ANOVA
TENEMOS EL VALOR DE SIGNIFICANCIA ALFA =
0.05 ES DECIR EL 5% DE RIESGO Y 95% DE
CONFIANZA
EN CASO DE NO RECHAZAR H0 SE CONCLUYE QUE
LOS TIEMPOS PROMEDIO DE LOS CUATRO MÉTODOS
DE ENSAMBLE SON ESTADÍSTICAMENTE IGUALES;
PERO SI SE RECHAZA, SE CONCLUYE QUE AL MENOS
DOS DE ELLOS SON DIFERENTES.
POR LO QUE SE RECHAZA H0 EN ESTE NIVEL DE
SIGNIFICANCIA EN PARTICULAR
SE MUESTRA EL ANÁLISIS DE VARIANZA
CORRESPONDIENTE, EN DONDE SE APRECIA QUE EL
VALOR DEL VALOR-P = 0.002 ES MENOR QUE A = 0.05,
POR LO QUE SE RECHAZA H0 EN ESTE NIVEL DE
SIGNIFICANCIA EN PARTICULAR. NO OBSTANTE,
TAMBIÉN SE RECHAZARÍA PARA CUALQUIER OTRO
NIVEL DE SIGNIFICANCIA PREFIJADO, A, QUE
CUMPLA CON A > 0.0018, YA QUE EN ESOS CASOS EL
ESTADÍSTICO DE PRUEBA F0 = 9.42 CAERÍA EN LA
REGIÓN DE RECHAZO.
La información del factor nos indica la cantidad de grupos que
tenemos, en este caso, manejamos 4 métodos de ensamble (4
grupos), llámense niveles (1,2,3 y 4)
Resultados clave: S, R-cuad., R-cuad.
(pred)
En estos resultados, el factor explica un 70.20
% de la variación en la respuesta. S indica
que la desviación estándar entre los puntos de
datos y los valores ajustados es de
aproximadamente 6.27 unidades.
El valor de la significancia observada o valor-p es el
área bajo la curva de la distribución F3, 12 a la
derecha de F0 = 9.42. Sin embargo, cuando esto no
sea posible, recordemos que otra forma de rechazar o
no una hipótesis es comparar el estadístico de prueba
contra un número crítico de tablas. En el caso de las
tablas de la distribución F en el apéndice, se lee que el
valor crítico para a = 0.05 es F0.05, 3, 12 = 3.49. Como
F0 = 9.42 > F0.05, 3, 12 = 3.49, entonces se rechaza
H0, con lo cual se concluye que sí hay diferencia o
efecto de los métodos de ensamble en cuanto a su
tiempo promedio.
RESULTADOS CLAVE: MEDIA, AGRUPACIÓN
EN ESTOS RESULTADOS, LA TABLA MUESTRA
QUE EL GRUPO A CONTIENE LAS MEZCLAS 3 Y 4
Y EL GRUPO B CONTIENE ENSAMBLES 1,2 Y
4.EL ENSAMBLE 4 ESTÁN EN AMBOS GRUPOS.
LAS DIFERENCIAS ENTRE LAS MEDIAS QUE
COMPARTEN UNA LETRA NO SON
ESTADÍSTICAMENTE SIGNIFICATIVAS. LOS
ENSAMBLES 1,2, Y 3 NO COMPARTEN UNA
LETRA, LO QUE INDICA QUE EL ENSAMBLE 3
POSEE UNA MEDIA SIGNIFICATIVAMENTE
MAYOR AL 1 Y 2.
ESTO ES CONGRUENTE CON EL HECHO DE
QUE LA PRUEBA DE TUKEY ES MENOS
POTENTE QUE LA PRUEBA LSD, POR LO QUE
LAS PEQUEÑAS DIFERENCIAS NO SON
DETECTADAS COMO SIGNIFICATIVAS.
ASIMISMO, EL RIESGO DE DETECTAR UNA
DIFERENCIA QUE NO EXISTE ES MENOR CON
Resultados EL MÉTODO DE TUKEY. EN LA PRÁCTICA,
el método 2-1, 4-1,4-2,4-3, no son estadísticamente DESPUÉS DE QUE SE HA RECHAZADO H0 CON
diferentes son iguales EL ANOVA, CONVIENE APLICAR AMBOS
el método 3-1, 3-2, sus medias son significa mente MÉTODOS
diferentes
EN EL MÉTODO A MUESTRA EL ENSAMBLE 3 Y EL
B EL ENSAMBLE 1 YA QUE EL 4 ES DIFERENTE
DE A Y EL DOS DIFERENTE DE C
EL NIVEL DE CONFIANZA INDIVIDUAL DE 95%
INDICA QUE USTED PUEDE ESTAR 95% SEGURO
DE QUE CADA INTERVALO DE CONFIANZA
CONTIENE LA DIFERENCIA REAL DE ESA
COMPARACIÓN ESPECÍFICA. SIN EMBARGO, EL
NIVEL DE CONFIANZA SIMULTÁNEO INDICA QUE
USTED SOLAMENTE PUEDE ESTAR 81,57%
SEGURO DE QUE TODOS LOS INTERVALOS
CONTIENEN LAS DIFERENCIAS REALES.
EN LAS COMPARACIONES DONDE LA
DIFERENCIA OBSERVADA ES MAYOR QUE EL
RANGO RESPECTIVO, SE CONCLUYE QUE ESAS
MEDIAS SON SIGNIFICATIVAMENTE
DIFERENTES. SI DOS MEDIAS CAEN ENTRE
OTRAS DOS QUE NO SON MUY DIFERENTES,
ENTONCES ESAS DOS MEDIAS POBLACIONALES
TAMBIÉN SE CONSIDERAN ESTADÍSTICAMENTE
IGUALES.
MUESTRA EN A SOLO LOS MÉTODOS MAS
EFICIENTES Y EN LA GRAFICA TOMA AL
MÉTODO PRIMERO COMO EL MEJOR Y LOS
COMPARA CON LOS DEMÁS PARA
MOSTRAR SUS INTERVALOS DIFERENTES
DE LAS MEDIAS DE CONTROL
ASÍ, PODEMOS VER QUE EL MÉTODO LSD
DETECTA CON UNA CONFIANZA DE 95% QUE A =
C, A = D Y B = C. DE ESTA FORMA, LA
CONCLUSIÓN PRÁCTICA DEL EXPERIMENTO ES
QUE EL MEJOR MÉTODO DE ENSAMBLE
PARECE SER EL A, YA QUE ESTADÍSTICAMENTE
SUS TIEMPOS SON MENORES QUE LOS DE LOS
MÉTODOS C Y D. LE SIGUE EL MÉTODO B, YA
QUE ÉSTE ES MEJOR QUE EL C. PERO NO ES
POSIBLE CONCLUIR QUE EL MÉTODO A SEA
MEJOR QUE EL MÉTODO B, YA QUE SUS
INTERVALOS SE TRASLAPAN. SI SE QUISIERA
DECIDIR EN FORMA ESTADÍSTICA SOBRE LA
DIFERENCIA ENTRE LOS MÉTODOS A Y B, UNA
FORMA DE HACERLO ES TOMAR MÁS DATOS
PARA INCREMENTAR LA POTENCIA DE LA
PRUEBA, O BIEN, RECURRIR A OTROS
CRITERIOS PARA TOMAR LA DECISIÓN.
LA GRAFICA DE LOS VALORES
INDIVIDUALES SIRVE PARA
EVALUAR Y COMPARAR LAS
DISTRIBUCIONES DE LA MUESTRA.
LOS PUNTOS GRISES MUESTRA
UN APROXIMADO DONDE LLEGA
LA MEDIA DE LOS INTERVALOS , EL
PUNTO AZUL ES LA MEDIA DE LA
CAJA
SE OBSERVA QUE EL MÉTODO C PARECE DIFERENTE
A LOS MÉTODOS A Y B EN CUANTO A SUS MEDIAS;
LA MEDIA DEL MÉTODO D TAMBIÉN SE VE
DIFERENTE A LA MEDIA DEL MÉTODO A. POR OTRA
PARTE, SE OBSERVA UN POCO MÁS DE
VARIABILIDAD EN EL MÉTODO C QUE EN TODOS
LOS DEMÁS. LO QUE SIGUE ES VERIFICAR QUE LO
QUE SE OBSERVA EN EL DIAGRAMA DE CAJA
IMPLICA DIFERENCIAS SIGNIFICATIVAS ENTRE LOS
DISTINTOS TRATAMIENTOS; POR LO TANTO, ES
NECESARIO HACER PRUEBAS ESTADÍSTICAS
PORQUE LOS DATOS QUE SE ANALIZAN EN LOS
DIAGRAMAS DE CAJAS SON MUESTRAS.
EN LA GRAFICA DE CAJA PODEMOS VER QUE MÉTODOS
ESTÁN UNIDOS POR LÍNEAS HACIA LA MEDIA , LA LÍNEA QUE
TIENEN ES LA MEDIANA DE MÉTODOS DE ENSAMBLE Y LOS
BIGOTES SON LOS VALORES MÁXIMOS Y MÍNIMOS DE LOS
DATOS QUE NOS PRESENTARON. LA MEDIA DIVIDE LOS
VALORES EN DOS PARTES IGUALES ES POR QUE LOS DATOS
ESTÁN MAS SEPARADOS
EL HISTOGRAMA DE RESIDUOS MUESTRA
LA DISTRIBUCIÓN DE LOS RESIDUOS PARA
TODAS LAS OBSERVACIONES. UTILICE EL
HISTOGRAMA DE LOS RESIDUOS PARA
DETERMINAR SI LOS DATOS SON
ASIMÉTRICOS O INCLUYEN VALORES
ATÍPICOS.
LA GRÁFICA DE PROBABILIDAD NORMAL DE
LOS RESIDUOS MUESTRA LOS RESIDUOS VS.
SUS VALORES ESPERADOS CUANDO LA
DISTRIBUCIÓN ES NORMAL. UTILICE LA
GRÁFICA DE PROBABILIDAD NORMAL DE LOS
RESIDUOS PARA VERIFICAR EL SUPUESTO DE
QUE LOS RESIDUOS ESTÁN DISTRIBUIDOS
NORMALMENTE. LA GRÁFICA DE
PROBABILIDAD NORMAL DE LOS RESIDUOS
DEBE SEGUIR APROXIMADAMENTE UNA LÍNEA
La gráfica de residuos vs. ajustes RECTA. ES BUSCAR EL AJUSTE DE LA
muestra los residuos en el eje Y y los PROBABILIADAD
valores ajustados en el eje X
Utilice la gráfica de residuos vs.
La gráfica de residuos vs. orden muestra los residuos en el orden en que se
ajustes para verificar el supuesto de
recopilaron los datos. Utilice la gráfica de residuos vs. orden para verificar
que los residuos están distribuidos
el supuesto de que los residuos son independientes entre sí. Los residuos
aleatoriamente y tienen una varianza
independientes no muestran tendencias ni patrones cuando se muestran en
constante. Lo ideal es que los puntos
orden cronológico. Los patrones en los puntos podrían indicar que los
se ubiquen aleatoriamente a ambos
residuos que están cercanos entre sí podrían estar correlacionados y, por lo
lados del 0, con patrones no
tanto, podrían no ser independientes. Lo ideal es que los residuos que se
detectables en los puntos.
muestran en la gráfica se ubiquen aleatoriamente alrededor de la línea
central
CONCLUSION
Otra interpretación de la gráfica de factor contra residuos es que cuando los tratamientos o niveles
muestran una dispersión diferente de sus residuales correspondientes (como en la figura 3.6d), es que
el factor o los tratamientos tienen un efecto significativo sobre la variabilidad de la respuesta. Con base
en esta información se podría proponer un nivel de operación para dicho factor que minimice la
dispersión y optimice la media. Así, cuando hay una evidencia contundente en las gráficas anteriores,
donde no se cumple el supuesto de varianza constante, entonces se debe ver en qué sentido resultan
afectadas las conclusiones que se obtienen con el ANOVA y las pruebas de rangos múltiples
En la práctica puede suceder que los tratamientos que se desea comparar sean demasiados como para
experimentar con todos. Cuando esto sucede es conveniente comparar sólo una muestra de la población
de tratamientos
Por último, es importante resaltar que el ANOVA supone que la variable de respuesta se distribuye
normal, con varianza constante (los tratamientos tienen varianza similar) y que las mediciones son
independientes entre sí. Estos supuestos deben verificarse para estar más seguros de las conclusiones
obtenidas.
