METODOS Y TECNICAS DE INVESTIGACIÓN PRÁCTICA

ANOVA

PRÁCTICA DE
ANALISIS DE LA
VARIANZA
(ANOVA)

JOAQUÍN MONTERO PONFERRADA

METODOS Y TECNICAS DE INVESTIGACIÓN
PRÁCTICA ANOVA

FACULTAD DE PSICOLOGÍA DE GRANADA. 2009-2010

ANALISIS DE LA VARIANZA (ANOVA)

En un experimento, realizado para comparar los resultados de aplicar

diversas técnicas en el entrenamiento de la practica del Tiro deportivo
realizado en el CEAR Juan Carlos I en las Gabias. 30 tiradores
pertenecientes a la federación granadina, se agruparon aleatoriamente en
tres grupos de 10 tiradores, la distribución de los grupos fue la siguiente. El
primer grupo compuesto por tiradores Senior, el segundo grupo compuesto
por tiradores Senior entrenados en Técnicas de relajación, y el tercer grupo
compuesto por tiradores Senior entrenados en Técnicas de alta
competición. Posteriormente se realizaron 12 series de cinco disparos cada
una, divididas en 4 series de cinco disparos cada una en un tiempo de 150
segundos, 4 series de cinco disparos cada una en un tiempo de 20 segundos
y 4 series de cinco disparos cada una en un tiempo de 10 segundos. Se
realizaron las series en los distintos grupos, obteniéndose los resultados que
se dan en la siguiente tabla:

TIRADORES RESULTADOS OBTENIDOS

SENIOR 500 510 505 490 499 495 502 506 510 503
SENIOR
T.R. 510 512 517 519 521 523 525 550 545 530
SENIOR
T.AC 520 523 530 535 540 550 553 555 560 565

¿Qué conclusiones podrían extraerse de dicha experiencia? ¿Hay

diferencias entre las distintas técnicas aplicadas?

El experimento que hemos montado sería un diseño unifactorial

(manipulamos directamente una variable independiente: tipo de Técnicas
utilizadas), entregrupos (administrado a tres grupos de pacientes a los que
sometemos a las distintas técnicas), univariado (solamente hacemos la
medición de una variable dependiente: resultados obtenidos, para establecer
la eficacia de las técnicas aplicadas). Podríamos seguir estableciendo que
además es un diseño de grupos aleatorios, de combinación completa,
manipulación activa, ortogonal, transversal, de efecto fijo y cuantitativo.

2
METODOS Y TECNICAS DE INVESTIGACIÓN
PRÁCTICA ANOVA

Lo primero que hacemos para hacer un análisis de la varianza global,

es hallar la suma de cuadrados totales (SCT), la suma de cuadrados dentro
de cada nivel (SCIG) y la suma de cuadrados entre todos los niveles (SCEG).
Para hacerlos utilizaremos una serie de fórmulas, que luego habremos de
trasladar a una tabla.

SCT= ∑i∑jXij2 – (∑i∑jXij)2/ N; Gran Media

SCEG= ∑j T2grupo/n – (∑i∑jXij)2/ N;

SCIG=SCT – SCEG;
TIRADORES PUNTUACIONES OBTENIDAS TOTAL Ẋ
T. Senior 500 510 505 490 499 495 502 506 510 503 5020 502
T.Senior T.R. 510 512 517 519 521 523 525 550 545 530 5252 525,2
T.Senior TAC 520 523 530 535 540 550 553 555 560 565 5431 543,1
TOTAL 15703

Hallamos los cuadrados de los valores de la tabla, con los datos dados.
TIRADORES RESULTADOS OBTENIDOS TOTAL
2
SENIOR 250000 260100 255025 240100 249001 245025 252004 256036 260100 253009 2520400
SENIOR
2
T.R 260100 262144 267289 269361 271441 273529 275625 302500 297025 280900 2759914
SENIOR
2
T.AC 270400 273529 280900 286225 291600 302500 305809 308025 313600 319225 2951813
TOTAL 8232127

Luego ∑i∑jXij2 = 8.232.127

Ahora debemos hallar la Gran Media, para completar la formula SCT.

La G.M. = (5020 +5252 + 5431)2 / 30 = (15.703)2 /30 =8.219.473,63

SCT= 8.232.127 - 8.219.473 = 12.654 SCT= 12.654

A continuación hallamos la SCEG;

Para ello hallamos valor de ∑j T2grupo/n=(50202/10 + 52522/10 + 54312/10);

=25.200.400/10+27.583.504/10+29.495.761/10=82.279.665/10=8.227.966,5

Así pues, SCEG= 8.227.966,5 – 8.219.473,63 = 8.492,87

SCEG= 8.493

3
METODOS Y TECNICAS DE INVESTIGACIÓN
PRÁCTICA ANOVA

Tan solo nos queda hallar SCIG = SCT – SCEG = 12.654 – 8.493 = 4.161

SCIG = 4.161

Con los datos obtenidos en las distintas sumas de cuadrados (totales,

entregrupos e intragrupos), deberemos extrapolarlos a la tabla siguiente:
F.V S.C G.L M.C F.EXP. F. TEOR.
V.TOTAL 12.654 30-1= 29 41,055 3,354
V. EG 8.493 3-1= 2 4.246,5
V. IG(ERROR) 4.161 29-2= 27 154,11

La F. Teórica, suponiendo un nivel de confianza del 0.95 (o lo que es igual

un α ó nivel de significación igual a 0.05):

Sería el resultado de mirar en la tabla de distribución la F 0.95 (2,27) = 3,354

Dado que la F. experimental es bastante mayor que la teórica, quiere decir

que estaría situado en la región crítica (puesto que ANOVA es unilateral
derecho siempre) y por tanto rechazaríamos la hipótesis nula (µ1=μ2=µ3) ó
H0, quedándonos con la hipótesis alternativa ó H1, es decir, que hay
diferencias significativas entre los tres tipos de tiradores (μ1≠μ2≠μ2)

A continuación pasaríamos al análisis específico de la varianza,

comparando por grupos, para establecer si hay diferencias significativas
entre ellos. El tipo de comparación a realizar será: comparación a priori,
(puesto que la V.I manipulada es cualititativa), cuya fórmula habremos de
aplicar:

SCcomp = [∑CjTj]2 / ni∑Cj2 ;

Comparamos grupo 1 y 2 (T. Senior y T. Senior Téc. Relajación);

SCcomp(a1-a2) = [1x 5020 + (-1) 5252]2 /10x2;

SCcomp(a1-a2) = 53.824/20 = 2.691,2

Comparamos grupo 1 y 3 (T. Senior y T. Senior Téc. Alta Competición);

SCcomp(a1-a3) = [1 x 5020 + (-1) 5431]2 / 10x2;

SCcomp(a1-a3) = 168.921/20 = 8.446,05

4
 METODOS Y TECNICAS DE INVESTIGACIÓN
PRÁCTICA ANOVA

Comparamos grupo 2 y 3 (T. Senior Téc. Relajación y T. Senior Téc. AC );

SCcomp(a2-a3) = [1x 5252 + (-1) 5431]2/10x20;

SCcomp(a2-a3) = 32.041/20= 1.602,05

Elaboramos la tabla correspondiente, de las comparaciones a priori

simples:
Comparaciones a S.C G.L. M.C. F.exp. F.teoric.
priori simples

SCcomp(a1-a2) 2.691,2 1 2.691,2 36,93 4,210

SCcomp(a1-a3) 8.446,05 1 8.446,05 54,8 4,210
SCcomp(a2-a3) 1.602,05 1 1.602,05 10,39 4,210

La F. experimental se hallará dividiendo la M.C. de cada grupo de

comparación, entre la M.C intragrupo, cuyo valor ya teníamos hallado
(154,11).

La F. teórica, sería el valor de F0.95(1,27) = 4,210

Puesto que en los tres casos la F. experimental es ≥ que la F. teórica, quiere
decir que existen diferencias significativas entre Tiradores Senior y
Tiradores Senior entrenados en Técnicas de relajación, Tiradores Senior y
Tiradores Senior entrenados en Técnicas de Alta Competición, Tiradores
Senior entrenados en técnicas de relajación, y Tiradores Senior entrenados
en Técnicas de Alta Competición.
A continuación haremos las comparaciones a posteriori, utilizando valor
crítico de Tukey ó distancia honestamente significativa.
Vl TUKEY = q(rmax, glIG) x V ni x MCIG ; miramos en la tabla VII,
comparaciones múltiples del Test de Tukey y con un rmax = 3 (grupos con
los que trabajo) y glIG =27 y un valor α = 0.5, nos aparece un valor que
está comprendido entre 3,532 y 3,486, es decir aproximadamente q = 3,5
Vl TUKEY= 3,5 x V10 x 154,11 = 137,39 esta sería la distancia mínima que
tendría que haber entre dos grupos para que haya diferencias significativas.
Para comprobarlo hacemos una matriz de doble entrada (donde los valores
con * son los que presentan diferencias significativas):

5
METODOS Y TECNICAS DE INVESTIGACIÓN
PRÁCTICA ANOVA

5020 5252 5431

5020 0 232* 411*
5252 232* 0 179*
5431 411* 179* 0

Los resultados entre las comparaciones a priori y las comparaciones a

posteriori, llegan a las mismas conclusiones (diferencias significativas entre
todos los tiradores).

A continuación y para ver el efecto de la variable independiente (técnicas

en el entrenamiento de los Tiradores: No Técnica, Técnica de Relajación y
Técnica de Alta competición) sobre la variable dependiente (resultados
obtenidos) utilizaremos el indicador: Ƞ2=SCEG/SCT;

Ƞ2= 8.493 / 12.654 = 0,67

De manera que de la variabilidad total de V.D el 67% se debe a lo que

estoy manipulando (tipo de entrenamiento). Es un valor elevado. El resto,
se deberá a variables extrañas, a problemas de medida en la variable
dependiente o a diferencias individuales.

Si el número de sujetos objeto del experimento hubiera sido < 30,

tendríamos que haber utilizado otro indicador distinto a Ƞ2, concretamente:

ᴡ2 = SCEG- (GlEG x MCIG) / SCT + MCIG; cuyo valor sería algo menor:

= 8.493 - (2 x 154, 11)/ 12.654 + 154, 11 = 0,68

A raíz del resultado del indicador del tamaño del efecto, podríamos decir
que el tamaño del efecto en nuestro experimento es bueno. Esto nos hace
desistir de buscar otros indicadores más efectivos como la f ó la fd.