You are on page 1of 20

ANÁLISIS DE

VARIANZA
PRESENTADO POR:

CADENAS MAMANI, ESTEFANY


CCORIMANYA, ELIZABETH
CESPEDES, ELIZABETH
CORICAZA SALAZAR, ERICK
HUILLCA MAMANI, MIRELLA
MOREANO QUENAYA, ESTHER
3. Análisis factorial de dos vías
 Usaremos el análisis doble de la varianza para estudiar los
posibles efectos causados por diferentes niveles de dos
factores sobre la variable dependiente. Así, por ejemplo, en
agricultura estaremos interesados en estudiar qué efectos
tendrán, sobre el crecimiento de las patatas, variaciones en los
niveles de potasio y nitrógeno de la tierra.
 Usaremos ANOVA doble para contrastar, para cada uno de
los dos factores, la hipótesis nula de que el resultado de la
variable dependiente (crecimiento de patatas, intensidad del
dolor de cabeza, tiempo en adquirir conocimientos, ventas,
etc.) no depende del factor.
3. Análisis factorial de dos vías

 Modelo aditivo (sin interacción)


 El modelo aditivo supone que la variación total en los datos puede ser
expresada como suma de variaciones procedentes de fuentes diversas:
 (Variación total en los datos) = (Variación debida al primer factor) + (Variación
debida al segundo factor) + (Variación debida al error aleatorio)
 Modelo con interacción
 Un aspecto al que debemos prestar especial atención es el nivel de interacción
entre ambos factores; es decir, el efecto que cada uno de los factores tiene
sobre el otro.

 (Variación total en los datos) = (Variación debida al primer factor) + (Variación


debida al segundo factor) + (Variación debida a la interacción entre factores)
+ (Variación debida al error aleatorio)
 Fuente : Probabilidad y estadística para ingeniería y ciencias – Ronald
Walpole y Rymond Myers
CASO PRÁCTICO

 Se aplican pinturas tapaporos para aeronaves en superficies de aluminio,


con dos métodos: inmersión y rociado. La finalidad del tapaporos es
mejorar la adhesión de la pintura, y puede aplicarse en algunas partes
utilizando cualquier método. El grupo de ingeniería de procesos
responsable de esta operación está interesado en saber si existen
diferencias entre tres tapaporos diferentes en cuanto a sus propiedades de
adhesión. Para investigar el efecto que tienen el tipo de pintura tapaporos
y el método de aplicación sobre la adhesión de la pintura, se realiza un
diseño factorial. Para ello, se pintan tres muestras con cada tapaporo
utilizando cada método de aplicación, después se aplica una capa final
de pintura y a continuación se mide la fuerza de adhesión. Los datos son
los siguientes:
Método
Inmersión Rociado
1 4 4.5 4.3 5.4 4.9 5.6
Tipo de
pintura
2 5.6 4.9 5.4 5.8 6.1 6.3
3 3.8 3.7 4 5.5 5 5
(a)Tipo de pintura = 3
(b) Método = 2
(n) k repeticiones = 3
N = 18 observaciones totales
𝑺𝑪𝑻 = 𝑺𝑪𝑨 + 𝑺𝑪𝑩 + 𝑺𝑪(𝑨𝑩) + 𝑺𝑪𝑬
Paso 1 : Medias de los datos

Método MEDIA
Inmersión Rociado
1 4.267 5.3 4.78333333
Tipo de
pintura
2 5.3 6.06666667 5.68333333
3 3.833 5.16666667 4.5
MEDIA 4.46666667 4.83333333 4.98888889
Paso 2: Hallar las sumas de cuadrados

42+4.52+4.32+5.62+4.92+5.42+…+5.52+52+52-18*4.98889=10.72

SCA= 64.7832+5.6832+4.52-18*4.9892=4.58

SCB= 94.4672+5.5112-18*4.9892=4.91

SCAB=34.2672+5.32+5.32+6.0672+3.8332+5.167^2-18*4.9892-4.58-4.91 =0.24
𝑺𝑪𝑬 = 𝑺𝑪𝑻 − 𝑺𝑪𝑨 + 𝑺𝑪𝑩 + 𝑺𝑪 𝑨𝑩 = 10.72 − 4.58 − 4.91 − 0.24 = 0.99

SUMA DE GRADOS CUADRADO F


CUADRADOS DE MEDIO
LIBERTAD
TIPO DE PINTURA (A) 4.58 2 2.29 27.7575758
METODO (B) 4.91 1 4.91 59.5151515
INTERACCION 0.24 2 0.12 1.45454545
ERROR 0.99 12 0.0825
TOTAL 10.72 17
Si F calculado es menor que F de tabla se acepta la
hipótesis nula es decir no interactúan los factores .
 F(1,12:0,05) = 4.75
 F(2,12:0,05) = 3.89
 Tarapoto (A) = 3.89 < 27.7576 si interactúan
 Tipo de pintura ( B) = 4.75 <59,5152 ; si
interactúan
 Interacción (AB) = 3.89 > f calculado ( 1.4545)
entonces no existe interacción entre variables.

 Por tanto, no hay evidencia de la existencia de


interacción entre los factores. Los efectos del
tipo de pintura tapaporos y del método de
aplicación empleado afectan a la fuerza de
adhesión

 Fuente : Probabilidad y estadística para ingeniería y ciencias


– Ronald Walpole y Rymond Myers
 Fuente : Probabilidad y estadística para ingeniería y ciencias – Ronald Walpole y
Rymond Myers
METODO TUKEY
 INTRODUCCION
El termino tukey viene a ser llamado por porque jhon tukey fue quien introdujo esta técnica
estadística.
La prueba de tukey es la prueba más aplicada y preferida por los estadísticos para
controlar la mejor manera los dos errores conocidos en la estadística (αyβ) esta prueba
permite hacer todas las posibles comparaciones de tratamientos de dos en dos y por eso
se considera la más completa
Cuando realizamos un análisis de varianza, un valor de F significativo nos indica que no todas
las condiciones producen el mismo efecto sobre la variable independiente.
 Para diseños balanceados (mismo número de columnas en los tratamientos) el valor de q
se determina por medio de la siguiente tabla
 Se calcula la diferencia Di entre cada par de Medias Xi’s

D1 = X1 – X2 D2 = X1 – X3 D3 = X2 – X3

 Di se comparan con el valor de T, si lo exceden entonces la diferencia es Significativa de


otra forma se considera que las medias Son iguales.
 Es importante para comprobar por medio de este método las medias de los
tratamientos de dos en dos ósea para evaluar las hipótesis

H0 = μ1=μ2=μ3=μ4 (las medias son iguales)


H1 = μ1≠μ2≠μ3≠μ4 (las medias son diferentes)

 PROCEDIMIENTO
 Se calcula el valor critico de todas de todas las comparaciones por pares
 Se obtiene el error estándar de cada promedio
 Obtener el Tα
 calcular la diferencia delas medias y realizar las comparaciones en el valor critico
 hacer las conclusiones tomando ya sea H0 o H1
EJEMPLO

Las hipótesis que se van a probar son:

H0 : T1 = T2 = T3 = T4 vs Al menos un tratamiento desigual


H0 : R1 = R2 = R3 = R4 vs Al menos una réplica desigual.
Estas hipótesis se prueban mediante un análisis de varianza.
Realizaremos el análisis del rendimiento expresado en toneladas por hectárea. Pasos a
seguir:

Cálculo de las sumas de las desviaciones cuadradas.


En el análisis de varianza
podemos observar que para el
caso de los 3 tratamientos, en
este caso las 4 normas de riego,
existen diferencias ya que la Fcal
es mayor que la Ftab, con
probabilidad de error menor de
0.01. Por lo tanto al menos uno
de los tratamientos es diferente a
los demás. Para encontrar cuales
tratamientos difieren
significativamente es necesario
hacer una comparación de
medias.
CUANDO UTILIZAR EL MÉTODO DE TUKEY

 Cuando el tamaño de las muestras seleccionadas para cada grupo son


iguales
 Cuando el interés fundamental es comparar promedios entre grupos y son
múltiples las comparaciones que estamos haciendo .por lo tanto este test
de tukey es el más utilizado
 La prueba de tukey es la prueba más aplicada y preferida por los
estadísticos pues control de mejor manera los dos errores ampliamente
Contraste de homocedasticidad
 En la pr´actica un contraste de gran inter´es es el de la homocedasticidad o
igualdad de varianzas. Decimos que dos poblaciones son homoced´aticas si
tienen la misma varianza. El test de homocedasticidad sería entonces el mismo
que el de un cociente de varianzas, donde R = 1, es decir:

 Una de las razones de la importancia de este contraste es la siguiente: Si


queremos estudiar la diferencia entre las medias de dos poblaciones normales
 Las dos varianzas son iguales. Este es el caso m´as favorable pues
utilizamos la distribución de Student para el contraste con un nu´mero de
grados de libertad que s´olo depende del tamaño de la muestra
 Las varianzas son distintas. En este caso el número de grados de
libertad es una v.a. (f´ormula de Welch) y por tanto al realizar el
contraste se pierde cierta precisión
Observación
 Al realizar el contraste bilateral sobre la igualdad de varianzas podemos
también economizar parte de trabajo definiendo Fexp como el cociente
entre la mayor varianza de la muestra y la menor

 Ya que así no es necesario calcular el extremo inferior para la regi´on


donde no se rechaza H0, pues Fexp nunca estar´a pr´oxima a 0. Con esta
definici´on de Fexp el criterio a seguir frente al contraste de significaci´on
para un valor α dado es:

You might also like