Análisis de Varianza: Experimentos con solo un factor

Diseño Factorial con dos factores: Anova de dos vı́as

Bibliografı́a
ANEXO

Análisis de Varianza de Multiples Vı́as

Licenciado Fernando Cedeño.

Licenciado Fernando Cedeño.

Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

1 Análisis de Varianza: Experimentos con solo un factor

Estimación de los parámetros del Modelo
Análisis de Varianza para el modelo de efecto fijos

2 Diseño Factorial con dos factores: Anova de dos vı́as

Estimación de los parámetros del Modelo
Análisis de varianza para el modelo de efectos fijos

3 Bibliografı́a

4 ANEXO

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Ejemplo: Sea Y la variable que representa la resistencia de la tela

y se quiere estudiar como influye en Y , 5 distintos porcentajes de
algodón.
Variable respuesta: la resistencia de la tela.
Factor:Porcentaje de algodón con 5 niveles(15, 20, 25,30,35).

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

15 % 20 % 25 % 30 % 35 %
7.00 12.00 14.00 19.00 7.00
7.00 17.00 18.00 25.00 10.00
15.00 12.00 18.00 22.00 11.00
11.00 18.00 19.00 19.00 15.00
9.00 18.00 19.00 23.00 11.00

En este caso se tomaron 5 muestras de Y por cada % de algodon.

¿Que queremos hacer?
Comparar los niveles de un factor sobre la variable Y respuesta.

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Diagrama de cajas

25
20
Observaciones

15

●
10

15 20 25 30 35

Porcentaje de algodón

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Los datos en general aparecerán ası́:

Tratamiento Observaciones Totales Promedio

1 Y11 Y12 . . . Y1n Y1. Ȳ1.
2 Y21 Y22 . . . Y2n Y2. Ȳ2.
3 Y31 Y32 . . . Y3n Y3. Ȳ3.
.. .. .. . . .. .. ..
. . . . . . .
a Ya1 Ya2 . . . Yan Ya. Ȳa.
Y.. Ȳ..

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

El modelo lineal asociado al diseño de un factor es:

Yij = µ + τi + εij (1)

Para i = 1, ..., a y j = 1, ..., n

Donde:
µ = es la media global de todos los datos sin importar el nivel del
factor.
τi = efecto del i-ésimo nivel ó tratamiento del factor.
εij = es una v.a con εij ∼ N 0, σ 2 iid.

Tenemos:
E (Yij ) = µ + τi
Var (Yij ) = σ 2
Yij ∼ N µ + τi , σ 2

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Para el modelo (1) Usamos el método de mı́nimos cuadrado para µ

y τi .
a X
X n a X
X n
⇒ Q= ε2ij = (Yij − µ − τi )2
i=1 j=1 i=1 j=1

a X
n
∂Q X
⇒ = −2 (Yij − µ̂ − τ̂i ) = 0
∂µ
i=1 j=1
n
∂Q X
= −2 (Yij − µ̂ − τ̂i ) = 0 i = 1, . . . , a
∂τi
j=1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Entonces:

N µ̂ + nτ̂1 + nτ̂2 , . . . , +nτ̂a = Y..

nµ̂ + nτ̂1 = Y1.
nµ̂ + nτ̂2 = Y2.
..
.
nµ̂ + +nτ̂a = Ya.

Donde N = a ∗ n

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Para este modelo los efectos de tratamientos τi se definen como
las observaciones con respecto a la media general.
⇒ µi = µ + τi
Xa a
X
⇒ µi = aµ + τi
i=1 i=1
Pa Pa
i=1 µi i=1 τi
⇒ =µ+
a a
a
X
⇒ τi = 0
i=1
Entonces colocamos una restricción
X a
τ̂i = 0
i=1
Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

⇒ Tenemos a+1 ecuaciones l.i para a+1 parámetros: µ, τ1 , . . . , τa .

a
X Y..
nµ̂ + n τ̂i = Y.. ⇒ µ̂ = = Ȳ..
N
i=1

⇒ nµ̂ + nτ̂i = Yi.

nȲ.. + nτ̂i = Yi.
Yi.
⇒ Ȳ.. + τ̂i =
n
⇒ τ̂i = Ȳi. − Ȳ.. i = 1, . . . , a

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Pero esta solución no es única y depende de la restricción que se

coloque; sin embargo no es importante que las estimaciones para τi
sean determinadas de manera única porque lo que interesa es la
diferencia entre las medias de los tratamientos:

µi = µ + τi
⇒ µ̂i = µ̂ + τ̂i = Ȳ.. + Ȳi. − Ȳ.. = Ȳi.

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Ejemplo

Yi. Ȳi.
15 % 7.00 7.00 15.00 11.00 9.00 49.00 9.80
20 % 12.00 17.00 12.00 18.00 18.00 77.00 15.40
25 % 14.00 18.00 18.00 19.00 19.00 88.00 17.60
30 % 19.00 25.00 22.00 19.00 23.00 108.00 21.60
35 % 7.00 10.00 11.00 15.00 11.00 54.00 10.80
376 15.04

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Yij = µ + τi + εij
µ̂i = Ȳi.
µ̂ = Ȳ.. = 15,04
µ̂1 = 9,80
µ̂2 = 15,40
µ̂3 = 17,60
µ̂4 = 21,60
µ̂5 = 10,80

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

τ̂i = Ȳi. − Ȳ..

τ̂1 = Ȳ1. − Ȳ.. = 9,80 − 15,04 = −5,24
τ̂2 = Ȳ2. − Ȳ.. = 15,40 − 15,04 = 0,36
τ̂3 = Ȳ3. − Ȳ.. = 17,60 − 15,04 = 2,56
τ̂4 = Ȳ4. − Ȳ.. = 21,60 − 15,04 = 6,56
τ̂5 = Ȳ5. − Ȳ.. = 10,8 − 15,04 = −4,24

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Finalmente, el modelo ajustado quedarı́a:

Ŷij = µ̂ + τ̂i
Calculo de los residuales: Los residuales

eij = Yij − Ŷij = Yij − µ̂. − τ̂i

⇒ eij = Yij − Ȳ.. − (Ȳi. − Ȳ.. )
⇒ eij = Yij − Ȳi.

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Los residuales deben cumplir con los supuestos del modelo:

Son v.a porque son funciones, además son normales por ser función
de variable aleatoria normal

E (eij ) = 0
n+1 2
Var (eij ) = σ
n
Cov (eij , ekj ) = 0

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Chequeando normalidad de los residuos

Histograma de los residuos estandarizados

Diagrama de cajas de los residuos
Gráfica de probabilidad normal de los residuos

●
8

2.0

2.0
●

1.5

1.5
●
6

1.0

1.0
●●

Sample Quantiles
●●●

0.5

0.5
●
Frequency

●●●
●●

0.0

0.0
●●
−0.5

−0.5
2

−1.0

−1.0
●●
●●

●●
●
−1.5

−1.5
●
0

−1 0 1 2 −2 −1 0 1 2

rstandard(mode1) Theoretical Quantiles

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Diagrama de los residuos Residuos versus valores ajustados

2.0

2.0
● ●

● ●
1.5

1.5
● ●
1.0

1.0
●● ●
rstandard(mode1)

rstandard(mode1)
● ●
●● ● ● ●
0.5

0.5
● ●

●● ● ● ●
● ● ●
0.0

0.0
● ● ● ●
−0.5

−0.5
−1.0

−1.0
● ● ●
●● ●

● ● ●
−1.5

−1.5
● ●
● ●

5 10 15 20 25 10 12 14 16 18 20 22

Index mode1$fitted

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

La idea es probar si algún nivel del factor o algún tratamiento
afecta la variabilidad de la respuesta:

⇒ H0 : µ1 = µ2 =, . . . , = µa
⇒ H1 : µi 6= µj

para al menos un par (i,j). Una forma equivalente de expresar esta

hipótesis es:

H0 : τ1 = τ2 =, . . . , = τa = 0
H1 : τi 6= 0

para al menos algún i = 1, . . . , a.

Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

El anova resulta de descomponer la variabilidad total:
a X
X n
SCT = (Yij − Ȳ.. )2
i=1 j=1
pero
a
X a X
X n
2
SCT = n (Yi. − Ȳ.. ) + (Yij − Ȳi. )2
i=1 i=1 j=1

Donde:

SCT = SCtrat + SCE

SCT tiene N-1 gl, SCtrat tiene a-1 gl y SCE tiene N-a gl.
Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Ahora:
SCE
CME = ∼ χ2N−a
N −a
y
SCtrat
CMtra = ∼ χ2a−1
a−1
Por otra parte:
E (CME ) = σ 2
y
a
n X 2
E (CMtrat) = σ 2 + τi
a−1
i=1
Entonces
CMtrat
∼ Fa−1,N−a
CME
Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Luego la tabla ANOVA:

Fuente de Variacion SC gl CM F0
Entre Trat SCtrat a − 1 CMtrat
CMtrat
Error(Dentro de Trat) SCE N − a CME CME
Total SCT N −1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Volviendo al ejemplo usando R

Df Sum Sq Mean Sq F value Pr(>F)

porcentaje 4 475.76 118.94 14.76 0.0000
Residuals 20 161.20 8.06

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Comparación de las medias

El método de minima diferencia significativa compara todos los
pares de medias con la hipótesis nula

H0 : µ i = µ j

vs.
H1 : µi 6= µj
Se declararı́a el par de medias µi y µj significativamente diferente si

|yi. − yj. | > LSD

Donde r
2CME
LSD = tα/2,a(n−1)
n
Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Donde es estadı́stico de la prueba es

yi. − yj.
t0 = q
2CME
n

Para el ejemplo tenemos los p-valores usando R

15 20 25 30
20 0.01
25 0.00 0.23
30 0.00 0.00 0.04
35 0.58 0.02 0.00 0.00

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as Estimación de los parámetros del Modelo
Bibliografı́a Análisis de Varianza para el modelo de efecto fijos
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Diseño Factorial con dos factores: Anova de dos vı́as

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Ejemplo 1

Factor B
Factor A B1 B2
A1 20 30
A2 40 52
Ejemplo 2

Factor B
Factor A B1 B2
A1 20 40
A2 50 12

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Para el ejemplo 1
Efecto principal del factor A:
40 + 52 20 + 30
= − = 21
2 2
Efecto principal del factor B:

30 + 52 20 + 40
B= − = 11
2 2
El efecto de
A=40-20=10 para B1
A=52-30=22 para B2

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Para el ejemplo 2
el efecto principal del factor A es:
50 + 12 20 + 40
A= − =1
2 2
el efecto principal del factor B es:
50 + 20 40 + 12
B= − =5
2 2
El efecto de
A=50-20=30 para B1 y el efecto de
A=12-40=-28 para B2

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Gráfico de las interacciones

Ejemplo 1 Ejemplo 2

50
A A
50

A2 A1
A1 A2
45

40
40
cells

cells

30
35
30

20
25
20

B1 B2 B1 B2

B B

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Este es un ejemplo de un diseño con dos factores:

Factor B
1 2 ... b
1 Y111 Y112 . . . Y11n Y121 Y122 . . . Y12n ... Y1b1 Y1b2 . . . Y1bn Y1..
. . . . . .
. . . . . .
Factor A . . . . . .
a Ya11 Ya12 . . . Ya1n Ya21 Ya22 . . . Ya2n ... Yab1 Yab2 . . . Yabn ya..
Y·1· Y·2· Y.b. y...

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

El modelo lineal asociado al diseño de dos factores es:

Yijk = µ + τi + βj + (τ β)ij + εijk

i = 1, . . . , a
j = 1, . . . , b
k = 1, . . . , n

Donde:
µ es el efecto medio general
τi efecto de i-ésimo nivel del factor A
βi efecto del j-ésimo nivel del factor B
(τ β)ij efecto de la interacción
εijk es una v.a y representan el error aleatorio.
Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Se supone que ambos factores son fijo y que los efectos de

tratamientos son desviaciones de la media general.
a
X
⇒ τ̂i = 0
i=1
Xb
β̂j = 0
j=1
a
X
y además (τˆβ)ij = 0 ∀j = 1, . . . , b
i=1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Estimación de los parámetros del Modelo

µ̂ = Ȳ...
τ̂i = Ȳi.. − Ȳ...
β̂i = Ȳ.i. − Ȳ...
(τˆβ)ij = Ȳij. − Ȳi.. − Ȳ.j. − Ȳ... efecto de la interacción

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

En un diseño anova de 2 vı́as estamos interesados en probar:

H0 : τ1 = τ2 = . . . = τa = 0
H1 : τi 6= 0 para al menosi = 1, . . . , a

y
H0 : β1 = β2 = . . . = βb = 0
H1 : βj 6= 0 para al menosj = 1, . . . , b

y
H0 : (τ β)ij = 0 ∀ij
H1 : (τ β)ij 6= 0 para al menos un i y un j
Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Para probar todas estas hipótesis calculamos una tabla anova, para
lo cual necesitamos calcular:
b X
X n
Yi.. = Yijk Suma por filas
j=1 k=1
a X
X n
Y.j. = Yijk Suma por columnas
i=1 k=1
n
X
Yij. = Yijk Suma dentro e cada cuadrı́cula o celda
k=1
a X
X b X
n
Y... = Yijk Suma de todos los datos
i=1 j=1 k=1
Yi..
Ȳi.. = i = 1, . . . , a Promedio por filas
bn
Y.j.
Ȳ.j. = i = 1, . . . , b Promedio por columnas
an
Yij.
Ȳij. = i = 1, . . . , a j = 1, . . . , b Promedio por celda
n
Y...
Ȳ... = Promedio por general
abn

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Luego la SCT viene expresada como:

a X
b X
n
X
2
SCT = Yijk − Ȳ...
i=1 j=1 k=1

a b
X
2 X
2
= bn Ȳi.. − Ȳ... + an Ȳ.j. − Ȳ...
i=1 j=1

a X
b a X
b X
n
X
2 X
2
+n Ȳij. − Ȳi.. − Ȳ.j. + Ȳ... + Ȳijk − Ȳij.
i=1 j=1 i=1 j=1 k=1
⇒ SCT = SCA + SCB + SCAB + SCE

Observando la SCE nos damos cuenta que es necesario al menos

dos réplicas (n≥2) para obtener SCE.

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Los gl asociados a cada suma de cuadrado:

Efecto gl
A a−1
B b−1
Interacción (a − 1)(b − 1)
Error ab(n − 1)
Total abn − 1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Los gl de la interacción los obtenemos ası́: Los gl de cada celda -

Los gl de los dos efectos principales

(ab − 1) − (a − 1) − (b − 1) = ab − 1 − a + 1 − b + 1
= ab − a − b + 1
= a(b − 1) − (b − 1)
= (a − 1)(b − 1)

Los gl del error, dentro de cada celda hay n-1 gl ⇒ ab(n-1) para
todas las celdas

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

E (CME ) = σ 2
bn ai=1 τi2
  P
SCA 2
E (CMA ) = E =σ +
a−1 a−1
Pb
an j=1 βj2
 
SCB
E (CMB ) = E = σ2 +
b−1 b−1
Pa Pb 2
n j=1 (τ β)ij
 
SCAB 2 i=1
E (CMAB ) = E =σ +
(a − 1)(b − 1) (a − 1)(b − 1)

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Luego la tabla de análisis de varianza para el modelo Anova de

2-vı́as queda ası́:
SC
A CMA
TratA SCA a−1 CMA = a−1 F0 = CME
SCB CMB
TratB SCB b−1 CMB = b−1 F0 = CME
SCAB CM AB
Interacción SCAB (a − 1)(b − 1) CMAB = (a−1)(b−1) F0 = CME
Error SCE ab(n − 1) SCE
CME = ab(n−1)
Total SCT abn − 1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Ejemplo 3
Temperatura (0 C )
Tip. de Mat. 15 70 125 Yi..
1 130 155 74 180 539 34 40 80 75 229 20 70 82 58 230 998
2 150 188 159 126 623 126 122 106 115 479 25 70 58 45 198 1300
3 138 110 168 160 576 174 120 150 139 583 96 104 82 60 342 1501
Y.j. 1738 1291 342 Y... = 3799
Nota: Los números en negritas representan la suma en la fila.
Datos de duración en horas de una baterı́a

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

1 ¿Qué efecto tiene el tipo de material y la temperatura sobre la

duración de la baterı́a?
2 ¿Existe algún material para el cual la duración de la baterı́a
sea uniformemente mas larga sin importar la temperatura?

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Ası́ el Anova para el ejemplo usando R es:

FV SC gl CM F0
TipodeMaterial 10683,72 2 5341,86 7,91
Temp 39118,72 2 19558,36 28,97
Interaccion 9613,78 4 2403,44 3,56
Error 18230,70 27 675,21
Total 77646,96 35

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Para el factor Tipo de Material:

F2,27,0,05 = 3,35 < F = 7,91 ⇒ rechaza H0

Para el factor de Temperatura:

F2,27,0,05 = 3,35 < F = 28,97 ⇒ rechaza H0

Para la interacción:

F4,27,0,05 = 2,73 < F = 3,56 ⇒ rechaza H0

⇒ Resulta significativa la interacción y los efectos principales

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Gráfico de las interacciones

160

material
140

3
1
2
120
mean of vida

100
80
60

15 70 125

temperatura

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Chequeando normalidad de los residuos

Histograma de los residuos estandarizados

Diagrama de cajas de los residuos
Gráfica de probabilidad normal de los residuos

●
7

2
●
6

●●
●

1
●●
●
●
●
●
5

●
●
●

●
●
●

Sample Quantiles
●

0
4
Frequency

●
●
●●
●●
●

●
3

●
−1

−1
●
●
●●

●
2

●
−2

−2
1

●
0

−3 −2 −1 0 1 2 −2 −1 0 1 2

rstandard(modelo1) Theoretical Quantiles

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Residuos versus valores ajustados

●
2

●
●
● ●
●
1

● ●
● ●
● ●
●
●
●
rstandard(modelo1)

● ●
●
●
0

● ●
● ● ●
●●

●
●
−1

●
● ● ●
●
●
●
−2

60 80 100 120 140 160

modelo1$fitted

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Residuos contra el tipo de material Residuos contra la temperatura

3.0

3.0
● ●
● ●
●● ● ● ●● ● ● ● ●
● ●
● ● ●●● ●● ●
2.5

2.5
temperatura
material

2.0

2.0
● ● ● ●
●● ●
● ● ● ● ● ● ● ● ● ●● ●● ●● ● ●
1.5

1.5
1.0

1.0
● ● ● ● ● ● ● ● ● ●● ● ● ● ● ●
●● ● ● ● ● ● ●

−2 −1 0 1 2 −2 −1 0 1 2

rstandard(modelo1) rstandard(modelo1)

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Bibliografı́a

Casella, G. (2002). Statistical Inference. Duxbury

Montgomery, D. (2008). Probabilidad y Estadı́stica aplicadas
a la ingenierı́a. LIMUSA WILEY

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Residuos Son v.a porque son funciones, además son normales por
ser función de variable aleatoria normal

E (eij ) = E (Yij ) − E (Ȳi. )

P 
n
E Y
j=1 ij
= µ + τi −
n
n
1 X
= µ + τi − (µ + τi )
n
j=1
= µ + τi − (µ + τi ) = 0

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Var (eij ) = Var (Yij ) + Var (Ȳi. )

n
2 1 X 2
= σ + 2 σ
n
j=1
σ2 n+1 2
= σ2 + = σ
n n

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Cov (eij , ekj ) = Cov (Yij − Ȳi. , Ykj − Ȳk )

= Cov (Yij , ykj ) − Cov (Yij , Ȳk. )
− Cov (Ȳi. , Yk,j ) + Cov (Ȳi. , Ȳk. )
n
1X
= 0− Cov (Yij , Ykj )
n
j=1
n n n
1X 1 XX
− (Yij , Ykj ) + 2 (Yij , Ykj )
n n
j=1 j=1 j=1
= 0

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Descomposición del SCT

a X
X n
SCT = (Yij − Ȳ.. )2
i=1 j=1
Xa X n
= (Yij − Ȳi. + Ȳi. − Ȳ.. )2
i=1 j=1
a X
X n
(Yij − Ȳi. )2 + 2(Yij − Ȳi. )(Ȳi. − Ȳ.. ) + (Ȳi. − Ȳ.. )2
 
=
i=1 j=1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

a X
X n a
X
SCT = (Yij − Ȳi. )2 + n (Ȳi. − Ȳ.. )2
i=1 j=1 i=1
Xa X n
+ 2 (Yij − Ȳi. )(Ȳi. − Ȳ.. )
i=1 j=1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

a X
X n a
X n
X
(Yij − Ȳi. )(Ȳi. − Ȳ.. ) = (Ȳi. − Ȳ.. ) (Yij − Ȳi. )
i=1 j=1 i=1 j=1
a
X
= (Ȳi. − Ȳ.. )(nȲi. − nȲi. )
i=1
= 0

Entonces
a
X a X
X n
SCT = n (Yi. − Ȳ.. )2 + (Yij − Ȳi. )2
i=1 i=1 j=1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Donde:
a
X
n (Yi. − Ȳ.. )2
i=1

Es la Suma Cuadrado de la diferencia entre los promedios de los

tratamientos SCtrat.
a X
X n
(Yij − Ȳi. )2
i=1 j=1

Es la Suma cuadrado de los Errores SCE.

SCT tiene N-1 gl.
SCtrat tiene a-1 gl.
SCE tiene N-a gl.
Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Esperanza de CME Pn 2
Pa Pn 2 2 j=1 (Yij −Ȳi. )
SCE = i=1 j=1 (Yij − Ȳi. ) pero Si = n−1
es la varianza muestral del i-ésimo tratamiento
i = 1, . . . , a.
a a
2 2
X X
⇒ SCE = (n − 1)Si = (n − 1) Si
i=1 i=1

y
a
(n − 1) ai=1 Si2
P
SCE (n − 1) X 2
= Si = P
N−a N − a i=1 a (n − 1)
i=1

⇒ CME = SCE es una estimación de la varianza común a cada uno de los ” a”tratamientos.
N−a

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

 
a X
n
1 X 2
E (CME ) = E (Yij − Ȳi. ) 
N − a i=1 j=1
 
a X n
1 X 2
= E (Yij − Ȳi. ) 
N −a i=1 j=1
 
a X n
1 X 2 2
= E Yij − 2Yij Ȳi. + Ȳi. 
N −a i=1 j=1
 
a X n a n a
1 X 2
X X X 2
= E Yij − 2 Ȳi. Yij + n Ȳi. 
N −a i=1 j=1 i=1 j=1 i=1
 
a n a a
1 XX 2 X 2 X 2
= E Yij − 2n Ȳi. + n Ȳi. 
N −a i=1 j=1 i=1 i=1
 
a X n a
1 X 2
X 2
=  E (Yij ) − n E (Ȳi. )
N − a i=1 j=1 i=1
 
a X n a
1 X X 2
=  Var (Yij ) + n (Var (Ȳi. ) + (E (Ȳi. )) )
N − a i=1 j=1 i=1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

 !
a X
n a
1 X 2 2
X σ2 2
=  (σ + (µ + τi ) ) − n + (µ + τi ) 
N−a i=1 j=1 i=1
n

pero
 
n n
1 X 1 X
E (Ȳi. ) = E Yij  = (µ + τi ) = µ + τi
n j=1 n j=1
 
n
1 X 1 2 σ2
Var (Ȳi. ) = Var  Yij  = nσ =
n j=1 n2 n

Entonces:

a a
1 2
X 2 2
X 2
E (CME ) = (Nσ + n (µ + τi ) ) − aσ − n (µ + τi )
N−a i=1 i=1
N−a 2 2
= σ =σ
N−a

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

SCtrat
CMtra =
a−1
 
a
1 X 2
⇒ E (CMtrat) = E n (Ȳi. − Ȳ.. )
a−1 i=1
 
a
n X 2 2
= E Ȳi. − 2Ȳi. Ȳ.. + Ȳ.. 
a−1 i=1
 
a a
n X 2
X 2
=  E (Ȳ ) − 2E (Ȳ..
i. Ȳi. ) + (aȲ ) ..
a−1 i=1 i=1
 
a
n X 2 2
=  E (Ȳ ) − aE (Ȳ )
i. ..
a−1 i=1
 
a
n X 2 2
=  Var (Ȳi. ) + (E (Ȳi. ) ) − a(Var (Ȳ.. ) + (E (Ȳ.. )) )
a−1 i=1
 !2 
a
σ2 σ2
! ! Pa
n X 2 µ+ i=1
=  + (µ + τi ) − a + 
a−1 i=1
n an a

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Análisis de Varianza: Experimentos con solo un factor

Esperanza de CMtrat
pero
Pa Pn
σ2
!
i=1 j=1 Yij 1 2
Var (Ȳ.. ) = Var = anσ =
an a2 n 2 an
a X
n a Pa
1 X n X i=1 τi
E (Ȳ.. ) = E (Yij ) = (µ + τi ) = µ +
an i=1 i=1 an i=1 a

Entonces
 
a
aσ 2 σ2
Pa 2
n X 2 (µ + i=1 (τi ) )
E (CMtrat) =  + (µ + τi ) − − 
a−1 n i=1
n a
a
n(µ2 + 2µ
Pa
τi + ( ai=1 )2 )
P
2 n X 2 2 i=1
= σ + (µ + 2µτi + τi ) −
a − 1 i=1 (a − 1)a
a a
2 na 2µn X n X 2 na 2
= σ + µ2 + τi + τi − µ
a−1 a − 1 i=1 a − 1 i=1 a−1
 2
a a
2nµ X n X
− τi −  τi 
a(a − 1) i=1 a(a − 1) i=1
a
2 n X 2
= σ + τi
a − 1 i=1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Descomposición SCT para anova de dos vı́as

a X
b X
n
X
2
SCT = Yijk − Ȳ...
i=1 j=1 k=1

a X
b X
n
X
2
= Yijk + Ȳi.. − Ȳi.. + Ȳ.j. − Ȳ.j. + Ȳij. − Ȳij. − Ȳ... + Ȳ... − Ȳ...
i=1 j=1 k=1

a X
b X
n
X  2
= (Yijk − Ȳij. ) + (Ȳi.. − Ȳ... ) + (Ȳ.j. − Ȳ... ) + (Ȳij. − Ȳi.. − Ȳ.j. + Ȳ... )
i=1 j=1 k=1

Licenciado Fernando Cedeño.

 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Veamos los 6 productos cruzados:
a X
X b X
n
 
⇒ 2 (Yijk − Ȳij. ) + (Ȳi.. − Ȳ... )
i=1 j=1 k=1
 
(Ȳ.j. − Ȳ... ) + (Ȳij. − Ȳi.. − Ȳ.j. + Ȳ... )
a X
X b X
n
= (Yijk − Ȳij. )(Ȳ.j. − Ȳ... )
i=1 j=1 k=1

a X
X b X
n
+ (Yijk − Ȳij. )(Ȳij. − Ȳi.. − Ȳ.j. + Ȳ... )
i=1 j=1 k=1

a X
X b X
n
+ (Ȳi.. − Ȳ... )(Ȳ.j. − Ȳ... )
i=1 j=1 k=1

a X
X b X
n
+ (Ȳi.. − Ȳ... )(Ȳij. − Ȳi.. − Ȳ.j. + Ȳ... )
i=1 j=1 k=1

a X
X b n
X a X
X b n
X
= (Ȳ.j. − Ȳ... ) (Yijk − Ȳij. ) + (Ȳij. − Ȳi.. − Ȳj.. + Ȳ... ) (Yijk − Ȳij. )
i=1 j=1 k=1 i=1 j=1 k=1

a
X b
X a
X b
X
+n (Ȳi.. − Ȳ... ) (Ȳ.j. − Ȳ... ) + n (Ȳi.. − Ȳ... ) (Ȳij. − Ȳi.. − Ȳ.j. + Ȳ... )
i=1 j=1 i=1 j=1
= 0
Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

Donde:
n
X
(Yijk − Ȳij. ) = nȲij. − nȲij. = 0
k=1
n
X
(Yijk − Ȳij. ) = 0
k=1
a
X
(Ȳi.. − Ȳ... ) = aȲ... − aȲ... = 0
i=1
b
X
(Ȳ.j. − Ȳ... ) = b Ȳ... − b Ȳ... = 0
j=1
a
X
(Ȳi.. − Ȳ... ) = 0
i=1
b
X
(Ȳij. − Ȳi.. − Ȳ.j. + Ȳ... ) = (b Ȳi.. − b Ȳi.. )(b Ȳ... − b Ȳ... ) = 0
j=1

Los otros dos productos cruzados dan cero de manera similar

Licenciado Fernando Cedeño.
 Análisis de Varianza: Experimentos con solo un factor
Diseño Factorial con dos factores: Anova de dos vı́as
Bibliografı́a
ANEXO

Diseño Factorial con dos factores: Anova de dos vı́as

a X
b X
n a X
b X
n
X
2 X
2
⇒ SCT = Yijk − Ȳij. + Ȳi.. − Ȳ...
i=1 j=1 k=1 i=1 j=1 k=1

a X
b X
n a X
b X
n
X
2 X
2
+ Ȳ.j. − Ȳ... + Ȳij. − Ȳi.. − Ȳ.j. + Ȳ...
i=1 j=1 k=1 i=1 j=1 k=1

a b
X
2 X
2
= bn Ȳi.. − Ȳ... + an Ȳ.j. − Ȳ...
i=1 j=1

a X
b a X
b X
n
X
2 X
2
+n Ȳij. − Ȳi.. − Ȳ.j. + Ȳ... + Ȳijk − Ȳij.
i=1 j=1 i=1 j=1 k=1
⇒ SCT = SCA + SCB + SCAB + SCE

Observando la SCE nos damos cuenta que es necesario al menos

dos réplicas (n≥2) para obtener SCE.

Licenciado Fernando Cedeño.