ANLISIS DE VARIANZA.

El anlisis de varianza (ANOVA) de un factor sirve para comparar varios grupos

en una variable cuantitativa. Se trata, por tanto, de una generalizacin de la
Prueba T para dos o ms muestras independientes al caso de diseos con ms
de dos muestras. A la variable categrica (nominal u ordinal) que define los
grupos que deseamos comparar la llamamos independiente o factor y la
representamos por VI. A la variable cuantitativa (de intervalo o razn) en la que
deseamos comparar los grupos la llamamos dependiente y la representamos
por VD.

La hiptesis que se pone a prueba en el ANOVA de un factor es que las
medias poblacionales (las medias de la VD en cada nivel de la VI) son iguales.
Si las medias poblacionales son iguales, eso significa que los grupos no
difieren en la VD y que, en consecuencia, la VI o factor es independiente de la
VD. La estrategia para poner a prueba la hiptesis de igualdad de medias
consiste en obtener un estadstico, llamado F, que refleja el grado de parecido
existente entre las medias que se estn comparando. El numerador del
estadstico F es una estimacin de la varianza poblacional basada en la
variabilidad existente entre las medias de cada grupo.

Diseo experimental completamente aleatorizado
Es el diseo ms simple y sencillo de realizar, en el cual los tratamientos se
asignan al azar entre las unidades experimentales (UE) o viceversa. Este
diseo tiene amplia aplicacin cuando las unidades experimentales son muy
homogneas, es decir, la mayora de los factores actan por igual entre las
unidades experimentales.

MODELO DE EFECTOS FIJOS
Cuando los factores son fijos el investigador ha escogido los factores en forma
no aleatoria y slo est interesado en ellos. En este caso el investigador asume
que

Lo cual refleja la decisin del investigador de que nicamente est interesado
en los t tratamientos presentes en el experimento. La mayor parte de los
experimentos de investigacin comparativa pertenecen a este modelo.


MODELO DE EFECTOS ALEATORIOS
Cuando los factores son aleatorios, el investigador, selecciona al azar los de
inters de varios que dispone y los asigna a las unidades experimentales. En
este caso el investigador asume que los ti tratamientos estn distribuidos
normal e independientemente con media cero y varianza sigma cuadrado, lo
cual refleja la decisin del investigador de que slo est interesado en una
poblacin de tratamientos, de los cuales nicamente una muestra al azar (los t
tratamientos) estn presentes en el experimento.


LA TABLA ANDEVA
Para presentar de manera adecuada los clculos se usa una tabla conocida
como tabla para el anlisis de varianza o tabla ANOVA. En la cual se muestra
la forma general de una tabla ANOVA para un diseo completamente
aleatorizado. A la suma de los cuadrados de la fuente de variacin que se
indica como Total se le conoce como suma de cuadrados del total (STC).



DISEO COMPLETAMENTE AL AZAR DESBALANCEADO
Algunas veces es posible que el nmero de rplicas de cada tratamiento sea
diferente y as cada tratamiento tendr rplicas Estos
diseos se pueden presentar en el caso que se est comparando un control
contra otros tratamientos ya que queremos obtener buena informacin acerca
del control, por ello este tendr ms replicaciones que los otros tratamientos
(Cuntas?, Ver Montgomery). Otro caso en el que suele presentarse es cuando
entre los tratamientos algunos son ms importantes que otros. Otra razn es
cuando la observacin de alguna UE por algn motivo se pierde. El modelo
sobre el cual se basa el anlisis est dado por:

COMPARACIN GRAFICA DE MEDIAS

Si las medias de las tres poblaciones son iguales, se esperara que las tres
medias muestrales fueran muy parecidas. En efecto, entre ms parecidas sean
las medias muestrales, mayor ser la evidencia
para concluir que las medias poblacionales son iguales, o entre mayor sea la
diferencia entre las medias muestrales, mayor ser la evidencia para concluir
que las medias poblacionales no son iguales. En otras palabras, si la
variabilidad entre las medias muestrales es pequea, esto favorece a H0; si la
variabilidad entre las medias muestrales es grande, esto favorece a H. Si la
hiptesis nula es verdadera, H0 : 1=2 = , se usa la variabilidad entre las
medias muestrales para estimar
2
. Primero, observe que si se satisfacen las
suposiciones para el analisis de varianza, cada una de las muestras provendr
de la misma distribucin normal con media y varianza
2











Para ilustrar lo que ocurre cuando H0 es falsa, suponga que las medias
poblacionales son diferentes. Observe que como las tres muestras provienen
de poblaciones normales con medias diferentes, darn tres distribuciones
muestrales diferentes. En la figura 13.3 se muestra que en este caso las
medias muestrales no estn tan cerca unas de otras, como cuando la H0
entonces s2 es verdadera. Entonces, ser mayor, haciendo que la estimacin
de
2
sea mayor. En general, cuando las medias poblacionales no son iguales,
la estimacin entre tratamientos sobreestimar la varianza poblacional
2
.
La variacin dentro de cada una de las muestras tambin tiene efecto sobre la
conclusin a la que se arriba con el anlisis de varianza. Cuando se toma una
muestra aleatoria simple de cada
poblacin, cada una de las varianzas muestrales proporciona un estimador
insesgado de s. Por tanto, se combinan o juntan las estimaciones individuales
de s2 en una estimacin general. A la
estimacin de
2
obtenida de esta manera se le conoce como estimacin
conjunta o dentro de los tratamientos de
2
. Como cada varianza muestral
proporciona una estimacin de
2
que se basa slo en la variacin dentro de
cada muestra, a la estimacin de s2 dentro de los tratamientos no le afecta que
las medias poblacionales sean o no iguales.



MTODO DE LA DIFERENCIA MNIMA DE FISHER
Suponga que en un anlisis de varianza se encuentran evidencias estadsticas
para rechazar la hiptesis nula que plantea la igualdad de las medias
poblacionales. En tal caso, para determinar dnde estn las diferencias se
puede emplear el procedimiento de la diferencia mnima significativa (LSD, por
sus siglas en ingls) de Fisher.
El procedimiento de la LSD de Fisher que basa en el estadstico de prueba t
presentado para el caso de dos poblaciones. En la tabla siguiente se resume el
procedimiento de la LSD de Fisher.




OTROS METODOS PARA PRUEBAS SOBRE MEDIAS.

Scheffe diseado para permitir la estimacin de todos los posibles contrastes
entre las
medias muestrales (no solo comparaciones por pares). Emplea un mltiplo
relacionado
con la distribucin F:


En este caso, este procedimiento es muy probable que sea muy conservador,
ya que slo
se estn estimando pares.

Bonferroni diseado para permitir la estimacin de cualquier nmero de
contrastes
previamente seleccionado. En este caso, usa un mltiplo igual a
ya que se estn estimando q(q-1)/2 diferencias por pares. Estos lmites
generalmente son ms amplios que los lmites de Tukey cuando se hacen
todas las comparaciones por
pares.


Student-Newman-Keuls A diferencia de todos los mtodos anteriores, este
procedimiento no crea intervalos para las diferencias por pares. En su lugar,
ordena las
medias en orden creciente y luego comienza a separarlas en grupos de
acuerdo con
valores de la distribucin de rangos estudentizados. Al final, las medias se
separan en
grupos homogneos dentro de los cuales no hay diferencias significativas.


Duncan - similar al procedimiento de Student-Newman-Keuls, excepto que usa
un valor crtico diferente de la distribucin de rangos estudentizados cuando
define los grupos homogneos.

Instituto tecnolgico de Campeche
Ingeniera industrial



Conceptos unidad 2: Diseo de experimentos
de un solo factor completamente aleatorizado
Trabajo No. 1






Estadstica inferencial 2
VI 4





CAMPECHE CAM. A 3 DE ABRIL DEL 2014