UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA

“ANTONIO JOSÉ DE SUCRE”

VICERRECTORADO DE BAQUISIMETO

DEPARTAMENTO DE INGENIERIA INDUSTRIAL

PROBABILIDA Y ESTADISTICA

Análisis de varianza

Integrantes:
José Samuel Rodríguez Castro

Correo: [Link]@[Link]

Eglipson Marciel Agüero Vielma

Correo: eglipson2000@[Link]

Barquisimeto, 15 de mayo del 2020

 Tabla de contenido

Introducción……………………………………………………………….……………………………3

¿Qué es ANOVA?………………………………………………………………………...…………...4

¿Cuál es el procedimiento de ANOVA…….…………………………………………...…………...4

¿Qué es ANOVA en dos sentido…………………………...…………………………...…………...5

Ejercicio diseñado………………………………………………………………………...…………...6

Conclusiones……………………………………………………………………………….…………..7

Referencias…………………………………………………………………………….…….…………8
 Introducción

El análisis de la varianza (ANOVA, ANalysis Of VAriance, según la terminología

inglesa) es uno de los aspectos más interesantes dentro del tema de las pruebas de
hipótesis, por el ingenio desplegado en su desarrollo y, quizás, por las variadas formas que
puede tomar. El ANOVA permite analizar la variación en una variable de respuesta (variable
continua aleatoria) medida en circunstancias definidas por factores discretos (variables de
clasificación).

Una de las aplicaciones del análisis de varianza es precisamente comparar dos o más
medias. Aunque este enfoque es válido para introducir el análisis de varianza, solo refleja
una parte del interés de la técnica, pues la misma permite una mejor planificación de los
experimentos. A continuación se desarrolla el análisis de varianza como una técnica en el
diseño de experimentos, pues este enfoque abarca el enfoque inicialmente propuesto.
¿Qué es ANOVA?

Los modelos de ANOVA (ANalysis Of VAriance) son técnicas de Análisis Multivariante de

dependencia, que se utilizan para analizar datos procedentes de diseños con una o más
variables independientes cualitativas (medidas en escalas nominales u ordinales) y una
variable dependiente cuantitativa (medida con una escala de intervalo o de razón). En este
contexto, las variables independientes se suelen denominar factores (y sus diferentes
estados posibles o valores son niveles o tratamientos) y la variable dependiente se conoce
como respuesta. Los modelos ANOVA permiten, básicamente, comparar los valores medios
que toma la variable dependiente en J poblaciones en las que los niveles de factores son
distintos, con la finalidad de determinar si existen diferencias significativas según dichos
niveles o si, por el contrario, la respuesta en cada población es independiente de los niveles
de factores. Se trata, por tanto, de un contraste paramétrico que extiende al caso de J
poblaciones el contraste de la igualdad de medias entre dos poblaciones independientes.

¿Cuál es el procedimiento de ANOVA?

Se llama ANOVA de un factor al modelo en el que existe una única variable independiente. El
análisis de la varianza de un factor se utiliza para comparar el valor medio de una variable
dependiente cuantitativa en varios grupos, que se diferencian por los niveles del factor
considerado. Si denotamos por Y a la variable dependiente; al número de muestras o grupos
considerados (correspondientes cada uno a un nivel distinto del factor); n1 , n2 , … ,n j a los
J
tamaños de cada una de las muestras; n=∑ n j al tamaño muestral total; e Y ij al valor de la
j=1

variable Y correspondiente a la observación i y muestra j.

La aplicación de la técnica ANOVA se basa en un contraste de hipótesis. La hipótesis nula

que se contrasta en el ANOVA de un factor es que las medias poblacionales son iguales:

H 0 : μ1=μ2=…=μ j

H 1 : Al menos una de las medias no son iguales

Si se acepta la hipótesis nula, significará que los grupos no difieren en el valor medio de la
variable dependiente y que, en consecuencia, dicho valor medio se podrá considerar
independiente del factor.
¿Qué es ANOVA en dos sentidos?

El análisis de varianza de dos vías, también conocido como plan factorial con dos factores,
sirve para estudiar la relación entre una variable dependiente cuantitativa y dos variables
independientes cualitativas (factores) cada uno con varios niveles. El ANOVA de dos vías
permite estudiar cómo influyen por si solos cada uno de los factores sobre la variable
dependiente (modelo aditivo) así como la influencia de las combinaciones que se pueden
dar entre ellas (modelo con interacción).

Las condiciones necesarias para que un ANOVA de dos vías sea válido, así como el
proceso a seguir para realizarlo son semejantes al ANOVA de una vía. Las únicas
diferencias son:

Hipótesis: El ANOVA de dos vías con repeticiones combina 3 hipótesis nulas, que las
medias de las observaciones agrupadas por un factor son iguales, que las medias de las
observaciones agrupadas por el otro factor son iguales; y que no hay interacción entre los
dos factores.

Requiere calcular la la Suma de Cuadrados y Cuadrados Medios para ambos factores. Es

frecuente encontrar que a un factor se le llama “tratamiento” y al otro “bloque o block”

Es importante tener en cuenta que el orden en el que se multiplican los factores no afecta
al resultado del ANOVA únicamente si el tamaño de los grupos es igual (modelo
equilibrado) de lo contrario sí importa. Por esta razón es muy recomendable que el diseño
sea equilibrado.

El estudio de la interacción de los dos factores solo es posible si se dispone varias

observaciones para cada una de las combinaciones de los niveles.
Ejercicio diseñado: Un médico desea estudiar los efectos de la cafeína en el periodo de
sueño. Para ello, seleccionó una muestra de 20 ratones y a cada uno se le administro por vía
oral, una solución de cafeína a una concentración particular por peso corporal. Luego se
registró el periodo de sueño de movimiento rápido de ojos de cada ratón durante 24 horas,
con los siguientes resultados:

Tratamiento (concentración de cafeína) xi . xi .

0 (control)
88.6 73.2 91.4 68 75.2 396.4 79.28
1 g/Kg
63 53.9 69.2 50.1 71.5 307.7 61.54
2 g/Kg
44.9 59.5 40.2 56.3 38.7 239.6 47.92
4 g/Kg
31 39.6 45.3 25.2 22.7 163.8 32.76
x ..=¿ x i .=55.375
1107.5

¿Indican los datos que el periodo de sueño depende de la concentración de cafeína?

Solución: Se plantean las siguientes hipótesis

H 0 : μ1=μ2=μ 3=μ4

H 1 : Al menos una de las medias no son iguales

α =0.05

La siguiente tabla (generada de Excel) expresa los rebultados necesarios para calcular el
estadístico f .

Fuente de Suma de Grados de Cuadrados f

variación cuadrados libertad medios calculado
Tratamiento 5882.3575 3 1960.78583
21.09
Error 1487.4 16 92.9625
Total 7369.7575 19

El criterio de rechazo es: f >3.24 con v1 = 3 y v 2= 16 grados de libertad.

Así, con un nivel de significancia de 0.05, se rechaza la hipótesis nula H 0. Concluyendo que
el periodo del sueño depende del nivel de concentración de cafeína.

Conclusiones

 EL modelo ANOVA permite inferir si un conjunto de medias son significativamente

iguales.

 El uso de herramientas matemáticas (como Excel) permiten que el procedimiento al

realizar un análisis de varianza, sea mucho más corto.

 El procedimiento al usar ANOVA es bastante sencillo y sistemático.

 Este método de análisis de varianza puede ser de utilidad en diversas aplicaciones de

la ciencia.
 Referencias

Walpole, R., Myers, R., Myers, S. y Ye, K. (2012). Probabilidad y estadística para
ingeniería y ciencias. (9na ed.). México: Pearson Educación S.A.

Alvares, F. (2010). Métodos estadísticos aplicados a las auditorias socio laborales.

Buenos Aires, Argentina: Autor.