UNIDAD 2.

DISEÑOS EXPERIMENTALES DE UN SOLO FACTOR

2do. PARCIAL

Análisis de varianza (ANOVA)

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

UNIDAD 2. DISEÑOS EXPERIMENTALES DE UN SOLO FACTOR

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

UNIDAD 2. DISEÑOS EXPERIMENTALES DE UN SOLO FACTOR

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

UNIDAD 2. DISEÑOS EXPERIMENTALES DE UN SOLO FACTOR

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

UNIDAD 2. DISEÑOS EXPERIMENTALES DE UN SOLO FACTOR

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

UNIDAD 2. DISEÑOS EXPERIMENTALES DE UN SOLO FACTOR

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

 Análisis de Varianza (Anova)

INTRODUCCIÓN
El análisis de varianza (analysis of variance, ANOVA) es una herramienta estadística que permite probar la igualdad de tres o más
medias poblacionales con los datos obtenidos con muestras de cada una de estas poblaciones.

El principal objetivo del análisis de varianza es identificar el factor o los factores que producen la variabilidad en un conjunto de
datos. Si un solo factor (variable independiente)es el que produce esta variabilidad, entonces el análisis de varianza recibe el
nombre de análisis de varianza de un solo factor o One-way ANOVA.

Cada factor está asociado con un conjunto particular de datos (muestra) o tratamientos (Variable dependiente). El término
tratamiento se origina de la agricultura, ya que en ésta se utilizó por primera vez este procedimiento estadístico. Los tratamientos
se derivaron de tratar varias parcelas de tierra con diferentes fertilizantes para medir el factor de rendimiento promedio por
cultivo.

Con base en estos supuestos, el análisis de varianza consiste en decidir si las muestras o tratamientos se tomaron de poblaciones
que tienen la misma media µ. Para ello se establecen dos hipótesis de prueba.

𝐻𝑜 : 𝜇1 = 𝜇2 = ⋯ 𝜇𝑖 es decir, la media de todas las poblaciones es igual

𝐻𝑜 : 𝜇1 ≠ 𝜇2 ≠ ⋯ 𝜇𝑖 es decir, la media de todas las poblaciones son distintas

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA
 Análisis de Varianza (Anova)

INTRODUCCIÓN
El análisis de varianza (analysis of variance, ANOVA) es una herramienta estadística que permite probar la igualdad de tres o más
medias poblacionales con los datos obtenidos con muestras de cada una de estas poblaciones.

En el ámbito estadístico se acostumbra elaborar un cuadro resumen de los cálculos realizados en un análisis de varianza.

Con el uso de los paquetes estadísticos para

computadoras, apareció el concepto del valor
p, un nuevo enfoque que permite probar
hipótesis. El valor p es la probabilidad de
obtener un estadístico de prueba igual o más
extremo que el resultado obtenido a partir de
los datos muestrales, dado que la hipótesis
nula Ho es cierta.

La regla, por tanto, para rechazar una hipótesis

nula mediante el uso del valor p es:

Rechace Ho, si el valor p < α

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA
 Análisis de Varianza (Anova)

EJERCICIO PROPUESTO
Un equipo de mejora investiga el efecto de cuatro métodos de ensamble (A,B,C y D) sobre el tiempo de ensamble en
minutos. En primera instancia, la estrategia experimental es aplicar cuatro veces los cuatro métodos de ensamble en
orden aleatorio. Los tiempos de ensamble obtenidos se muestran en la siguiente tabla. Se supone que no existe
ningún otro factor que influya de manera significativa sobre la variable de respuesta (tiempo de ensamble).

Medición A B C D

1
6 7 11 10
2
8 9 16 12
3
7 10 11 11
4
8 8 13 9

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

 Análisis de Varianza (Anova)

EJERCICIO PROPUESTO
Un equipo de mejora investiga el efecto de cuatro métodos de ensamble (A,B,C y D) sobre el tiempo de ensamble en
minutos. En primera instancia, la estrategia experimental es aplicar cuatro veces los cuatro métodos de ensamble en
orden aleatorio. Los tiempos de ensamble obtenidos se muestran en la siguiente tabla. Se supone que no existe
ningún otro factor que influya de manera significativa sobre la variable de respuesta (tiempo de ensamble).

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

 Análisis de Varianza (Anova)

ACTIVIDAD #13

Ejercicio #1

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

 Análisis de Varianza (Anova)

ACTIVIDAD #13

Ejercicio #2

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA

 Análisis de Varianza (Anova)

PRUEBA DE TUKEY (ENTRE PARES)

En estudios del ANOVA de un factor, tenemos como resultado la comprobación de la significancia de los tratamientos (niveles),
es decir, si uno de los promedios o medias de la variable respuesta es diferente de los obtenidos para los otros tratamientos. Para
identificar cuál o cuáles promedios son diferentes resulta necesario realizar pruebas adicionales.

Prueba Post-hoc

Una vez que se ha determinado que existen diferencias entre las medias, las pruebas de rango post hoc permiten determinar qué
medias difieren. La prueba de rango post hoc identifica subconjuntos homogéneos de medias que no se diferencian entre sí.
Prueba de Tukey, es una prueba estadística utilizada general y conjuntamente con ANOVA, La prueba Tukey se usa en
experimentos que implican un número elevado de comparaciones.

Es de fácil cálculo puesto que se define un solo comparador, resultante del producto del error estándar de la media por el valor
tabular en la tabla de Tukey usando como numerador el número de tratamientos y como denominador los grados de libertad
del error.

PERIODO: ENERO-JUNIO 2018 INSTRUCTOR: SERGIO CASASOLA