ANOVA Multifactorial Este procedimiento est diseado para construir un modelo estadstico describiendo el impacto de dos o ms factores categricos

en este caso los factores que influyen en la capacidad del dispensador para distribuir mdicamentos con valor facmacoterpeutico en la ciudad de Juliaca. Se realizaran pruebas para determinar si hay o no diferencias significativas entre las medias a diferentes niveles de los factores y si hay o no interacciones entre los factores. Por lo tanto para determinar si los factores tienen o no un efecto significativo en la variable dependiente, se realiza un anlisis de varianza. Los resultados sern desplegados en la Tabla ANOVA:

La tabla divide la variabilidad total entre las n mediciones en varios componentes: primero componente atribuible a los Efectos Principales que influyen en el dispensador, que mide la variabilidad entre las respuestas medias a cada nivel del factor.Segundo un componente atribuible a la Interaccin entre diferentes factores. Ocurre una interaccin si el efecto de un factor depende del nivel de otro factor. Tercero si hay Covariacin presenta un componente atribuible a cada covariacin. Y por ultimo un componente Residual, que mide la variabilidad entre sujetos a niveles idnticos de los factores. En el cuadro ANOVA se presenta la suma de cuadrados calculada segn la varianza de los totales:

Esta Varianza de los totales multiplicada por el nmero de los sujetos nos da la suma de cuadrados, con cuyo valor se calcula la F directamente con la siguiente formula:

El siguiente paso es calcular la suma de cuadrados total, nos va a hacer falta de nuevo la varianza de los totales, que multiplicada por N nos va a dar la suma de cuadrados total, la frmula queda simplificada as:

De particular importancia es la razn de F, que prueba la hiptesis de que la respuesta media para todos los niveles de X es la misma. Formalmente, prueba la hiptesis nula versus la hiptesis alterna. H0: 1 = 2 = ... = q HA: no todas las j iguales En el caso de este anlisis estadstico los F-radios son de particular importancia as como sus P-Valores asociados. P-Valores pequeos (menores que 0.05 si se opera a un nivel de significancia del 5%) corresponden a efectos significativos. Que ayudarna a sustentar estadsticamente los resultados obtenidos. El ANOVA que se usara, fue desarrollada por Hunter (2005), es una tcnica para desplegar grficamente la importancia de cada factor en el anlisis. Es una grfica de efectos escalados de cada factor, donde el efecto de un factor es igual a la diferencia entre la media de mnimos cuadrados para el nivel del factor y la media total estimada. Cada uno de los efectos es multiplicado por un factor escalador, donde R es los grados de libertad residuales, T es los grados de libertad del efecto principal del factor, ni es igual al nmero de observaciones en el i-simo nivel del factor, y n es el nmero promedio de observaciones a todos los niveles del factor. Los reultados tambien sern expresado en grficos de caja y bigotes o histogramas segn el grado de correlacin que muestren. Pruebas de Rangos Mltiples Con el propsito de validar los resultados de la anterior prueba se determinara que medias son significativamente diferentes, para factores que muestran P-Valores significativos en la tabla ANOVA y que no interactan con otros factores, se realizara un anlisis posterior denominado Pruebas de RangosMltiples. Segn el metodo de

Tukey HSD que ensancha los intervalos para permitir comparaciones mltiples entre todos los pares de medias usando la t de Tukey. Tukey llam a su procedimiento el de Diferencia Honestamente Significativa ya que controla la tasa de error experimental a . Si todas las medias son iguales, la probabilidad de declarar a cualquiera de los pares como significativamente diferentes en todo el experimento es igual a . El procedimiento de Tukey es ms conservador que el procedimiento LSD de Fisher, pues hace ms difcil declarar cualquier par particular de medias como significativamente diferentes.