You are on page 1of 6

Esquema (1) Anlisis de la Varianza y de la Covarianza ANOVA y ANCOVA

J.F. Casanova ANOVA y ANCOVA


1

1. Anlisis de la Varianza de 1 Factor (Muestras independientes) 2. Anlisis de la Varianza de 1 Factor (Muestras relacionadas) 3. Anlisis de la Varianza de 2 Factores 4. Anlisis de la Covarianza 5. Anlisis con ms de 2 Factores
J.F. Casanova ANOVA y ANCOVA
2

Anlisis de la Varianza de 1 Factor


Objetivos
Comparar varios grupos respecto a una variable vario cuantitativa.

Anlisis de la Varianza de 1 Factor


Pruebas utilizadas
A) Poblaciones Normales y Varianzas Homogneas La ms conveniente es el Anlisis de la Varianza. B) No se cumple (A) Tres opciones: 1) Transformar los datos para llegar a (A) 2) Si no se est lejos de (A), Anlisis de la Varianza (A), (es una prueba muy robusta) robusta) 3) Prueba no paramtrica de Kruskal-Wallis KruskalJ.F. Casanova ANOVA y ANCOVA
4

Analizar la asociacin entre una variable cualitativa y una variable cuantitativa. (Recordemos la equivalencia entre Comparacin y Asociacin)
J.F. Casanova ANOVA y ANCOVA
3

Anlisis de la Varianza de 1 Factor


Comparacin de ms de 2 Varianzas
Pruebas utilizadas: utilizadas:
Prueba de Bartlett (conveniente para distribuciones Normales) Normales) Prueba de Levene (conveniente para distribuciones No Normales) Normales)
J.F. Casanova ANOVA y ANCOVA
5

Anlisis de la Varianza de 1 Factor


Planteamiento
Medir: Medir: el efecto estudiado (efecto factorial) (efecto factorial) mediante las desviaciones de las medias de cada muestra respecto a la media global. global. Medir: Medir: el efecto residual (resto de efectos) mediante las desviaciones de los datos de cada muestra respecto a la media de esa muestra. muestra. Comparar: Efecto Comparar: Efecto factorial demasiado superior al residual como para explicarlo por el azar No todas las medias son iguales. iguales.
J.F. Casanova ANOVA y ANCOVA
6

ANOVA y ANCOVA

Anlisis de la Varianza de 1 Factor Efectos

Anlisis de la Varianza de 1 Factor Procedimiento


Varianza Factorial:
VF =
Numerador:

x3

x1

x
x2

n (x
i

x)

Residual

k 1

Dispersin Factorial, DF
Denominador:

Grados de Libertad Factoriales, F


J.F. Casanova ANOVA y ANCOVA
8

J.F. Casanova

ANOVA y ANCOVA

Anlisis de la Varianza de 1 Factor Procedimiento


Varianza Residual:
VR =
Numerador:

Anlisis de la Varianza de 1 Factor


Estadstico de Contraste:
FEXP = VF VR

(x

xi )

nk

Distribucin para H0 (todas las medias grupales iguales): F de Snedecor con 1 = F y 2 = R

Dispersin Residual, DR Denominador: Grados de Libertad Residuales, R


J.F. Casanova ANOVA y ANCOVA
9

Si FEXP supera el valor terico se rechaza H0


J.F. Casanova ANOVA y ANCOVA
10

Anlisis de la Varianza: Terminologa


Anlisis = Descomposicin
Puede demostrarse que la Dispersin Total

Comparaciones Mltiples
Situacin
ANOVA estadsticamente significativo: Alguna media grupal es diferente Para detectarla, se comparan las medias 2 a 2

D T = (x i x )

No se usa directamente la t de Student:


La probabilidad de encontrar alguna diferencia significativa por error se ira acumulando Varias Soluciones Una simple: Bonferroni Una tpica: Newman-Keuls NewmanJ.F. Casanova ANOVA y ANCOVA
12

coincide con la suma de las Dispersiones Factorial y Residual.

Acrnimo: ANOVA (ANalysis Of VAriance)


J.F. Casanova ANOVA y ANCOVA
11

ANOVA y ANCOVA

Mtodo de Bonferroni
Como el error ira aproximadamente sumndose, se corrige este efecto usando la t de Student pero a un nivel de error / C, donde C es el nmero de comparaciones INCONVENIENTE: INCONVENIENTE: Al aumentar el nmero de grupos, C crece mucho y baja la potencia.

Mtodo de Newman-Keuls
A) ORDEN DE LAS COMPARACIONES
1) Se numeran todas las medias de menor a mayor: x1 , ..., x k 2) Se comparan las dos extremas: x1 con x k 3) Si es significativa, se toman dos grupos de k-1 medias: x1 , ... , x k 1 y x 2 , ..., x k 4) Se comparan en cada grupo las dos extremas y, si son significativas, nuevamente se forman dos grupos, de k-2 medias

J.F. Casanova

ANOVA y ANCOVA

13

J.F. Casanova

ANOVA y ANCOVA

14

Mtodo de Newman-Keuls
A) ORDEN DE LAS COMPARACIONES
5) Se contina el proceso hasta que llegamos a 2 muestras o cuando alguna comparacin resulta no significativa. En este caso, se declaran homogneas todas las medias del grupo.

Mtodo de Newman-Keuls
NOTA: Pueden darse PARADOJAS, como:
x1 hom ognea a x 2 x 2 hom ognea a x 3

> x diferente a x
1

EXPLICACIN: Homognea no quiere decir igual, sino que no se ha demostrado con suficiente probabilidad la diferencia.
J.F. Casanova ANOVA y ANCOVA
15

J.F. Casanova

ANOVA y ANCOVA

16

Mtodo de Newman-Keuls
B) PROCEDIMIENTO DE CADA COMPARACIN
El estadstico de contraste es:

Anlisis de la Varianza de 1 Factor. Muestras relacionadas


Pruebas utilizadas
A) Poblaciones Normales y Varianzas Homogneas La ms conveniente es el Anlisis de la Varianza. B) No se cumple (A) Tres opciones: 1) Transformar los datos para llegar a (A) 2) Si no se est lejos de (A), Anlisis de la Varianza (A), (es una prueba muy robusta) robusta) 3) Prueba no paramtrica de Friedman
J.F. Casanova ANOVA y ANCOVA
18

q ij =

xi x j s ij

siendo:

sij =

VR 1 1 + 2 ni n j

* Bajo la H0 ( x i = x j ) sigue la distribucin de NewmanKeuls, que depende de R y de R, el Rango (nmero de medias que hay en el grupo que se compara).
J.F. Casanova ANOVA y ANCOVA

17

ANOVA y ANCOVA

Anlisis de la Varianza de 1 Factor. Muestras relacionadas


Ejemplo
Tenemos el mismo grupo de individuos en k situaciones distintas y queremos comparar los resultados en esas situaciones * Tambin llamado ANOVA con MEDIDAS REPETIDAS

Anlisis de la Varianza de 1 Factor. Muestras relacionadas


Planteamiento
Tenemos n individuos y k valores distintos del factor cualitativo Queremos estudiar la relacin del factor cualitativo F con una variable cuantitativa X. Al utilizar los mismos individuos en todas las mediciones, se elimina la influencia de la variable individuo (I) en X. Suponemos que la influencia de F en X no depende del individuo (No hay interaccin).

J.F. Casanova

ANOVA y ANCOVA

19

J.F. Casanova

ANOVA y ANCOVA

20

Anlisis de la Varianza de 1 Factor. Muestras relacionadas


Descomposicin de la Varianza
En el ANOVA simple se haca la descomposicin: Dispersin: DT = DF + DR Grados de Libertad: T = F + R En el ANOVA de Muestras relacionadas: Dispersin: DT = DF + DI + DR Grados de Libertad: T = F + I + R
J.F. Casanova ANOVA y ANCOVA
21

Anlisis de la Varianza de 1 Factor. Muestras relacionadas


Efecto de desglosar la dispersin entre individuos (DI ): Se reduce la dispersin residual (DR ), aumentando la potencia de la prueba. Procedimiento de Anlisis: Anlogo al ANOVA simple.

J.F. Casanova

ANOVA y ANCOVA

22

Anlisis de la Varianza de 2 Factores


Objetivos
Estudiar la relacin de cada una de dos factores) variables cualitativas (factores) con una variable cuantitativa. cuantitativa. Estudiar la interaccin entre ellas.

Anlisis de la Varianza de 2 Factores


Condiciones de Aplicacin
Poblaciones normales y varianzas homogneas (como todo ANOVA) Para fcil interpretacin nmero de casos igual en cada combinacin de factores (o proporcional a los totales parciales)

J.F. Casanova

ANOVA y ANCOVA

23

J.F. Casanova

ANOVA y ANCOVA

24

ANOVA y ANCOVA

Ejemplo
valores medios de glucosa n = 6 datos / casilla K = KA KB N=Kn
MEDIOS DE CULTIVO

Anlisis de la Varianza de 2 Factores


Descomposicin de la Varianza Efectos: T: Total A: Factor Tiempo B: Factor Medio I: Interaccin R: Residual

MEDIO1 CORTO TIEMPO MEDIO ALTO 34 22 14

MEDIO2 38 20 8

MEDIO3 36 24 12

DT = DA + DB + DI + DR

J.F. Casanova

ANOVA y ANCOVA

26

Anlisis de la Varianza de 2 Factores Procedimiento


EN EL EJEMPLO
V FA = A F (KA -1, N-K) VR
= F (2, 45)

Anlisis de la Varianza de 2 Factores


Comparaciones Mltiples S interaccin
ANOVA 1 factor dentro de cada una de las categoras del otro Comparar todas las combinaciones de factores entre s.

FB =

VB VR F (KB -1, N-K)

[COMO ANOVA 1 FACTOR] = F (2, 45)

No interaccin
= F (4, 45)

V FI = I VR

F ((KA -1)(KB -1), N-K)

Comparar por separado las categoras de cada factor significativamente relacionado con la respuesta.
27

J.F. Casanova

ANOVA y ANCOVA

J.F. Casanova

ANOVA y ANCOVA

28

Anlisis de la Covarianza (ANCOVA)


Objetivos
Estudiar la relacin de una variable cualitativa (factor) con una variable factor) cuantitativa. cuantitativa. Eliminando la influencia de una tercera variable (cuantitativa) (llamada covariable) covariable)
J.F. Casanova ANOVA y ANCOVA
29

Anlisis de la Covarianza (ANCOVA)


Condiciones de Aplicacin
Los habituales del ANOVA Existe relacin lineal entre la variable respuesta y la covariable Para fcil interpretacin La pendiente de la relacin es similar para los distintos valores del factor cualitativo (No hay interaccin entre factor y covariable) covariable)
J.F. Casanova ANOVA y ANCOVA

30

ANOVA y ANCOVA

Ejemplo
RC

Anlisis de la Covarianza (ANCOVA) Procedimiento


Anlogo al ANOVA, sustituyendo las dispersiones y grados de libertad directos por los ajustados. Tambin en las comparaciones mltiples se sustituye por los valores ajustados. Medias ajustadas: yi bx i donde b es la pendiente de y = a + bx
J.F. Casanova ANOVA y ANCOVA
32

RCT2 RCT1

T2

dRC,AJ

T1 EDAD

Podemos estudiar la relacin entre el Tratamiento y la Reduccin de Concentracin sin que afecte la Edad (Como si la edad fuera la misma para ambos grupos) La diferencia ajustada dRC,AJ no coincide con la directa, R CT 2 R CT1

Anlisis con ms de 2 Factores


Es posible cualquier nmero de factores y covariables Puede aparecer interaccin de 2 orden:
La interaccin entre 2 factores depende del valor de un tercer factor.

Las interacciones de orden superior suelen subsumirse en el efecto residual.


J.F. Casanova ANOVA y ANCOVA
33

ANOVA y ANCOVA