You are on page 1of 23

REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN UNIVERSITARIA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA ANTONIO

JOS DE SUCRE DEPARTAMENTO DE INGENIERIA INDUSTRIAL CTEDRA: ESTADSTICA II

ANOVA ANLISIS DE VARIANZA


PROFESOR: SUREZ, EMERSON INTEGRANTES: GONZALEZ, RAL GUEVARA, ANA GUEVARA, ALEXANDRA V- 20.224.382 V-20.807.044 V- 21.247.731

CIUDAD GUAYANA, OCTUBRE 2011

INTRODUCCIN El anlisis de varianza (ANOVA), es la tcnica fundamental que desarrolla un contraste de hiptesis estadsticas, la cual afecta los valores medios esperados de las poblaciones. Este tipo de anlisis parte de algunos cumplidos como lo son que, la variable dependiente debe medirse al menos a nivel de intervalo, independencia de las observaciones, la distribucin de los residuales debe ser normal y la homogeneidad de las varianzas. Por otro lado existen clasificaciones de uno y dos factores. La hiptesis que se pone a prueba en el ANOVA de un factor es que las medias poblacionales son iguales,y la hiptesis q se pone a prueba en la de dos factores es que si dos poblaciones tienen la misma varianza se dice que es nula, y la hiptesis alternativa es que una tiene mayor varianza que la otra. El anlisis de varianza es un mtodo estadstico muy utilizado y uno de los ms elaborados en lo que a la investigacin moderna se refiere. Sin embargo, es utilizada tambin para probar las hiptesis preferentes a las medias de poblacin ms que a las varianzas de poblacin. Este se ha desarrollado para el anlisis de datos en diseos estadsticos con alto nivel de complejidad.

ANOVA - ANLISIS DE VARIANZA

Es

la

tcnica

fundamental

que,

en

su

diseo

ms

sencillo,

desarrolla un contraste de hiptesis estadsticas, que afecta simultneamente a los valores medios o esperados de k poblaciones (variables aleatorias) con distribucin normal y homoscedsticas, es decir, con idnticas varianzas. En el modelo de un factor de efectos fijos, las hiptesis a contrastar consideran k situaciones experimentales analizadas sobre una variable respuesta Y: {

Donde:

representan los valores medios de la variable respuesta, Y, en

las k situaciones experimentales, respectivamente. A la hora de formular el criterio de rechazo de la hiptesis nula, recurre a dos estimadores independientes de la varianza, de ah el nombre de anlisis de la varianza, conocidos como cuadrados medios de los tratamientos y cuadrados medios del error, que son comparados probabilsticamente con ayuda de la distribucin F de Fisher. El ANOVA parte de algunos supuestos que han de cumplirse:

La variable dependiente debe medirse al menos a nivel de intervalo. Independencia de las observaciones. La distribucin de los residuales debe ser normal. Homocedasticidad: homogeneidad de las varianzas. La tcnica fundamental consiste en la separacin de la suma de cuadrados (SS,

'sum of squares') en componentes relativos a los factores contemplados en el modelo. Como ejemplo, mostramos el modelo para un ANOVA simplificado con un tipo de factores en diferentes niveles. (Si los niveles son cuantitativos y los efectos son lineales, puede resultar apropiado un anlisis de regresin lineal)
4

SSTotal = SSError + SSFactores El nmero de grados de libertad (gl) puede separarse de forma similar y corresponde con la forma en que la distribucin chi-cuadrado ( o Ji-cuadrada) describe la suma de cuadrados asociada. glTotal = glError + glFactores

Homocedasticidad: Se presenta en un modelo cuando los errores presentan en todas las observaciones de la variable endgena la misma varianza. Dado que hablamos de varianza, la homocedasticidad es un concepto estadstico. Un modelo estadstico relaciona el valor de una variable a predecir con el de otras. Si el modelo es insesgado, el valor predicho es la media de la variable a predecir. En cualquier caso, el modelo nos da una idea del valor que tomar la variable a predecir.

ALCANCE Y APLICACIONES El anlisis de varianza o mejor conocido como ANOVA es una tcnica que da respuesta a la comparacin de mas de dos grupos, es decir, es un mtodo que permite comparar mas de dos tratamientos; por ejemplo para estudiar dos tratamientos la prueba estadstica a utilizar es la t de Student, cuando se tiene mas de dos grupos o tratamientos aplicamos el anlisis de varianza. El ANOVA se enfoca claramente no solo en analizar datos sino tambin sirve para planificar diversidades de experimentos, los cuales nos dan un reflejo de que esta tcnica de la estadstica puede dividir la variabilidad que se observa en un experimento cualquiera, en componentes independientes los cuales pueden atribuirse a distintas causas de inters. Actualmente el anlisis de varianza (ANOVA) es uno de los mtodos estadsticos ms utilizados y elaborados en la investigacin moderna. Ahora mismo las tcnicas de
5

ANOVA se han desenvuelto para muchos estudios de datos en diseos estadsticos sumamente complicados. Podemos decir que a raz de hoy en da el ANOVA se aplica en cualquier bosquejo estadstico de cualquier rama en el estudio de investigacin como por ejemplo la biologa, ingeniera, medicina, contabilidad, etc. Supuestos que fundamentan la aplicacin de anlisis de varianza: Cuando se utiliza la tcnica anova se deben cumplir los siguientes supuestos: 1. Las personas de los diversos subgrupos deben seleccionarse mediante el muestreo aleatorio, a partir de poblaciones normalmente distribuidas. 2. La varianza de los subgrupos debe ser homognea. 3. Las muestras que constituyen los grupos deben ser independientes. Amenos de que las muestras sean independientes, y que por lo tanto, generen estimaciones de varianza independientes, la razn de las varianzas inter e intra no adoptar la distribucin F.

CLASIFICACIN DE UN FACTOR La hiptesis que se pone a prueba en el ANOVA de un factor es que las medias poblacionales (las medias de la VD en cada nivel de la VI) son iguales. Si las medias poblacionales son iguales, eso significa que los grupos no difieren en la VD y que, en consecuencia, la VI o factores independientes de la VD. La estrategia para poner a prueba la hiptesis de igualdad de medias consiste en obtener un estadstico, llamado F, que refleja el grado de parecido existente entre las medias que se es-tn comparando. El numerador del estadstico F es una estimacin de la varianza poblacional basada en la variabilidad existente entre las medias de cada grupo.

El denominador del estadstico F es tambin una estimacin de la varianza poblacional, pero basada en la variabilidad existente dentro de cada grupo: (j se refiere a los distintos grupos o niveles del factor):

Si las medias poblacionales son iguales, las medias muestrales sern parecidas, existiendo entre ellas tan slo diferencias atribuibles al azar. En ese caso, la estimacin (basada en las diferencias entre las medias) reflejar el mismo grado de variacin que la estimacin (basada en las diferencias entre las puntuaciones individuales) y el

cociente F tomar un valor prximo a 1. Si las medias muestrales son distintas, la estimacin reflejar mayor grado de variacin que la estimacin y el cociente F

tomar un valor mayor que 1. Cuanto ms diferentes sean las medias, mayor ser el valor de F.

CLASIFICACIN DE DOS FACTORES Es un diseo de ANOVA que permite estudiar simultneamente los efectos de dos fuentes de variacin. Un ejemplo en el que se estudiaban diversos tratamientos para la hipertensin arterial, se podra plantear que, quizs, la evolucin de la misma fuera diferente para los hombres y las mujeres, en cuyo caso, y si el nmero de hombres y mujeres en cada muestra no fuera el mismo, podra ocurrir que una parte del efecto atribuido a los tratamientos fuera debido al sexo. En cualquier caso, el investigador puede estar interesado en estudiar si hay, o no, diferencia en la evolucin segn el sexo. En un anova de dos vas se clasifica a los individuos de acuerdo a dos factores (o vas) para estudiar simultneamente sus efectos. En este ejemplo se haran cinco grupos de tratamiento para los hombres y otros cinco para las mujeres, en total diez grupos; en general, si el primer factor tiene a
7

niveles y el segundo tiene b, se tendrn ab muestras o unidades experimentales, cada una con n individuos o repeticiones. Una observacin individual se representa como: El primer subndice indica el nivel del primer factor, el segundo el nivel del segundo factor y el tercero la observacin dentro de la muestra. Los factores pueden ser ambos de efectos fijos (se habla entonces de modelo I), de efectos aleatorios (modelo II) o uno de efectos fijos y el otro de efectos aleatorios (modelo mixto). El modelo matemtico de este anlisis es: Modelo I Modelo II Modelo mixto donde m es la media global, ai o Ai el efecto del nivel i del 1 factor, bj o Bj el efecto del nivel j del 2 factor y e media 0 y varianza s2. A las condiciones de muestreo aleatorio, normalidad e independencia, este modelo aade la de aditividad de los efectos de los factores. A los trminos ( ab )ij, (AB)ij, (aB)ij, se les denomina interaccin entre ambos factores y representan el hecho de que el efecto de un determinado nivel de un factor sea diferente para cada nivel del otro factor.
ijk

las desviaciones aleatorias alrededor de las medias, que

tambin se asume que estn normalmente distribuidas, son independientes y tienen

EXPERIMENTO FACTORIAL El ANOVA en experimentos factoriales constituye una tcnica estadstica para analizar el efecto de dos ms variables independientes (factores) sobre una variable respuesta. Hasta el momento se ha estudiado el efecto de un factor sobre la variable

respuesta, pero en muchas situaciones prcticas es necesario investigar el efecto de varios factores. Como en estos experimentos los tratamientos se forman combinando cada nivel de un factor con cada uno de los niveles del otro (o de los otros, si hubiere ms de dos), este tipo de experimento permite adems evaluar los efectos de las interacciones. Se dice que entre dos factores hay interaccin si los efectos de un nivel de un factor dependen de los niveles del otro. Dicho con otras palabras la respuesta de un factor es influenciada en forma diferenciada por los niveles del otro. La existencia de interacciones indica que los efectos de los factores sobre la respuesta no son aditivos y por tanto no pueden separarse los efectos de los factores. Como ejemplo consideremos el experimento de la levadura. La explicacin de los grados de libertad ayuda al lector o analista a visualizar el alcance. Se deben ver inicialmente las nueve combinaciones de tratamiento como si representaran un factor con nueve niveles (ocho grados de libertad). De esta manera una observacin inicial a los grados de libertad da Combinaciones de tratamiento 8 Error Total 9 17

Efectos principales e interaccin: El experimento se podra analizar como se describe en la tabla anterior. Sin embargo la prueba F para combinaciones probablemente no de al analista la informacin que desea la que considera el papel de la temperatura y el tiempo de secado. Tres tiempos de secado tiene 2 grados de libertad asociados, tres temperaturas tienen dos grados de libertad. Los factores principales, temperatura y tiempo de secado, se denominan efectos principales. Los efectos principales representan cuatro de los ocho grados de libertad
9

para combinaciones de factores. Los cuatro grados de libertad adicionales se asocian con interacciones entre los dos factores. Como resultado, el anlisis incluye: Combinaciones Temperatura Tiempo de secado Interaccin Error Total 8 2 2 4 9 17

________________________

Los factores en un anlisis de varianza se pueden ver como fijos o aleatorios lo que depende el tipo de inferencia que se desea y de como se eligen los niveles. Aqu debemos considerar efectos fijos, efectos aleatorios e incluso casos donde los efectos estn mezclados. Interacciones y el experimento de los dos factores: Suponiendo que en cada bloque presentado en el ejemplo anterior de la levadura, se toma una observacin de cada tratamiento. Si la suposicin es correcta, es decir, si los bloques y los tratamientos son los nicos efectos reales y no existe la interaccin, el valor esperado del cuadrado medio del error es la varianza del error experimental .

El modelo para experimento de dos factores es ( Donde factores. Anlisis de varianza de dos factores: Para presentar las formulas generales del anlisis de varianza de un experimento de dos factores con el uso de observaciones repetidas en un diseo totalmente son los efectos principales; ( ) ) es el efecto de interaccin de dos

10

aleatorizado, consideremos el caso de n rplicas de las combinaciones del tratamiento que se determinan por a niveles del factor A y b niveles del factor B. Las observaciones se pueden clasificar por medio de un arreglo rectangular donde los reglones representan los niveles del factor A y las columnas los niveles del factor B. Cada combinacin de tratamiento define una celda en nuestro arreglo. De esta manera tenemos ab celdas, cada una de las cuales contiene n observaciones. Denotamos la k-sima observacin tomada en el i-simo nivel del factor A y el j-simo nivel del factor B. Experimento de 3 factores: Consideremos un experimento con tres factores A, B y C, en los niveles a, b y c, respectivamente, en un diseo experimental completamente aleatorizado. Suponga nuevamente que tenemos n observaciones para cada una de las abc combinaciones de tratamientos. Procederemos a sealar las pruebas de significancia para los tres efectos principales e interacciones que se involucran. El modelo para experimentos de tres factores es ( ) ( ) ( ) ( )

Donde

son los efectos principales; ( )

son los

efectos de interaccin de dos factores que tienen la misma interpretacin que el experimento de dos factores. El termino ( se llama efecto de interaccin de tres ) sobre los diferentes factores, termino que representa una no aditividad de las (

niveles del factor C. Como antes, la suma de todos los efectos principales es cero y la suma sobre cualquier subndice de los efectos de interacciones de dos y tres factores es cero.

11

Experimento

Pondremos especial atencin a diseos experimentales en los que el plan experimental requiere el estudio del efecto sobre una respuesta de n factores, cada uno de dos niveles. Estos por lo general se conocen como experimentos . A menudo denotamos los niveles como alto y bajo, aunque esa notacin puede ser arbitraria en caso de variables cualitativas. El diseo factorial completo requiere que cada nivel de todos los factores ocurra con cada nivel de todos los dems factores, lo que da un total de combinaciones de tratamientos.

Simbolismo para la combinacin de los factores: Denotamos los niveles ms altos de los factores A, B, C,. con las letras a, b, c, y los niveles ms bajos de cada factor con la notacin (l). En presencia de otras letras omitimos el smbolo (l). Por ejemplo, la combinacin de tratamientos en un experimento que contiene los niveles altos de los factores B y C y los niveles bajos

de los factores A y D se escribe simplemente como bc. La combinacin de tratamientos que consiste en el nivel bajo de todos los factores en el experimento se denota con el smbolo (l). En el caso de un experimento tratamientos son a, b, c, ab, ac, bc y abc. El experimento factorial permite que el efecto de todos y cada uno de los factores se estime y pruebe de manera independiente por medio del anlisis de varianza acostumbrado. Adems, los efectos de interaccin se evalan con facilidad. La desventaja con el experimento factorial, por supuesto, es la excesiva cantidad de experimentacin que se puede requerir. Por ejemplo, si se desea estudiar el efecto de ocho variables, se requieren, Factorial El primer dise o d e l t i p o e s e l q u e s olo tiene dos factores, por = 256 combinaciones de los tratamientos. las ocho posibles combinaciones de

ejemplo, A y B; c a d a u n o t i e n e d o s n i v e l e s . A e s t e d i s e o s e l e l l a m a

12

diseo factorial bajo y alto.

.Los niveles de los factores pueden denominarse arbitrariamente

En muchos casos podemos obtener considerable informacin mediante el uso de solo una fraccin de las corridas experimentales. Este tipo de diseo se llama diseo factorial fraccionado. La intencin de estos diseos fraccionados es reducir el tamao del experimento total mientras se retiene informacin importante relacionada con los factores. Factorial :

Consideremos un experimento con el uso de los tres factores A, B y C, con niveles (I), a; (I), b; y (I), c, respectivamente. Este es un experimento factorial que da

las ocho combinaciones de tratamientos (I), a, b, c, ab, ac, bc y abc. Las combinaciones de tratamientos y los signos algebraicos apropiados para cada contraste que se utilizan al calcular las sumas de cuadrados para los efectos principales y para los efectos de interaccin se presentan en la siguiente tabla: Signos para los contrastes en un experimento factorial
Combinacin de tratamientos. Efecto factorial simblico

A + + + +

B + + + +

C + + + +

AB + + + +

AC + + + +

BC + + + +

ABC + + + +

(I) a b c ab ac bc abc

13

Una inspeccin de la tabla revela que el experimento

cualesquiera dos

contrastes entre los siete son ortogonales y por tanto los siete efectos se evalan en forma independiente. Experimento En factorial sin rplicas: factorial completo a menudo puede implicar una considerable

experimentacin, en particular cuando n es grande. Como resultado, a menudo no se permite la repeticin de cada combinacin de factores. Si todos los dems efectos, y todas las interacciones, se incluyen en el modelo del experimento, no se permiten grados de libertad para el error. A menudo, cuando n es grande, el analista de datos combinara las sumas de cuadrados y los grados de libertad correspondientes para las interacciones de orden alto que se saben o se suponen insignificantes. Esto producir pruebas F para todos los efectos principales y para las interacciones de orden ms bajo. Experimento : es un arreglo de n factores que tienen tres niveles

Un experimento factorial

cada uno. Se har referencia a los tres niveles de los factores como bajo, medio y alto. Existen varias notaciones para representar estos niveles de los factores; una posibilidad es representar los niveles de los factores con los dgitos 0 (bajo), 1 (medio) y 2 (alto). Cada combinacin de tratamiento del experimento factorial factor B,, y el digito n-simo india el nivel del factor N. Factorial : es el experimento se denotar por n dgitos,

donde el primer digito indica el nivel del factor A, el segundo digito indica el nivel del

El experimento m as simple del sistema factorial

, el cual tiene dos factores, cada uno con tres niveles obteniendo

un total de 9 tratamientos diferentes.

14

El modelo estadstico para el diseo

se puede escribir considerando el efecto

individual de cada factor y de la interaccin entre ambos, como se presenta a continuacin: ( Con efecto del factor B y ( Factorial Suponga ahora que hay tres factores (A, B y C) bajo estudio, y que cada factor tiene tres niveles dispuestos en un experimento factorial. Se trata de un experimento . ) representa el

es el efecto del factor A,

) es la interaccin entre los dos factores.

Las combinaciones de los tratamientos tienen 26 grados de libertad. Cada efecto principal tiene dos grados de libertad, cada interaccin de dos factores tiene cuatros grados de libertad y la interaccin de tres factores tiene 8 grados de libertad. El modelo estadstico para el diseo se puede escribir considerando el efecto

individual de cada factor y, las interacciones dobles y triples, como se presentan a continuacin: ( Con sima observacin del tratamiento ( A, B y C, respectivamente, ( interaccin dobles, ( el error experimental. Generalizacin del experimento factorial Los conceptos utilizados en los experimentos y pueden extenderse ) ) ), , ( , ) y y ( ) ( ) ( ) ( )

es la respuesta asociada a la ison los efectos de los factores ) representan los efectos de es

es la interaccin entre los tres factores y

de inmediato al caso de n factores, cada uno con tres niveles, es decir, a un diseo . S e e m plea la notacin usual para las combinaciones de tratamientos, por
15

lo que 00120 representa una combinacin de tratamientos en un experimento

con A, B y E en los niveles bajos, C en el nivel medio y D en el nivel alto. Hay combinaciones de tratamientos, con 1 grados de libertad entre ellas. Estas

combinaciones de tratamientos permiten determinar las sumas de cuadrados de n efectos principales, cada uno con dos grados de libertad .

EJERCICIOS

Propuestos: 1. Se pretende comparar los salarios de los trabajadores de una cadena de supermercados con sucursales en diferentes ciudades. Se eligen 5 localidades al azar y se toma una muestra en cada una de 9 personas. Se obtienen los siguientes datos: Tienda 1 Tienda 2 Tienda 3 Tienda 4 Tienda 5 180 240 240 300 300 240 360 270 240 360 300 180 300 300 240 360 180 360 360 360 240 300 360 360 360 180 240 300 360 360 144 360 360 360 360 300 360 360 360 300 240 360 300 360 360 a) Identifica todos los elementos del problema y especifica el modelo terico completo. b) Tienen los trabajadores de las 5 tiendas el mismo sueldo medio? c) Estima los componentes de la varianza del modelo. d) Construye un intervalo de confianza al 95% para el porcentaje de variabilidad del que son responsables las tiendas.

2. Se han aplicado cuatro mtodos distintos para el aprendizaje del concepto de nmero primo a cuatro grupos de alumnos y alumnas elegidos aleatoriamente.
16

Posteriormente se les ha pasado la misma prueba para valorar la adquisicin del concepto, con los siguientes resultados: Mtodo A 8 12 11 15 7 9 10 11 17 12 Mtodo B 16 12 13 15 19 16 13 10 6 11 Mtodo C 16 15 13 17 13 9 19 16 14 13 Mtodo D 11 9 8 8 9 12 10 9 5 10

Se supone poblacin normal y que las muestras son independientes entre s. Hay alguna evidencia, al 95% de Nivel de Confianza, de que exista un efecto en la aplicacin de los distintos mtodos? Resueltos: 1. En un experimento se compararon tres mtodos de ensear un idioma extranjero; para evaluar la instruccin, se administr una prueba de vocabulario de 50 preguntas a los 24 estudiantes del experimento repartidos de a ocho por grupo.

a) Cul es la variable respuesta y la explicativa en este estudio?

Respuesta:

La variable respuesta es el puntaje en la prueba de vocabulario La variable explicativa son los mtodos de enseanza (auditivo, traduccin y combinado). Es un factor con 3 niveles.

b) Complete la tabla de ANOVA:


17

Tabla de anlisis de varianza (ANOVA) Suma de Cuadrados Inter grupos Intra grupos TOTAL Respuesta: Tabla de ANOVA: Suma de Cuadrados 647.584 813.374 1460.958 GI 2 21 23 Media cuadrtica 323,792 38.732 F 8.360 Sig. 0.002 Gl Media cuadrtica 323.792 F Sig. 0.002

21 1460.958

Inter grupos Intra grupos TOTAL

Pasos para completar la tabla:

calculo los grados de libertad, en el total son n-1 y n=24, por lo tanto son 23. Los grupos a comparar son 3 por lo tanto los gl Inter son 2, verifico que (2+21) son los 23 del total.

La suma de cuadrados Inter se obtiene multiplicando la media cuadrtica por los gl, i.e. 323.792*2=647.584

Teniendo la SC Inter, saco la SC Intra restando 1460.958-647.584=813.374 Con la SC Intra y los gl calculo la media cuadrtica Intra =813.374/21=38.732 Por ltimo con las dos MC calculo el test F=323.792/38.732=8.360

c) Qu supuestos debera verificar el investigador, escriba las hiptesis asociadas a ellos. Respuesta:

El investigador antes de comparar las medias, debe verificar los supuestos de Normalidad y de Homogeneidad de las varianzas (el supuesto de
18

independencia se comprueba en el diseo, dividi a 8 estudiantes por cada mtodo). 2. Se busca determinar la influencia de la orientacin psicolgica en los mtodos de crianza de los nios, mediante una comparacin entre liberales y conservadores. Queremos hacer varias comparaciones que presenten varios puntos en la escala psicolgica, podramos comparar la permisibilidad en la crianza de los nios de conservadores, liberales, radicales y moderados.

X2= 10 + 8 + 13 + 15 = 56 XT = 6 + 8 + 7 + 7 = 28 T = 7 / 4 = 1.75 Frmula: Suma total de todos los cuadrados.

N = nmero de datos de todos los grupos. n = nmero de datos de un grupo.

Clculo de: SCinter = (

T)2 n
x1 = 6 x12 = 10 x2 = 8 x22 = 18 x3 = 7 x32 = 13 x4 = 8 x42 = 15 n= = 1.5 4 =2 n = 4 xT = 28

= 1.75 n = 4 T = 1.75
2 = 1.75 n = 4 XT = 56

19

Grupo 1: (1.5 - 1.75)2 (4) = (-0.25)2 (4) = 0.6 (4) = 0.24 Grupo 2: (2 - 1.75)2 (4) = (0.25)2 (4) = 0.6 (4) = 0.24 Grupo 3: (1.75 - 1.75)2 (4) = (0)2 (4) = 0 Grupo 4: (1.75 - 1.75)2 (4) = (0)2 (4) = 0 SCinter = 0.24 + 0.24 + 0 + 0 = 0.48 Variacin que existe entre los grupos.

Clculo de:

SCintra = 1 + 2 + 0.75 + 2.75 = 6.5

Comprobacin SCT = SCinter + SCintra SCintra = SCT - SCinter SCinter = 0.48 = 0.5 SCintra = 6.5 SCT = 6.5 + 0.5 = 7 SCintra = 7 - 05 = 6.5

Calculamos la media cuadrtica (cuadrado medio) Existe una media de variacin conocida como la media cuadrtica o varianza, que obtenemos dividiendo SCintra o SCinter mediante los grados de libertad apropiados.
20

Clculo de la media cuadrtica:

glinter = K - 1 = 4 - 1 = 3 glintra = NT + K = 16 - 4 = 12

21

CONCLUSIN El anlisis de varianza como resaltamos anteriormente es una tcnica que ha venido tomando mucha importancia dentro de la vida moderna, ya que esta se aplica para el estudio de esquemas estadsticos complejos que debido al grado de dificultad pocas son los diseos o modelos que facilitan el anlisis de dichos esquemas. Teniendo en cuenta que el ANOVA facilita el anlisis de muchos diseos estadsticos en distintas ramas o profesiones esta tcnica consta de una gran cantidad de componentes o factores que ayudan el fcil estudio de dichos diseos como son: Experimento factorial. Experimento de dos factores. Anlisis de varianza de dos factores. Experimento de 3 factores. Los experimentos y .

Estos factores nombrados son de suma importancia en el anlisis de varianza ya que estos facilitan el empleo de esta tcnica que a raz de hoy en da es utilizada en casi todo tipo de investigacin profesional.

22

BIBLIOGRAFA Enlaces Electrnicos: http://e-stadistica.bio.ucm.es/glosario2/anova.html http://es.wikipedia.org/wiki/An%C3%A1lisis_de_la_varianza#Visi.C3.B3n_general http://dta.utalca.cl/estadistica/ejercicios/interpretar/Metodos/resuelto%20anova.pdf http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/Practica1.pdf http://hojamat.es/estadistica/tema9/tema9.htm#cuestion http://www.raydesign.com.mx/psicoparaest/index.php?option=com_content&view=article &id=236:anova&catid=52:pruebaspara&Itemid=61

23