1.

Modelos matemáticos para realizar los análisis de variancia

Los modelos matematicos son una simplificación de la realidad.

Existen tres tipos de modelos matematicos:

 El modelo de efectos fijos asume que el experimentador ha considerado para el factor

todos los posibles valores que éste puede tomar; es decir, es cuando se estudian todos
los posibles tratamientos. Ejemplo: Si el género del individuo es un factor, y el
experimentador ha incluido tantos individuos masculinos como femeninos, el género es
un factor fijo en el experimento.

 Los modelos de efectos aleatorios asumen que en un factor se ha considerado tan sólo
una muestra de los posibles valores que éste puede tomar. Ejemplo: Si el método de
enseñanza es analizado como un factor que puede influir sobre el nivel de aprendizaje
y se ha considerado en el experimento sólo tres de los muchos más métodos posibles,
el método de enseñanza es un factor aleatorio en el experimento.

 Los modelos mixtos describen situaciones donde están presentes ambos tipos de
factores: fijos y aleatorios.

La técnica fundamental consiste en la separación de la suma de cuadrados (SS, 'sum of

squares') en componentes relativos a los factores contemplados en el modelo.

2. Supuestos del ANAVA, efectos de las violaciones a esos supuestos sobre los resultados
de los análisis estadísticos y Remedios para corregir las violaciones a los supuestos del
ANAVA

La validez de los resultados obtenidos en cualquier análisis de varianza queda supeditado a

que los supuestos del modelo se cumplan. Estos supuestos del modelo de ANOVA son:
normalidad, varianza constante (igual varianza de los tratamientos) e independencia. Esto
es, la respuesta (Y) se debe distribuir normal, con la misma varianza en cada tratamiento y
las mediciones deben ser independientes.

a. Normalidad: Un procedimiento para verificar el cumplimiento del supuesto de

normalidad de los residuos, consiste en graficar los residuos en papel o grafica de
probabilidad normal que se incluye casi en todos los paquetes estadísticos. Esta grafica
tiene las escalas de tal manera que si los residuos siguen una distribución normal, al
graficarlos deben tender a estar alineados en una línea recta ; si claramente no se
alinean se concluye que el supuesto de normalidad no se cumple.
b. Varianza constante: Se puede verificar el supuesto de que los tratamientos tienen
la misma varianza es graficando los predichos contra los residuos (Yij vs. eij),
generalmente Yij va en el eje X (horizontal) y los residuos eij en el eje vertical. Si
los puntos en la gráfica de residuos contra los predichos se distribuyen
aleatoriamente en una banda horizontal (sin ningún patrón claro y contundente),
entonces es señal de que se cumple el supuesto de que los tratamientos tienen igual
varianza. Al gráficar de niveles del factor contra residuos, si se cumple el supuesto
de varianza constante, se espera que la amplitud de la d i s p e r s i ó n d e l o s
p u n t o s e n c a d a n i v e l d e f a c t o r t e n d e r á a s e r s i m i l a r ; y n o s e cumplirá
el supuesto si hay diferencias fuertes en esta amplitud. Otra interpretación de la
gráfica de factor contra residuos es que cuando los tratamientos o niveles
muestran una diferente dispersión de sus residuales corre spondientes, es que el
factor o los tratamientos tienen efecto significativo sobre la variabilidad de la
respuesta. Con base en esta información se podría buscar pro- poner un nivel
de operación para dicho factor que minimice la dispersión y optimice la media.

c. Independencia: La suposición de independencia en los residuos puede

verificarse si se grafica el orden en que se colectó un dato contra el residuo
correspondiente, si se detecta una tendencia o patrón no aleatorio claramente definido,
entonces es evidencia de que existe una correlación entre los errores y por lo tanto el
supuesto de independencia no se cumple. Si el comportamiento de los puntos es
aleatorio dentro de una banda horizontal, el supuesto se está cumpliendo.
La violación de este supuesto generalmente indica deficiencias en la planeación y
ejecución del experimento, puede ser una indicación de que no se aplicó en forma
correcta el principio de aleatorización, o simplemente que, en la medida en
que el experimento se fue ejecutando fueron apareciendo factores que
afectaron la respuesta observada. Por ello, en caso de tener problemas con
este supuesto, las conclusiones que se pueden obtener del análisis son endebles, y
por tanto es mejor revisar lo hecho y tratar de investigar por qué no se cumplió
con ese supuesto de independencia, para reconsiderar la situación.
UNIVERSIDAD DE ORIENTE
NUCLEO DE MONAGAS
ESCUELA DE INGENIERIA Y CIENCIAS APLICADAS
DEPARTAMENTO DE COMPUTACION Y SISTEMAS

INFERENCIA
Y
DISEÑO DE EXPERIMENTOS
INFORME #04

Yunelkis Marcano, C.I:19.603.291

04/12/2012VAnavacos. las violaciones a esos

supuestos sobre los resultados de los analisis