Modelos de ANOVA La tcnica del Anlisis de la Varianza (ANOVA o AVAR) es una de las tcnicas ms utilizadas en los anlisis de los

datos de los diseos experimentales. Se utiliza cuando queremos contrastar ms de dos medias, por lo que puede verse como una extensin de la prueba t para diferencias de dos medias. El ANOVA es un mtodo muy flexible que permite construir modelos estadsticos para el anlisis de los datos experimentales cuyo valor ha sido constatado en muy diversas circunstancias. Bsicamente es un procedimiento que permite dividir la varianza de la variable dependiente en dos o ms componentes, cada uno de los cuales puede ser atribuido a una fuente (variable o factor) identificable. Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma: (Valor observado) = (efectos atribuibles) + (efectos no atribuibles o residuales) El valor observado se refiere al que se obtiene en la variable cuantitativa dependiente. Los efectos atribuibles son parmetros o variables aleatorias que son el resultado de cambios en los factores o variables independientes y, por tanto, atribuibles a ellos. Aquellos efectos no atribuibles a ningn factor controlado se denominan efectos residuales o variables aleatorias residuales. El ANOVA est basado en ciertos supuestos, unos ms plausibles que otros, acerca de dichas variables aleatorias. Es evidente que cuantos ms factores introduzcamos menos cantidad de variacin residual (error) quedar por explicar. Pero siempre quedar alguna variacin residual. Los supuestos en los que est basado respecto a la variacin residual se resumen en los siguientes: 1. El valor esperado de cada variable aleatoria residual es cero. Esto significa que toda la variacin de los valores esperados es debida a los parmetros (y/o variables aleatorias) que representan efectos atribuibles. En la mayor parte de las situaciones este supuesto no es incorrecto. 2. Las variables aleatorias residuales son mutuamente independientes. Significa que entre las observaciones no existe nexo alguno que no sea explicado por los factores controlados. El supuesto no es tan claramente correcto como el primero, pero se puede mantener razonablemente si los individuos se eligen al azar y la medicin se hace separadamente para cada uno. 3. Todas las variables aleatorias residuales tienen la misma desviacin tpica. Es el llamado supuesto de homoscedasticidad o de igualdad de varianzas. Es el menos viable, pues los mtodos de medida producen variaciones de diferente magnitud y sabemos que los valores esperados estn relacionados con las desviaciones tpicas. Hay distintos mtodos

para conseguir que tal supuesto sea satisfecho: nmero igual de sujetos en los tratamientos, transformacin de las observaciones originales, etc. 4. Toda variable aleatoria residual se distribuye normalmente. Es probablemente, el menos vlido de los cuatro. Sin embargo, se puede tolerar cierto alejamiento de la normalidad con mnimo efecto prctico sobre las propiedades del ANOVA. http://www.ugr.es/~imartin/TEMA5_ANOVA.pdf