Академический Документы
Профессиональный Документы
Культура Документы
ANOVA
Profesor:
Integrantes:
Emerson Suarez
Introduccin..
.3
Desarrollo..
..4
1.
Conceptos
...........................................................2.
Alcance
y
..5
3.
Clasificacin
de
..11
bsicos.
Aplicaciones...
un
factor..
4.
Clasificacin
de
factores.14
dos
5.
Experimentos
factoriales.15
4.
Experimentos
2k
,
..17
Conclusin..
20
Bibliografa..
..21
3k
INTRODUCCIN
El anlisis de varianza (ANOVA) es uno de los mtodos estadsticos ms
utilizados y ms elaborados en la investigacin moderna. El anlisis de la
varianza, no obstante su denominacin se utiliza para probar hiptesis
referentes a las medias de poblacin ms que a las varianzas de poblacin.
Las tcnicas anovas se han desarrollado para el anlisis de datos en diseos
estadsticos muy importantes.
respuesta.
Casi siempre se introduce el tema del anlisis de la varianza como respuesta
a la necesidad de utilizar una tcnica de comparacin de ms de dos grupos,
es decir como un mtodo para comparar ms de dos tratamientos: si
disponemos de medidas cuantitativas continuas, que se puede suponer como
procedentes de una distribucin de probabilidad normal, y queremos
comparar dos grupos -dos tratamientos-, la prueba estadstica que se utiliza
es un contraste de medias basado en la t de Student, y cuando se dispone de
ms de dos grupos, la prueba a emplear es el anlisis de la varianza.
Personalmente, aunque el enfoque es adecuado, me parece que refleja solo
una parte del inters de la tcnica, ideada no slo para analizar los datos sino
tambin para planificar los experimentos, y creo ms apropiado hablar de
que el anlisis de la varianza es un procedimiento estadstico que nos
permite dividir la variabilidad observada en componentes independientes
que pueden atribuirse a diferentes causas de inters.
En el planteamiento ms simple de anlisis de la varianza tenemos una
variable numrica cuantitativa (resultado), y queremos determinar en qu
5
S=
x ( x ) / N
n1
Dnde:
Ejemplo Prctico
Supongamos que tenemos un estudio de biodisponibilidad para dos
productos A y B donde los datos a analizar son las C max obtenidos despus de
una administracin cruzada siguiendo el clsico esquema:
Semana
1
2
A
B
B
A
Grupo I
Grupo II
Grupo
I
1
2
3
36
39
44
40
44
46
76
83
90
Grupo
II
4
5
6
41
38
33
47
50
43
88
88
76
231
270
501
38,5
45,0
Total
producto
por
Promedio
producto
por
Si se dividen las sumas de los cuadrados de los tratamientos (SS t), de los
sujetos (SSs), de los perodos (SSp) y de los grupos (SSg) por el valor de los
grados de libertad de cada uno, tendremos la media de la suma de los
cuadrados o varianza de cada una de las fuentes de variacin que
necesitamos para prueba F, que nos dar la significacin estadstica para
cada fuente de variacin, la cual se obtiene dividiendo cada varianza por la
varianza del error residual.
Convencionalmente, los datos se renen en una tabla ANOVA, como el de la
tabla 4.8.
Tabla 4.8. Tabla resumen de un anlisis de varianza (ANOVA) para un estudio
cruzado de 2 x 2.
grados
suma
de
Fuente de de
los
Varianz
F
Variacin libertad ( cuadrados( a (MS)
g.l)
SS)
Nivel
de
significanc
ia
Total
Sujetos
Grupos
Sujeto/gru
po
Periodos
Tratamien
0,05>p>0,
01
N.S.
0,05>p>0,
01
0,05>p>0,
01
11
5
1
4
1
1
4
260,25
97,75
0,75
97,00
24,08
126,75
11,67
19,55
0,75
24,25
24,08
126,75
2,92
9
6,70
0,03
8,30
8,25
43,40
tos
Error
0,01>p>0,
001
Sujetos
1
2
3
1,2,3,4,
5,6,7,8
9,10,11,12
Periodos
I
A
B
C
II
B
C
A
III
C
A
B
Productos
Grupo
Sujeto A
total
sujetos
1
2
3
4
260
282
279
225
240
230
220
218
180
201
210
202
680
713
709
645
2.247
5
6
7
8
236
244
262
270
210
240
233
245
198
149
250
245
644
633
745
760
2.782
9
10
11
12
270
266
249
258
222
222
210
205
229
218
205
201
721
706
664
664
2.755
3
Total
tratamien
tos
2.69 2.48
3.101 5
8.
8.284
total grupos
8.284
Luego:
FC = 8.2842 =1.906.240,40
SSs = 6.290,90
SSg = 56,10
SSs/g = 6.234,80
SSp =1.232, 40
SSt = 16.207,10
SSerror 4.288,20 SS
SStotal = 28.018,60
Tabla resumen de ANOVA para un estudio cruzado de 3 x 3.
Fuentes SS
MS
F
11
Nivel
de
variaci
n g.l.
Total
Sujetos
Grupos
Sujetos/grup
os
Perodos
Tratamientos
Error
35
11
2
9
2
2
20
de significanc
ia
28.018,6
0
6.290,90
56,10
6.234,80
1.232,40
16.207,1
0
4.288,20
571,90
28,05
692,76
616,20
8.103,5
5
214,41
-
2,67
0,04
3,23
2,87
37,7
9
-
N.S.
N.S.
N.S.
N.S.
p<0,01
-
poblaciones
Ejemplo Prctico.
Supongamos que estamos interesados en conocer si existen diferencias
significativas entre el tiempo diario de dedicacin a la investigacin de los
profesores, en funcin de la categora que tienen. Para ello, elegiremos las
siguientes
opciones
desde
el
men
principal:
gl1
gl2
Sig.
1,713
74
0,142
14
ANOVA
Tiempo diario para la investigacin
Suma de
Media
cuadrados
gl
cuadrtica
Sig.
Inter-grupos
190239,152
38047,830
47,177
,000
Intra-grupos
59680,480
74
806,493
Total
249919,632
79
sin interaccin. Tambin es posible que el diseo sea equilibrado (todos los
grupos son representados con un nmero igual de medidas) o que no lo sea.
Una ltima posibilidad es que todas las categoras de un factor puedan ser
combinadas con todas las del otro factor, entonces hablaremos de un diseo
cruzado, (que en el caso de incluir interaccin se denomina modelo factorial),
o que las categoras de uno de los factores solamente puedan aparecer para
determinados niveles del otro, en este caso decimos que el primer nivel est
jerarquizado en el segundo o que el diseo es jerarquizado. En resumen, un
anlisis de la varianza de dos factores puede ser:
de esos
niveles
en todo
los
factores.
Este tipo
de
17
18
2k. El segundo caso especial es el de k factores con tres niveles cada uno,
conocido como diseo factorial 3k.
Se supone que:
a) los factores son fijos
b) los diseos son completamente aleatorios
c) se satisface la suposicin usual de normalidad
El diseo 2k es particularmente til en las primeras fases del trabajo
experimental, cuando es probable que haya muchos factores por
investigar. Conlleva el menor nmero de corridas con las cuales pueden
estudiarse k factores en un diseo factorial completo. Debido a que slo hay
dos niveles para cada factor, debe suponerse que la respuesta es
aproximadamente lineal en el intervalo de los niveles elegidos de los
factores.
DISEO 22
El primer diseo de la serie 2k es aquel que tiene slo dos factores, A y B,
cada uno con dos niveles. Arbitrariamente, los niveles del factor pueden
llamarse "inferior" y "superior".
DISEO 23
Suponga que se encuentran en estudio tres factores A, B y C, cada uno con
dos niveles. Este diseo se conoce como diseo factorial, 2 3 y las ocho
combinaciones de tratamientos pueden representarse grficamente
mediante un cubo.
Existen en realidad tres notaciones distintas que se usan ampliamente para
las corridas o ejecuciones en el diseo 2k:
1. La primera es la notacin "+,-", llamada "geomtrica".
2. La segunda consiste en el uso de letras minsculas para identificar
las combinaciones de tratamientos.
3. En la tercera se utilizan los dgitos 1 y 0 para denotar los niveles alto y
bajo del factor, respectivamente.
Diseo Factorial 3k
20
Este diseo es una variacin del diseo 2 k y son muy tiles como las que se
emplean
cuando
todos
los
factores
actan
a
tres
niveles.
En los ltimos aos se ha observado un creciente inters por algunas de las
ideas del profesor Genechi Taguchi acerca del diseo experimental y su
aplicacin al mejoramiento de la calidad.
Este es un diseo que consta de k factores con tres niveles cada uno. Los
factores y las interacciones se representan mediante letras maysculas. Los
tres niveles de los factores pueden referirse como nivel inferior, intermedio y
superior. Estos niveles se representan mediante los dgitos 0 (nivel inferior),
1
(intermedio)
y
2
(superior).
k
Cada combinacin de tratamientos de un diseo 3 se presenta mediante k
dgitos, donde el primero incida el nivel de A, el segundo seale al nivel de B,
y el k-simo dgito, el nivel del factor k.
Por ejemplo, es un diseo 32 el 00 representa la combinacin de
tratamientos, en la que tanto el factor A como el B estn en el nivel inferior, y
el 01 representa la combinacin de tratamientos que corresponde al factor A
en el nivel inferior y a B en el nivel intermedio. En ste, el sistema de
notacin que se prefiere usar es el de + - en virtud de que facilita la
interpretacin geomtrica del diseo y de que es directamente aplicable al
modelado por regresin, la formacin de bloques y la construccin de
factoriales fraccionarios.
21
CONCLUSIONES
1. El ANOVA es un mtodo muy flexible que permite construir modelos
estadsticos para el anlisis de los datos experimentales cuyo valor ha sido
constatado en muy diversas circunstancias. Bsicamente es un
procedimiento que permite dividir la varianza de la variable dependiente en
dos o ms componentes, cada uno de los cuales puede ser atribuido a una
fuente (variable o factor) identificable.
BIBLIOGRAFA
INFOGRAFIA.
http://www.monografias.com/trabajos61/analisis-varianza/analisisvarianza2.shtml#ixzz3m7jp7qYF
https://es.wikipedia.org/wiki/An%C3%A1lisis_de_la_varianza
http://www.itch.edu.mx/academic/industrial/ingcalidad/unidad1.html
www.hrc.es/bioest/Anova_1.html
https://www.uam.es/personal_pdi/economicas/eva/pdf/anova.pdf
http://www.monografias.com/trabajos61/analisis-varianza/analisisvarianza.shtml
http://www.uam.es/personal_pdi/ciencias/cifus/CCAA/Estadistica/ModelosLine
alesANOVA2.pdf
23