cpomaresn@hotmail.com ANÁLISIS DE VARIANCIA. Es una técnica estadística Que permite descomponer la variabilidad total de los resultados de un experimento en sus distintas fuentes (factores, tratamiento, bloques, interacciones entre factores, covariables, error experimental). Con la finalidad de compararlas e identificar su importancia relativa en la explicación de la variabilidad total.
Ing. Carlos H. Pomares Neira M.Sc.
SUPUESTOS DEL ANÁLISIS DE VARIANCIA. • Homogeneidad de variancia, • Normalidad, • Aditividad y • Linealidad del modelo, e • Independencia.
Ing. Carlos H. Pomares Neira M.Sc.
Variancias Homogéneas (Homocedasticidad): Las diversas poblaciones generadas por la aplicación de dos o más tratamientos tienen variancias de los diferentes promedios son homogéneas (variancia común). Por lo general, en el análisis de variancia utilizamos un promedio de n variancias (CME) para obtener la mejor estimación de la variancia común.
Ing. Carlos H. Pomares Neira M.Sc.
Pero si las variancias dentro de tratamientos fuesen de hecho distintas, no tendríamos justificación para combinarlas Por que el promediar variancias de tratamientos mayores y menores podría arrojar resultados engañosos. La diferencia entre dos tratamientos con variancias grandes puede ser considerada significativa cuando en realidad ésta pudo haber ocurrido fácilmente, por casualidad. Por otro lado, la diferencia entre dos tratamientos con variancias pequeñas puede ser declarada no significativa cuando de hecho lo era.
Ing. Carlos H. Pomares Neira M.Sc.
NORMALIDAD. Por fortuna, las desviaciones del supuesto de normalidad no afectan muy seriamente la validez del análisis de variancia. Los valores resultado del experimento provienen de una distribución de probabilidad «normal» con promedio µ y variancia σ2 . En resumen, la mayor seguridad contra violaciones evidentes de este supuesto del análisis de variancia Consiste en llevar a cabo la distribución de la unidad experimental en forma aleatoria adecuada al diseño experimental en particular, que se está utilizando.
Ing. Carlos H. Pomares Neira M.Sc.
ADITIVIDAD Y LINEALIDAD DEL MODELO. Los factores o componentes del modelo estadístico son aditivos, es decir la variable respuesta es la suma de los efectos del modelo estadístico. La relación existente entre los factores o componentes del modelo estadístico es del tipo lineal. Los efectos principales son aditivos Para cada diseño experimental existe un modelo matemático denominado modelo lineal aditivo (debido a que los términos de éste se suman).
Ing. Carlos H. Pomares Neira M.Sc.
INDEPENDENCIA. Las variancias y los promedios de las distintas muestras no están correlacionadas. Los resultados observados de un experimento son independientes entre sí. En cuanto a independencia, es importante evitar que la UE que reciben un mismo tratamiento sean subdivididas para referirnos a ellas como repeticiones.
Ing. Carlos H. Pomares Neira M.Sc.
En algunos datos existe una relación definida entre los promedios de las muestras y sus variancias. Este es un caso especial y la causa más común de heterogeneidad de variancia. Una correlación positiva entre promedios y variancias suele encontrarse cuando existe un amplio rango de promedios de la muestra. Afortunadamente, esto no sucede con frecuencia A menudo podemos transformar los datos en forma tal que el supuesto de independencia entre variancia y promedios sea válido. Luego podemos proceder con el análisis de variancia de los datos transformados.
Ing. Carlos H. Pomares Neira M.Sc.
FUENTES DE VARIACIÓN. Una fuente de variación está constituida por cualquier factor o conjunto de factores controlados o no por el investigador que afecta los resultados del experimento.
Se distinguen tres tipos:
• Aquellas cuyo efecto sobre la respuesta es de particular interés para el experimentador (factores tratamiento). • Aquellas que no son de interés directo pero que se contemplan en el diseño para reducir la variabilidad no planificada (factores bloques). • Aquellas que no son contempladas en el diseño (error experimental).
Ing. Carlos H. Pomares Neira M.Sc.
Ejemplo: En un experimento en el que se desean evaluar distintos niveles de abono nitrogenado en sorgo Los niveles de nitrógeno y la disponibilidad de los surcos en el terreno generarán variabilidad en el rendimiento. El interés del investigador está en evaluar el efecto de los niveles de nitrógeno y no el efecto de la ubicación de los surcos Sin embargo ambos factores deben ser controlados; el primero es un factor tratamiento.