Anova
Anova
“ANOVA”
Análisis de la Varianza de un factor
(ANOVA)
El análisis de la varianza (ANOVA) es una técnica estadística paramétrica de
contraste de hipótesis. El ANOVA de un factor sirve para comparar varios
grupos en una variable cuantitativa. Se trata, por tanto, de una generalización
de la Prueba T para dos muestras independientes al caso de diseños con más
de dos muestras.
A la variable categórica (nominal u ordinal) que define los grupos que deseamos
comparar la llamamos independiente o factor y la representamos por VI. A la
variable cuantitativa (de intervalo o razón) en la que deseamos comparar los
grupos la llamamos dependiente y la representamos por VD.
Condiciones:
• Cada muestra debe ser independiente de las
otras.
• Cada muestra debe haber sido seleccionada al
azar de la población de donde proviene.
• Las población de donde provienen las
muestras debe tener distribución normal.
• Las varianzas de cada población deben ser
iguales.
ANOVA
Ejemplo
• Para ese fin, solicitó a los padres de 45 niños la aplicación del Child Behavior
Checklist, versión para padres. El CBCL (Achenbach, 1991) es un instrumento
conformado por 113 ítems que comprenden problemas específicos,
agrupados en síndromes que exploran dos tipos de anomalías de conducta:
externalización (agresión, delincuencia y trastornos de conducta) e
internalización (aislamiento, preocupaciones somáticas, depresión y
ansiedad). Además, (Friedrich et al., 1986) seis de sus ítems conforman la
escala de problemas sexuales, la que sólo se aplica a niños y niñas mayores.
• Los ítems son categorizados 0=no es cierto o nunca observado, 1=es cierto
algunas veces o de cierta manera, 2=muy cierto o a menudo cierto. El
puntaje total se obtiene a partir de la suma de los parciales.
ANOVA
Paso 1: Obtiene los siguientes datos
SCT xi M g
2
ANOVA
CASADO SEPARADO VIUDO SOLTERO
1262,26 507,52 1054,41 553,58
703,75 271,32 598,86 598,86
90,79 1977,73 6,11 6,11
89,71 241,13 504,98 307,24
0,28 754,69 271,32 0,28
20,51 241,13 273,18 241,13
241,13 30,56 56,68 89,71
20,51 307,24 504,98 0,28
183,01 6,39 209,43 20,00
xi M g 1669571,77
2
SCT0,22 ,208 239,37 12,45
56,68 12,05 155,54 419,09
931,98 703,75 421,41
241,13 271,32 209,43
89,71 307,24
305,26
16695,208
ANOVA
SC F nK M K M g
2
n 14 15 11 13
SCF nK M K M g 3261,358
2
ANOVA
Paso 5: Calculamos la suma de cuadrados de las desviaciones entre cada dato y la media
de su grupo. Esta es la suma de cuadrados no explicada, a la que denominaremos Suma
de cuadrados residual (SCR) o variabilidad residual.
2
SC R xik M k
• Siendo: xik cada dato i del grupo k
___
2 13433,850
SCR xik M k 13433,850
ANOVA
Paso 6: Calculamos las medias cuadráticas, para lo cual necesitamos
conocer los grados de libertad correspondiente a cada suma de
cuadrados de las desviaciones
• Total =
(n – 1):
53 - 1 = 52
SCF 3261,358
MC F MC F 1087,119
k 1 3
SC R 13433,850
MC R MC R 274,160
nk 49
SCT 16695,208
MCT MCT
n 1 52
ANOVA
SC F
2
F
MC F
k 1 S F
2
MC R SC R S R
nk
En nuestro caso
1087,119
F 3,965
274,160
ANOVA
FUENTE DE VARIACIÓN SUMA DE CUADRADOS (SC) GRADOS DE LIBERTAD (gl) MEDIA DE CUADRADOS (MC) F calculado
En nuestro caso
FUENTE DE VARIACIÓN SUMA DE CUADRADOS (SC) GRADOS DE LIBERTAD (gl) MEDIA DE CUADRADOS (MC) F calculado
Procedimiento:
H 0 : 1 2 ...k
H1 : (1 2 ...k )
Las reglas de decisión en este procedimiento son las siguientes:
F0.10 2,28
F0.05 2,92
F0.025 3,59
F0.01 5,24
Al realizar la comparación de Fobs con F, se observa que
Al igual que las demás técnicas no paramétricas, ésta se apoya en el uso de los
rangos asignados a las observaciones.
PRUEBA DE KRUSKAL-WALLIS
Ejemplo
PAGADO SUBVENCIONADO
14 12 11
15 14 12
14 15 9
16 14 8
16 13
17
PRUEBA DE KRUSKAL-WALLIS
Paso 2) Se ordenan todos los datos, de menor a mayor, de las k muestras
y en un solo conjunto, cuidando de identificar a cada uno con su muestra
respectiva.
12 Rk 2
H j
3( N 1)
N ( N 1) j 1 n j
k número de grupos
N número total de sujetos
n j número de sujetos en cada grupo
R j Suma de los rangos en cada grupo
k
12 k R2
Si sustituimos en H j
3( N 1)
N ( N 1) j 1 n j
12 42 2 61,52 16,52
Tenemos 3(15 1)
15(15 1) 4 6 5
Primer procedimiento:
Si el número de muestras es k=3 y el número de observaciones en cada una
de ellas no pasa de 5, se rechaza H0 si el valor de Hobs supera el valor teórico
de H que encontramos en la tabla de Kruskal-Wallis. (La tabla aportada en el
curso opera hasta k=5 para n=3).
Segundo procedimiento:
H 0 : M1 M 2 ...M k
H1 : (M1 M2 ...Mk )
Las reglas de decisión en este procedimiento son las siguientes:
Rechace H 0 si H obs H ( )
No rechace H 0 si H obs H ( )
PRUEBA DE KRUSKAL-WALLIS
Si desarrollamos el contraste en nuestro ejemplo, siguiendo el primer
procedimiento, tenemos los siguientes valores:
n1 (M ) 4 n2 ( PP) 6 n3 ( PS ) 5 H 8,291
En la tabla correspondiente, ubicamos los valores de los tamaños de los
grupos 6,5,4 y comparamos nuestro valor Hobs con el H correspondiente
PRUEBA DE KRUSKAL-WALLIS
Los valores críticos de H son:
H 0.10 4,522
H 0.05 5,661
H 0.025 6,750
H 0.01 7,936
Al realizar la comparación de Hobs con H, se observa que
H obs H 0.01
Paso 6) Se concluye sobre la Hipótesis nula.
k 3 H 8,291
En la tabla correspondiente, ubicamos en la columna DF nuestro k-1 y
comparamos nuestro valor Hobs con el X 2 correspondiente
PRUEBA DE KRUSKAL-WALLIS
Los valores críticos de H son:
H 0.10 4,605
H 0.05 5,991
H 0.02 7,824
H 0.01 9,210
Al realizar la comparación de Hobs con H, se observa que
H obs H 0.02
Paso 6) Se concluye sobre la Hipótesis nula.