Inferencias Estadísticas

Inferencias estadísticas
Fase_ 4 ANOVA
Presentado
por
Harry ortiz
CC. 1082693791
Grupo:
100403_48
Tutor
DIANA MILENA CALIMAN
Universidad abierta y a distancia UNAD

Ciudad de pasto Nariño
¿Definición y características principales del análisis de varianza?
1. Definición y características principales del análisis de varianza
2. ¿Cuándo y cómo aplicar un análisis de varianza?
3. Explique cada uno de los modelos de análisis de varianza.
4. ¿Es útil aplicar análisis de varianza a la problemática de estudio? - Explique por

qué
1. Definición y características principales del análisis de varianza
El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos
o más poblaciones son iguales. La prueba se basa en una muestra única, obtenida a partir de
cada población. El análisis de varianza puede servir para determinar si las diferencias entre
las medias muestrales revelan las verdaderas diferencias entre los valores medios de cada
una de las poblaciones, o si las diferencias entre los valores medios de la muestra son más
indicativas de una variabilidad de muestreo.
Si el valor estadístico de prueba (análisis de varianza) nos impulsa a aceptar

la hipótesis nula, se concluiría que las diferencias observadas entre las medias de las
muestras se deben a la variación casual en el muestreo (y por tanto, que los valores medios
de población son iguales). Si se rechaza la hipótesis nula, se concluiría que las diferencias
entre los valores medios de la muestra son demasiado grandes como para deberse
únicamente a la casualidad (y por ello, no todas las medias de población son iguales)
2. ¿Cuándo y cómo aplicar un análisis de varianza?
El Anova Es aplicable sólo cuando las unidades experimentales son homogéneas (verificar
si existe tal homogeneidad de los datos, todos provienen de la misma distribución y no hay
datos atípicos).
3. Explique cada uno de los modelos de análisis de varianza.
Aunque existen muchos y muy diferentes modelos de ANOVA, puede obtenerse una
clasificación bastante simple de los mismos atendiendo a tres criterios: el número de
factores, el tipo de muestreo efectuado sobre los niveles de los factores y el tipo de
aleatorización utilizada para seleccionar las muestras representativas de cada población y
agrupar sus elementos (o unidades experimentales) en los distintos grupos que se
desea comparar. Veamos esto con más detenimiento:
Según el número de factores, se llama ANOVA de un factor al modelo en el que existe una
única variable independiente; en cambio, si el modelo consta de más de un factor se le
denomina modelo factorial o se habla de Análisis de Varianza Factorial.
En cuanto al muestreo de niveles, se refiere a la forma de establecer los niveles de cada

factor. Esto depende, normalmente, de los intereses del investigador. Si se fijan únicamente
aquellos niveles del factor que realmente interesa estudiar, estamos ante un modelo de
ANOVA de efectos fijos (también llamado modelo I) mientras que, si los niveles se
seleccionan aleatoriamente de entre todos los posibles, se trata de un modelo ANOVA de
efectos aleatorios (o modelo II).
Las distinciones basadas en el tipo de aleatorización son equivalentes a las que se

establecen al hablar de muestras independientes y muestras relacionadas. Como en todo
experimento estadístico en el que no resulta posible trabajar con la población en su
totalidad, se deben elegir muestras aleatorias y asignarse también aleatoriamente sus
elementos a los diferentes niveles o tratamientos, para asegurar que no se cometan errores
sistemáticos. Si las unidades experimentales reaccionan o responden a los tratamientos de
la misma manera, se dice que son homogéneas. Por el contrario, si responden de diferente
4. ¿Es útil aplicar análisis de varianza a la problemática de estudio? - Explique por
qué
Los modelos ANOVA permiten, básicamente, comparar los valores medios que toma la
variable dependiente en J poblaciones en las que los niveles de factores son distintos, con la
finalidad de determinar si existen diferencias significativas según dichos niveles o si, por el
contrario, la respuesta en cada población es independiente de los niveles de factores. Se
trata, por tanto, de un contraste paramétrico que extiende al caso de poblaciones el contraste
de la igualdad de medias entre dos poblaciones independientes.

Inferencias Estadísticas

Cargado por

Copyright:

Formatos disponibles

Inferencias Estadísticas

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

Inferencias Estadísticas

Cargado por

Copyright:

Formatos disponibles

Inferencias estadísticas

Universidad abierta y a distancia UNAD

1. Definición y características principales del análisis de varianza

2. ¿Cuándo y cómo aplicar un análisis de varianza?

3. Explique cada uno de los modelos de análisis de varianza.

4. ¿Es útil aplicar análisis de varianza a la problemática de estudio? - Explique por

Si el valor estadístico de prueba (análisis de varianza) nos impulsa a aceptar

2. ¿Cuándo y cómo aplicar un análisis de varianza?

desea comparar. Veamos esto con más detenimiento:

En cuanto al muestreo de niveles, se refiere a la forma de establecer los niveles de cada

Las distinciones basadas en el tipo de aleatorización son equivalentes a las que se

También podría gustarte