Resumen de Análisis de Varianza de un Factor (ANOVA)

## Introducción El análisis de varianza, conocido como ANOVA, es una técnica estadística que permite comparar las medias de tres o más grupos para determinar si al menos uno difiere significativamente de los demás. En este material repasaremos paso a paso cómo se calcula e interpreta un ANOVA de un factor, con un ejemplo práctico y explicaciones claras de cada elemento involucrado. > Definición: El ANOVA es un método que compara la variabilidad entre grupos con la variabilidad dentro de los grupos para evaluar si las medias poblacionales son iguales. ## Conceptos fundamentales ### Idea central - ANOVA compara la **varianza entre los grupos** con la **varianza dentro de los grupos**. Si la varianza entre grupos es mucho mayor que la dentro de los grupos, hay evidencia de diferencias entre medias. > Definición: Varianza entre grupos es la variabilidad debida a las diferencias entre las medias de cada grupo con respecto a la media total. > Definición: Varianza dentro de los grupos es la variabilidad debida a las diferencias entre los valores individuales y la media de su propio grupo. ### Estadístico F - Se define el estadístico $F$ como la razón entre el cuadrado medio entre grupos y el cuadrado medio dentro de los grupos: $$F = \frac{MS_{entre}}{MS_{dentro}}$$ - Interpretación: si $F$ es grande, es poco probable que las diferencias observadas entre grupos sean debidas al azar; si $F$ es pequeño, las diferencias pueden ser explicadas por variabilidad aleatoria. ### Valores p y decisión - El valor $p$ se obtiene comparando el $F$ calculado con la distribución $F$ con los grados de libertad apropiados: $df_{entre} = k - 1$ y $df_{dentro} = N - k$, donde $k$ es el número de grupos y $N$ el número total de observaciones. - Regla práctica: si $p < \alpha$ (por ejemplo $\alpha = 0.05$), rechazamos la hipótesis nula de igualdad de medias. ## Paso a paso: cálculo (ejemplo práctico) Supongamos que tenemos 3 grupos con un total de $N = 24$ observaciones y medias de grupo $\bar{x}_1 = 2.5$, $\bar{x}_2 = 8$, $\bar{x}_3 = 5.5$ y media total $\bar{x} = 5.3$. 1. Calcular la Suma de Cuadrados entre grupos (SS_{entre}): - Para cada grupo calcular $n_i (\bar{x}_i - \bar{x})^2$ y sumar. - En el ejemplo se obtuvo $SS_{entre} = 121.3$. 2. Calcular la Suma de Cuadrados dentro de los grupos (SS_{dentro}): - Para cada observación en cada grupo calcular $(x_{ij} - \bar{x}_i)^2$ y sumar todas. - En el ejemplo se obtuvo $SS_{dentro} = 36$. 3. Calcular los cuadrados medios: - Grados de libertad entre: $df_{entre} = k - 1 = 3 - 1 = 2$. - Grados de libertad dentro: $df_{dentro} = N - k = 24 - 3 = 21$. - Cuadrado medio entre: $$MS_{entre} = \frac{SS_{entre}}{df_{entre}} = \frac{121.3}{2} = 60.67$$ - Cuadrado medio dentro: $$MS_{dentro} = \frac{SS_{dentro}}{df_{dentro}} = \frac{36}{21} \approx 1.7143$$ 4. Calcular el estadístico $F$: $$F = \frac{MS_{entre}}{MS_{dentro}} = \frac{60.67}{1.7143} \approx 35.39$$ 5. Obtener el valor $p$ usando la distribución $F$ con $df_{entre}=2$ y $df_{dentro}=21$ y comparando con $F=35.39$. En el ejemplo $p < 0.001$, por lo que se rechaza la hipótesis nula al nivel $\alpha = 0.05$. > Definición: Prueba post hoc son comparaciones por pares realizadas después de un ANOVA significativo para identificar qué pares de grupos difieren entre sí. ## Prueba post hoc - ¿Por qué es necesaria? ANOVA solo indica que existe al menos una diferencia entre medias, pero no especifica cuáles. - Ejemplos de pruebas post hoc: Tukey HSD, Bonferroni, Scheffé. - Interpretación: cada comparación por pares proporciona un intervalo de confianza y un valor $p$ corregido para comparaciones múltiples. - En el ejemplo práctico, la prueba post hoc mostró que los tres grupos diferían significativamente entre sí. ## Tabla comparativa: conceptos clave | Concepto | Qué mide | Uso práctico | |---|---:|---| | $SS_{entre}$ | Variabilidad debida a diferencias entre medias de grupo | Base para $MS_{entre}$ | | $SS_{dentro}$ | V