Análisis

de diferencia de medias

El ANOVA sólo nos dice si la variable independiente (factor) tiene un efecto
importante (significativo) sobre el valor que toma la variable de respuesta, o
independiente.

Retomemos el ejercicio del % de algodón para la resistencia de la tela a la ruptura.
Teníamos los siguientes datos:

% de Repeticiones
algodón 1 2 3 4 5
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11

Cuando realizamos el ANOVA, obtuvimos lo siguiente:

Fuente de Suma de Grados de Media de
F p
variación cuadrados libertad cuadrados
% Algodón 475.76 4 118.94 14.76 <0.05
Error 161.20 20 8.06
Total 636.96 24

Que nos indica que el porcentaje de algodón sí tiene un efecto significativo sobre la
respuesta. Es decir, que el porcentaje de algodón que se utiliza para fabricar la tela
modifica la resitencoia de la tela a la ruptura. La puede hacer más o menos resistente.
Pero no nos dice con cuál porcentaje de algodón se obtiene la tela más resistente. Pero
nos podemos dar uan idea de esa información si revisamos los resultados de cada
corrida experimental:

% de Repeticiones
Yi. 𝑌𝚤. s
algodón 1 2 3 4 5
15 7 7 15 11 9 49 9.8 3.35
20 12 17 12 18 18 77 15.4 3.13
25 14 18 18 19 19 88 17.6 2.07
30 19 25 22 19 23 108 21.6 2.61
35 7 10 11 15 11 54 10.8 2.86

Claramente se ve que la mayor resistencia a la ruptura la tiene la tela que se prepara
con 30 % de algodón. Pero recordando el concepto de desviación estándar, veamos
algo:

En esta imagen es posible observar que, si bien la máxima resistencia de la tela se
obtiene cuando se fabrica una tela con 30% de algodón, al parecer esta resitencia en
algún punto es igual a la que se obtiene cuando se fabrica la tela con 25% de algodón.
¿Qué otros resultados parecend ar la misma resistencia de tela?

Esta es una forma de analizar la diferencia de los resultados, para ubicar la condición
que nos da la mejor respuesta. Pero hay otros métodos estadísticos para hacer esto,
tales con la Diferencia Mínima Significativa (o Least Significant Difference, LSD).

Para aplicar este métdo, hay que calcular un valor llamado crítico, al que
denominaremos LSD. Este valor se calcula como se indica a continuación:

1
𝐿𝑆𝐷 = 𝑡!,!!! 𝑀𝐶!""#"
! 𝑛
donde:

talfa/2,N-n se obtiene en las tablas de la distribución t de Student, en este caso 2.086
N es el número total de datos, en este caso 25
n es el número de repeticiones que se hacen en cada condición experimental, en este
caso 5
MCerror se obtiene del Análsis de Varianza, en este caso 8.06

Al calcular ese valor crítico tenemos:

 2(8.06)
𝐿𝑆𝐷 = 2.086 = 3.75
5

Así, cualquier diferencia entre los promedios de tratamientos cuyo valor absoluto que
sea mayor de 3.75 implica que esos tratamientos dan respuestas diferentes:

𝑦!. − 𝑦!. = 9.8 − 15.4 = −5.6 ∗
𝑦!. − 𝑦!. = 9.8 − 17.6 = −7.8 ∗
𝑦!. − 𝑦!. = 9.8 − 21.6 = −11.8 ∗
𝑦!. − 𝑦!. = 9.8 − 10.8 = −1.0
𝑦!. − 𝑦!. = 15.4 – 17.6 = −2.2 ∗
𝑦!. − 𝑦!. = 15.4 – 21.6 = −6.2 ∗
𝑦!. − 𝑦!. = 15.4 – 10.8 = 4.6
𝑦!. − 𝑦!. = 17.6 – 21.6 = −4.0 ∗
𝑦!. − 𝑦!. = 17.6 – 10.8 = 6.8 ∗
𝑦!. − 𝑦!. = 21.6 − 10.8 = 10.8 ∗

Esto significa que la tela fabricada con 30% de algodón es la más resistente, porque
todos las diferencias con el tratamiento 4 presentan una diferencia mayor que el valor
crítico de LSD.

Así como ese método, existen otros que se pueden aplicar para hacer el mismo
análisis, mismos que se pueden consultar en libros de diseño de experimentos, como
el Montgomery.


 Verificación de la suposición de normalidad

Recordemos que el supuesto (paso 2) que se consideró para desarrollar el ANOVA fue
que las muestras provienen de poblaciones que se distribuyen normal.

Entonces, es necesario realizar una prueba que nos permita verificar que esa
suposición fue correcta. Lo primero es que hay que calcular los residuales (eij):

𝑒!" = 𝑦!" − 𝑦!" = 𝑦!" − 𝑦!.

Aplicando esa fórmula se tendría:

% de
Residuales
algodón
15 -2.8 -2.8 5.2 1.2 -0.8
20 -3.4 1.6 -3.4 2.6 2.6
25 -3.6 0.4 0.4 1.4 1.4
30 -2.6 3.4 0.4 -2.6 1.4
35 -3.8 -0.8 0.2 4.2 0.2

Una vez que tenemos los residuales, hay que ordenarlos de menor a moyor, como se
muestra a continuación:

i eij Pacc =(i-0.5)/n
1 -3.8 0.02
2 -3.6 0.06
3 -3.4 0.10
4 -3.4 0.14
5 -2.8 0.18
6 -2.8 0.22
7 -2.6 0.26
8 -2.6 0.30
9 -0.8 0.34
10 -0.8 0.38
11 0.2 0.42
12 0.2 0.46
13 0.4 0.50
14 0.4 0.54
15 0.4 0.58
16 1.2 0.62
17 1.4 0.66
18 1.4 0.70
19 1.4 0.74
20 1.6 0.78
 21 2.6 0.82
22 2.6 0.86
23 3.4 0.90
24 4.2 0.94
25 5.2 0.98

Y con ellos se genera una gráfica, que tendrá en el eje de las x los valores de los
residuales, y en el eje de las Y la probabilidad acumulada (Pacc):

y esta gráfica debe dar una tendencia de línea recta.