9a. edicion Estadistica para las ciencias ~ del comportamiento ROBERT R. PAGANO Traducci6n: Martha Baranda Torres Traductora profesional Revision técnica: Dra. Marina Menez Diaz Profesor Titular A TC Divisién de Investigacion y Estudios de Posgrado Facultad de Psicologia UNAM gs CENGAGE Learning Funuale bau Gona Epa Eandos Uae SS $$ ‘Rasta Brasil Core Espana Estados Undos= Jaén México Reino Unda Singapur Mas , 1 Escaneado con CamSce_ pie CENGAGE = Learning” ae Estadistica para las ciencias del comportamiento, 9. edicién. Robert R. Pagano Director de producto y desarrollo Latinoamérica: Daniel Oti Director editorial y de producci6n Latinoamérica: Rail D. Zendejas Espeje! Editora de desarrollo: Claudia Islas Licona Coordinadora de produccién editorial: Abril Vega Orozco Editor de produccién: (Omar A. Ramirez Rosas Coordinador de manufactura: Rafael Pérez Gonzslez Disefo de portada: Lisa Henry Imagen de portada: © Design Pics Inc./Alamy ‘Composicién tipografica: Servicios Editoriales 6Ns, S.A. de CV. ‘© DR.20m por Cengage Learning Editores, S.A de CV, una Compania de Cengage Learning, nc. Corporativo Santa Fe ‘Av, Santa Fe nim. 505, piso 12 Col. Cruz Manca, Santa Fe CP.05349, México, DF. Cengage Learning™ es una marca registrada usada bajo permiso. DERECHOS RESERVADOS. Ninguna parte de este trabajo amparado por la Ley Federal del Derecho de Autor, podrd ser reproducido, transmitido, almacenado o utilzado en cualquier forma o por cualquier medio, ya sea grdfico, electrénico 0 mecanico, incluyendo, pero sin limitarse alo siguiente: fotocopiado, reproduccién, escaneo, digitalizacion, grabacién en audio, distribucién en Internet, distribuci6n en redes de informacién 0 ‘almacenamiento y recopilacién en sistemas de informacién a excepcién de lo permi fen el Capitulo Il, Articulo 27 de la Ley Federal del Derecho de Autor, sin el consentimiento por escrito dela Editorial. ‘Traducido del libro Understanding Statistics Inthe Behavioral Sciences, 9@. Pagano, Robert R. Publicado en inglés por Wadsworth, tuna compatiia de Cengage Learning © 2010. ISBN: 978-0-495°596523, Datos para catalogacién bibliogréfica: Pagano, Robert R. Estadistca para ls ciencias Is debemos compararia.con Fey Si Foye Fe, Fechazamos Hy, Dela tabla Fen el apéndice Dycon «= 0.05, Baesdor Note que,al buscar Fi en la tabla F,es importante mantener el g! para el nume= rador y para el denominador, Si por error he consultado la tabla con 2 gl para el denominador y 12 gl para el numerador, Fag Serd igual @ 19-41, lo cual es muy distinto de 3.88. Dado que Fay, > 3:88, xechazamos Hp, Las tres situaciones no son lo mismo en cuanto a los niveles de estrés que producen. En la tabla 15.2 se presenta un resumen de la solucisn.CAPITULO 15 Introduccién al andlisis de varianza tabla 15.2 Tabla que resume el problema del ANOVA relacio- nado con el estrés. Fuente Entre los grupos 203.333 101667 22.59 Dentro de los grupos 54.000 2 4.500 Total 257.333 4 "Con a = 0.05, Fg = 388, Por To tanto, rechazamos My LOGICA SUBYACENTE AL ANOVA DE UN FACTOR Ahora que ya hemos efectuado los célculos para un ejemplo ilustrativo, quis mos discutir con mayor detalle ta logica subyacente al ANOVA de un fact Antes sefialamos que el ANOVA de un factor divide la variabilidad total en dos partes: la suma de cuadrados dentro de los grupos (SS'y) y la ‘cuadrados entre los grupos (SSq). Podemos comprender mejor esta reparticién reconocer que se basa en la simple idea de que la desviacién de cada puntajes la gran media esté constituida por dos partes: la desviacion del puntaje Propia media grupal y la desviacién de esa media grupal de la gran med aplicar esta idea al primer puntaje en el primer grupo, obtenemos } Desviacién de Desviacién del Desviacion de esa cada puntaje puntaje desu propia + media grupal de la gran media ‘media grupal de ta gran media 2-833 2-400 + 400-833 Xn de x-% + X, 4 1 SSy = SSw ie Note que el término a la izquierda (X ~ X¢), cuando se eleva al cuadrado: suma considerando todos los puntajes se convierte en SS; Por lo tanto, SSr= EY (X- XP El término al centro (X — X,), cuando se eleva al cuadrado y se suma para 10 Jos puntajes (desde luego, debemos restar cada puntaje de la media grupal Piada), se convierte en SS. Por consiguiente, SSw = 8S, + SS + $55 UX — XP + Bx — KP + x - KP Es importante notar que, dado que los sujetos dentro de cada grupo red ‘mismo nivel de la variable independiente, la variabilidad entre los puntajesdLogica subyacente al ANOVA de un factor 395 tro de cada grupo no puede deberse a diferencias en el efecto de la variable inde- pendiente. En consecuenciasla suma de cuadrados dentro de los grupos (SS) no es una medida del efecto de la variable independiente, Dado que SSw/gly = sw*,esto significa que el estimado de la varianza dentro de los grupos (sy*) tampoco es una medida del efecto real de la variable independiente. En lugar de ello, nos brinda un estimado de la variabilidad inherente de los puntajes mismos. Por lo tanto, sy es un estimado de a* que no se ve afectado por las diferencias en el tratamiento. El Gitimo término en la ecuacién que divide la yariabilidad del puntaje 2 de la gran media es X, ~ X. Cuando este término se eleva al cuadrado y se suma para todos los puntajes, se convierte en SS, Por lo tanto, S3p = (Ki, ~ Ka)? + Xa ~ Kol + wl — Ko Como ya discutimos antes, SS es sensible al efecto de la variable independiente porque, mientras mayor sea el efecto de la variable independiente, ms distintas serdn Ins medias de cada grupo entre sf y, por ende, dferirin de Xg. Dado que SSy/gly = sy", esto significa que el estimado de Ja varianza entre los grupos (59°) también es sensible al efecto real de ia variable independiente, Por lo tanto, 53° nos indica un estimado de o* més los efectos de la variable indepen- diente, Dado que , = Si _ © + efectos de la variable independiente on 2 a mientras mayor sea Fay, menos razonable seré Ia explicasign de Ia hipétesis nla, Sila variable independiente no tiene efecto, entonces sp" sy Son estima- dos independientes de 0 y su razén se distribuye como Fon gl = gly (nume- rador) y glw (denominador). Evaluamos la hipdtesis nula al comparar Fao: con Fexae Si Foxe = Fea techazamos Ho. Intentemos resolver un problema mas de préctica. Un profesor universitario desea determinar | ‘un importante tema a su clase y tiene las siguient dar la clase, 2) puede dar la clase y asignar lecturas 3) puede exhibir una pelicula y asignar lect lizar un experimento para evaluar las tres opcior de su clase y asigna al azar a nueve de ello ciones. En la condicién 1, impart lls losses 2, imparte la clase y asigna lecturas cl estudiantes ven una pelicula sobre el tema y ademés ‘ecturas suplementarias que Ios estudiantes de la después una prueba a los estudiantes sobre siguientes puntajes (porcentaje de respuestas comrectas):396 CAPITULO 15 Introduccién al analisis de varianza Clase + Clase, fectura, condicién 1 ‘condicion 2 736, So oa 6501 886 rox 9 604 100 St s2at a Im a E01 Dx? = 20408 a) {Cudl es la hipotesis nula general? b) {Cua es la conclusion” Utilice « = 0.05. SOLUCION a) Hipdtesis nula; establece que los diferentes métodos de presentar material son igualmente effeaces, Por lo tanto, 1; = 4 = ps ) Conclusién, con a = 0.05. Para evaluar Hy debemos calcular Fp ¥ tue evaluarla con base en su distribucién de muestreo. A) Caleular Foxy. PASO 1: ealeular SS: N 5p | 7 7 iy -(@ (si9y SS 23207 a, Cee 9-57 = 408.074 Cxy Cay, Cx)Logica subyacente al ANOVA de un factor 397 Paleular SSiy2 nase eX OMY Oxy Sy =" 5) x7 - [SSW , C2 OX (167? | (819)? _ (734)*] pat got gead = 200428 — | = 7L778 PASO Caleular Sp: Piet Sx Este paso ¢s s6lo una revisidn para estar seguros de que los edlculos de SSp y SSw son correctos. Si es asi, entonces, SSp = SSp + SSw, Esta revision se muestra aqui SSp= SSq + SS 1079,852 = 408.074 + 671.778 1079.852 = 1079.852 PASO & calcular dg-k=1=3- gly =N- k= lr=N-1 26 PASO S caleular sy) S5p _ 408074 = 204.037 ale PASO & ealeular 57: es Saw 2d 204.037 Fon sy? 1 27991 = 129 B) Evaluar Foy: Cone * 0.05, Blauncrador ™ 2 ¥ Blienominadoe = 24, de 1a tabla, Fay = 3.40 (continia)398 CAPITULO 15 Introduccién al analiss de varlanza Dado que Fax¢> 3.40, rechazamos Ho, Los métodos de presen no son igualmente eficaces, La solucién se resume en la tabla tabla 15.3. Tabla que resume el ANOVA para el experimento de métodos de presentacion. RELACION ENTRE EL ANOVA Y LA PRUEBA t Cuando un estudio implica s6lo dos grupos independientes y probamos la hi tesis nula de que jz; = #2, podemos utilizar la prueba t para grupos independ tes o el andlisis de varianza. En dichas situaciones, puede demostrarse en (6 nos algebraicos que r° = F, Para ver una demostracién de este punto, con: Companion Site del libro en Internet. SUPUESTOS SUBYACENTES AL ANALISIS DE VARIANZA Los supuestos subyacentes al andlisis de varianza son similares alos de Jap {para grupos independientes: 1. La poblacién de la cual se tomaron las muestras adopta una distribucl6 normal. 2. Las muestras son tomadas de poblaciones con varianzas iguales. Com se sefial6 en el capitulo 14 en conexién con la prueba ¢ para grupos dependientes, esto se llama supuesto de homogeneidad de la variam El andlisis de varianza también da por sentado la homogeneidad d varianza.” ‘Al igual que la prueba f, el andlisis de varianza es una prucba robusta. Las vil ciones a la normalidad de la poblacién lo afectan muy poco. También es relati¥ ‘mente insensible a las violaciones de homogeneidad de la vari son de igual tamaiio.” “Consule la nota de pie de pigina de capitulo 14 en lap. 363.Algunos estadsticos también limita clempleo del ANOVA a datos que corresponden aescalas de intervalo ode proporcion. Pact con iscusiones sobre este punto, consult las referencia en el eaptulo 2, pie de pagina dela p34 ‘Para conocer tuna amplia discusién sobre estos puntos, consulte G.V. Glass, PD. Peckham y Sanders, “Consequences of Failure to Mect the Assumptions Underlying the Use of Analysis Variance and Covariance", Review of Educational Research, 42 (1972), pp. 237-288,Tamaho del efecto con a? 0 TAMANO DEL EFECTO CON 4? 0 7” Omega cuadrada, 6? “Ya hemos discutido el tamafio del efecto de la variable X sobre la variable ¥en conjuncién con la investigacién correlacional cuando discutimos el coeficiente de determinacién (7°) en el capitulo 6, p. 130. Recordar4 que r* es una medida de la proporcién de la variabilidad total de ¥ explicada por X y, por lo tanto, es una medida de la fortaleza de Ia relaci6n entre X y Y. Si la variable X es causal en relacién con la variable Y, el coeficiente de determinacién también es una medida del tamafo del efecto de X sobre ¥. La situacién es muy similar cuando trabajamos con el ANOVA de un factor, diseBio de grupos independientes. En esta situacidn, la variable independiente es Xyy la dependiente es ¥. Uno de los estadisticos calculados para meditr el tamafio del efecto en el ANOVA de un factor de disefio de grupos independientes, es omega cuadrada (67). La otra es eta cuadrada (7°), la cual discutiremos en la si- guiente seccidn, En términos conceptuales, 0? y 7 son como r* en cuanto a que cada una ofrece un estimado de la proporciGn de la variabilidad total de ¥ que es explicada por X. 6? es un estimado relativamente no sesgado de esta proporcién en la poblacién, mientras que el estimado proporcionado por 7’ es mas sesgado, La ecuacién conceptual para @? esté dada por on a a z on + ow ecuacién conceptual Dado que no conocemos los valores de estas varianzas poblacionales, las estima mos de los datos muestrales. La ecuacién resultante es SSp— (ke ~ 1)sw SSo (k= tw ceuacion de ebleulo SB, + Cohen (1988) sugiere los criterios que se muestran en la tabla 15.4 para interpre- tabla 15.4. Criterios de Cohen para interpretar el valor de a? on. Go nF (proporcién de varianza explicada) Interpretacion 0.01-005 Efecto pequetio 0.06-0.13, Efecto mediano S014 Efecto grande * Consult la nota de pie de pagina dl eaptulo 13, p.330, para conocer referenias en las cuales 8 Aiscuten algunas precauciones al ilizar los erterios de Coben.400 CAPITULO 15 Introduccion al andlisis de varianza ejemplo CONSEJO DEL MAESTRO Precaucién-caleule 6? a una precision de tres decimales, dado que esta proporcién con frecuencia se converte en poreentae. ejemplo CONSEJO. DEL MAESTRO Precaveién:ealeule 7? a una precisién de tes decimales, ado que esta proporcién con frecuencia se convirte en orcentaje. \ Experimento del estrés Caleulemos el tamafto del efecto con d* para el experimento del estrés, p dicho experimento, $84 = 203.333, S87 = 257.333, sy efecto para estos datos, con 67, es 203.333 ~ (3 = 1)4.500 a = 07 287.333 + 4.500 Ore Por lo tanto, el estimado que brinda 4? nos indica que las situaciones de estes oy (0.742 0 74.2% de la varianza en los niveles de corticosterona. En referencia w ig 15.4,dado que este valor de 6 es mayor que 0.14, se considera un efecto grand Eta cuadrada, »” Eta cuadrada es una medida alternativa para determinar el tamafio del ef experimentos de ANOVA de un factor, para grupos independientes,/ brinda un estimado de la proporcidn de la variabilidad total de ¥ expli X,y es muy similar a 6°, Sin embargo, este ofrece un estimado més sosgad G7 y ese estimado sesgado por lo regular es mayor que el verdadero tama efecto. No obstante, es muy facil de calcular, aparecié antes que 6? y utiliza con frecuencia, Por lo tanto, hemos incluido una discusicn de eta cug aqui, La ecuaci6n para caleular 77 esté dada por = 58s ecuacién conceptual SS, ydecémputo Experimento del estrés En esta ocasién, calculemos 1? para los datos del experimento del esttés, ‘mencionamos, $Sg = 203.333 y SSy = 257.333. Al calcular el valor de 1? pam datos, obtenemos S5p _ 203333 ™* $s, ~ 257333 97%? Con base en ls situciones de ets expican 0.7900 79.0% de a varanza en ee les de corticosterona. De acuerdo con el criterio de Cohen (consulte la tabla 15.4) valor de 7 es mayor que el valor obtenido para 4°, a pesar de que ambos se cal on los mismes datos Dado que 6 brinda un estimado mis preiso del ima efecto, recomendamos su empleo mas que el de 1. EL PODER DEL ANALISIS DE VARIANZA El poder del andlisis de varianza se ve afectado por las mismas variables y misma manera que en el caso de Ia prueba r para grupos independientes. R dard que para la prueba ‘ para grupos independientes, el poder se ve afect ta siguiente manera: 1. El poder varia de manera directa con N. Al aumentar A, se ineremetl poder. | poder varfa de manera directa con el tamafo del efecto real de riable independiente. El poder de la prueba para detectar un efect0 7 es mayor para efectos grandes que para los pequefios. poder varia inversamente con la variabilidid muestral, Mientras yor sea la variabilidad muestral, menor sera el poder para detectae i efecto realdirects con Ny et real dela variable Comparaciones multiples 4011 ‘Veamos ahora a cada una devestas variables y e6mo afectan el andlisis de varianza. Esta discusién se comprende mejoraleferimos ala siguiente ecuaciGn para Fo, Con un experimento.que involucra a tres grupos faa 28 MO XE SP Oe — He SW (SS, + 55,.+ SSN = 3) El poder y NV ‘Como es evidente, cualquier cosa que ineremente Fay aumentard el poder, Cuando N-la.cantidad total de Jos sujetos en el expetimento, se incrementa, también debe hacerlo n, la cantidad de sujetos ¢ an cada grupo. Das creniaias mero oe estas variables resultan en ur aumento en Foy, Esto puede verse a ContimUaCiOn.- En referencia a Ta ecuacion Foy, a medida que N se incrementa, dado que se en- cuentra en el denominador del estimado de la varianza dentro de los grupos sy", Sw disminuye. Dado que sy* se encuentra en cl denominador dela ecuaci6n Fox, Foye incrementa. En cuanto a n, dado que ésta se encuentra en el numerador de la ecuacién Fis y es un multiplicador de valores positivos, los inerementos en n resultan en un aumento en el estimado de la varianza entre los grupos, sy". Dado. que sq” se encuentra en el numerador de Ia ecuacién Fy, los inerementos en syf causan un aumento en Fox. Como ya s¢ establecié antes, cualquier cosa que incre- ‘mente Fey también lo hace con el poder. Por lo tanto, los inerementos en N yen n resultan en un mayor poder. El poder y el efecto real de la variable independiente Mientras mayor sea el efecto real de la variable independiente, mayores serdn los valores de (X; ~ Xq)*, (Xz — Xo)", y (Xs — Xo) Los incrementos en estos va- lores producen un aumento en ss" Dado que sy” se encuentra en el numerador de la ecuacién Fay, los incrementos en sp" causan un aumento en Foy. Por fo ‘anto,ynientras mayor sea el efecto real de.ta variable independiente, mayor serd et poder) OO er nimante 439 El poder y la variabilidad de la muestra on ‘SS; (la suma de cuadrados del grupo 1), 8S (Ia suma de cuadrads del grupo 2) y ‘SS; (Ja suma de cuadrados del grupo 3) son medidas de la variabilidad dentro de cada grupo. Los incrementos en Sj, Sy y $5-dam como resultado un ineremento en el estimado de la varianza dentro de los grupos, sy”, Dado que sy* Se encuen- tra en el denominador de la ecuacion Fg, los incrementos en'sy? resultan en una disminucién de Fey. Por 10 tanta,\los incrementos en la variabilidad resultan en disminuciones en el poder. ta onenira COMPARACIONES MULTIPLES \En el ANOVA de un factor, un valor significative de F indies que no todas las “condiciones tienen el mismo efect se experimento ilusirativo presentado anies en este capitulo que investigaba Ia can- tidad de estrés producida por tres situaciones,se obtuvo un valor Fsignificativo y coneluuimos que las tres situaciones no eran iguales en cuanto @ los niveles de estrés que produjeron. Por razones pedagdgicas, detuvimos el andlisis en esta conclusién, Sin embargo, en la préctica real, el andlisis por lo regular no finaliza en ese punto. Por lo comin, también estamos interesados en determinar cules de las condiciones difleren de las demds. Un valor F significativo nos indica que402 CAPITULO 15 Introduccién al andlisis de varianza cuando menos una de las condiciones difiere de una de las demas. Tambign ¢ posible que todas sean distintas o cualquier combinacin entre ellas sea ven Para determinar cudles condiciones differen, por lo regular se realizan compara ciones mtltples entre pares de medias de grupos. En lo que resta de este capi iscutiremos dos tipos de comparaciones que pueden hacerse: comparaciones, priori y comparaciones a posteriori Comparaciones a priori o planeadas Las comparaciones a priori se planean por adelantado del experimento y @ frecuencia surgen de predicciones basadas en la teorfa y en la investigagi previa. Con las comparaciones a priori no corregimos para la mayor proby dad de cometer un error Tipo I que surge debido a las comparaciones miltipl ‘como se hace con los métodos a posteriori. Esta correceién, la cual cubri ena siguiente secci6n, en efecto, hace més dificil que la hipétesis nula sea chazada, Cuando hacen comparaciones a priori, los estadisticos no concuerd con que si dichas comparaciones deben ser ortogonales (es decir, independ tes). Hemos seguido la postura adoptada por Keppel y Winer de que las paraciones planeadas no necesitan ser ortogonales siempre y cuando luyan« ‘manera significativa y légica a partir del disefio experimental y sean reduch en nimero. Al tealizar comparaciones planeadas, se utiliza la prueba ¢ para grupos inde pendientes. Podriamos calcular fy de la manera usual. Por ejemplo, al compar las condiciones 1 y 2, podrfamos utilizar la ecuacién nm Sin embargo, si recordamos que SS; + SSy(n + m ~ 2) es un estimado de basado en la varianza dentro de los dos grupos, podemos utilizar un mejor € CONSEJO mado dado que tenemos tres o mas grupos en el experimento. En lugar de DEL MAEATED: + S52)(m, + my ~ 2), podemos utilizar el estimado de la varianza dentro de Dtaspeaectec wigs ae 5 se basa en todos los 1 lo tant tcuacion pars papesinde, __STUPOS Sw”, el Cual se basa en todas los grupos. Por lo tanto, pencientes. excepto que el va: lor dey? se toma del anslisis fone = ecuacién ¢ para comparaciones a prioti ‘el ANOVA. ? planeadas, ecuacién general ecuacién t para comparaciones a priori o planeadas con n igual en tos dos grupos Apliquemos lo anterior al ejemplo del estrés presentado antes en este tulo, Para su conveniencia, mostramos los datos y la solucion del ANOVA tabla 155. Suponga que tenemos la hip6tesis a priori, basada en fundamentos te6l cos, de que el efecto de Ia tercera condicién sera diferente del efecto de *Para conocer una discusion sobre este punto, consulte G. Keppel, Design and Analysts Pent Hall, Upper Saddle River, NI, 1973, pp. 9293, "Covtslie la Nota 15.1 para conocer una diseusiéa sobre comparaciones ortogonales.‘Comparaciones multiples 403 tabla 15.5 Datos del experimento del estrés Grupo 1 Grupo 2 Grupo 3 vacaciones ‘lases ‘examen final xP "Six 2s N=1s Entre los grupos Dentro de los grupos condiciones primera y segunda, En consecuencia, antes de reeabar cualquier dato, hemos planeado comparar los puntajes del grupo 3 con aquellos de los grupos | y 2, Para realizar las comparaciones planeadas, primero calculamos los valores f,1, apropiados y luego los comparamos con fej. Los célculos son los siguientes: Grupo Ly grupo 3: : 4.00 — 13.00 VAswin — V/2(4.50)/5 Grupo 2 y grupo 3: {GES significativo cualquiera de estos valores? El valor de fa se encuentra en la tabla D, en el apéndice D, con los grados de libertad para sy*. Por lo tanto, con gl=N-k=12ya= 005; ane fen = #218 Ambos puntajes ¢ obtenidos tienen valores absolutos mayores que 2.18, de ma~ neraque concluimos que la condici6n 3 difiere significativamente de las eondicio= nes 1 y 2.404 CAPITULO 15 Introduccion al andlisis de varianza Comparaciones a posteriori 0 post hoc Cuando las comparaciones no son planeadas por adelantado, debemos utili "prueba a posteriori Estas comparaciones por lo regular surgen después dg experimentador examina los datos y elige grupos con medias que estén me jadas 0, por el contrario, que surgen de realizar todas las comparaciones pq sin bases tebricas a priori. Dado que estas comparaciones no fueron plan antes del experimento, debemos corregir los valores inflados de probabilid curren cuando se realizan comparaciones miltiples, como mencioy seccién previa, Muchos métodos estan disponibles para lograr esta correccién,” EI] bastante complejo y la presentacién de todos los métodos supera la cober este texto. Sin embargo, debemos presentar dos de los métodos més aceptad método desarrollado por Tukey llamado prueba de la diferencia honesta significativa (Honestly Significane Difference, HSD) y la prueba NewmaneK Estas dos son pruebas post hoe de comparaciones miltiples y mantienen eh del error Tipo I en a mientras realizan todas las comparaciones posibles pares de medias de las muestras. Recordard usted que el problema al realizar comparaciones miiltiples pruebas t es que los valores eriticos de r se derivaban bajo el supuesto de hay dos muestras cuyas medias serdn eomparadas. Esto podria lograrse al una prueba t. Cuando hay muchas muestras y, por lo tanto, mas de una cont cidn, la distribucién de muestreo de ¢ ya no es la apropiada. De hecho, $1 utilizarse, la probabilidad real de cometer un error Tipo I excederfa alfa por mi particularmente si se realizan numerosas comparaciones. Los métodos de de Newman-Keuls evitan esta dificultad al emplear distribuciones de mi bbasadas en la comparacién de las medias de diversas muestras en Iugar de dos. Estas distribuciones lamadas distribuciones Q o de rango studentizado, desarrolladas al tomar & muestras al azar de igual tamaiio de la misma pob (en lugar de s6lo dos,como en la prueba ‘) y determinar la diferencia entre rmuestral més alta y la ms baja. Las diferencias fueron divididas entre ‘cual produjo distribuciones que eran como las distribuciones 1, excepto que brindaban las bases para realizar comparaciones miiltiples, no solo una cam cién-como en la prueba t. Los puntos percentiles 95 y 99 para a distribucidn Qe dados en la tabla G, en el apéndice D. Estos son los valores eriticos de Q pa niveles alfa 0.01 y 0.05. Como pod adivinar, los valores criticos dependen a cantidad de medias muestrales y de los grados de libertad asociados con Sys Aldiscutir las pruebas HSD y Newman-Keuls, resulta dtil distinguir aspectos de los errores Tipo I:el indice tasa de error por experimento y eli © tasa de error por comparacién. definiciones ‘Como ya veremos en las proximas secciones, la prueba HSD difiere de la Newall Keuls en cuanto a cudl de estos indices mantienen igual a alfa, Para conocer una diseusiGn detalada de estos métodos,consulte R,E, Kirk, Experimental Dl a. ed, Brooks/Cole, Pacile Grove, CA, 1995, pp. 14-159,abas HSD y Newman- uiizan las dstribucio- Comparaciones miltiples 405 Prueba de la diferencia honestamente significativa (HSD) de Tukey ULa prueba de ta diferencia honestamente significativa (HSD) fue disefiada para comparar todos los posibles pares de medias mientras se manticne el error Tipo Ten a para realizar el conjunto completo de comparaciones. Por lo tanto, fa prueba HSD mantiene el indice de error Tipo I por experimento en a. El estadis- tico calculado para esta prueba es Q y se define por la siguiente ecuacién: HX Vosyin en donde X, = la més grande de las medias comparadas X, = la mas pequefia de Jas medias comparadas: sw" = estimado de la varianza dentro de los grupos n = cantidad de sujetos en cada grupo Qe: Note que al calcular Qn» la media més pequefia siempre se resta de la mas grande. Esto siempre hace que Qo, sea positiva, Por lo demas, el estadistico Q es muy parecido al estadistico /, excepto que utiliza distribuciones Q en lugar de las correspondientes a 1, Para utilizar este estadistico, calculamos Qn, para las comparaciones deseadas y comparamos Qo», con Oca, determinada en la tabla G. La regla de decisién establece que si Qa = Qeux fechazamos fj, Sino, entonces conservamos Ho, Para ilustrar el empleo de la prueba HSD, debemos aplicarla a los datos del experimento del estrés. Para efectos de la ejemplificacion supondremos que de- seamos las tres comparaciones. Hay dos pasos para utilizar la prueba HSD. El primero es calcular el valor Qos. para cada comparacién y luego comparar cada valor con Qzy- Los célculos para Quix Son ios siguientes: Grupo 2 y grupo I: HX Om = ee Vsyiin Grupo 3 y grupo 1: nae ee Vain Grupo 3 y grupo 2: E-% Vain = V450/5 El siguiente paso es comparar los valores Quy con Qua. El valor de Qui 8° determina de la tabla G. Para localizar l valor apropiado, debemos conocer el gh, el nivel alfa y k. Los gl son los grados de libertad asociados con sy*. En este ex- perimento, al = 12. Como ya mencionamos,& representa la cantidad de grupos en elexperimento. En el presente caso, k = 3, Para este experimento, alfa se estable- ci6 en 0.05. En la tabla G, con gl = 12,k = 3 ya = 0,05, obtenemos en = 3-77 Qa Dado que Quy; > 3.77 para cada comparacién, rechazamos Hp en cada caso y concluimos que ji; # jp * js. Estas tres condiciones differen en el valor inductor de estrés. La solucion se resume en la tabla 15.6406 CAPITULO 15 Introduccion al andlisis de varianza CONSEJO DEL MAESTRO Note que Qua a misma para todas Ins comparaciones. tabla 15,6 Anélisis de comparaciones post hoc individuales del experimento del estrés con la prueba HSD de Tukey. Gropos3y BK Oia Tati Grupos’ y 2 “Rechazar Hy Prueba Newman-Keuls ‘inuestras Fe rracidn y después se comparan con Qzry para evaluar la hipotesis nula. Difi la prueba HSD en que mantiene el indice del error Tipo I en a para cada paracién, en lugar de para el conjunto completo de las comparaciones. tanto, La prueba Newman-Keuls mantiene el indice de error de comparacin en a tras que la prueba HSD mantiene el indice de error del experimento a a. A fin de mantener el indice de error.de comparacién en a, el méto Newman-Keuls varfa el valor de Qe para cada comparacién. El valor de utilizado para cualquier comparacién esté dado por la distribucién de mu de Q para la cantidad de grupos con medias comprendidas entre X,y X) de ‘como r para distinguirlo de k, la cual represent: perimento. Para ilustrar el método Newman-Keuls, to utilizaremos para analizar 10 tos del experimento del estrés. El primer paso es ordenar las medias por Esto ya se realiz6 en la tabla 15.7. A continuacién, se calcula Qo para cada paracién. Los célculos y los valores Qoiy también se presentan en la tabla 15s siguiente paso es determinar los valores de Qc. Note que para mantenet él dice del error Tipo I para cada comparacién en a, existe un valor eritico distil para cada comparacién, el cual depende de r Recuerde que r, para cada con raciGn, equivale a la cantidad de grupos que tienen medias que estan compt das entre X,y X,, después de que éstas han sido ordenadas por rango. Por 0’ para la comparacién entre los grupos 3 y 1, X; = Xs y X;= X1. Cuando las mk son ordenadas por rangos, hay tres grupos (grupos 1,2 y 3) cuyas medias & comprendidas entre X3 y Xj. Por lo tanto, r = 3 para esta comparaci6n,iSEJO MAESTRO Comparaciones maitiples 407 tabla 15.7 _Anélisis post hoc de comparaciones individuales del experimento del estrés con le prueba Newman-Keuls r=2, a= 0.05 “Recharar Hy comparacién entre los grupos 3 y 2, X= Xsy Xj = Xs. Después de ordenar todas las medias por rangos, X; y X» son directamente adyacentes, de manera que s6lo hay dos medias comprendidas entre X; y Xa es decir, Xo y X En consecuencia, r= 2 para esta comparacién. Lo mismo ocurre para Ja comparacién entre los grupos 2 y 1. Para esta comparacién, 1 Yr = 2 (las dos medias comprendidas son X2 y X1), Ya estamos listos para determinar Qc, para cada comparacion. El valor de Qa se encuentra en la tabla G, con los valores apropiados para gh r y «Los grados de libertad son los gl para sj? que equivale a 12 y utilizaremos él mismo nivel a. Por lo tanto, a = 0.05. Para las comparaciones entre los grupos 1 y 3, con gl =12,r=3ya=0.05, Oes "7, Para las comparaciones entre los grupos 1 y 2y los grupos 2 y 3, con gl = 12,r = 2 y a = 0.05, Qsay = 3.08, Estos valores también se muestran en la tabla 15.7. El paso finales comparar Qj; con Qzy;. Al hacer estas comparaciones, hemos seguido-la-regla-con-la-cual-comenzamos con el valor mas grande de Qgycen la tabla (la esquina derecha superior de los valores Quy) ¥ lo compara- mos con él Qui apropiado. Si es significativo, procedemos con el paso de la izquierda y comparamos el siguiente Q,,, con el correspondiente Ogxy. Conti- nuamos de esta manera hasta que terminamos la fila o hasta que Hegamos a un Qo no significative. En el ultimo caso, todos los valores pj, testantes des- pués de este primero Qore no significative son considerados no significativos. Cuando la fila se ha terminado o cuando legamos a Un Oop, no significativo, pasamos a la siguiente fila y comenzamos de nuevo con el primer valor Quy a la derecha. Continuamos de esta manera hasta que todos los valores Qo, han sido evaluados. En el presente ejemplo, comenzamos con 9.48 y lo compatamos con 3.77: sf es significativo. Después, 4.21 es comparado con 3.08: también es significativo. Dado que esa comparacién finaliza la fila, cambiamos de fila y comparamos 5.27 con 3.08. Una vez mas, cl valor Qau es significative, Por lo tanto, podemos recha- zar Hg en cada comparacién. Asi finalizamos el andlisis con Ia conclusién de que # * #2 * 3. La solucion se resume en la tabla 15.7, Ahora resolvamos un problema de précticaCon los datos del problema de préctica 15.1 (p. 396), 1a) Pruebe las comparaciones planeadas que 1) clase + lectura y clase tien diferentes efectos, y 2) que clase + lectura y pelicula + lectus nen diferentes efectos. Utilice « = 0.059 0. b) Electiic todas las comparaciones post hoc posibles con la prueba Utilice a = 0.05. ©) Realice todas las comparaciones post hoc posibles con la prueba Newman Keuls Utilice a = 04 SOLUCION Pata su conveniencia, los datos y Ja solueién con el ANOVA se muesttan de nuevo aqui. Condici6n 1 ee 48.074 Dentrodelosgrupos 671.778 Total 1079,852 "Con «= 005, Fy =340. Por lo 8A, rechazamos HyComparaciones multiples 409 a) Comparaciones planeadas: las comparaciones son como sigue: clase + ectura,y clase (condicion 2 y condicién 1): Clase + lectura, y pelicula (¢ondicién 2 y condicién 1): “in AQT. 991/95 Clase + lectura, y pelicula + lectura (condicién 2 y condici x, 91 — 81.556 Visy7in V28799)/9 Para evalurar estos valores de ‘jy, debemos determinar faq. De la tabla Dycon a = 0.083 sain ¥ al = 24, ' Dado que |f| > 2.064 en ambas comparaciones, rechazamos Fy en cada caso y concluimos que 1; # 42 y que po # pe, Con el empleo de pruebas ‘a priori, clase + lectura parece ser el método mis efteaz, ‘Comparaciones post hoc con la prueba HSD: con la prueba HSD, se de- termina Qik para cada comparacién y después se evaltia contra Qem. El valor de Q.xyes el mismo para cada comparaci6n yes tal que el indice de error por comparacién se mantiene en cz A pesar de que no es necesario. para esta prueba, hemos ordenado primero por rango las medias para propdsitos de comparacién con la prueba Newman-Keuls, Estas se pre= sentan en la siguiente (abla. Los ealculos para Qpy: Son los siguientes: Clase 1) y pelicula + lectura 3): X, - Qaim = Wale Clase + lectura 2) y pelicula + lectura 3): Clase + I _ 91 = 85.229 Vsyiin — 27.991/9 A continuacién, debemos determinar Osa De la table G, con gl k= 3ya = 0.05,obtenemos Qui = 3.53 ‘Al comparar los tres valores dé Quo; con Qn neontramos que s6lo Ja comparacién entre pelicula + lectura, ¥ clase + lectura es signific tiva, (Para esta comparacién Q,y. > 3.53, mientras que para las otras Qo: < 3.53.) Por lo tanto, con base en la prueba HSD, debemos recha- Zar Hp para la comparacion entre clase + lectura, y pelicula + leetura (eontinia)410 CAPITULO 15 Introduccién al andiisis de varianza (condiciones 2 y 3). Clase + lectura parece ser més eficaz que p + lectura, Sin embargo, no podemos rechazar Ho en relacion otras comparaciones. Los resultados se resumen en la siguiente Condisiones2y 3: Hak _91—s1s96 VIII "Rechazar He Comparaciones post hoc con la prueba Newman-Keuls: como prueba HSD, Q,», se calcula para cada comparacién y luego se contra Qa. Sin embargo, con la prueba Newman-Keuls, el ‘Qa cambia con cada comparacién a fin de mantener el indice de. por comparacién en a. Primero, las medias se ordenan por rango Ja menor a la mayor. Esto se muestra en la siguiente tabla, Ds calcula Quy para cada comparacién. Estos célculos, asi como los py, se han capturado en la tabla. Después, Qa para cada c i esté determinada en la tabla G. Los valores de Onn: dependen de a, para sw’ y r, en donde r es igual a la cantidad de grupos que tienen dias comprendidas entre X; y Xj, después de haber sido ordenadas p rangos. Por lo tanto, para la comparacion entre X> y Xi, = entre and Xs,7 = 3:y entre X; y Xs,r ~ 2. Para este experimento, gl = a = 0.05. Los valores de Q:rx para cada comparacién han sido cap turados en Ia tabla. Al comparar Qory Con Ores, comenzando por valor oye més alto en la primera fla y procediendo hacia la izquie fencontramos que podemos rechazar H) para la comparacién condiciones 2 y 3, pero no para la comparacién entre las cond y3.Al bajar a la siguiente fila, dado que 3.28 > 2.92, también poden rechazar H para la comparaci6n entre las condiciones 2y 1. Por lo tanto, con base en la prueba Newman-Keuls, tal parece que clase + Iectura superior a clase sola y a pelicula + lectura, Los resultados se rest cena siguiente tablaCONSEJO DEL MAESTRO Tascomparaciones plancadas fontas prucbas de compara: [Bn maple més poderosas. Comparaciones miltiples. 411 81.556 85222 91 Condiciones 1y3 3.606 9.444 R= _ a5202- 91.556 _ 5778 in 535" Condiciones 2y3: er =F _ 91 — 81.556 etn ESOS Condiciones 2y *Rechazat Hh Pruebas HSD y Newman-Keuls con n desigual omo ya sefialamos antes, las pruebas HSD y Newman-Keuls Son apropiadas cuando existe una cantidad igual de sujetos en cada grupo. Silas m son desiguales, estas pruebas atin pueden utilizarse, siempre que las 7 no difieran mucho una de otra. Para utilizar las pruebas HSD y Newman-Keuls con 7 desigual, ealeulamos la media arménica (A) de las diferentes 7 y la utilizamos en el denominador de a ecuacién Q. La ecuacién para A es k (7m * Un) * (faa) == (0 en donde ke = cantidad de grupos rng = cantidad de sujetos en el grupo k Suponga,en el experimento del estrés, que my = 5,m = 7 ny = 8. Entonees, a x 3. 641 (1/m) + (I/m) + (A/a) Ee Comparacién entre las pruebas de comparaciones planeadas, la HSD de Tukey y la Newman-Keuls Dado que las comparaciones planeadas no cortigen una reciente probabilidad de cometer un error Tipo I, son més poderosas que cualquiera de las pruebas post hoe que hemos discutido. Este es el método a ser elegido cuando es aplicable. Es importante sefialar, sin embargo, que las comparaciones planeadas deben ser re- lativamente pocas en nimero y que deben fluir de manera significativa y légica a partir del disefio experimental La decision entre Ia prueba HSD de Tukey y la prueba Newman-Keuls en realidad depende de la filosofia personal, Dado qué la prueba HSD mantiene el ‘indice de error Tipo Ten a para el conjunto completo de comparaciones, mientras que la prueba Newman-Keuls mantiene el indice del error Tipo Ten « para cada412 CAPITULO 15 Introduccién al andlisis de varianza especto a cuando no se realizan ajustes). Dado que utiliza un nivela de egal mento Tipo I mds alto, pero un indice de error Tipo II mas bajo. Es probable que tun experimentador conservador elija la prueba HSD de Tukey, mientras que es Rot URW WL). V8) DOT LE Ran Lemar Lad Enunianuncio de tipos de pelotas nuevas. Cincuenta y tica inferencial, zcOmo reaeclon@fill Una revista oubl- __un golfistas golpearon 18 pelotas a este anuncio? ‘ado por Rawlings (Ines de cada marca) de un tee de sa- Golf Compary, la _ida'con un oriver La distancia media Respuesta Primero, creo que Heber empresa afirma fia- _tecorride por cada pelota se reporté _solicitar a la empresa que condugea ber desarrollado una de le siguiente manera! investigaciones de evaluacion que: nueva pelota de golf que viaja a mayor distancia, La pelota se llama Tony Penna DB (DB son las iniciales de distance ball, pelota de distancia en inglés). Rawlings no s6lo oftecio términos como nticleo de alto re ‘ote, cubierta de Surlyn, accién ‘comparen su producto con sus comes Petidores sobre una variable depene! diente muy importante. También set fia tecomendable buscar una ‘rganizaciOn imparcial para condud la Investigacion. Por ultimo, seta ree ‘comendable que repartaran las esul ‘ony Penna DB 254.57 yardas Titleist Pro Trajectory 252.50 yardas Wilkon Fro Staff 249,24 yardas 4. Titlest DT 249.16 yarcas 5, Spakling Top-Flite 247.12 yardas 6 Dunlop Blue Mex 244,22 yardas centrifuga, etc, pata explicar por A'pesar de que no'se reporté nin- _tados y que llamaran la atenclén del qué es razonable creer que su pe- guna prueba inferencial, el anuncio lector hacia el hecho de que las feel lota vuela mas lejos, sino también _conluye: “como usted puede ver, a. _renicas entre las pelotas-son may elt ontrat6.a un institute de andliss _pesar'de que no podemos prame- _quefas (aunque, admitamaslo, la fe4 del consummidor para que condujera _ terle 250 yardas desde el tee, pode- _daccion del anuncio intent lograr Lun experimento pare determinar'si, mos ofrecerle una ventaje competi- un resultado un tanto distnto), Una ‘Se hecho, la pelota Tony Penna DB tiva, aunque solo sea de una yarda _crtica seria a este anunclo (que J llega mas lejos, En este exper ©. dos". Dado que usted ya cuenta para ahora es una vieja conacdal Trento, Se evaluaron seis diferentes con suficientes bases en la estadis- que no.se nos ha informado si estos) apsied E, MRE iFJtados s0n significativos en ter os estadisticos jo 81 azar es la explicacion co a, jentonces el uso dela pelota ces’ dos de vertaja! Antes de tomar ‘seriedad la alirmacion de supe cerel tam ion con la dif Jas diferencias fueron estadist mente sinificativas. Sin esta con ifcativas, en cuyo caso sélo el zat permanece como expiicacion razonable ce los datos, (Por cierto, prueba de inferencia hubiera isted utiizedo? ¢Respondio que el ANOVA? iMuy bien!) Para efectos de mi segundo ar- ‘gumento, diaamos que se ha real- zado la pruebe inferential apro: lads y que los datos son cestadsticamente significativas. Aun ecesitamos preguntar: “2¥ enton- Incluso sos resultadas son estadisticamente significativos, evale a pene molestarse en cono- del efecto?” En elas cen yards, creo que la respuesta es “no yo fuera un asiduo goffista, no veo ‘como una yard 0 dos pueden ha- 5 er una diferencia en mi juego de {endas fueron probadas y no fueron golf.L0 més probable es que mi ppuntaje de 18 hoyos no cambiaria ppor un solo golpe, sin importar ia pelota que utllice. Por otra parte, si yo utlizara pelotas Dunlop Blue (Max, estos resultados causarian ue yo probara alguna de las dos Resumen 413 pprimeras marcas. En cuanto a la tercera, cuarta y quinta marcas, ‘una persona tazonable podria to- ‘mar cualquier decision, Si no exis tieran diferencias en los costos, 7eo que © camblaria a alguna de las dos primeras marcas a manera de prueba En resumen, he intentado sena- lardos puntos. primero es que fas declaraciones We superioridad del pprodlucto basadas en datos muestra- les deben reportar sis resultados son esiadlsticamente signifcatvos: El segundo es que "significado esta- dstico" e “importancla” son temas distintos. Una vez que el significado estadistico ha quedado establecido, debemos ver el tamatio del efecto para averiguar sies lo bastante ‘grande para garentizar un cabo en nuestra conducta. . Incluso si Mm RESUMEN Enesie capitulo, he discutido la prueba F y el andlisis de Narianza, La prucba F es, en términos fundamen- Halles Ia razn de dos estimados independientes de la Yarianza de la misma varianza poblacional, 0. La Aistribucién F es una familia de curvas que varia con dos grados de libertad. Dado que Fay es una raz6n, Hay dos valores para los grados de libert Slnumerador y otro para el d buci6n £1) tiene un sesgo positivo, 2) no tiene valo- Fes negativos y 3) tiene una mediana aproximada- Mente igual a 1, segxin los m de los estimados La técnica de andlisis de varianza es utilizada en Fonjuncién con experimentos que implican mas de los grupos independientes. Bésicamente, permite la Somparacién de las medias de varios grupos en una EValuacién general, con lo cual se evita la probabili- ad infiada de cometer un error Tipo I cuando se ealizan numerosas pruebas ¢. En el andlisis de va- tianza de un factor, la variabilidad total de los datos (85p) se divide en dos partes: la variabilidad que Existe dentro de cada grupo, llamada suma de cua. Airados dentro de los grupos ($Sw) y la variabilidad Guc existe entre los grupos, llamada suma de cuadra os entre los grupos ($5p). Cada suma de cuadrados &S utilizada para formar un estimado independiente ela varianza de las poblaciones de la hipdtesis nula Por tiltimo, se calcula una razén F, en donde el est mado de la varianza entre los grupos (5,7) esté en el numerador y el estimado de la varianza dentro de los grupos se coloca en el denominador. Dado que el es- timado de la varianza entre los grupos se incrementa con el efecto de la variable independiente y que el estimado de la varianza dentro de los grupos perma- nece constante, mientras mayor sea la razén F, menos razonable se vuelve la hipétesis nula, Evaluamos Py al compararla con Fara. Si Foy: = Fan, Fechazamos la hip6tesis nula-y concluimos que cuando menos una de las condiciones difiere de manera significativa de cuando menos una de las otras condiciones, A continuacién, discutf los supuestos subyacen= tes al andlisis de varianza, Hay dos supuestos: 1) las poblaciones de las cuales se toman las muestras deben ser normales y 2) debe existir homogeneidad de la varianza. La prueba F es robus con las violaciones a la normalidad y a la homoge neidad de la varianza, Después de discutir los supuestos presenté dos métodos para estimar el tamafo del efecto de la variable independiente. Uno de los estadisticos que se calculan para medir el tamafio del efecto en el ANOVA de un factor, para grupos independientes, es omega cuadrada (4°). La otra es,eti cuadrada, (17). En términos conceptuales, tes a en que cada una brinda un estimado de la14 CAPITULO 15 Introduccién al andlisis de varianza proporcién de la variabilidad total de ¥ que esta re- presentada por X. Cuanto mayor sea la proporcién, tanto mayor seré el tamafio del efecto. 6? indica un estimado relativamente-no-sesgado de esta propor: cidn en la poblacién, mientras el estimado proporcio- nado por 7° es mds sesgado. Ademis de explicar cémo calcular @y 7°, ofrect criterios para determinar si el tamafo calculado del efecto era pequefio, me- iano o grande A continuacién, presenté una seccién sobre el poder del andlisis de varianza. Como con la prueba el poder del ANOVA varia de manera directa con N yeel tamaiio del efecto real y varia de manera inversa con la variabilidad de la muestra, Por ultimo, presenté una seccién sobre compara ciones méltiples. En experimentos que-utilizan 1a técnica del ANOVA, un valor F significativo indica que las condiciones no son iguales en sus efectos Para determinar cules condiciones difieren entre sf, por lo regular se realizan comparaciones miltiples entre pares de medias de grupos. Existen dos enfo- ‘ques para realizar comparaciones multiples: compa- raciones «@ priori o planeadas y comparaciones a posteriori o post hoc En el enfoque a priori, hay comparaciones entre los grupos que han sido planeadas antes de recolec- tar los datos, Pueden realizarse de la manera usual, sin importar sicl valor F obtenido es significative, por medio del eélculo de f, para los dos grupos y luego la evaluaci6n de fos al eompararlo con fy. Al cond- cir el andlisis, utilizamos el estimado de la varianza ™@ CONCEPTOS IMPORTANTES Aniliss de varianza (p. 404) Anélisis de-varianza de un factor, disefo de grupos independientes (.386) Comparaciones a posterior (p. 404) ‘Comparaciones a priori (p. 402) ‘Comparaciones planeadas (p. 402) Comparaciones post hoc (p. 404) Disefio de grupo aleatorizado simple (p. 386) Distribucién de muestreo de F (p.383) Fexn (P-383) ™@ PREGUNTAS Y PROBLEMAS 1; Tdentifique 0 defina tos términos en la seccién de “Conceptos importantes”, 2 {Cusles son las caracteristicas dela distribucign F? 3. {Qudles ventajas existen en el hecho de realizar ex- PPerimentos con més de dos grupos o condiciones? Estimado de la varianza dentro de Jos grupos (sy?) (p. 387) Estimado dea varianza entre los erupos (sy) (. 387,388) a cuadrada (7) (p. 400) Experimento de fsetortnico diseto de grupos independientes (p. 386) Gran media Xo) (p.389) ‘Omega cuadrada (3°) (p. 399) Prueba F (p.383) Prisha HSD de Tukey (p- 408) dentro de los grupos calculado al realizar el and de varianza. Dado que este estimado se basa ef fy grupos que el estimado de dos grupos utilizado Prueba f ordinaria, es mas preciso. No hay correeg necesaria para las comparaciones multiples, sing bargo, entre Jos estadisticos no hay consensg cuanto a si las comparaciones deben ser ortogonih Hemos seguido el enfoque de que las comparacion @ priori no necesitan ser ortogonales, siempy cuando fluyan de manera significativa y légica dé el disefio experimental y su niimero sea reducidg Las comparaciones a posteriori o post hoc nos planeadas antes de conducir el experimento y sug después de examinar los datos. Como resultadg, bbemos ser muy cautelosos acerca de las considera nes del error Tipo I. Las comparaciones post hoe ben hacerse con un método que corrija la probabilid inflada de cometer un error Tipo I. Muchos méto hacen esto. Para las comparaciones post hoc describ la pruel SD de Tukey y la prueba Newman-Keuls Amb ‘mantienen el indice de error Tipo T en a al tiempag arean todas las comparaciones posibles entre p medias de las muestras La prueba HSD mantiene {indice de error de experimento en a, mientras la pri Newman-Keuls mantiene el indice de error de ca racién en a. Ambas pruebas utilizan el estadistico @ rango studentizado, Como con la prueba +, se cal Quix para cada comparacién y se evaltia contra @, determinada por la distribucién de muestreo de Si Quote = Qc la hipstesis nula es rechazada, Prueba Newman-Keuls (p. 406) Qa (9.405) in (0-405) Suma de euadrados dentro de los arupos (SS) pp 387,388) Suma de euadrados entre los (Sn) (pp. 387,389) ‘Tasao Indice de error por comparacin(p. 404) ‘asa o Indice de ertor por experimento (p. 40), Varibildad total (SS) (pp. 386 4. Cuando se efecttia un experimento con numer $08 grupos, cud es el problema de hacer pruebas ‘entre todos los grupos posibles sin correceiil {Por qué el empleo del andliss de varianza e ese problema?téenica de anslisis de varianza analiza la varia- iidad de los datos Sin embargo, un valor F signi- tivo indica que hay cuando menos una med “enifcativa entre las condiciones, {Como nos ‘mite el andlisis de los datos llegar a conclusio- hesacerca de las medias de las condiciones? | ;Guidles son los pasos para formar una razén F al tflizar la técnica de andlisis de varianza de un factor? nel andlisis de varianza, si Fy es menor que 1, ni siquiera tenemos que compararlo con Fer Resulta evidente que la variable independiente jo ha tenido un efecto significativo. ;Por qué? | gGuiles son los supuestos subyacentes al ansilisis, varianza? | El anilisis de varianza es una técnica no direc- ional y, sin embargo, utiliza una evaluacién de tunaicola, Es correcta esta afirmacin? Explique su respuesta Encuentre Fx. para las siguientes situaciones: 4) gl(numerador) = 2, gl(denominador) = 16, 5 = 005 }) el(numerador) = 3, gl(denominador) = 36, D a=0.05 “¢) gl(aumerador) = 3, l(denominador) = 36, @=001 {Oué sucede con Fix a medida que se incremen- fan los grados de libertad y alfa se mantiene constante? ,Qué sucede con Fag cuando los gra- {40s de libertad se mantienen constantes y alfa se Muelve més estricto? En el capitulo 14, problema de préctica 142, se reiliz6 un experimento de grupos independiente [para investigar si las lesiones en el télamo dis iminuian la percepcién del dolor. a = 0.05; cota S° 6 en el analisis. Los datos se presentan de evo aqui. Los puntajes son umbrales de dolor {(miliamperios) a 1a descarga eléctrica. Los pun- fajes mas altos indican una percepci6n al dolor disminuida. Lesiones en firea neutral Lesiones talamicas 08 07 12 05 os 09 14 Ad Conrestos datos, verifique que F'= F cuando solo hhay dos grupos independientes en el experimento. Preguntas y problemas 415 . ,Cudles son las variables que afectan el poder del anélisis de un factor de la téeniea de va Para cada una de las variables identificadas en la pregunta 12, establezca c6mo el poder se ve afectado si la variable se inerementa, Utilice la ecuaci6n para Fay. en 1a p. 401, para justificar su respuesta, Explique por qué debemos corregir al hacer com paraciones multiples cuando realizamos compara Jones post hoc. ZEn qué difiere las comparaciones planeadas de Tas comparaciones post hac con la prueba FSD y las, comparaciones post hoc con la prueba Newman- Keuls con respecto a) al poder? Explique su respuesta. b) ala probabilidad de cometer un error Tipo 1? Explique su respuesta {Qué son las distribuciones Q 0 de rango studen- tizado? {Como evitan el problema de errores Tipo I inflados que resultan de realizar compara- ciones miltiples con la distribucién Al realizar comparaciones planeadas, es mejor utilizar sy? del ANOVA en lugar del estimado de Ja varianza ponderada de los dos grupos que se comparan: jes correcta esta afirmacién?, zpor que? . La siguiente tabla es una que resume el ANOVA, de un factor para grupos independientes con al- gunos datos faltantes. Fuente ss Entre los grupos 1253.68 Dentro de los grupos Total so1640 39 a) Escriba los valores faltantes, 'b) {Cudntos grupos hay en el experimento? ) Si suponemos una cantidad igual de sujetos en cada grupo, ;cudntos de ellos hay en cada grupo? 4d) ¢Cudl es el valor de Faq, con a = 0.05? ) ¢Hay un efecto significative? Suponga que es un nutridlogo a quien se le ha pe~ dido determinar si existe una diferencia en el con- tenido de azticar entre tres mareas lideres de cereal para desayunar (marcas A, B y C). Para’ evaluar la cantidad de azdcar en los cereales, extrae una ‘muestra aleatoria de seis paquetes de cada marca ¥ determina quimicamente su contenido de aaticar. Se encuentran los siguientes gramos de aziicar