Anova Simple PDF
Anova Simple PDF
Anova Simple PDF
aleatorio.
1. Principios Básicos
Estadísticas
Pueden ser
1
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Tie ne un inconve niente y es Dato central cua ndo la Dato que ocurre con m ayor
qu e pued e ser influenciado m uestra e sta organizada de fre cuencia
po r datos extremos. m ane ra a scendente
Medidas de dispersión:
Varianza ( ) 2
D esviación ( ) Rango (R i)
estándar
Valor P (P value)
Si P< Se rechaza Ho
Si P> No se rechaza Ho
2
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Valor P
Valor
+
F calculada F crítica
La figura muestra que la hipótesis nula Ho no puede ser rechazada debido a que la F
calculada es menor a la F crítica y de igual manera el valor P es menor al nivel de
significancia alfa. El valor P se puede interpretar como la posibilidad de que la hipótesis
nula no sea rechazada; magnitudes altas del mismo se asocian con no poder rechazar la
hipótesis nula. La distribución F presume que las variables analizadas tienen un
comportamiento Gausiano o normal. La misma se calcula como el promedio de
cuadrados de los tratamientos, entre el promedio de cuadrados del error (el promedio de
cuadrados usa la suma de cuadrados entre los grados de libertad).
Los programas estadísticos como Minitab, dan los valores para P y F en el resumen
mostrado al realizar un análisis de varianza. El investigador usualmente toma la decisión
basado en el valor P por comodidad, esto porque él mismo decide el nivel de
3
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Las hipótesis estadísticas son supuestos hechos por el investigador acerca de cierto
parámetro como la media o la desviación estándar, de una o más poblaciones de interés.
La estructura de las pruebas de hipótesis está dada por la formulación de dos términos:
Ho: o Hipótesis nula que establece el valor exacto del parámetro que se desea probar
H1: o
Hipótesis alterna que establece la posibilidad de que el valor del parámetro se encuentre entre una
serie de valores distintos al establecido en Ho. (formulación dada para hipótesis alterna de dos colas)
o
Formulación para hipótesis alternas de una cola
Para realizar una prueba de hipótesis se debe tener en cuenta los siguientes pasos:
1. Establecer Ho (ej: que no exista diferencia entre las medias de los niveles de un
factor o variable de entrada)
2. Establecer H1 (ej: que exista diferencia entre las medias de los niveles de un factor
o variable de entrada)
3. Establecer que es el valor que marca el límite entre aceptación y rechazo.
4. Seleccionar el estadístico de prueba (ej: la media, es decir, la función de la
muestra aleatoria que se utiliza para tomar una decisión)
4
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Error tipo I: Rechazar Ho cuando no debió ser rechazada. Para este error se define
la probabilidad , siendo ésta, la probabilidad de rechazar algo dado que estaba
bueno o de rechazar dado que debí aceptar. Este error se considera como el error
del productor porque se rechaza algo del lote de producción que debió ser
aceptado. es seleccionado por el investigador.
Error tipo II: No rechazar Ho cuando debió ser rechazada. Para este error se
define la probabilidad , siendo ésta, la probabilidad de aceptar algo dado que
debió ser rechazado. Así este error se considera como el riesgo del consumidor,
ya que al cometerse, el productor acepta algo que debió ser rechazado y lo lanza a
la venta estando defectuoso. solo se controla a través del tamaño de muestra. Si
el investigador disminuye entonces aumenta porque están inversamente
relacionados pero la suma de + 1.
Ho es cierto Ho es falso
No rechazo Ho Decisión correcta Error tipo II
Rechazo Ho Error tipo I Decisión correcta
5
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
es menor a este, se corre un riesgo mayor de aceptar Ho cuando debió rechazarse y por
ende un fallo en la respuesta del experimento).
Ejemplo 1
El tiempo promedio que tardan los estudiantes en registrarse para las clases de otoño en una
universidad ha sido de 50 minutos con una desviación estándar de 10 minutos. Se está probando
un nuevo método de registro con computadoras modernas. Si se toma una muestra aleatoria de 12
estudiantes que tuvieron un tiempo de registro promedio de 42 minutos con una desviación
estándar de 11.9 minutos quienes se registraron con el nuevo método de registro. Pruebe la
hipótesis de que la media poblacional es ahora menor a 50 minutos usando un nivel de
significancia de 0.05 y de 0.01. Asuma que los datos de tiempo se distribuyen normalmente.
Solución
En este caso en particular se tiene la desviación estándar muestral conocida, de manera que se
trabaja entonces con la estadística t.
La hipótesis del investigador H1 es que la media del tiempo que tardan los estudiantes en
registrarse sea menor a la anterior que era 50 minutos así:
H0 : 50 min
H1 : 50 min
Como no se conoce la desviación poblacional para el nuevo método entonces se debe usar la
estadística t ya que los datos que se tienen son de una muestra proveniente de una población
mayor:
X 42 50
t 2.33
S/ n 11.9 / 12
6
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Se procede entonces a buscar los valores de t crítica en la tabla, se debe tener en cuenta que la
tabla pide el valor correspondiente al nivel de significancia y el valor correspondiente a los
grados de libertad:
A un nivel de significancia del 0.05 se rechaza H0 porque t calculada es menor a t critica, pero a
un nivel de significancia de 0.01 no hay suficiente evidencia para rechazar H0 porque t calculada
es mayor a t critica. Esto indica que hay gran probabilidad de que la media poblacional sea menor
que 50 pero no es mucha la diferencia y quizá no es suficiente garantía para soportar el costo que
requiere la compra del nuevo método de registro.
7
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
2. Se despliega una ventana donde se ingresan los datos para la media muestral, la
desviación estándar muestral y el tamaño de muestra, ya que en este caso no se tienen los
datos sino un resumen de ellos:
3. El problema pide que se pruebe que la media del nuevo procedimiento sea menor a la
media del procedimiento anterior, es decir, se hace una prueba de hipótesis de una cola.
Para esto se hace click sobre el botón options donde se despliega una ventana que permite
poner el nivel de confianza que en este caso es de 95 ya que el nivel de significancia
inicial a probar es = 5%. En la casilla de alternative se despliegan las opciones y se
escoge la opción less than para que se pruebe que la media sea menor a 50.
8
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
One-Sample T
El resultado despliega un valor de t de -2.33 igual al obtenido con los cálculos manuales. En este
caso con un nivel de significancia de 0.05 se obtiene un valor p de 0.02, siendo este menor a 0.05
de manera que se rechaza la hipótesis nula y entonces el tiempo promedio que tardan los
estudiantes en registrarse con el procedimiento nuevo es menor al que se tomaban con el
procedimiento anterior.
Para el caso del nivel de significancia de 0.01 se hace el mismo procedimiento anteriormente
descrito pero cambiando el nivel de confianza a 99.0%.
Ejemplo 2
La especificación para el grueso de una tableta es de 0.03 mm. Se sabe que el grosor de las
tabletas sigue una distribución normal con 0.001 . Se toma una muestra aleatoria de 32
tabletas del proceso y se les mide el grosor. El ingeniero del proceso desea saber si es correcto
decir que el promedio de las tabletas en el lote es de 0.03 mm.
9
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
A continuación se muestra una tabla con los datos de los grosores para un lote de 32 tabletas:
Grosor Grosor
Observacion (mm) Observacion (mm)
1 0.031 17 0.0283
2 0.0285 18 0.0291
3 0.029 19 0.0287
4 0.0279 20 0.0291
5 0.0286 21 0.0309
6 0.028 22 0.0298
7 0.0305 23 0.0313
8 0.0279 24 0.03
9 0.0286 25 0.0289
10 0.0299 26 0.0299
11 0.03 27 0.0279
12 0.0295 28 0.0311
13 0.031 29 0.0293
14 0.0316 30 0.032
15 0.0283 31 0.0278
16 0.0294 32 0.0319
En este caso particular, se conoce la desviación estándar poblacional y los datos tienen una
distribución normal. Esto indica que se debe utilizar el estadístico de prueba Z.
Se desea entonces probar si la media poblacional es 0.03 mm. Para esto se utiliza una prueba
de hipótesis de dos colas, teniendo en cuenta que la hipótesis del investigador es negar que la
media poblacional sea de 0.03 mm; la prueba de hipótesis se formula entonces así:
Ho : 0.03mm
H1 : 0.03mm
Como la prueba es de dos colas, el rango de aceptación estará dado por dos valores críticos de la
estadística Z o dos valores críticos de P-value. Ahora el investigador define que su nivel de
significancia es de 0.05 y procede a realizar las pruebas:
10
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
X Z /2 X Z /2
n n
1. En el menú de stat, en basic statistics se hace clik sobre 1-sample Z debido a que se tiene
una muestra:
11
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
que contiene los datos (grosor). Luego en la casilla de standard deviation se pone
el valor de la desviación estándar poblacional y en la casilla de test mean, se pone
el valor de la media o promedio que estamos probando.
Los resultados muestran un valor P de 0.011, este valor es menor a 0.05 que es el
nivel de significancia 0.011 0.05 por lo tanto se rechaza la hipótesis nula y
entonces la media o el grueso promedio de las tabletas producidas no es igual a 0.03
mm.
12
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
2. Definiciones
13
Sección 1: Principios básicos, Definiciones y Experimentos
Experimentos de un solo factor
aleatorio.
Factor 1: Temperatura
Nivel 1 del factor Nivel 2 del factor
temperatura: temperatura:
Factor 2: Presión
100 oC 200 oC
Nivel 1 del factor Presión: X1 Respuestas bajo la Y1
6 PSI W2 Z2
Las letras de color rojo, indican las respuestas a la primera réplica bajo las condiciones
allí mostradas. Las letras de color negro, indican las respuestas a la segunda replica bajo
las condiciones allí mostradas.
14
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
La figura muestra dos bolsas que representan el factor, dentro de cada una se encuentran
4 papeles que están etiquetados con los niveles para cada factor. Una forma de hacer un
procedimiento aleatorio, para el caso del ejemplo mencionado en la definición de
replicación, seria tomar de cada bolsa sin mirar, un papelito. Allí se ilustra una mano
tomando un papelito de cada bolsa, la misma persona entonces toma un papel de la bolsa
de temperatura y luego otro papel de la bolsa de presión y se establece entonces la
primera condición experimental. Una vez establecida estos papeles se dejan afuera de las
bolsas y se prosigue con la siguiente condición experimental. Una vez no hayan papeles
en la bolsa se ha terminado de establecer la primera réplica; si se desea tener más de una
réplica, entonces se ingresan los papeles a las bolsas y se repite el procedimiento hasta
completar la segunda replica.
Bloqueo: Es una técnica utilizada con el fin de aumentar la precisión del experimento. Se
usa cuando se conoce la fuente de variabilidad y se puede controlar. Al controlarla se
reduce la variabilidad introducida por esta fuente y se evita que esta influya en la
respuesta cuando no se está interesado en el efecto de la misma. Un bloque es una
porción del material experimental que debe ser más homogénea que el conjunto completo
del material.
Factores: Los factores son las variables de interés para las cuales se quiere estudiar el
impacto que tienen las mismas en la respuesta. Las variables temperatura y presión
utilizadas para el ejemplo descrito en la definición de replica, son los factores de interés
en la experimentación. Estos se puede clasificar como variables controlables: que pueden
a su vez clasificarse en variables cualitativas (tipo de material sujeto) y cuantitativas
(temperatura y presión). Las variables no controlables afectan el experimento y en
ocasiones no son tenidas en cuenta; estas son medibles mas no están bajo el control del
experimentador (humedad, la cual se mide mas no se controla). Los factores también
pueden ser clasificados de manera fija o aleatoria. Se clasifican de manera fija cuando los
niveles del factor (en el caso de factor temperatura antes mencionado, sus niveles son 2:
100 oC y 200 oC) son los únicos niveles de interés; es decir que el rango experimental se
abarca por completo con esos niveles. Los factores se clasifican de manera aleatoria,
15
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
cuando los niveles del factor son una muestra que salen de una población mayor y se
desea hacer inferencia en la población a partir de los niveles seleccionados.
Variables de salida: Son las variables respuesta del experimento. La respuesta puede ser
univariada (una sola salida de interés) o multivariada (múltiples salidas de interés). Estas
pueden clasificarse en variables cualitativas y cuantitativas. Se clasifican como
cualitativas cuando por ejemplo: se refiere a características, donde la respuesta es un si o
un no (cuando se desea saber si un producto es aceptable o no de acuerdo a características
observadas, o cuando se tienen en cuenta las características de una persona para tomar
una decisión). Se clasifican como cuantitativas cuando se mide algo numérico como la
viscosidad, el lead time de los procesos, el tiempo, el peso etc.
16
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Las pruebas de hipótesis son una herramienta útil cuando se trata de comparar dos
tratamientos. La experimentación usualmente requiere comparación de más de dos
tratamientos simultáneamente, es allí donde se introduce Anova (teniendo en cuenta que
es un procedimiento para análisis de factores cualitativos).
Presunciones de Anova:
2. Anova presume que todas las varianzas de los niveles del factor son iguales y
toma un solo cálculo de varianza llamado Spooled o varianza conjunta.
Anova mira los promedios de cada nivel contra el promedio general y lo llama entre
tratamientos. Anova queda con dos estimados de varianza, dentro y entre los niveles; con
17
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Observaciones ( n replicas)
. . . … . . …
. . . . .
A partir de la anterior tabla, se presenta la forma manual de hacer Anova con el fin de
entender el concepto que maneja el análisis de varianza. Inicialmente se debe calcular la
suma de cuadrados de los tratamientos:
1 a
2Y..2 Fuente de variación entre
SSTratamientos ( Y )
i. tratamientos
n i 1 N
Donde:
i = 1, 2, 3… a
a n
2 Y..2
SSTotal ( Y )
ij
i 1 j 1 N
Donde:
i = 1, 2, 3… a
j = 1, 2, 3…n
ANOVA
Fuente de Suma de Grados de Promedio de Estadístico de
variación cuadrados libertad los cuadrados prueba Fo
(SS) (MS)
Tratamientos SS tratamientos a-1 SS tratamientos MS tratamientos
a 1 MS error
Error SS error N-a SS error
N a
Total SS total N-1
19
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Este tipo de experimento es el más sencillo y consiste en analizar un solo factor evaluado
en diferentes niveles, de manera que se compara las medias de la respuesta en cada uno
de esos niveles y se establece si hay diferencia entre ellas.
yij i ij
Donde es un parámetro común para todos los tratamientos llamado la media general,
representa el efecto del tratamiento i y ij corresponde al error que incorpora todas las
fuentes de variabilidad en el experimento.
H0 : 1 2 ... a
H1 : 1 2 ... a
Lo que se desea investigar es si existe diferencia o no entre los niveles del factor en
consideración.
20
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Ho: Las medias de los niveles son iguales 160 180 200 220
Teniendo claras las hipótesis y habiendo corrido el experimento, se procede a realizar los
cálculos matemáticos que permitan llegar al estadístico de prueba Fo para tomar una
decisión.
a n
2 Y..2 12,355
SSTotal ( Y )
ij (5752 5422 ... 7102 ) 72,209.75
i 1 j 1 N 20
1 a
Y..2
2 1 12,355
SSTrat ( Y )i. [27562 ... 35352 ] 66,870.55
n i 1 N 5 20
21
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
ANOVA
Fuente de Suma de Grados de Promedio de los Estadístico de
variación cuadrados libertad cuadrados (MS) prueba Fo
(SS)
Poder RF 66,870.55 3 66,870.55 22,290.18
22,290.18 66.80
3 333.70
Error 5339.20 16 5339.20
333.70
16
Total 72,209.75 19
1. En el menú de stat se busca la opción anova, allí se hace doble click en la opción
one way anova como muestra la figura
22
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
2. Aparece entonces una ventana que permite ingresar las columnas de valores para
el análisis. En la primera casilla que dice response, se ingresa la columna que
contiene los valores de la respuesta, en la siguiente casilla de factor, se ingresa la
columna que tiene los niveles del factor, se dejo una confianza del 95% que
equivale al nivel de significancia de 0.05 utilizado en los cálculos manuales:
23
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Se obtienen los mismos valores que se obtuvieron con los cálculos manuales. En este
caso se ve que el P-value es de 0, esto implica un valor menor al del nivel de
significancia (0.005). al ser 0 < 0.005 se rechaza Ho y el investigador puede concluir
entonces que los niveles del poder afectan la tasa de grabado.
24
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Residuals versus the fitted values (trazo de residuales contra los valores
estimados): este grafico muestra que no hay un patrón definido.
Histogram of the residuals (histograma de los residuales): la forma del mismo
muestra un comportamiento aproximadamente normal o gaussiano.
Residuals versus the order of the data (trazo de residuales vs orden de la
experimentación): Este grafico muestra que los datos no siguen ningún patrón.
Ejemplo 2
Factor: Tiempo
Nivel 1: 9 horas Nivel 2: 12 horas Nivel 3: 15 horas Nivel 4: 18 horas
X X X X
El experimentador sabe que debe realizar replicas de su experimento; para esto el realizó
una prueba de poder y tamaño de muestra (power and sample size) en el programa
Minitab.
El poder es la probabilidad de que la prueba rechace la hipótesis nula (en este caso es que
no exista diferencia entre las medias de los pesos para los niveles de la variable tiempo o
25
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
que no haya diferencia entre el efecto de los niveles de la variable) cuando la misma es
falsa; se denomina como 1- , siendo la probabilidad de aceptar algo que debió ser
rechazado. Se presumieron 3 valores para el poder (0.7, 0.8 y 0.9) para evaluar la
cantidad de replicas de acuerdo a cada uno de ellos. En cuanto a la diferencia entre las
medias de los factores, el experimentador hizo una presunción de 4 gramos de manera
que se pueda detectar la diferencia entre los efectos de los niveles cuando las medias
varíen en más de 4 gramos la una de la otra. El valor de la desviación estándar de los
pesos era previamente conocido (2.845 gramos). Los valores del poder, la diferencia
entre medias, la desviación estándar y un nivel de significancia de 0.05 fueron ingresados
a Minitab de la siguiente manera:
26
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
27
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
28
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
2. Al hacer click en sample from column se despliega una ventana donde se ingresa
el numero de filas que contienen los datos a organizar, luego una casilla donde se
ingresa la columna de la cual se hace la aleatoriedad, esto haciendo doble click en
los nombres de las columnas que se despliegan en la casilla de la izquierda,
finalmente en la última casilla se ingresa el nombre de la columna donde se desea
que se almacene el resultado (la organización aleatoria de la réplica). La siguiente
figura ilustra el procedimiento:
29
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Entonces el experimentador debe correr la primera réplica poniendo las setas en la caja
por 9 horas inicialmente, luego debe sacarlas, pesarlas y poner un segundo lote de setas
en la caja por 15 horas y así hasta completar la réplica. Para la aleatoriedad de las demás
replicas, se repite el procedimiento anteriormente mencionado
30
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
Factor: Tiempo
Replica Nivel 1: 9 Nivel 2: Nivel 3: Nivel 4:
horas 12 horas 15 horas 18 horas
1 21.73 20.80 20.80 21.30
2 20.10 20.20 18.30 19.50
3 18.05 18.14 18.40 17.62
4 20.05 19.30 18.85 19.30
5 19.01 19.42 20.27 18.75
6 21.64 21.81 20.06 21.88
7 23.21 20.22 19.04 22.02
8 20.34 18.20 18.74 18.85
9 18.50 18.02 18.30 19.30
10 19.34 20.05 19.53 18.70
11 19.39 18.90 21.43 20.54
31
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
2. Al dar click en General linear model se obtiene una ventana donde se ingresa en
la primera casilla la columna de respuestas denominada como pesos, en la casilla
de Model se ingresa el modelo, en este caso el factor tiempo y las replicas, siendo
el factor tiempo un factor fijo y las replicas un factor aleatorio. En la última
casilla (random factors) se especifica que el factor replica es aleatorio
32
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
33
Sección 1: Principios básicos, Definiciones y Experimentos de un solo factor
aleatorio.
nivel 1
nivel 4
nivel 2
nivel 3
El experimentador deduce que no hay diferencia entre los niveles del factor tiempo
debido a su valor P. Al observar la grafica se encuentra que la diferencia entre las
medias de los niveles no sobrepasan los 4 gramos de diferencia entre las medias que
el experimentador quería detectar, por lo tanto, el tiempo que debe durar el proceso de
deshidratación es de 9 horas.
34