Professional Documents
Culture Documents
Modelo de dise
no de experimentos
(un factor)
6.5
6
y
5.5
4.5
1 2 3 4
i
Seg
un el modelo las ni observaciones yi1 , yi2 , . . . , yini de la
poblacion i son una muestra aleatoria de una N(i , 2 ).
y
iI n I
1 XX X ni
2 =
(yij yi )2 = s 2,
n n i
i=1 j=1 i=1
Pni
donde si2 = j=1 (yij yi )2 /ni es la varianza muestral en la
poblacion i-esima. Por tanto, 2 es la media de las si2 ponderada
por la proporcion de observaciones en cada nivel del factor.
i yij ni yi si2
1 4,8 5,2 5 4,7 5,1
2 6 6,2 6,1 5,8
3 5,9 6,1 6,3 6,1 6
4 6,3 6,6 6,4 6,4 6,5
n= 2 =
2
n
2nI
2 no es centrado
2
Un estimador insesgado de 2 es la varianza residual
I ni
1 XX n
sR2 = eij2 = 2,
nI nI
i=1 j=1
que verifica
(n I )sR2
2nI .
2
Ejemplo 1.1 (cont.):
H0 : 1 = 2 = . . . = I =
(todas las medias son iguales, el factor no influye)
H1 : i 6= j para alg
un par i 6= j.
(las medias difieren en al menos dos de los niveles,
el factor influye)
yi y ) + eij
yij = y + (
donde
i I n
1 XX
y = yij
n
i=1 j=1
VT = VE + VNE,
I
X
VE = yi y )2
ni (
i=1
denota la variabilidad explicada por el modelo o por las diferencias
entre niveles del factor y
ni
I X
X
VNE = eij2 = (n I )sR2
i=1 j=1
H0 : 1 = 2 = . . . = I =
H1 : i 6= j para alg
un par i 6= j.
al nivel de significacion es
R = {F > FI 1,nI , }.
1.5
y
0.5
0 1 2 3 4 5 6
i
on: 0 R 2 1
Observaci
Si aceptamos H0 en el contraste
H0 : 1 = 2 = . . . = I =
H1 : i 6= j para alg
un par i 6= j.
Puede que s
olo para 90 de las 100 muestras se verifique simult
aneamente
que 1 2 IC0.95 (1 2 ), 3 2 IC0.95 (3 2 )
y 1 3 IC0.95 (1 3 ).
6 j al nivel .
Se puede razonar igual con los contrastes H0 : i =
Utilizamos el metodo de Bonferroni para calcular intervalos de
confianza o contrastes multiples.
Estadstica (CC. Ambientales). Profesora: Amparo Ballo Tema 1: Dise
no de experimentos (un factor) 27
Buscamos el nivel individual tal que para el 95%(=1 T =nivel
global) de las muestras se verifique simultaneamente que
1 2 IC1 (1 2 ), 3 2 IC1 (3 2 ) y
1 3 IC1 (1 3 ).
En el metodo de Bonferroni se toma = T /c = 0.05/3, pues
1 T = P {1 2 IC1 (1 2 ),
3 2 IC1 (3 2 ), 1 3 IC1 (1 3 )}
T = P {1 2
/ IC1 (1 2 )
o 3 2
/ IC1 (3 2 )
o 1 3
/ IC1 (1 3 )}
P{1 2
/ IC1 (1 2 )}
+P{3 2
/ IC1 (3 2 )}
+P{1 3
/ IC1 (1 3 )} = c
Observacion: Quiza rechacemos H0 : 1 = 2 = . . . = I en
ANOVA y no encontremos diferencias entre ning un i , j con
Bonferroni, pues es un metodo conservador si c es grande.
Estadstica (CC. Ambientales). Profesora: Amparo Ballo Tema 1: Dise
no de experimentos (un factor) 28
I
Ejemplo 1.1 (cont.): Tomo T = 0.05. Como c = 2 = 6,
tenemos que = 0.05
6 = 0.0083 2 = 0.0041.
r
1 1
IC0.9917 (1 2 ) = [
y1 y2 t15,0.0041 0.0266 + ]
5 4
= [1.3874, 0.7426] Rechazo H0 : 1 = 2
IC0.9917 (1 3 ) = [1.42, 0.82] Rechazo H0 : 1 = 3
IC0.9917 (1 4 ) = [1.78, 1.18] Rechazo H0 : 1 = 4
IC0.9917 (2 3 ) = [0.38, 0.27] No rechazo H0 : 2 = 3
IC0.9917 (2 4 ) = [0.74, 0.09] Rechazo H0 : 2 = 4
IC0.9917 (3 4 ) = [0.66, 0.06] Rechazo H0 : 3 = 4
2.5
1.5
0.5
0
0.3 0.2 0.1 0 0.1 0.2 0.3
1.5
0.5
0
0.5 0 0.5
Fuentes de Suma de
variacion cuadrados g.l. Varianzas F
Explicada VE = 3.4855 4 se2 = 0.8714 F = 8.4958
Residual VNE = 3.7949 36 sR2 = 0.1026
Total VT = 7.2804 40
F4,36,0.05 = 2.63 Seguimos rechazando la igualdad del contenido
medio de azufre en las cinco minas de carb
on.
0.15
0.1
0.05
0
0.6 0.4 0.2 0 0.2 0.4 0.6
Estadstica (CC. Ambientales). Profesora: Amparo Ballo Tema 1: Dise
no de experimentos (un factor) 34
Un grafico que permite evaluar la normalidad de los residuos es el
diagrama probabilstico normal, en el que se representan los
residuos ordenados de menor a mayor frente a los correspondientes
estadsticos de orden normales. Bajo la hip
otesis de normalidad los
puntos dibujados se ajustan aproximadamente a una lnea recta.
Ejemplo 1.1 (cont.): Grafico probabilstico normal de los residuos
0.98
0.95
0.90
0.75
0.50
0.25
0.10
0.05
0.02
0.2 0.1 0 0.1 0.2
0.99
0.98
0.95
0.90
0.75
0.50
0.25
0.10
0.05
0.02
0.01
0.5 0 0.5
Estadstica (CC. Ambientales). Profesora: Amparo Ballo Tema 1: Dise
no de experimentos (un factor) 36
Para comprobar la hip
otesis de normalidad de manera mas rigurosa
tambien podemos hacer algun contraste de bondad de ajuste.
El fallo de la hipotesis de normalidad afecta al calculo de intervalos
de confianza para 2 , aunque no al contraste de igualdad de
medias ni al analisis de las diferencias entre medias. El analisis de
la varianza es robusto frente a desviaciones de la normalidad.
Para comprobar la hip otesis de homocedasticidad representamos
los residuos eij frente a los valores previstos yij = yi . As
comprobamos que la variabilidad no depende del nivel medio de la
respuesta.
La heterocedasticidad tambien influye en la estimacion de 2 .
Respecto a los contrastes de igualdad de medias, se consideran
validos si el dise
no es bastante equilibrado.
0.3
0.2
0.1
Residuos
0.1
0.2
0.3
0.4
4.5 5 5.5 6 6.5
Valores previstos
0.8
0.6
0.4
Residuos
0.2
0.2
0.4
0.6
0.8 1 1.2 1.4 1.6 1.8
Valores previstos