ANALISIS DE VARIANZA (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.
H 0 : 1=2==k
H 1 : Por lo menos hay una media diferente al resto
El Anova requiere el cumplimiento los siguientes supuestos:

Las poblaciones (distribuciones de probabilidad de la variable

dependiente correspondiente a cada factor) son normales.

Las muestras sobre las que se aplican los tratamientos son

independientes.

Las poblaciones tienen todas igual varianza (homoscedasticidad).

Las muestras son aleatorias simples.

Las muestras provienen de poblaciones categorizadas de una sola

forma.

Criterios de decisin para el Anova:

Utilizar programas estadsticos como el Excel, SPSS, Miniab, etc.

Identificar el valor de P en los resultados
Plantear una conclusin con base en estos criterios.

Procedimiento de prueba:

Si el valor de

P , se rechaza la hiptesis nula de medias

iguales y se concluye que al menos una de mas medias

poblacionales es diferente de las otras.

Si el valor de

P> , se acepta la hiptesis nula de medias

poblacionales iguales.
Teniendo en cuenta que el estadstico de prueba ser F:
F=

Varianza entre lasmuestras

Varianza dentro de lasmuestras

REGLA DE DECISIN
Es donde se determina que si

F> F C

, se rechace la hiptesis nula.

Donde Fc es el factor crtico.

CALCULO DEL F CON TAMANOS MUESTRALES

Cuando nuestros tamaos de muestras son iguales en cada uno de los
tratamientos entonces F ser:
n s2x
F= 2
sp
Dnde:
n=Tamao de la muestr a
2

s x =varianza de la media muestra l

s 2p=Varianza ponderad a

CALCULOS CON TAMAOS MUESTRALES DIFERENTE

Cuando los tamaos de muestras son desiguales se hacen clculos
mucho ms complejos.

Suma de Cuadrados Total

SC ( total ) = ( xx )2
ni

SC ( total ) = ( x ij x )

i=1 j=1

Suma de Cuadrados entre tratamientos

SC ( tratamientos )= ni ( x ix )2
r

SC ( tratamientos )= ni ( x ix )2
i=1

Suma de cuadrados del error o residual

2
SC ( error )= ( ni1 ) s i
r

ni

SC ( error )= ( xij x i )

i=1 j=1

CUADRADOS MEDIOS O MEDIA DE CUADRADOS (Varianza)

Tendremos los siguientes:
CUADRADO MEDIO DEL TRATAMIENTO
CM ( tratamiento )=

SC (tratamiento )
k 1

Donde: k es el N de tratamientos

CUADRADO MEDIO DEL ERROR

CM ( error )=

SC ( error )
nk

Donde: n es el N total de las muestras

CUADRADO MEDIO TOTAL

CM ( total )=

SC (total)
n1

ESTADISTICO DE PRUEBA
Ser de la siguiente manera:
F=

CM (tratamiento)
CM (error )

Este F se obtiene del teorema fundamental del anova, la cual este

teorema permite dividir la variacin total asociada a un conjunto de
datos en dos componentes de variabilidad:

Una es la asociada a los efectos de los tratamientos

La otra es la asociada a otras fuentes de variacin (error
experimental)

Dividimos por

2 , seguirn una distribucin de chi-cuadrada, y el

cociente de los dos chi-cuadradas divididas por sus respectivos grados

de libertad darn una F.
SC ( trat . )
X 2k1
2

SC (error )
X 2nk
2

Dividiendo esas dos ecuaciones nos da

SC (trat . )
k1
F k1, nk
SC(error)
nk
Que es lo mismo decir:

F=

CM (tratamiento)
CM (error )

TABLA ANOVA
Segn de todo lo anterior mencionado se resumen en la siguiente tabla:

PRUEBA DE COMPARACION DE BONFERRONI

Cuando rechazamos la hiptesis nula eso implicara que al menos una de
las medias es diferente, entonces se hace la prueba de Bonferroni.
Paso1: realizar una prueba T separada para cada par de muestras,
haciendo los ajustes de los siguientes pasos.
Paso 2: calcular para cada par de muestras el valor de T.
T=

x1 x 2
CM (error )

1 1
+
n1 n2

Paso 3: calcular el valor T crtico o el calor de P

Valor de P: elegir T con n-k grados de libertad y ajuste el valor de

P multiplicndolo por el nmero de pares de muestras deferentes
posibles.
Valor Crtico: Ajuste el nivel de significancia dividindolo entre el
nmero de pares de muestras posibles.