Segundo Ejercicio

Análisis de la Varianza
Tema 1
Regina Kaiser Depto. Estadística, Universidad Carlos III 1

Descripción breve del tema
1. Introducción al diseño de experimentos
2. El modelo
3. Estimación de los parámetros
4. Propiedades de los estimadores
5. Descomposición de la variabilidad
6. Estimación de la diferencia de medias
 Método de Fisher o LSD, contrastes múltiples
7. Diagnosis
Objetivos
 Reconocer la importancia del diseño y análisis
estadístico de experimentos
 Presentar un procedimiento para comparar el
efecto de los distintos niveles de un factor
 Construir y estimar un modelo para contrastar
las hipótesis de interés
 Cuantificar el efecto de un factor en un
experimento
2. El modelo
7. Diagnosis
Introducción al diseño de experimentos
 Un analista debe ser capaz de resolver problemas
reales aplicando el método científico.
 Para la resolución de muchos de estos problemas no
existe una teoría sólida, para otros queremos
contrastarla
 efecto de las técnicas venta en distintos establecimientos
 duración de materiales de construcción en distintos
ambientes
 Notas de los estudiantes en distintas asignaturas

 Un experimento es una prueba o serie de pruebas en
las que se modifican deliberadamente las
condiciones de un proceso o sistema con el objetivo
de observar el efecto de esas modificaciones en el
resultado.
 En un experimento intervienen varios factores, el
objetivo es determinar la influencia de estos factores
en el resultado final de un proceso, para explicar la
relación causa-efecto.
 Hay factores:
 controlados: su valor lo especifica el investigador
 no controlados: debidos al entorno y al azar
 Debemos minimizar el efecto de los factores
no controlados.

 Ejemplo: Un analista está interesado en determinar
qué factores influyen en el número de unidades
vendidas de un cierto producto según el tipo de
establecimiento
 controlados: establecimiento, marca, posición
 no controlados: clima, huelgas, eficacia…
 Objetivo: Determinar qué factores afectan las ventas
y en qué dirección
 Consecuencias: Determinar qué establecimientos
pueden generar mayores ventas
Ejemplo: manufactura papel
 Un fabricante de bolsas de papel quiere mejorar
la resistencia a la tensión de las bolsas.
 El analista de producción piensa que hay una
relación causa-efecto entre la cantidad de
celulosa utilizada en la fabricación del papel y
la resistencia.
 Experimento en el que se fabrica papel con
distintos % de celulosa y se mide la resistencia.
Concentración Observaciones
de celulosa % 1 2 3 4 5 6
5 7 8 15 11 9 10
10 12 17 13 18 19 15
15 14 18 19 17 16 18
20 19 25 22 23 18 20


2. El modelo
7. Diagnosis
El modelo (ANOVA)
 Tenemos n elementos que se diferencian en un
factor.
 En cada elemento observamos una
característica que varía aleatoriamente de un
elemento a otro.
 Se desea establecer si hay o no relación entre
el valor medio de la característica estudiada y
el factor.
El modelo (ANOVA)
Tenemos:
 una variable de interés y (resistencia de las bolsas)
 un factor que influye en los valores de y que

llamamos F (% de celulosa)
 cierto número de niveles del factor F, que denotamos
por I (4 porcentajes distintos)
 un número de observaciones para cada nivel del
factor, ni (6 observaciones para cada nivel)
 El número total de observaciones es n=n1+n2+…+nI
El modelo (ANOVA)
Si para i=1,…,I y j=1,…,ni:
 yij es la j-ésima observación del i-ésimo grupo
 mi es la media del i-ésimo grupo
 uij es la perturbación que mide la variabilidad

debida al error experimental
yij  m i  uij

El modelo (ANOVA)
La perturbación uij mide la desviación en la observación j
del grupo i respecto de la media del grupo. Se debe a
causas no asignables (factores no controlados). Es una
variable aleatoria.
 El promedio de las perturbaciones es cero, E[uij]=0
 Misma variabilidad en todos los grupos, Var[uij]=s2
 Distribución perturbaciones es normal, uij~N(0, s2)
 Perturbaciones independientes.

El modelo (ANOVA)
Alternativamente, podemos reformular el modelo
y escribirlo como:
yij  m  a i  uij
para i=1,…,I y j=1,…,ni . Donde
 m es la media de todas las observaciones
 ai es el efecto diferencial del i-ésimo grupo
(ai = m i-m)
2. El modelo
7. Diagnosis
Estimación de los parámetros
En el modelo yij  m i  uij
Para i=1,…,I y j=1,…,ni con yij~N(0, s2)
Los parámetros desconocidos son:
 El verdadero valor de la media de cada grupo
m1, m2,…, mI
 La varianza de la perturbación s2.

Media de las
observaciones en el
y4.
i-ésimo grupo
y3.
ni y2.
y
j 1
ij
mî   yi. y1.

ni

Como de costumbre, las perturbaciones las
estimamos mediante los residuos (miden la
variabilidad no explicada).
eij  yij - yi.

y46
e46  y46 - y4.

y4.
y3.
y2.
y1.

 La varianza muestral de los residuos es un
estimador de s2
I ni
 ij
e 2
i 1 j 1
s 
ˆ 2
 Desgraciadamente se trata de un estimador

sesgado.
 Utilizamos la varianza residual como
estimador de s2 I n
 e
i
2
ij
SˆR2 
i 1 j 1
n-I
 El término que aparece en el cociente son los
grados de libertad.
 Tenemos (n - I ) Sˆ R2
~  n-I
2
s 2
2. El modelo
7. Diagnosis
Props. de los estimadores (medias)
yij  mi  uij yij ~ N ( mi , s ) 2
j  1, ni i  1, I
 Esperanza: E[mˆ i ]  E[ yi ]  mi
(centrado o insesgado)
s2
 Varianza: Var[ mˆ i ]  Var[ yi ] 
ni
Props. de los estimadores (medias)
 Además, como m̂ i es combinación lineal de
variables independientes y normales, sigue
distribución normal.
 Como s es desconocido, tenemos el intervalo

de confianza
Sˆ R
mˆ i  t n - I ,a / 2
ni
¿Son todas las medias iguales?

2. El modelo
7. Diagnosis
Descomposición de la variabilidad
 El Análisis de la Varianza compara la
variabilidad entre las medias de los grupos de
los distintos niveles del factor con la variabilidad
experimental.
 A mayor diferencia entre las medias de los
grupos mayor variabilidad entre ellos
H 0 : m1  m2   mI
H1 : al menos un par de medias tiene mi  m j
 Si las medias son muy diferentes, la variabilidad
entre las medias será mayor que la variabilidad
dentro de los grupos
yI .
y2.
y1.
yi .

yij - y  ( yij - yi )  ( yi - y )
( yij - y)2  ( yij - yi )2  ( yi - y)2  2( yij - yi )( yi - y)

I ni I ni I ni I ni
 ij
( y - y
i 1 j 1
) 2
  ij i  i
( y - y ) 2
 ( y -
i 1 j 1
y ) 2
 2 ( yij - yi )( yi - y )
i 1 j 1 i 1 j 1
I ni I ni I
 ij
( y - y
i 1 j 1
) 2
  ij i  i i
( y - y ) 2
 n ( y - y
i 1 j 1
) 2
i 1
VT  VNE  VE
 La Variabilidad Explicada (VE) mide la
variabilidad entre los distintos grupos. Si es
pequeña, es porque las medias son similares.
 La Variabilidad No Explicada (VNE) o

residual, mide la variabilidad dentro de los
grupos y es debida al error experimental.

VNE
 En general ~  n-
2
s2
I
VE
 Además, si m1=…=mI ~ 2
I -1
s 2
 En consecuencia, bajo H0 VE/ ( I - 1)

~ FI -1,n - I
VNE/ (n - I )

Desc. variabilidad. Tabla ANOVA
Fuentes de Suma de Grados de
Varianza Test F
variación cuadrados libertad
I I
n (y Sê2
Entre grupos
n (y - y.. ) 2
- y.. ) 2 I-1 Sê2  i 1
i i.
ˆ
i i.
VE i 1 I -1 2
SR
Residual I ni I
 ( y
ni
 ( y
- yi. ) 2
ij - yi. ) 2
n-I SˆR2 
i 1 j 1
ij
VNE i 1 j 1 n-I
I ni
 ( yij - y.. )
I ni
Total
2
n-1  ( y ij - y.. )2
i 1 j 1 Sˆ y2  i 1 j 1
n -1

 Contraste de la F: H 0 : m1  m2   mI
H1 : al menos un par de medias tiene mi  m j
 Si H0 no es cierta, la varianza entre grupos será
mayor que la residual
Aceptación Rechazo
Aceptación
1-a
1-a
a Sê2
Regina Kaiser Depto. Estadística, Universidad Carlos III ˆ
SR 2 36
Ejemplo: manufactura de papel
Sê2
SˆR2

 a  0.05
F(3,20)
F0.05(3,20)  3.098
Regina Kaiser Depto. Estadística, Universidad Carlos III

Región de rechazo
38
2. El modelo
7. Diagnosis
Estimación de la diferencia de medias
 Si llegamos a la conclusión de que, al menos,
un par de medias son distintas. Deseamos
saber cuáles son distintas y cuáles iguales.
 Solución: Comparar las medias 2 a 2

(n1 - 1) sˆ12  (n2 - 1) sˆ22
Contrastes particulares sˆ 
2
n1  n2 - 2
T
 Contraste para la igualdad de medias de dos poblaciones

normales con varianzas desconocidas pero iguales
 Hipótesis nula. H0: m1 = m2
 Hipótesis alternativa. H1: m1 m2
Rechazo H0 cuando y1 - y2

> t n1  n2 - 2,a / 2
sˆT 1 n1 1 n 2
 Hipótesis alternativa. H1: m1 m2
y1 - y2
 Rechazo H0 cuando  -t n1  n2 -2,a
sˆT 1 n1 1 n 2
 Hipótesis alternativa. H1: m1 >m2
Rechazo H0 cuando y1 - y2

> tn1  n2 -2,a
sˆT 1 n1 1 n 2
Intervalos de Confianza particulares
 Intervalo de Confianza para la diferencia de
medias de dos poblaciones normales con
varianzas desconocidas pero iguales.
 1 1 1 1
m1 - m 2   y1 - y2 - t n1  n2 - 2,a / 2 sˆT  , y1 - y2  t n1  n2 - 2,a / 2 sˆT  
 n1 n2 n1 n2 
con un nivel de confianza 1-a,

donde P(X > tn,a) = a si X~tn
H0: m1 = m2 densidad dedeluna
Distribución tn1n2-2
estimador
H1: m1 m2
0.5
y1 - y2
0.4
Si t  > tn1  n2 -2,a / 2
sˆT 1 n1 1 n 2
0.3
0.2
rechazamos H0.
0.1
Acepto
En la gráfica c  tn1n2-2,a/2
0.0
-c c
-0.1
Regina Kaiser Depto. Estadística, Universidad -4

Carlos III -2 0 2 43 4
Diferencia de medias
H 0 : m1  m2 y1 j ~ N ( m1 , s 2 )
H1 : m1  m2 y2 j ~ N ( m 2 , s 2 )
t  3.48
H 0 : m1  m3 y1 j ~ N ( m1 , s 2 )
t  5.12
H1 : m1  m3 y3 j ~ N ( m3 , s )2
H 0 : m1  m4 y1 j ~ N ( m1 , s 2 )
t  7.07 t(0.025,10)  2.228
2.22
H1 : m1  m4 y3 j ~ N ( m3 , s 2 )
H 0 : m 2  m3 y2 j ~ N ( m 2 , s 2 )
t  0.98
H1 : m 2  m3 y3 j ~ N ( m3 , s )2
H 0 : m2  m4 y2 j ~ N ( m 2 , s 2 ) t  3.49
H1 : m 2  m 4 y4 j ~ N ( m 4 , s 2 ) No hay diferencia en la
H 0 : m3  m 4 y3 j ~ N ( m3 , s 2 ) Resistencia al utilizar el
t  3.06 10 ó 15 % de celulosa
H1 : m3  m 4 y4 j ~ N ( m 4 , s 2 )
H 0 : m1  m 2 y1 j ~ N ( m1 , s 2 )
H1 : m1  m 2 y2 j ~ N ( m 2 , s 2 )
H 0 : m1  m3 y1 j ~ N ( m1 , s 2 )
H1 : m1  m3 y3 j ~ N ( m3 , s 2 )
H 0 : m1  m 4 y1 j ~ N ( m1 , s 2 )
H1 : m1  m 4 y3 j ~ N ( m3 , s 2 )
Si todas las varianzas son
H 0 : m 2  m3
iguales, podemos utilizar
y2 j ~ N ( m 2 , s 2 )
la información de todas
H1 : m 2  m3 y3 j ~ N ( m3 , s 2 )
H 0 : m2  m4
las muestras para estimar
y2 j ~ N ( m 2 , s 2 )
la varianza
H1 : m 2  m 4 y4 j ~ N ( m 4 , s 2 )
H 0 : m3  m 4 y3 j ~ N ( m3 , s 2 )
H1 : m3  m 4 y4 j ~ N ( m 4 , s 2 )
Regina Kaiser Depto. Estadística, Universidad Carlos III Sˆ R2 45
Método Fisher o LSD
 Deseamos hacer varios contrastes del tipo
H 0 : m1  m2
H1 : m1  m2
y, según las hipótesis del modelo, la varianza es la
misma en todos los niveles del factor. Utilizamos, así,
todos los datos para estimarla
I ni I
 e 2
ij  i i
( n - 1) ˆ2
S
SˆR2 
i 1 j 1
 i 1
n-I n-I
Método Fisher o LSD
 La distribución del estadístico es ahora:
y1 - y2
~ tn- I
SˆR 1 n1 1 n 2
 Si hay muchos grupos (niveles del factor), el nivel

crítico cambia (porque n-I mucho mayor que
n1n2-2). Con el método de Fisher detectamos
diferencias más pequeñas.
 Explicación: varianza de una t.
H 0 : m1  m2
H1 : m1  m2 t  3.48, tLSD  3.84
H 0 : m1  m3
H1 : m1  m3 t  5.12, tLSD  4.75
H 0 : m1  m4
t  7.07, tLSD  7.57
H1 : m1  m4 t(0.025,20)  2.086
(0.025,16) = 2.086
H 0 : m 2  m3
t  0.98, tLSD  0.903
H1 : m 2  m3
H 0 : m2  m4
t  3.49, tLSD  3.73
H1 : m 2  m 4 No hay diferencia en la
H 0 : m3  m 4 Resistencia al utilizar el
t  3.06, tLSD  2.82 10 ó 15 % de celulosa
H1 : m3  m 4
Distancia mínima entre Estos son los únicos I.C. que se

grupos para considerarlos solapan
diferentes
Contrastes múltiples
 En un contraste de hipótesis, estamos siempre
inclinados a aceptar la hipótesis nula. La
rechazamos sólo si hay una evidencia muy
fuerte en su contra.
Pr(Rechazar H0|H0 cierta) a
 Si utilizamos el método de Fisher para
comparar cada pareja de medias, realizamos
I(I-1)/2 contrastes.
Contrastes múltiples
 Al realizar m contrastes independientes cada
uno con nivel de significación a  0.05, la
probabilidad de rechazar alguna hipótesis nula
cierta es:
Pr(Rechazar algún H0|H0) 1- Pr(Aceptar todos H0|H0)

1- (1- 0.05)m = 1-0.95m > 0.05

Contrastes múltiples. Método de Bonferroni
Pr(Rechazar algún H0|H0)SPr(Rechazar un H0|H0)=ma
Fijado un nivel de significación global aT , garantizamos

dicho nivel de significación global si realizamos cada
contraste con un nivel de significación a=aT/m
Los intervalos de confianza serán ahora más anchos y se

solaparán con mayor facilidad.
Contrastes múltiples. Método de Bonferroni
H 0 : m1  m 2
H1 : m1  m 2 t LSD  3.84
H 0 : m1  m3
t LSD  4.75 t(0.025,16)  2.086
t(0.025,20) = 2.086
H1 : m1  m3
H 0 : m1  m 4
t LSD  7.57
H1 : m1  m 4 a  0.025 / 6  0.00416
H 0 : m 2  m3
t LSD  0.903
H1 : m 2  m3
tt(0.00416,16)  2.927
(0.00416, 20) = 3.008
H 0 : m2  m4
t LSD  3.73 No hay diferencia en la Resistencia
H1 : m 2  m 4
al utilizar el 10 ó 15 % de celulosa.
H 0 : m3  m 4
t LSD  2.82 Tampoco hay diferencia al utilizar el
H1 : m3  m 4 15 ó 20% de celulosa.
2. El modelo
7. Diagnosis
Diagnosis
 Para comprobar las hipótesis del modelo,
calculamos los residuos (estimaciones de la
perturbación)
eij  yij - yi.

Diagnosis
 Comprobar hipótesis de normalidad:
 Gráficamente:
 Histograma de residuos
 Gráfico probabilístico normal
 Métodos inferenciales:
 Contraste de normalidad

Diagnosis
 Comprobar hipótesis de varianza constante:
 Gráficamente:
 Gráfico de residuos frente a niveles del factor
 Gráfico de residuos frente a valores ajustados
 Métodos inferenciales:
 Contraste de igualdad de varianzas (sensibles a la
normalidad)

Diagnosis
 Comprobar hipótesis de independencia:
 Gráficos de residuos frente a tiempo.
Si los datos son independientes, en el gráfico no

aparecerá ninguna tendencia.
Si hay tendencias, es posible que el experimento no haya

sido aleatorizado y las diferencias entre los niveles sean
debidas al efecto del tiempo.
Diagnosis
Niveles del factor

Segundo Ejercicio

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Segundo Ejercicio

Uploaded by

Copyright:

Available Formats

Análisis de la Varianza

Regina Kaiser Depto. Estadística, Universidad Carlos III 1

Regina Kaiser Depto. Estadística, Universidad Carlos III 5

Regina Kaiser Depto. Estadística, Universidad Carlos III 7

Regina Kaiser Depto. Estadística, Universidad Carlos III 10

Regina Kaiser Depto. Estadística, Universidad Carlos III 11

 un factor que influye en los valores de y que

 mi es la media del i-ésimo grupo

 uij es la perturbación que mide la variabilidad

Regina Kaiser Depto. Estadística, Universidad Carlos III 15

 Misma variabilidad en todos los grupos, Var[uij]=s2

 Distribución perturbaciones es normal, uij~N(0, s2)

Regina Kaiser Depto. Estadística, Universidad Carlos III 16

Regina Kaiser Depto. Estadística, Universidad Carlos III 19

mˆi   yi. y1.

Regina Kaiser Depto. Estadística, Universidad Carlos III 20

eij  yij - yi.

Regina Kaiser Depto. Estadística, Universidad Carlos III 21

e46  y46 - y4.

Regina Kaiser Depto. Estadística, Universidad Carlos III 22

 Desgraciadamente se trata de un estimador

 Como s es desconocido, tenemos el intervalo

Regina Kaiser Depto. Estadística, Universidad Carlos III 28

Regina Kaiser Depto. Estadística, Universidad Carlos III 31

( yij - y)2  ( yij - yi )2  ( yi - y)2  2( yij - yi )( yi - y)

 La Variabilidad No Explicada (VNE) o

Regina Kaiser Depto. Estadística, Universidad Carlos III 33

 En consecuencia, bajo H0 VE/ ( I - 1)

Regina Kaiser Depto. Estadística, Universidad Carlos III 34

Regina Kaiser Depto. Estadística, Universidad Carlos III 35

Regina Kaiser Depto. Estadística, Universidad Carlos III 37

Regina Kaiser Depto. Estadística, Universidad Carlos III

 Solución: Comparar las medias 2 a 2

Regina Kaiser Depto. Estadística, Universidad Carlos III 40

 Contraste para la igualdad de medias de dos poblaciones

con un nivel de confianza 1-a,

Regina Kaiser Depto. Estadística, Universidad -4

 Si hay muchos grupos (niveles del factor), el nivel

Distancia mínima entre Estos son los únicos I.C. que se

Pr(Rechazar algún H0|H0) 1- Pr(Aceptar todos H0|H0)

Regina Kaiser Depto. Estadística, Universidad Carlos III 51

Fijado un nivel de significación global aT , garantizamos

Los intervalos de confianza serán ahora más anchos y se

eij  yij - yi.

Regina Kaiser Depto. Estadística, Universidad Carlos III 55

Regina Kaiser Depto. Estadística, Universidad Carlos III 56

Regina Kaiser Depto. Estadística, Universidad Carlos III 57

Si los datos son independientes, en el gráfico no

Si hay tendencias, es posible que el experimento no haya

Niveles del factor

Regina Kaiser Depto. Estadística, Universidad Carlos III 59

You might also like