ANALISIS DE VARIANZA

El análisis de varianza es una técnica estadística, cuyo objetivo es comprobar si son iguales las
medias de más de una población, mediante el análisis y la comparación de diversos tipos de
varianza muéstrales insesgada.

Cada método del análisis la varianza está asociada a un modelo matemático especifico los
modelos se clasifican según el número de variables que han de ser probadas. Si es una variable,
el modelo se denomina de clasificación simple o de un factor, si son dos variables el modelo se
denomina de clasificación doble o de 2 factores.

ANALISIS DE VARIANZA DE UN FACTOR - DISEÑO COMPLETAMENTE

ALEATORIZADO
Sea un “X” una característica que se mide en “K” poblaciones o tratamientos diferentes, con
medias respectivas 𝜇1 , 𝜇2 , … … . 𝜇𝑘 y varianza respectivas 𝜎12 , 𝜎22 , … . 𝜎𝑘2 𝑑𝑜𝑛𝑑𝑒:
a. Los k poblaciones son independientes.
b. Cada poblacion tienen distribución normal , N(𝜇1 , 𝜎12 )
c. Los k varianza son iguales a la varianza común 𝜎 2

En el modelo de clasificación de un factor completamente aleatorizado, los valores 𝑋𝑖𝑗 de las k

muestras, (j-ésima observación de la i-ésima muestra 𝑗 = 1, 2, … , 𝑛𝑖 , 𝑖 = 1, 2, … , 𝑘 se registran
en un arreglo tabular como el de la siguiente tabla:
TRATAMIENTO
1 2 ⋯⋯ i ⋯⋯ k
𝑋11 𝑋21 ⋯⋯ 𝑋𝑖1 ⋯⋯ 𝑋𝑘1
𝑋12 𝑋22 ⋯⋯ 𝑋𝑖2 ⋯⋯ 𝑋𝑘2
⋮ ⋮ ⋮ ⋮
⋮ ⋮ ⋮ ⋮
𝑋1𝑛1 𝑋2𝑛2 ⋯⋯ 𝑋𝑖𝑛𝑖 ⋯⋯ 𝑋𝑘𝑛𝑘
TOTAL 𝑇1 . 𝑇2 . ⋯⋯ 𝑇𝑖 . ⋯⋯ 𝑇𝑘 . 𝑇..
𝑛𝑖 𝑛1 𝑛2 ⋯⋯ 𝑛𝑖 ⋯⋯ 𝑛𝑘 𝑛
MEDIAS 𝑋̅1. 𝑋̅2. ⋯⋯ 𝑋̅𝑖. ⋯⋯ 𝑋̅𝑘. 𝑋̅..

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

 Dónde:
 𝑇𝑖. : Suma de datos de la muestra i
 𝑇.. : Total de los datos de las k muetras
 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑘 = 𝑛: Total observado en la k muestras
 𝑋̅𝑖. : Media de la muestra
 𝑋̅..: Media total muestral

MODELO DEL ANÁLISIS DE VARIANZA

El modelo matemático de clasificación simple de un factor completo aleatorio, es la ecuación:
𝑿𝒊𝒋 = 𝝁 + 𝜶𝒊 + 𝜺𝒊𝒋 ,
𝑛𝑖
𝑖 = 1,2, … . 𝑘 ; 𝑗 = 1,2, … 𝑛𝑖 ; ∑𝑖−1 𝛼𝑖 = 0 ,

Dónde:
 𝑋𝑖𝑗 : Es la observación de la mestra
 𝜇: Media Total
 𝛼𝑖 : Efecto del i-ésimo tratamiento
 𝜀𝑖𝑗 : Desviación del dato observado X ij (error o residuo)

PROCEDIMIENTO PARA REALIZAR UN ANOVA

Los pasos a seguir para realizar en análisis de varianza es:

1. Formula del modelo matemático:
𝑋𝑖𝑗 = 𝜇 + 𝛼𝑖 + 𝜀𝑖𝑗 , 𝑖 = 1,2, … . 𝑘 , 𝑗 = 1,2, … 𝑛𝑖 y ∑𝑛𝑖−1
𝑖
𝛼𝑖 = 0

2. Formular las hipótesis

𝐻𝑜 : 𝜇1 = 𝜇2 = ⋯ 𝜇𝑘 𝐻𝑜 : 𝛼1 = 𝛼2 = ⋯ 𝛼𝑘 = 0
𝐻1 ∶ 𝑛𝑜 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑠 𝑠𝑜𝑛 𝑖𝑔𝑢𝑎𝑙𝑒𝑠 𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝛼𝑖 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑐𝑒𝑟𝑜

3. ANOVA
Fuente de Suma de Grados de Cuadrado de F calculada
variación cuadrados libertad medias
Tratamientos SCC k-1 𝑆𝐶𝐶 𝐶𝑀𝑇
𝐶𝑀𝑇 = 𝐹𝑐𝑎𝑙. =
Error CSE n-k 𝑘−1 𝐶𝑀𝐸
𝑆𝐶𝐸
𝐶𝑀𝐸 =
𝑛−𝑘
total SCT n-1
Dónde:

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

 𝑛 𝑛 𝑇..2
 𝑆𝐶𝑇 = ∑𝑘𝑖=1 ∑𝑗=1
𝑖
(𝑋𝑖𝑗 − 𝑋̅.. )2 = ∑𝑘𝑖=1 ∑𝑗=1
𝑖
𝑋𝑖𝑗 2 − 𝐶 , donde 𝐶 = 𝑛

2
𝑛𝑖 𝑇
 𝑆𝐶𝐶 = ∑𝑘𝑖=1 ∑𝑗=1(𝑋̅𝑖. − 𝑋̅.. )2 = ∑𝑘𝑖=1 𝑛𝑖. − 𝐶
𝑖

 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝐶

 𝐹0 = 𝐹[1 − 𝛼, (𝑘 − 1, 𝑛 − 𝑘)𝑔. 𝑙]

4. Decisión

1-
RNR

Fo

Si 𝐹𝑐𝑎𝑙 > 𝐹0 , se rechaza 𝐻0 , caso contrario se acepta la 𝐻0

5. Interpretación

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

 PRACTICA
1. El gerente de compras de la empresa MODA desea comparar la velocidad de 4 máquinas
de marcas diferentes con el fin de adquirir la más veloz para su uso en una confección
específica. Para esto observó los tiempos que cada máquina utiliza para producir 6
unidades de la confección en forma aleatoria. Con un nivel de significancia de 0.05. Es
posible concluir que las maquinas utilizan la misma velocidad por unidad de confección.

Maquinas
1 2 3 4
55 60 64 42
46 58 62 45
45 68 51 52
73 58 57 44
50 63 65 42
63 52 58 60

Suma 332 359 357 285 1333

𝑇..2
Suma2/n
= 74037.04
18370.67 21480.17 21241.50 13537.50 𝑛
𝑘
𝑇𝑖.2
∑ = 74629.83
𝑛𝑖
𝑖=1

3025 3600 4096 1764

2116 3364 3844 2025
2025 4624 2601 2704
5329 3364 3249 1936
2500 3969 4225 1764
3969 2704 3364 3600
𝑘 𝑛𝑖

∑ ∑ 𝑋𝑖𝑗 2 = 75761
Suma 18964 21625 21379 13793 𝑖=1 𝑗=1

Fuente de Grados de Cuadrado de

Suma de cuadrados F calculada 𝑭𝟎
variación libertad medias
𝑘
𝑇𝑖.2 𝑇..2 𝑆𝐶𝐶
Tratamientos 𝑆𝐶𝐶 = ∑ − k-1 𝐶𝑀𝑇 =
𝑛𝑖 𝑛 𝑘−1
𝑖=1
𝐹0 = 𝐹[1 − 𝛼, (𝑘 − 1, 𝑛 − 𝑘)𝑔𝑙]
𝑆𝐶𝐸 𝐶𝑀𝑇
Error 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝐶 n-k 𝐶𝑀𝐸 = 𝐹𝑐𝑎𝑙 =
𝑛−𝑘 𝐶𝑀𝐸
𝑘 𝑛𝑖
𝑇..2
Total 𝑆𝐶𝑇 = ∑ ∑ 𝑋𝑖𝑗 2 − n-1
𝑛
𝑖=1 𝑗=1

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

REGIÓN CRÍTICA

Gráfica de distribución
F; df1=3; df2=21
0.8

0.7

0.6

0.5
Densidad

0.4

0.3

0.2

0.1
0.05
0.0
0 3.072
X

FORMULACIÓN DE HIPÓTESIS:

Hipótesis nula: Las maquinas utilizan la misma velocidad por unidad de confección (son
homogéneas)

Hipótesis alterna: Las maquinas no utilizan la misma velocidad por unidad de confección

Fuente de Grados de Cuadrado de

Suma de cuadrados Fc 𝑭𝟎
variación libertad medias

Tratamientos 𝑆𝐶𝐶 = 74629.83 − 74037.04 = 592.792 3 197.597

Error 𝑆𝐶𝐸 = 1723.958 − 592.792 = 1131.167 20 56.558 3.494 3.072

Total 𝑆𝐶𝑇 = 75761 − 74037.04 = 1723.958 23

Conclusión:
Como Fc > F0 se rechaza la hipótesis nula, es decir Al 95% de confianza se afirma Las
maquinas no utilizan la misma velocidad por unidad de confección

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

EJEMPLO 1
El gerente de compras de la empresa MODA desea comparar la velocidad de 4 máquinas de
marcas diferentes con el fin de adquirir la más veloz para su uso en una confección específica.
Para esto observó los tiempos que cada máquina utiliza para producir 6 unidades de la confección
en forma aleatoria. Con un nivel de significancia de 0.05. Es posible concluir que las maquinas
utilizan la misma velocidad por unidad de confección.

Maquinas
M1 M2 M3 M4
55 60 64 42
46 58 62 45
45 68 51 52
73 58 57 44
50 63 65 42
63 52 58 60

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA
ESTADÍSTICOS DESCRIPTIVOS

Tabla 1
Estadísticos descriptivos de los tiempos empleados por máquina
Intervalo de confianza para la
Desviación Error media al 95%
N Media Mínimo Máximo
típica típico Límite Límite
inferior superior
Máquina 1 6 55.33 10.893 4.447 43.90 66.77 45 73

Máquina 2 6 59.83 5.382 2.197 54.19 65.48 52 68

Máquina 3 6 59.50 5.244 2.141 54.00 65.00 51 65

Máquina 4 6 47.50 7.148 2.918 40.00 55.00 42 60

Total 24 55.54 8.658 1.767 51.89 59.20 42 73

Interpretación:
Al 95 % de confianza se afirma que el tiempo promedio que emplea la máquina 1 en producir una
unidad de confección se encuentra entre 43.9 min a 66.8 min, la máquina 2 emplea un tiempo
promedio entre 54.19 min a 65.48 min, la máquina 3 emplea un tiempo promedio entre 54 min
a 65 min y la maquina 4 emplea en tiempo promedio entre 40 min a 55 min.

Figura 1: Tiempo promedio empleados por máquina

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

PRUEBA DE HOMOGENEIDAD DE VARIANZAS

Formulación de hipótesis
Hipótesis nula: Las varianzas de los tiempos empleados por maquina, en producir una unidad de
confección son homogéneas

Hipótesis alterna: Las varianzas de los tiempos empleados por máquina, en producir una unidad
de confección no son homogéneas

Tabla 2
Prueba de homogeneidad de varianzas
TIEMPO

Estadístico de Levene gl1 gl2 Sig.

1,665 3 20 0,206

Interpretación:
Al 95% de confianza, se afirma que las varianzas de los tiempos empleados en producir una
unidad de confección son homogéneas mediante la prueba de Levene, con 𝑆𝑖𝑔. = 0.206 > 0.05

ANÁLISIS DE VARIANZA

Formulación de hipótesis
Hipótesis nula: Los tiempos promedios empleados por maquina en producir una unidad de
confección son homogéneas.
Hipótesis alterna: Existe diferencia en los tiempos promedio empleados por maquina en la
producción de unidades de confección.
Tabla 3
Análisis de varianza
TIEMPO
Suma de Media
gl F Sig.
cuadrados cuadrática
Tratamiento 592.792 3 197.597 3.494 .035

Error 1131.167 20 56.558

Total 1723.958 23

Interpretación:
Al 95% de confianza, mediante el análisis de varianza, se afirma que existe diferencia en los
tiempos promedio empleados por maquina en la producción de unidades de confección, con
𝑆𝑖𝑔. = 0.035 < 0.05

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

COMPARACIÓN MÚLTIPLE

Tabla 4
Comparación múltiple
Diferencia de Intervalo de confianza al 95%
(I) MÁQUINA (J) MÁQUINA Error típico Sig.
medias (I-J) Límite inferior Límite superior

M2 -4,500 4,342 ,731 -16,65 7,65

M1 dimension3 M3 -4,167 4,342 ,773 -16,32 7,99
M4 7,833 4,342 ,301 -4,32 19,99
M1 4,500 4,342 ,731 -7,65 16,65
M2 dimension3 M3 ,333 4,342 1,000 -11,82 12,49
dimen M4 12,333* 4,342 ,046 ,18 24,49
sion2 M1 4,167 4,342 ,773 -7,99 16,32
M3 dimension3 M2 -,333 4,342 1,000 -12,49 11,82
M4 12,000 4,342 ,054 -,15 24,15
M1 -7,833 4,342 ,301 -19,99 4,32
M4 dimension3 M2 -12,333* 4,342 ,046 -24,49 -,18
M3 -12,000 4,342 ,054 -24,15 ,15

*. La diferencia de medias es significativa al nivel 0.05.

Mediante la prueba HSD de Tukey se afirma que existe diferencia significativa entre los tiempos
promedios empleados entre la Máquina 2 y la Maquina 4.

GRUPOS HOMOGÉNEOS
Tabla 5
Grupos homogéneos
TIEMPO
HSD de Tukeya
Subconjunto para alfa = 0.05
MÁQUINA N
1 2
M4 6 47,50
M1 6 55,33 55,33

dimension1
M3 6 59,50 59,50
M2 6 59,83
Sig. ,054 ,731
Se muestran las medias para los grupos en los
subconjuntos homogéneos.
a. Usa el tamaño muestral de la media armónica = 6.000.

Conclusión:
Se forman dos grupos homogéneos. Si se desea adquirir la maquina más veloz para el uso de
una confección se recomienda la máquina 4.

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

EJEMPLO 2
Cuatro profesores P1 , P2 , P3 y P4 , enseñan el mismo curso de estadística. De uno de sus exámenes
se extrajeron, al azar una muestra de calificaciones de cada horario. Al nivel de significancia de
0.05. ¿Se puede concluir que existe una diferencia significativa en las calificaciones promedio
obtenidas con los cuatro profesores? Estas se registran de la siguiente manera:
PROFESORES
𝑃1 𝑃2 𝑃3 𝑃4
12 14 13 10
11 16 12 17
09 13 09 15
10 18 11 14
17 12 15
12

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

EJEMPLO 3
Se efectúa un experimento para determinar el rendimiento de 4 variedades de papa. Se dispone
de 20 parcelas de igual fertilidad que se dividen en 4 grupos de 5 parcelas cada una. En cada grupo
se siembra una variedad distinta de papa. Pruebe la hipótesis de que no existe diferencias
significativas entre las producciones medias de las 4 variedades de papa al nivel de significación
del 5%Los rendimiento en Kg, por cada parcela se dan en la tabla que sigue.
Variedades de Papa
V1 V2 V3 V4
55 52 53 52
53 58 55 50
60 50 57 51
52 60 51 49
53 52 54 53

EJEMPLO 4
Un departamento universitario desea contrastar si en los resultados de los alumnos en el
aprendizaje de una determinada asignatura influye el profesor que la imparte. Para ello se eligen
aleatoriamente muestras de alumnos de los cuatro profesores que imparten la asignatura: Juan,
Luis, Pedro y Pablo, para que realicen un examen obteniéndose los siguientes resultados, en una
puntuación de 0 a 80. Al nivel de confianza del 95%, ¿existe diferencias significativas en el
aprendizaje de los estudiantes?

Juan 40 26 40 14 36 9 22 40 45 28
Luis 23 52 68 54 31 57 50 37 67 61
Pedro 57 45 47 30 48 24 24 17 39 8
Pablo 48 24 6 61 45 38 32 27 36 42

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

EJEMPLO 5
Una empresa de enlatado decide comprar nuevas máquinas para lo que dispone de cuatro ofertas.
Antes de elegir una, decide realizar una prueba para saber si las cuatro máquinas ofertadas pueden
producir la misma cantidad de unidades por hora. Para ello, observa la producción de las cuatro
máquinas y los resultados se reflejan en la tabla adjunta. ¿Qué conclusiones se deducen de este
experimento?

Maq. A Maq. B Maq. C Maq. D

89 88 97 94
84 77 92 79
81 87 87 85
87 92 89 84
79 81 80 88

EJEMPLO 6
Un ingeniero de control de calidad de una compañía fabricante de equipos electrónicos de audio
se encuentra inspeccionando un nuevo tipo de batería que tal vez pueda utilizar. Un lote de 20
baterias fue dividió aleatoriamente en cuatro grupos (de modo que había 5 baterias en cada uno).
Cada grupo de baterías fue sometido a un nivel de presión: baja, normal, alta y muy alta. Las
baterías se probaron simultáneamente bajo estos niveles de presión y se registraron los tiempos
de falla (en horas).

Baja 8.0 8.1 9.2 9.4 11.7

Normal 7.6 8.2 9.8 10.9 12.3
Alta 6.0 6.3 7.1 7.7 8.9
Muy alta 5.1 5.6 5.9 6.7 7.8

Se afirma que existen diferencias altamente significativas solamente entre el grupo de

baterías con presión baja y presión muy alta. ¿Está usted de acuerdo?. Explique

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

EJEMPLO 7
En una empresa en particular se escogieron 20 empleados al azar, para que en uno de cuatro
grupos de entrenamiento, aprendieran a ejecutar una tarea en un banco. Los grupos eran diferentes
respecto de la cantidad de instrucción que habían recibido, al terminar el periodo de
entrenamiento, cada uno de los 20 empleados realizo la tarea. Se completa de la tarea y se
obtuvieron los resultados siguientes:

A 51 42 35 65 49
B 30 48 44 56 54
C 80 75 85 73 40
D 53 47 45 50 71

¿Proporcionan estos datos evidencia suficiente como para concluir que existe diferencia
significativa entre el tiempo promedio que necesitaron para la realización completa de la
tarea?

EJEMPLO 8
Una compañía desea comparar cuatro tipos de procesos productivos. Se asigno aleatoriamente los
procesos de producción a seis empresas semejantes. La duración de los procesos (en horas) se dan
en la siguiente tabla:

Tipos de procesos de producción

P1 P2 P3 P4
55 63 48 59
53 67 50 68
50 55 59 57
60 62 50 66
55 70 47 71
65 75 61 73

Al nivel de significancia del 5%. ¿ Se puede concluir que existe alguna diferencia en los
rendimientos medios de los proceso de producción?

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA

EJEMPLO 9
Un promotor inmobiliario esta considerando invertir en un centro comercial a construirse en
Arequipa, Cusco, Iquitos, Piura, en donde es muy importante el nivel de ingresos mensuales de
las familias. Para resolver este problema se diseño una prueba de hipotesis de varias medias
seleccionando una muestra aleatoria de ingresos familiares en cada una de las ciudades,
obteniéndose los siguientes ingresos en cientos de dólares.

Ingresos mensuales
Arequipa Cusco Iquitos Piura
61 71 56 50
56 73 61 40
49 66 47 50
55 61 51 50
46 58 50
62 40
65

Con un nivel de significancia del 5%. ¿Puede el promotor concluir que hay diferencias
significativas en el ingreso medio?

JESSICA CHALCO SUAREZ – WILBERT COLQUE CANDIA