Análisis de la

Varianza de 2 vías
Para qué se utiliza?

 Para evaluar el efecto de 2 factores si

existe diferencias cuando comparo 3 o
más grupos

 Es más eficiente que hacer 2 ANDEVAs

de una vía para cada factor
Elementos
 2 Variables de tratamiento
 Niveles. Ej. Suplemento alimenticio A, B
y control y sexo (machos y hembras)

 Variable de respuesta.
 Lo que mide el efecto del tratamiento.
Ej. Aumento de peso
Elementos
Factor A (suplemento)

Nivel 1 Nivel 2 Nivel 3

Factor B (Sexo)
Nivel 1 Xa1b1 Xa2b1 Xa3b1

Nivel 2 Xa1b2 Xa2b2 Xa3b2

Elementos
Factor A (suplemento)

Nivel 1 Nivel 2 Nivel 3

Factor B
(Sexo)
X=37.6 X=42.1 X=37.9 XB=39.2
Nivel 1
Nivel 2 X=32.2 X=35.6 X=38.6 XB=35.5

XA=34.9 XA=38.8 XA=38.2

 Análisis de varianza de dos vías

 Los niveles de cada factor definirán

diferentes grupos que se denominan Celdas

 Los promedios de cada factor se denominan

marginales

 Los individuos son asignados Aleatoriamente

 Principio de la técnica
 Las fuentes de variación consisten en
dos efectos con diferentes factores,
cada uno resultante en:
 una variación explicada por los niveles para cada
factor
 Ej. macho y hembra si el factor es sexo; 3
dosis si el factor es suplemento

 una variación no explicada o residual que

resulta de la variación biológica y el error técnico
Supuestos que se deben cumplir

 Grupos confeccionados aleatoriamente

 Independencia de las mediciones

 Distribución normal de la variable respuesta

 Homoscedasticidad de las variazas

Supuestos que se deben cumplir
Si no se cumplen supuestos para ANOVA

 Alternativa no paramétrica

 Test Kruskall Wallis una vía

 Procedimiento
 Descripción de los datos
 Supuestos
 Hipótesis
 Calculo estadístico de prueba (Tabla ANDEVA)
 Decisión estadística
 Conclusión
 Determinación del valor p
 Eventualmente comparaciones múltiples
 Análisis de varianza de dos vías
 Si H0 es verdadera, los niveles para cada
factor no afectan la variación

 Si la variación entre los grupos es

significativamente mayor a la esperada,

 Se rechaza H0 a favor de H1,

 Se concluye que al menos una de las medias

de las celdas para cada factor es diferente
 Análisis de varianza de dos vías

Si se examinan 2 factores

Interacción

Cuando una cambio en el nivel de un factor produce

un cambio en un nivel del otro factor diferente del
que se produce en otros niveles de este factor
Análisis de varianza de dos vías

Es importante determinar si los factores

interactúan porque la interacción afecta la
interpretación de los resultados
 Análisis de varianza de dos vías
Nada es significante ni el efecto de los Factores ni la interacción
 Análisis de varianza de dos vías
El Factor es significante pero no la interacción
 Análisis de varianza de dos vías
El Factor NO es significante pero SI hay interacción
 Análisis de varianza de dos vías
H0 = no interacción H1 = hay interacción
H0 = para factor A
Ho: =µA1 = µA2 = µAa
H1 = al menos una media poblacional del Factor A no es igual a otra media
poblacional el Factor A
H1: µA1 µA2 µAa

H0 = para factor B
Ho: =µB1 = µB2 = µBb

H1 = al menos una media poblacional del Factor B no es igual a otra media

poblacional el Factor B

H1: µB1 µB2 µBb

 Análisis de varianza de dos vías
TABLA DE ANÁLISIS DE VARIANZA:
Fuente de Suma de Grados de Media de Fobservada
variación Cuadrados Libertad Cuadrados
Factor A SCa a-1 Sca / a -1 MCa / MCdg

Factor B SCb b-1 Scb / b -1 MCb / MCdg

Interacción SCab (a - 1)*(b - 1) Scab / (a - 1)*(b -1) MCab / MCdg

A*B
Dentro de SCdg Nt – a*b Scdg / Nt – a*b
Grupos
Total SCT Nt - 1

N = Número total de datos

PAUSA!!
Ejercicio 1
Análisis de varianza de dos vías

 Un profesor quiere saber si una droga llamada Retalin,

Terapia infantil o ambos pueden cambiar a un grupo de
chicos hiperactivos con conductas de salir de la silla de
su clase.
 Con el consentimiento de sus padres y médicos asigna
a estos chicos aleatoriamente a 6 grupos
 variable dependiente: conducta de salir de la silla
(cantidad de veces por semana).
 3 dosis tratamientos Retalin : alta, media y baja
 2 tratamientos: "B" indica terapia de conducta ; "C"
indica que el chico fue expuesto a una terapia cognitiva.
Análisis de varianza de dos vías
> summary(aov.ex2)
Df Sum Sq Mean Sq F value Pr(>F)
terapia 1 5.633 5.633 1.6250 0.214600
dosis 2 31.267 15.633 4.5096 0.021744 *
terapia:dosis 2 63.267 31.633 9.1250 0.001129 **
Residuals 24 83.200 3.467
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Análisis de varianza de dos vías
Tables of means
Grand mean = 54.76667

Terapia
B C
54.3 55.2

dosis
high low medium
56.0 53.5 54.8

terapia:dosis
dosis
terapia high low medium
B 54.0 55.0 54.0
C 58.0 52.0 55.6
Análisis de varianza de dos vías
Análisis de varianza de dos vías
Análisis de varianza de dos vías
 Primera conclusión
 Tenemos evidencia para rechazar la H0 que
no existe interacción.
 Tenemos evidencia para rechazar la H0 que
al menos una dosis produce un efecto
diferente
 Análisis de varianza de dos vías
Tukey multiple comparisons of means
95% family-wise confidence level
factor levels have been ordered

Fit: aov(formula = mov ~ factor(terapia) + factor(dosis) +

factor(terapia):factor(dosis))

$`factor(terapia)`
diff lwr upr p adj
C-B 0.8666667 -0.5365144 2.269848 0.2145999

CONCLUSION: NO hay evidencia para rechazar la H0 que hay diferencias entre las terapias.
Análisis de varianza de dos vías
Análisis de varianza de dos vías
Tukey multiple comparisons of means
95% family-wise confidence level
factor levels have been ordered

Fit: aov(formula = mov ~ factor(terapia) + factor(dosis) +

factor(terapia):factor(dosis))

$`factor(dosis)`
diff lwr upr p adj
medium-low 1.3 -0.7794071 3.379407 0.2814148
high-low 2.5 0.4205929 4.579407 0.0163797
high-medium 1.2 -0.8794071 3.279407 0.3364636

Conclusión: Tenemos evidencia para rechazar la H0 y aceptamos que

hay diferencia entre dosis High y Low.
Análisis de varianza de dos vías
 Análisis de varianza de dos vías
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = mov ~ factor(terapia) + factor(dosis) + factor(terapia):factor(dosis))
$`factor(terapia):factor(dosis)`
diff lwr upr p adj
C:high-B:high 4.0 0.35904057 7.6409594 0.0254735
B:low-B:high 1.0 -2.64095943 4.6409594 0.9547948
C:low-B:high -2.0 -5.64095943 1.6409594 0.5457752
B:medium-B:high 0.0 -3.64095943 3.6409594 1.0000000
C:medium-B:high 1.6 -2.04095943 5.2409594 0.7500728
B:low-C:high -3.0 -6.64095943 0.6409594 0.1499263
C:low-C:high -6.0 -9.64095943 -2.3590406 0.0004210
B:medium-C:high -4.0 -7.64095943 -0.3590406 0.0254735
C:medium-C:high -2.4 -6.04095943 1.2409594 0.3514097
C:low-B:low -3.0 -6.64095943 0.6409594 0.1499263
B:medium-B:low -1.0 -4.64095943 2.6409594 0.9547948
C:medium-B:low 0.6 -3.04095943 4.2409594 0.9953010
B:medium-C:low 2.0 -1.64095943 5.6409594 0.5457752
C:medium-C:low 3.6 -0.04095943 7.2409594 0.0538738
C:medium-B:medium1.6 -2.04095943 5.2409594 0.7500728
Análisis de varianza de dos vías
Análisis de varianza de dos vías
Conclusión:
 Tenemos evidencia para rechazar la H0 y aceptamos que hay diferencia
cuando aplicamos diferentes terapias utilizando una dosis High.

 Tenemos evidencia para rechazar la H0 y aceptamos que hay diferencia

cuando aplicamos dosis High vs. Low en Terapia C (cognitiva).

 Tenemos evidencia para rechazar la H0 y aceptamos que hay diferencia

cuando aplicamos dosis Medium en Terapia B (conducta).vs. dosis High en
Terapia C (cognitiva)

 Tenemos evidencia para rechazar la H0 y aceptamos que hay diferencia

cuando aplicamos dosis Medium vs. Low en Terapia C (cognitiva).