ESQUEMA GENERAL DE UN ANOVA UNIFACTORIAL

Pasos para realizar una prueba de Hipótesis

 Plantear las Hipótesis Estadísticas.

 El nivel de significancia (Error tipo I).
 El Estadístico de prueba.
 Muestra.
 Regiones de decisión.
 Conclusión.
 La hipótesis nula, H0
 Es la suposición sobre el parámetro de la población que
va a ser probada.
 Siempre se refiere al parámetro de la población y NO a
la estadística de la muestra
 Se asume que la Hipótesis Nula es VERDADERA
 Al igual que la noción de inocencia mientras no se
pruebe su culpabilidad
 La Hipótesis nula SIEMPRE contiene el signo IGUAL
(=)
 Puede ser RECHAZADA ó no
La hipótesis alternativa, H1
 Es lo opuesto de la hipótesis nula
 Nunca contiene el signo igual (=), si
no los signos (≠), (<) ó (>).
 Puede ser ACEPTADA o no
 Es generalmente la hipótesis que
el investigador está tratando de
probar.
 Hipótesis de ANOVA de un factor
 H :μ  μ  μ   μ
0 1 2 3 c
 Todas las medias poblacionales son iguales
 i.e., No hay efecto del factor (no hay variación entre las
medias de los grupos)

 H1 : No todas las medias poblacionales son iguales

 Por lo menos una media de la población es diferente
 i.e., Hay un efecto del factor
 Eso no significa que todas las medias poblacionales son
diferentes (algunos pares pueden ser iguales)
ANOVA de un Factor
H0 : μ1  μ2  μ3    μc
H1: No todas las μ j son iguales
La Hipótesis Nula es verdadera
Todas las medias son iguales:
(No hay efecto del Factor)

μ1  μ 2  μ 3
 ANOVA de una Factor
(continua)
H0 : μ1  μ2  μ3    μc
H1: No todas las μ j son iguales
La Hipótesis Nula no es verdadera
Al menos una de las medias es diferente
(Esta presente el efecto del Factor)

μ1  μ2  μ3 μ1  μ2  μ3
 Partición de la Variación
 La Variación Total se puede dividir en dos partes:

SST = SSA + SSW

SST = Suma de cuadrados total

(Variación Total)
SSA = Suma de cuadrados entre los grupos
(Variación entre-grupos)
SSW = Suma de cuadrados dentro de los Grupos
(Variación intra-grupos)
 Partición de la Variación
(continua)

SST = SSA + SSW

Variación Total = La variación total de los valores de los
datos individuales a través de los diversos niveles del factor
(SST)
Variación Entre-Grupos = Variación entre las medias
muestrales del factor (SSA)

Variación Intra-Grupos = Variación que existe entre los

valores de los datos dentro de un nivel del factor (SSW)
 Variación Total
2 2 2
SST  ( X 11  X )  ( X 12  X )      ( X cn  X )
c

Respuesta, X

Grupo 1 Grupo 2 Grupo 3

 Variación Entre -Grupos (continua)

SSA  n1 (X1  X)  n 2 (X 2  X)      n c (X c  X)
2 2 2

Respuesta, X

X3
X2 X
X1

Grupo 1 Grupo 2 Grupo 3

 Variación Intra-Grupo
(continua)

SSW  (X11  X1 )  (X12  X 2 )      (X cn c  X c )

2 2 2

Respuesta, X

X3
X2
X1

Grupo 1 Grupo 2 Grupo 3

 Partición de la Variación Total
Variación Total (SST)

Variación Debido al Variación debido a un Error

= Factor (SSA) + Aleatorio (SSW)
 Suma de Cuadrados Total
SST = SSA + SSW
c nj

SST   ( Xij  X) 2

j1 i1
Donde:
SST = Suma de cuadrados Total
c = número de grupos o niveles
nj = número de observaciones en el grupo j
Xij = isima observación del grupo j
X = gran media (media de todos los valores de los datos)
Variación Entre-Grupos
SST = SSA + SSW
c
SSA   n j ( X j  X) 2

j1
Donde:
SSA = Suma de cuadradores entre grupos
c = número de grupos
nj = Tamaño de muestra del grupo j
Xj = Media de la muestra del grupo j
X = gran media (media de todos los valores)
Variación Entre-Grupos
(continua)

c
SSA   n j ( X j  X) 2

j1

SSA
Variación debido a la
MSA 
diferencia entre Grupos
c 1
Cuadrado medio entre
grupos = SSA/grados de
libertad

i j
Variación Intra-Grupo
SST = SSA + SSW
c nj

SSW    ( Xij  X j ) 2

j1 i1
Donde:
SSW = Suma de cuadrados intra grupos
c = número de grupos
nj = Tamaño de muestra del grupo j
Xj = Media muestral del grupo j
Xij = isima observacion en el grupo j
 Variación Intra-Grupo
(continua)

c nj

SSW    ( Xij  X j )2
j1 i1
SSW
En resume la variación
MSW 
dentro de cada grupo
sumados en forma conjunta nc
Cuadrado medio intra-
grupos = SSW/grados de
libertad

μj
 Obteniendo los cuadrados medios
Los cuadrados medios se obtienen dividiendo las sumas de
cuadrados medios y sus grados de libertad asociados

SSA Cuadrado medio entre

MSA  (d.f. = c-1)
c 1
SSW
MSW  Cuadrado medio Intra
nc (d.f. = n-c)

SST
MST  Cuadrado Medio Total
n 1 (d.f. = n-1)
 Tabla ANOVA de un factor
Suma de Cuadrado
Fuente de G.L medio F
Cuadrados
Variación (Varianza)

Entre SSA FSTAT =

c-1 SSA MSA =
Grupos c-1
MSA
Intra SSW
n-c SSW MSW = MSW
Grupos n-c

Total n–1 SST

c = número de grupos
n = suma de los tamaños muestrales de
todos los grupos
G.L = grados de libertad
 ANOVA de una Factor:
Prueba F
H0: μ1= μ2 = … = μc
H1: Al menos dos medias poblacionales son diferentes

 Estadístico F
MSA
FSTAT 
MSW
MSA es el cuadrado medio entre grupos
MSW es el cuadrado medio intra grupos
 Grados de libertad
 G.L1 = c – 1 (c = número de grupos)
 G.L2 = n – c (n = suma de tamaños muestrales de las
poblaciones)
 Interpretando ANOVA de un factor
Prueba F
 El estadístico F es el cociente entre la
estimacion de la varianza entre y intra de los
grupos
 Este cociente siempre debe ser positivo
 GL1 = c -1 típicamente será pequeña
 GL2 = n - c típicamente será grande

Regla de Decisión:
 Rechazar H0 si FSTAT > 
Fα, otros casos no
No rechazar
rechazar H0 , o si α es 0
H0 Rechazar H0
menor a p Fα
 ANOVA de un factor, ejemplo:
Variedades de frijol negro (tratamientos) Total Media
Panelistas
A B C D E panelistas panelistas
1 2 6 8 6 3 25 5.0
2 1 7 9 4 4 25 5.0
3 1 6 6 3 2 18 3.6
4 2 6 6 5 3 22 4.4
5 2 6 8 4 3 23 4.6
6 4 7 7 4 2 24 4.8
7 3 5 8 5 3 24 4.8
Total
15 43 52 31 20 161 Gran total
Tratamientos
Media
2.14 6.14 7.43 4.43 2.86
Tratamientos
 Solución
Variedades de frijol negro (tratamientos) Total Media
Panelistas
A B C D E panelistas panelistas X1 = 2.14 n1 = 7
1 2 6 8 6 3 25 5.0
2 1 7 9 4 4 25 5.0
3 1 6 6 3 2 18 3.6 X2 = 6.14 n2 = 7
4 2 6 6 5 3 22 4.4
5 2 6 8 4 3 23 4.6
X3 = 7.43 n3 = 7
6 4 7 7 4 2 24 4.8
7 3 5 8 5 3 24 4.8
Total
15 43 52 31 20 161 Gran total X4 = 4.43 n4 = 7
Tratamientos
Media
2.14 6.14 7.43 4.43 2.86 4.6
Promedio
X5 = 2.86 n5 = 7
Tratamientos Global
n 7 7 7 7 7 35
n = 35
X = 4.60
c=5
SSA = 7 (2.14 – 4.60)2 + 7 (6.14 – 4.60)2 +…+ 7 (2.86 – 4.60)2 = 136.400
SSW = (2 – 2.14)2 + (1 – 2.14)2 +…+ (3 – 2.86)2 = 26.000

MSA = 136.400 / (5-1) = 34.100 34.100

FSTAT   39.346
MSW = 26.00 / (35-5) = 0.867 0.867
 Tabla ANOVA de un factor
Suma de Cuadrado
Fuente de G.L medio F
Cuadrados
Variación (Varianza)

Entre SSA FSTAT =

c-1 SSA MSA =
Grupos c-1
MSA
Intra SSW
n-c SSW MSW = MSW
Grupos n-c

Total n–1 SST

c = número de grupos
n = suma de los tamaños muestrales de
todos los grupos
G.L = grados de libertad
 ANOVA del Ejemplo
Suma de Cuadrado
Fuente de G.L medio F
Cuadrados
Variación (Varianza)

Entre 4 136.400 FSTAT =

34.100
Grupos
Intra 39.346
30 26.00 0.867
Grupos

Total 34 162.400

5 grupos
35 suma de los tamaños muestrales de
todos los grupos
G.L = grados de libertad
 Solución
H 0: μ 1 = μ 2 = μ 3 Prueba estadística:
H1: μj no todos son iguales
 = 0.05 FSTAT 
34.100
 39.346
gl1= 4 gl2 = 30 0.867

Valor Decisión:
crítico:
Rechazar H0 con  =0.05
Fα = 2.69
 = 0.05 Conclusión:
Existe evidencia de que
No
0 Rechazar H0
al menos un μj difiere del
Rechazar H0
Fα = 2.69
FSTAT = 39.346 resto
P = 0.000