Professional Documents
Culture Documents
ANLISIS DE VARIANZA
medias:
L = c11 + c2 2 + + ck k
K
L = ci i
i =1
EJEMPLO:
1 = 2
Esto puede escribirse tambin del modo:
L = 1 2 = 0
Cuyos coeficientes son 1 y -1, y por tanto suman 0.
EJEMPLO:
Tres medias:
1)
1 + 2
2
= 3
L1 = 1 + 2 23 = 0
Cuyos coeficientes son 1, 1 y -2, y por tanto suman 0.
2)
2 =
1 + 3
2
1
ANLISIS DE VARIANZA
Es decir:
L2 = 1 + 22 3 = 0
Cuyos coeficientes son -1, 2 y -1, y por tanto suman 0.
3)
1 = 3
Luego:
L3 = 1 3 = 0
Cuyos coeficientes son 1, 0 y -1, y por tanto suman 0.
ASIGNACIN DE COEFICIENTES A LAS MEDIAS:
1)
Dividir las medias en los dos grupos que van compararse entre s.
2)
Asignar a la media de cada grupo un coeficiente igual al nmero de medias del otro
grupo.
3)
EJEMPLO
Cinco medias:
1 , 2 , 3 , 4
5 . Desea compararse 1
con
3 , 4
5 .
1)
Grupo 1:
2)
Grupo 1:
31 , 32 . Grupo 2: 23 , 24 , 25 .
3)
Grupo 1:
31 , 32 . Grupo 2: 23 , 24 , 25 .
2 . Grupo 2: 3 , 4
5 .
Es decir:
L = 31 + 32 23 24 25 = 0
COMPARACIONES ORTOGONALES:
Aquellas que no contienen informacin redundante. La informacin que proporciona una
comparacin no se solapa con la proporcionada por otra comparacin.
Con
ANLISIS DE VARIANZA
K 1 comparaciones ortogonales.
REGLA PRCTICA: Dos comparaciones son ortogonales si el producto de sus coeficientes es cero.
c c
i =1
1i 2 i
=0
EJEMPLO:
COMPARACIN
L1
L2
COEFICIENTES
L1 = 1 + 2 23
-2
L2 = 1 2
-1
L3 = 1 3
-1
son ortogonales:
(1)(1) + (1)( 1) + ( 2 )( 0 ) = 0
L1
L3
no son ortogonales:
(1)(1) + (1)( 0 ) + ( 2 )( 1) = 3
L2
L3
no son ortogonales:
(1)(1) + (1)( 0 ) + ( 0 )( 1) = 1
ANLISIS DE VARIANZA
L1 , L2 , ...,
LC 1 .
Para una comparacin
1)
Ho:
L j = c j11 + c j 2 2 c j 3 3 = 0
Ha:
L j = c j11 + c j 2 2 c j 3 3 0
2)
3)
PUNTO CRTICO:
gl1 = C 1
gl2 = n K
Donde:
Se acepta Ha
Fgl1 ; gl2 ;
4
4)
ANLISIS DE VARIANZA
ESTADSTICO ESTIMADO:
Fcj =
CM ( L j )
CME
Donde:
L j = c j1 X 1 + c j 2 X 2 + + c jk X k
SC ( L j ) =
L2j
K
cij2
n
i =1
ij
J 1
Para
C 1 comparaciones
CM ( L j ) =
SC ( L ) = SCC
j =1
SC ( L j )
J 1
Tk2
CME = X
i =1 k =1
k =1 nk
n
2
ik
ANVA)
5)
CONCLUSIONES:
Si
Si
Fcj > Fgl1 ; gl2 ; , entonces se acepta Ha, a un nivel de significancia del
% .
EJEMPLO:
Un investigador desea contrastar si el mtodo presencial difiere de la enseanza autodidacta y por internet. Tambin si el mtodo por internet difiere del autodidacta. Utilice un nivel de significancia del 5% para ambas pruebas de hiptesis.
X 1 = 6.48,
X 2 = 4.43,
CME = 2.308,
ANLISIS DE VARIANZA
X 3 = 3.76
n = 18
SOLUCIN:
1 =
2 + 3
2
2 = 3
L1 = 21 2 3 = 0
L2 = 2 3 = 0
Son ortogonales:
( 2 )( 0 ) + ( 1)(1) + ( 1)( 1) = 0
1)
2)
Ho1:
L1 = 21 2 3 = 0
Ha1:
L1 = 21 2 3 0
Ho2:
L2 = 2 3 = 0
Ha2:
L2 = 2 3 0
= 0.05
3)
ANLISIS DE VARIANZA
PUNTO CRTICO:
gl1 = 2 1 = 1
Se
acepta
H0
gl2 = 18 3 = 15
Se
acepta
Ha
0.95
0.05
F1;15;0.05 = 4.54
4)
ESTADSTICO ESTIMADO:
6
6
6
n
i =1 i1
2
SC ( L1 )
( 4.77 )
=
1
CM ( L1 ) =
Fc1 =
= 22.75
22.75
= 22.75
1
22.75
= 9.86
2.308
6
6
6
n
i =1 i 2
2
SC ( L2 )
ANLISIS DE VARIANZA
( 0.67 )
=
0.33
CM ( L2 ) =
Fc 2 =
= 1.35
1.35
= 1.35
1
1.35
= 0.59
2.308
C 1
5)
CONCLUSIONES:
Como
Fc1 > F1;15;0.05 ( 9.86 > 4.54 ) , entonces se acepta Ha, es decir,
Como
L1 , L2 , ...,
LC 1 .
Para una comparacin
1)
Ho:
L j = c j11 + c j 2 2 c j 3 3 = 0
Ha:
L j = c j11 + c j 2 2 c j 3 3 0
2)
3)
PUNTO CRTICO:
gl = n K
Donde:
ANLISIS DE VARIANZA
H0
Regin de
Rechazo de
H0
Rechazo de
H0
1
2
t gl ; 2
4)
t gl ; 2
ESTADSTICO ESTIMADO:
L j
tcj =
L j
Donde:
L j = c j1 X 1 + c j 2 X 2 + + c jk X k
K cij2
L j =
i =1 n
ij
2
K cij2
=
i =1 nij
les.
(n
K
2 =
i =1
1
S
)
j
j
K
nj K
i =1
Tk2
CME = X
i =1 k =1
k =1 nk
n
2
ik
ANVA)
K cij2
L j =
i =1 nij
5)
ANLISIS DE VARIANZA
2
S j , Cuando las varianzas no son iguales.
CONCLUSIONES:
t gl ; 2 tcj t gl ; 2 ,
cancia del % .
Si
EJEMPLO:
Un investigador desea contrastar si el mtodo presencial difiere de la enseanza autodidacta y por internet. Tambin si el mtodo por internet difiere del autodidacta. Utilice un nivel de significancia del 5% para ambas pruebas de hiptesis. (suposicin: las varianzas son iguales)
X 1 = 6.48,
X 2 = 4.43,
CME = 2.308,
X 3 = 3.76
n = 18
SOLUCIN:
1 =
2 + 3
2
2 = 3
L1 = 21 2 3 = 0
L2 = 2 3 = 0
Son ortogonales:
( 2 )( 0 ) + ( 1)(1) + ( 1)( 1) = 0
10
1)
Ho1:
L1 = 21 2 3 = 0
Ha1:
L1 = 21 2 3 0
Ho2:
L2 = 2 3 = 0
Ha2:
L2 = 2 3 0
2)
= 0.05
3)
PUNTO CRTICO:
ANLISIS DE VARIANZA
gl = 18 3 = 15
Regin de Aceptacin de
H0
Regin de
Regin de
Rechazo de
H0
Rechazo de
H0
0.95
0.025
0.025
2.13
4)
2.13
ESTADSTICO ESTIMADO:
6
6
6
n
i =1 i1
2
L =
1
tc1 =
4.77
= 3.14
1.519
11
ANLISIS DE VARIANZA
6
6
6
n
i =1 i 2
2
L =
2
5)
0.67
= 0.77
0.873
CONCLUSIONES:
Como
Como
K 1
RELACIN LINEAL
RELACIN CUADRTICA
RELACIN CBICA
RELACIN DE 4 GRADO
RELACIN DE 5 GRADO
RELACIN DE 6 GRADO
12
ANLISIS DE VARIANZA
Se realizan igual que las F planeadas, tomando los coeficientes de la tabla G para el tipo
de tendencia a analizar.
EJEMPLO:
Se est estudiando el efecto de la dosis de un medicamento sobre el rendimiento de los
sujetos en una prueba de atencin. Se han formado cuatro grupos de sujetos a los que se
suministra diferente dosis, y se ha medido su rendimiento. Estudiar el tipo de relacin
con = 0.01 , sabiendo que la SCE es 32.26.
DOSIS
RENDIMIENTO
PROMEDIO
5 mg
3.58
10 mg
6.74
15 mg
6.90
20 mg
2.90
SOLUCIN:
Cmo
K =4
PRUEBA F:
1)
Ho1:
LLineal = 31 2 + 3 + 33 = 0
Ha1:
LLineal = 31 2 + 3 + 33 0
Ho2:
LCuadrtico = 2 2 3 + 4 = 0
Ha2:
LCuadrtico = 2 2 3 + 4 0
Ho2:
LCbico = 2 + 32 33 + 4 = 0
Ha2:
LCbico = 2 + 32 33 + 4 0
13
2)
= 0.01
3)
PUNTO CRTICO:
ANLISIS DE VARIANZA
gl1 = 1
Se
acepta
H0
gl2 = 20 4 = 16
Se
acepta
Ha
0.95
0.05
F1;16;0.01 = 8.53
4)
ESTADSTICO ESTIMADO:
LLineal = ( 3)( 3.58 ) + ( 1)( 6.74 ) + (1)( 6.90 ) + ( 3)( 2.90 ) = 1.88
ci21 ( 3) ( 1) (1) ( 3)
=
+
+
+
= 4.0
5
5
5
5
n
i =1 i1
4
SC ( L1 )
( 1.88)
=
4.0
= 0.88
CM ( L1 ) =
0.88
= 0.88
1
Fc( Lineal) =
0.88
= 0.44
2.02
LCuadrtica = (1)( 3.58) + ( 1)( 6.74 ) + ( 1)( 6.90 ) + (1)( 2.90 ) = 7.16
14
ANLISIS DE VARIANZA
5
5
5
5
n
i =1 i 2
4
SC ( L2 )
( 7.16 )
=
= 64.08
0.8
CM ( L2 ) =
64.08
= 64.08
1
Fc( Cuadrtica ) =
64.08
= 31.78
2.02
LCbica = ( 1)( 3.58) + ( 3)( 6.74 ) + ( 3)( 6.90 ) + (1)( 2.90 ) = 1.16
ci23 ( 1) ( 3) ( 3) (1)
=
+
+
+
= 4.0
5
5
5
5
n
i =1 i 3
4
SC ( L3 )
5)
( 1.16 )
=
4.0
= 0.34
CM ( L3 ) =
0.34
= 0.34
1
Fc( Cbica ) =
0.34
= 0.17
2.02
CONCLUSIONES:
Como
Como
1% .
Fc( Cuadrtico ) > F1;16;0.01 ( 31.78 > 8.53) , entonces se acepta Ha,
15
1% .
Como
ANLISIS DE VARIANZA
1% .
PRUEBA t - Student:
1)
Ho1:
LLineal = 31 2 + 3 + 33 = 0
Ha1:
LLineal = 31 2 + 3 + 33 0
Ho2:
LCuadrtico = 2 2 3 + 4 = 0
Ha2:
LCuadrtico = 2 2 3 + 4 0
Ho2:
LCbico = 2 + 32 33 + 4 = 0
Ha2:
LCbico = 2 + 32 33 + 4 0
2)
= 0.01
3)
PUNTO CRTICO:
gl = 20 4 = 16
Regin de Aceptacin de
Regin de
H0
Regin de
Rechazo de
H0
Rechazo de
H0
0.99
0.005
0.005
2.92
4)
2.92
ESTADSTICO ESTIMADO:
LLineal = ( 3)( 3.58) + ( 1)( 6.74 ) + (1)( 6.90 ) + ( 3)( 2.90 ) = 1.88
16
ANLISIS DE VARIANZA
ci21 ( 3) ( 1) (1) ( 3)
=
+
+
+
= 4.0
n
5
5
5
5
i =1 i1
2
L =
1
tc( Lineal) =
1.88
= 0.66
2.84
LCuadrtica = (1)( 3.58) + ( 1)( 6.74 ) + ( 1)( 6.90 ) + (1)( 2.90 ) = 7.16
ci22 (1) ( 1) ( 1) (1)
=
+
+
+
= 0.8
n
5
5
5
5
i =1 i 2
2
L =
1
tc( Cuadrtica ) =
7.16
= 5.64
1.27
LCbica = ( 1)( 3.58) + ( 3)( 6.74 ) + ( 3)( 6.90 ) + (1)( 2.90 ) = 1.16
ci21 ( 1) ( 3) ( 3) (1)
=
+
+
+
= 4.0
n
5
5
5
5
i =1 i1
2
L =
1
tc( Cbica ) =
5)
1.16
= 0.41
2.84
CONCLUSIONES:
Como
t16;0.005 < tc( Lineal) < t16;0.005 ( 2.92 < 0.66 < 2.92 ) , enton-
1% .
17
Como
ANLISIS DE VARIANZA
entonces se acepta
1% .
Como
en-
1% .
18
ANLISIS DE VARIANZA
Calcular la diferencia (en valor absoluto) entre cada valor y la media de su grupo:
Dki = X ki X k
donde:
Dk =
ki
i =1
nk
donde:
nk
D
i =1
ki
DT =
D
i =1 k =1
ki
donde...
19
ANLISIS DE VARIANZA
Fuente de Variacin
Grados de
libertad (gl)
Intergrupo
Intragrupo
Suma de cuadrados
(SC)
Cuadrado medio
(CM)
K 1
SCinter = nk ( Dk DT )
nK
SCintra = ( Dki Dk )
CM inter =
SCinter
K 1
CM intra =
SCintra
nK
k =1
K
nk
k =1 i =1
n 1
Total ( T )
Cociente
F
Fc =
CM inter
CM intra
Ho:
1 = 2 = = K
Ha:
1 2 K
2)
3)
PUNTO CRTICO:
gl1 = K 1
Se acepta H0
gl2 = n K
Se acepta Ha
Fgl1 ; gl2 ;
20
4)
ANLISIS DE VARIANZA
ESTADSTICO ESTIMADO:
Fc =
5)
CM inter
CM intra
CONCLUSIONES:
Si
Fc Fgl1 ; gl2 ; ,
entonces
se
acepta
Ho,
es
decir,
es
decir,
entonces
se
acepta
Ha,
X2
4
4.5
5.9
6.8
7.2
9.3
X3
9.4
7.2
5.9
7.5
4.5
1.9
2.4
X4
3.8
4.2
2.2
ANVA
Grados de
libertad (gl)
Suma de cuadrados
(SC)
Cuadrado medio
(CM)
Cociente
F
Intergrupo
12.02
4.01
3.83
Intragrupo
16
16.73
1.05
Total ( T )
19
28.75
Fuente de Variacin
1)
2)
Ho:
1 = 2 = 3 = 4
Ha:
1 2 3 4
= 0.05
21
3)
ANLISIS DE VARIANZA
PUNTO CRTICO:
gl1 = K 1 = 4 1 = 3
gl2 = 20 4 = 16
Se
acepta
H0
Se
acepta
Ha
0.95
0.05
F3;16;0.05 = 3.24
4)
ESTADSTICO ESTIMADO:
Fc = 3.83
5)
CONCLUSIONES:
Como
Fc > F3;16;0.05
22
ANLISIS DE VARIANZA
( 1 2 k 0 ) .
medias, habr
C = K ( K 1) 2
contrastes posibles.
puede llegar a
1 (1 )
el nmero de com-
paraciones llevadas a cabo. (suele encontrarse en la literatura estadstica con su acrnimo ingls: LSD= Least Significant Differrence). Es el menos conservador de los procedimientos.
PRUEBA DE HIPOTESIS PARA
1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
3)
PUNTO CRTICO:
gle = n K
Donde:
23
ANLISIS DE VARIANZA
Regin de Aceptacin de
H0
Regin de
Regin de
Rechazo de
H0
Rechazo de
t gl ; 2
4)
H0
t gl ; 2
ESTADSTICO ESTIMADO:
tc =
Xi X j
X X
i
Donde:
1 1
+ =
ni n j
X X = e
i
Tk2
CME = X
i =1 k =1
k =1 nk
n
1 1
( CME ) +
ni n j
2
ik
ANVA)
K
( n 1) S
e =
i =1
n K
i =1
5)
2
i
CONCLUSIONES:
Si
t gle ; 2 tc t gle ; 2 ,
entonces
se
acepta
Ho,
es
decir,
24
Si
ANLISIS DE VARIANZA
(es significativa al
PROBABILIDAD DE tc (Significancia):
Si
2 P t tc gle = n K ,
2 P t tc gle = n K > ,
Si
IC ( i j )
(X
(1 )%
(es significativa al
( ):
i
= ( X i X j ) X i X j t gle ; 2
X j ) X i X j t gle ; 2 ( i j )
(1 )%
25
( X i X j ) + X i X j t gle ; 2
ANLISIS DE VARIANZA
EJEMPLO:
X1
X2
X3
X4
4.2
8.3
3.8
2.9
4.5
7.2
4.2
4.1
5.9
5.9
2.2
2.7
6.8
7.5
7.2
4.5
8.1
4
3.8
nk
Sk
0.78
1.59
1.83
1.06
Xk
3.48
6.08
5.89
3.40
n = 20
K =4
C = 4 ( 4 1) 2 = 6
= 0.05
gle = 20 4 = 16
e =
4+ 6 + 7 + 3 4
26
= 1.5163
ANLISIS DE VARIANZA
Xi
Xj
Xi X j
ni
nj
X X
6.08
5.89
0.20
6.08
3.48
2.61
6.08
3.40
2.68
5.89
3.48
5.89
3.48
tc
t16;0.05 2
Sig.
0.8436
0.23
2.12
0.8177
0.9787
2.66
2.12
0.0169*
1.0722
2.50
2.12
0.0235*
2.41
0.9504
2.54
2.12
0.0220*
3.40
2.49
1.0463
2.38
2.12
0.0304*
3.40
0.08
1.1581
0.06
2.12
0.9492
* Significante al 5%
Xi
Xj
Xi X j
nj
ni
X X
i
t16;0.05 2
Inf .
Sup.
6.08
5.89
0.20
0.8436
2.12
-1.5907
1.9859
6.08
3.48
2.61
0.9787
2.12
0.5335
4.6832
6.08
3.40
2.68
1.0722
2.12
0.4105
4.9562
5.89
3.48
2.41
0.9504
2.12
0.3960
4.4254
5.89
3.40
2.49
1.0463
2.12
0.2676
4.7038
3.48
3.40
0.08
1.1581
2.12
-2.3800
2.5300
27
ANLISIS DE VARIANZA
PRUEBA DE BONFERRONI:
Mtodo basado en la distribucin t de Student y en la desigualdad Bonferroni (tambin conocido como mtodo de Dunn-su promotor en 1961- o de Dunn-Bonferroni).
Controla la tasa de error dividiendo el nivel de significacin entre el nmero de comparaciones llevadas a cabo. Cada comparacin se evala utilizando un nivel de significacin
= C .
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
3)
PUNTO CRTICO:
C=
K!
2!( K 2 ) !
gle = n K
Donde:
Regin de
rechazo de Ho
rechazo de Ho
1
2
t gle ; 2
t gle ; 2
28
4)
ANLISIS DE VARIANZA
ESTADSTICO ESTIMADO:
Xi X j
tc =
X X
i
Donde:
1 1
+ =
n
i nj
1 1
+ ,
n
i nj
( CME )
X X = e
son iguales.
K
( n 1) S
e =
i =1
2
i
n K
i
i =1
Tk2
CME = X
i =1 k =1
k =1 nk
n
2
ik
ANVA)
5)
CONCLUSIONES:
t gle ; 2 tc t gle ; 2 ,
Si
entonces
se
acepta
Ho,
es
decir,
Si
(es significativa al
PROBABILIDAD DE tc (Significancia):
Si
( 2CP t t
cir,
gle = n K
29
Si
( 2CP t t
ANLISIS DE VARIANZA
IC ( i j )
(X
(1 )%
(es significati-
( ):
i
= ( X i X j ) X i X j t gle ; 2
X j ) X i X j t gle ; 2 ( i j )
(1 )%
( X i X j ) + X i X j t gle ; 2
EJEMPLO:
X1
X2
X3
X4
4.2
8.3
3.8
2.9
4.5
7.2
4.2
4.1
5.9
5.9
2.2
2.7
6.8
7.5
7.2
4.5
8.1
4
3.8
nk
Sk
0.78
1.59
1.83
1.06
Xk
3.48
6.08
5.89
3.40
n = 20
K =4
C=
4!
=6
2!( 4 2 ) !
gle = 20 4 = 16
30
ANLISIS DE VARIANZA
= 0.05
= 0.0083
e =
4+ 6+ 7 + 3 4
= 1.5163
Xi
Xj
Xi X j
ni
nj
X X
6.08
5.89
0.20
6.08
3.48
2.61
6.08
3.40
2.68
5.89
3.48
5.89
3.48
tc
t16;0.0083 2
Sig.
0.8436
0.23
3.01
1.0000
0.9787
2.66
3.01
0.1017
1.0722
2.50
3.01
0.1413
2.41
0.9504
2.54
3.01
0.1319
3.40
2.49
1.0463
2.38
3.01
0.1821
3.40
0.08
1.1581
0.06
3.01
1.0000
* Significante al 5%
Xi
Xj
Xi X j
nj
ni
X X
i
t16;0.0083 2
Inf .
Sup.
6.08
5.89
0.20
0.8436
3.01
-2.3401
2.7353
6.08
3.48
2.61
0.9787
3.01
-0.3360
5.5527
6.08
3.40
2.68
1.0722
3.01
-0.5421
5.9087
5.89
3.48
2.41
0.9504
3.01
-0.4483
5.2697
5.89
3.40
2.49
1.0463
3.01
-0.6619
5.6334
3.48
3.40
0.08
1.1581
3.01
-3.4088
3.5588
31
ANLISIS DE VARIANZA
PRUEBA DE SIDAK
Al igual que el procedimiento de Bonferroni, se basa en la distribucin t de Student,
pero controla la tasa de error evaluando cada comparacin con un nivel de significacin
= 1 (1 )
1C
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
3)
PUNTO CRTICO:
C=
K!
2!( K 2 ) !
gle = n K
Donde:
Regin de
rechazo de Ho
rechazo de Ho
1
2
t gle ; 2
t gle ; 2
32
4)
ANLISIS DE VARIANZA
ESTADSTICO ESTIMADO:
Xi X j
tc =
X X
i
Donde:
1 1
+ =
n
i nj
X X = e
1 1
+ ,
n
i nj
( CME )
son iguales.
K
( n 1) S
e =
i =1
2
i
n K
i
i =1
Tk2
CME = X
i =1 k =1
k =1 nk
n
2
ik
ANVA)
5)
CONCLUSIONES:
Si
t gle ; 2 tc t gle ; 2 ,
entonces
se
acepta
Ho,
es
decir,
Si
33
(es significativa al
ANLISIS DE VARIANZA
PROBABILIDAD DE tc (Significancia):
Si
1 (1 2 P [t tc gle = n K ])
es decir,
Si
1 (1 2 P [t tc gle = n K ])
) >
IC ( i j )
(X
(1 )%
(es signi-
( ):
i
= ( X i X j ) X i X j t gle ; 2
X j ) X i X j t gle ; 2 ( i j )
(1 )%
34
( X i X j ) + X i X j t gle ; 2
ANLISIS DE VARIANZA
EJEMPLO:
X1
X2
X3
X4
4.2
8.3
3.8
2.9
4.5
7.2
4.2
4.1
5.9
5.9
2.2
2.7
6.8
7.5
7.2
4.5
8.1
4
3.8
nk
Sk
0.78
1.59
1.83
1.06
Xk
3.48
6.08
5.89
3.40
n = 20
K =4
C=
4!
=6
2!( 4 2 ) !
gle = 20 4 = 16
= 0.05
= 0.0085
e =
4+ 6+ 7 + 3 4
35
= 1.5163
ANLISIS DE VARIANZA
Xi
Xj
Xi X j
ni
nj
X X
6.08
5.89
0.20
6.08
3.48
2.61
6.08
3.40
2.68
5.89
3.48
5.89
3.48
tc
t16;0.0085 2
Sig.
0.8436
0.23
3.00
1.0000
0.9787
2.66
3.00
0.0974
1.0722
2.50
3.00
0.1332
2.41
0.9504
2.54
3.00
0.1249
3.40
2.49
1.0463
2.38
3.00
0.1688
3.40
0.08
1.1581
0.06
3.00
1.0000
* Significante al 5%
Xi
Xj
Xi X j
nj
ni
X X
i
t16;0.0085 2
Inf .
Sup.
6.08
5.89
0.20
0.8436
3.00
-2.3315
2.7267
6.08
3.48
2.61
0.9787
3.00
-0.3261
5.5427
6.08
3.40
2.68
1.0722
3.00
-0.5311
5.8978
5.89
3.48
2.41
0.9504
3.00
-0.4386
5.2600
5.89
3.40
2.49
1.0463
3.00
-0.6513
5.6227
3.48
3.40
0.08
1.1581
3.00
-3.3970
3.5470
36
ANLISIS DE VARIANZA
PRUEBA DE SCHEFF:
Este mtodo basado en la distribucin F, permite controlar la tasa de error para el
conjunto total de comparaciones que es posible disear con K medias (una con otra,
una con todas las dems, dos con dos, etc). Utilizada slo para efectuar slo con
comparaciones por pares, es un procedimiento muy conservador: tiende a considerar
significativas menos diferencias de las que debiera.
PRUEBA DE HIPOTESIS PARA
1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
3)
PUNTO CRTICO:
gl1 = K 1
gl2 = n K
Donde:
H0
Regin de
Rechazo de
H0
Rechazo de
H0
1
2
( K 1) Fgl ; gl ;
( K 1) Fgl ; gl ;
1
37
4)
ANLISIS DE VARIANZA
ESTADSTICO ESTIMADO:
tc =
Xi X j
X X
i
Donde:
X X
i
1 1
= + =
n n
j
i
1 1
( CME ) + , Cuando las varianzas son
ni n j
iguales.
K
( n 1) S
i =1
2
i
n K
i =1
Tk2
CME = X
i =1 k =1
k =1 nk
n
2
ik
ANVA)
5)
CONCLUSIONES:
Si
( K 1) Fgl ; gl ;
1
Ho, es decir,
Si tc
<
tc
( K 1) Fgl ; gl ;
1
, entonces se acepta
( K 1) Fgl ;gl ;
tc >
i j 0 ,
( K 1) Fgl ; gl ;
1
, entonces se
(1 ) % (es significativa al % ).
38
ANLISIS DE VARIANZA
PROBABILIDAD DE tc (Significancia):
tc2
P
F
gl
K
gl
n
K
1;
1
2
,
Si
K
1
entonces
se
confianza del
(1 ) % .
tc2
P
F
gl
K
gl
n
K
1;
> ,
1
2
Si
K 1
entonces
se
confianza del
(1 ) % (es significativa al % ).
INTERVALO DE CONFIANZA PARA
IC ( i j )
(X
X j ) X i X j
(1 )%
( ):
i
= ( X i X j ) X i X j
( K 1) Fgl ; gl ;
1
39
ANLISIS DE VARIANZA
EJEMPLO:
X1
X2
X3
X4
4.2
8.3
3.8
2.9
4.5
7.2
4.2
4.1
5.9
5.9
2.2
2.7
6.8
7.5
7.2
4.5
8.1
4
3.8
nk
Sk
0.78
1.59
1.83
1.06
Xk
3.48
6.08
5.89
3.40
n = 20
K =4
= 0.05
gl1 = 4 1 = 3
gl2 = 20 4 = 16
4+ 6+ 7 +3 4
40
= 1.5163
ANLISIS DE VARIANZA
Xi
Xj
Xi X j
ni
nj
X X
6.08
5.89
0.20
6.08
3.48
2.61
6.08
3.40
2.68
5.89
3.48
5.89
3.48
tc
F3;16;0.05
Sig.
0.8436
0.23
3.12
0.9965
0.9787
2.66
3.12
0.1092
1.0722
2.50
3.12
0.1421
2.41
0.9504
2.54
3.12
0.1346
3.40
2.49
1.0463
2.38
3.12
0.1734
3.40
0.08
1.1581
0.06
3.12
0.9999
* Significante al 5%
Xi
Xj
Xi X j
nj
ni
X X
i
F3;16;0.05
Inf .
Sup.
6.08
5.89
0.20
0.8436
3.12
-2.4319
2.8271
6.08
3.48
2.61
0.9787
3.12
-0.4425
5.6592
6.08
3.40
2.68
1.0722
3.12
-0.6587
6.0254
5.89
3.48
2.41
0.9504
3.12
-0.5517
5.3731
5.89
3.40
2.49
1.0463
3.12
-0.7758
5.7472
3.48
3.40
0.08
1.1581
3.12
-3.5348
3.6848
41
ANLISIS DE VARIANZA
PRUEBA DE DUNCAN:
Prueba del rango mltiple de Duncan. Mtodo de comparacin por pasos basado en la
distribucin del rango estudentizado. Controla la tasa de error utilizando, para el conjunto de medias separadas r pasos, un nivel de significacin
= 1 (1 )
r 1
Cuando ms pasos existen entre dos medias, mayor es la diferencia mnima con la que
vamos a considerar que esas medias difieren significativamente.
( ):
Ho:
i j = 0
Ha:
i j 0
2)
3)
PUNTO CRTICO:
K
r
gle = n K
Donde:
Regin de
rechazo de Ho
rechazo de Ho
1
2
Dr ; gle ;
Dr ; gle ;
42
4)
ANLISIS DE VARIANZA
ESTADSTICO ESTIMADO:
Dc =
Xi X j
X X
i
Donde:
X X
i
1 1
= + =
n n
j
i
1 1
( CME ) + , Cuando las varianzas son
ni n j
iguales.
K
( n 1) S
i =1
2
i
n K
i =1
Tk2
CME = X
i =1 k =1
k =1 nk
n
2
ik
ANVA)
5)
CONCLUSIONES:
Si
Dr ; gle ; Dc Dr ; gle ; ,
Si
43
(es significativa al
PROBABILIDAD DE
Dc
(Significancia):
r
1
1
P
D
D
r
;
gl
n
K
[
]
(
)
c
e
Si
, entonces se acepta
r 1 >
1
P
D
D
r
;
gl
n
K
[
]
(
)
c
e
Si
, entonces se acepta
IC ( i j )
(X
ANLISIS DE VARIANZA
( ):
(1 )%
= ( X i X j ) X i X j Dr ; gle ;
X j ) X i X j Dr ; gle ; ( i j )
(1 )%
44
( X i X j ) + X i X j Dr ; gle ;
ANLISIS DE VARIANZA
EJEMPLO:
X1
X2
X3
X4
4.2
8.3
3.8
2.9
4.5
7.2
4.2
4.1
5.9
5.9
2.2
2.7
6.8
7.5
7.2
4.5
8.1
4
3.8
nk
Sk
0.78
1.59
1.83
1.06
Xk
3.48
6.08
5.89
3.40
n = 20
K =4
= 0.05
gle = 20 4 = 16
e =
4+ 6 + 7 + 3 4
45
= 1.5163
ANLISIS DE VARIANZA
Xi
Xj
Xi X j
ni
nj
X X
6.08
5.89
0.20
6.08
3.48
2.61
6.08
3.40
2.68
5.89
3.48
2.41
5.89
3.40
3.48
3.40
Dc
q4;16;0.05
Sig .
0.8436
0.23
3.00
1.0000
0.9787
2.66
3.14
0.0924
1.0722
2.50
3.23
0.1222
0.9504
2.54
3.00
0.0914
2.49
1.0463
2.38
3.14
0.1293
0.08
1.1581
0.06
3.00
1.0000
* Significante al 5%
Xi
Xj
Xi X j
nj
ni
X X
i
Dc
Inf .
Sup.
6.08
5.89
0.20
0.8436
3.00
-2.3314
2.7266
6.08
3.48
2.61
0.9787
3.14
-0.4686
5.6853
6.08
3.40
2.68
1.0722
3.23
-0.7850
6.1517
5.89
3.48
2.41
0.9504
3.00
-0.4385
5.2599
5.89
3.40
2.49
1.0463
3.14
-0.8037
5.7751
3.48
3.40
0.08
1.1581
3.00
-3.3969
3.5469
46
ANLISIS DE VARIANZA
PRUEBA DE TUKEY:
Diferencia honestamente significativa de Tukey. Equivale a utilizar el mtodo de Stu-
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
3)
PUNTO CRTICO:
K
gle = n K
Donde:
H0
Regin de
Rechazo de
H0
Rechazo de
H0
1
2
qK ; gle ;
qK ; gle ;
47
4)
ANLISIS DE VARIANZA
ESTADSTICO ESTIMADO:
Xi X j
X X
qc =
Donde:
X X
i
1 1 1
= + =
2 ni n j
1 1 1
( CME ) + , Cuando las va 2 ni n j
( n 1) S
i =1
2
i
n K
i =1
Tk2
CME = X
i =1 k =1
k =1 nk
n
2
ik
ANVA)
5)
CONCLUSIONES:
Si
qK ; gle ; qc qK ; gle ; ,
entonces
se
acepta
Ho,
es
decir,
Si
48
(es significativa al
PROBABILIDAD DE
Si
qc
ANLISIS DE VARIANZA
(Significancia):
Si
IC ( i j )
(X
(es significativa al
( ):
(1 )%
= ( X i X j ) X i X j qK ; gle ;
X j ) X i X j qK ; gle ; ( i j )
(1 )%
49
( X i X j ) + X i X j qK ; gle ;
ANLISIS DE VARIANZA
EJEMPLO:
X1
X2
X3
X4
4.2
8.3
3.8
2.9
4.5
7.2
4.2
4.1
5.9
5.9
2.2
2.7
6.8
7.5
7.2
4.5
8.1
4
3.8
nk
Sk
0.78
1.59
1.83
1.06
Xk
3.48
6.08
5.89
3.40
n = 20
K =4
= 0.05
gle = 20 4 = 16
e =
4+ 6 + 7 + 3 4
50
= 1.5163
ANLISIS DE VARIANZA
Xi
Xj
Xi X j
ni
nj
X X
6.08
5.89
0.20
6.08
3.48
2.61
6.08
3.40
2.68
5.89
3.48
5.89
3.48
qc
q4;16;0.05
Sig.
0.5965
0.33
4.05
1.0000
0.6921
3.77
4.05
0.0728
0.7581
3.54
4.05
0.0978
2.41
0.6720
3.59
4.05
0.0924
3.40
2.49
0.7399
3.36
4.05
0.1226
3.40
0.08
0.8189
0.09
4.05
1.0000
* Significante al 5%
Xi
Xj
Xi X j
nj
ni
X X
i
q4;16;0.05
Inf .
Sup.
6.08
5.89
0.20
0.5965
4.05
-2.2158
2.6111
6.08
3.48
2.61
0.6921
4.05
-0.1919
5.4085
6.08
3.40
2.68
0.7581
4.05
-0.3841
5.7508
5.89
3.48
2.41
0.6720
4.05
-0.3083
5.1297
5.89
3.40
2.49
0.7399
4.05
-0.5078
5.4792
3.48
3.40
0.08
0.8189
4.05
-3.2382
3.3882
51
ANLISIS DE VARIANZA
GAMES-HOWELL:
Mtodo similar al de Tukey. Se basa en la distribucin del rango estudentizado y en un
estadstico T en el que, tras estimar las varianzas poblacionales suponiendo que son
distintas, se corrigen los grados de libertad mediante la ecuacin de Welch. En trminos generales de los tres mtodos para varianzas heterogneas, este es el que mejor
controla la tasa de error en diferentes situaciones.
PRUEBA DE HIPOTESIS PARA
1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
3)
PUNTO CRTICO:
K
2
Si2 S 2j
+
ni n j
gl =
2
2
2
Si2 S j
n
ni + j
ni 1
n j 1
Donde:
Regin de
rechazo de Ho
1
2
2
qk ; gl ;
qk ; gl ;
2
52
4)
ANLISIS DE VARIANZA
ESTADSTICO ESTIMADO:
qc =
Xi X j
X X
i
Donde:
X X
i
5)
Si2 S 2j
= + , Cuando las varianzas no son iguales.
n n
j
i
CONCLUSIONES:
qK ; gl ;
qc
, entonces se acepta
2
2
i j = 0 , a un nivel de confianza del (1 ) % .
Si
Si
qK ; gl ;
qc <
qK ; gl ;
2
qc >
qK ; gl ;
2
Si
Si
(es significativa al
(Significancia):
P q 2 qc K ; gl = n K ,
decir,
qc
Ho, es decir,
P q 2 qc K ; gl = n K > ,
53
(es signifi-
IC ( i j )
( X i X j ) X i X j
( ):
(1 )%
qK ; gl ;
ANLISIS DE VARIANZA
= ( X i X j ) X i X j
( i j )
(1 )%
qK ; gl ;
2
( X i X j ) + X i X j
qK ; gl ;
2
EJEMPLO:
Facultad de
Ciencias
Agrcolas
Facultad de
Ingeniera en
Informtica y Sistemas
Facultad de
Industrias
Alimentaras
Facultad de
Ciencias
Econmicas
52
37
24
18
37
43
19
13
31
22
16
19
40
40
26
21
72
24
22
24
51
35
31
26
36
17
20
30
49
33
13
24
39
88
23
24
36
69
12
12
15
18
24
55
16
32
35
40
30
26
nk
10
12
15
13
Sk
41.80
21.08
40.87
21.15
Xk
22.74
4.23
11.47
7.53
n = 20
K =4
= 0.05
54
ANLISIS DE VARIANZA
Xj
Xi X j
ni
nj
Si
Sj
41.80
40.87
0.93
10
15
22.74
11.47
41.80
21.15
20.65
10
13
22.74
41.80
21.08
20.72
10
12
40.87
21.15
19.71
15
40.87
21.08
19.78
21.15
21.08
0.07
X X
q4; gl ;0.05
qc
gl
7.7781
0.12
12.09
2.97
0.9993
7.53
7.4891
2.76
10.52
3.03
0.0780
22.74
4.23
7.2953
2.84
9.52
3.09
0.0733
13
11.47
7.53
3.6231
5.44
24.35
2.76
0.0001*
15
12
11.47
4.23
3.2034
6.18
18.49
2.82
0.0000*
13
12
7.53
4.23
2.4184
0.03
19.17
2.81
1.0000
Sig.
* Significante al 5%
Xi
Xj
Xi X j
ni
nj
Si
Sj
X X
i
gl
q4; gl ;0.05
2
Sup.
41.80
40.87
0.93
10
15
22.74
11.47
7.7781
12.09
2.97
-22.1343
24.0010
41.80
21.15
20.65
10
13
22.74
7.53
7.4891
10.52
3.03
-2.0602
43.3525
41.80
21.08
20.72
10
12
22.74
4.23
7.2953
9.52
3.09
-1.8072
43.2405
40.87
21.15
19.71
15
13
11.47
7.53
3.6231
24.35
2.76
9.7285
29.6972
40.87
21.08
19.78
15
12
11.47
4.23
3.2034
18.49
2.82
10.7527
28.8139
21.15
21.08
0.07
13
12
7.53
4.23
2.4184
19.17
2.81
-6.7241
6.8651
55
ANLISIS DE VARIANZA
PRUEBA T2 DE TAMHANE:
Mtodo basado en la distribucin de t de Student. Controla la tasa de error evaluando
cada comparacin con un nivel de significacin
PRUEBA DE HIPOTESIS PARA
1)
Ho:
i j = 0
Ha:
i j 0
= 1 (1 )
1C
( ):
i
2)
3)
PUNTO CRTICO:
K
C=
K ( K 1)
2
Donde:
Regin de
rechazo de Ho
1
2
t gl ; 2
t gl ; 2
56
ANLISIS DE VARIANZA
Si2 S 2j
+
ni n j
gl =
2
2
2
Si2 S j
n
ni + j
ni 1
n j 1
4)
ESTADSTICO ESTIMADO:
tc =
Xi X j
X X
i
Donde:
X X
i
5)
Si2 S 2j
= + = , Cuando las varianzas no son iguales.
n n
j
i
CONCLUSIONES:
t gl ; 2 tc t gle ; 2 ,
Si
entonces
se
acepta
Ho,
es
decir,
Si
tc < t gl ; 2 tc > t gl ; 2 ,
(es significativa al
PROBABILIDAD DE tc (Significancia):
Si
1 (1 2 P [t tc gl ])
57
Si
ANLISIS DE VARIANZA
1 (1 2 P [t tc gl ])
) >
IC ( i j )
(X
(es significativa al
( ):
i
(1 )%
= ( X i X j ) X i X j t gl ; 2
X j ) X i X j t gl ; 2 ( i j )
(1 )%
( X i X j ) + X i X j t gl ; 2
EJEMPLO:
Facultad de
Ciencias
Agrcolas
Facultad de
Ingeniera en
Informtica y Sistemas
Facultad de
Industrias
Alimentaras
Facultad de
Ciencias
Econmicas
52
37
24
18
37
43
19
13
31
22
16
19
40
40
26
21
72
24
22
24
51
35
31
26
36
17
20
30
49
33
13
24
39
88
23
24
36
69
12
12
15
18
24
55
16
32
35
40
30
26
nk
10
12
15
13
Sk
41.80
21.08
40.87
21.15
Xk
22.74
4.23
11.47
7.53
n = 20
K =4
= 0.05
58
C=
ANLISIS DE VARIANZA
( 4 )( 4 1) = 6
2
1
6
= 1 (1 ) = 0.0085
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS:
i
Xi
Xj
Xi X j
ni
nj
Si
Sj
41.80
40.87
0.93
10
15
22.74
11.47
41.80
21.15
20.65
10
13
22.74
41.80
21.08
20.72
10
12
40.87
21.15
19.71
15
40.87
21.08
19.78
21.15
21.08
0.07
X X
tc
gl
t gl ; 2
Sig.
7.7781
0.12
12.09
3.14
1.0000
7.53
7.4891
2.76
10.52
3.23
0.1107
22.74
4.23
7.2953
2.84
9.52
3.30
0.1054
13
11.47
7.53
3.6231
5.44
24.35
2.86
0.0001*
15
12
11.47
4.23
3.2034
6.18
18.49
2.94
0.0000*
13
12
7.53
4.23
2.4184
0.03
19.17
2.93
1.0000
* Significante al 5%
Xi
Xj
Xi X j
ni
nj
Si
Sj
X X
i
gl
t gl ; 2
Inf .
Sup.
41.80
40.87
0.93
10
15
22.74
11.47
7.7781
12.09
3.14
-23.4662
25.3328
41.80
21.15
20.65
10
13
22.74
7.53
7.4891
10.52
3.23
-3.5186
44.8109
41.80
21.08
20.72
10
12
22.74
4.23
7.2953
9.52
3.30
-3.3801
44.8134
40.87
21.15
19.71
15
13
11.47
7.53
3.6231
24.35
2.86
9.3422
30.0835
40.87
21.08
19.78
15
12
11.47
4.23
3.2034
18.49
2.94
10.3539
29.2128
21.15
21.08
0.07
13
12
7.53
4.23
2.4184
19.17
2.93
-7.0185
7.1595
59
ANLISIS DE VARIANZA
PRUEBA T3 DE DUNNETT:
Modificacin propuesta por Dunnett al estadstico T2 de Tamhane. Se basa en la distribucin del Mdulo mximo estudentizado.
PRUEBA DE HIPOTESIS PARA
1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
3)
PUNTO CRTICO:
K
C=
K ( K 1)
2
Donde:
Regin de aceptacin de Ho
Regin de
Regin de
rechazo de Ho
rechazo de Ho
1
2
M C ; gl ;
M C ; gl ;
60
ANLISIS DE VARIANZA
Si2 S 2j
+
ni n j
gl =
2
2
2
Si2 S j
n
ni + j
ni 1
n j 1
4)
ESTADSTICO ESTIMADO:
Mc =
Xi X j
X X
i
Donde:
X X
i
5)
Si2 S 2j
= + = , Cuando las varianzas no son iguales.
n n
j
i
CONCLUSIONES:
Si
M C ; gl ; M c M C ; gl ; ,
Si
PROBABILIDAD DE
Si
Mc
(es significati-
(Significancia):
P [ M M c C ; gl ] ,
Si
P [ M M c gl ; C ] > ,
61
(es significativa al
IC ( i j )
(X
ANLISIS DE VARIANZA
( ):
(1 )%
= ( X i X j ) X i X j M C ; gl ;
X j ) X i X j M C ; gl ; ( i j )
(1 )%
( X i X j ) + X i X j M C ; gl ;
EJEMPLO:
Facultad de
Ciencias
Agrcolas
Facultad de
Ingeniera en
Informtica y Sistemas
Facultad de
Industrias
Alimentaras
Facultad de
Ciencias
Econmicas
52
37
24
18
37
43
19
13
31
22
16
19
40
40
26
21
72
24
22
24
51
35
31
26
36
17
20
30
49
33
13
24
39
88
23
24
36
69
12
12
15
18
24
55
16
32
35
40
30
26
nk
10
12
15
13
Sk
41.80
21.08
40.87
21.15
Xk
22.74
4.23
11.47
7.53
n = 20
K =4
= 0.05
C=
( 4 )( 4 1) = 6
2
62
ANLISIS DE VARIANZA
Xi
Xj
Xi X j
ni
nj
Si
Sj
41.80
40.87
0.93
10
15
22.74
11.47
41.80
21.15
20.65
10
13
22.74
41.80
21.08
20.72
10
12
40.87
21.15
19.71
15
40.87
21.08
19.78
21.15
21.08
0.07
X X
Mc
gl
M gl ;C ;
Sig.
7.7781
0.12
12.09
3.09
1.0000
7.53
7.4891
2.76
10.52
3.17
0.0989
22.74
4.23
7.2953
2.84
9.52
3.23
0.0929
13
11.47
7.53
3.6231
5.44
24.35
2.85
0.0001*
15
12
11.47
4.23
3.2034
6.18
18.49
2.92
0.0000*
13
12
7.53
4.23
2.4184
0.03
19.17
2.91
1.0000
* Significante al 5%
Xi
Xj
Xi X j
ni
nj
Si
Sj
X X
i
gl
M gl ;C ;
Inf .
Sup.
41.80
40.87
0.93
10
15
22.74
11.47
7.7781
12.09
3.09
-23.1073
24.9740
41.80
21.15
20.65
10
13
22.74
7.53
7.4891
10.52
3.17
-3.0756
44.3679
41.80
21.08
20.72
10
12
22.74
4.23
7.2953
9.52
3.23
-2.8603
44.2937
40.87
21.15
19.71
15
13
11.47
7.53
3.6231
24.35
2.85
9.3966
30.0290
40.87
21.08
19.78
15
12
11.47
4.23
3.2034
18.49
2.92
10.4269
29.1398
21.15
21.08
0.07
13
12
7.53
4.23
2.4184
19.17
2.91
-6.9664
7.1075
63