UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

FACULTAD DE INGENIERIA ZOOTECNIA

ESTADÍSTICA PARA LA
INVESTIGACIÓN AGROPECUARIA.

ANÁLISIS DE VARIANCIA.

Ing. M. Sc. Carlos H. Pomares Neira

cpomaresn@hotmail.com
ANÁLISIS DE VARIANCIA.
Es una técnica estadística
Que permite descomponer la variabilidad total de los
resultados de un experimento en sus distintas fuentes
(factores, tratamiento, bloques, interacciones entre factores,
covariables, error experimental).
Con la finalidad de compararlas e identificar su importancia
relativa en la explicación de la variabilidad total.

Ing. Carlos H. Pomares Neira M.Sc.

SUPUESTOS DEL ANÁLISIS DE VARIANCIA.
• Homogeneidad de variancia,
• Normalidad,
• Aditividad y
• Linealidad del modelo, e
• Independencia.

Ing. Carlos H. Pomares Neira M.Sc.

Variancias Homogéneas (Homocedasticidad):
Las diversas poblaciones generadas por la aplicación de
dos o más tratamientos tienen variancias de los diferentes
promedios son homogéneas (variancia común).
Por lo general, en el análisis de variancia utilizamos un
promedio de n variancias (CME) para obtener la mejor
estimación de la variancia común.

Ing. Carlos H. Pomares Neira M.Sc.

Pero si las variancias dentro de tratamientos fuesen de
hecho distintas, no tendríamos justificación para combinarlas
Por que el promediar variancias de tratamientos mayores y
menores podría arrojar resultados engañosos.
La diferencia entre dos tratamientos con variancias grandes
puede ser considerada significativa cuando en realidad ésta
pudo haber ocurrido fácilmente, por casualidad.
Por otro lado, la diferencia entre dos tratamientos con
variancias pequeñas puede ser declarada no significativa
cuando de hecho lo era.

Ing. Carlos H. Pomares Neira M.Sc.

NORMALIDAD.
Por fortuna, las desviaciones del supuesto de normalidad no
afectan muy seriamente la validez del análisis de variancia.
Los valores resultado del experimento provienen de una
distribución de probabilidad «normal» con promedio µ y
variancia σ2 .
En resumen, la mayor seguridad contra violaciones
evidentes de este supuesto del análisis de variancia
Consiste en llevar a cabo la distribución de la unidad
experimental en forma aleatoria adecuada al diseño
experimental en particular, que se está utilizando.

Ing. Carlos H. Pomares Neira M.Sc.

ADITIVIDAD Y LINEALIDAD DEL MODELO.
Los factores o componentes del modelo estadístico son
aditivos, es decir la variable respuesta es la suma de los
efectos del modelo estadístico.
La relación existente entre los factores o componentes del
modelo estadístico es del tipo lineal.
Los efectos principales son aditivos
Para cada diseño experimental existe un modelo matemático
denominado modelo lineal aditivo (debido a que los términos
de éste se suman).

Ing. Carlos H. Pomares Neira M.Sc.

INDEPENDENCIA.
Las variancias y los promedios de las distintas muestras no
están correlacionadas.
Los resultados observados de un experimento son
independientes entre sí.
En cuanto a independencia, es importante evitar que la UE
que reciben un mismo tratamiento sean subdivididas para
referirnos a ellas como repeticiones.

Ing. Carlos H. Pomares Neira M.Sc.

En algunos datos existe una relación definida entre los
promedios de las muestras y sus variancias.
Este es un caso especial y la causa más común de
heterogeneidad de variancia.
Una correlación positiva entre promedios y variancias suele
encontrarse cuando existe un amplio rango de promedios
de la muestra.
Afortunadamente, esto no sucede con frecuencia
A menudo podemos transformar los datos en forma tal que
el supuesto de independencia entre variancia y promedios
sea válido.
Luego podemos proceder con el análisis de variancia de
los datos transformados.

Ing. Carlos H. Pomares Neira M.Sc.

FUENTES DE VARIACIÓN.
Una fuente de variación está constituida por cualquier
factor o conjunto de factores controlados o no por el
investigador que afecta los resultados del experimento.

Se distinguen tres tipos:

• Aquellas cuyo efecto sobre la respuesta es de particular
interés para el experimentador (factores tratamiento).
• Aquellas que no son de interés directo pero que se
contemplan en el diseño para reducir la variabilidad no
planificada (factores bloques).
• Aquellas que no son contempladas en el diseño (error
experimental).

Ing. Carlos H. Pomares Neira M.Sc.

Ejemplo:
En un experimento en el que se desean evaluar distintos
niveles de abono nitrogenado en sorgo
Los niveles de nitrógeno y la disponibilidad de los surcos
en el terreno generarán variabilidad en el rendimiento.
El interés del investigador está en evaluar el efecto de los
niveles de nitrógeno y no el efecto de la ubicación de los
surcos
Sin embargo ambos factores deben ser controlados; el
primero es un factor tratamiento.

Ing. Carlos H. Pomares Neira M.Sc.

GRACIAS POR SU
ATENCIÓN