El análisis de la varianza (Anova) permite comparar las medias de varios

grupos, después de cumplir algunos supuestos de partida

Análisis de Varianza
El diseño de experimentos es una técnica estadística sistematica cuyo objetivo es realizar una serie
de pruebas en las que se inducen cambios deliberados para averiguar si determinados factores
influyen en la variable de interés o de estudio y si existe influencia de algún factor en el proceso o
producto cuantificarlo. Los métodos estadísticos para el diseño de experimentos son:
Experimento de un solo factor Diseño de bloques completos Diseño factoriales
Diseño factorial 2 k Diseño anidados Superficie de respuesta
Revisión de Datos:
 Revisar normalidad dentro de cada grupo
H0: La distribución es normal Ho rechazar H0 ---Sig. >0,05 (Aceptar Ho)
H1: La distribución NO es normal Rechazar Ho -----Sig. <0,05 (Aceptar H1)
 Prueba de Hipótesis para la igualdad de varianzas (Leves) o Homogeneidad de la varianza,
varianza igual entre los grupos (Homocedasticidad)
H0: Las varianzas son iguales Ho rechazar H0 ---Sig. >0,05 (Aceptar Ho)
H1: Las varianzas son diferentes Rechazar Ho -----Sig. <0,05 (Aceptar H1)
 Prueba de Independencia (muestras o submuestras)
Objetivo del contraste Contraste F de Snedecor detectar si existen o no diferencias significativas
entre las medias de más de dos poblaciones independientes X1 , X1 , X1 .. X n (variables
medidas en distintos individuos)
F* > Fɑ.k-1.n-1 - Rechazo Ho
F* < Fɑ.k-1.n-1 - No rechazo Ho
H0: µ1=µ 2=µ 3=µ 4 Ho rechazar H0 ---Sig. >0,05 (Aceptar Ho)
H1: µ1 ≠ µ 2 ≠ µ 3≠ µ 4 Rechazar Ho -----Sig. <0,05 (Aceptar H1)
Tamaños muestrales grandes (n≥30)

Para que la prueba sea significativa F debe ser mayor que 1 y el valor p < 0.05 determinar si hay
diferencias significativas entre los grupos en que hemos dividido la población; es decir, comprobar
la variación que existe entre los grupos (SCE) es lo suficientemente importante como para
entender que no se trata de una población homogénea.

 En un diseño factorial completamente aleatorizado

H0: No hay interacción entre el Factor A y Factor B
Ho rechazar H0 ---Sig. >0,05 (Aceptar Ho)
1 H1: Si hay interacción entre el Factor A y Factor B
Rechazar Ho -----Sig. <0,05 (Aceptar H1)
H0: Las medias del Factor A son iguales
Ho rechazar H0 ---Sig. >0,05 (Aceptar Ho)
2 H1: Las medias del Factor A NO son iguales
Rechazar Ho -----Sig. <0,05 (Aceptar H1)
H0: Las medias del Factor B son iguales
Ho rechazar H0 ---Sig. >0,05 (Aceptar Ho)
3 H1: Las medias del Factor B NO son iguales
Rechazar Ho -----Sig. <0,05 (Aceptar H1)
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida

Planteamiento 1: La contaminación es uno de los problemas ambientales más importantes que

afectan a nuestro mundo. En las grandes ciudades, la contaminación del aire se debe a los escapes
de gases de los motores de explosión, a los aparatos domésticos de la calefacción, a las industrias.
El aire contaminado nos afecta en nuestro vivir diario, manifestándose de diferentes formas en
nuestro organismo. Con objeto de comprobar la contaminación del aire en una determinada
ciudad, se ha realizado un estudio en el que se han analizado las concentraciones de monóxido de
carbono (CO) durante cinco días de la semana (lunes, martes, miércoles, jueves y viernes).
Variable respuesta: Concentración de CO.
Factor: Día de la semana que tiene cinco niveles. Es un factor de efectos fijos ya que viene
decidido qué niveles concretos se van a utilizar (5 días de la semana).
Modelo equilibrado: Los niveles de los factores tienen el mismo número de elementos (8
elementos).
Tamaño del experimento: Número total de observaciones, en este caso 40 unidades
experimentales.
El problema planteado se modeliza a través de un diseño unifactorial totalmente aleatorizado de
efectos fijos equilibrado.
La pregunta que nos hacemos es ..
¿Existen diferencias en las concentraciones con respecto a los días?

1.- Comenzamos realizando un análisis descriptivo. Para ello, se selecciona, en el menú

principal, Analizar/Comparar medias/medias

2.- Se introduce en el campo Lista de dependientes: La variable respuesta Concentración_CO  y en

el campo Lista de independientes: el factor Días_ semana.  Se pulsa Opciones y se
selecciona Número de casos, Media, Desviación estándar, Mínimo, Máximo y Desviación Error
estándar de la media.
Desviación Error estándar
Dias_Semana N Media estándar Mínimo Máximo de la media
Lunes 8 424,2500 48,65549 324,00 480,00 17,20232
Martes 8 404,5000 65,32556 320,00 521,00 23,09607
Miercoles 8 303,3750 114,90858 123,00 462,00 40,62632
Jueves 8 359,3750 83,06269 254,00 489,00 29,36710
Viernes 8 284,2500 67,38111 198,00 389,00 23,82282
Total 40 355,1500 93,15456 123,00 521,00 14,72903
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida

Análisis: A simple vista se puede observar que el valor medio de estos grupos es
numéricamente distinto, de hecho la media del día lunes tiene un valor medio casi
equivalente al doble de la media del viernes. Por tanto, nuestra hipótesis se centra en
comprobar si la concentración de CO es significativamente distinta en los cinco grupos .
3.- Para responder a esta hipótesis recurrimos al Análisis de la Varianza de un factor y

realizamos el contraste de igualdad de medias, para ello Se selecciona, en el menú

principal, Analizar/Comparar medias/ANOVA de un factor. Se introduce en el campo
Lista de dependientes: La variable respuesta Concentración_CO y en el campo Factor:
el factor Días_semana. Pulsando Aceptar se obtiene la Tabla ANOVA

ANOVA
Concetracion_CO
Suma de Media
cuadrados gl cuadrática F Sig.
Entre grupos 119484,350 4 29871,087 4,775 ,004
Dentro de grupos 218948,750 35 6255,679
Total 338433,100 39

Análisis: Se obtienen los siguientes resultados:

Entre grupos que se obtiene de la sumatoria de las diferencias entre el promedio de
todas las observaciones (355.15) menos el promedio de cada tratamiento (Días de la
semana) multiplicado por el número de observaciones (Ver Excel S33). Del mismo
modo representa la suma de cuadrados debido al tratamiento SCTr.
Dentro de los grupos que se obtiene de la sumatoria de las diferencias entre el
promedio de cada una de las observaciones menos el promedio de cada tratamiento
(Días de la semana Ver Excel S34 ).  Representa la suma de cuadrados residual (SCR)
Total. Que se obtiene de la sumatoria de las diferencias entre el promedio de todas las
observaciones (355.15) menos el valor de cada una de las observaciones. (Ver Excel
S32) Representa la suma de cuadrados total (SCT).
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
El ritual de la significancia estadística

Plantear Hipótesis
Ho: El promedio de las concentraciones es igual el día lunes que el martes, que el miércoles. que el jueves,
1
que el viernes H 0 :µ 1=µ 2=µ3=µ 4=µ 5
H1: El promedio de las concentraciones de CO son diferentes al menos en dos días

H 1: µ i ≠ µ j Para algún i ± j

2 Establecer un nivel de significancia

Nivel de Significancia (alfa) α = 0,05 (5%)

3 Seleccionar estadístico de prueba (Resaltarla con amarillo)

a) Estadístico F
Valor de F=
Lectura del estadístico F:
Como F calculado (4,78) es mayor que el F critico (2,6415). El estadístico cae dentro de la zona de rechazo.
Si el valor de F es mayor que uno quiere decir que hay un efecto positivo del factor día.
4
Valor de P=
Lectura del p-valor
Como p-valor 0,0035176 es menor que el nivel de significación 0,05 Por lo tanto, hemos comprobado
estadísticamente que estos cinco grupos son distintos.

Toma de decisiones (dar como respuesta una de las Hipótesis)

Método del estadístico F:
Se rechaza la hipótesis nula y se acepta la hipótesis alternativa
5 Método del valor de P=
No se puede rechazar la hipótesis alternativa que dice que al menos dos grupos son diferentes, por lo que se
la acepta. Es decir, existen diferencias significativas en las concentraciones medias de monóxido de carbono
entre los cinco días de la semana.

Pero ¿Cuáles son esos grupos? ¿Los cinco grupos son distintos o sólo alguno de ellos?
4.- Para responder a esta pregunta recurrimos a un análisis de Modelo Lineal general

uivariante. En la salida correspondiente, se introduce en el campo Variable

dependiente: La variable respuesta Concentración_CO y en el campo Factores fijos: el
factor Días_semana. Pulsando Aceptar se obtiene la Tabla ANOVA

Pruebas de efectos inter-sujetos

El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
Variable dependiente: Concetracion_CO
Tipo III de suma Media
Origen de cuadrados gl cuadrática F Sig.
a
Modelo corregido 119484,350 4 29871,087 4,775 ,004
Intersección 5045260,900 1 5045260,900 806,509 ,000
Dias_Semana 119484,350 4 29871,087 4,775 ,004
Error 218948,750 35 6255,679
Total 5383694,000 40
Total corregido 338433,100 39
a. R al cuadrado = ,353 (R al cuadrado ajustada = ,279)

5.- La salida de SPSS también nos muestra que R cuadrado vale 0.353, indicándonos que

el modelo explica el 35.3% de la variabilidad de los datos por lo que se hace necesario
realizar un estudio de la Idoneidad del modelo Como hemos dicho anteriormente,
validar el modelo propuesto consiste en estudiar si las hipótesis básicas del modelo
están o no en contradicción con los datos observados. Es decir si se satisfacen los
supuestos del modelo: Normalidad, Independencia, Homocedasticidad. Para ello
utilizamos procedimientos gráficos y analíticos.
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
6.- Hipótesis de normalidad. En primer lugar, analizamos la normalidad de las

concentraciones y continuamos con el análisis de la normalidad de los residuos.

Para analizar la normalidad de las concentraciones, se selecciona en el menú
principal: Analizar/Estadísticos descriptivos/Explorar… y en la salida
correspondiente se introduce en el campo Lista de dependientes: La variable
respuesta Concentración_CO y en el campo Lista de Factores: el factor
Días_Semana . En Visualización se selecciona Ambos. Se pulsa Gráficos y se
selecciona Gráficos con pruebas de normalidad. Pulsando Continuar y Aceptar se
obtiene los siguientes contrastes de normalidad.

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Dias_Semana Estadístico gl Sig. Estadístico gl Sig.
*
Concetraci Lunes ,215 8 ,200 ,903 8 ,309
on_CO Martes ,127 8 ,200* ,966 8 ,868
*
Miercoles ,138 8 ,200 ,978 8 ,953
Jueves ,139 8 ,200* ,958 8 ,787

Viernes ,287 8 ,050 ,903 8 ,308

*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

Observamos el contraste de Shapiro-Wilk que es adecuado cuando las muestras

son pequeñas (n<50) y es una alternativa más potente que el test
de Kolmogorov-Smirnov. Todos los p-valores (Sig.) son mayores que el nivel de
significación 0.05. Concluyendo que las muestras de las concentraciones se
distribuyen de forma normal en cada día de la semana.
7.- Para analizar la hipótesis de normalidad de los residuos, se debe comenzar

salvando los residuos. Para ello, se selecciona, en el menú

principal, Analizar/Modelo lineal general/ Univariante/Guardar.
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida

En la ventana resultante se selecciona Residuos No estandarizados. Se

pulsa, Continuar y Aceptar. Y en el Editor de datos se ha creado una nueva
variable RES_1 que contiene los residuos del modelo.
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida

7.- El estudio de la Normalidad de los residuos, lo realizamos mediante el Menú

Gráficos -Generador de grafico- Histograma en el eje de las X- Residuo_Co y

marcar en propiedades de elemento Curva normal.

Aunque podemos observar en el histograma resultante algunas desviaciones de

la normalidad, éstas no implican necesariamente la ausencia de normalidad de
los residuos.

8.- Gráfico probabilístico Normal: Se selecciona en el menú

principal, Analizar/Estadísticos descriptivos/Gráficos Q-Q y se introduce en el
campo Variables: RES_1. Se pulsa Aceptar
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
9.- Contraste de Kolmogorov-Smirnov: Se selecciona en el menú

principal, Analizar/Pruebas no paramétricas/ Cuadros de diálogos antiguos/K-S

de 1 muestra

Prueba de Kolmogorov-Smirnov para una muestra

Residuo para
Concetracion_C
O
N 40
a,b
Parámetros normales Media ,0000
Desviación estándar 74,92710
Máximas diferencias Absoluta ,053
extremas Positivo ,053
Negativo -,051
Estadístico de prueba ,053
Sig. asintótica (bilateral) ,200c,d
a. La distribución de prueba es normal.
b. Se calcula a partir de datos.
c. Corrección de significación de Lilliefors.
d. Esto es un límite inferior de la significación verdadera.

El valor del p-valor es mayor que el nivel de significación 0.05, no rechazándose

la hipótesis de normalidad.
10.- Hipótesis de independencia  Para comprobar que se satisface el supuesto

de independencia entre los residuos analizamos el gráfico de los residuos frente

a los valores pronosticados o predichos por el modelo. El empleo de este gráfico
es útil puesto que la presencia de alguna tendencia en el mismo puede ser
indicio de una violación de dicha hipótesis. Para obtener dicho gráfico
seleccionamos cuadro de diálogo de Univariante vamos a Analizar- modelo lineal
general-univariado- vamos a Opciones y dentro de esta casilla marcamos la

casilla Gráfico de los residuos.

El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida

Pulsando Continuar y Aceptar se obtiene el gráfico de los residuos. En esta

figura, interpretamos el gráfico que aparece en la fila 3 columna 2, es decir aquel
gráfico que se representan los residuos en el eje de ordenadas y los valores
pronosticados en el eje de abscisas. No observamos, en dicho gráfico, ninguna
tendencia sistemática que haga sospechar del incumplimiento de la suposición
de independencia.
También, podemos realizar un gráfico de dispersión de los residuos y las
predicciones, para ello, tenemos que guardar los valores predichos. Se
selecciona, en la ventana Univariante /Guardar. En la ventana resultante se
selecciona Valores pronosticados No estandarizados. Se
pulsa Continuar y Aceptar 
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
y en el Editor de datos se ha creado una nueva variable PRE_1 que contiene los
valores predichos por el modelo. Realizamos el gráfico de dispersión, para ello se
selecciona en el menú principal, Gráficos/Cuadros de diálogos
antiguos/Diagramas/Puntos

Y en la salida correspondiente seleccionar Dispersión simple y pulsar Definir

El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
11.- Hipótesis de homocedasticidad En primer lugar comprobamos la
homocedasticidad gráficamente, para ello se selecciona en el menú
principal, Gráficos/Cuadros de diálogos antiguos/Barras de error…Y en la
salida correspondiente seleccionar Simple y pulsar Defini
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida

Cada grupo tiene su promedio (el círculo en cada una de las barras) y dos
desviaciones típicas a la izquierda y dos desviaciones típicas a la derecha del
promedio. Observamos que el miércoles hay mucha más dispersión que el resto
de los días y donde hay menos dispersión es el lunes, la dispersión del martes y
viernes son muy similares. Del gráfico no se deduce directamente si hay
homogeneidad en estas varianzas, por lo que recurrimos analizar la
heterocedasticidad analíticamente mediante el test de Levene.

Para realizar el test de Levene mediante SPSS, en la ventana de ANOVA de un

factor… pulsar Opciones

Se selecciona Prueba de homogeneidad de las varianzas y Gráfico de las

medias. Se pulsa Continuar y Aceptar

Prueba de homogeneidad de varianzas

Concetracion_CO
Estadístico de
Levene gl1 gl2 Sig.
2,171 4 35 ,093
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
El p-valor es 0.093 por lo tanto no se puede rechazar la hipótesis de
homogeneidad de las varianzas y se concluye que los cinco grupos tienen
varianzas homogéneas. Si esta prueba sale significativa, es decir si la
homocedasticidad no se cumple, en ese caso SPSS dispone de pruebas
alternativas para realizar los contrastes de Comparaciones Múltiples que
veremos en los contrastes Post-hoc.

Una vez comprobado que se verifican las hipótesis del modelo se puede
interpretar la tabla ANOVA. Si alguna de las hipótesis de homocedasticidad e
independencia fallase no debería aplicarse el ANOVA, en cuanto a la hipótesis de
Normalidad hay que tener en cuenta que las pruebas ANOVA son robustas ante
leves desviaciones de la normalidad.

Antes de resolver el contraste de igualdad de medias observemos este gráfico de

medias, donde en el eje de ordenadas figuran las concentraciones medias de CO
y en el eje de abscisas los días de la semana. En esta gráfica observamos que la
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
mayor concentración de CO se produce el lunes y las más bajas el miércoles y el
viernes, siendo la concentración de este último la menor. Para saber entre que
parejas de días estas diferencias son significativas aplicamos una prueba Post-
hoc.
12.- Comparaciones múltiples En Analizar/Comparar medias/ANOVA de un
factor… pulsamos en Post_hoc…

Análisis:
Esta salida nos muestra los intervalos de confianza simultáneos construidos por
el método de Tukey. En la tabla se muestra un resumen de las comparaciones de
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
cada tratamiento con los restantes. Es decir, aparecen comparadas dos a dos las
cinco medias de los tratamientos. En el primer bloque de la tabla se muestran
comparadas la media del lunes con la media de los otros cuatro días de la
semana. En los siguientes bloques se muestran comparadas las restantes medias
entre sí. En la columna Diferencias de medias (I-J) se muestran las diferencias
entre las medias que se comparan. En la columna Sig. aparecen los p-valores de
los contrastes, que permiten conocer si la diferencia entre cada pareja de medias
es significativa al nivel de significación considerado (en este caso 0.05) y la última
columna proporciona los intervalos de confianza al 95% para cada diferencia. Así
por ejemplo, si comparamos la concentración media de CO del Lunes con el
Martes, tenemos una diferencia entre ambas medias de 19.750, un error típico
de 39.546, que es un error típico para la diferencia de estas medias, un P-valor
(Sig.) de 0.987 no significativo puesto que la concentración de CO no difiere
significativamente el lunes del martes y un intervalo de confianza con un límite
inferior negativo y un límite superior positivo y por lo tanto contiene al cero de lo
que también deducimos que no hay diferencias significativas entre los dos
grupos que se comparan o que ambos grupos son homogéneos. En cambio si
observamos el grupo formado por el Lunes y el Miércoles, vemos que ambos
extremos del intervalo son del mismo signo y el P-valor es significativo
deduciendo que si hay diferencias significativas entre ambos. Ya se había
observado que la concentración media de CO el miércoles era muy inferior al
lunes, de hecho el valor de la diferencia de medias es 120.875. Las otras
comparaciones se interpretan de forma análoga. Por lo tanto la tabla se
interpreta observando los valores de Sig menores que el 5%, o si el intervalo de
confianza contiene al cero. Además, los contrastes que sí han resultado
significativos al nivel de significación 0.05 aparecen marcados con asterisco.
Concluimos que se detectan diferencias significativas en las concentraciones de
CO entre lunes y miércoles; lunes y viernes; martes y viernes.
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
12.- En la tabla de resultados damos doble click y nos vamos al menú principal
Lista dinámica.

13.- Además de la tabla de Comparaciones múltiples también se muestra una

tabla de subconjuntos homogéneos

Concetracion_CO
HSD Tukeya,b
Subconjunto
Dias_Semana N 1 2 3
Viernes 8 284,2500
Miércoles 8 303,3750 303,3750
Jueves 8 359,3750 359,3750 359,3750
Martes 8 404,5000 404,5000
Lunes 8 424,2500
Sig. ,336 ,101 ,483
Se visualizan las medias para los grupos en los subconjuntos homogéneos.
Se basa en las medias observadas.
El término de error es la media cuadrática(Error) = 6255,679.
a. Utiliza el tamaño de la muestra de la media armónica = 8,000.
b. Alfa = ,05.
Análisis:
La tabla de subconjuntos homogéneos muestra por columnas los subgrupos de
medias iguales, formados al utilizar el método de Tukey. Se llama Prueba de
subgrupos homogéneos por que se agrupan en columnas aquellos grupos que no
difieren significativamente. Se observa que la prueba de Tukey ha agrupado los
días viernes, miércoles y jueves en una misma columna; miércoles, jueves y
martes en otra columna y jueves, martes y lunes en una tercera columna. De esta
forma gráfica deducimos que subgrupos son homogéneos y cuales difieren
significativamente. Los subgrupos homogéneos son los formados por: viernes,
miércoles y jueves; miércoles, jueves y martes y jueves, martes y lunes. De
hecho, por ejemplo, si comparamos en el primer subconjunto, los tres primeros
grupos el P-valor (Sig.) es 0.336 mayor que el nivel de significación 0.05
deduciendo que no hay diferencias significativas en la concentración media de
CO entre estos tres. También se deduce qué subconjuntos difieren
significativamente entre sí. La concentración de CO en el primer subconjunto
difiere de la concentración en el segundo y de la concentración en el tercero y
dentro de estos subconjuntos no se aprecian diferencias significativas entre las
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida
concentraciones implicadas. También se observa que la concentración media de
CO es mayor los lunes (424,25) y menor los viernes (284,25).

Veamos estas diferencias de una forma gráfica, para ello se selecciona en el

menú principal, Gráficos/Generador de gráficos. Se selecciona el Diagrama de
cajas y se arrastra el diagrama de caja simple (el primer gráfico) a la ventana que
hay encima. Se pulsa Aceptar. Se sitúa Días_Semana en el eje X y
la Concentración_CO en el eje Y. La variable Dias_Semana debe ser
obligatoriamente Nominal

.
El análisis de la varianza (Anova) permite comparar las medias de varios
grupos, después de cumplir algunos supuestos de partida

Análisis:

Observamos que las cajas correspondientes a los miércoles, jueves y viernes

están prácticamente superpuestas, de hecho el valor mediano del miércoles
(línea negra dentro de las cajas) está a un nivel interno dentro de la caja del
jueves y de la caja del viernes. Este criterio se utiliza para comparar grupos y en
este caso nos indica que hay homogeneidad o que no hay diferencias
significativas en ese grupo de medias. Observamos que el lunes tiene una
distribución superior a los demás, por lo que concluimos que la concentración de
CO es mucho mayor este día de la semana.