curso de bioestadística. anova anova modelos i y ii mga/deo
TRANSCRIPT
Curso de Bioestadística. ANOVA
ANOVA
Modelos I y II
MGA/DEO
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Contenidos
• Modelo I del ANOVA
• Modelo II del ANOVA
• Componente agregado debido a efectos de tratamiento
• Componente agregado de la variancia entre grupos
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Los efectos analizados en un ANOVA puede ser de dos tipos:
• Fijos (Modelo I de ANOVA)
• Aleatorios (Modelo II de ANOVA)
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
En el contexto del ANOVA:
• “Efectos fijos” son aquellos factores que tienen niveles que son deliberadamente dispuestos por el investigador.
• “Efectos aleatorios” son los factores cuyos niveles son muestras de una infinidad de posibles niveles.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Efectos fijos. Ejemplo
• Si el interés es someter a prueba la hipótesis que la temperatura mayor conduce a aumento en agresividad, se podría exponer a los sujetos a temperaturas moderadas o altas y luego medir la agresión.
• La temperatura es un efecto fijo en este experimento porque los niveles son deliberadamente seleccionados o fijados por el experimentador.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Efectos aleatorios. Ejemplo
• Si lo que interesa es en cuánto de la variación de la agresividad se debe a la temperatura, podríamos observar a los sujetos en una muestra aleatoria de temperaturas; la muestra es tomada de la población de todos los posibles niveles de diferentes temperaturas.
• En este caso, temperatura es una variable de efectos aleatorios.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Efectos fijos y aleatorios. Un criterio simple para distinguirlos.
• Hacerse la pregunta: ¿Cómo seleccionaría yo los niveles del factor referido si repitiera el estudio?
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Efectos fijos y aleatorios. Un criterio simple para distinguirlos.
• Si puedo repetir el estudio con los mismos niveles, entonces la variable es de efectos fijos.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Efectos fijos y aleatorios. Un criterio simple para distinguirlos.
• Si, en cambio, es más probable que tenga que escoger otros niveles de la variable, entonces se trata de una variable de efectos aleatorios.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Los modelos I y II del ANOVA sirven dos propósitos distintos:
• El modelo I de ANOVA es un método estadístico que ayuda a comparar diferentes grupos o tratamientos.
• El modelo II de ANOVA ayuda a determinar cuánto de la variabilidad de una variable se debe a otra.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Los modelos I y II son similares en la manera en que es calculada y construida la tabla del ANOVA.
Pero difieren en la interpretación de los resultados y las pruebas subsiguientes después del ANOVA.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
• Para el modelo I hemos visto que el componente agregado debido a efectos de tratamiento) es representado por la expresión:
• Donde no es una verdadera variancia porque es un efecto no aleatorio (es fijo o dispuesto por el investigador).
2
22
1
an
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
• En el modelo II el componente agregado de la variancia entre grupos es representado por la expresión:
• En la que sí es una verdadera variancia porque es un efecto aleatorio.
2
22
An
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
• En el modelo II no estamos interesados en la magnitud del efecto A, ni en diferencias tales como A1 - A2.
• Lo que interesa es la magnitud de 2A y su magnitud
relativa respecto de 2, generalmente expresada en porcentaje.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
• El componente agregado de la variancia entre grupos, 2
A, estimado por s2 A, puede calcularse así:
grupos) de dentro variancia- grupos entre variancia(1n
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Asumamos que en el ejercicio 1, los grupos hubieran sido factores de efectos aleatorios (modelo II).
Para calcular el componente agregado de la variancia entre grupos, 2
A, estimado por s2 A, aplicamos
grupos) de dentro variancia- grupos entre variancia(1n
2A
2A
22A
2 s)ns(n1
s-)nss(n1
Porque:
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
En
colocamos nuestros valores correspondientes de la tabla ANOVA y obtenemos:
1/12*(57.939 - 7.845) = 4.174
grupos) de dentro variancia- grupos entre variancia(1n
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
Analize-itn 36
CPO por Tratamiento n Media SD SE
1 12 13.517 2.839 0.81952 12 11.314 1.756 0.50693 12 9.123 3.520 1.0162
Fuente de variación SS GL MS F p
Tratamiento 115.879 2 57.939 7.39 0.0022Dentro de grupos 258.894 33 7.845
Total 374.773 35
La tabla ANOVA es:
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
El porcentaje del Componente Agregado de la Variancia Entre Grupos es igual a
CAVEG grupos de dentro VarianciaCAVEG x 100
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
En el ejercicio 1, el numerador es 417.4 y el denominador es 12.020, resultado de la suma de la variancia dentro de los grupos 7.846 y el componente agregado de la variancia entre grupos, 4.174.
CAVEG grupos de dentro VarianciaCAVEG x 100
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
La operación es:
725.344.174 7.8464.174 x 100
CAVEG grupos de dentro VarianciaCAVEG x 100
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
En Minitab los resultados se presentan así:
Nested ANOVA: CPO versus Trat
Analysis of Variance for CPO
Source DF SS MS F PTrat 2 115.8772 57.9386 7.385 0.002Error 33 258.9133 7.8459Total 35 374.7905
Variance Components
Source Var Comp. % of Total StDevTrat 4.174 34.73 2.043Error 7.846 65.27 2.801Total 12.020 3.467
Expected Mean Squares
1 Trat 1.00(2) + 12.00(1) 2 Error 1.00(2)
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
En el ejercicio 1:
El resultado es que 34.725 % de la variancia total (suma de las variancias dentro de y entre grupos) se debe a la variancia entre grupos.
Curso de Bioestadística. ANOVA
ANOVA Modelos I y II
La proporción de la variación entre grupos se conoce también como rI , el coeficiente de correlación intraclase.
Este coeficiente es una medida de la semejanza, o correlación, de las diferencias encontradas entre los grupos con respecto a los individuos de un mismo grupo.
¿Qué significa un valor rI de 1?
Significa que toda la variación de la muestra es entre grupos, que no hay variación intragrupos.