ANLISIS DE COVARIANZA (ANCOVA) Uno de los problemas con el que frecuentemente se enfrenta el investigador, es el de controlar aquellos factores que

no le es posible medir y cuyo efecto no puede justificar, los cuales constituyen el error experimental. Una de las formas de minimizar este error es mediante la aleatorizacin de los tratamientos y la utilizacin de material experimental muy homogneo. Sin embargo, la aleatorizacin difcilmente cancela la influencia de las variables involucradas en el error y la disponibilidad de material experimental homogneo no es frecuente en algunos experimentos. Fisher en 1932 desarroll una tcnica conocida como Anlisis de Covarianza, que combina el Anlisis de Regresin con el Anlisis de Varianza. Covarianza significa variacin simultnea de dos variables que se asume estn influyendo sobre la variable respuesta. En este caso se tiene la variable independiente tratamientos y otra variable que no es efecto de tratamientos pero que influye en la variable de respuesta, llamada a menudo: covariable. .El Anlisis de Covarianza consiste bsicamente en elegir una o ms variables adicionales ocovariables que estn relacionadas con la variable de respuesta, evitando que los promedios de tratamientos se confundan con los de las covariables, incrementando de esa manera la precisin del experimento. Por ejemplo: nmero de plantas por unidad experimental, pesos iniciales en animales, grado de infestacin de garrapatas, das de lactancia o edad de destete, etc.; pueden ser covariables que influyan en el resultado final y cuyo efecto de regresin sobre la variable respuesta el investigador desea eliminar, ajustando las medias de tratamientos a una media comn de X. En este anlisis se asume que la variable dependiente Y est asociada en forma lineal con la variable independiente X, existiendo homogeneidad de pendientes. Anlisis de la covarianza Es una combinacin de dos tcnicas: Anlisis de la Varianza y Anlisis de Regresin. En el Anlisis de la Covarianza: La variable respuesta es cuantitativa (y) Las variables independientes son cualitativas y cuantitativas.

 Anlisis de la covarianza unifactorial La variable respuesta (Y) est relacionada con una variable cualitativa () y una o ms variables cuantitativas (X). La variable cualitativa () recibe el nombre de factor La variable cuantitativa (X) recibe el nombre de covariable o variable concomitante. Supuestos de ANCOVA Hay cinco supuestos que subyacen en el uso de ANCOVA y afectan a la interpretacin de los resultados: Supuesto 1: normalidad de los residuos Los residuos deben distribuirse normalmente. Hiptesis 2: la homogeneidad de varianzas Las varianzas de error deben ser iguales para las diferentes clases de tratamiento. Hiptesis 3: la homogeneidad de pendientes de regresin Las pendientes de las diferentes lneas de regresin deben ser iguales. Hiptesis 4: la linealidad de la regresin La relacin de regresin entre la variable dependiente y las variables concomitantes debe ser lineal. Hiptesis 5: la independencia de los trminos de error Los trminos de error deben ser correlacionados. La tercera cuestin, relativa a la homogeneidad de las diferentes pendientes de las regresiones de tratamiento es particularmente importante en la evaluacin de la idoneidad del modelo de ANCOVA. Tambin tenga en cuenta que slo necesitamos los trminos de error que se distribuyen normalmente. De hecho, tanto la variable independiente y variables concomitantes no se distribuyen normalmente en la mayora de los casos

FACULTAD DE CIENCIAS AGROPECUARIAS

Escuela de ingeniera agrcola

CURSO : METODOS ESTADISTICOS

TEMAS

DISEO DE PARCELAS DIBIDIDAS Y ANALISIS DE LA COVARIANZA

DOCENTE

INTEGRANTES:

REYES CARBAJAL LUIS PAREDES MURGA CRISTHIAN

CICLO

VII

TRUJILLO- PERU

2013