

Diseños con Datos No

Balanceados
—

1 © 2 01 8 Asturias Corporación Universitaria

 Diseños con Datos No Balanceados

Índice

1 Diseños con Datos No Balanceados ........................................................................................................ 3

2 Los Supuestos del Modelo ............................................................................................................................ 3
2.1 Supuestos de Normalidad ................................................................................................... 4
2.2 Homogeneidad de Varianza ............................................................................................... 4
2.3 Autocorrelación .......................................................................................................................... 4
3 Resumen ................................................................................................................................................................... 5
4 Referencias Bibliográficas .............................................................................................................................. 5

02 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria . Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.

“Diseño no balanceado es cuando nos
encontramos con un solo factor que
contiene distintos números de
observaciones por cada nivel de factor”
“El modelo contiene las variables que
deben estar en el modelo, sin que sobren o
falten”
03
Diseños con Datos No Balanceados
Objetivos
 Objetivo 1: Comprender el significado de los datos no balanceados.
 Objetivo 2: Entender que las variables escogidas son las que tienen que estar
en el modelo, además de los supuestos de normalidad homogeneidad de
varianza y autocorrelación de los errores.
1 Diseños con Datos No Balanceados
Existen algunos casos en que los experimentos con un solo factor contienen distinto
número de observaciones por cada nivel del factor. Se dice entonces de un diseño no
balanceado.
Entonces es posible aplicar toda la teoría mostrada anteriormente, teniendo en cuenta el
hecho de que existen tamaños de muestra distintos por grupos, las fórmulas para las sumas
de cuadrado queda como sigue. Sea que se hagan 𝒏𝒊 observaciones bajo el tratamiento 𝒊
con (𝒊 = 𝟏, 𝟐, … , 𝒂) y que 𝑵 = ∑𝒂𝒊=𝟏 𝒏𝒊
𝑎 𝑛𝑖
2
𝑦..2
𝑆𝑆𝑇 = ∑ ∑ 𝑦𝑖𝑗 −
𝑁
𝑖=1 𝑗=1
Y
𝑎
𝑦𝑖.2 𝑦..2
𝑆𝑆𝑇𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 = ∑ −
𝑛𝑖 𝑁
𝑖=1
Luego de esto, no se requieren más cambios en el análisis de varianza.
2 Los Supuestos del Modelo
Debido a que la teoría del análisis de varianza se basa en el planteamiento de un modelo de
regresión lineal, el hecho de que la descomposición de la varianza por grupos, dentro y
entre los tratamientos, explique la variabilidad de las medias de los tratamientos, depende
enteramente de que el modelo asociado al diseño cumpla con unos supuestos, en especial
el de que el modelo describe bien a las observaciones del experimento, es decir, que las
variables escogidas son las que tienen que estar en el modelo y no sobran o faltan, además
de los supuestos de normalidad, homogeneidad de varianza y autocorrelación de los
errores.
ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®
Not a Técnica preparada por Ast urias Corporación Universit aria . Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.

“El supuesto de normalidad es el hecho de
asumir que 𝜀𝑖 ~𝑁(𝜇, 𝜎 2)”
“El supuesto de homogeneidad de varianza
indica que la varianza es constante en todos
los errores”
“El supuesto de autocorrelación indica que
los errores deben ser incorrelacionados o
no correlacionados entre sí”
04
Diseños con Datos No Balanceados
2.1 Supuestos de Normalidad
El supuesto de normalidad para los errores, como su nombre lo indica, es el hecho de
asumir que los 𝜀𝑖 ~𝑁(𝜇, 𝜎 2 ). Esto implica la herencia del supuesto de normalidad a la
variable respuesta por propiedad de linealidad. A continuación veremos algunos
procedimientos para verificar este supuesto.
 Un procedimiento es hacer una gráfica para verificar las desviaciones de la
normal con el llamado 𝑄 − 𝑄 plot, que lo que hace es graficar los cuantiles de la
distribución teórica contra los residuales ordenados. Si se denota una tendencia
lineal, se podría entonces asumir normalidad.
 Otro procedimiento son unas pruebas formales acogidas como estándar para la
verificación del supuesto. Estas pruebas ya vienen programadas en paquetes de
software estadístico, sin embargo existen textos guías que anexan sus valores
tabulados. Debido a la no pertinencia de su aplicación a éste por ser de tipo
introductorio, solo se mencionaran sus nombres. Las pruebas más conocidas son:
Prueba de Kolmogorov Smirnof y la Prueba de Shapiro Wilks.
2.2 Homogeneidad de Varianza
El supuesto de homogeneidad de varianza indica que la varianza es constante en todos
los errores o lo que es lo mismo que es igual para todos, esto es 𝑉(𝜀𝑖 ) = 𝜎 2 . Como en el
caso anterior, para la normalidad se listan algunos procedimientos para la verificación
del supuesto, haciendo la salvedad de que para su aplicación lo mejor es recurrir a un
paquete estadístico ya que sus cálculos implican algún grado de dificultad.
 Gráficos se pueden graficar los 𝜀̂ contra los 𝑦̂ para verificar una dispersión
aleatoria arriba y debajo de la línea 𝜀̂ = 0, otro grafico puede ser 𝜀̂ contra
𝑋𝑖 y análogamente al anterior cualquier diferencia en la magnitud de la
dispersión alrededor de cero sugiere varianzas heterogéneans.
 Existen varias pruebas formales que ayudan según su aplicación bajo ciertas
características a la detección de heterocedasticidad en la varianza algunas de
ellas son: Prueba de Bartlett, Prueba de Goldfeld – Quandt, Prueba de Breusch
– Pagan y la Prueba de White.
2.3 Autocorrelación
El supuesto de autocorrelación indica que los errores deben ser incorrelacionados o no
correlacionados entre sí, esto es 𝑪𝒐𝒗(𝜺𝒊, 𝜺𝒋 ) = 𝟎.
Existen procedimientos en la teoría de las series temporales que ayudan a determinar el
supuesto de correlación serial pero la más conocida y de mayor aplicación, es la Prueba de
Durbin Watson, sin embargo, al igual que en los anteriores casos, depende de una buena
percepción del problema y se recomienda el uso de un paquete de software estadístico.
ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®
Not a Técnica preparada por Ast urias Corporación Universit aria . Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Diseños con Datos No Balanceados

3 Resumen
 Existen algunos casos en que los experimentos con un solo factor contienen
distinto número de observaciones por cada nivel del factor. Se dice entonces de
un diseño no balanceado.

 El hecho de que la descomposición de la varianza por grupos explique la

variabilidad de las medias de los tratamientos, depende enteramente de que el
modelo asociado al diseño cumpla con unos supuestos, en especial el de que el
modelo describe bien a las observaciones del experimento, es decir, que las
variables escogidas son las que tienen que estar en el modelo y no sobran o
faltan, además de los supuestos de normalidad, homogeneidad de varianza y
autocorrelación de los errores.

4 Referencias Bibliográficas
 Miranda, I. E., Palacín, F., Sánchez, M. L., Márquez, M., Chía, A. R., Navas, A. S., y
otros. (3ra. Edición 2006). Estadística Descriptiva y Probabilidad. Cádiz: Servicio de
Publicaciones de la Universidad de Cádiz.

 Montgomery, D., & R., R. (2da. Edición 2008). Probabilidad y Estadística Aplicada a la
Ingeniería. México: Limusa Wiley.

 Walpole, R., Myers, R., & Myers, S. y. (2007). Probabilidad y Estadística para
Ingeniería y Ciencias. México: Pearson.

05 ASTURIAS CORPORACIÓN UNIVERSITARIA 2018®

Not a Técnica preparada por Ast urias Corporación Universit aria . Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.