República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación
Universidad Bicentenaria de Aragua
Núcleo San Cristóbal
Anova de un solo factor
San Cristóbal, Noviembre del 2018
Esta es una de técnica estadística que señala si dos variables (una independiente y otra
dependiente) están relacionadas en base a si las medias de la variable dependiente son diferentes
en las categorías o grupos de la variable independiente. Es decir, señala si las medias entre dos o
más grupos son similares o diferentes.
Usamos ANOVA de un factor cuando queremos saber si las medias de una variable son
diferentes entre los niveles o grupos de otra variable. Por ejemplo, si comparamos el número de
hijos entre los grupos o niveles de clase social: los que son clase baja, clase trabajadora, clase
media-baja, clase media-alta y clase alta. Es decir, vamos a comprobar mediante ANOVA si la
variable “número de hijos” está relacionada con la variable “clase social”. Concretamente, se
analizará si la media del número de hijos varía según el nivel de clase social a la que pertenece la
persona.
El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en una va-
riable cuantitativa. Se trata, por tanto, de una generalización de la Prueba T para dos muestras
independientes al caso de diseños con más de dos muestras.
Ejemplo 1
Se quiere evaluar la eficacia de distintas dosis de un fármaco contra la hipertensión arterial,
comparándola con la de una dieta sin sal. Para ello se seleccionan al azar 25 hipertensos y se
distribuyen aleatoriamente en 5 grupos. Al primero de ellos no se le suministra ningún
tratamiento, al segundo una dieta con un contenido pobre en sal, al tercero una dieta sin sal, al
cuarto el fármaco a una dosis determinada y al quinto el mismo fármaco a otra dosis. Las
presiones arteriales sistólicas de los 25 sujetos al finalizar los tratamientos son:
Grupo
1 2 3 4 5
180 172 163 158 147
173 158 170 146 152
175 167 158 160 143
182 160 162 171 155
181 175 170 155 160
La tabla de anova es:
Fuente de variación GL SS MS F
Tratamiento 4 2010,64 502,66 11,24
Error 20 894,4 44,72
Total 24 2905,04
Como F0,05(4,20) =2,87 y 11,24>2,87 rechazamos la hipótesis nula y concluimos que los resultados
de los tratamientos son diferentes.
Nota: Para hacerlo con un paquete estadístico, p.e. el SPSS, deberíamos crear un archivo con 2
variables: Trata (con un código distinto para cada grupo, p.e. de 1 a 5) y Presion con la presión
arterial de cada individuo al acabar el estudio. Para calcular el Anova desplegamos los menús que
se ven en la gráfica:
La tabla de anova que devuelve el programa es
Ejemplo de ANOVA de un solo factor
Más información sobre Minitab 18
Un ingeniero químico desea comparar la dureza de cuatro mezclas de pintura. Se aplicaron seis
muestras de cada mezcla de pintura a una pieza de metal. Se curaron las piezas de metal. A
continuación, se midió la dureza de cada muestra. Para probar la igualdad de medias y para
evaluar las diferencias entre pares de medias, el analista usa el ANOVA de un solo factor con
múltiples comparaciones.
1. Abra los datos de muestra, [Link].
2. Elija Estadísticas > ANOVA > Un solo factor.
3. Seleccione Los datos de respuesta están en una columna para todos los niveles de
factores.
4. En Respuesta, ingrese Dureza.
5. En Factor, ingrese Pintura.
6. Haga clic en el botón Comparaciones y luego seleccione Tukey.
7. Haga clic en Aceptar en cada cuadro de diálogo.
Interpretar los resultados
El valor p para el ANOVA de dureza de la pintura es menor que 0.05. Este resultado indica que
la dureza de las mezclas de pintura difieren significativamente. El ingeniero está en
conocimiento de que algunas de las medias de los grupos son diferentes.
El ingeniero hace uso de los resultados de la comparación para para probar de manera formal si
la diferencia entre un par de grupos es estadísticamente significativa. La gráfica que incluye los
intervalos de confianza simultáneos de Tukey muestra que el intervalo de confianza para la
diferencia entre las medias de la Mezcla 2 y la Mezcla 4 se extiende de 3.114 a 15.886. Este
rango no incluye cero, lo que indica que la diferencia entre estas medias es significativa. El
ingeniero puede usar esta estimación de la diferencia para determinar si la diferencia es
prácticamente significativa.
Los intervalos de confianza Todos los intervalos de confianza de los demás pares de medias
incluyen cero, lo que indica que las diferencias no son significativas.
El bajo valor R2 (24.32%) esperado indica que el modelo genera predicciones imprecisas para las
nuevas observaciones. La imprecisión puede ser debido al pequeño tamaño de los grupos. Así, el
ingeniero no debe usar el modelo para hacer generalizaciones más allá de los datos de la muestra.
ANOVA de un solo factor: Dureza vs. Pintura
Método
Hipótesis nula Todas las medias son iguales
Hipótesis alterna No todas las medias son iguales
Nivel de significancia α = 0.05
Se presupuso igualdad de varianzas para el análisis.
Información del factor
Factor Niveles Valores
Pintura 4 Mezcla 1, Mezcla 2, Mezcla 3, Mezcla 4
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Pintura 3 281.7 93.90 6.02 0.004
Error 20 312.1 15.60
Total 23 593.8
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
3.95012 47.44% 39.56% 24.32%
Medias
Pintura N Media [Link]. IC de 95%
Mezcla 1 6 14.73 3.36 (11.37, 18.10)
Mezcla 2 6 8.57 5.50 ( 5.20, 11.93)
Mezcla 3 6 12.98 3.73 ( 9.62, 16.35)
Mezcla 4 6 18.07 2.64 (14.70, 21.43)
[Link]. agrupada = 3.95012
Comparaciones en parejas de Tukey
Agrupar información utilizando el método de Tukey y una confianza de 95%
Pintura N Media Agrupación
Mezcla 4 6 18.07 A
Mezcla 1 6 14.73 A B
Mezcla 3 6 12.98 A B
Mezcla 2 6 8.57 B
Las medias que no comparten una letra son significativamente diferentes.