UNIVERSIDAD AUTNOMA DE

NUEVO LEN
FACULTAD DE CIENCIAS BIOLGICAS

ANLISIS DE COVARIANZA
(ANCOVA)

INTRODUCCIN.
Se llama covarianza de la variable (X,Y) a la media
aritmtica de los productos de las desviaciones de cada
variable respecto de la media. Tambin se le denomina
varianza conjunta o sincronizada de las variables X e Y.
Es una tcnica estadstica que utiliza un modelo de
regresin lineal mltiple, busca comparar los resultados
obtenidos en diferentes grupos de una variable cuantitativa
pero corrigiendo las diferencias existentes entre los grupos
en otras variables que pudieran afectar tambin el
resultado (covariantes).

En el estudio conjunto de dos variables, lo que interesa

principalmente es saber si existe algn tipo de relacin entre
ellas. Esto se ve grficamente con una nube de puntos
formadas por n parejas de datos X e Y
La covarianza S(X,Y) de dos variables aleatorias X e Y se
define como:

INTERPRETACIN.
Si Sxy > 0 hay dependencia directa (positiva), es decir, a grandes
valores de x corresponden grandes valores de y.
Si Sxy < 0 hay dependencia inversa o negativa, es decir, a grandes
valores de x corresponden pequeos valores de y.
Si Sxy = 0 las variables no estn correlacionadas, es decir no hay
relacin lineal.

Cuando los puntos se reparten de modo ms o menos

homogneo entre los cuadrantes primero y tercero, y segundo y
cuarto, se tiene que SXY = 0. Eso no quiere decir de ningn modo
que no pueda existir ninguna relacin entre las dos variables,
ya que sta puede existir como se aprecia en la figura de la
derecha.

Ejemplo:
A 12 alumnos de un colegio se les toman las calificaciones
de los ltimos exmenes de matemticas, fsica y filosofa. Se
observa que hay una relacin fuerte entre las notas de
matemticas y las de fsica.

Grfica de puntos (xi,yj) y su relacin con la

covarianza

En la primera grfica, los puntos estn ms alineados y por

tanto la relacin entre las variables (CORRELACIN) es ms
fuerte. Por el contrario, en la segunda grfica es ms dbil.

Covarianza lineal con una sola variable.

En el anlisis de covarianza se combinan los conceptos
de anlisis de varianza para un diseo experimental y para
regresin. El anlisis de covarianza es utilizado en los casos
en la que la variable respuesta de un diseo experimental
est relacionada con una o ms variables concomitantes.
El modelo aditivo lineal para un anlisis de covarianza
en un Diseo de Bloques Completos al Azar es el siguiente:

Ejemplo:
Se desarrollo un experimento con el objeto de
determinar si la exposicin en agua calentada
artificialmente afecta el crecimiento de las ostras. 5 bolsas
con 10 ostras cada una fueron aleatoriamente asignadas a 5
temperaturas (T1, T2, T3, T4 y T5); cada bolsa constituya
una unidad experimental.
Se utilizaron 5 estanques, cada uno calentado a una de
las 5 temperaturas. Las ostras fueron limpiadas y pesadas al
comienzo y al final del experimento un mes despus. El
experimento se repiti 4 veces para lo cual fueron necesarios
4 meses. Cada repeticin constituye un bloque. Los pesos
iniciales y finales se presentan en la siguiente tabla:

Modelo.

Donde:

Suposiciones del modelo estadstico.

1.- Los valores de X no son afectados por el tratamiento.

2.- Las variables X e Y deben de tener variancias homogneas
entre los tratamientos.
3.- La regresin de Y sobre X debe ser lineal.

Clculos.
Suma de cuadrados totales X y Y.

Cuadro ANCOVA.

S.C.Error aj

( SCExy ) 2
(74.5) 2
SCEaj SCEyy
88.89
3.0175
SCExx
64.63

SCTEaj
( SCTExy ) 2
(256.11) 2
SCTEaj SCTEyy
287.30
15.6146
SCTExx
241.42

SCError aj=SE

SCTE aj =ST

SD = SCE aj SCTE aj

Prueba de Hiptesis para el coeficiente de regresin.

El primer paso en un anlisis de covarianza es evaluar la
significancia del coeficiente de regresin. Si el coeficiente de
regresin resulta significativo, entonces se justifica el uso de la
variable concomitante X en el modelo y por lo tanto, los efectos
de los tratamientos debern evaluarse con los datos corregidos
por la regresin.
De no resultar significativo este coeficiente, los efectos de
los tratamientos seran evaluados a partir de un anlisis de
varianza sin considerar el efecto de la variable concomitante X.

Hiptesis.
Ho: = 0

El peso final de las ostras no depende linealmente del peso inicial.

HA: 0

El peso final de las ostras si depende linealmente del peso inicial.

Estadstico de prueba.

Regla de decisin.

La hiptesis nula se rechaza con un nivel de significancia si

el Fc resulta mayor que el valor de la tabla F(1-, 1, gl(Error aj.))

El valor de la tabla para un nivel de significancia del 5% es

F(0.95,1,11) = 4.84, como el valor calculado es mayor que el valor
de la tabla se rechaza la Ho y se concluye que existe
suficiente evidencia estadstica para aceptar que el peso final
de las ostras depende linealmente del peso inicial.

Prueba de hiptesis para los efectos de los tratamientos.

Hiptesis.
Ho: aj = aj i= 1,2,3,4,5
HA: aj aj para almenos alguna i
Estadistico de prueba

El valor de la tabla para un nivel de significancia de 5% es de

F(0.95,4,11) = 3.36 como el valor calculado es mayor que el de la
tabla se rechaza la Ho y se concluye que existe suficiente
evidencia estadstica para aceptar que con al menos una
temperatura se obtiene un peso final defiere para las ostras.

Prueba de comparacin de medidas de tratamiento.

Para aplicar las pruebas de comparacin de medias de
tratamiento se debe trabajar con las medias de los tratamientos
ajustadas por la regresin. Para realizar el ajuste se debe
calcular primero el coeficiente de regresin estimado.

Las medidas de los tratamientos ajustadas por la regresin

estan dasa por:

Se realiza la prueba de Tukey, Dunnett o Prueba t / DLS.