Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INTRODUCCIN
El anlisis de la varianza se convierte en la tcnica ms habitual cuando las
variables explicativas son categricas y cuantitativas la variable explicada. Las
variables independientes se denominan factores, constan de dos o ms niveles y
pueden interactuar entre ellas. Esta tcnica contrasta mediante el anlisis de la
variabilidad si los valores medios de la variable dependiente difieren segn las
diferentes combinaciones de factores e interacciones. Los experimentos
factoriales pueden complicarse tanto como se deseen e incorporar efectos
aleatorios, multinivel, jerrquicos, anidados, fijos, etc. Existe una amplia gama de
situaciones que se presentan de forma habitual al realizar un experimento o
anlisis.
Si bien el acercamiento bsico al anlisis de la varianza proviene de los
contrastes de medias para dos o ms niveles, el enfoque ms correcto nace
desde el anlisis de regresin. El anlisis de la varianza particulariza el modelo de
regresin lineal cuando las variables independientes son cualitativas y la
independiente cuantitativa. Considerar esta situacin desde los modelos de
regresin permite al investigador un estudio completo, detallado y sistematizado
del experimento factorial.
Cuando en los modelos de regresin intervienen variables independientes
cualitativas, el abordaje se realiza mediante dos tipos de contrastes: los
denominados a priori y los contrastes a posteriori. Si bien a nivel matemtico se
establece un isomorfismo entre ambos enfoques por lo que son equivalentes, a
nivel prctico el investigador debe optar por uno de esos contrastes.
Los contrastes ortogonales, o a priori, se utilizan habitualmente en el mbito de
las Ciencias Experimentales. Los factores intervienen en el modelo de forma
controlada (por ejemplo, a un ratn le inyectamos 100 gramos del compuesto I y
a otro roedor 200 gramos) y se suele denominar Diseo de Experimentos. Las
principales ventajas de los contrastes ortogonales residen en que el orden de los
factores no influye en el modelo, ste adopta una nica expresin (ortogonal) y
resulta fcil detectar qu factores o niveles influyen o no. El principal
inconveniente consiste en que los coeficientes del modelo han de interpretarse
con precaucin.
En el otro extremo aparecen los contrastes no ortogonales, o a posteriori, muy
usuales en las Ciencias Sociales. Estos estudios no disponen de condiciones
controladas desde donde puedan observar las reacciones de los sujetos
entrevistados. En estos modelos el orden de los factores o variables nominales
que intervienen en el modelo s importan, lo que conlleva a diferentes modelos
igualmente vlidos. La principal ventaja en estos modelos surge que los
coeficientes son muy fciles de interpretar.
OBJETIVOS:
de
resolucin
del
mtodo
Contrastes
MARCO TERICO
CONTRASTES ORTOGONALES
RESTRICCIONES
Los contrastes se utilizan mucho en mtodos de comparacin mltiple; el cual se
estudiar a continuacin.
Supongamos que el factor que se est estudiando tiene cinco niveles
(tratamientos) y al llevar a cabo el Anlisis de Varianza se rechaza Ho, con base a
esta informacin es posible suponer que el tratamiento uno y dos producen la
misma diferencia.
Esto implica que es necesario probar las siguientes hiptesis:
Ho : 1 = 2
H1 : 1 2
Estas hiptesis pueden ser probadas investigando una combinacin lineal
apropiada de los totales de los tratamientos, por ejemplo:
y1. y2. = 0
Por otro lado, si se suponen que el promedio de los tratamientos 1 y 3 no difieren
del promedio de los tratamientos 4 y 5, las hiptesis que deben probarse son:
Ho : 1 + 3 = 4 + 5
H1 : 1 + 3 4 + 5
y esto implica la combinacin lineal:
y1. + y3. y4. y5. = 0
La propiedad bsica de las comparaciones ortogonales es que reflejan piezas de
informacin independientes y que el resultado de una comparacin no tiene
relacin alguna con el resultado de cualquier otra.
Bajo el supuesto de ortogonalidad, dos comparaciones son independientes
cuando la suma de los productos cruzados de los coeficientes es cero, es decir, la
(ajak = 0)
VENTAJAS
DESVENTAJAS
PF = 1 - (1 - )c
Sumas de cuadrados
5[(-1)2.4 + (1)5.0 + (0)6.6 + (0)8.2]
SCC1 = -------------------------------------------------
= 16.90
2
5[(-1)2.4 + (-1)5.0 + (2)6.6 + (0)8.2]
SCC2 = --------------------------------------------------- = 28.03
6
5[(-1)2.4 + (-1)5.0 + (-1)6.6 + (3)8.2]
SCC3 = ------------------------------------------------------ = 46.82
12
=======
SCA:
91.75
Razones F
16.90
F1 = ------------ = 11.66
1.45
28.03
F2 = ------------ = 19.33
1.45
46.28
F3 = ----------- = 32.39
1.45
Valor terico de F
Entrando en la tabla de la distribucin F, el valor terico del estadstico es
F0.95(1/16) = 4.49
Caractersticas de los contrastes ortogonales
Una propiedad caracterstica de las comparaciones ortogonales es la
descomposicin de la Suma de Cuadrados de tratamientos del ANOVA en tantos
componentes ortogonales (independientes) como grados de libertad de esa
fuente de variacin (se dispone de un grado de libertad por componente).
Siguiendo con el ejemplo propuesto, la Suma de Cuadrados de tratamientos, SC A,
tiene a - 1 grados de libertad y, como consecuencia, tres componentes
ortogonales (siendo a igual a cuatro).
Propiedades de los contrastes ortogonales
EJEMPLO:
Solucin.
Variable Respuesta: Resistencia a la tensin.
Las hiptesis que se desean probar son:
Ho : 1 = 2 = 3 = 4 (Las medias son iguales)
H1 : 1 2 3 4 (Las medias son diferentes)
El significado verbal es:
Ho : La cantidad de carbn usada en la produccin de acero no tiene efecto
significativo en la resistencia a la tensin.
H1 : La cantidad de carbn usada en la produccin de acero tiene efecto
significativo en la resistencia a la tensin.
Datos
a = 4 , n = 4 , N = 16 , i = 1,2,3,4 , j = 1,2,3,4
Clculos Matemticos
Totales
Sumas de Cuadrados
Medias de Cuadrados
Estadstica
regresin.
Permite que las dos variables estn variando conjuntamente, y en el mismo sentido, cuando al
crecer los valores de una de las variables tambin aumentan los de la otra.
Devuelve la covariancia de la muestra, o promedio de los productos de las desviaciones para
resultados
Tener en cuenta las diferencias en las respuestas debidas a las caractersticas propias de los
encuestados. Un sesgo sistemtico puede ser eliminado por medio de la asignacin aleatoria
de los encuestados a varios tratamientos.
DESVENTAJAS
La medida de asociacin es que su valor depende de las unidades en que se miden las
variables de inters.
No permite ajustar medias de tratamientos de la variable dependiente a las diferencias en
conjuntos de valores de variables independientes correspondientes.
MODELO MATEMTICO
El modelo de la covariancia, representa el modelo lineal aditivo del anlisis de
varianza del diseo experimental que se est utilizando ms un componente
adicional para la variable concomitante o independiente. Para un DBCR
tendremos:
Y= + i + j + b(x - x.) +
Dnde:
y= variable dependiente o de respuesta
x= covariable o variable independiente
b= pendiente de la regresin lineal
Este modelo igualmente, se resuelve por la suma de cuadrados tal como fue explicado en el
Anlisis de Varianza.
Los supuestos de la covariancia son:
Los X son fijos (se repiten), medidos sin error e independientes de los tratamientos.
La regresin de Y respecto a X, despus de eliminar diferencias de bloques y
tratamientos es lineal e independiente de estos factores.
Los errores se distribuyen normal e independientemente con medida cero y varianza
comn.
CALCULO DE ANALISIS DE VARIANZA
ANOVA
Fuentes
g.l.
SCY
SPXY
SCX
Total
rt 1
( y it Y ..)2
( xit X ..) ( y it Y .. )
( xij X ..)2
Bloques
r -1
t ( y iY ..)2
( X . t X ..)( Y .t Y .. )
t ( X t X ..)2
Tratamientos
t1
r ( y t Y ..)2
( X t X ..)( Y t Y .. )
r ( X i X ..)2
Error
(r - 1)(t - 1)
Diferencia
(a1)
Diferencia
(a2)
Diferencia
(a3)
Covariable
Tratam + error
Bloques + error
S 2YX
r(t - 1)
SC (Y .Trat + Error )
SP ( XY .Trat +Error )
(b1)
(b2)
SC (Y . Bloq+ Error )
SP ( XY . Bloq+Error )
SC ( X .Bloq+ Error )
(c1)
(c2)
(c1)
t(r - 1)
y ij
2
SC Y .Total = y ij
y ij
y ij
SC Y .Bloques
2
y. j
SC Y .Trat
2
yi .
SC ( X .Trat+ Error )
(b3)
(r
SP XY .Total = x ij y ij
SP XY . Bloques=
SP XY .Trat
x ij y ij
rt
X i Y j xij
t
rt
X i Y j x ij y ij
=
r
rt
xij
y ij
SC X . Total = x 2ij
x ij
SC X . Bloques
2
X.j
x ij
SC X . Trat
X 2i .
Total
Tratamientos
BLOQUES
TRAT.
Xi.
Yi.
307.3
20.5
393.3
38.4
355.2
30.4
345.1
25.1
1400.9
114.4
402.2
38.3
405.2
42.1
388.7
35.2
388.4
40.5
1584.5
156.1
342.4
24.6
350.4
25.1
323.2
24.1
302.3
20.1
1318.3
93.9
375.7
32.1
381.5
34.4
302.1
21.4
350.9
30.2
1410.2
118.1
305.2
27.6
353.1
29.6
377.3
32.1
382.5
32.8
1418.1
122.1
Total Bloq.
X.j
Y.j
20
1732.8
143.1
1883.5
169.6
1746.5
143.2
1769.2
148.7
Clculos bsicos:
1. FCY = 604.62/20 = 18277.06
2. SCY.Tot = (20.52+38.42++32.82) 18277.06 = 19115.5 18277.06 = 838.44
X..
Y..
7132
604.6
Fuentes de
variacin
SCy
SPXY
SCX
19
838.44
3999.4
5
22439.7
6
Bloques
94.88
516.46
2828.60
7.02 c
2.34
Tratamientos
504.89
2171.2
4
9415.70
55.07 b
13.77
12
238.67
1311.75
10195.4
6
11
69.90
6.35
Total
Error
g.l.
Covariable
Tratam+Error
g.l.
SCy,ajust.
16
743.56
3482.9
9
19611.1
6
15
168.77
a
124.97
CMajust.
168.77
0.37
2.17 NS
26.58**
Bloques+Err
or
a
15
333.55
1828.2
1
b
238.67-69.90 = 168.77
13024.0
6
14
124.97-69.90 = 55.07
76.92
c
76.92-69.90 = 7.02
El Anlisis de Covariancia, a travs del ajuste del Cuadrado medio de tratamientos, en este
caso, ha demostrado no significacin sobre la diferencia entre tratamientos, los cuales han
sido evaluados con alta significacin en el Anlisis de Variancia:
( p=0.0055 )
504.89/4
F=
=6.35
238.67 /12
La F no significativa para media ajustadas (F = 2.17 NS) demuestra que no existen diferencias
verdaderas entre las medidas de tratamiento para Y cuando se ajustan por X. Esto prueba
que las diferencias entra las medias no ajustadas reflejan, en gran medida, diferencias en el
consumo y no precisamente por efecto de las dietas solamente, es decir, a un consumo de
alimento comn. Si se hubiera detectado significacin para las medias ajustadas por
covariancia, entonces se habra concluido que las diferencias entre los tratamientos son
reales.
Procedimiento de ajuste de medidas de tratamientos
Para este propsito se usa la siguiente frmula:
i X )
Y^ t . =Y t b yx ( X
Donde:
TRAT.
Y t
X t
X i X ..
28.60
350.23
- 6.37
X
^
i X )
b yx ( t X ..) Y t . =Y t b yx ( X
- 0.83
29.43
39.03
396.13
39.53
5.14
33.89
23.48
329.13
- 27.02
- 3.51
26.99
29.53
352.55
- 4.05
- 0.53
30.06
30.53
354.53
-2.07
- 0.27
30.80
X ..=356.6
b=
SP XY . Error 1311.75
=
=0.1287
SP X . Error 10195.46
Los errores estndar de la diferencia entre dos medias de tratamiento ajustados, con igual
tamao y diferente tamao muestral, respectivamente se determinan por:
S =S yx
d
S =S yx
d
Donde:
i X t )2
2 (X
+
r SC x . error
i X t )2
1 1 (X
+ +
r 1 r 1 SC x . error
S yx = CM erro. ajustado
CONCLUSIONES:
Las comparaciones ortogonales son aquellas que reflejan piezas de informacin
independientes y que el resultado de una comparacin no tiene relacin alguna con
el resultado de cualquier otra.
Destacamos su uso en el control del error, lo cual aumenta la precisin con que se
mide un experimento; tambin, permite ajustar las medidas de tratamientos,
logrando as una mejor interpretacin de los datos y del efecto de los tratamientos.
BIBLIOGRAFA:
ORTOGONALES.
http://es.scribd.com/doc/14590547/7/Contrastes-
CUESTIONARIO
GRUPO N 5
TEMA: CONTRASTES ORTOGONALES Y COVARIANCIA
1. Ponga la frmula de Suma de cuadrados del contraste:
Y= + i + j + b(x - x.) +
Dnde:
y= variable dependiente o de respuesta
x= covariable o variable independiente
b= pendiente de la regresin lineal
4. Cules son los supuestos de la covariancia?
Los X son fijos (se repiten), medidos sin error e independientes de los
tratamientos.
La regresin de Y respecto a X, despus de eliminar diferencias de bloques
y tratamientos es lineal e independiente de estos factores.
Los errores se distribuyen normal e independientemente con medida cero y
varianza comn.
pruebas de comparaciones
mltiples
b) Devuelve la covarianza de la muestra, o promedio de los productos de
las desviaciones para cada pareja de puntos de datos en dos conjuntos
de datos.
c) Son independientes cuando la suma de los productos cruzados de los
coeficientes es cero, es decir, la condicin de ortogonalidad entre dos
comparaciones cumple la siguiente restriccin.
Desventajas de Covariancia
sentidos. (V)
Independientes cuando la suma de los productos cruzados de los coeficientes
es cero, es decir, la condicin de ortogonalidad entre dos comparaciones