UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

INGENIERÍA ESTADÍSTICA
DISEÑOS EXPERIMENTALES

SUPUESTO DE INDEPENDENCIA
INTEGRANTES:
GUTIERREZ ALEXANDER
LOACHAMIN CHRISTIAN
PALMA FRANCISCO
RAMÍREZ IRIS
ZHININ ERIKA
 Introducción
 Sin duda algo de vital importancia para poder realizar un análisis de varianza, son los
supuestos residuales, los cuales son una serie de condiciones con las que se debe cumplir
para poder realizar dicho análisis. Entonces se debe cumplir con 3 supuestos siguientes:
 Los residuales deben ser independientes (Independencia)
 Los residuales deben tener varianza, o varianza homogénea o constante ( Varianza
Homogénea)
 Los residuales se deben distribuir en forma normal (Normalidad)
 La aleatorización
La aleatorización es una técnica que se utiliza para equilibrar el efecto de
condiciones externas o no controlables que pueden influir en los resultados
de un experimento.

Por ejemplo, la temperatura ambiental, la humedad, la materia prima o los

operadores pueden cambiar durante un experimento y afectar
inadvertidamente los resultados de la prueba.

Al aleatorizar el orden en el que se realizan las corridas experimentales, usted

reduce la probabilidad de que las diferencias en los materiales o las
condiciones del experimento sesguen considerablemente los resultados.
Ventajas de aleatorizar los factores no controlados:

-Transforma la variabilidad sistemática no planificada en variabilidad no

planificada. Dicho de otra forma, aleatorizar previene contra la
introducción de sesgos en el experimento.

-Valida muchos de los procedimientos estadísticos más comunes, una es

la numeración de los tratamientos, que luego a manera de sorteo se
extraen de una urna de fichas rotuladas con dicha numeración, el orden
en que aparecen los números corresponde al orden de asignación de los
tratamientos.

-También existen tablas que contienen números aleatorios y programas de

computadora que los generan. Si el comportamiento de los puntos es
aleatorio dentro de una banda horizontal, se puede decir que el supuesto
se está cumpliendo.
 Independencia

La suposición de independencia se puede verificar si se

grafica el orden en que se colectó un dato contra el caso
correspondiente, de esta manera, si al graficar en el eje
horizontal el tiempo y en el vertical los residuos, se detecta
una tendencia o patrón no aleatorio claramente definido,
esto es evidencia de que existe una correlación entre los
errores y por lo tanto, el supuesto de independencia no se
cumple.
Si el comportamiento de los puntos es aleatorio dentro de una
banda horizontal, se puede decir que el supuesto se está
cumpliendo.
 Independencia de las Observaciones
Con el fin de obtener inferencias validas, resulta importante
determinar si los errores se encuentran correlacionados.

El supuesto más importante es la independencia de las

observaciones, pues si no hubo asignación aleatoria de
tratamientos a unidades experimentales, entonces los resultados
pueden incluir un efecto persistente de factores no considerados en
el análisis. Esto invalida el experimento.
 Análisis Multivariante
Los métodos de dependencia suponen que las variables analizadas
están divididas en dos grupos: las variables dependientes y las
variables independientes.

El objetivo de los métodos de dependencia consiste en determinar si

el conjunto de variables independientes afecta al conjunto de
variables dependientes y de qué forma.
Métodos de Dependencia
 Análisis de la Varianza ANOVA
Los modelos de ANOVA (Analysis Of Variance) son técnicas de Análisis
Multivariante de dependencia, que se utilizan para analizar datos
procedentes de diseños con una o más variables independientes
cualitativas (medidas en escalas nominales u ordinales) y una variable
dependiente cuantitativa (medida con una escala de intervalo o de razón).

EN EXPERIMENTALES
La variable dependiente se conoce como respuesta.

Las variables independientes se denominan factores ( y sus diferentes

estados posibles o valores son niveles o tratamientos)
El Anova requiere el cumplimiento los siguientes supuestos:

• Las poblaciones (distribuciones de probabilidad de la variable

dependiente correspondiente a cada factor) son normales.

• Las K muestras sobre las que se aplican los tratamientos son

independientes.

• Las poblaciones tienen todas igual varianza (homoscedasticidad).

Esta observación es el punto de partida del ANOVA, que permite
comparar las medias de varias poblaciones a partir del estudio de
sus varianzas.
En concreto, se analiza la relación entre las llamadas medias
cuadráticas inter-grupos y medias cuadráticas intra-grupos, que
deben ser iguales si las medias de las poblaciones lo son.
Para poder aplicar esta técnica, es necesario que se verifiquen las
siguientes condiciones previas:

Independencia: Los individuos estudiados han de ser

independientes unos de otros.
Los errores (εij) son independientes (no presentan correlación).
 Suposición de Independencia
Para verificar este supuesto graficar los residuos contra el orden del tiempo en el que se
recopilaron los datos es útil para detectar alguna correlación entre ellos. Una tendencia a
tener secuencias con residuos positivos y negativos indica la falta de independencia. (Ver
gráfico 1)

Dentro de los test que pueden usarse para determinar si una secuencia ordenada de
observaciones es aleatoria (independiente) se dispone de los contrastes de rachas y
autocorrelación.
Análisis de la duración media de varios tipos de lámparas. La variable dependiente
indicaría la duración de una lámpara y el factor podría ser la potencia de la lámpara.
Las poblaciones estarían formadas por lámparas con la misma potencia y habría
tantas poblaciones como potencias distintas (éstas serían los niveles del factor
considerado). Se trataría de contrastar la igualdad de las duraciones medias de las
lámparas de cada población, para determinar si la potencia influye o no en dicha
duración media.
Estudio del efecto de varios tipos de fertilizantes sobre un cultivo. La variable dependiente
podría ser la producción o el rendimiento de cada parcela; los factores serían, por ejemplo, el
tipo de suelo de la parcela y el tipo de fertilizante utilizado.
Cada población estaría formada por las parcelas que tienen un tipo concreto de suelo y en
las que se utiliza un fertilizante determinado. El ANOVA se aplicaría para analizar la posible
existencia de diferencias en las producciones medias de las parcelas según el tipo de suelo y el
tipo de fertilizante utilizado.