3.3.

3.3.
– DISEÑO COMPLETAMENTE ALEATORIO Y ANOVA
En esta unidad se presentarán los principios del diseño experimental relacionados

con las metas establecidas por la hipótesis de investigación (la exactitud y
precisión de las observaciones y la validez de los resultados del análisis).
Construcción del diseño de investigación
La hipótesis de investigación, el diseño del tratamiento y el diseño del estudio

experimental o por observación, constituyen el diseño de investigación para el
estudio. Los tratamientos se diseñan para resolver preguntas e hipótesis
específicas que surgen en los programas de investigación. Por ejemplo, si un
microbiólogo plantea la hipótesis de que la actividad de los microbios del suelo
depende de las condiciones de humedad, se establecen tratamientos con distintos
niveles de humedad para medir la actividad de los microbios y evaluar la hipótesis.
Si un ingeniero de tránsito plantea la hipótesis de que la velocidad del tránsito se
relaciona con el ancho de los carriles de las calles, para evaluar la hipótesis se
seleccionan carriles con diferente anchura y se mide la velocidad de los
automóviles en cada uno.
El diseño de tratamiento debe encontrarse dentro del diseño del experimento. El

investigador debe decidir que constituye una unidad experimental, cuántas
réplicas de unidades experimentales exige cada tratamiento y que tratamiento
asignar a cada una de ellas.
ANÁLISIS DE VARIANZA (ANOVA)
En muchos campos de aplicación se requiere comparar métodos, tratamientos o

materiales, de acuerdo con algunos criterios predeterminados. Por ejemplo una
organización de consumidores quizá desee determinar que marca de llantas dura
más, en autopista; un investigador agrícola querría saber qué tipo de ejotes dan un
rendimiento más alto; un investigador médico le interesa evaluar el efecto de
diferentes medicamentos de patente para reducir la presión sanguínea.
En esta unidad se examinarán técnicas desarrolladas para probar las diferencias

en las medias de varios grupos. Esta metodología se clasifica bajo el título general
de análisis de varianza o ANOVA. Primero se considerará un modelo ANOVA
completamente aleatorizado o en un sentido que solo tiene un factor con varios
grupos (como pueden ser el tipo de llanta, la variedad de ejotes, la medicina de
patente). Sin embargo, el análisis de varianza se puede ampliar fácilmente para
manejar casos donde se estudie más de un factor en un experimento.
PROBLEMA DE “ANOVA”
1.- En un experimento para determinar el efecto de la nutrición sobre los intervalos de atención de
los estudiantes de las escuelas básicas, un grupo de 15 estudiantes se asignó al azar uno de tres
planes de comidas: sin desayuno, desayuno ligero y desayuno completo. Sus intervalos de
atención (en minutos) se registraron durante un periodo de lectura por la mañana y se muestran
en la siguiente tabla.
Intervalos de atención de los estudiantes después de tres planes de comida.
Plan # 1 Plan # 2 Plan # 3 Sumatoria de Y

Sin desayuno Desayuno ligero Desayuno completo ΣY
8 14 10 32
7 16 12 35
9 12 16 37
13 17 15 45
10 11 12 33
Σ T1= 47 Σ T2= 70 Σ T3 = 65 ΣYTOTAL = 182
(ΣT1)2 = (47)2 = (ΣT2)2 = (70)2 = 4900 (ΣT3)2 = (65)2 = 4225
2209
Y = es el valor de cada celda
ΣY2 = 82+72+92+132+102+142+162+122+172+112+102+122+162+152+122 =2338
K = # de tratamientos, k = 3, nj = # de elementos de cada tratamiento, nj = 5

n = # total de elementos n = 15
 CM = coeficiente de corrección para la media

(∑Y )2
 CM = ,CM = (182)2/15, CM = 2208.266
n
 MEDIDAS DE VARIACIÓN
TSS = SUMA TOTAL DE CUADRADOS
TSS = ΣY2 – CM = 2338 – 2208.266 = 129.734
SCT = suma de cuadrados de tratamientos
2209+4900+ 4225
SCT = ΣTt2/nj – CM = – 2208.266
5
SCT = 2266.8 – 2208.266 = 58.534
SCT 58.534
Suma de cuadrados del error = SSE
SSE = TSS – SCT
SSE = 129.734 – 58.534
SSE = 71.2
CÁLCULO DE LA MADIA CUADRÁTICA PARA TRATAMIENTOS
MCT = MEDIA CUADRÁTICA DEL TRATAMIENTO
SCT 58.534 58.534

MCT = = = = 29.267
k−1 3−1 2
MCT = 29.267
CÁLCULO DE LA MEDIA CUADRÁTICA PARA EL ERROR
MCE = MEDIA CUADRÁTICA DEL ERROR
SSE 71.2 71.2

MCE = = = = 5.93
n−k 15−3 12
MCE = 5.93
CÁLCULO DEL ESTADÍSTICO DE PRUEBA “F” PARA TRATAMIENTOS
MCT 29 .267
Fcal = = = = 4.93
MCE 5. 93
Fcal = 4.93
CÁLCULO DE LA HIPÓTESIS (como tenemos 3 tratamientos k =3, tenemos 3u)
Ho: u1 = u2 = u3 = 0
H1 : u1 ≠ u2 ≠ u3 ≠ 0
Si α = 0.05, V1 = k – 1 = 3 – 1 = 2, V2 = n – k = 15 – 3 = 12
V1 = 2, V2 = 12, el punto crítico Fα = 3.89 de la tabla de Fisher

Ho: u1 = u2 = u3 = 0 H1: u1 ≠ u2 ≠ u3 ≠ 0
Área de aceptación Área de rechazo
0 Fα= 3.89
Punto crítico
Fcal = 4.93
El estadístico de prueba Fcal = 4.93 cae en el área de rechazo por lo tanto la

hipótesis nula H0 se rechaza y se acepta la hipótesis alternativa H1: u1 ≠ u2 ≠ u3 ≠
0. Lo que indica que hay variación en la atención de los estudiantes, de acuerdo
al del tipo de desayuno.
TABLA DE ANOVA
fuente Grados de Suma de Media cuadrada Estadístico

libertad cuadrados de prueba
Tratamient k – 1= 3 -1 SST =58.534 MCT = 29.267 Fcal = 4.93
o = 2 = V1
error n – k=15-3 SSE = 71.2 MCE = 5.93
= 12 = V2
2.-
Los automóviles medianos más comunes, fabricados en Estados Unidos,

se probaron en carretera y se compararon con base en distintos
criterios, de acuerdo con una famosa revista automotriz. Respecto al
rendimiento de combustible, se probaron cuatro automóviles de cada
marca durante 500 millas. En la tabla siguiente se muestran los
rendimientos obtenidos, en millas por galón. Aplique el procedimiento de
análisis de varianza, con α=0.05, para determinar si hay una diferencia
significativa entre la media de la cantidad de millas por galón para los
tres tipo de automóviles.
AUTOMOVIL AUTOMOVIL AUTOMOVIL Sumatoria de Y

A B C ΣY
9 6 5 20
2 2 2 6
4 8 3 15
9 2 4 15
Σ T1= 24 Σ T2 = 18 Σ T3 = 14 ΣYTOTAL = 56
(ΣT1)2 = (24)2 = 576 (ΣT2)2 = (18)2 = 324 (ΣT3)2 = (14)2 = 196
Y = es el valor de cada celda
ΣY2 = 92+22+42+92+62+22+82+22+52+22+32+42 = 81+4+16+81+36+4+61+4+25+4+9+16 = 344
ΣY2 = 344
K = # de tratamientos, k = 3, nj = # de elementos de cada tratamiento, nj = 4

n = # total de elementos n = 12
 CM = coeficiente de corrección para la media
CM = (ΣY)2/n
CM = (56)2/12, CM = 261.333
 SUMA TOTAL DE CUADRADOS = TSS
TSS = ΣY2 – CM = 344 – 261.333
TSS = 82.667
 SUMA DE CUADRADOS PARA TRATAMIENTOS = SCT

Ti = valor de cada tratamiento
576+324+196
SCT = ΣTt2/nj – CM = – 261.333 = 274 – 261.333 = 12.667
4
SCT = 12.667
Suma de cuadrados del error = SSE
SSE = TSS – SCT
SSE = 82.667 – 12.667
SSE = 70
CÁLCULO DE LA MADIA CUADRÁTICA PARA TRATAMIENTOS
MCT = MEDIA CUADRÁTICA DEL TRATAMIENTO
SC T 12.667 12.667
MCT = = = = 6.333
k −1 3−1 2
MCT = 6.333
CÁLCULO DE LA MEDIA CUADRÁTICA PARA EL ERROR
MCE = MEDIA CUADRÁTICA DEL ERROR
SSE 70 70
MCE = = = = 7.777
n−k 12−3 9
MCE = 7.777
CÁLCULO DEL ESTADÍSTICO DE PRUEBA “F” PARA TRATAMIENTOS
MCT 6 .333
Fcal = = = = 0.814
MCE 7 .777
Fcal = 0.814
CÁLCULO DE LA HIPÓTESIS (como tenemos 3 tratamientos k =3, tenemos 3u)
Ho: u1 = u2 = u3 = 0
H1 : u1 ≠ u2 ≠ u3 ≠ 0
Si α = 0.05, V1 = k – 1 = 3 – 1 = 2, V2 = n – k = 12 – 3 = 9
V1 = 2, V2 = 9, el punto crítico Fα = 4.26 de la tabla de Fisher

Ho: u1 = u2 = u3 = 0 Ha: u1 ≠ u2 ≠ u3 ≠ 0
Área de aceptación Área de rechazo
0 Fα= 4.26
Fcal = 0.814
Punto crítico
El estadístico de prueba Fcal = 0.814 cae en el área de aceptación por lo tanto la

hipótesis nula se acepta y se rechaza la hipótesis alternativa. Lo que indica que
no hay diferencia en la cantidad de millas por galón para los tres tipo de
automóviles por lo tanto Ho: : u1 = u2 = u3 = 0 ..
TABLA DE ANOVA
fuente Grados de Suma de Media cuadrada Estadístico

libertad cuadrados de prueba
Tratamient k – 1= 3 -1 SCT =12.667 MCT = 6.333 Fcal = 0.814
o = 2 = V1
error n – k=12-3 SSE = 70 MCE = 7.777
= 9 = V2
Comprobación: ΣY2 - (ΣY)2/n = 344 – 261.333 = 82.667
TALLER DE RESOLUCIÓN DE PROBLEMAS (ANOVA)
1.- La gerente de una compañía de software desea estudiar el número de horas que los
directivos de diversas empresas utilizan sus computadoras de escritorio. El gerente
seleccionó una muestra de cuatro ejecutivos de cada una de tres industrias. Con un nivel
de significancia de α = 0.01, puede la gerente concluir que hay una diferencia entre los
promedios de horas por semana que se utilizan las computadoras en las empresas.
bancaria detallista De seguros Sumatoria de Y

5 6 10
6 7 8
7 5 6
4 8 5
Σ T1 = Σ T2 = Σ T3 = ΣYTOTAL =
(ΣT1)2 = (ΣT2)2= (ΣT3)2 =
2.-
La gerente de un supermercado recibe un nuevo limpiador multiusos a prueba en el

mercado, el cual se ha colocado en exhibidores en tres lugares distintos. El gerente
reporta a continuación la cantidad de botellas de 12 onzas que se vendieron en cada lugar
del supermercado. Con un nivel de significancia de α = 0.01, puede la gerente concluir
que hay una diferencia entre los promedios de botellas que se vendieron en los tres
lugares.
Cerca del Cerca del Cerca de la Sumatoria de Y

pan detergente cerveza
5 7 2
5 7 4
6 6 3
3 8 4
4 5 2
Σ T1 = Σ T2 = Σ T3 = ΣYTOTAL =
(ΣT1)2 = (ΣT2)2 = (ΣT3)2 =

3.3. - Diseño Cmpletamente Aleatorizado y ANOVA.

Cargado por

Copyright:

Formatos disponibles

3.3. - Diseño Cmpletamente Aleatorizado y 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

3.3. - Diseño Cmpletamente Aleatorizado y ANOVA.

Cargado por

Copyright:

Formatos disponibles

– DISEÑO COMPLETAMENTE ALEATORIO Y ANOVA

En esta unidad se presentarán los principios del diseño experimental relacionados

Construcción del diseño de investigación

La hipótesis de investigación, el diseño del tratamiento y el diseño del estudio

El diseño de tratamiento debe encontrarse dentro del diseño del experimento. El

ANÁLISIS DE VARIANZA (ANOVA)

En muchos campos de aplicación se requiere comparar métodos, tratamientos o

En esta unidad se examinarán técnicas desarrolladas para probar las diferencias

Intervalos de atención de los estudiantes después de tres planes de comida.

Plan # 1 Plan # 2 Plan # 3 Sumatoria de Y

ΣY2 = 82+72+92+132+102+142+162+122+172+112+102+122+162+152+122 =2338

K = # de tratamientos, k = 3, nj = # de elementos de cada tratamiento, nj = 5

 CM = coeficiente de corrección para la media

TSS = SUMA TOTAL DE CUADRADOS

TSS = ΣY2 – CM = 2338 – 2208.266 = 129.734

SCT = suma de cuadrados de tratamientos

SCT = 2266.8 – 2208.266 = 58.534

SSE = TSS – SCT

SSE = 129.734 – 58.534

CÁLCULO DE LA MADIA CUADRÁTICA PARA TRATAMIENTOS

MCT = MEDIA CUADRÁTICA DEL TRATAMIENTO

SCT 58.534 58.534

CÁLCULO DE LA MEDIA CUADRÁTICA PARA EL ERROR

MCE = MEDIA CUADRÁTICA DEL ERROR

SSE 71.2 71.2

CÁLCULO DEL ESTADÍSTICO DE PRUEBA “F” PARA TRATAMIENTOS

CÁLCULO DE LA HIPÓTESIS (como tenemos 3 tratamientos k =3, tenemos 3u)

V1 = 2, V2 = 12, el punto crítico Fα = 3.89 de la tabla de Fisher

Área de aceptación Área de rechazo

El estadístico de prueba Fcal = 4.93 cae en el área de rechazo por lo tanto la

fuente Grados de Suma de Media cuadrada Estadístico

Los automóviles medianos más comunes, fabricados en Estados Unidos,

AUTOMOVIL AUTOMOVIL AUTOMOVIL Sumatoria de Y

ΣY2 = 92+22+42+92+62+22+82+22+52+22+32+42 = 81+4+16+81+36+4+61+4+25+4+9+16 = 344

K = # de tratamientos, k = 3, nj = # de elementos de cada tratamiento, nj = 4

 CM = coeficiente de corrección para la media

 SUMA TOTAL DE CUADRADOS = TSS

TSS = ΣY2 – CM = 344 – 261.333

 SUMA DE CUADRADOS PARA TRATAMIENTOS = SCT

Suma de cuadrados del error = SSE

SSE = TSS – SCT

SSE = 82.667 – 12.667

CÁLCULO DE LA MADIA CUADRÁTICA PARA TRATAMIENTOS

MCT = MEDIA CUADRÁTICA DEL TRATAMIENTO

CÁLCULO DE LA MEDIA CUADRÁTICA PARA EL ERROR

MCE = MEDIA CUADRÁTICA DEL ERROR

CÁLCULO DEL ESTADÍSTICO DE PRUEBA “F” PARA TRATAMIENTOS

CÁLCULO DE LA HIPÓTESIS (como tenemos 3 tratamientos k =3, tenemos 3u)

V1 = 2, V2 = 9, el punto crítico Fα = 4.26 de la tabla de Fisher

Área de aceptación Área de rechazo

El estadístico de prueba Fcal = 0.814 cae en el área de aceptación por lo tanto la

fuente Grados de Suma de Media cuadrada Estadístico

TALLER DE RESOLUCIÓN DE PROBLEMAS (ANOVA)

bancaria detallista De seguros Sumatoria de Y

La gerente de un supermercado recibe un nuevo limpiador multiusos a prueba en el

Cerca del Cerca del Cerca de la Sumatoria de Y

También podría gustarte