La tabla de análisis de varianza

De los datos a la tabla, a mano y en software

Tema T08 · Unidad III · Inferencia y experimentación

La tabla de análisis de varianza

De los datos a la tabla, a mano y en software

Se perdieron dos parcelas y la fórmula corta ya no sirve: ¿cómo se arma la tabla de ANOVA?

  • 40 a 50 minutos
  • Lectura + Excel de 2 hojas
  • Individual

De qué trata este tema

En T07 entendiste la lógica de F con una fórmula corta que sólo sirve con el mismo número de repeticiones. Ahora vas a armar la tabla de análisis de varianza completa, que funciona siempre, y es la forma en que cualquier programa y cualquier artículo presentan el resultado. Aprenderás de dónde sale cada número, a obtenerla con «Análisis de datos» de Excel y a leer la salida de un programa. Además, vas a terminar de analizar el maíz con composta que sorteaste en T06.

Necesitas T06 (formato ancho y largo) y T07 (CMT, CME y F)

Este tema T08 · La tabla de análisis de varianza

Sigue T09 · Comparación de medias: las letras y la gráfica

Al terminar el tema podrás:

  1. Calcular las sumas de cuadrados con repeticiones iguales o distintas, y comprobar que SC total = SC tratamientos + SC error.
  2. Armar la tabla de ANOVA completa, y completarla si le faltan valores.
  3. Calcular e interpretar el coeficiente de variación.
  4. Obtener y leer la tabla en Excel y reconocerla en la salida de otro programa.

Palabras clave suma de cuadrados grados de libertad cuadrado medio tabla de ANOVA coeficiente de variación «Análisis de datos»

Cómo usar esta página

Esta página se lee; el Excel se contesta. Lee las secciones 1 a 4 antes de abrir el Excel: ahí está el problema, para qué sirve el tema y cómo se hace cada cálculo, con un ejemplo resuelto. Los recuadros marcados con Prueba se pueden mover: úsalos para ver qué pasa con los números.

La sección 5 te dice, paso a paso, qué hacer en cada hoja del Excel (1_Tabla_a_mano y 2_Tabla_Excel). Puedes hacer este tema en clase o de tarea: todo lo que necesitas está aquí. Si te atoras, vuelve al ejemplo resuelto de la sección 4.

1. Un problema para empezar: se perdieron dos parcelas

Un técnico prueba tres programas de fertilización en ajo, con 5 parcelas sorteadas por programa. Antes de la cosecha, una falla de riego le arruina una parcela de P2 y una de P3. Se queda con 5, 4 y 4 parcelas:

Programa Rendimiento (t/ha) n Media s²
P1 8, 9, 10, 9, 9 5 9 0.500
P2 11, 12, 10, 11 4 11 0.667
P3 10, 9, 11, 10 4 10 0.667

Y ahora, ¿cómo saca F? La fórmula de T07 pide una sola n, y aquí hay dos. Además, el jefe le pide «la tabla de ANOVA», y el programa de la oficina le entrega siete columnas con nombres distintos a los que él conoce. Los dos problemas se resuelven igual: entendiendo de dónde sale cada número de esa tabla.

2. Por qué no basta con lo que ya sabes

La fórmula CMT = n × varianza de las medias le da a cada media el mismo peso, y eso sólo es justo si todas tienen las mismas repeticiones. Con n distintas, una media basada en 5 parcelas debe pesar más que una basada en 4. Las sumas de cuadrados resuelven esto y, además, muestran de dónde viene toda la variación de los datos. Con n iguales dan justo lo mismo que T07.

3. Dónde vas a usar esto

  • Reportes y tesis. La tabla de ANOVA es el formato estándar para presentar un ensayo.
  • Leer artículos. Muchos sólo dan algunos valores, y con la tabla puedes deducir los que faltan.
  • Software. Excel, Minitab y otros programas producen la misma tabla, con otros nombres.
  • Lo que sigue. El CME de esta tabla es el que usa la comparación de medias en T09, y la idea de partir una suma de cuadrados regresa en regresión (U4).

4. La tabla, paso a paso

4.1 La idea: repartir la variación

Toma cualquier dato y compáralo con la media general. Esa distancia se puede partir en dos tramos: de la media general a la media de su tratamiento, y de la media de su tratamiento al dato.

Figura 1. Las flechas doradas van de la media general a la media de cada programa: la variación entre tratamientos. Las líneas verdes van de la media del programa a cada parcela: la variación dentro.

Figura 1. Las flechas doradas van de la media general a la media de cada programa: la variación entre tratamientos. Las líneas verdes van de la media del programa a cada parcela: la variación dentro.

Si elevas esas distancias al cuadrado y sumas, se cumple algo muy útil:

SC total = SC tratamientos + SC error

SC significa suma de cuadrados. Toda la variación de los datos queda repartida entre lo que explican los tratamientos y lo que queda sin explicar.

4.2 Las tres sumas de cuadrados

Suma Fórmula Qué mide
SC tratamientos Σ nᵢ · (x̄ᵢ − x̄)² Qué tan lejos está cada media de la media general, pesada por sus repeticiones.
SC error Σ (nᵢ − 1) · sᵢ² La variación dentro de cada tratamiento.
SC total Σ (x − x̄)², sobre todos los datos La variación de todos los datos respecto a la media general.

Aquí x̄ es la media general, de todos los datos: no es el promedio de las medias si las n son distintas.

Con el ajo: la media general es 129 ÷ 13 = 9.923.

  • SC tratamientos = 5 × (9 − 9.923)² + 4 × (11 − 9.923)² + 4 × (10 − 9.923)² = 4.260 + 4.639 + 0.024 = 8.923.
  • SC error = 4 × 0.500 + 3 × 0.667 + 3 × 0.667 = 6.000.
  • SC total = 8.923 + 6.000 = 14.923. Si la calculas directo sobre los 13 datos, da lo mismo: es una buena forma de revisar.

4.3 La tabla completa

Cada suma tiene sus grados de libertad, que también se reparten. Con t tratamientos y N datos en total:

Fuente SC gl CM = SC ÷ gl F
Tratamientos SC trat. t − 1 CMT CMT ÷ CME
Error SC error N − t CME
Total SC total N − 1

Con el ajo: t = 3 y N = 13, así que gl = 2, 10 y 12. Los cuadrados medios son CMT = 8.923 ÷ 2 = 4.462 y CME = 6.000 ÷ 10 = 0.600. Por último, F = 4.462 ÷ 0.600 = 7.44. Se obtiene p con =DISTR.F.CD(7.44,2,10).

Fuente SC gl CM F p
Tratamientos 8.923 2 4.462 7.44 0.011
Error 6.000 10 0.600
Total 14.923 12

Como p = 0.011 < 0.05, se rechaza H₀: al menos un programa rinde distinto. Las dos columnas de SC y de gl sí suman; la de CM no suma: esa es una revisión rápida de cualquier tabla.

Para decidir con la tabla de F, usa estos valores críticos (α = 0.05):

gl (tratamientos y error) 2 y 10 2 y 12 2 y 14 3 y 16 3 y 20 3 y 36
F* 4.103 3.885 3.739 3.239 3.098 2.866

Prueba Escribe tus datos y mira la tabla Empieza con el ajo de la lectura. Cambia cualquier número, agrega o borra datos, y usa hasta 4 tratamientos. Separa los datos con comas o espacios, y usa punto decimal. Sirve para revisar tus cuentas.

4.4 El coeficiente de variación

Un CME de 0.6 no se puede comparar con uno de 40: depende de las unidades. El coeficiente de variación (CV) lo vuelve relativo:

CV = √CME ÷ media general × 100

Con el ajo: √0.600 ÷ 9.923 × 100 = 7.8 %.

Dice qué tan grande es el ruido respecto a lo que se mide, y sirve para juzgar la calidad de un ensayo. En rendimiento de cultivos en campo es común ver valores de alrededor de 10 a 20 %, pero depende del cultivo y de la variable. Un CV muy alto avisa de mucha variación sin controlar, y entonces será difícil detectar diferencias.

4.5 En software

En Excel, con «Análisis de datos». El complemento se activa como viste en T05. Necesita los datos en formato ancho, con una columna por tratamiento:

  1. Datos > Análisis de datos > Análisis de varianza de un factor.
  2. Rango de entrada: toda la tabla, incluyendo los encabezados. Agrupado por: Columnas. Marca Rótulos en la primera fila.
  3. Alfa: 0.05. Opciones de salida: En una hoja nueva.

La salida tiene un resumen (cuenta, suma, promedio y varianza) y la tabla. Cada programa la llama a su manera:

En este curso Excel Minitab
Tratamientos Entre grupos Factor
Error Dentro de los grupos Error
Suma de cuadrados (SC) Suma de cuadrados SC Ajust.
Grados de libertad (gl) Grados de libertad GL
Cuadrado medio (CM) Promedio de los cuadrados MC Ajust.
F F Valor F
Valor p Probabilidad Valor p
F* Valor crítico para F No aparece

Lo que el programa no hace por ti: revisar cómo se hizo el ensayo (T06), contar la unidad experimental correcta, o comprobar que la variación sea parecida entre tratamientos. La regla de T05 sigue valiendo: s mayor ÷ s menor no debe pasar de 2. Y la salida de «Análisis de datos» no se actualiza si cambian los datos: si corriges uno, debes volver a correrla.

4.6 Ejemplo resuelto: melón, a partir del resumen

En un reporte sólo aparece el resumen de un ensayo de melón con tres acolchados: n = 6, 5, 6; medias = 30, 34, 28 t/ha; varianzas = 9, 8, 10. ¿Se puede armar la tabla? Sí.

  1. Media general: (6 × 30 + 5 × 34 + 6 × 28) ÷ 17 = 518 ÷ 17 = 30.471.
  2. SC tratamientos: 6 × (30 − 30.471)² + 5 × (34 − 30.471)² + 6 × (28 − 30.471)² = 100.235.
  3. SC error: 5 × 9 + 4 × 8 + 5 × 10 = 127. SC total: 100.235 + 127 = 227.235.
  4. Grados de libertad: t − 1 = 2; N − t = 14; N − 1 = 16.
  5. Cuadrados medios: CMT = 100.235 ÷ 2 = 50.118; CME = 127 ÷ 14 = 9.071.
  6. F: 50.118 ÷ 9.071 = 5.52. Con tabla: 5.52 > F* = 3.739. =DISTR.F.CD da p = 0.017.
  7. CV: √9.071 ÷ 30.471 × 100 = 9.9 %.

Cómo se comunica: «El tipo de acolchado afectó el rendimiento de melón (F = 5.52, gl = 2 y 14, p = 0.017; CV = 9.9 %)». Todavía sin decir cuál es el mejor: eso sigue en T09.

Si tienes Minitab

Estadísticas > ANOVA > Un solo factor (en inglés, Stat > ANOVA > One-Way). Si tus datos están en columnas por tratamiento, elige «Las respuestas están en una columna separada para cada nivel del factor». En la salida busca «Análisis de varianza», con las columnas de la tabla de la sección 4.5. También da «Resumen del modelo», donde S es √CME.

4.7 Lo que se gana y lo que se pierde

La tabla funciona con cualquier número de repeticiones y resume todo en un formato que cualquiera entiende. A cambio, una parcela perdida no sale gratis: se pierden grados de libertad y precisión, y si las pérdidas tienen que ver con el tratamiento (un producto que mata plantas), el análisis no lo arregla. Y la tabla sigue sin decir cuáles tratamientos difieren: eso es T09.

¿Lo entendiste? Cuatro preguntas rápidas No cuentan para la calificación. Elige una respuesta para ver la explicación; puedes volver a intentar.

1. La SC total es 100 y la SC de tratamientos es 30. ¿Cuánto vale la SC del error?

  1. 30
  2. 70
  3. 130

SC total = SC tratamientos + SC error, así que SC error = 100 − 30 = 70.

2. Un ensayo tiene 4 tratamientos y 24 parcelas en total. ¿Cuántos grados de libertad tiene el error?

  1. 3
  2. 20
  3. 23

gl del error = N − t = 24 − 4 = 20. El 3 es de tratamientos y el 23 es del total.

3. SC tratamientos = 30 con gl = 3, y SC error = 80 con gl = 20. ¿Cuánto vale F?

  1. 0.375
  2. 2.5
  3. 10

CMT = 30 ÷ 3 = 10 y CME = 80 ÷ 20 = 4. F = 10 ÷ 4 = 2.5. El 0.375 sale de dividir las SC sin pasarlas a CM.

4. En la salida de Excel, ¿dónde está el CME?

  1. «Promedio de los cuadrados», renglón «Dentro de los grupos»
  2. «Suma de cuadrados», renglón «Entre grupos»
  3. «Valor crítico para F»

Excel llama «Dentro de los grupos» al error y «Promedio de los cuadrados» al cuadrado medio.

5. Lo que harás

Excel del Tema T08 · 2 hojas
Guárdalo como U3-T08_Apellido_Nombre.xlsx y escribe sólo en las celdas amarillas.

Descargar

La tabla a mano (hoja 1_Tabla_a_mano)

Caso A: completa las tablas. Dos tablas con valores faltantes. Dedúcelos.

Caso B: del resumen a la tabla. Tres tratamientos con repeticiones distintas. Calcula media general, sumas de cuadrados y la tabla.

Caso C: lee una salida. Una salida de Excel de un ensayo. Contesta qué dice.

Para qué te sirve hacerlo a mano. Es lo que se pide en un examen en papel, y completar una tabla te hace ver qué número depende de cuál.

  1. Escribe tu nombre y la fecha.
  2. Caso A. Recuerda: SC y gl suman; CM = SC ÷ gl; F = CMT ÷ CME.
  3. Caso B. Usa las fórmulas de la sección 4.2. Anota F con 3 decimales.
  4. Caso C. Usa gl = t − 1 y N − t para deducir t y N.
  5. Contesta las Preguntas 1 y 2.
Comprueba antes de seguir

En el Caso B, la media general es 23: no es (20 + 25 + 23) ÷ 3. La suma de cuadrados de tratamientos da 60. Si te da otra cosa, revisa si pesaste por n.

La tabla en Excel (hoja 2_Tabla_Excel)

El caso: el maíz con cuatro dosis de composta que sorteaste en T06, ya en formato ancho. Después, verás qué pasa si se pierde una parcela.

Para qué: armarás la tabla con fórmulas, la compararás con «Análisis de datos» y comprobarás que todo funciona igual con repeticiones distintas.

  1. Paso 1 · Resumen. Bajo cada columna calcula n con =CONTAR(B7:B11), la media con =PROMEDIO(B7:B11) y s² con =VAR.S(B7:B11). Copia a la derecha.
  2. Paso 2 · Sumas de cuadrados. Calcula la media general con =PROMEDIO(B7:E11), la SC total con =DESVIA2(B7:E11), la SC tratamientos con =SUMAPRODUCTO(B12:E12,(B13:E13-H6)^2) y la SC error con =SUMAPRODUCTO(B12:E12-1,B14:E14). La comprobación =H8+H9-H7 debe dar 0.
  3. Paso 3 · La tabla. Llena SC (=H8, =H9, =H7), gl (=CONTAR(B13:E13)-1, =SUMA(B12:E12)-CONTAR(B13:E13), =SUMA(B12:E12)-1), CM (=K7/L7, =K8/L8), F (=M7/M8), p (=DISTR.F.CD(N7,L7,L8)) y F* (=INV.F.CD(0.05,L7,L8)). Debajo calcula la decisión, el CV con =RAIZ(M8)/H6*100 y la parte explicada con =K7/K9.
  4. Paso 4 · «Análisis de datos». Corre la herramienta con el rango de entrada B6:E11, en una hoja nueva, y anota la F, la probabilidad y el valor crítico que te dio. Deben coincidir con el Paso 3. Si tu Excel no tiene el complemento, escribe «no disponible».
  5. Paso 5 · Se pierde la parcela 18. La parcela 18 (D15, repetición 5) se inundó, y su celda queda vacía. Calcula el resumen y la tabla de la misma forma, con el rango de abajo: n, media y s² con B19:B23; media general, SC tratamientos, SC error, gl, F, p y decisión.
  6. Paso 6 · Responde las Preguntas 3 a 6.
Si Excel no reconoce la fórmula

Tu Excel puede usar punto y coma ( ; ) en lugar de coma ( , ). En inglés: DESVIA2 = DEVSQ, SUMAPRODUCTO = SUMPRODUCT, DISTR.F.CD = F.DIST.RT, INV.F.CD = F.INV.RT, RAIZ = SQRT, SUMA = SUM, CONTAR = COUNT, PROMEDIO = AVERAGE.

6. Antes de entregar

Marca cada punto conforme lo revises. Tus marcas se guardan sólo en este navegador.