THE USE OF ANALYSIS OF

VARIANCE (ANOVA)IN
APPLIED MICROBIOLOGY
Richard Armstrong and Anthony Hilton.

Biol. Rodrigo E. Tun Che

INTRODUCCIN
En el rea de investigacin en microbiologa es necesario herramientas de anlisis
estadstico, uno de los mas usados es el ANOVA o anlisis de varianza, la cual nos
permite comparar diferentes tratamientos o la influencia de dos o mas factores al
mismo tiempo.

El ANOVA es el mtodo de
anlisis mas eficiente para
analizar paquetes de datos muy
complejos.
Este
mtodo
comprende
de
muchas
variaciones diferentes, por lo
que la mala aplicacin produce
conclusiones errneas.

El origen del ANOVA

Hipotesis:
0 : No Existen diferencias
significativas en el numero de
bacterias.
1
:
Existen
diferencias
significativas en el numero de
bacterias

Carnicera

Tienda de sndwiches

Vendedor de peridicos

La t de Student es la relacin de la diferencia entre los medios y una medida de la

variacin entre los recuentos en las monedas individuales agrupados de ambos grupos.

Un valor significativo en la t de Student indica que la hiptesis nula podra ser rechazada
y que existe una diferencia real

Este mtodo podra aplicarse

para comparar todos los pares
de premisas por lo que seria
necesarias tres pruebas t.

A.

B.

B
N

En 1920 Roland Fischer propone una simpe

prueba estadstica de la hiptesis nula, en
la cual el medio de todas es idntica la
lgica se explica a continuacin.

>

Lgica del ANOVA

En el ANOVA el total de variaciones es

calculada y repartidas en porciones
asociadas con las diferencias de las
observaciones y la variacin entre las
replicas.

La suma de los cuadrados de las

desviaciones de X ij de su media es usada
como la medida del total de la variacin
mientras que la suma de cuadrados de las
tres premisas del ejemplo significa que su
media general es la media de los efecto del
tratamiento.
El error de variacin es calculado como la
suma de cuadrados de la X ij en cada
columna a partir de su columna media y
luego sumada para dar la suma de error
cuadrado o puede ser obtenida restando.

Si no hay diferencias significativas entre las medias de las de las premisas quiere decir
que las observaciones estn distribuidas cerca de una media comn poblacional. En
este caso la varianza puede ser estimada por la misma cantidad.

Para comparar la suma del cuadrado de las premisas y error, la sumas de cuadrados se divide
entre los grados de libertad
Los grados de libertad es el numero de observaciones menos el numero de parametros
estimados a parir de los datos requeridos par calcular esta cantidad.
Premisas = 3 1 = 2
Por lo tanto el grado de libertad de las premisas es 2.
Error 1 = 4 - 1 = 3
Error 2 = 4 1= 3
Error 3 = 4 1= 3

total de 9 grados de libertad

El radio de varianza se obtiene dividiendo el cuadrado de la media de las premisas

entre el cuadrado de la media del error. El radio de varianza se le nombra F.

Este valor indica el numero de veces que la media cuadrada de las premisas supera
la media cuadrada del error.
La probabilidad de obtener un estadstico de esta magnitud a partir de datos
aleatorios es obtenida a partir de la distribucin de F.
Si el valor de F es igual o mayor al 5% del nivel de la probabilidad la hiptesis nula
es rechazada.

Sin embargo en esta ocasin el valor de F = 4.89 teniendo un valor de

probabilidad = 0.037 que es menor al 5% por lo que esto indica una diferencia
significativa entre las premisas.

Comparacin de grupos medios

La prueba de F es solo el primer paso para el anlisis de datos.

Esta prueba varia en el grado de error control que ellos proporciona y en particular su
sensibilidad para marcar errores de tipo 1 rechazando la hiptesis nula cuando esta
es verdad. En contraste un error de tipo 2 es aceptar la hiptesis nula cuando una
diferencia real esta presente.

Diferencias significativa menos protegidas de Fishers (PLSD) es el principal mtodo que tiene
la mayor probabilidad que resulte en un error de tipo 1.
En contraste la prueba de Scheffe es una de las principales pruebas que dan una mxima
proteccin para cometer un error de tipo 1 pero aumenta la probabilidad de cometer un
error de tipo 2.

Supuestos del ANOVA

El ANOVA antes puede hacer suposiciones a cerca de la naturaleza de los datos

experimentales antes de aplicar algn mtodo.

Un valor observado puede considerarse como la suma de tres partes:

1.

La media general de la observacin.

2.

Un tratamiento o clase de desviacin.

3.

Un elemento aleatorio extrado de una distribucin normal de la poblacin.

El elemento aleatorio combina los efectos de la variacin natural entre el sujeto y el error
de medicin.

En primer lugar el ANOVA asume que estos errores son normalmente distribuidos
con una media de cero y desviacin estndar.

En segundo lugar que aunque las medias varian de grupo a grupo la varianza es
constante en todos los grupos.

Y el efecto individual de los tratamiento son aditivos y multiplicativos.

Por lo general los experimentos son demasiados pequeos para demostrar que estas
suposiciones son ciertas.
En biologa y medicina estas suposiciones se mantienen de manera correcta, en
aplicaciones microbiolgicas, donde se estima el numero de microorganismos las
suposiciones no se mantienen.
Existen dos problemas cuando los datos comprenden el numero de microbios:
1.

Todos los nmeros con muchos ceros es poco probable que sean normalmente
distribuidas.

2.

Una gran rango en el numero de bacterias puede presentar varianza heterognea.

Si solo hay una figura significativa las suposiciones son dudosas

Si los datos son pequeos nmeros enteros, la suposicin es improbable mantenerla.

Si este ultimo fuese el caso un cambio en la escala permitira se lleve acabo el ANOVA.

EXPERIMENTOS FACTORIALES
En un experimento factorial es posible estudiar diversos factores al mismo tiempo.
Uniendo factores:

Se requiere de una menor cantidad de repeticiones

Adems, no es necesario hacer un experimento por cada factor.

Los anlisis revelan el sinergismo que hay entre los factores.

Se genera informacin mas interesante desde la perspectiva del experimento

En este ejemplo tenemos tres efectos

factoriales.
El tipo de material.
El lavado o enjuague.
La interaccin entre los dos factores.

Se puede observar que hay una diferencia significativa en el tipo de materiales con una F
= 20.99 y P = <0.01 y en el enjugue con una F = 28.92 y P = <0.001.
Estos resultados sugieren que se transmite una mayor cantidad de bacterias de un trapo
que una esponja y existe una diferencia significativa despus de enjuagarlos.

Los resultados de la interaccin con una F = 20.97 y P = <0.01 muestra que el efecto del
enjuague en los materiales no es el mismo.

Las conclusiones que se pueden llegar con los resultados son:

Es probable que la textura lisa de la superficie de el trapo sea la razn de una mayor
transmisin de la carga bacteriana en comparacin a la superficie cavernosa de la
esponja.

UN EXPERIMENTO FACTORIAL MAS

COMPLEJO
Tipo de cepa

Tipo de superficie

Intervalo de
tiempo

Este experimento es mas complejo debido a que:

1.- Se analizan tres factores.

El tipo de microorganismo.

El tipo de superficie.

El intervalo de tiempo.

2.- se repiten el numero de repeticiones de la medicin del numero bacteriano en

la superficie.
Los factores para principales para el ANOVA. El tipo de cepa y el tipo de superficie
y su tiempo respectivo de repeticin.
No se debe analizar este tipo de experimentos como si cada factor fuese
independiente.

Los resultados que se muestran en la tabla.

Muestran
una
importante
diferencia
significativa entre las cepas y el tipo de
superficie.
Esto sugiere que al principio del experimento
hay una mayor cantidad de S. epidermidis.
Existe una mayor cantidad de bacterias en los
billetes que en los cubreobjetos.
Hay una interaccin, que es apenas
significativa, entre el tipo de superficie y las
bacterias indicando que el numero de
individuos varia de acuerdo a la superficie y
el tipo de microrganismo.
El principal efecto del tiempo es la disminucin del numero de bacterias en el transcurso del
experimento. Sin embargo, puede variar con el tipo de suerficie y al tipo de
microorganismos.

CONCLUSIONES
Los experimentos que estudian multifactores usan el ANOVA como una
poderosa herramienta de anlisis en la investigacin microbiolgica.
El ANOVA no solo permite la estimacin de valores individuales sino tambin de
las interacciones entre estos factores. Cuya informacin no puede ser observada
por separado.
Ademas de que la combinacin de factores en un experimento disminuye las
repeticiones haciendo el experimento mas eficiente.

Es muy importante considerar el diseo del experimento y la determinacion de un

ANOVA apropiado.
Si existen dudas en el diseo y el ANOVA, como sugerencia es necesario consultar
con un estadstico.
Si el experimento se encuentra comprometido con un diseo o ANOVA
inadecuado el estadstico podr hacer muy poco.

GRACIAS POR SU ATENCIN