Vista previa del material en texto
ANOVA de Bloques Completamente Aleatorizados 12-1 ANOVA de Bloques Completamente Aleatorizados Para el otorgamiento de sus créditos el Citizen’s State Bank (CSB) usa regularmente los servicios de tres compañías valorizadoras de bienes inmuebles. El banco está interesado en averiguar si en promedio alguna de estas compañías tiende a sobre valorar o subvaluar los inmuebles. Una posiblidad es aplicar One-way ANOVA con la hipótesis nula de que la valorización promedio de las tres compañías son iguales. Basta con asignar muestras aleatorias a cada una de las compañias y testear la hipótesis a través del procedimiento referido. Sin embargo, puede ocurrir que, por eventos del azar, una compañía reciba una muestra diferente a las otras en términos de casas más lujosas, grandes, de mejor vecindario, etc. Se requiere controlar por esta variabilidad en el tipo de casas. Para esto CSB selecciona aleatoriamente una muestra de propiedades y solicita la valorización de la misma muestra a las tres compañías. Cada propiedad constituye un bloque. Se diseña un experimento ANOVA de Bloques Completamente Aleatorizados. 12-2 ANOVA de Bloques Completamente Aleatorizados Como en el ANOVA de un factor, evaluaremos la igualdad de medias poblacionales (para diferentes niveles de un factor, por ejemplo)... ...pero esta vez se controlará la posible variación debido a un segundo factor (con dos o más niveles) Se usa cuando más de un factor puede influir al valor de la variable dependiente, pero solamente uno es de mayor interés. Los niveles del factor secundario son llamados bloques. 12-3 ANOVA de Bloques Completamente Aleatorizados Supuestos Las poblaciones son normalmente distribuidas. Las poblaciones tienen varianzas iguales. Las observaciones dentro de las muestras son independientes. La medida de los datos debe ser de intervalo o razón. Ejemplos Evaluar 5 rutas a un mismo destino a través de 3 diferentes compañías de taxi para saber si existe diferencia. Determinar el mejor programa de capacitación (de 4 opciones) para varios departamentos dentro de una compañía. 12-4 (continuación) Ejemplo FTE brinda entrenamiento en gestión de proyectos y ha desarrollado tres pruebas distintas de 1000 puntos para la evaluación de los participantes a su entrenamiento. FTE desea evaluar si las tres prueba tienen el mismo grado de dificultad, en términos de que, en promedio, producen notas similares. Se diseña un experimento: Se seleccionan en forma aleatoria una muestra de 14 individuos que han recibido el entrenamiento. Se hace rendir a cada individuo las tres pruebas y, para controlar un posible sesgo por experiencia adquirida, el orden en que se rinden las tres pruebas es aleatoriamente asignado a cada individuo. Se aplica una prueba ANOVA de bloque completamente aleatorizado. 12-5 Ejemplo 12-6 Desagregando la Variación Total La variación total ahora puede ser desagregada en tres partes: 12-7 SST = Suma total de cuadrados SSB = Suma de cuadrados entre niveles del factor de interés SSBL = Suma de cuadrados entre bloques SSW = Suma de cuadrados dentro de los niveles SST = SSB + SSBL + SSW Suma de Cuadrados entre Bloques 12-8 Donde: k = Número de niveles del factor de interés: 3 b = Número de bloques: 14 xj = Media muestral del jmo bloque: Ver Tabla x = Gran media (media de todos los datos): 770.36 SST = SSB + SSBL + SSW Ejemplo 12-9 Desagregando la Variación Total 12-10 SST y SSB son calcula-das como se realizó en One-Way ANOVA SST = SSB + SSBL + SSW SSW = SST – (SSB + SSBL) La variación total ahora puede ser desagregada en tres partes: Desagregando la Variación Total 12-11 SST = SSB + SSBL + SSW La variación total ahora puede ser desagregada en tres partes: 614,641.6 = 241,912.7 + 116,605.0 + 256,123.9 Hoja1 Individuo Exam 1 Exam 2 Exam 3 Media de Bloque 1 830 647 630 702.33 2 743 840 786 789.67 3 652 747 730 709.67 4 885 639 617 713.67 5 814 943 632 796.33 6 733 916 410 686.33 7 770 923 727 806.67 8 829 903 726 819.33 9 847 760 648 751.67 10 878 856 668 800.67 11 728 878 670 758.67 12 693 990 825 836.00 13 807 871 564 747.33 14 901 980 719 866.67 Media de Tratamiento 793.57 849.50 668.00 770.36 Gran Media image1.emf IndividuoExam 1Exam 2Exam 3Media de Bloque 1830647630702.33 2743840786789.67 3652747730709.67 4885639617713.67 5814943632796.33 6733916410686.33 7770923727806.67 8829903726819.33 9847760648751.67 10878856668800.67 11728878670758.67 12693990825836.00 13807871564747.33 14901980719866.67 Media de Tratamiento793.57849.50668.00770.36Gran Media oleObject2.bin image2.wmf oleObject3.bin image3.wmf 2 1 ) x x ( k SSBL j b j - = å = Hoja1 Individuo Exam 1 Exam 2 Exam 3 Media de Bloque 1 830 647 630 702.33 13,882.88 2 743 840 786 789.67 1,118.24 3 652 747 730 709.67 11,051.04 4 885 639 617 713.67 9,642.40 5 814 943 632 796.33 2,023.84 6 733 916 410 686.33 21,181.44 7 770 923 727 806.67 3,954.52 8 829 903 726 819.33 7,195.16 9 847 760 648 751.67 1,048.32 10 878 856 668 800.67 2,755.48 11 728 878 670 758.67 410.20 12 693 990 825 836.00 12,925.83 13 807 871 564 747.33 1,590.68 14 901 980 719 866.67 27,824.92 Media de Tratamiento 793.57 849.50 668.00 770.36 116,604.98 SST 614,641.60 Gran Media SSBL SSB 241,912.70 SSW 256,123.90 image4.emf IndividuoExam 1Exam 2Exam 3Media de Bloque 1830647630702.3313,882.88 2743840786789.671,118.24 3652747730709.6711,051.04 4885639617713.679,642.40 5814943632796.332,023.84 6733916410686.3321,181.44 7770923727806.673,954.52 8829903726819.337,195.16 9847760648751.671,048.32 10878856668800.672,755.48 11728878670758.67410.20 12693990825836.0012,925.83 13807871564747.331,590.68 14901980719866.6727,824.92 Media de Tratamiento793.57849.50668.00770.36116,604.98 SST614,641.60Gran MediaSSBL SSB241,912.70 SSW256,123.90