View
234
Download
0
Embed Size (px)
Citation preview
Análisis de Varianza IIAnálisis de Varianza II
22
ContenidoContenido
Modelos de clasificación y datos para Modelos de clasificación y datos para análisisanálisis
Modelos con varios factoresModelos con varios factores Modelos incompletosModelos incompletos Modelos no identificablesModelos no identificables Componentes de varianzaComponentes de varianza Modelos anidadosModelos anidados
33
Modelos lineales de Modelos lineales de clasificaciónclasificación
Para cada modelo de clasificación debe Para cada modelo de clasificación debe haber un cuadro de datos correspondiente, haber un cuadro de datos correspondiente, con los factores que se introducen en el con los factores que se introducen en el modelo.modelo.
Una de las características que debe Una de las características que debe tener el modelo de clasificación es que sea tener el modelo de clasificación es que sea identificable, esto es, que a cada término del identificable, esto es, que a cada término del modelo le corresponda alguna clase de datos.modelo le corresponda alguna clase de datos.
44
Modelos lineales de Modelos lineales de clasificaciónclasificación
MODELOSMODELOSModelo con dos factores de clasificación y repeticiones Modelo con dos factores de clasificación y repeticiones
El cuadro de datos debe tener al menos dos El cuadro de datos debe tener al menos dos clasificaciones. Si las repeticiones están clasificadas clasificaciones. Si las repeticiones están clasificadas tendrá 3 clasificaciones.tendrá 3 clasificaciones.
.r,....2,1k;f,...1j;t,...,1i;fYijijkjiijk
55
Modelos lineales de clasificaciónModelos lineales de clasificación
ObsObs ττii ffjj RepRep YYijij
11 AA 2020 11 1.151.15
22 AA 2020 22 1.311.31
33 AA 4040 11 1.571.57
44 AA 4040 22 1.491.49
55 BB 2020 11 1.791.79
66 BB 2020 22 1.821.82
Los datos del modelo anterior para analizar en la Los datos del modelo anterior para analizar en la computadora podrían ser como los siguientes:computadora podrían ser como los siguientes:
66
Modelos lineales de Modelos lineales de clasificaciónclasificación
•Datos del cuaderno de campoDatos del cuaderno de campo
Procesado a 30Procesado a 30˚C˚C pHpHGrasaGrasaDet 1Det 1
Grasa Grasa Det 2Det 2
GrasaGrasaDet 3Det 3 OtraOtra
11 4.34.3 16.316.3 2.1972.197 1.9761.976 1.7981.798
22 4.24.2
33 3.83.8
444.54.5
55
66
Procesado a 45˚CProcesado a 45˚C
% Prot.% Prot.
77
Modelos lineales de clasificaciónModelos lineales de clasificación
Ejemplos que deben traer los estudiantes Ejemplos que deben traer los estudiantes
88
Modelos lineales de Modelos lineales de clasificaciónclasificación
ObsObs Temp. Temp. procesoproceso RepRep TriplicadoTriplicado pHpH ProteínaProteína GrasaGrasa
11 3030 11 11 4.34.3 16.316.3 2.1972.197
11 3030 11 22 4.34.3 16.316.3 1.9761.976
11 3030 11 33 4.34.3 16.316.3 1.7981.798
22 3030 22 11 4.24.2
•Datos para analizar en computadoraDatos para analizar en computadora
99
EjercicioEjercicio
El modelo para este ejemplo es:El modelo para este ejemplo es: YYij = = + p + pi i + r+ rjj + e + eij ij para las variables pH y proteína.para las variables pH y proteína.
Si se quiere separar la variación entre Si se quiere separar la variación entre triplicados de grasa, el modelo a analizar para grasas triplicados de grasa, el modelo a analizar para grasas será: será:
YYijk = = + p + pi i + r+ rjj + trip + tripkk + e + eijkijk
Como ejercicio, complete el cuadro de datos Como ejercicio, complete el cuadro de datos como se imagine que pudieron ir los factores y las como se imagine que pudieron ir los factores y las respuestas, ponga el número de niveles de cada respuestas, ponga el número de niveles de cada factor, y plantée el cuadro de ANDEVA.factor, y plantée el cuadro de ANDEVA.
1010
Modelos con varios factoresModelos con varios factores
Se tienen datos de un estudio en el que se observaron tres tratamientos (TRAT), en cinco tiempos diferentes (DIAS). Además, dentro de cada tratamiento se consideraron dos condiciones (C1 y C2). Todas las combinaciones de tratamientos, condición y días tienen cinco repeticiones.
Los datos se verán como en el siguiente cuadro.
1111
Modelos con varios factoresModelos con varios factores
DIAS/ C
Tratamiento 1
Tratamiento 2
Tratamiento 3
Subtotal Días
Dia 1, C=1
Y1111, Y1112 Y1113, Y1114
,Y1115
Y2111, ........,
Y2115
Y3111,..,
Y3115
Día 1, C=2
Y121
1,..,Y1215
Y2211,..,
Y2215
Y3211,..,
Y3215
Y..1
Día 2, C=1
Y1121,..,
Y1125
Y2121,..,
Y2125
Y3121 ,..,Y31
25
Día2, C=2
Y1221,..,
Y1225
Y2221,..,
Y2225
Y3221,..,
Y3225
Y..2
Día j, C=k
Y11J1,..,
Y11J5
Y21J1,..,
Y21J5
Y31J1,..,
Y31J5
1212
Modelos con varios factoresModelos con varios factores
El modelo puede ser:
YYikjlikjl = m + t = m + ti i + d+ dj j + c(t)+ c(t)kiki + td + tdijij + cd + cdjk jk + e+ eikjlikjl
i=1, 2,3; j=1,...,5; k=1,2, l=1,...,5.i=1, 2,3; j=1,...,5; k=1,2, l=1,...,5.
1313
EjercicioEjercicio
Como ejercicio de clase calcule el número total de Como ejercicio de clase calcule el número total de observaciones de este ejemplo, ponga los datos que observaciones de este ejemplo, ponga los datos que llevaría un archivo para analizar este modelo, y construya llevaría un archivo para analizar este modelo, y construya el cuadro de análisis de varianza de este modelo con el cuadro de análisis de varianza de este modelo con Fuente y Grados de libertad.Fuente y Grados de libertad.
1414
Modelos de dos factores Modelos de dos factores completoscompletos
DIASDIAS
Tratamiento 1Tratamiento 1
Tratamiento 2Tratamiento 2
Tratamiento 3Tratamiento 3
Subtotal Subtotal DíasDías
Dia 1Dia 1
Y11Y11
Y21Y21
Y31Y31
Y.1Y.1
Día 2Día 2
Y12Y12
Y22Y22
Y32Y32
Y.2Y.2
Día 3Día 3
Y13Y13
Y23Y23
Y33Y33
Y.3Y.3
Día 4Día 4
Y14Y14
Y24Y24
Y34Y34
Y.4Y.4
Día 5Día 5
Y15Y15
Y25Y25
Y35Y35
Y.5Y.5
Subtotal Subtotal
TratamientosTratamientos
Y1.Y1.
Y2.Y2.
Y3.Y3.
Y..Y..
1515
Modelos de dos factores Modelos de dos factores completoscompletos
Fuente de Variación
Grados de Libertad
Sumas de Cuadrados
Cuadrado
Medio
Tratamientos
2
SC Trat
SC Trat/2
Días
4
SC Días
SC Días/4
Error
8
SC Error
SC Error/ 8
Total
14
SC Total
1616
Modelos de dos factores Modelos de dos factores completoscompletos
El cálculo de las Sumas de Cuadrados se hace El cálculo de las Sumas de Cuadrados se hace de la siguiente forma:de la siguiente forma:
Factor de Corrección= FC= Y..Factor de Corrección= FC= Y..2 2 / 15/ 15
SC Total = (YSC Total = (Y1111))22 + (Y + (Y1212))22 + ............ + (Y + ............ + (Y3535))2 2 - FC- FC
SC Tratamientos= [(YSC Tratamientos= [(Y11.).)22 + (Y + (Y22.).)22 + (Y + (Y33.).)22] / 5 - FC] / 5 - FC
SC Días = [(Y.SC Días = [(Y.11))22 + (Y. + (Y.22))22 + (Y. + (Y.33))22 + (Y. + (Y.44))22 + (Y. + (Y.55))22 ] / 3 - FC ] / 3 - FC
SC Error = SC Total - SC Tratamientos - SC DíasSC Error = SC Total - SC Tratamientos - SC Días
1717
Componentes de VarianzaComponentes de Varianza
Si pudiéramos repetir nuestro experimento Si pudiéramos repetir nuestro experimento un gran número de veces y tener un análisis de un gran número de veces y tener un análisis de varianza para cada experimento, podríamos varianza para cada experimento, podríamos calcular los promedios de los Cuadrados Medios calcular los promedios de los Cuadrados Medios del ANDEVA. Esto es lo que se llama Cuadrado del ANDEVA. Esto es lo que se llama Cuadrado Medio Esperado.Medio Esperado.
En teoría, los Cuadrados Medios En teoría, los Cuadrados Medios Esperados de un modelo como el que vimos al Esperados de un modelo como el que vimos al principio (con un solo factor) sería como en el principio (con un solo factor) sería como en el Cuadro siguiente. Cuadro siguiente.
1818
Componentes de Varianza Componentes de Varianza
Fuente de Variación
Grados de Libertad
Sumas
de Cuadrad
os
Cuadrado
Medio
Cuadrado
Medio Esperado
Tratamient
os
t-1
SC Trat
SC Trat/2
rs2
e + f² (Trat)
Error
no -t
SC Error
SC Error/ 8
s2
e
Total
no-1
SC Total
1919
Componentes de VarianzaComponentes de Varianza
Si los tratamientos hubieran sido Si los tratamientos hubieran sido seleccionados al azar, de un conjunto grande de seleccionados al azar, de un conjunto grande de tratamientos el Cuadrado Medio Esperado de tratamientos el Cuadrado Medio Esperado de Tratamiento s sería : rsTratamiento s sería : rs22
ee +s² +s²(Trat)(Trat)
Esto permitiría estimar la varianza de Esto permitiría estimar la varianza de tratamientos, de la siguiente forma:tratamientos, de la siguiente forma:
ss22(Trat)(Trat) Estimado =(CM Trat-CM Error) / r Estimado =(CM Trat-CM Error) / r
Así tendremos otro uso del análisis de Así tendremos otro uso del análisis de varianza, el cual es: Estimar los componentes de varianza, el cual es: Estimar los componentes de Varianza.Varianza.
2020
Modelos anidadosModelos anidados
Se llaman modelos anidados aquellos Se llaman modelos anidados aquellos modelos donde uno o varios factores modelos donde uno o varios factores estudiados están contenidos dentro de otros estudiados están contenidos dentro de otros factores.factores.
Se desean compara razas de ratas de Se desean compara razas de ratas de laboratorio, y animales de la camada dentro de laboratorio, y animales de la camada dentro de razas.razas.
Se están comparando variedades de Se están comparando variedades de frijol y niveles de estrés al agua dentro de frijol y niveles de estrés al agua dentro de variedades. variedades.
Sugieran más ejemplos Sugieran más ejemplos
2121
Modelos anidadosModelos anidados
En esto modelos lo que interesa es estimar la En esto modelos lo que interesa es estimar la varianza de los factores, no comparar las medias. varianza de los factores, no comparar las medias.
Es por ello que el análisis de varianza para estos Es por ello que el análisis de varianza para estos casos es un casos es un análisis de componentes de varianzaanálisis de componentes de varianza..
El modelo para dos factores anidados se puede El modelo para dos factores anidados se puede representar como:representar como:
YYijijkk = = + + i i + + j (i)j (i) + + ijijkk
Aquí el factor Aquí el factor está anidado en el factor está anidado en el factor t t..
2222
Modelos anidadosModelos anidadosEl ANDEVA se verá como en el siguiente El ANDEVA se verá como en el siguiente
cuadro.cuadro.
FuenteFuente g.l.g.l.Suma Suma
CaudradosCaudradosCuadrado Cuadrado MedioMedio
Cuadrado Cuadrado Medio esperado Medio esperado
t—1t—1 SC TauSC Tau CM TauCM Tautf2
e + f ²(Fi]
+ ² (Tau)
(()) t(f-1)t(f-1) SC Fi dentro SC Fi dentro de Taude Tau CM FiCM Fi tf 2
e + 2(Fi)
ErrorError ( r( rij ij –1)–1) SC ErrorSC Error CM ErrorCM Error 2e
TotalTotal rrij ij – 1– 1SC Total SC Total corregidacorregida
2323
EjercicioEjercicio
Realice el ejercicio de Determinación de Realice el ejercicio de Determinación de precisión de una medición de humedad que precisión de una medición de humedad que
está en el archivo “Humelab.xls”está en el archivo “Humelab.xls”
2424
ResumenResumen
El modelo y los datos para análisisEl modelo y los datos para análisis
Modelos con varios factoresModelos con varios factores
Componentes de varianzaComponentes de varianza
Modelos anidadosModelos anidados