SlideShare una empresa de Scribd logo
Análisis de la Varianza de un factor completamente aleatorizado
Introducción Queremos conocer si existen diferencias significativas en el rendimiento (VD) en una tarea de destreza motora como consecuencia del tiempo de práctica previo (VI). Para ello se lleva a cabo un experimento creando tres grupos (sin práctica previa, 5 minutos, y 10 minutos de práctica previa). La tabla adjunta, recoge los datos obtenidos en una muestra de 30 sujetos (10 por condición).
¿Se ve afectado el rendimiento por el tiempo de práctica previa en la tarea? Según la técnica de contraste de medias mediante la T de Student que conocemos, deberíamos realizar 3 contrastes diferentes para el mismo experimento si queremos extraer toda la información que existe en los datos: De haber tenido 6 grupos diferentes habríamos tenido que realizar 15 contrastes t diferentes: J(J-1)/2. Sin embargo ése,  aunque tedioso no sería el problema principal. Si para cada uno de los contrastes realizados la probabilidad de error Tipo I permanece constante, la probabilidad de cometer al menos 1 error tipo 1 no es precisamente αsino                                  donde n el número de contrastes realizados.
Inconvenientes de la prueba t de contrastes de medias Nos obliga a realizar J(J-1)/2 comparaciones si el numero de grupos es mayor de 2. Presenta una probabilidad de error Tipo I que aumenta a medida que lo hace el número de contrastes. No permite conocer la relación que existe entre la VD y la VI Es incapaz de detectar efectos más realistas como la influencia conjunta de dos o mas variables así como la interacción de estas sobre la variable dependiente. La mayor parte de los inconvenientes, presentados, son parcialmente resueltos por una técnica denominada ANALISIS DE LA VARIANZA, que pone a prueba la hipótesis nula de que las k medias de los k grupos independientes son iguales (pertenecen a la misma población)
El análisis de la Varianza de un factor El análisis de la varianza nos permite realizar inferencias acerca de las medias poblacionales,                    (desconocidas) a partir de las medias muestrales,                 (obtenidas experimentalmente) y concretamente, pone a prueba la hipótesis nula: Pero el contraste, sorprendentemente, no será a partir de la comparación de las medias implicadas, sino de la variabilidad observada de las puntuaciones. Extrayendo dos componentes de variabilidad que combinaremos adecuadamente para concluir la veracidad o no de la Ho planteada. Si observamos las puntuaciones presentadas en la tabla del ejemplo del rendimiento, observamos que como es obvio dentro de cada grupo, no todas las puntuaciones son iguales a la media es decir presentan una variabilidad intragrupo. También observamos que a su vez los grupos con práctica previa presentan asimismo esta variabilidad interna pero las puntuaciones son en general mayores que en el grupo anterior. Es decir observamos también la presencia de una variabilidad “entre los grupos” atribuida a los “tratamientos”.
Se trata por tanto de estimar de forma independiente la variabilidad total de variable estudiada (VD) descomponiéndola en dos componentes aditivos: Una componente debida a la variable de agrupación utilizada (VI). Será la parte de la varianza que hemos denominado “variabilidad 	ínter grupo”. Otra componente debida a factores extraños y no controlados en el 	experimento. Será la parte de la varianza que hemos denominado 	“varianza intragrupo” o varianza de error. 	 Si estos componentes no difieren apreciablemente, concluimos que las medias provienen de la misma población y, por tanto, las diferencias muestrales observadas son debidas al azar.  Por el contrario, si ha habido un efecto de la VI la variabilidad ínter grupo habrá de ser “significativamente” mayor que la variabilidad intragrupo y, por lo tanto, concluiremos que las medias provienen de poblaciones diferentes, lo que nos conducirá al rechazo de la hipótesis nula de igualdad de las k medias planteadas.
Tipos de ANVAR, AVAR o ANOVA En el contexto ANOVA cuando nos referimos a la/s variable/s independiente/s las denominaremos factores y, cuando hablamos de las distintas modalidades de los factores, lo hacemos empleando el término niveles.  En nuestro ejemplo tenemos un factor de nombre tiempo de práctica previa con tres niveles: sin práctica previa, con 5 minutos de pp. y con 10 minutos de práctica previa.  Así mismo, llamaremos efecto a la influencia del factor (VI) sobre la VD estudiada y errorexperimental a todos aquellos factores que influyen en nuestro experimento y que no podemos controlar a pesar de ejecutarlo en las condiciones más rigurosas. El ANOVA ofrece múltiples posibilidades analíticas a través de un gran número de modelos dependientes de: número de factores, al tipo de aleatorización y al tipo de muestreo de niveles.
Según el número de factores. Disponemos de modelos unifactoriales y modelos multifactoriales. Así el modelo de dos factores (o de doble clasificación) o modelos de dos vías estudia el efecto de dos variables independientes sobre una dependiente. Normalmente se utiliza el término genérico de modelosfactoriales y se emplea una notación que indica directamente el número de factores y niveles implicados. Así un modelo factorial A x B x C (3 x 2 x 4) es un modelo trifactorial o de 3 vías con tres, dos y cuatro niveles en los respectivos factores A, B y C. Dicho modelo por tanto tendrá 24 condiciones experimentales y tres efectos: el de A, el de B, el de C y cuatro efectos de interacción (1 triple y 3 dobles). Con respecto al muestreo de niveles, podemos clasificar los modelos del análisis de la varianza en modelos de efectos fijos, modelos de efectos aleatorios y modelos de efectos mixtos. En el primer caso el investigador selecciona los niveles exclusivos sobre los que desea probar la existencia de un determinado efecto, mientras que en los segundos selecciona aleatoriamente un número determinado de niveles de todos los posibles. Cuando disponemos de dos o más factores y unos son fijos y otros aleatorios, se denominan de efectos mixtos.
Según el tipo de aleatorización (como asignamos los sujetos a las condiciones) disponemos de los modelos completamente aleatorios: los sujetos son asignados aleatoriamente a las condiciones y cada uno pasa exclusivamente por una condición experimental. En estos casos el número de observaciones registradas (medidas de la VD) coincide exactamente con el número de sujetos participantes.  	Los diseños de medidas repetidas, serían aquellos en los que un único grupo de sujetos recibe la totalidad de los tratamientos, es decir, pasa por todas las condiciones experimentales. 	En los diseños mixtos, disponemos de factores completamente aleatorizados y de medidas repetidas. Si quisiésemos conocer la posible influencia diferencial de una determinada campaña publicitaria sobre hombres y mujeres, podríamos medir a todos los sujetos en una escala de actitud hacia el constructo X y posteriormente a una campaña realizar de nuevo la medición sobre los mismos sujetos. Tendremos por tanto un diseño mixto 2 x 2 con cuatro condiciones experimentales dos relativas al factor sexo (ínter grupo) y dos de medida repetida (medida antes y después del constructo X)
El Modelo del ANOVA Para introducir el modelo correspondiente al diseño de un solo factor de efecto fijo completamente aleatorio, será de gran utilidad la ecuación general del modelo de regresión simple. En ella observamos que la puntuación observada es combinación lineal de un término general u ordenada en el origen (valor que adopta la predicción de Y  cuando X es cero) más dos términos aditivos: una pendiente de regresión de X sobre Y (cambio de Y por unidad de cambio de X) más un término de error aleatorio (cantidad que habrá de añadirse a la predicción de Y para obtener el valor realmente observado de la variable. La segunda ecuación expresa el valor de la variable dependiente Y en el sujeto i perteneciente a la condición experimental j (tratamiento j) como la suma de tres componentes.
La ecuación general del ANOVA que descompone la variabilidad total de la variable dependiente (SCT) en dos componentes aditivos es :  Componente atribuible a los grupos de pertenencia (SCInter) Componente atribuible a error o variabilidad que ocurre dentro de los grupos (SCIntra) Dicha aditividad cuando la Ho es cierta hace que en términos de varianzas, ambas sean equiprobables con lo que si las dividimos el cociente resultante sería la unidad (Si Ho es cierta)
Medias Cuadráticas El ANOVA contrasta las estimaciones de las varianzas poblacionales ínter grupo e intragrupo. En el ANOVA estas varianzas reciben el nombre de Medias cuadráticas y se obtienen mediante la combinación de las sumas cuadráticas y los grados de libertad. Como quiera que sólo necesitamos las varianzas Inter e Intragrupo, éstas se obtendrían mediante:
La razón F como estadístico de contraste La hipótesis nula de igualdad de medias se pone a prueba mediante la razón entre las medias cuadráticas. Si Ho es verdadera, el valor esperado de dicha razón será 1 o cercano a 1 ya que los valores esperados para ambas medias cuadráticas en ausencia de efecto alguno es σ
La tabla resumen del ANOVA  Contrastamos contra una F crítica de 2 y 27 grados de libertad: F(2,27)=3.35 Rechazo Ho (p< 0.001)
Análisis de la varianza de un factor en SPSS 2 1 3
La probabilidad de encontrar una ratio F de 24,793 si Ho fuese cierta es claramente menor que el nivel α mas restrictivo. Razón por la que rechazamos la Ho de igual destreza motora entre los tres niveles que se contrastan (p < 0.001) Varianzas Homogéneas p > 0.05 Tabla resumen del ANOVA
El caso número 9 perteneciente al grupo sin práctica presenta un nivel de destreza anormalmente alto para su grupo. Constituye un caso atípico. Vemos que la mediana en el grupo 1 está prácticamente solapada con el P75. Vemos que este grupo está claramente diferenciado de los otros dos. Que presenta una distribución centrada en valores más altos. El diagrama de caja para el grupo de 10 minutos, tiene todos los valores bajos concentrados muy próximos al P25.
Observamos como a medida que aumenta el tiempo de práctica también lo hace la destreza. La gráfica ofrece una tendencia lineal de crecimiento de la destreza en función del tiempo de práctica previa.
Comprobación de supuestos y comparaciones 	múltiples Prueba de Levene. Homogeneidad de las varianzas El tamaño del efecto en el ANOVA de una vía La Potencia del contraste en el ANOVA de una vía Comparaciones múltiples 	- Comparaciones ortogonales 	- Comparaciones planeadas (a priori) y ortogonales 		- La prueba F planeada. 	- Comparaciones a posteriori (pos-hoc) 		- La prueba de Tukey 		- La prueba de Scheffé 	- Comparaciones de Tendencias
1 2 El tamaño del efecto y potencia en el ANOVA de una vía 3
Resultados en SPSS Tamaño del efecto Potencia observada
Potencia a priori La tabla adjunta presenta el número de sujetos por condición que necesitaremos para detectar un tamaño de efecto definido (pequeño, mediano y grande) para el nivel de confianza (representado por su inverso α) y potencia deseada. Así si tenemos un tamaño de efecto grande y queremos una potencia del 80% para una confianza del 95% necesitaremos 17 sujetos por condición. Por el contrario si el tamaño a detectar fuese mediano o pequeño, habríamos de incrementar los tamaños por grupo a 44 o 271 respectivamente.
Comparaciones Múltiples El rechazo de la Ho, sólo nos informa de que no todas las J medias contrastadas son iguales. Por ello el estadístico F suele ser sólo el primer paso del análisis. Tras rechazar la Ho, debemos preguntarnos dónde se sitúan las diferencias significativas encontradas en la prueba omnibus. La solución a esta pregunta, se lleva a cabo a través de los procedimientos denominados de comparaciones múltiples entre medias.  Dividiremos estos procedimientos en dos grupos: Comparaciones a priori o planeadas Comparaciones a posteriori o post-hoc. Una comparación o contraste es una combinación lineal o suma ponderada de medias con pesos o coeficientes no todos iguales a cero cuya suma es cero.
Comparaciones a priori en SPSS 1 2 3 Resultados en SPSS
Comparaciones a posteriori post-hoc en el SPSS 1 2 Resultados en SPSS
Comparaciones de tendencias Cuando la variable independiente del experimento es en origen cuantitativa, es frecuente que el interés del investigador también se centre en determinar el tipo de relación que ésta guarda con la dependiente Como observamos en estas gráficas la relación entre la VI y la VD puede ser lineal, cuadrática o cúbicas.  La forma de llevar a cabo contrastes de tendencias es muy similar a la realizada en el apartado de las comparaciones múltiples.
Sin embargo a diferencia de las comparaciones múltiples anteriores el estudio de la relación entre las variables a través del análisis de tendencia exige que la variable independiente sea cuantitativa en origen y que sus niveles discretos que constituyen las condiciones experimentales, estén igualmente espaciados (si se quiere utilizar los pesos estandarizados de la tabla de coeficientes ortogonales de tendencia). En nuestro ejemplo práctico, no solamente hemos encontrado una diferencia significativa entre los grupos sino que se aprecia una clara tendencia lineal en la relación entre el tiempo de práctica previa y el rendimiento. Por ello llevaremos a cabo un contraste de tendencia que ponga a prueba la hipótesis nula de que no existe tal relación.
1 2 Resultados en SPSS SPSS confirma lo estimado manualmente: la relación entre VI y VD es lineal (p < 0.001)
El ANOVA  de un factor de efecto fijo con medidas repetidas - El modelo El término Bi se refiere al efecto debido a la variación entre los sujetos. El resto de los términos de la ecuación son idénticos a los de un factor de efecto fijo completamente aleatorizado.
La Tabla resumen del Anova de un factor de medidas repetidas
Supuestos del ANOVA de medidas repetidas Además de los supuestos de normalidad y homogeneidad de varianzas expuesto, el ANOVA de medidas repetidas requiere de un supuesto adicional. Definiremos este supuesto como de Aditividad. Implica que los tratamientos y los errores son independientes de los sujetos. En los diseños de medidas repetidas las distintas observaciones o medidas realizadas a cada sujeto están correlacionadas entre sí (autocorrelacionadas).
Seleccionamos las 4 medidas y las introducimos mediante el triángulo Pulsamos Añadir y posteriormente Definir
Prueba de esfericidad de la matriz de varianzas y covarianzas de las diferencias par a par entre los grupos. Epsilon o factor corrector de los grados de libertad. Si la prueba de Mauchly es no significativa en la práctica vale 1 Asumimos la esfericidad de la matriz de varianzas y covarianzas de las diferencias. No hay por tanto que corregir los grados de libertad en la tabla resumen posterior
Corrección de los grados de libertad si hubiese incumplimiento de esfericidad Tal y como podemos observar rechazamos la Ho de igualdad de las 4 medias de recuerdo en función del tiempo (p < 0.001). Sin embargo las medias nos indican una caída a partir de la 1 hora y una aparente estabilización del recuerdo hasta un mes.
Seleccionamos Opciones Comparaciones post-hoc
Podemos ver como de todos los pares resultan significativos las comparaciones entre 1 hora y el resto de los niveles de tiempo transcurrido: 1 día, 1 semana y 1 mes. Sin embargo no existen diferencias entre las medias de recuerdo de el resto de las comparaciones entre pares posibles.

Más contenido relacionado

La actualidad más candente

5. regresión lineal multiple
5.  regresión lineal multiple5.  regresión lineal multiple
5. regresión lineal multiple
Leonardo Daniel López Condoy
 
Distribución Binomial
Distribución BinomialDistribución Binomial
Distribución Binomial
samantharisa
 
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
JAVIER SOLIS NOYOLA
 
Distribucion geometrica
Distribucion geometricaDistribucion geometrica
Distribucion geometrica
javier
 
Diseño factorial
Diseño factorialDiseño factorial
Diseño factorial
Milena Rincon'
 
Distribución Normal, Binomial y de Poisson
Distribución Normal, Binomial y de Poisson Distribución Normal, Binomial y de Poisson
Distribución Normal, Binomial y de Poisson
RONAL VALLADARES
 
Estadistica chi cuadrado
Estadistica chi cuadradoEstadistica chi cuadrado
Estadistica chi cuadrado
PABLITO Pablo
 
Introduccion a los diseños factoriales
Introduccion a los diseños factorialesIntroduccion a los diseños factoriales
Introduccion a los diseños factoriales
Julio Viquez
 
Distribucion hipergeometrica
Distribucion hipergeometricaDistribucion hipergeometrica
Distribucion hipergeometrica
Alexander Flores Valencia
 
2012 3 distribucion-f_(fisher)
2012 3 distribucion-f_(fisher)2012 3 distribucion-f_(fisher)
2012 3 distribucion-f_(fisher)
Gino Barragán Ruidias
 
Tarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasTarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestas
IPN
 
Capitulo 11 y 13
Capitulo 11 y 13Capitulo 11 y 13
Capitulo 11 y 13
Midian Perez
 
Prueba t de student para datos relacionados
Prueba t de student para datos relacionadosPrueba t de student para datos relacionados
Prueba t de student para datos relacionados
nicanor cachi ramos
 
Ejercicio Análisis de la varianza de un Factor -- ANOVA
Ejercicio Análisis de la varianza de un Factor -- ANOVAEjercicio Análisis de la varianza de un Factor -- ANOVA
Ejercicio Análisis de la varianza de un Factor -- ANOVA
Carlos Aviles Galeas
 
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Universidad Nacional Mayor de San Marcos
 
EstimacióN Y Prueba De HipóTesis
EstimacióN Y Prueba De HipóTesisEstimacióN Y Prueba De HipóTesis
EstimacióN Y Prueba De HipóTesis
Johnny Montenegro Molina
 
Estadistica inferencial formulas
Estadistica inferencial formulasEstadistica inferencial formulas
Estadistica inferencial formulas
Ambiental Natural
 
Analisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricosAnalisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricos
PSICOLOGIA Y EDUCACION INTEGRAL A.C.
 
probabilidadesUSFA
probabilidadesUSFAprobabilidadesUSFA
probabilidadesUSFA
Daine Anglariy
 
DISEÑO DE BLOQUES COMPLETO AL AZAR 1
DISEÑO DE BLOQUES COMPLETO AL AZAR 1DISEÑO DE BLOQUES COMPLETO AL AZAR 1
DISEÑO DE BLOQUES COMPLETO AL AZAR 1
Alberto Carranza Garcia
 

La actualidad más candente (20)

5. regresión lineal multiple
5.  regresión lineal multiple5.  regresión lineal multiple
5. regresión lineal multiple
 
Distribución Binomial
Distribución BinomialDistribución Binomial
Distribución Binomial
 
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
 
Distribucion geometrica
Distribucion geometricaDistribucion geometrica
Distribucion geometrica
 
Diseño factorial
Diseño factorialDiseño factorial
Diseño factorial
 
Distribución Normal, Binomial y de Poisson
Distribución Normal, Binomial y de Poisson Distribución Normal, Binomial y de Poisson
Distribución Normal, Binomial y de Poisson
 
Estadistica chi cuadrado
Estadistica chi cuadradoEstadistica chi cuadrado
Estadistica chi cuadrado
 
Introduccion a los diseños factoriales
Introduccion a los diseños factorialesIntroduccion a los diseños factoriales
Introduccion a los diseños factoriales
 
Distribucion hipergeometrica
Distribucion hipergeometricaDistribucion hipergeometrica
Distribucion hipergeometrica
 
2012 3 distribucion-f_(fisher)
2012 3 distribucion-f_(fisher)2012 3 distribucion-f_(fisher)
2012 3 distribucion-f_(fisher)
 
Tarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasTarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestas
 
Capitulo 11 y 13
Capitulo 11 y 13Capitulo 11 y 13
Capitulo 11 y 13
 
Prueba t de student para datos relacionados
Prueba t de student para datos relacionadosPrueba t de student para datos relacionados
Prueba t de student para datos relacionados
 
Ejercicio Análisis de la varianza de un Factor -- ANOVA
Ejercicio Análisis de la varianza de un Factor -- ANOVAEjercicio Análisis de la varianza de un Factor -- ANOVA
Ejercicio Análisis de la varianza de un Factor -- ANOVA
 
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
Prueba de Hipotesis para Muestras Pequeñas Est ind clase03
 
EstimacióN Y Prueba De HipóTesis
EstimacióN Y Prueba De HipóTesisEstimacióN Y Prueba De HipóTesis
EstimacióN Y Prueba De HipóTesis
 
Estadistica inferencial formulas
Estadistica inferencial formulasEstadistica inferencial formulas
Estadistica inferencial formulas
 
Analisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricosAnalisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricos
 
probabilidadesUSFA
probabilidadesUSFAprobabilidadesUSFA
probabilidadesUSFA
 
DISEÑO DE BLOQUES COMPLETO AL AZAR 1
DISEÑO DE BLOQUES COMPLETO AL AZAR 1DISEÑO DE BLOQUES COMPLETO AL AZAR 1
DISEÑO DE BLOQUES COMPLETO AL AZAR 1
 

Destacado

Diseño de experimentos muestra bloques
Diseño de experimentos muestra bloquesDiseño de experimentos muestra bloques
Diseño de experimentos muestra bloques
Gasdaly Llatas
 
Anova2
Anova2Anova2
Analisis de varianza alternativas1
Analisis de varianza alternativas1Analisis de varianza alternativas1
Analisis de varianza alternativas1
joanmruizanton
 
Tutorial anova
Tutorial anovaTutorial anova
Tutorial anova
alejamat251
 
Análisis de-varianza-de-un-factor
Análisis de-varianza-de-un-factorAnálisis de-varianza-de-un-factor
Análisis de-varianza-de-un-factor
Mireia Pore
 
Analisis de varianza de un factor con Excel – tutorial
Analisis de varianza de un factor con Excel – tutorialAnalisis de varianza de un factor con Excel – tutorial
Analisis de varianza de un factor con Excel – tutorial
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
Problemas Disenos Factoriales
Problemas Disenos FactorialesProblemas Disenos Factoriales
Problemas Disenos Factoriales
Alberto Carranza Garcia
 
7. Análisis de Varianza (ANOVA)
7. Análisis de Varianza (ANOVA) 7. Análisis de Varianza (ANOVA)
7. Análisis de Varianza (ANOVA)
Consuelo Valle
 
Análisis de Varianza (ANOVA)
Análisis de Varianza (ANOVA)Análisis de Varianza (ANOVA)
Análisis de Varianza (ANOVA)
Universidad del Sur Mérida
 
Análisis de la varianza (ANOVA)
Análisis de la varianza (ANOVA)Análisis de la varianza (ANOVA)
Análisis de la varianza (ANOVA)
Luis Eduardo Romero Rodrígez
 
6 diseños completamente aleatorizado y bloques al azar
6   diseños completamente aleatorizado y bloques al azar6   diseños completamente aleatorizado y bloques al azar
6 diseños completamente aleatorizado y bloques al azar
rbarriosm
 
Ejercicios resueltos regresion multiple
Ejercicios resueltos  regresion multipleEjercicios resueltos  regresion multiple
Ejercicios resueltos regresion multiple
Juan Timoteo Cori
 
Diseño de-investigación-desciptiva-y-causal
Diseño de-investigación-desciptiva-y-causalDiseño de-investigación-desciptiva-y-causal
Diseño de-investigación-desciptiva-y-causal
marialedor
 
Anova de un factor
Anova de un factorAnova de un factor
Anova de un factor
joseluisserranogonzalez
 
(Inv. Mercados) Tema 7 - La experimentación (Inv. Causal)
(Inv. Mercados) Tema 7 - La experimentación (Inv. Causal)(Inv. Mercados) Tema 7 - La experimentación (Inv. Causal)
(Inv. Mercados) Tema 7 - La experimentación (Inv. Causal)
mdelriomejia
 
Cap2. modelo regresión multiple-v2-2011
Cap2. modelo regresión multiple-v2-2011Cap2. modelo regresión multiple-v2-2011
Cap2. modelo regresión multiple-v2-2011
Robinho Navarrete
 
Anova Simple
Anova SimpleAnova Simple
Tema 11 ejercicio para colgar en el blog
Tema 11   ejercicio para colgar en el blogTema 11   ejercicio para colgar en el blog
Tema 11 ejercicio para colgar en el blog
noeliatoro95
 
Diseño ax bxc y cuadrado latino alimentos 1
Diseño ax bxc y cuadrado latino alimentos 1Diseño ax bxc y cuadrado latino alimentos 1
Diseño ax bxc y cuadrado latino alimentos 1
Maria Garces
 
Taller de investigación cualitativa
Taller de investigación cualitativaTaller de investigación cualitativa
Taller de investigación cualitativa
bibliotecarioinvestigando
 

Destacado (20)

Diseño de experimentos muestra bloques
Diseño de experimentos muestra bloquesDiseño de experimentos muestra bloques
Diseño de experimentos muestra bloques
 
Anova2
Anova2Anova2
Anova2
 
Analisis de varianza alternativas1
Analisis de varianza alternativas1Analisis de varianza alternativas1
Analisis de varianza alternativas1
 
Tutorial anova
Tutorial anovaTutorial anova
Tutorial anova
 
Análisis de-varianza-de-un-factor
Análisis de-varianza-de-un-factorAnálisis de-varianza-de-un-factor
Análisis de-varianza-de-un-factor
 
Analisis de varianza de un factor con Excel – tutorial
Analisis de varianza de un factor con Excel – tutorialAnalisis de varianza de un factor con Excel – tutorial
Analisis de varianza de un factor con Excel – tutorial
 
Problemas Disenos Factoriales
Problemas Disenos FactorialesProblemas Disenos Factoriales
Problemas Disenos Factoriales
 
7. Análisis de Varianza (ANOVA)
7. Análisis de Varianza (ANOVA) 7. Análisis de Varianza (ANOVA)
7. Análisis de Varianza (ANOVA)
 
Análisis de Varianza (ANOVA)
Análisis de Varianza (ANOVA)Análisis de Varianza (ANOVA)
Análisis de Varianza (ANOVA)
 
Análisis de la varianza (ANOVA)
Análisis de la varianza (ANOVA)Análisis de la varianza (ANOVA)
Análisis de la varianza (ANOVA)
 
6 diseños completamente aleatorizado y bloques al azar
6   diseños completamente aleatorizado y bloques al azar6   diseños completamente aleatorizado y bloques al azar
6 diseños completamente aleatorizado y bloques al azar
 
Ejercicios resueltos regresion multiple
Ejercicios resueltos  regresion multipleEjercicios resueltos  regresion multiple
Ejercicios resueltos regresion multiple
 
Diseño de-investigación-desciptiva-y-causal
Diseño de-investigación-desciptiva-y-causalDiseño de-investigación-desciptiva-y-causal
Diseño de-investigación-desciptiva-y-causal
 
Anova de un factor
Anova de un factorAnova de un factor
Anova de un factor
 
(Inv. Mercados) Tema 7 - La experimentación (Inv. Causal)
(Inv. Mercados) Tema 7 - La experimentación (Inv. Causal)(Inv. Mercados) Tema 7 - La experimentación (Inv. Causal)
(Inv. Mercados) Tema 7 - La experimentación (Inv. Causal)
 
Cap2. modelo regresión multiple-v2-2011
Cap2. modelo regresión multiple-v2-2011Cap2. modelo regresión multiple-v2-2011
Cap2. modelo regresión multiple-v2-2011
 
Anova Simple
Anova SimpleAnova Simple
Anova Simple
 
Tema 11 ejercicio para colgar en el blog
Tema 11   ejercicio para colgar en el blogTema 11   ejercicio para colgar en el blog
Tema 11 ejercicio para colgar en el blog
 
Diseño ax bxc y cuadrado latino alimentos 1
Diseño ax bxc y cuadrado latino alimentos 1Diseño ax bxc y cuadrado latino alimentos 1
Diseño ax bxc y cuadrado latino alimentos 1
 
Taller de investigación cualitativa
Taller de investigación cualitativaTaller de investigación cualitativa
Taller de investigación cualitativa
 

Similar a Anova1

ANOVA
ANOVAANOVA
Análisis anova
Análisis anovaAnálisis anova
Análisis anova
Nombre Apellidos
 
Tema10 prueba t
Tema10 prueba tTema10 prueba t
Tema10 prueba t
Giovanni Vega
 
SERIES BIDIMENSIONALES Y CRONOLÓGICAS
SERIES BIDIMENSIONALES Y CRONOLÓGICASSERIES BIDIMENSIONALES Y CRONOLÓGICAS
SERIES BIDIMENSIONALES Y CRONOLÓGICAS
ZP Zp
 
Spss 0702b estadistico
Spss 0702b estadisticoSpss 0702b estadistico
Spss 0702b estadistico
Fernando Samaca
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
ENIS CABRERA
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
ENIS CABRERA
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
Yolanda Colmenares
 
Análisis de la varianza
Análisis de la varianza  Análisis de la varianza
Análisis de la varianza
elea90
 
One way anova
One way anovaOne way anova
S2 1 Intro Anva
S2 1 Intro AnvaS2 1 Intro Anva
S2 1 Intro Anva
taecoep
 
ANOVa-dos vias.pdf
ANOVa-dos vias.pdfANOVa-dos vias.pdf
ANOVa-dos vias.pdf
Aide82
 
Analisis de varianza.doc
Analisis de varianza.docAnalisis de varianza.doc
Analisis de varianza.doc
Jefferson Villalba
 
Web
WebWeb
Web
rilara
 
Anova un factor-lectura
Anova un factor-lecturaAnova un factor-lectura
Anova un factor-lectura
Joel Rojas
 
Analisis de varianza_2012
Analisis de varianza_2012Analisis de varianza_2012
Analisis de varianza_2012
Roger Cutiri Chillihuani
 
Mic sesión 8b
Mic sesión 8bMic sesión 8b
Mic sesión 8b
Metodos_Cuantitativos
 
Anova
AnovaAnova
Analisis de varianza de dos vias
Analisis de varianza de dos viasAnalisis de varianza de dos vias
Analisis de varianza de dos vias
naila gomez avila
 
Series bidimensionales y cronologicas
Series bidimensionales y cronologicasSeries bidimensionales y cronologicas
Series bidimensionales y cronologicas
jhon prato
 

Similar a Anova1 (20)

ANOVA
ANOVAANOVA
ANOVA
 
Análisis anova
Análisis anovaAnálisis anova
Análisis anova
 
Tema10 prueba t
Tema10 prueba tTema10 prueba t
Tema10 prueba t
 
SERIES BIDIMENSIONALES Y CRONOLÓGICAS
SERIES BIDIMENSIONALES Y CRONOLÓGICASSERIES BIDIMENSIONALES Y CRONOLÓGICAS
SERIES BIDIMENSIONALES Y CRONOLÓGICAS
 
Spss 0702b estadistico
Spss 0702b estadisticoSpss 0702b estadistico
Spss 0702b estadistico
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Análisis de la varianza
Análisis de la varianza  Análisis de la varianza
Análisis de la varianza
 
One way anova
One way anovaOne way anova
One way anova
 
S2 1 Intro Anva
S2 1 Intro AnvaS2 1 Intro Anva
S2 1 Intro Anva
 
ANOVa-dos vias.pdf
ANOVa-dos vias.pdfANOVa-dos vias.pdf
ANOVa-dos vias.pdf
 
Analisis de varianza.doc
Analisis de varianza.docAnalisis de varianza.doc
Analisis de varianza.doc
 
Web
WebWeb
Web
 
Anova un factor-lectura
Anova un factor-lecturaAnova un factor-lectura
Anova un factor-lectura
 
Analisis de varianza_2012
Analisis de varianza_2012Analisis de varianza_2012
Analisis de varianza_2012
 
Mic sesión 8b
Mic sesión 8bMic sesión 8b
Mic sesión 8b
 
Anova
AnovaAnova
Anova
 
Analisis de varianza de dos vias
Analisis de varianza de dos viasAnalisis de varianza de dos vias
Analisis de varianza de dos vias
 
Series bidimensionales y cronologicas
Series bidimensionales y cronologicasSeries bidimensionales y cronologicas
Series bidimensionales y cronologicas
 

Más de Moises Betancort

Carta a los padres y madres
Carta a los padres y madresCarta a los padres y madres
Carta a los padres y madres
Moises Betancort
 
Probabilidad 1
Probabilidad 1Probabilidad 1
Probabilidad 1
Moises Betancort
 
Probabilidad 3
Probabilidad 3 Probabilidad 3
Probabilidad 3
Moises Betancort
 
Probabilidad 2
Probabilidad 2 Probabilidad 2
Probabilidad 2
Moises Betancort
 
Diseños de investigacion en logopedia mb
Diseños de investigacion en logopedia mbDiseños de investigacion en logopedia mb
Diseños de investigacion en logopedia mb
Moises Betancort
 
Manova mb
Manova mbManova mb
Manova mb
Moises Betancort
 
Discriminante mb
Discriminante mbDiscriminante mb
Discriminante mb
Moises Betancort
 
Modelos mixed
Modelos mixedModelos mixed
Modelos mixed
Moises Betancort
 
AF Master Educacion
AF Master EducacionAF Master Educacion
AF Master Educacion
Moises Betancort
 
Anova3
Anova3Anova3
EDA
EDAEDA
Introduccion al SPSS
Introduccion al SPSSIntroduccion al SPSS
Introduccion al SPSS
Moises Betancort
 
Tema 2 Organización de los datos
Tema 2 Organización de los datosTema 2 Organización de los datos
Tema 2 Organización de los datos
Moises Betancort
 
Tema 3 Medidas De Tendencia Central
Tema 3 Medidas De Tendencia CentralTema 3 Medidas De Tendencia Central
Tema 3 Medidas De Tendencia Central
Moises Betancort
 
Tema 3 Medidas De Dispersión
Tema 3 Medidas De DispersiónTema 3 Medidas De Dispersión
Tema 3 Medidas De Dispersión
Moises Betancort
 
Tema 3 Medidas De Posición
Tema 3 Medidas De PosiciónTema 3 Medidas De Posición
Tema 3 Medidas De Posición
Moises Betancort
 
Tema 1 Conceptos Basicos
Tema 1 Conceptos BasicosTema 1 Conceptos Basicos
Tema 1 Conceptos Basicos
Moises Betancort
 

Más de Moises Betancort (17)

Carta a los padres y madres
Carta a los padres y madresCarta a los padres y madres
Carta a los padres y madres
 
Probabilidad 1
Probabilidad 1Probabilidad 1
Probabilidad 1
 
Probabilidad 3
Probabilidad 3 Probabilidad 3
Probabilidad 3
 
Probabilidad 2
Probabilidad 2 Probabilidad 2
Probabilidad 2
 
Diseños de investigacion en logopedia mb
Diseños de investigacion en logopedia mbDiseños de investigacion en logopedia mb
Diseños de investigacion en logopedia mb
 
Manova mb
Manova mbManova mb
Manova mb
 
Discriminante mb
Discriminante mbDiscriminante mb
Discriminante mb
 
Modelos mixed
Modelos mixedModelos mixed
Modelos mixed
 
AF Master Educacion
AF Master EducacionAF Master Educacion
AF Master Educacion
 
Anova3
Anova3Anova3
Anova3
 
EDA
EDAEDA
EDA
 
Introduccion al SPSS
Introduccion al SPSSIntroduccion al SPSS
Introduccion al SPSS
 
Tema 2 Organización de los datos
Tema 2 Organización de los datosTema 2 Organización de los datos
Tema 2 Organización de los datos
 
Tema 3 Medidas De Tendencia Central
Tema 3 Medidas De Tendencia CentralTema 3 Medidas De Tendencia Central
Tema 3 Medidas De Tendencia Central
 
Tema 3 Medidas De Dispersión
Tema 3 Medidas De DispersiónTema 3 Medidas De Dispersión
Tema 3 Medidas De Dispersión
 
Tema 3 Medidas De Posición
Tema 3 Medidas De PosiciónTema 3 Medidas De Posición
Tema 3 Medidas De Posición
 
Tema 1 Conceptos Basicos
Tema 1 Conceptos BasicosTema 1 Conceptos Basicos
Tema 1 Conceptos Basicos
 

Último

Prueba/test conoce tus heridas de la infancia
Prueba/test conoce tus heridas de la infanciaPrueba/test conoce tus heridas de la infancia
Prueba/test conoce tus heridas de la infancia
LudmilaOrtega3
 
La vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primariaLa vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primaria
EricaCouly1
 
2024 planificacion microcurricular 7mo A matutino..docx
2024 planificacion microcurricular 7mo A matutino..docx2024 planificacion microcurricular 7mo A matutino..docx
2024 planificacion microcurricular 7mo A matutino..docx
WILLIAMPATRICIOSANTA2
 
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptxREGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
RiosMartin
 
Lecciones 11 Esc. Sabática. El conflicto inminente docx
Lecciones 11 Esc. Sabática. El conflicto inminente docxLecciones 11 Esc. Sabática. El conflicto inminente docx
Lecciones 11 Esc. Sabática. El conflicto inminente docx
Alejandrino Halire Ccahuana
 
proyectoszona21para el logro de real.pptx
proyectoszona21para el logro de real.pptxproyectoszona21para el logro de real.pptx
proyectoszona21para el logro de real.pptx
ChristianGmez48
 
Mi Comunidad En El Sector Monterrey-Poste Blanco
Mi Comunidad En El Sector Monterrey-Poste BlancoMi Comunidad En El Sector Monterrey-Poste Blanco
Mi Comunidad En El Sector Monterrey-Poste Blanco
Ruth Noemí Soto Villegas
 
Clase Prensencial, Actividad 2.pdf.......
Clase Prensencial, Actividad 2.pdf.......Clase Prensencial, Actividad 2.pdf.......
Clase Prensencial, Actividad 2.pdf.......
LuanaJaime1
 
PLAN 365 Presentación Gobierno 2024 (1).pdf
PLAN 365 Presentación Gobierno 2024  (1).pdfPLAN 365 Presentación Gobierno 2024  (1).pdf
PLAN 365 Presentación Gobierno 2024 (1).pdf
ElizabethLpez634570
 
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacional
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacionalPapel histórico de los niños, jóvenes y adultos mayores en la historia nacional
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacional
BrunoDiaz343346
 
Mapa Mental documentos que rigen el sistema de evaluación
Mapa Mental documentos que rigen el sistema de evaluaciónMapa Mental documentos que rigen el sistema de evaluación
Mapa Mental documentos que rigen el sistema de evaluación
ruthmatiel1
 
Escuela Sabática. El conflicto inminente.pdf
Escuela Sabática. El conflicto inminente.pdfEscuela Sabática. El conflicto inminente.pdf
Escuela Sabática. El conflicto inminente.pdf
Alejandrino Halire Ccahuana
 
Presentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdfPresentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdf
eleandroth
 
Presentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdfPresentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdf
LuanaJaime1
 
Ejercicios-de-Calculo-de-Goteo-Enfermeria1-1.ppt
Ejercicios-de-Calculo-de-Goteo-Enfermeria1-1.pptEjercicios-de-Calculo-de-Goteo-Enfermeria1-1.ppt
Ejercicios-de-Calculo-de-Goteo-Enfermeria1-1.ppt
eliseo membreño
 
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBALMATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
Ana Fernandez
 
Eureka 2024 ideas y dudas para la feria de Ciencias
Eureka 2024 ideas y dudas para la feria de CienciasEureka 2024 ideas y dudas para la feria de Ciencias
Eureka 2024 ideas y dudas para la feria de Ciencias
arianet3011
 
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdfCALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
cesareduvr95
 
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdf
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdfMundo ABC Examen 1 Grado- Tercer Trimestre.pdf
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdf
ViriEsteva
 
Qué entra en el examen de Geografía.pptx
Qué entra en el examen de Geografía.pptxQué entra en el examen de Geografía.pptx
Qué entra en el examen de Geografía.pptx
saradocente
 

Último (20)

Prueba/test conoce tus heridas de la infancia
Prueba/test conoce tus heridas de la infanciaPrueba/test conoce tus heridas de la infancia
Prueba/test conoce tus heridas de la infancia
 
La vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primariaLa vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primaria
 
2024 planificacion microcurricular 7mo A matutino..docx
2024 planificacion microcurricular 7mo A matutino..docx2024 planificacion microcurricular 7mo A matutino..docx
2024 planificacion microcurricular 7mo A matutino..docx
 
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptxREGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
 
Lecciones 11 Esc. Sabática. El conflicto inminente docx
Lecciones 11 Esc. Sabática. El conflicto inminente docxLecciones 11 Esc. Sabática. El conflicto inminente docx
Lecciones 11 Esc. Sabática. El conflicto inminente docx
 
proyectoszona21para el logro de real.pptx
proyectoszona21para el logro de real.pptxproyectoszona21para el logro de real.pptx
proyectoszona21para el logro de real.pptx
 
Mi Comunidad En El Sector Monterrey-Poste Blanco
Mi Comunidad En El Sector Monterrey-Poste BlancoMi Comunidad En El Sector Monterrey-Poste Blanco
Mi Comunidad En El Sector Monterrey-Poste Blanco
 
Clase Prensencial, Actividad 2.pdf.......
Clase Prensencial, Actividad 2.pdf.......Clase Prensencial, Actividad 2.pdf.......
Clase Prensencial, Actividad 2.pdf.......
 
PLAN 365 Presentación Gobierno 2024 (1).pdf
PLAN 365 Presentación Gobierno 2024  (1).pdfPLAN 365 Presentación Gobierno 2024  (1).pdf
PLAN 365 Presentación Gobierno 2024 (1).pdf
 
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacional
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacionalPapel histórico de los niños, jóvenes y adultos mayores en la historia nacional
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacional
 
Mapa Mental documentos que rigen el sistema de evaluación
Mapa Mental documentos que rigen el sistema de evaluaciónMapa Mental documentos que rigen el sistema de evaluación
Mapa Mental documentos que rigen el sistema de evaluación
 
Escuela Sabática. El conflicto inminente.pdf
Escuela Sabática. El conflicto inminente.pdfEscuela Sabática. El conflicto inminente.pdf
Escuela Sabática. El conflicto inminente.pdf
 
Presentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdfPresentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdf
 
Presentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdfPresentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdf
 
Ejercicios-de-Calculo-de-Goteo-Enfermeria1-1.ppt
Ejercicios-de-Calculo-de-Goteo-Enfermeria1-1.pptEjercicios-de-Calculo-de-Goteo-Enfermeria1-1.ppt
Ejercicios-de-Calculo-de-Goteo-Enfermeria1-1.ppt
 
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBALMATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
 
Eureka 2024 ideas y dudas para la feria de Ciencias
Eureka 2024 ideas y dudas para la feria de CienciasEureka 2024 ideas y dudas para la feria de Ciencias
Eureka 2024 ideas y dudas para la feria de Ciencias
 
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdfCALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
 
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdf
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdfMundo ABC Examen 1 Grado- Tercer Trimestre.pdf
Mundo ABC Examen 1 Grado- Tercer Trimestre.pdf
 
Qué entra en el examen de Geografía.pptx
Qué entra en el examen de Geografía.pptxQué entra en el examen de Geografía.pptx
Qué entra en el examen de Geografía.pptx
 

Anova1

  • 1. Análisis de la Varianza de un factor completamente aleatorizado
  • 2. Introducción Queremos conocer si existen diferencias significativas en el rendimiento (VD) en una tarea de destreza motora como consecuencia del tiempo de práctica previo (VI). Para ello se lleva a cabo un experimento creando tres grupos (sin práctica previa, 5 minutos, y 10 minutos de práctica previa). La tabla adjunta, recoge los datos obtenidos en una muestra de 30 sujetos (10 por condición).
  • 3. ¿Se ve afectado el rendimiento por el tiempo de práctica previa en la tarea? Según la técnica de contraste de medias mediante la T de Student que conocemos, deberíamos realizar 3 contrastes diferentes para el mismo experimento si queremos extraer toda la información que existe en los datos: De haber tenido 6 grupos diferentes habríamos tenido que realizar 15 contrastes t diferentes: J(J-1)/2. Sin embargo ése, aunque tedioso no sería el problema principal. Si para cada uno de los contrastes realizados la probabilidad de error Tipo I permanece constante, la probabilidad de cometer al menos 1 error tipo 1 no es precisamente αsino donde n el número de contrastes realizados.
  • 4. Inconvenientes de la prueba t de contrastes de medias Nos obliga a realizar J(J-1)/2 comparaciones si el numero de grupos es mayor de 2. Presenta una probabilidad de error Tipo I que aumenta a medida que lo hace el número de contrastes. No permite conocer la relación que existe entre la VD y la VI Es incapaz de detectar efectos más realistas como la influencia conjunta de dos o mas variables así como la interacción de estas sobre la variable dependiente. La mayor parte de los inconvenientes, presentados, son parcialmente resueltos por una técnica denominada ANALISIS DE LA VARIANZA, que pone a prueba la hipótesis nula de que las k medias de los k grupos independientes son iguales (pertenecen a la misma población)
  • 5. El análisis de la Varianza de un factor El análisis de la varianza nos permite realizar inferencias acerca de las medias poblacionales, (desconocidas) a partir de las medias muestrales, (obtenidas experimentalmente) y concretamente, pone a prueba la hipótesis nula: Pero el contraste, sorprendentemente, no será a partir de la comparación de las medias implicadas, sino de la variabilidad observada de las puntuaciones. Extrayendo dos componentes de variabilidad que combinaremos adecuadamente para concluir la veracidad o no de la Ho planteada. Si observamos las puntuaciones presentadas en la tabla del ejemplo del rendimiento, observamos que como es obvio dentro de cada grupo, no todas las puntuaciones son iguales a la media es decir presentan una variabilidad intragrupo. También observamos que a su vez los grupos con práctica previa presentan asimismo esta variabilidad interna pero las puntuaciones son en general mayores que en el grupo anterior. Es decir observamos también la presencia de una variabilidad “entre los grupos” atribuida a los “tratamientos”.
  • 6. Se trata por tanto de estimar de forma independiente la variabilidad total de variable estudiada (VD) descomponiéndola en dos componentes aditivos: Una componente debida a la variable de agrupación utilizada (VI). Será la parte de la varianza que hemos denominado “variabilidad ínter grupo”. Otra componente debida a factores extraños y no controlados en el experimento. Será la parte de la varianza que hemos denominado “varianza intragrupo” o varianza de error. Si estos componentes no difieren apreciablemente, concluimos que las medias provienen de la misma población y, por tanto, las diferencias muestrales observadas son debidas al azar. Por el contrario, si ha habido un efecto de la VI la variabilidad ínter grupo habrá de ser “significativamente” mayor que la variabilidad intragrupo y, por lo tanto, concluiremos que las medias provienen de poblaciones diferentes, lo que nos conducirá al rechazo de la hipótesis nula de igualdad de las k medias planteadas.
  • 7. Tipos de ANVAR, AVAR o ANOVA En el contexto ANOVA cuando nos referimos a la/s variable/s independiente/s las denominaremos factores y, cuando hablamos de las distintas modalidades de los factores, lo hacemos empleando el término niveles. En nuestro ejemplo tenemos un factor de nombre tiempo de práctica previa con tres niveles: sin práctica previa, con 5 minutos de pp. y con 10 minutos de práctica previa. Así mismo, llamaremos efecto a la influencia del factor (VI) sobre la VD estudiada y errorexperimental a todos aquellos factores que influyen en nuestro experimento y que no podemos controlar a pesar de ejecutarlo en las condiciones más rigurosas. El ANOVA ofrece múltiples posibilidades analíticas a través de un gran número de modelos dependientes de: número de factores, al tipo de aleatorización y al tipo de muestreo de niveles.
  • 8. Según el número de factores. Disponemos de modelos unifactoriales y modelos multifactoriales. Así el modelo de dos factores (o de doble clasificación) o modelos de dos vías estudia el efecto de dos variables independientes sobre una dependiente. Normalmente se utiliza el término genérico de modelosfactoriales y se emplea una notación que indica directamente el número de factores y niveles implicados. Así un modelo factorial A x B x C (3 x 2 x 4) es un modelo trifactorial o de 3 vías con tres, dos y cuatro niveles en los respectivos factores A, B y C. Dicho modelo por tanto tendrá 24 condiciones experimentales y tres efectos: el de A, el de B, el de C y cuatro efectos de interacción (1 triple y 3 dobles). Con respecto al muestreo de niveles, podemos clasificar los modelos del análisis de la varianza en modelos de efectos fijos, modelos de efectos aleatorios y modelos de efectos mixtos. En el primer caso el investigador selecciona los niveles exclusivos sobre los que desea probar la existencia de un determinado efecto, mientras que en los segundos selecciona aleatoriamente un número determinado de niveles de todos los posibles. Cuando disponemos de dos o más factores y unos son fijos y otros aleatorios, se denominan de efectos mixtos.
  • 9. Según el tipo de aleatorización (como asignamos los sujetos a las condiciones) disponemos de los modelos completamente aleatorios: los sujetos son asignados aleatoriamente a las condiciones y cada uno pasa exclusivamente por una condición experimental. En estos casos el número de observaciones registradas (medidas de la VD) coincide exactamente con el número de sujetos participantes. Los diseños de medidas repetidas, serían aquellos en los que un único grupo de sujetos recibe la totalidad de los tratamientos, es decir, pasa por todas las condiciones experimentales. En los diseños mixtos, disponemos de factores completamente aleatorizados y de medidas repetidas. Si quisiésemos conocer la posible influencia diferencial de una determinada campaña publicitaria sobre hombres y mujeres, podríamos medir a todos los sujetos en una escala de actitud hacia el constructo X y posteriormente a una campaña realizar de nuevo la medición sobre los mismos sujetos. Tendremos por tanto un diseño mixto 2 x 2 con cuatro condiciones experimentales dos relativas al factor sexo (ínter grupo) y dos de medida repetida (medida antes y después del constructo X)
  • 10. El Modelo del ANOVA Para introducir el modelo correspondiente al diseño de un solo factor de efecto fijo completamente aleatorio, será de gran utilidad la ecuación general del modelo de regresión simple. En ella observamos que la puntuación observada es combinación lineal de un término general u ordenada en el origen (valor que adopta la predicción de Y cuando X es cero) más dos términos aditivos: una pendiente de regresión de X sobre Y (cambio de Y por unidad de cambio de X) más un término de error aleatorio (cantidad que habrá de añadirse a la predicción de Y para obtener el valor realmente observado de la variable. La segunda ecuación expresa el valor de la variable dependiente Y en el sujeto i perteneciente a la condición experimental j (tratamiento j) como la suma de tres componentes.
  • 11. La ecuación general del ANOVA que descompone la variabilidad total de la variable dependiente (SCT) en dos componentes aditivos es : Componente atribuible a los grupos de pertenencia (SCInter) Componente atribuible a error o variabilidad que ocurre dentro de los grupos (SCIntra) Dicha aditividad cuando la Ho es cierta hace que en términos de varianzas, ambas sean equiprobables con lo que si las dividimos el cociente resultante sería la unidad (Si Ho es cierta)
  • 12. Medias Cuadráticas El ANOVA contrasta las estimaciones de las varianzas poblacionales ínter grupo e intragrupo. En el ANOVA estas varianzas reciben el nombre de Medias cuadráticas y se obtienen mediante la combinación de las sumas cuadráticas y los grados de libertad. Como quiera que sólo necesitamos las varianzas Inter e Intragrupo, éstas se obtendrían mediante:
  • 13. La razón F como estadístico de contraste La hipótesis nula de igualdad de medias se pone a prueba mediante la razón entre las medias cuadráticas. Si Ho es verdadera, el valor esperado de dicha razón será 1 o cercano a 1 ya que los valores esperados para ambas medias cuadráticas en ausencia de efecto alguno es σ
  • 14. La tabla resumen del ANOVA Contrastamos contra una F crítica de 2 y 27 grados de libertad: F(2,27)=3.35 Rechazo Ho (p< 0.001)
  • 15. Análisis de la varianza de un factor en SPSS 2 1 3
  • 16. La probabilidad de encontrar una ratio F de 24,793 si Ho fuese cierta es claramente menor que el nivel α mas restrictivo. Razón por la que rechazamos la Ho de igual destreza motora entre los tres niveles que se contrastan (p < 0.001) Varianzas Homogéneas p > 0.05 Tabla resumen del ANOVA
  • 17. El caso número 9 perteneciente al grupo sin práctica presenta un nivel de destreza anormalmente alto para su grupo. Constituye un caso atípico. Vemos que la mediana en el grupo 1 está prácticamente solapada con el P75. Vemos que este grupo está claramente diferenciado de los otros dos. Que presenta una distribución centrada en valores más altos. El diagrama de caja para el grupo de 10 minutos, tiene todos los valores bajos concentrados muy próximos al P25.
  • 18. Observamos como a medida que aumenta el tiempo de práctica también lo hace la destreza. La gráfica ofrece una tendencia lineal de crecimiento de la destreza en función del tiempo de práctica previa.
  • 19. Comprobación de supuestos y comparaciones múltiples Prueba de Levene. Homogeneidad de las varianzas El tamaño del efecto en el ANOVA de una vía La Potencia del contraste en el ANOVA de una vía Comparaciones múltiples - Comparaciones ortogonales - Comparaciones planeadas (a priori) y ortogonales - La prueba F planeada. - Comparaciones a posteriori (pos-hoc) - La prueba de Tukey - La prueba de Scheffé - Comparaciones de Tendencias
  • 20. 1 2 El tamaño del efecto y potencia en el ANOVA de una vía 3
  • 21. Resultados en SPSS Tamaño del efecto Potencia observada
  • 22. Potencia a priori La tabla adjunta presenta el número de sujetos por condición que necesitaremos para detectar un tamaño de efecto definido (pequeño, mediano y grande) para el nivel de confianza (representado por su inverso α) y potencia deseada. Así si tenemos un tamaño de efecto grande y queremos una potencia del 80% para una confianza del 95% necesitaremos 17 sujetos por condición. Por el contrario si el tamaño a detectar fuese mediano o pequeño, habríamos de incrementar los tamaños por grupo a 44 o 271 respectivamente.
  • 23. Comparaciones Múltiples El rechazo de la Ho, sólo nos informa de que no todas las J medias contrastadas son iguales. Por ello el estadístico F suele ser sólo el primer paso del análisis. Tras rechazar la Ho, debemos preguntarnos dónde se sitúan las diferencias significativas encontradas en la prueba omnibus. La solución a esta pregunta, se lleva a cabo a través de los procedimientos denominados de comparaciones múltiples entre medias. Dividiremos estos procedimientos en dos grupos: Comparaciones a priori o planeadas Comparaciones a posteriori o post-hoc. Una comparación o contraste es una combinación lineal o suma ponderada de medias con pesos o coeficientes no todos iguales a cero cuya suma es cero.
  • 24. Comparaciones a priori en SPSS 1 2 3 Resultados en SPSS
  • 25. Comparaciones a posteriori post-hoc en el SPSS 1 2 Resultados en SPSS
  • 26. Comparaciones de tendencias Cuando la variable independiente del experimento es en origen cuantitativa, es frecuente que el interés del investigador también se centre en determinar el tipo de relación que ésta guarda con la dependiente Como observamos en estas gráficas la relación entre la VI y la VD puede ser lineal, cuadrática o cúbicas. La forma de llevar a cabo contrastes de tendencias es muy similar a la realizada en el apartado de las comparaciones múltiples.
  • 27. Sin embargo a diferencia de las comparaciones múltiples anteriores el estudio de la relación entre las variables a través del análisis de tendencia exige que la variable independiente sea cuantitativa en origen y que sus niveles discretos que constituyen las condiciones experimentales, estén igualmente espaciados (si se quiere utilizar los pesos estandarizados de la tabla de coeficientes ortogonales de tendencia). En nuestro ejemplo práctico, no solamente hemos encontrado una diferencia significativa entre los grupos sino que se aprecia una clara tendencia lineal en la relación entre el tiempo de práctica previa y el rendimiento. Por ello llevaremos a cabo un contraste de tendencia que ponga a prueba la hipótesis nula de que no existe tal relación.
  • 28. 1 2 Resultados en SPSS SPSS confirma lo estimado manualmente: la relación entre VI y VD es lineal (p < 0.001)
  • 29. El ANOVA de un factor de efecto fijo con medidas repetidas - El modelo El término Bi se refiere al efecto debido a la variación entre los sujetos. El resto de los términos de la ecuación son idénticos a los de un factor de efecto fijo completamente aleatorizado.
  • 30. La Tabla resumen del Anova de un factor de medidas repetidas
  • 31. Supuestos del ANOVA de medidas repetidas Además de los supuestos de normalidad y homogeneidad de varianzas expuesto, el ANOVA de medidas repetidas requiere de un supuesto adicional. Definiremos este supuesto como de Aditividad. Implica que los tratamientos y los errores son independientes de los sujetos. En los diseños de medidas repetidas las distintas observaciones o medidas realizadas a cada sujeto están correlacionadas entre sí (autocorrelacionadas).
  • 32. Seleccionamos las 4 medidas y las introducimos mediante el triángulo Pulsamos Añadir y posteriormente Definir
  • 33. Prueba de esfericidad de la matriz de varianzas y covarianzas de las diferencias par a par entre los grupos. Epsilon o factor corrector de los grados de libertad. Si la prueba de Mauchly es no significativa en la práctica vale 1 Asumimos la esfericidad de la matriz de varianzas y covarianzas de las diferencias. No hay por tanto que corregir los grados de libertad en la tabla resumen posterior
  • 34. Corrección de los grados de libertad si hubiese incumplimiento de esfericidad Tal y como podemos observar rechazamos la Ho de igualdad de las 4 medias de recuerdo en función del tiempo (p < 0.001). Sin embargo las medias nos indican una caída a partir de la 1 hora y una aparente estabilización del recuerdo hasta un mes.
  • 35.
  • 37. Podemos ver como de todos los pares resultan significativos las comparaciones entre 1 hora y el resto de los niveles de tiempo transcurrido: 1 día, 1 semana y 1 mes. Sin embargo no existen diferencias entre las medias de recuerdo de el resto de las comparaciones entre pares posibles.