paquetes de software estadstico tambin se emplea este formato.

Cuadro 1: ANOVA
Cuadro de ANOVA (ANAVAR)
Fuente de Suma de Grados de Media Cuadrtica Fcal
Variacin Cuadrados Libertad
Tratamientos SCT k-1 SCT / (k-1) = MCT MCT / MCE
Error SCE n-k SCE / (n-k) = MCE

TOTAL SC TOTAL n-1

Existen tres valores, la Suma de los Cuadrados (SC) que se utiliza para calcular F. Es posible
encontrar estos valores determinado el total la suma de los cuadrados y la suma cuadrtica de
los tratamientos; y luego encontrar la suma de los cuadrados de los errores mediante una resta.
El trmino del total de la suma de los cuadrados se encuentra en la variacin total; la suma de los
cuadrados de los tratamientos es la variacin que se debe stos; y la suma de los cuadrados de
los errores es la variacin dentro de cada tratamiento. Para encontrar el valor de F, se trabaja en
el cuadro de ANOVA.

Los grados de libertad para el numerador y el denominador son los mismos que para
encontrar los valores crticos de F (valores tabulados de F).

El trmino MEDIA DE CAUDRADOS es otra expresin para un estimado de la varianza. La

media de cuadrados para los tratamientos es la suma de los cuadrados de los tratamientos
divididos en los grados de libertad. El resultado es la MEDIA DE LOS CUADRADOS DE LOS
TRATAMIENTOS (SCT).

Mientras que la MEDIA DE CUADRADOS DE LOS ERRORES (MCE) se calcula de manera

similar, Se divide el trmino de la suma de los cuadrados de los errores entre los grados de
libertad.

Para concluir el proceso y encontrar F, se divide la MEDIA DE CAUDRADOS DE LOS

TRATAMEINTOS (MCT) entre la MEDIA DE CUADRADOS DE LOS ERRORES (MCE)

Por general, el proceso se comienza encontrando la suma total de los cuadrados de las
diferencias entre cada observacin y la media global. La frmula para encontrar la SUMA TOTAL
DE CUADRADOS (SCT):

SCTotal = X2 (X)2 / n
Donde:
12/18
Estadstica Inferencial
Ing. Ramn Rincones

X2 = Valores de X elevados al cuadrado y luego sumados

(X)2 = Valores de X sumados y luego elevados al cuadrado
n = Nmero total de observaciones

Mientras que la SUMA CUADRATICA DE LOS TRATAMIENTOS (SCT)

SCT = (TC2/nc) - (X)2/n

Donde

Tc = Total de columnas para cada tratamiento

nc = Nmero de observaciones (tamao de la muestra) para cada tratamiento
Finalmente, se determina el error de la SUMA DE LOS CUADRADOS (SCE)

SCE = SCTOTAL SCT

Los clculos detallados (ver cuadro 2) para este ejemplo se muestran a continuacin:

Cuadro 2: Clculos necesarios para determinar el valor de F

Lnea 1 Lnea 2 Lnea 3 Lnea 4 TOTAL
X X2 X X2 X X2 X X2
94 8836 75 5625 70 4900 68 4624
90 8100 68 4624 73 5329 70 4900
85 7225 77 5929 76 5776 72 5184
80 6400 83 6889 78 6084 65 4225
88 7744 80 6400 74 5476
68 4624 65 4225
65 4225

Tc 349 391 510 414 1.664

nc 4 5 7 6 22
X2 30.561 30.811 37.338 28.634 127.344

Una vez elaborado este cuadro 2, no es necesario hacerlo si Ud. el diestro con la calculadora. Sin
embargo, lo recomiendo, para facilitar los clculos y evitar equivocaciones y errores numricos.
Ahora se procede calcular las variables necesarias para completar el cuadro de ANOVA y
eventualmente determinas Fcal

13/18
Estadstica Inferencial
Ing. Ramn Rincones

Procedimiento:
Primero: La Variacin Total

SCTOTAL = X2 (X)2/n = 127.344 (1664)2 /22 = 1.485,09

Segundo: Variacin de los Tratamientos

SCT = (TC2/nc) - (X)2/n = (3492/4) + (3912/5) + (5102/7) + (4142/6) (16642 /22) = 890,68

Tercero: Por diferencias, se determina la VARIACIN DE ERROR (SCE):

SCE = SCTOTAL SCT = 1.485,09 - 890,68 = 594,41

Cuadro 3: Resultados
Cuadro de ANOVA (ANAVAR)
Fuente de Suma de Grados de Media Cuadrtica Fcal
Variacin Cuadrados Libertad
Tratamientos SCT k-1 SCT / (k-1) = MCT MCT / MCE
Error SCE n-k SCE / (n-k) = MCE

TOTAL SC TOTAL n-1 Fcal =

Continuacin
Cuadro de ANOVA (ANAVAR)
Fuente de Suma de Grados de Media Cuadrtica F
Variacin Cuadrados Libertad
Tratamientos 890,68 3 890,68/3= 296,89
Error 594,41 18 594,41/18=33,02 296,89/33,02

TOTAL 1.485,09 21 Fcal = 8,99

Nota:
k = 4; n = 22; GLnumerador = k-1 = 4 1 = 3; GLdenominador = n 1 = 22 4 = 18

Conclusin:

El valor calculado de F es 8.99, el cual es mayor que el valor critico de 5.09, por tanto, la
hiptesis nula se rechaza, para un nivel de significancia del 1 % y tres grados de libertad para el
numerador y 18 grados de libertad para el denominador. La conclusin es que no todas las
medias poblacionales son iguales.

Interpretacin:

14/18
Estadstica Inferencial
Ing. Ramn Rincones

Las calificaciones medias no son iguales para las cuatro aerolneas. Es probable que las
calificaciones de los pasajeros se relacionen con una aerolnea particular. En este punto solo es
posible concluir que hay una diferencia en las medias del tratamiento. No se puede determinar
cules ni cuantos grupos de tratamientos difieren.

Tarea:
Clean es un nuevo limpiador multiusos a prueba en el mercado, y se han colocado
exhibidores en tres lugares distintos dentro de varios supermercados. A continuacin, se reporta
la cantidad de botellas de 12 onzas vendida en cada lugar del supermercado.

Con un nivel de significancia de 0,05, hay alguna diferencia en el nmero medio de botellas
vendido en los tres lugares?

a) Formule las hiptesis nula y alternativa.

b) Cul es la regla de decisin?
c) Calcule los valores de SS total, SCT y SCE.
d) Elabore una tabla ANOVA.
e) Cul es su decisin respecto de la hiptesis nula?

Respuesta:

15/18
Estadstica Inferencial
Ing. Ramn Rincones

Tabla de la distribucin F para el 5%

16/18
Estadstica Inferencial
Ing. Ramn Rincones

Tabla de la distribucin F para el 1%

17/18
Estadstica Inferencial
Ing. Ramn Rincones

REFERENCIAS

Johnson, R y Kuby, P. (2008). Estadstica Elemental. 10ma edicin. Cengage Learnig. Mxico.

18/18
Estadstica Inferencial
Ing. Ramn Rincones

Montgomery, D. (1991). Diseo y Anlisis de Experimentos. Grupo Editorial Iberoamericano.

Mxico.

Lind, D, y otros (2008). Estadstica aplicada a los negocios y la economa. 13ma. Edicin. McGraw-
Hill Interamericana, Mxico.

Levin, R. y Rubn, D. (2004) Estadsticas para administracin y economa. 7ma edicin. Pearson
Educacin. Mxico.

19/18