Comparaciones Múltiples Entre Medias

COMPARACIONES MLTIPLES ENTRE MEDIAS
ANLISIS DE VARIANZA

COMPARACIONES MLTIPLES
Combinacin lineal de medias con coeficientes que suman cero.
Para
medias:
L = c11 + c2 2 + + ck k
K
L = ci i
i =1
EJEMPLO:
Si desean compararse dos medias
2 , en caso de que sean iguales:
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)
Una posibilidad es comparar
2 , tomadas juntas, con 3 . Es decir:
1 + 2
2
= 3
Lo cual puede escribirse:
L1 = 1 + 2 23 = 0
Cuyos coeficientes son 1, 1 y -2, y por tanto suman 0.
2)
Otra posibilidad es comparar
2 =
1 + 3
2
1
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
Es decir:
L2 = 1 + 22 3 = 0
Cuyos coeficientes son -1, 2 y -1, y por tanto suman 0.
3)
Otra comparacin es:
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)
Cambiar el signo de los coeficientes de uno de los grupos.
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.
Daniel Guzmn Rojas
Con
medias es posible realizar
ANLISIS DE VARIANZA
K 1 comparaciones ortogonales.
REGLA PRCTICA: Dos comparaciones son ortogonales si el producto de sus coeficientes es cero.
L1 = c111 + c12 2 + + c1k k

L2 = c211 + c22 2 + + c2 k k
Son ortogonales si:
K
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
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
COMPARACIONES MLTIPLES PLANEADAS O A PRIORI

Se realizan de forma independiente al ANVA. No es necesario realizar tambin este.
PRUEBA F PLANEADAS O A PRIORI PARA COMPARACIONES MULTIPLES:
Se aplican cuando desean realizarse dos o ms comparaciones ortogonales:
L1 , L2 , ...,
LC 1 .
Para una comparacin
1)
L j , con tres medias:
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)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
gl1 = C 1
gl2 = n K
Donde:
C = Nmero de comparaciones a analizar.
K = Nmero de medias a analizar.

n = Tamao total de la muestra.
Se acepta H0
Se acepta Ha
Fgl1 ; gl2 ;
4
Daniel Guzmn Rojas
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
(Cuadrado Medio del Error, tomado del cuadro
ANVA)
5)
CONCLUSIONES:
Fcj Fgl1 ; gl2 ; , entonces se acepta Ho, a un nivel de significancia del

% .
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.
Daniel Guzmn Rojas
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
Daniel Guzmn Rojas
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)
L1 = ( 2 )( 6.48) + ( 1)( 4.43) + ( 1)( 3.76 ) = 4.77

ci21 22 ( 1) ( 1)
= +
+
=1
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
L2 = ( 0 )( 6.48 ) + (1)( 4.43) + ( 1)( 3.76 ) = 0.67

ci22 02 ( 1) ( 1)
= +
+
= 0.33
6
6
6
n
i =1 i 2
2
Daniel Guzmn Rojas
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
SCC = SC ( L j ) = 22.75 + 1.35 = 24.10

j =1
5)
CONCLUSIONES:
Como
Fc1 > F1;15;0.05 ( 9.86 > 4.54 ) , entonces se acepta Ha, es decir,
1 Promedio ( 2 , 3 ) , a un nivel de significancia del 5% .
Como
Fc 2 < F1;15;0.05 ( 0.59 < 4.54 ) , entonces se acepta Ho, es decir,
2 = 3 , a un nivel de significancia del 5% .

PRUEBA t-Student PLANEADAS O A PRIORI PARA COMPARACIONES MULTIPLES:
Se aplican cuando desean realizarse dos o ms comparaciones ortogonales:
L1 , L2 , ...,
LC 1 .
Para una comparacin
1)
L j , con tres medias:
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)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
gl = n K
Donde:
Daniel Guzmn Rojas
ANLISIS DE VARIANZA

Regin de Aceptacin de
Regin de
H0
Regin de
Rechazo de
H0
Rechazo de
H0
1
2
t gl ; 2
4)
t gl ; 2
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
( CME ) , Cuando las varianzas son igua
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)
Daniel Guzmn Rojas
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
entonces se acepta Ho, a un nivel de signifi-
tcj < t gl ; 2 tcj > t gl ; 2 ,

significancia del % .
Si
entonces se acepta Ha, a un nivel de
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
Daniel Guzmn Rojas
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
H0
Regin de
Regin de
Rechazo de
H0
Rechazo de
H0
0.95
0.025
0.025
2.13
4)
2.13
L1 = ( 2 )( 6.48) + ( 1)( 4.43) + ( 1)( 3.76 ) = 4.77

ci21 22 ( 1) ( 1)
= +
+
=1
6
6
6
n
i =1 i1
2
L =
1
(1)( 2.308) = 1.519
tc1 =
4.77
= 3.14
1.519
11
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
L2 = ( 0 )( 6.48 ) + (1)( 4.43) + ( 1)( 3.76 ) = 0.67

ci22 02 ( 1) ( 1)
= +
+
= 0.33
6
6
6
n
i =1 i 2
2
L =
2
( 0.33)( 2.308) = 0.873

tc 2 =
5)
0.67
= 0.77
0.873
CONCLUSIONES:
Como
tc1 > t15;0.025 ( 3.14 > 2.13) ,
entonces se acepta Ha, es decir,
1 Promedio ( 2 , 3 ) , a un nivel de significancia del 5% .
Como
tc 2 < t15;0.025 ( 0.77 < 2.13) ,
entonces se acepta Ho, es decir,
2 = 3 , a un nivel de significancia del 5% .

PRUEBA F PLANEADAS O A PRIORI PARA COMPARACIONES DE TENDENCIA:
Las variable independiente (VI) debe ser cuantitativa para poder aplicar este contraste. Con K medias pueden contrastarse
ms sencillas son:
K 1
tipos de tendencia. Las tendencias
RELACIN LINEAL
RELACIN CUADRTICA
RELACIN CBICA
RELACIN DE 4 GRADO
RELACIN DE 5 GRADO
RELACIN DE 6 GRADO
12
Daniel Guzmn Rojas
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
se estudiar la tendencia lineal, cuadrtica y cbica.
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
Daniel Guzmn Rojas
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)
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
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
ci22 (1) ( 1) ( 1) (1)

=
+
+
+
= 0.8
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
Fc( Lineal) < F1;16;0.01 ( 0.44 < 8.53) ,
entonces se acepta Ho, es
decir, la relacin no es lineal, a un nivel de significancia del
Como
1% .
Fc( Cuadrtico ) > F1;16;0.01 ( 31.78 > 8.53) , entonces se acepta Ha,
es decir, la relacin es Cuadrtica, a un nivel de significancia del
15
1% .
Daniel Guzmn Rojas
Como
ANLISIS DE VARIANZA
Fc( Cbico ) < F1;16;0.01 ( 0.17 < 8.53) ,
decir, la relacin no es Cbica, a un nivel de significancia del
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
H0
Regin de
Rechazo de
H0
Rechazo de
H0
0.99
0.005
0.005
2.92
4)
2.92
LLineal = ( 3)( 3.58) + ( 1)( 6.74 ) + (1)( 6.90 ) + ( 3)( 2.90 ) = 1.88
16
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
ci21 ( 3) ( 1) (1) ( 3)
=
+
+
+
= 4.0
n
5
5
5
5
i =1 i1
2
( 4.0 )( 2.308) = 2.84
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
( 0.8)( 2.308) = 1.27
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
( 4.0 )( 2.308) = 2.84
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-
ces se acepta Ho, es decir, la relacin no es lineal, a un nivel de significancia del
1% .
17
Daniel Guzmn Rojas
Como
tc( Cuadrtico ) < t16;0.005
ANLISIS DE VARIANZA
( 5.64 < 2.92 ) ,
entonces se acepta
Ha, es decir, la relacin es Cuadrtica, a un nivel de significancia del
1% .
Como
t16;0.005 < tc( Cbico ) < t16;0.005
( 2.92 < 0.41 < 2.92 ) ,
en-
tonces se acepta Ho, es decir, la relacin no es Cbica, a un nivel de significancia del
1% .
18
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
PRUEBA DE LEVENE DE HOMOGENEIDAD DE VARIANZAS

Uno de los pasos previos a la comprobacin de si existen diferencias entre las medias
de varias muestras es determinar si las varianzas en tales muestras son iguales (es
decir, si se cumple la condicin de homogeneidad de varianzas o homoscedasticidad),
ya que de que se cumpla o no esta condicin depender la formulacin que empleemos
en el contraste de medias.
Existen varias pruebas que permiten comprobar la igualdad de varianzas (F de Fisher,
Fmax de Hartley, prueba de Bartlett, etc), pero aqu desarrollaremos la prueba de Levene que es la que emplea SPSS. Para su clculo se siguen los siguientes pasos:
1)
Calcular la diferencia (en valor absoluto) entre cada valor y la media de su grupo:
Dki = X ki X k
donde:
X ki : es la puntuacin del sujeto i perteneciente al grupo k.

X k : es la media del grupo k.
2)
Calcular la media de las diferencias de cada grupo:

nk
Dk =
ki
i =1
nk
donde:
nk
D
i =1
ki
: es la suma de las puntuaciones Di en el grupo k.
nk : es el tamao del grupo k.

3)
Calcular la media total de las diferencias:

nk
DT =
D
i =1 k =1
ki
donde...
19
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
Dki : es la suma de las puntuaciones
Di de todos los sujetos.
n : es la suma de todos los sujetos.

4)
Calcular ANVA para la prueba de Homogeneidad de varianza:

ANVA
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
SCT = SCinter + SCintra
PRUEBA DE HIPOTESIS PARA LA HOMOGENEIDAD DE VARIANZA:

1)
Ho:
1 = 2 = = K
Ha:
1 2 K
2)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
gl1 = K 1
Se acepta H0
gl2 = n K
Se acepta Ha
Fgl1 ; gl2 ;
20
Daniel Guzmn Rojas
4)
ANLISIS DE VARIANZA
Fc =
5)
CM inter
CM intra
CONCLUSIONES:
Si
Fc Fgl1 ; gl2 ; ,
entonces
se
acepta
Ho,
es
decir,
es
decir,
1 = 2 = = K , a un nivel de significancia del % .

Si
Fc > Fgl1 ; gl2 ; ,
entonces
se
acepta
Ha,
1 2 K , a un nivel de significancia del % .

EJEMPLO:
X1
2.6
2.9
2.3
2.7
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
Daniel Guzmn Rojas
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)
Fc = 3.83
5)
CONCLUSIONES:
Como
Fc > F3;16;0.05
( 3.83 > 3.24 ) ,
1 2 3 4 , a un nivel de significancia del 5% .
22
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
COMPARACIONES MLTIPLES NO PLANEADAS O A POSTERIORI

Se realizan despus del ANVA, para descubrir donde estn las diferencias entre medias,
si la F ha resultado significativa
( 1 2 k 0 ) .
COMPARACIONES PAREADAS CUANDO LAS VARIANZAS SON HOMOGENEAS

Para el caso de
medias, habr
C = K ( K 1) 2
contrastes posibles.
PRUEBA DMS DE FISHER:

Diferencia mnima significativa basada en la t de Student. Este mtodo, inicialmente
propuesto por Fisher (1935) no ejerce ningn control sobre la tasa d error. Es decir, cada comparacin se lleva a cabo utilizando el nivel de significacin establecido (generalmente
= 0.05 ), por lo que la tasa de error ( e )
puede llegar a
1 (1 )
para el conjunto de comparaciones
, siendo el nivel de significacin
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)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
gle = n K
Donde:

23
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
H0
Regin de
Regin de
Rechazo de
H0
Rechazo de
t gl ; 2
4)
H0
t gl ; 2
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,
i j = 0 , a un nivel de confianza del (1 ) % .
24
Daniel Guzmn Rojas
Si
ANLISIS DE VARIANZA
tc < t gle ; 2 tc > t gle ; 2 ,
i j 0 , a un nivel de confianza del (1 ) %

% ).
(es significativa al
PROBABILIDAD DE tc (Significancia):
Si
2 P t tc gle = n K ,
2 P t tc gle = n K > ,
Si

% ).
INTERVALO DE CONFIANZA PARA
IC ( i j )
(X
(1 )%
( ):
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
Daniel Guzmn Rojas
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
( 4 1)( 0.78) + ( 6 1)(1.59 ) ( 7 1)(1.83) ( 3 1)(1.06 )

2
e =
4+ 6 + 7 + 3 4
26
= 1.5163
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS:

i
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%
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS
95% Interv. Conf .

i
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
Daniel Guzmn Rojas
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 .

1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
C=
K!
2!( K 2 ) !
gle = n K
Donde:

C = Nmero de combinaciones ha analizar.
= Nivel de significancia para la prueba Bonferroni.

Regin de aceptacin de Ho
Regin de
Regin de
rechazo de Ho
rechazo de Ho
1
2
t gle ; 2
t gle ; 2
28
Daniel Guzmn Rojas
4)
ANLISIS DE VARIANZA
Xi X j
tc =
X X
i
Donde:
1 1
+ =
n
i nj
1 1
+ ,
n
i nj
( CME )
X X = e
Cuando las varianzas
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
entonces
se
acepta
Ho,
es
decir,
tc < t gle ; 2 tc > t gle ; 2 ,
Si

% ).
Si
( 2CP t t
cir,
gle = n K
, entonces se acepta Ho, es de-
29
Daniel Guzmn Rojas
Si
( 2CP t t
ANLISIS DE VARIANZA
gle = n K > , entonces se acepta Ha, es de-

va al % ).
cir,
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
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
= 0.05
= 0.0083
( 4 1)( 0.78) + ( 6 1)(1.59 ) ( 7 1)(1.83) ( 3 1)(1.06 )

2
e =
4+ 6+ 7 + 3 4
= 1.5163

i
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
95% Interv. Conf .

i
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
Daniel Guzmn Rojas
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
. Esta solucin es algo menos conservadora que Bonferroni (es de-
cir rechaza la hiptesis de igualdad de medias en ms ocasiones que el mtodo de Bonferroni).

1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
C=
K!
2!( K 2 ) !
gle = n K
Donde:

= Nivel de significancia para la prueba Sidak.

Regin de
Regin de
rechazo de Ho
rechazo de Ho
1
2
t gle ; 2
t gle ; 2
32
Daniel Guzmn Rojas
4)
ANLISIS DE VARIANZA
Xi X j
tc =
X X
i
Donde:
1 1
+ =
n
i nj
X X = e
1 1
+ ,
n
i nj
( CME )
Cuando las varianzas
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
entonces
se
acepta
Ho,
es
decir,
Si
tc < t gle ; 2 tc > t gle ; 2 ,

% ).
33
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
Si
1 (1 2 P [t tc gle = n K ])
es decir,
Si
, entonces se acepta Ho,
1 (1 2 P [t tc gle = n K ])
) >
, entonces se acepta Ha,

ficativa al % ).
es decir,
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
Daniel Guzmn Rojas
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
( 4 1)( 0.78) + ( 6 1)(1.59 ) ( 7 1)(1.83) ( 3 1)(1.06 )

2
e =
4+ 6+ 7 + 3 4
35
= 1.5163
Daniel Guzmn Rojas
ANLISIS DE VARIANZA

i
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
95% Interv. Conf .

i
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
Daniel Guzmn Rojas
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.
1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
gl1 = K 1
gl2 = n K
Donde:

Regin de
H0
Regin de
Rechazo de
H0
Rechazo de
H0
1
2
( K 1) Fgl ; gl ;
( K 1) Fgl ; gl ;
1
37
Daniel Guzmn Rojas
4)
ANLISIS DE VARIANZA
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 ;
acepta Ha, es decir,
tc >
i j 0 ,
( K 1) Fgl ; gl ;
1
, entonces se
a un nivel de confianza del
(1 ) % (es significativa al % ).
38
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
tc2
P
F
gl
K
gl
n
K
1;
1
2
,
Si
K
1
acepta Ho, es decir, i j = 0 , a un nivel de
entonces
se
confianza del
(1 ) % .
tc2
P
F
gl
K
gl
n
K
1;
> ,
1
2
Si
K 1
acepta Ha, es decir, i j 0 , a un nivel de
entonces
se
confianza del
(1 ) % (es significativa al % ).
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
( K 1) Fgl ; gl ; ( i j )(1 )% ( X i X j ) + X X ( K 1) Fgl ; gl ;

1
39
Daniel Guzmn Rojas
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 1)( 0.78) + ( 6 1)(1.59 ) ( 7 1)(1.83) ( 3 1)(1.06 )

2
4+ 6+ 7 +3 4
40
= 1.5163
Daniel Guzmn Rojas
ANLISIS DE VARIANZA

i
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
95% Interv. Conf .

i
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
Daniel Guzmn Rojas
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.
( ):

1)
Ho:
i j = 0
Ha:
i j 0
2)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
K
r
gle = n K
Donde:
r = Nmero de pasos entre medias a analizar.

Regin de
Regin de
rechazo de Ho
rechazo de Ho
1
2
Dr ; gle ;
Dr ; gle ;
42
Daniel Guzmn Rojas
4)
ANLISIS DE VARIANZA
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
Dc < Dr ; gle ; Dc > Dr ; gle ; , entonces se acepta Ha, es decir,

% ).
43
Daniel Guzmn Rojas
PROBABILIDAD DE
Dc
(Significancia):
r
1
1
P
D
D
r
;
gl
n
K
[
]
(
)
c
e
Si
Ho, es decir, i j = 0 , a un nivel de confianza del (1 ) % .

1
r 1 >
1
P
D
D
r
;
gl
n
K
[
]
(
)
c
e
Si
Ha, es decir, i j 0 , a un nivel de confianza del (1 ) % (es

significativa al % ).
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 ;
Daniel Guzmn Rojas
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
( 4 1)( 0.78) + ( 6 1)(1.59 ) ( 7 1)(1.83) ( 3 1)(1.06 )

2
e =
4+ 6 + 7 + 3 4
45
= 1.5163
Daniel Guzmn Rojas
ANLISIS DE VARIANZA

i
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
95% Interv. Conf .

i
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
Daniel Guzmn Rojas
ANLISIS DE VARIANZA
PRUEBA DE TUKEY:
Diferencia honestamente significativa de Tukey. Equivale a utilizar el mtodo de Stu-
dent-Newman-Keuls con K = Nmero de medias. Por tanto, todas las comparaciones

son referidas a una misma diferencia mnima. Es uno de los mtodos de mayor aceptacin.
1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
K
gle = n K
Donde:

Regin de
H0
Regin de
Rechazo de
H0
Rechazo de
H0
1
2
qK ; gle ;
qK ; gle ;
47
Daniel Guzmn Rojas
4)
ANLISIS DE VARIANZA
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
rianzas son 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
qK ; gle ; qc qK ; gle ; ,
entonces
se
acepta
Ho,
es
decir,
Si
qc < qK ; gle ; qc > qK ; gle ; ,

% ).
48
Daniel Guzmn Rojas
PROBABILIDAD DE
Si
qc
ANLISIS DE VARIANZA
(Significancia):
P [ q qc K ; gle = n K ] , entonces se acepta Ho, es decir,
Si
P [ q qc K ; gle = n K ] > , entonces se acepta Ha, es decir,

% ).
IC ( i j )
(X
( ):
(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 ;
Daniel Guzmn Rojas
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
( 4 1)( 0.78) + ( 6 1)(1.59 ) ( 7 1)(1.83) ( 3 1)(1.06 )

2
e =
4+ 6 + 7 + 3 4
50
= 1.5163
Daniel Guzmn Rojas
ANLISIS DE VARIANZA

i
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
95% Interv. Conf .

i
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
Daniel Guzmn Rojas
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.
1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
= 0.01, 0.05, 0.10, etc.
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
Regin de
rechazo de Ho
1
2
2
qk ; gl ;
qk ; gl ;
2
52
Daniel Guzmn Rojas
4)
ANLISIS DE VARIANZA
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
2
2
Si
Si
qK ; gl ;
qc <
qK ; gl ;
2
qc >
qK ; gl ;
2
, entonces se acepta Ha, es decir,

% ).
PROBABILIDAD DE
Si
Si
(Significancia):
P q 2 qc K ; gl = n K ,
decir,
qc
Ho, es decir,
P q 2 qc K ; gl = n K > ,
entonces se acepta Ha, es

cativa al % ).
decir,
53
(es signifi-
Daniel Guzmn Rojas
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
Daniel Guzmn Rojas
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
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.
Xi
Xj
Xi X j
ni
nj
Si
Sj
X X
i
gl
q4; gl ;0.05
2
95% Interv. Conf .

Inf .
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
Daniel Guzmn Rojas
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
1)
Ho:
i j = 0
Ha:
i j 0
= 1 (1 )
1C
( ):
i
2)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
K
C=
K ( K 1)
2
Donde:

= Nivel de significancia para la prueba de Tamhane.

Regin de
rechazo de Ho
Regin de
rechazo de Ho
1
2
t gl ; 2
t gl ; 2
56
Daniel Guzmn Rojas
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)
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 ,

% ).
Si
1 (1 2 P [t tc gl ])
, entonces se acepta Ho, es decir,
57
Daniel Guzmn Rojas
Si
ANLISIS DE VARIANZA
1 (1 2 P [t tc gl ])
) >
, entonces se acepta Ha, es decir,

% ).
IC ( i j )
(X
( ):
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
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
Daniel Guzmn Rojas
C=
ANLISIS DE VARIANZA
( 4 )( 4 1) = 6
2
1
6
= 1 (1 ) = 0.0085
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
95% Interv. Conf .

i
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
Daniel Guzmn Rojas
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.
1)
Ho:
i j = 0
Ha:
i j 0
( ):
i
2)
= 0.01, 0.05, 0.10, etc.
3)
PUNTO CRTICO:
K
C=
K ( K 1)
2
Donde:

Regin de
Regin de
rechazo de Ho
rechazo de Ho
1
2
M C ; gl ;
M C ; gl ;
60
Daniel Guzmn Rojas
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)
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
M c < M C ; gl ; M c > M C ; gl ; , entonces se acepta Ha, es de-

va al % ).
cir,
PROBABILIDAD DE
Si
Mc
(es significati-
(Significancia):
P [ M M c C ; gl ] ,
Si
P [ M M c gl ; C ] > ,

% ).
61
Daniel Guzmn Rojas
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
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
Daniel Guzmn Rojas
ANLISIS DE VARIANZA

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
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
95% Interv. Conf .

i
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
Daniel Guzmn Rojas

Comparaciones Múltiples Entre Medias

Uploaded by

Document Information

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

Comparaciones Múltiples Entre Medias

Uploaded by

Copyright:

Available Formats

COMPARACIONES MLTIPLES ENTRE MEDIAS

COMPARACIONES MLTIPLES ENTRE MEDIAS

Si desean compararse dos medias

2 , en caso de que sean iguales:

Una posibilidad es comparar

2 , tomadas juntas, con 3 . Es decir:

Lo cual puede escribirse:

Otra posibilidad es comparar

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

Otra comparacin es:

Cambiar el signo de los coeficientes de uno de los grupos.

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

medias es posible realizar

L1 = c111 + c12 2 + + c1k k

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

COMPARACIONES MLTIPLES PLANEADAS O A PRIORI

L j , con tres medias:

= 0.01, 0.05, 0.10, etc.

C = Nmero de comparaciones a analizar.

K = Nmero de medias a analizar.

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

(Cuadrado Medio del Error, tomado del cuadro

Fcj Fgl1 ; gl2 ; , entonces se acepta Ho, a un nivel de significancia del

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

L1 = ( 2 )( 6.48) + ( 1)( 4.43) + ( 1)( 3.76 ) = 4.77

L2 = ( 0 )( 6.48 ) + (1)( 4.43) + ( 1)( 3.76 ) = 0.67

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

SCC = SC ( L j ) = 22.75 + 1.35 = 24.10

1 Promedio ( 2 , 3 ) , a un nivel de significancia del 5% .

Fc 2 < F1;15;0.05 ( 0.59 < 4.54 ) , entonces se acepta Ho, es decir,

2 = 3 , a un nivel de significancia del 5% .

L j , con tres medias:

= 0.01, 0.05, 0.10, etc.

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

K = Nmero de medias a analizar.

( CME ) , Cuando las varianzas son igua

(Cuadrado Medio del Error, tomado del cuadro

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

entonces se acepta Ho, a un nivel de signifi-

tcj < t gl ; 2 tcj > t gl ; 2 ,

entonces se acepta Ha, a un nivel de

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

L1 = ( 2 )( 6.48) + ( 1)( 4.43) + ( 1)( 3.76 ) = 4.77

(1)( 2.308) = 1.519

Daniel Guzmn Rojas

COMPARACIONES MLTIPLES ENTRE MEDIAS

L2 = ( 0 )( 6.48 ) + (1)( 4.43) + ( 1)( 3.76 ) = 0.67

( 0.33)( 2.308) = 0.873

tc1 > t15;0.025 ( 3.14 > 2.13) ,

entonces se acepta Ha, es decir,

1 Promedio ( 2 , 3 ) , a un nivel de significancia del 5% .

tc 2 < t15;0.025 ( 0.77 < 2.13) ,

entonces se acepta Ho, es decir,