ANOVA a una vía

ANOVA: prueba paramétrica que se emplea para probar si dos o más

poblaciones tienen la misma media.

Enfoques del análisis de varianza

a) ANOVA a una vía

b) ANOVA a dos vías

c) Análisis factorial

d) Diseño en cuadrado latino.

 ANOVA a una vía

Suposiciones esenciales para el empleo de ANOVA:

a) Todas las poblaciones involucradas son normales.

b) Todas las poblaciones tienen la misma varianza.

(homocedasticidad).

c) Las muestras se seleccionan independientemente.

 ANOVA a una vía

Prueba de hipótesis empleando ANOVA:

Ho: 𝜇1 = 𝜇2 =…=𝜇𝑛
Ha: 𝜇1 ≠ 𝜇2 ≠…≠ 𝜇𝑛

La distribución de probabilidad que se emplea en

ANOVA se conoce como distribución F.
 Pasos para el cálculo de ANOVA

1) Determinar una estimación de la varianza de la

población a partir de la varianza entre las medias de
las muestras.

2) Determinar una segunda estimación de la varianza

de la población a partir de la varianza dentro de las
muestras.

3) Comparar estas dos estimaciones. Si su valor es

aproximadamente igual, se acepta la hipótesis nula.
 Uso de la distribución F en ANOVA

Características de una distribución F:

a) Existe una familia de distribuciones F.

b) La distribución F es continua.
c) La distribución F no puede ser negativa.
d) Tiene sesgo positivo.
e) Es asintótica
Uso de la distribución F en ANOVA
 Ji – cuadrado (χ2 ) como prueba de independencia

Ji cuadrado es una prueba no paramétrica que índica

si dos variables generalmente cualitativas (nominales
u ordinales) se relacionan entre sí.

Ho: Las variables son independientes entre sí. (las

variables no se relacionan entre sí).

Ha: Las variables son dependientes entre sí. (las

variables se relacionan entre sí)
 Conceptos básicos empleados en Ji-Cuadrado

Tabla de contingencia: tabla que resume de manera

simultánea dos variables de interés de escala nominal.

Frecuencia observada: frecuencia que se encuentra en

la tabla original de contingencias.

Frecuencia esperada: frecuencia que esperaríamos ver

en una tabla de contingencias o distribución de
frecuencias si la hipótesis nula es verdadera.
 Fórmulas utilizadas en Ji - Cuadrado

Valor observado de la prueba:

2
2
(𝑓𝑜 − 𝑓𝑒 )
χ =෍
𝑓𝑒

Frecuencia esperada:
(𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠)(𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠)
𝑓𝑒 =
𝐺𝑟𝑎𝑛 𝑡𝑜𝑡𝑎𝑙
Distribución Ji - Cuadrado
 Distribución Ji - Cuadrado

Valor crítico de ji – cuadrada depende de:

a) gl = (Número de filas – 1) (Número de columnas – 1)

b) Nivel de significancia: únicamente se

presenta en el extremo derecho del
gráfico.
 Características de la distribución ji - cuadrada

a) Los valores de ji – cuadrado nunca son

negativos.

b) Existe una familia de distribuciones de ji –

cuadrada.

c) La distribución ji cuadrada tiene un sesgo

positivo.
 Regresión lineal y Correlación

Regresión lineal: método que se emplea para estimar

una variable llamada dependiente a partir de una
variable conocida llamada independiente.

Análisis de correlación: conjunto de técnicas que

miden el grado de asociación entre dos variables.

Ecuación de regresión: ecuación que expresa la

relación lineal entre dos variables.
 Supuestos del modelo de regresión lineal

a) Linealidad: la ecuación de regresión adopta una forma

en particular.

b) Independencia: los residuos son independientes entre

sí.

c) Homocedasticidad: para cada valor de la variable

independiente la varianza de los residuos es constante.

d) Normalidad: para cada valor de la variable

independiente los residuos se distribuyen normalmente
con media igual a cero.
Ecuación de Regresión Lineal

Ecuación lineal: y = a + bx

y : Variable dependiente
x: Variable independiente
a: Intercepto en el eje y
b: Pendiente de la recta

Si b>0: la regresión es lineal directa

Si b<0: la regresión es lineal inversa
Si b=0: la regresión es constante
 Coeficiente de correlación (Pearson)

Describe la fuerza de relación entre dos conjuntos de

variables en escala de intervalo o de razón.

-1 ≤ r ≤ 1

a) Un valor cercano a 0 indica que hay poca relación

entre las variables.

a) Un valor cercano a -1 o bien a 1 indica una fuerte

relación entre las variables.
 Coeficiente de determinación y error estándar de la
estimación

Proporciona la variación total en la variable

dependiente Y que se explica por la variable
independiente X.

0 ≤ 𝑟2 ≤ 1

El error estándar de la estimación (𝑠𝑦.𝑥) ) mide la

dispersión de los valores observados respecto a la recta
de regresión.
 Gráfico de dispersión

Muestra la relación entre los valores reales y la línea de

regresión.
Muchas gracias.
Dios les bendiga.