Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INDUSTRIAL
TEMA 04
5
Ing. William león Velásquez
El análisis de la varianza
(ANOVA)
• ANOVA permite comparar las medias de
tratamientos de forma simultánea y evitar la
acumulación del error tipo I.
• El término tratamiento
se identifican las
poblaciones diferentes
que se examinan.
6
Ing. William león Velásquez
EJEMPLO DIDACTICO
El gerente de un centro financiero, desea comparar
la productividad, medida por el número de clientes
atendidos en tres de sus empleados.
Selecciona cuatro días en forma aleatoria y se
registra el número de clientes atendidos por cada
empleado.
Los resultados son:
Walter Willy Kike
55 66 47
54 76 51
59 67 46
56 71 48
Walter
• Las poblaciones en la gráfica de la
izquierda siguen la distribución
Kike normal y la variación en cada
Willy
población es la misma. Sin
embargo, las medias no son
iguales.
Servicio al
cliente
9
Ing. William león Velásquez
La prueba ANOVA
• La estrategia es estimar la varianza de la
población de dos formas y después
determinar la razón de dichos estimados.
• Si esta razón es aproximadamente 1,
entonces por lógica los dos estimados
son iguales, y se concluye que las
medias poblaciones son iguales.
(66-58)2+(76-58)2+(67-58)2+(71-58)2+
(47-58)2+(51-58)2+(46-58)2+(48-58)2=
SS= 1082.
SST = 992
Si existe una variación considerable entre las
medias de los tratamientos, es lógico que este
término sea grande.
El valor más bajo posible es cero. Esto ocurrirá
cuando todas las medias de los tratamientos
Ing. William león Velásquez
17
sean iguales.
La prueba ANOVA
• La otra fuente de variación se le conoce como
componente aleatorio o componente de error.
18
Ing. William león Velásquez
EJEMPLO DIDACTICO
Las medias de cada empleado:
Walter es 56
Willy es 70
Kike es 48
En el ejemplo:
• Este término es la suma de las diferencias al
cuadrado entre cada valor y la media para ese
empleado en particular.
SSE=(55 – 56)2 +(54 – 56)2 + ……… + (46 – 48)2+
(48 – 48)2 = 90
• La variación de error es de 90.
Ing. William león Velásquez 19
SSE = 90
EJEMPLO DIDACTICO
En resumen:
La suma de la diferencia entre el valor
particular y la media global elevado al
cuadrado es la variación total, y es igual 1082.
La suma de los cuadrados debida a los
tratamientos es 992
La variación de error es de 90.
Por lo tanto:
SS = SST + SSE
1082 = 992 + 90
+
=
Ing. William león Velásquez 20
La prueba ANOVA
El estadístico de prueba, es la razón de los dos
estimados de la varianza poblacional, se determina
a partir de la siguiente ecuación:
𝑀𝑆𝑇
𝐹=
𝑀𝑆𝐸𝑟𝑟𝑜𝑟
Ing. William león Velásquez 21
La prueba ANOVA
𝑀𝑆𝑇
𝐹=
𝑀𝑆𝐸𝑟𝑟𝑜𝑟
𝑆2 𝑇 Diferencia entre grupos
𝑚
𝐹= 2− 1 m-1
𝑆 𝐸 Diferencias dentro
de cada grupos
𝑛−𝑚 n -m
Por tanto
2
𝑆 𝑇
𝑀𝑆𝑇 𝑚 − 1 Entre grupos
𝐹= 𝐹= 2
𝑀𝑆𝐸𝑟𝑟𝑜𝑟 𝑆 𝐸 Dentro de cada
𝑛−𝑚 grupos
Variable Variable
Independiente o dependiente o
Explicativa Respuesta
CUALITATIVA CUANTITATIVA
X Y
Media general
Efecto del tratamiento en
Y= el factor analizado
Error aleatorio
𝑇 2𝑗 𝑋 2
𝑆𝑆𝑇 = −
𝑛𝑗 𝑁
(86)2 (108)2 (81)2 (104)2 (379)2
SST=------ + ------ + ------ + -------- - --------
6 6 6 6 24
d) Criterio de decisión
Se rechaza la Ho debido a que el valor del Fcalculado es 9.118 y es mayor al
valor del Fcrítico de 3.10.
e) Conclusión:
Se puede afirmar con un nivel de significancia del 5%
Que al menos en unos de los distritos la cantidad promedio de infracciones
cometidos es diferente
Por lo tanto existe diferencia en el número promedio de infracciones
cometidos en cada distrito
41
Ing. William león Velásquez
Ejemplo 2
• Una egresada de ingeniería industrial tiene ofertas de trabajo de
cuatro empresas. Para examinar un poco más las propuestas,
solicitó a un grupo de personas recién ingresadas a dichas
empresas, que le indiquen cuántos meses trabajaron cada una
para su compañía, antes de recibir un aumento de sueldo.
• La información muestral fueron lo siguiente:
SStotal X
2 X
2
2 X
SST T c
2
nc n
Después de un mes de
entrenamiento se realiza un
test de rendimiento
consistente en un recorrido
cronometrado de 9 Km.
2940
n
SStotal X
2
X
2
SC(total) = 2984 - 2940 = 44
n
SST c
T 2 X 2
SC(entre) = 2966,8 – 2940 = 26,8
nc n
SC(intra) = 2984 – 2966,8 = 17,2
SS = SST + SSE
SST = SS - SSE
Ing. William león Velásquez 51
Ejemplo 3
𝑀𝑆𝑇 Los cuadrados medios serán:
𝐹=
𝑀𝑆𝐸𝑟𝑟𝑜𝑟 MSA= CM(entre) = 26,8/2 = 13,4
MSerror= CM(intra) = 17,2/12 = 1,43
𝑋 2
𝑆𝑆𝑇𝑜𝑡𝑎𝑙 = 𝑋2 − SC(total) = 988 – 820 = 168
𝑛
𝑇 2𝑗 𝑋 2
𝑆𝑆𝑇 = − SC(entre) = 902 – 820 = 82
𝑛𝑗 𝑁
Media general
Error aleatorio
Media general
Error aleatorio
Ing. William león Velásquez 63
ANOVA – P.H. para probar la igualdad de
medias de varias poblaciones con dos
factores
Se trata de probar si el efecto de un factor o
Tratamiento en la respuesta de un proceso o sistema
es significativo, al realizar experimentos variando los
niveles de ese factor (Temp.1, Temp.2, etc.) por
FILAS
Y Considerando los niveles de otro factor que se
piensa que tiene influencia en la prueba – FACTOR
DE BLOQUEO por COLUMNA
Ho: µ’1=µ’2=µ’3=………….µ’i
Ha: Al menos unas de las µs es diferente
b
SCBl a ( X j X ) 2
j 1
gl.SCBl b 1
CMBl SCBl /(b 1)
Ing. William león Velásquez 68
ANOVA de 2 factores –
Suma de cuadrados, gl. y Cuadrado
medio para el error
gl.SCE (n a )(n b)
CME SCBl /( n a )(n b)
𝑀𝐶𝐵𝑙
𝐹𝑐 =
𝑀𝐶𝐸
Dentro de muestras
(error) SCE (a-1)(b-1) CME
Variación total
SCT n-1 CMT
Alfa
Zona de no
rechazo
O
Si el valor de p correspondiente a Fc (Tr o Bl) es menor de
Alfa se rechaza Ho
77
4.459 3.838 Ing. William león Velásquez
Ejemplo 5
3. Elaborar la tabla ANOVA
I II III ∑X ∑X2 n
A 18 21 20 59 1165 3
B 24 26 27 77 1981 3
C 30 29 34 93 2897 3
D 22 25 24 71 1685 3
E 20 23 24 67 1505 3
∑X 114 124 129 367 ∑∑X
∑X2 2684 3112 3437 9,233 ∑∑X2
n 5 5 5 15 ∑∑n
Ing. William león Velásquez 78
Ejemplo 5
3.2- Cálculo del Factor de corrección
( X ) 2
FC Factor de corrección
n FC =
(367)2
----------- = 8979.267
15
SCTotales X FC 2
Suma total de
cuadrados
( X ) 2
SCTi FC
n
Suma de cuadrados del
tratamiento 1
SST1 = (114)2 (124)2 (129)2
-------- + --------- + --------- - 8979.2667 = 23.3333
5 5 5
4. Conclusión
C p 4 1 3 4
a a
n l 9 4 7 4
t d a
i e b
d r
9 5 7 4
a a
d s 10 6 7 8
Ing. William león Velásquez 85
Ejemplo 6
Gl Iter =1
Gl SCE= 12
F= 4 .75
Ing. William león Velásquez
89
Ejemplo 6
3.- Calcular el Estadístico de Prueba
Sumatoria de los totales
Urbano Rural
Hombre x2 Mujer x2 Hombre x2 Mujer x2
4 16 1 1 3 9 4 16
9 81 4 16 7 49 4 16
9 81 5 25 7 49 4 16
10 100 6 36 7 49 8 64 ΣΣ
ΣX = 32 16 24 20 92
ΣX² = 278 78 156 112 624
n 4 4 4 4 16
( X ) 2
FC
n
FC
92
2
529
16 Ing. William león Velásquez 91
Ejemplo 6
•Cálculo de la Suma Total de Cuadrados
SCTotal = X 2 - FC
= ( 278 + 78 + 156 + 112) - 529 = 95
= 624 - 529 = 95
( Ti ) 2
SCT1 FC
n
( Bli ) 2
SCT2 FC
n
Hombre Mujer
( X ) 2
SCG FC
n
FUENTE SC GL MC F
TRATAMIENTO 1 1.0 1 1 0.2
TRATAMIENTO 2 25.0 1 25 5
POR GRUPOS 35
INTERACCION 9.0 1 9 1.8
ERROR 60 12 5
TOTAL 95 15
a b n nivel de
Gl T1 =2 significanc
3 3 36 Gl SCE= 27 ia de .05
F=3.35
3.35
gl T1 a-1 2
gl T2 b-1 2 Gl T2 =2
gl Iter (a-1)(b-1) 4 Gl SCE= 27
gl Tot n-1 35 F= 3.35
gl glTot-gl T1 -gl T2 - gl 3.35
SCE Iter 27
Gl Iter =4
Gl SCE= 27
F=2.73
Ing. William león Velásquez 10
2.73
Ejemplo 7
• Elaborar la tabla ANOVA
n
0 3 7
1724.1
𝑥 n 12 12 12 36
X 2
(1724.1) 2 2972520.81
2,972,520.81
( X ) 2 FC = ---------------- = 82,570.0225
FC 36
n
Ing. William león Velásquez 105
FC = 82570
Ejemplo 7
• 2- Cálculo de la Suma cuadrado de totales
SCTotales X 2 FC
SCTotales= 531.987
83,102.01 - 82,570 = 5
Ing. William león Velásquez 106
Ejemplo 7
3- Cálculos de los tratamientos
SCT1
2
X
FC
n
ΣX²/ n0 ΣX²/ n3 ΣX²/ n7
107
Ejemplo 7
3- Cálculos de los tratamientos
SCT2
2
X
FC
n
SGG
X
2
FC
n
X n=4
0 3 7
RICA 203.1 194.6 179.5
BUENA 202 179.2 178.4
BARATA 209.9 192.8 184.6
X 2
203.1
2
41249.61
10312.4
n 4 4
110
Ing. William león Velásquez
Ejemplo 7
6- Calcular la suma de cuadrados del error
111
Ing. William león Velásquez
Ejemplo 7
•Construir la Tabla ANOVA
FUENTE SC GL MC F
TRATAMIENTO 1 227.21 2 113.606 12.0429
FDATOS Conclusión
FCRITICO
12.0429 Se rechaza la Ho
FT1= 3.35
1.7359 No se rechaza la Ho
FT2= 3.35
0.4591 No se rechaza la Ho
FINT= 2.73 FCrítico