Академический Документы
Профессиональный Документы
Культура Документы
TAMAULIPAS A.C
“ANÁLISIS DE VARIANZA ”
ALUMNA: GABRIELA ELIZABETH
ARIZPE MENDOZA
M AT E R I A : B I O E S TA D I S T I C A .
UNIDAD III.
16 / 0 5 / 2 018
INTRODUCCIÓN:
El análisis de la varianza parte
de los conceptos de
regresión lineal.
Al análisis de la varianza se le
conoce casi universalmente
por las siglas ANOVA, que
corresponden a su nombre
en inglés (ANALISYS OF
VARIANCE).
Un análisis de la varianza permite determinar
si diferentes tratamientos muestran
diferencias significativas o por el contrario
puede suponerse que sus medias
poblacionales no difieren. El análisis de la
varianza permite superar las limitaciones
de hacer contrastes bilaterales por parejas
que son un mal método para determinar si
un conjunto de variables con n > 2 difieren
entre sí.
CONCEPTO:
El análisis de varianza (ANOVA) es una
colección de modelos estadísticos y sus
procedimientos asociados, en el cual la
varianza esta particionada en ciertos
componentes debido a diferentes variables
explicativas.
El análisis de varianza parte de los
conceptos de regresión lineal.
FINALIDADES DEL ANÁLISIS DE VARIANZA:
El análisis de varianza lo vamos a utilizar para
verificar si hay diferencias estadísticamente
significativas entre medias cuando tenemos más de
dos muestras o grupos en el mismo planteamiento. En
estos casos no utilizamos la t de Student que
solamente es un procedimiento válido cuando
comparamos únicamente las medias de dos muestras.
cuando tenemos más de dos muestras y comparamos
las medias de dos en dos suben las probabilidades de
error al rechazar la hipótesis de no diferencia porque
queda suficientemente explicada por factores
aleatorios (que también se denomina error muestral).
Una varianza grande indica que hay mucha variación entre
los sujetos, que hay mayores diferencias individuales
con respecto a la media; una varianza pequeña nos
indica poca variabilidad entre los sujetos, diferencias
menores entre los sujetos. La varianza cuantifica todo
lo que hay de diferente entre los sujetos u
observaciones.
Este modelo se
El modelo de efectos supone cuando el
fijos de análisis de la investigador se
varianza se aplica a interesa
situaciones en las que
el experimentador ha únicamente por los
sometido al grupo o niveles del factor
material analizado a presentes en el
varios factores, cada experimento, por lo
uno de los cuales le que cualquier
afecta sólo a la media,
permaneciendo la variación
"variable respuesta" observada en las
con una distribución puntuaciones se
normal. deberá al error
experimental.
El Modelo de efectos aleatorios asume que los
datos describen una jerarquía de diferentes
poblaciones cuyas diferencias quedan restringidas
por la jerarquía. Ejemplo: El experimentador ha
aprendido y ha considerado en el experimento
sólo tres de muchos más métodos posibles, el
método de enseñanza es un factor aleatorio en el
experimento.
MODELO II: EFECTOS ALEATORIOS (COMPONENTES
DE VARIANZA)
Los modelos de efectos
aleatorios se usan para
describir situaciones en que Este modelo se supone
ocurren diferencias cuando el investigador
incomparables en el material está interesado en una
o grupo experimental. El población de niveles,
teóricamente infinitos,
ejemplo más simple es el de del factor de estudio,
estimar la media de los que únicamente
desconocida de una una muestra al azar (t
población compuesta de niveles) están
individuos diferentes y en el presentes en el
que esas diferencias se experimento.
mezclan con los errores del
instrumento de medición.
El Modelo de efectos mixtos describen
situaciones que éste puede tomar.
Ejemplo: Si el método de enseñanza es
analizado como un factor que puede
influir donde están presentes ambos tipos
de factores: fijos y aleatorios.
SUPUESTOS DEL ANOVA QUE DEVEN DE CUMPLIRSE:
La variable dependiente debe medirse al menos a
nivel de intervalo.
Como ejemplo,
mostramos el modelo El número de grados de
para un ANOVA libertad (gl) puede
simplificado con un tipo separarse de forma
de factores en diferentes similar y corresponde con
niveles(Si los niveles la forma en que la
son cuantitativos y los distribución chi-cuadrado
efectos son lineales, (χ² o Ji-cuadrada)
puede resultar apropiado describe la suma de
un análisis de regresión cuadrados asociada.
lineal)
Grados de libertad: