CURSO A DISTANCIA DE ENTRENAMIENTO PERSONALIZADO

Primera Edición – Año 2006

Análisis de Varianza
Simple (ANOVA)
Prof. Facundo Ahumada

Análisis de Varianza Simple (ANOVA)

El concepto de análisis de varianza simple o a veces llamado a una vía (ANOVA) es una extensión del
test t independiente. El ANOVA simple permite la evaluación de la hipótesis nula (no hay diferencias
entre los grupos) entre dos o más valores medios con la restricción de que los grupos representan
niveles de la misma variable independiente. Un ejemplo en el que se debería utilizar ANOVA sería si
se quisiera determinar cuales son los alumnos, correspondientes a 12 facultades diferentes, que tienen
el mayor coeficiente intelectual (CI), una vez recolectados los resultados, para comparar 12 valores
promedio es necesario utilizar al análisis de varianza.

Cálculo del ANOVA Simple

Aquí se proporcionan las ecuaciones que son necesarias para el cálculo del ANOVA simple, así como
la explicación acerca de cómo interpretar los resultados cuando se utiliza esta herramienta de la
estadística inferencial.

A=∑X2: esto representa la sumatoria del cuadrado del valor de cada sujeto, sin tener en cuenta al
grupo que corresponde cada sujeto, y así se establece el valor de A.
B=(∑X)2/N: este valor representa el cuadrado de la sumatoria del valor de cada sujeto, sin tener en
cuenta al grupo al que pertenece cada sujeto, dividido por el número total de sujetos.
C=(∑X1)2/n1 + (∑X2)2/n2 + …… + (∑Xi)2/ni: este valor representa la sumatoria del cuadrado de la
sumatoria del valor de cada sujeto correspondiente a cada grupo dividido por el número de sujetos
correspondiente a cada grupo.

Tabla para ANOVA

SS df MS F
Entre (verdadero) ó
C-B k-1 (C-B)/(k-1) MSB/MSW
between (true)
Dentro (error) ó within
A-C N-k (A-C)/(N-k)
(error)
Total A-B N-1
X=valor de cada sujeto de todo el grupo, Xi, valor de cada sujeto de un grupo, N=número total de
sujetos, n=número de sujetos en un grupo, k=número de grupos, SS=suma de cuadrados, df=grados
de libertad, MS=cuadrado medio.

Notar que algunos términos se dejan en su idioma original, para que puedan ser reconocidos si son
encontrados en algún texto o artículo en idioma inglés.

Ahora tomemos como ejemplo para aplicar el análisis de varianza (ANOVA) a 15 estudiantes de nivel
secundario a los cuales se les enseño una serie de movimientos en un período de tiempo, y que luego
fueron evaluados acerca del aprendizaje de estos movimientos. Había tres grupos experimentales, al
grupo 1 se le enseñó proyectando un video, y un docente realizó correcciones mientras los estudiantes
veían el video. El grupo 2 vio el video, y el docente solo hizo correcciones generales mientras los
alumnos veían el video. El docente les enseño los movimientos sin poder ver el video. Los puntajes de
cada grupo son presentados más abajo.

Grupo 1 Grupo 2 Grupo 3

2 2
X X X X X X2
12 144 9 81 6 36
10 100 7 49 7 49
11 121 6 36 2 4
7 49 9 81 3 9
10 100 4 16 2 4
∑ 50 514 35 263 20 102
Promedio 10 7 4

Si ahora calculamos cada uno de los valores antes presentados, tenemos que:

A=514 + 263 + 102 = 879

B=(50 + 35 +20)2/15=735

C=(50x50)/5 + (35x35)/5 + (20x20)/5

SS df MS F
Entre (verdadero) ó
90 2 45 10.00
between (true)
Dentro (error) ó within
54 12 4.5
(error)
Total 144 14

De este modo, el valor F obtenido es igual a 10.00, el valor F es el equivalente al valor t obtenido en el
test t de Student. Ahora lo que se debe hacer es comparar este valor F obtenido con un valor de tabla,
para así determinar si hay diferencias significativas entre los grupos. En la tabla de referencia hay
valores correspondientes a una significancia de p<0.05 ó p<0.001, de acuerdo al grado de significancia
que se requiera. Como puede apreciarse el valor F se obtiene como un cociente de un valor cuadrado
medio entre o between sobre otro valor cuadrado medio dentro o within, cada uno de estos valores
tiene sus grados de libertad correspondientes, en la tabla de referencia (ver Tabla ANOVA) los valores
correspondientes al cuadrado medio entre (numerador) corresponden a los valores que forman las
diferentes filas de la tabla (valores horizontales o n1 en la tabla de referencia) y los valores
correspondientes al cuadrado medio dentro (denominador) corresponden a las diferentes columnas de
la tabla (valores verticales o n2 en la tabla de referencia).
Tabla para ANOVA

1 2 3 4 5 6 7 8 9 10 11 12

161 200 216 225 230 234 237 239 241 242 243 244
1
4.052 4.999 5.403 5.625 5.764 5.859 5.928 5.981 6.022 6.056 6.082 6.106

18.51 19.00 19.16 19.25 19.30 19.33 19.36 19.37 19.38 19.39 19.40 19.41
2
98.49 99.00 99.17 99.25 99.30 99.33 99.34 99.36 99.38 99.40 99.41 99.42

10.13 9.55 9.28 9.12 9.01 8.94 8.88 8.34 8.81 8.78 8.76 8.74
3
34.12 30.82 29.46 28.71 28.24 27.91 29.67 27.49 27.34 27.23 27.13 27.05

7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.93 5.91
4
21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.30 14.66 14.54 14.45 14.37

6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.78 4.74 4.70 4.68
5
16.26 13.27 12.06 11.39 10.97 10.67 10.45 10.27 10.15 10.05 9.96 9.39

5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00
6
13.74 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.37 7.79 7.72

5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.63 3.60 3.57
7
12.25 9.55 8.45 7.85 7.46 7.19 7.00 6.84 6.71 6.62 6.54 6.47

5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.34 3.31 3.28
8
11.26 8.65 7.59 7.01 6.63 6.37 6.19 6.03 5.91 5.82 5.74 5.67

5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.13 3.10 3.07
9
10.56 8.02 6.99 6.42 6.06 5.80 5.62 5.47 5.35 5.26 5.18 5.11

4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.97 2.94 2.91
10
10.04 7.56 6.55 5.99 5.64 5.39 5.21 5.06 4.95 4.85 4.78 4.71

4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.86 2.82 2.79
11
9.65 7.20 6.22 5.67 5.32 5.07 4.88 4.74 4.63 4.54 4.46 4.40

4.75 3.88 3.49 3.26 3.11 3.00 2.92 2.85 2.80 2.76 2.72 2.69
12
9.33 6.93 5.95 5.41 5.06 4.82 4.65 4.50 4.39 4.30 4.22 4.16

4.67 3.80 3.41 3.18 3.02 2.92 2.84 2.72 2.77 2.63 2.63 2.60
13
9.07 6.70 5.74 5.20 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96

4.60 3.74 3.34 3.11 2.96 2.85 2.77 2.70 2.65 2.60 2.56 2.53
14
8.86 6.51 5.56 5.03 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80

4.54 3.68 3.29 3.06 2.90 2.79 2.70 2.64 2.59 2.55 2.51 2.48
15
8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.73 3.67
 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.45 2.42
16
8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.61 3.55

4.45 3.59 3.20 2.96 2.81 2.70 2.62 2.55 2.50 2.45 2.41 2.38
17
8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.52 3.45

4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34
18
8.28 6.01 5.09 4.58 4.25 4.01 3.85 3.71 3.60 3.51 3.44 3.37
Los valores horizontales son los grados de libertad n1 y los valores verticales son los grados de
libertad n2. Notar que siempre hay dos valores, el valor superior corresponde a un nivel de
significancia p<0.05 y el inferior a un valor de p<0.001.

Teniendo en cuenta los valores que fueron obtenidos, en nuestra tabla buscamos un valor de n1=2 y un
valor de n2=12, cuando buscamos en la tabla y obtenemos un valor de 3.88 y otro valor de 6.93. Como
el valor que encontramos en los cálculos es mayor al valor de tabla (a ambos niveles de significancia),
concluimos que hay diferencias significativas entre los grupos.

Test de Seguimiento ó Follow-up

Ahora ya sabemos que hay diferencias significativas entre los grupos, lo que tenemos que averiguar
ahora es entre cuales grupos hay diferencias significativas.

Los métodos para realizar esto incluyen al test Scheffé, Tukey, Newman-Keuls, Duncan y muchos
otros. En este caso vamos a utilizar al test Scheffé.

La técnica Scheffé tiene un valor crítico para la comparación de todos los valores medios cuando el
valor F del test ANOVA es significativo.

Este valor, llamado valor t es el siguiente:

t=((k-1).F)1/2

Donde el valor k y el valor F es el mismo que fue determinado en el ejemplo anterior, por lo tanto:

t=((3-1).3.88)1/2=2.79
Luego hay que calcular un valor crítico para las tres comparaciones, lo cual se hace del siguiente
modo:

t1-2= (M1 – M2) / ((MSdentro/n).2)1/2

t1-2= (10 – 7) / ((4.5/5).2)1/2

t1-2=2.24

t1-3=4.48

t2-3=2.24

Lo que hay que hacer ahora es comparar el valor crítico obtenido inicialmente (2.79) con los valores
obtenidos para cada grupo, si cualquiera de estos valores es mayor al valor crítico obtenido
inicialmente, las diferencias entre ambos grupos son significativas, en este caso a un nivel de
significancia p<0.05, ya que el valor F había sido obtenido para este nivel de signficancia.
En conclusión, en el siguiente manuscrito se presenta la definición del análisis de varianza (ANOVA)
así como un ejemplo en donde tiene aplicación este test, y se presenta también un test de seguimiento
o follow-up para determinar cuales valores medios difieren en forma significativa. Se sugiere realizar
los cálculos, los cuales pueden ser llevados a cabo con una calculadora, para que el test estadístico
pueda ser adecuadamente entendido.

Bibliografía

1. Thomas Jerry R., Jack K. Nelson. Research Methods in Physical Activity. Third Edition, Ed.,
Human Kinetics, 1996.

Bibliografía Recomendada

2. Downie N.M., R.W., Heath. Métodos Estadísticos Aplicados. Ed., Harper & Row Publishers
Inc., 1971.