Monografia Anova

MONOGRAFIA
PRESENTADO POR:
DEIBERTH ALEXANDER WILCHES PEÑARANDA
1090516707
PRESENTADO A:
LUZ MARINA HERRERA
UNIVERSIDAD DE PAMPLONA
FACULTAD DE INGENIERIA Y ARQUITECTURA
INGENIERIA INDUSTRIAL
2020
Índice General
1. Introducción
2. Análisis de la Varianza: ANOVA
2.1 Suma de Cuadrados
2.2 Grados de Libertad
2.3 Medias Cuadradas
2.4 Razón F
2.5 Tabla ANOVA
2.6 Ejemplo
3. Conclusión
4. Referencias
1. Introducción
El diseño experimental clásico, conocido como diseño de comparación de grupos
(Fisher) esto se trata de un modelo de diseño con claras raíces estadísticas, en el que el
sujeto individual en sí mismo carece de interés, siendo el grupo el principal elemento de
referencia.
Muchas comparaciones, se hacen con base en el diseño completamente al azar
(DCA) que es el más simple de todos los diseños que se utilizan para comparar dos o más
tratamientos, dado que solo consideran dos fuentes de variabilidad: los tratamientos y el
error aleatorio. Este diseño se llama completamente al azar porque todas las corridas
experimentales se realizan en orden aleatorio completo.

El análisis de varianza (ANOVA) es una técnica central en el análisis de datos
experimentales, que consiste en separar la variación total observada en cada una de las
fuentes que contribuye a la misma.
2. Análisis de la varianza: ANOVA
El análisis de la varianza establece un lugar destacado entre las técnicas estadísticas
asociadas al diseño experimental clásico. Independientemente de la cantidad de factores de
los que conste el diseño la prueba de la hipótesis se puede realizar con modelos que
incluyen más de una variable dependiente o una sola variable. En este último caso la prueba
estadística se denomina análisis univariado de la varianza cuyo objetivo consiste en
comprobar si uno o más tratamientos experimentales producen un efecto determinado sobre
la variable dependiente. Esta potencial relación causal entre las variables independientes y
la variable dependiente puede describirse mediante una ecuación matemática de carácter
lineal que se denomina como modelo estructural matemático del ANOVA.
La estructura básica del modelo del análisis de la varianza, en su expresión más
simple, viene dada por la siguiente ecuación:
y ij =μ+∝+ε ij
y ij= Puntación obtenida en la variable dependiente por el sujeto i en el tratamiento j.
μ= Puntuación media de la población de la que se ha extraído la observación.

∝ = Efecto del j-esimo tratamiento experimental.
ε ij= Error correspondiente a la i-esima observación bajo el j-esimo tratamiento.
Todo modelo matemático como en el que se describe esta ecuación es totalmente teórico y
sus parámetros deben derivarse de las observaciones concretas de cada uno de los sujetos
del experimento.
2.1 Suma de Cuadrados
La suma de cuadrados refleja las diferentes variaciones que tienen lugar en un
experimento y constituye un elemento fundamental para el cálculo de las varianzas. Una
vez obtenida las suma cuadrática total, intergrupos e intragrupos, han de compararse tales
variaciones entre sí, para lo cual resulta necesario obtener sus correspondientes varianzas.
La varianza es una variación promedio, y se define como la cantidad de variación por grado
de libertad. En consecuencia, para proceder al cálculo de las varianzas se deben extraer, en
primer lugar los grados de libertad correspondientes a cada suma de cuadrados.
2.2 Grados de Libertad
Se define como la cantidad de observaciones básicas independientes de las que se
dispone en la estimación de una fuente de variación. Así, siempre que se aplique una
restricción a las observaciones básicas se pierde un grado libertad. Si tales observaciones
son los datos del experimento son los datos del experimento y estos se utilizan para calcular
la suma cuadrática del error en una estimación de esta fuente variación se impone una
restricción dentro de cada uno de los grupos de tratamiento, ya que los datos deben variar
entorno a la media del grupo. Dicha restricción hace que se pierda un grado de libertad por
grupo. En consecuencia los grados de libertad de la fuente de error se calculan restando una
unidad a la suma de las observaciones registradas en cada nivel de tratamiento y
multiplicando dicho valor por la cantidad de niveles que adopta la variable independiente.
2.3 Medias Cuadráticas
Las medias cuadráticas se obtienen dividiendo las variaciones o sumas de cuadrados
entre sus correspondientes grados de libertad. De esta forma, se estima la proporción de
varianza que corresponde a cada una de las fuentes de variación del modelo.
2.4 Razón F
La razón F es el cociente entre la media cuadrática intergrupos o varianza explicada
por el tratamiento y la media cuadrática del error o varianza residual. Bajo el supuesto de la
hipótesis nula o de la ausencia de diferencia entre los diversos grupos de tratamiento, la
distribución muestral del estadístico se aproxima a la distribución F con k-1 grados de
libertad en el numerador y k(n-1) grados de libertad en el denominador.

2.5 Tabla ANOVA
Fuente de Suma de cuadrados Grados Cuadrado medio F0 Valor-p

variabilidad de
libertad
Tratamientos k Y 2i Y 2 .. k −1 SC TRAT CM TRAT P¿
SCTRAT =Σ − CM TRAT =
i =1
ni N k −1 CM E
Error N−k
SC E=SC T −SCTRAT SC E
CM E =
N −k
Total N−1
k k 2 Y 2 ..
SCT =Σ i=1 Σ j =1 Y i j−
N
2.6 Ejemplo
Un fabricante de calzado desea mejorar la calidad de las suelas, las cuales se pueden
hacer con uno de los cuatro tipos de cuero A, B, C y D disponibles en el mercado. Para ello,
prueba los cueros con una máquina que hace pasar los zapatos por una superficie abrasiva;
la suela de éstos se desgasta al pasarla por dicha superficie. Como criterio de desgaste se
usa la pérdida de peso después de un número fijo de ciclos. Se prueban en orden aleatorio
24 zapatos, seis de cada tipo de cuero. Al hacer las pruebas en orden completamente al azar
se evitan sesgos, y las mediciones en un tipo de cuero resultan independientes de las demás.
Los datos (en miligramos) sobre el desgaste de cada tipo de cuero se muestran en la tabla
Tipo de Observaciones Promedio

cuero
A 264 260 258 241 262 255 256.7
B 208 220 216 200 213 206 209.8
C 220 263 219 225 230 228 230.8
D 217 226 215 227 220 222 220.7
Hipótesis
H0: μA = μB = μC = μD = μ
HA: μi ≠ μj para algún i ≠ j = (A, B, C, D).
Tabla ANOVA para los tipos de cuero
Fuente de Suma de cuadrados Grados Cuadrado medio F0 Valor-p

variabilidad de
libertad
Tipos de cueros 7072.33 3 2357.44 23.24 0.0000
Error 2029.0 20 101.45
Total 9101.33 23
3. Conclusión
La finalidad del análisis de la varianza radica en comprobar si alguno de los
parámetros del modelo se desvía suficientemente de cero y por ende, si alguno de los
tratamientos experimentales ejerce una influencia significativa sobre el fenómeno objeto de
estudio.
El propósito básico del ANOVA radica en calcular los componentes de variación y
en convertirlos en valores comparables.
4. Referencias
 Gutiérrez, H. (2012). Análisis y diseño de experimentos. (3a. ed.) McGraw-Hill

Interamericana. Tomado de https://www-ebooks7-24-
com.unipamplona.basesdedatosezproxy.com/?il=375
 Valderrey, P. (2013). Herramientas para la calidad total. Ediciones de la U. Tomado de
https://www-ebooks7-24-com.unipamplona.basesdedatosezproxy.com/?il=8111
 Balluerka, N. (2002). Diseños de investigación experimental en psicología. Pearson
Educación. Tomado de https://www-ebooks7-24-
com.unipamplona.basesdedatosezproxy.com/?il=4101
 Misra, S., Darby, M., Panjwani, S., & Nikolaou, M. (2017). Design of Experiments for
Control-Relevant Multivariable Model Identification: An Overview of Some Basic Recent
Developments. Processes, 5(3), 42.
 Heriberto, A. N. E., Javier, R. L. A., Antonio, V. L. J., & Russell, P. G. (2015). Estudio
comparativo entre los enfoques de diseño experimental robusto de Taguchi y tradicional en
presencia de interacciones de control por control. Ingeniería, investigación y
tecnología, 16(1), 131-142.
 Wang, Z., & Chen, J. (2014). Feedforward and feedback control performance assessment
for nonlinear systems. In Abstract and Applied Analysis (Vol. 2014). Hindawi.
 Velázquez, M. M. N., Picazo, M. S. H. R., & Díaz, M. R. H. (2007). Evaluación de la
Distancia Recorrida en el Proceso de Producción en Distribuciones Funcionales
Disgregadas. Conciencia Tecnológica, (33), 36-40.
 Loher, M., Saladin, D., Keferstein, C., Vetter, W., Keppler-Ott, T., & Presta, T. NON-
CLASSICAL DESIGN OF EXPERIMENTS IN COLD FORGING: PROCESS
OPTIMIZATION WITH DATA-BASED PROCESS.
 Linsinger, T. P. (2020). Evaluation of CRM homogeneity in cases of insufficient method
repeatability: comparison of Bayesian analysis with substitutes for ANOVA based
estimates. Analytica Chimica Acta: X, 100049.
 Górecki, T., & Smaga, Ł. (2015). A comparison of tests for the one-way ANOVA problem
for functional data. Computational Statistics, 30(4), 987-1010.
 Górecki, T., & Smaga, Ł. (2019). fdANOVA: an R software package for analysis of
variance for univariate and multivariate functional data. Computational Statistics, 34(2),
571-597.
 Blanca Mena, M. J., Alarcón, R., Arnau Gras, J., Bono Cabré, R., & Bendayan, R. (2017).
Non-normal data: Is ANOVA still a valid option?.
 Arbeláez, M. B., Salazar, O. A., & Vargas, J. A. M. (2007). Método ANOVA utilizado para
realizar el estudio de repetibilidad y reproducibilidad dentro del control de calidad de un
sistema de medición. Scientia et technica, 1(37).
 Parra Hernández, M. D. C., & Torres Sánchez, D. A. (2019). Caracterización química y
térmica del material de construcción de nidos de siete especies de avispas del Norte de
Santander - Colombia. Tomado de
http://serviciosacademicos.unipamplona.edu.co/prestamo/
 Ramirez Mendoza, (2016). Análisis de las matrices de riesgo en comfanorte mediante la
aplicación de herramientas básicas de la calidad. Tomado de
http://serviciosacademicos.unipamplona.edu.co/prestamo/

Monografia Anova

Cargado por

Copyright:

Formatos disponibles

Monografia Anova

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Monografia Anova

Cargado por

Copyright:

Formatos disponibles

MONOGRAFIA

DEIBERTH ALEXANDER WILCHES PEÑARANDA

LUZ MARINA HERRERA

FACULTAD DE INGENIERIA Y ARQUITECTURA

2. Análisis de la Varianza: ANOVA

2.1 Suma de Cuadrados

2.2 Grados de Libertad

2.3 Medias Cuadradas

2.5 Tabla ANOVA

El diseño experimental clásico, conocido como diseño de comparación de grupos

sujeto individual en sí mismo carece de interés, siendo el grupo el principal elemento de

Muchas comparaciones, se hacen con base en el diseño completamente al azar

experimentales se realizan en orden aleatorio completo.

fuentes que contribuye a la misma.

2. Análisis de la varianza: ANOVA

El análisis de la varianza establece un lugar destacado entre las técnicas estadísticas

asociadas al diseño experimental clásico. Independientemente de la cantidad de factores de

estadística se denomina análisis univariado de la varianza cuyo objetivo consiste en

comprobar si uno o más tratamientos experimentales producen un efecto determinado sobre

la variable dependiente puede describirse mediante una ecuación matemática de carácter

lineal que se denomina como modelo estructural matemático del ANOVA.

La estructura básica del modelo del análisis de la varianza, en su expresión más

simple, viene dada por la siguiente ecuación:

y ij= Puntación obtenida en la variable dependiente por el sujeto i en el tratamiento j.

μ= Puntuación media de la población de la que se ha extraído la observación.

2.1 Suma de Cuadrados

La suma de cuadrados refleja las diferentes variaciones que tienen lugar en un

experimento y constituye un elemento fundamental para el cálculo de las varianzas. Una

de libertad. En consecuencia, para proceder al cálculo de las varianzas se deben extraer, en

primer lugar los grados de libertad correspondientes a cada suma de cuadrados.

2.2 Grados de Libertad

Se define como la cantidad de observaciones básicas independientes de las que se

restricción a las observaciones básicas se pierde un grado libertad. Si tales observaciones

2.3 Medias Cuadráticas

Las medias cuadráticas se obtienen dividiendo las variaciones o sumas de cuadrados

entre sus correspondientes grados de libertad. De esta forma, se estima la proporción de

La razón F es el cociente entre la media cuadrática intergrupos o varianza explicada

hipótesis nula o de la ausencia de diferencia entre los diversos grupos de tratamiento, la

distribución muestral del estadístico se aproxima a la distribución F con k-1 grados de

libertad en el numerador y k(n-1) grados de libertad en el denominador.

Fuente de Suma de cuadrados Grados Cuadrado medio F0 Valor-p

Tipo de Observaciones Promedio

B 208 220 216 200 213 206 209.8

C 220 263 219 225 230 228 230.8

D 217 226 215 227 220 222 220.7

HA: μi ≠ μj para algún i ≠ j = (A, B, C, D).

Tabla ANOVA para los tipos de cuero

Fuente de Suma de cuadrados Grados Cuadrado medio F0 Valor-p

Error 2029.0 20 101.45

tratamientos experimentales ejerce una influencia significativa sobre el fenómeno objeto de

El propósito básico del ANOVA radica en calcular los componentes de variación y

en convertirlos en valores comparables.

 Gutiérrez, H. (2012). Análisis y diseño de experimentos. (3a. ed.) McGraw-Hill

También podría gustarte