ANOVA
Análisis de la varianza
La distribución F se utiliza para una amplia variedad de pruebas de
hipótesis; por ejemplo cuando se prueba la igualdad de 3 o mas medias
poblacionales, se utiliza la técnica del análisis de la varianza (ANOVA) el
estadístico F se emplea como prueba.
Suposiciones en el análisis de la varianza (ANOVA)
El ANOVA para probar la igualdad de 3 o mas medias poblacionales
requiere que los siguientes 3 supuestos sean verdaderos:
1. Las poblaciones siguen la distribución normal
2. Las poblaciones tienen desviaciones estándar iguales
3. Las poblaciones son independientes
Cuando se cumplen estas condiciones, F se emplea como la distribución
del estadístico de prueba. ¿Por qué es necesario estudiar el ANOVA?
¿Por qué no solo se emplea la prueba de las diferencias entre medias
poblacionales, como se analizó en el capítulo anterior? Es posible
comparar dos medias poblacionales a la vez. La razón mas importante es
la acumulación indeseable del Error Tipo I.
La Prueba ANOVA
¿Cómo funciona la prueba ANOVA? Recuerde que se desea determinar
si varias medias muestrales provienen de una sola población o de
poblaciones con medias diferentes; en realidad estas medias muestrales
se comparan a través de sus varianzas.
VARIACIÓN TOTAL
Suma de las diferencias entre cada observación y la media global
elevadas al cuadrado.
VARIACIÓN DE TRATAMIENTO
Suma de las diferencias entre la media de cada tratamiento y la media
total o global elevadas al cuadrado.
VARIACIÓN ALEATORIA
Suma de las diferencias entre cada observación y su media de
tratamiento elevadas al cuadrado.
TABLA ANOVA
FUENTE DE SUMA DE MEDIA F
VARIACIÓN CUADRADOS gl CUADRÁTICA
Tratamientos SST k-1 SST/( k-1)=MST MST/MSE
Error SSE n-k SSE/(n-k)=MSE
Total SS TOTAL n-1
Hay tres valores o suma de cuadrados para calcular el estadístico de
prueba F, estos se determinan al obtener SS total y SSE, y después SST
mediante una resta. El término SS total es la variación total, SST es la
variación debida a los tratamientos, y SSE es la variación dentro de los
tratamientos o el error aleatorio.
En general, el proceso se inicia al determinar SS total: la suma de las
diferencias elevadas al cuadrado entre cada observación y la media
global. La fórmula para determinar SS total es:
𝑆𝑆 𝑡𝑜𝑡𝑎𝑙 = ∑(𝑥 − 𝑥 2
𝐺)
̅̅̅
Donde
X es cada observación de la muestra
𝑥
̅̅̅
𝐺 es la media global o total
Enseguida se determina SSE o la suma de los errores elevados al
cuadrado; es decir, la suma de las diferencias elevadas al cuadrado entre
cada observación y su respectiva media de tratamiento. La fÓrmula para
encontrar SSE es:
𝑥𝑐 )2
𝑆𝑆𝐸 = ∑(𝑥 − ̅̅̅
Donde
𝑥𝑐 es la media muestral del tratamiento c.
̅̅̅
Ejemplo 1
Desde hace un tiempo las aerolíneas comenzaron a reducir sus servicios,
como alimentos y bocadillos durante sus vuelos, y empezaron a cobrar
por el equipaje. Un grupo de 4 aerolíneas contrato a una compañía, para
encuestar a sus pasajeros sobre el nivel de satisfacción en un vuelo
reciente. La encuesta incluyo algunas preguntas relacionadas con la
adquisición de boletos, abordaje, servicio durante el vuelo, manejo del
equipaje, comunicación del piloto, etc. Hicieron 25 preguntas con
diversas respuestas posibles:
Excelente, bueno, regular, deficiente.
Una respuesta de excelente tiene una calificación de 4, bueno 3, regular
2 y deficiente 1. Estas respuestas se sumaron, de modo que la calificación
final fue una indicación de la satisfacción con el vuelo. Cuanto mayor sea
la calificación, mayor será el nivel de satisfacción con el servicio. La
mayor calificación posible fue 100. La compañía selecciono y estudio al
azar pasajeros de las 4 aerolíneas. A continuación, se muestra la
información, ¿hay alguna diferencia entre los niveles de satisfacción
medidos respecto de las 4 aerolíneas? Use el nivel de significancia 0.01.
NORTHERN WTA POCONO BRANSON
94 75 70 68
90 68 73 70
85 77 76 72
80 83 78 65
88 80 74
68 65
65
Solución
Paso 1: se establecen las hipótesis nula y alternativa. La hipótesis nula
es que las calificaciones medias de las cuatro aerolíneas son iguales.
𝐻𝑜 : 𝜇𝑁 = 𝜇𝑊 = 𝜇𝑃 = 𝜇𝐵
La hipótesis alternativa es que no todas las calificaciones medias son
iguales.
𝐻1 : 𝑁𝑜 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑐𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑚𝑒𝑑𝑖𝑎𝑠 𝑠𝑜𝑛 𝑖𝑔𝑢𝑎𝑙𝑒𝑠
La hipótesis alternativa también se considera como “al menos dos
calificaciones medias no son iguales”.
Si no se rechaza la hipótesis nula, se concluye que no hay una diferencia
entre las calificaciones medias de las cuatro aerolíneas. Si se rechaza la
hipótesis nula, se concluye que hay una diferencia en al menos un par
de calificaciones medias, pero en este punto no se sabe cual par o
cuántos pares difieren.
Paso 2: Se selecciona el nivel de significancia, en este caso 0.01.
Paso 3: Se identifica el estadístico de prueba. El estadístico de prueba
sigue la distribución F.
Paso 4: Se formula la regla de decisión. Para determinar la regla de
decisión necesita el valor critico; el del estadístico F.
Los grados libertad del numerador = 𝑘 − 1 = 4 − 1 = 3
Los grados libertad del denominador = 𝑛 − 𝑘 = 22 − 4 = 18
La regla de decisión es rechazar la Hipótesis nula 𝐻0 si el valor calculado
de F es mayor que 5.09.
Paso 5: Se toma una muestra, se realizan los cálculos y se decide. Es
conveniente que los cálculos del estadístico F se resumen en una Tabla
ANOVA, cuyo formato se muestra a continuación.
TABLA ANOVA
FUENTE DE SUMA DE MEDIA F
VARIACIÓN CUADRADOS gl CUADRÁTICA
Tratamientos SST k-1 SST/( k-1)=MST MST/MSE
Error SSE n-k SSE/(n-k)=MSE
Total SS total n-1
̅̅̅𝑁̅)2 + ∑(𝑥 − ̅̅̅̅
𝑆𝑆𝐸 = ∑(𝑥 − 𝑥 𝑥𝑊 )2 + ∑(𝑥 − ̅̅̅
𝑥𝑃 )2 + ∑(𝑥 − 𝑥 𝐵)
̅̅̅ 2
NORTHERN WTA POCONO BRANSON
94 75 70 68
90 68 73 70
85 77 76 72
80 83 78 65
88 80 74
68 65
65
Total de 349 391 510 414 1,664
columna
n 4 5 7 6 22
Media 87.25 78.20 72.86 69.00 75.64
Media
Global
1664
𝑥
̅̅̅
𝐺 = = 75.64
22
Después sacamos la tabla para
𝑆𝑆 𝑡𝑜𝑡𝑎𝑙 𝑥 − ̅̅̅
𝑥𝐺
NORTHERN WTA POCONO BRANSON
18.36 -0.64 -5.64 -7.64
14.36 -7.64 -2.64 -5.64
9.36 1.36 0.36 -3.64
4.36 7.36 2.36 -10.64
12.36 4.36 -1.64
-7.64 -10.64
-10.64
𝑆𝑆 𝑡𝑜𝑡𝑎𝑙 = ∑(𝑥 − 𝑥 2
𝐺)
̅̅̅
NORTHERN WTA POCONO BRANSON TOTAL
337.09 0.41 31.81 58.37
206.21 58.37 6.97 31.81
87.61 1.85 0.13 13.25
19.01 54.17 5.57 113.21
152.77 19.01 2.69
58.37 113.21
113.21
Total 649.92 267.57 235.07 332.54 1,485.10
𝑆𝑆𝐸 𝑥 − ̅̅̅
𝑥𝑐
NORTHERN WTA POCONO BRANSON
6.75 -3.2 -2.86 -1
2.75 -10.2 0.14 1
-2.25 -1.2 3.14 3
-7.25 4.8 5.14 -4
9.8 7.14 5
-4.86 -4
-7.86
𝑥𝑐 )2
𝑆𝑆𝐸 = ∑(𝑥 − ̅̅̅
NORTHERN WTA POCONO BRANSON TOTAL
45.5625 10.24 8.18 1
7.5625 104.04 0.02 1
5.0625 1.44 9.86 9
52.5625 23.04 26.42 16
96.04 50.98 25
23.62 16
61.78
Total 110.7500 234.80 180.86 68 594.41
Por ultimo se determina SST (la suma de cuadrados debida a los
tratamientos), con la resta:
𝑆𝑆𝑇 = 𝑆𝑆 𝑡𝑜𝑡𝑎𝑙 − 𝑆𝑆𝐸
𝑆𝑆𝑇 = 1,485.10 − 594.41 = 890.69
TABLA ANOVA
FUENTE DE SUMA DE MEDIA F
VARIACIÓN CUADRADOS gl CUADRÁTICA
Tratamientos 890.69 3 296.90 8.99
Error 594.41 18 33.02
Total 1485.10 21
Paso 6: Se interpreta el resultado. La conclusión es que no todas las
medias poblacionales son iguales. En este punto, los resultados del
ANOVA solo muestran que al menos solo un par de calificaciones de
satisfacción media no son las mimas entre las cuatro aerolíneas. No es
posible mostrar estadísticamente que aerolíneas difieren en satisfacción
o cuales tienen mayores o menores calificaciones de satisfacción.