Análisis de la Varianza (ANOVA)

Contenidos

• ¿Por qué utilizar ANOVA?

• ¿Qué es ANOVA?
• Fuentes de Variabilidad
• Tabla ANOVA y Gráficos
• ANOVA unidireccional (One Way)
• ANOVA bidireccional (Two Way)

1
 ¿Por Qué Utilizar ANOVA?

Is it a real
difference?

Material Material
A B

Utilizaremos ANOVA cuando es

importante estar seguro que una
diferencia observada no es debida
al azar.

2
¿Qué es el Análisis de la Varianza
(ANOVA)?

El Análisis de la Varianza (ANOVA) es un

método para probar la igualdad de dos o mas
medias de población descomponiendo la
variabilidad dentro de los datos en las fuentes
(o causas) de esa variabilidad.
En otras palabras, ANOVA en un método para
descubrir la importancia de cada fuente de
variabilidad.

3
DISTRIBUCIÓN F
Esta distribución se utiliza como la entidad estadística de
prueba de varios casos. Sirve para probar si dos muestras
proceden de poblaciones con varianzas iguales y también
sirve para cuando se desea comparar simultáneamente varias
medias poblacionales
Características
1.- Existe una familia de distribuciones F. Un elemento
específico de la familia queda determinado por dos
parámetros: los grados de libertad (gl) en el numerados y los
grados de libertad en el denominador
2.- El valor de F no puede ser negativo y se trata de una
distribución continua.
3.- la distribución tiene sesgo positivo

Gl = (29,28)

Gl = (19,6)

Gl = (6,6)

4
Pruebas para la diferencia entre pares de medias.
El análisis de varianza dice si todas las medias son iguales.
Sin embargo, cuando se rechaza la hipótesis nula, el
análisis de varianza no revela cuál(es) media(s) es(son)
diferentes del resto. Se deben utilizar otras pruebas
estadísticas para tomar esta determinación. Estas pruebas
consisten en una comparación por pares, de todos los
pares de medias posibles. Si el valor absoluto (ignorando
los signos) de la diferencia entre dos medias muestrales
cualquiera es mayor que algún estándar, se observa como
una diferencia significativa, y se concluye que las medias
poblacionales respectivas son diferentes.

Se puede determinar este estándar debido a una diversidad

de procedimientos estadísticos incluyendo el método de
Tukey y la diferencia mínima significativa (DMS)

Prueba para diseños balanceados

Tanto el método de Tukey como el DMS se utilizan si existe
igual número de observaciones en cada muestra. Se dice
que el diseño del análisis de varianza son balanceados. Si
el diseño no está balanceado porque las muestras son de
diferentes tamaños, debe utilizarse un método DMS
alternativo.

5
Criterio de Tukey para comparaciones por pares

CME
T = qα,c,n-c
r

q = distribución de rangos
c y n-c grados de libertad
α = nivel de significancia.
c= numero de muestras o
tratamientos (columnas)
n = es el número total de
observaciones en todas las
muestras combinadas.

El criterio estándar de Tukey se compara con la

diferencia absoluta entre cada par de medias
muestrales. Si cualquier par de medias muestrales
tiene una diferencia absoluta mayor que el valor
de T, se puede concluir a un nivel de significancia
dado (5%), que sus medias poblacionales
respectivas no son iguales