REPBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD NACIONAL EXPERIMENTAL

POLITCNICA
ANTONIO JOS DE SUCRE
VICE-RECTORADO LUIS CABALLERO MEJAS
NCLEO GUARENAS

ANOVA
DE 1 Y
2
FACTO
RES

PROF.:

Angel garcia

AUTOR:
Yoger Mendez exp:2009100220

Guarenas, 17 de julio de 2015

INTRODUCCION
En estadstica, el anlisis de la varianza (ANOVA, Analysis Of Variance,
segn terminologa inglesa) es una coleccin de modelos estadsticos y sus
procedimientos asociados, en el cual la varianza est particionada en ciertos
componentes debidos a diferentes variables explicativas.
Las tcnicas iniciales del anlisis de varianza fueron desarrolladas por
el estadstico y genetista R. A. Fisher en los aos 1920 y 1930 y es algunas
veces conocido como "Anova de Fisher" o "anlisis de varianza de Fisher",
debido al uso de la distribucin F de Fisher como parte del contraste de
hiptesis.
El anlisis de la varianza parte de los conceptos de regresin lineal. Un
anlisis de la varianza permite determinar si diferentes tratamientos muestran
diferencias significativas o por el contrario puede suponerse que sus medias
poblacionales no difieren. El anlisis de la varianza permite superar las
limitaciones de hacer contrastes bilaterales por parejas (que son un mal
mtodo para determinar si un conjunto de variables con n > 2 difieren entre s.

ANLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)

El anlisis de la varianza permite contrastar la hiptesis nula de que las

medias de K poblaciones (K >2) son iguales, frente a la hiptesis alternativa
de que por lo menos una de las poblaciones difiere de las dems en cuanto a su
valor esperado. Este contraste es fundamental en el anlisis de resultados
experimentales, en los que interesa comparar los resultados de K 'tratamientos'
o 'factores' con respecto a la variable dependiente o de inters.

El Anova requiere el cumplimiento los siguientes supuestos:

Las poblaciones (distribuciones de probabilidad de la variable
dependiente correspondiente a cada factor) son normales.
Las K muestras sobre las que se aplican los tratamientos son
independientes.
Las poblaciones tienen todas igual varianza (homoscedasticidad).
El ANOVA se basa en la descomposicin de la variacin total de los datos
con respecto a la media global (SCT), que bajo el supuesto de que H0 es cierta
es una estimacin de obtenida a partir de toda la informacin muestral, en
dos partes:
Variacin dentro de las muestras (SCD) o Intra-grupos, cuantifica la
dispersin de los valores de cada muestra con respecto a sus
correspondientes medias.
Variacin entre muestras (SCE) o Inter-grupos, cuantifica la dispersin
de las medias de las muestras con respecto a la media global.
Las expresiones para el clculo de los elementos que intervienen en el
Anova son las siguientes:

MediaGlobal:

Variacin Total:

Variacin Intra-grupos:
Variacin Inter-grupos:
Siendo xij el i-simo valor de la muestra j-sima; nj el tamao de dicha
muestra y su media.
Cuando la hiptesis nula es cierta SCE/K-1 y SCD/n-K son dos
estimadores insesgados de la varianza poblacional y el cociente entre ambos
se distribuye segn una F de Snedecor con K-1 grados de libertad en el
numerador y N-K grados de libertad en el denominador. Por lo tanto, si H0 es
cierta es de esperar que el cociente entre ambas estimaciones ser
aproximadamente igual a 1, de forma que se rechazar H0 si dicho cociente
difiere significativamente de 1.
La secuencia para realizar un ANOVA es:
Analizar
Comparar medias
ANOVA de un factor
Se abre el siguiente cuadro de dilogo:

Se selecciona la variable que se considera Dependiente y la

variable Factor y
con
el
botn Opciones se
activan EstadsticosDescriptivos y Homogeneidad de varianzas.

Al aceptar en el visor de resultados aparecen los siguientes cuadros:

Descriptivos. Recoge la media, la desviacin tpica, el intervalo de
confianza del 95% (por defecto) para la media correspondiente a la
variable dependiente para cada uno de los grupos definidos por el factor.
Prueba de homogeneidad de varianzas. Contiene el valor del estadstico
de Levene del contraste de la hiptesis de homoscedasticidad con el
nivel de significacin crtico.
ANOVA. Contiene las sumas de cuadrados inter-grupos, intra-grupos y
total, sus correspondientes grados de libertad y el valor del estadstico
de prueba F junto con el nivel de significacin crtico.

Como complemento grfico de este anlisis, para obtener una primera

aproximacin acerca de si es razonable o no la hiptesis nula, se
selecciona Grficos > Barras de error y se activa la opcin Simple. Con el
botn Definir se abre el siguiente cuadro de dilogo:

Se selecciona en Variable la variable dependiente del ANOVA y en

el Eje de categoras la variable factor. El intervalo de confianza
para la media se calcula por defecto al 95% de confianza. Al aceptar aparece
en el visor de resultados los puntos que representan a la media de cada grupo
junto con los lmites del correspondiente intervalo de confianza para la media
poblacional. Si los puntos que representan las medias estn desigualmente
distribuidos en el grfico se tiene un indicio de que a nivel poblacional no
puede sostenerse la hiptesis de igualdad de medias; es decir, por lo menos
uno de los niveles del factor influye significativamente sobre la variable
dependiente.
EJEMPLOS
Con los datos de la encuesta sobre transporte, Enctrans.sav, razonar si
puede aceptarse que el tipo de transporte utilizado, Trans, influye sobre la
variable tiempo.
Con la opcin de men Grficos > Barras de error > Simple y con el
botn Definir se selecciona como Variable Tiempo y en Eje de categoras la
variable Trans; al aceptar se obtiene la siguiente representacin grfica:

Como puede observarse, los puntos que representan a las medias de

cada grupo aparecen dispersos a diferentes niveles; sobre todo la media del
grupo definido por el factor Tren. El intervalo de confianza para la media
correspondiente al grupo definido por el factor Metro est contenido dentro
del intervalo correspondiente al grupo definido por el factor Bus, as como, el
intervalo correspondiente al factor Coche est contenido dentro de los
intervalos correspondientes definidos por los factores Metro y Otros. El
grfico, por tanto, parece sugerir no una nica poblacin sino tres poblaciones
con distintas medias.
Para realizar el anlisis de la varianza propiamente dicho la secuencia
es Analizar > Comparar medias > ANOVA de un factor. En el cuadro de
dilogo se selecciona Tiempo como variable Dependiente y Trans
como Factor. Para contrastar la hiptesis de igualdad de varianzas se abre con
el botn correspondiente el cuadro de dilogo ANOVA de un
factor: Opciones y se activa Homogeneidad de varianzas. Si se desea un
anlisis descriptivo del comportamiento de la variable dependiente dentro de
cada grupo se activa tambin la opcin Descriptivos. Al aceptar se obtienen
los siguientes cuadros de resultados:

Este cuadro contiene un anlisis descriptivo de la variable dependiente

por grupos, as como, los lmites superior e inferior para la media de cada
grupo al 95% de confianza.

El estadstico de Levene toma un valor lo suficientemente pequeo para

no rechazar la hiptesis de homocesdaticidad a los niveles de significacin
habitual.

En el cuadro de resultados del ANOVA, el valor del estadstico de

prueba, F=6,450, es significativamente distinto de 1 para cualquier nivel de
significacin y, por lo tanto, se rechaza la hiptesis nula de igualdad de medias
y queda confirmada la primera impresin proporcionada por el grfico de
barras de error.
Anlisis de la varianza de dos factores

Es un diseo de anova que permite estudiar simultneamente los efectos

de dos fuentes de variacin.
En el ejemplo 1, en el que se estudiaban diversos tratamientos para la
hipertensin arterial, se podra plantear que, quizs, la evolucin de la misma
fuera diferente para los hombres y las mujeres, en cuyo caso, y si el nmero de
hombres y mujeres en cada muestra no fuera el mismo, podra ocurrir que una
parte del efecto atribuido a los tratamientos fuera debido al sexo.
En cualquier caso, el investigador puede estar interesado en estudiar si
hay, o no, diferencia en la evolucin segn el sexo. En un anova de dos vas se
clasifica a los individuos de acuerdo a dos factores (o vas) para
estudiar simultneamente sus efectos. En este ejemplo se haran cinco grupos
de tratamiento para los hombres y otros cinco para las mujeres, en total diez
grupos; en general, si el primer factor tiene niveles y el segundo tiene b, se
tendrn ab muestras o unidades experimentales, cada una con n individuos
o repeticiones.
Una observacin individual se representa como:

El primer subndice indica el nivel del primer factor, el segundo el nivel

del segundo factor y el tercero la observacin dentro de la muestra. Los
factores pueden ser ambos de efectos fijos (se habla entonces de modelo I), de
efectos aleatorios (modelo II) o uno de efectos fijos y el otro de efectos
aleatorios (modelo mixto). El modelo matemtico de este anlisis es:
modelo I
modelo II
modelo mixto
donde B es la media global, Bi o Ai el efecto del nivel i del 1 factor, Aj o Bj el
efecto del nivel j del 2 factor y ABijk las desviaciones aleatorias alrededor de
las medias, que tambin se asume que estn normalmente distribuidas, son
independientes y tienen media 0 y varianza B2.

A las condiciones de muestreo aleatorio, normalidad e independencia,

este modelo aade la de aditividad de los efectos de los factores.
A los trminos (AB)ij, se les denomina interaccin entre ambos factores
y representan el hecho de que el efecto de un determinado nivel de un factor
sea diferente para cada nivel del otro factor.
Para entender mejor este concepto de interaccin veamos un ejemplo
sencillo sobre un anova de dos factores, cada uno con dos niveles: supngase
un estudio para analizar el efecto de un somnfero teniendo en cuenta el sexo
de los sujetos. Se eligen al azar dos grupos de hombres y otros dos de mujeres.
A un grupo de hombres y otro de mujeres se les suministra un placebo y a los
otros grupos el somnfero. Se mide el efecto por el tiempo que los sujetos
tardan en dormirse desde el suministro de la pldora.
Se trata de un anova de dos factores (sexo y frmaco) fijos, cada uno
con dos niveles (hombre y mujer para el sexo y somnfero y placebo para el
frmaco). Los dos tipos de resultados posibles se esquematizan en la figura

En la figura A se observa que las mujeres tardan ms en dormirse, tanto

en el grupo tratado como en el grupo placebo (hay un efecto del sexo) y que
los tratados con placebo tardan ms en dormirse que los tratados con
somnfero en ambos sexos (hay un efecto del tratamiento). Ambos efectos son
fcilmente observables.
Sin embargo en la figura B es difcil cuantificar el efecto del somnfero
pues es distinto en ambos sexos y, simtricamente, es difcil cuantificar el
efecto del sexo pues es distinto en ambos grupos de tratamiento. En este caso,
se dice que existe interaccin.

Podra, incluso, darse el caso de que se invirtieran los efectos de un

factor para los distintos niveles del otro, es decir, que las mujeres se durmieran
antes con el somnfero y los hombres antes con el placebo.
La interaccin indica, por tanto, que los efectos de ambos factores no
son aditivos: cuando se dan juntos, su efecto no es la suma de los efectos que
tienen cuando estn por separado, por lo que, si en un determinado estudio se
encuentra interaccin entre dos factores, no tiene sentido estimar los efectos
de los factores por separado. A la interaccin positiva, es decir, cuando el
efecto de los factores actuando juntos es mayor que la suma de efectos
actuando por separado, en Biologa se le denomina sinergia o potenciacin y a
la interaccin negativa inhibicin. En el ejemplo de la figura B, se dira que el
ser mujer inhibe el efecto del somnfero, o que el ser hombre lo potencia
(segn el sexo que se tome como referencia).
Identidad de la suma de cuadrados
La suma de cuadrados total en un anova de 2 vas, es:

(donde para representar las medias se ha usado la convencin habitual de

poner un punto (.) en el lugar del subndice con respecto al que se ha sumado)
que dividida por sus grados de libertad, abn - 1, estima la varianza 2 en el
supuesto de que las ab muestras provengan de una nica poblacin.
Se puede demostrar que

que es la llamada identidad de la suma de cuadrados en un anova de dos

factores. Los sucesivos sumandos reciben respectivamente el nombre de suma
de cuadrados del 1 factor (tiene a -1 grados de libertad y recoge la
variabilidad de los datos debida exclusivamente al 1 factor), del 2 factor
(con b -1 grados de libertad y recoge la variabilidad de los datos debida
exclusivamente al 2 factor), de la interaccin (con (a - 1)(b - 1) grados de
libertad, recoge la variabilidad debida a la interaccin) y del error (con ab(n 1) grados de libertad, recoge la variabilidad de los datos alrededor de las
medias de cada muestra).

Los resultados de un anlisis de la varianza de dos factores se suelen

representar en una tabla como la siguiente:
Fuente de variacin
GL
1 factor
a-1
2 factor
b-1
Interaccin
(a - 1)(b - 1)
Error
ab(n - 1)
Total
abn - 1

SS
MS
SSA
SSA/(a - 1)
SSB
SSB/(b - 1)
SSAB SSAB/[(a - 1)(b - 1)]
SSE
SSE/[ab(n - 1)]
SST

Los grados de libertad tambin son aditivos.

En ocasiones se aade una primera lnea llamada de tratamiento o de
subgrupos cuyos grados de libertad y suma de cuadrados son las sumas de los
del primer, segundo factor y la interaccin, que corresponderan a la suma de
cuadrados y grados de libertad del tratamiento de un anlisis de una va en que
las ab muestras se considerarn como muestras de una clasificacin nica.
Para plantear los contrastes de hiptesis hay que calcular los valores
esperados de los distintos cuadrados medios.
Contrates de hiptesis en un anlisis de la varianza de dos factores
Del mismo modo que se hizo en el anova de una va, para plantear los
contrastes de hiptesis habr que calcular los valores esperados de los
distintos cuadrados medios. Los resultados son:
Modelo I
MS

Valor esperado

MSA
MSB
MSAB
MSE
Por lo tanto, los estadsticos MSAB/MSE, MSA/MSE y MSB/MSE se
distribuyen como una F con los grados de libertad correspondientes y
permiten contrastar, respectivamente, las hiptesis:

i) no existe interaccin ( MSAB/MSE)

ii) no existe efecto del primer factor, es decir, diferencias entre niveles del
primer factor (MSA/MSE)

iii) no existe efecto del segundo factor ( MSB/MSE)

Si se rechaza la primera hiptesis de no interaccin, no tiene sentido

contrastar las siguientes. En este caso lo que est indicado es realizar un
anlisis de una va entre las ab combinaciones de tratamientos para encontrar
la mejor combinacin de los mismos.
Contraste de hiptesis en un anova de 2 vas
Modelo II
MS
MSA
MSB
MSAB
MSE

Valor esperado

donde
son, respectivamente las componentes aadidas por el
primer factor, por el segundo y por la interaccin, que tienen la misma forma
quelos del modelo I, sin ms que cambiari y j por Ai y Bj,
respectivamente.
La interaccin se contrasta, como en el modelo I, con MSAB/MSE, si se
rechaza la hiptesis nula se contrastaran cada uno de los factores
con MSA/MSAB yMSB/MSAB.
En un modelo II, como no se est interesado en estimar los efectos de
los factores sino slo la existencia de la componente aadida, s tiene sentido

contrastar la existencia de la misma para cada factor incluso aunque exista

interaccin.
Aqu el problema se plantea cuando no se puede rechazar la hiptesis
nula y se concluye que no existe interaccin: entonces
tanto MSE como MSAB estiman A2, entonces cul se elige para contrastar la
componente aadida de los factores?
En principio, parece razonable escoger su media (la media de varios
estimadores centrados es tambin un estimador centrado y ms eficiente), sin
embargo si se elige MSAB se independiza el contraste para los factores de un
posible error tipo IIen el contraste para la interaccin. Hay autores que por ello
opinan que es mejor usar MSAB, pero otros proponen promediar si se puede
asegurar baja la probabilidad para el error tipo II. La media de los cuadrados
medios se calcula dividiendo la suma de las sumas de cuadrados por la suma
de los grados de libertad.
Ejemplo
A partir de la siguiente tabla de un anova de 2 factores modelo II,
realizar los contrastes adecuados.
Fuente de
variacin

G.L.

SS

MS

1 factor

315,8

78,95

2 factor

823,5

274,5

12

328,9

27,41

Error

100

2308,0

23,08

Total

119

3776,2

Interaccin

Se empezara contrastando la existencia de interaccin: f = 27,41/23,08

= 1,188 como F0,05(12,100) = 1,849 no se puede, al nivel de significacin del 95%,
rechazar la hiptesis nula y se concluye que no existe interaccin.
Si usamos MSAB para contrastar los factores:
1 factor: f = 78,95/27,41 = 2,880 como F0,05(4,12) = 3,26 no se rechaza la
hiptesis nula y se concluye la no existencia de componente aadida por este
factor.
2 factor: f = 274,5/27,41 = 10,015 como F 0,05(3,12) = 3,49 se rechaza la
hiptesis nula y se acepta la existencia de componente aadida por este factor.
El resultado del anlisis es: no existe componente aadida por la
interaccin, tampoco por el 1 factor y s existe componente aadida por el 2.
La estimacin de esta componente es: como a partir de los grados de
libertad de la tabla podemos calcular a = 5, b = 4 y n = 6 resulta que la
estimacin de
es 274,5 - 27,41 = 247,09; por lo
tanto
que representa un 35,7% de componente aadida
por el segundo factor.
Si se hubiera optado por promediar, los cuadrados medios promediados
son (328,9+2308,0)/(12+100)= 23,54 con 112 grados de libertad y hubiera
resultado significativo tambin el 1 factor.
La salida de un paquete estadstico, p.e. el Statgraphics, para un anova
de 2 factores modelo II

Contrastes de hiptesis en un anova de dos vas

Modelo mixto
Supngase el primer factor de efectos fijos y el segundo de efectos
aleatorios, lo que no supone ninguna prdida de generalidad, ya que el orden
de los factores es arbitrario.
MS

Valor esperado

MSA
MSB
MSAB
MSE
Se contrastan la interaccin y el factor aleatorio con el trmino de error,
si la interaccin fuera significativa no tiene sentido contrastar el efecto fijo y
si no lo fuera, el efecto fijo se contrasta con el trmino de interaccin o con el
promedio de interaccin y error.
Ejemplo
Se quiere probar la eficacia de un somnfero estudiando posibles
diferencias de la misma por el sexo de los sujetos. Se eligen al azar dos grupos
de insomnes varones y otros dos de mujeres y tanto para los hombres como
para las mujeres se suministra a un grupo el somnfero y a otro un placebo y se
mide, en minutos, el tiempo que tardan en dormirse.

Los resultados son:

Placebo
30
50
45
47
38
50
35
46
25
32

Somnfero
35
32
30
25
30
42
30
15
18
23

Hombre

Mujer

Se trata de un anova de dos factores fijos. Llamamos primer factor a la

droga que tiene dos niveles: placebo y somnfero. El segundo factor es el sexo
tambin con 2 niveles: hombres y mujeres. El tamao de las muestras es n=5.
La tabla de anova es:
Fuente de variacin GL
SS
MS
Somnfero
1 696,2 696,2
Sexo
1 105,8 105,8
Interaccin
1
0,2
0,2
Error
16 1197,6 74,85
Total
19 1999,8
Se empieza contrastando la interaccin: f = 0,2/74,85 = 0,0026 que
como es menor que F0,05(1,16)=4,49 no se rechaza la hiptesis nula de que no
existe interaccin.
A continuacin se contrastan los factores: para el somnfero f =
696,2/74,85 = 9,3 que es mayor que 4,49 por lo tanto existe efecto del
somnfero y para el sexo f = 105,8/74,85 = 1,41 que como es menor que 4,49
no existe diferencias entre los sexos.
La estimacin del efecto del somnfero ser la diferencia entre las
medias de los que lo toman y los que tomaron placebo, sin tener en cuenta el
sexo, una vez que se ha visto que no tiene efecto.

Para analizarlo con un paquete estadstico, p.e. el Statgraphics, se

necesita crear un archivo con tres variables

y el resultado, pidiendo la tabla de anova

y la tabla de medias

Por tanto la estimacin del efecto del somnifero es 39,8 - 28,0=11,8 min
Tamaos muestrales desiguales en un anova de dos factores
Aunque los paquetes estadsticos suelen hacer el anova de dos factores,
tanto en el caso de tamaos muestrales iguales como desiguales, conviene
resaltar que el anlisis es bastante ms complicado en el caso de tamaos
desiguales. La complicacin se debe a que con tamaos desiguales hay que
ponderar las sumas de cuadrados de los factores con los tamaos muestrales y
no resultan ortogonales (su suma no es la suma de cuadrados total) lo que
complica no slo los clculos sino tambin los contrastes de hiptesis.
Por esto, cuando se disea un anlisis factorial de la varianza se
recomienda disearlo con tamaos iguales. Hay ocasiones en que, sin
embargo, por la dificultad de obtener los datos o por prdida de alguno de
ellos es inevitable recurrir al anlisis con tamaos desiguales. Algunos autores
recomiendan, incluso, renunciar a alguno de los datos para conseguir que
todas las muestras tengan el mismo tamao. Evidentemente esta solucin es
delicada pues podra afectar a la aleatoriedad de las muestras.
Casos particulares: Anova de dos factores sin repeticin
En ciertos estudios en que los datos son difciles de obtener o presentan
muy poca variabilidad dentro de cada subgrupo es posible plantearse un anova
sin repeticin, es decir, en el que en cada muestra slo hay una observacin
(n=1). Hay que tener en cuenta que, como era de esperar con este diseo, no se
puede calcular SSE. El trmino de interaccin recibe el nombre de residuo y

que, como no se puede calcular MSE, no se puede contrastar la hiptesis de

existencia de interaccin.
Esto ltimo implica tambin que:
a) en un modelo I, para poder contrastar las hiptesis de existencia de efectos
de los factores no debe haber interaccin (si hubiera interaccin no tenemos
trmino adecuado para realizar el contraste).
b) en un modelo mixto existe el mismo problema para el factor fijo.
Bloques completos aleatorios
Otro diseo muy frecuente de anova es el denominado de bloques
completos aleatorios diseado inicialmente para experimentos agrcolas pero
actualmente muy extendido en otros campos. Puede considerarse como un
caso particular de un anova de dos factores sin repeticin o como una
extensin al caso de k muestras de la comparacin de medias de dos muestras
emparejadas. Se trata de comparar muestras emparejadas con respecto a otra
variable cuyos efectos se quieren eliminar.
Por ejemplo, en un ensayo clnico para comparar los efectos de dos
analgsicos y un placebo en el que el efecto se mide por el tiempo que tarda en
desaparecer una cefalea. Si se hicieran tres grupos de enfermos y a cada uno
de ellos se le suministrara un tratamiento distinto, habra una gran variacin
individual en las respuestas, debido a que no todas las cefaleas son de la
misma intensidad y no todos los individuos tienen la misma percepcin del
dolor, que dificultara el hallazgo de diferencias entre los tratamientos. Esta
dificultad desaparece si se aplican los tres tratamientos a los mismos
individuos en diferentes episodios de cefalea. Se ha emparejado a cada
individuo consigo mismo, con lo que se elimina la variacin individual.
En este diseo a los datos de cada individuo se les denomina bloque y
los datos se representan en una tabla de doble entrada anloga a la del
anova de clasificacin nica en la que las a columnas son los tratamientos y
las b filas los bloques, el elemento Yij de la tabla corresponde al tratamiento i y
al bloque j. Las hiptesis que se pueden plantear son:
(Igualdad de medias de tratamientos)
y tambin, aunque generalmente tiene menos inters:

(Igualdad de medias de bloques)

A pesar del parecido con la clasificacin nica, el diseo es diferente:
all las columnas eran muestras independientes y aqu no. Realmente es un
diseo de dos factores, uno de efectos fijos: los tratamientos, y el otro de
efectos aleatorios: los bloques, y sin repeticin: para cada bloque y tratamiento
slo hay una muestra.
El modelo aqu es:
Donde Bi es el efecto del tratamiento i y Bj el del bloque j.
No hay trmino de interaccin ya que, al no poder contrastar su existencia no
tiene inters. Al ser un modelo mixto exige la asuncin de no existencia de
interaccin y los contrastes se hacen usando el trmino MSE como divisor.
Ejemplo 3
En el ensayo clnico de los analgsicos descrito anteriormente se
encuentran los siguientes resultados:
Placebo
35
40
60
50
50

Analgsico A <Analgsico
B
20
22
35
42
50
30
40
35
30
22

La tabla de anova correspondiente:

Fuente de variacin
G.L.
Analgsico (tratamiento)
2
Paciente (bloque)
4
Error
8
Total
14

SS
748,8
767,6
409,2
1925,6

Los contrastes de hiptesis se hacen:

MS
374,4
191,9
51,15

Para el analgsico f=374,4/51,15=7,32 que como es mayor que F0,05(2,8)=4,46

existe un efecto del tratamiento.
Para los bloques f=191,9/51,15=3,75 que es menor que F0,05(4,8)=3,84 por tanto
no hay componente aadida por los pacientes.
El archivo para analizarlo con en un paquete estadstico

y el resultado

Anlisis de la varianza de ms de dos factores

Es una generalizacin del de dos factores. El procedimiento, por lo tanto, ser:
1) encontrar el modelo, teniendo en cuenta si los factores son fijos o aleatorios
y todos los trminos de interaccin.
2) subdividir la suma de cuadrados total en tantos trminos ortogonales como
tenga el modelo y estudiar los valores esperados de los cuadrados medios para
encontrar los estadsticos que permitan realizar los contrastes de hiptesis.
Un modelo de tres factores fijos, por ejemplo, ser:

Los tres primeros subndices para los factores y el cuarto para las repeticiones,
ntese que aparecen trminos de interaccin de segundo y tercer orden, en
general en un modelo de k factores aparecen trminos de interaccin de orden
2, 3,... hasta k y el nmero de trminos de interaccin de orden n ser el

nmero combinatorio Ck;n. Este gran nmero de trminos de interaccin

dificulta el anlisis de ms de dos factores, ya que son difciles de interpretar y
complican los valores esperados de los cuadrados medios por lo que tambin
resulta difcil encontrar los estadsticos para los contrastes. Por estas razones
no se suele emplear este tipo de anlisis y cuando interesa estudiar varios
factores a la vez se recurre a otros mtodos de anlisis multivariante.