Scribd
Cargar
249 vistas

Sssssssss

El resumen analiza las concentraciones medias de monóxido de carbono (CO) en 5 días de la semana utilizando datos de 40 unidades experimentales. La hipótesis nula es que las concentraciones medias son iguales entre los días, mientras que la alternativa es que al menos dos días tienen concentraciones significativamente diferentes. Se utiliza un análisis de varianza de un factor para determinar si las concentraciones difieren entre los días, rechazando la hipótesis nula e indicando que al menos dos días tienen niveles significativamente diferentes de CO.

Cargado por

Anonymous 2iPNmeRHsR
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
249 vistas

Sssssssss

El resumen analiza las concentraciones medias de monóxido de carbono (CO) en 5 días de la semana utilizando datos de 40 unidades experimentales. La hipótesis nula es que las concentraciones medias son iguales entre los días, mientras que la alternativa es que al menos dos días tienen concentraciones significativamente diferentes. Se utiliza un análisis de varianza de un factor para determinar si las concentraciones difieren entre los días, rechazando la hipótesis nula e indicando que al menos dos días tienen niveles significativamente diferentes de CO.

Cargado por

Anonymous 2iPNmeRHsR
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 7

Supuesto

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).

En el ejemplo disponemos de una colección de 40 unidades experimentales y


queremos estudiar el efecto de las concentraciones de monóxido de carbono en 5 días
distintos. Es decir, estamos interesados en contrastar el efecto de un solo factor, que
se presenta con cinco niveles, sobre la variable respuesta.

Nos interesa saber si las concentraciones medias de monóxido de carbono son iguales
en los cinco días de la semana, para ello realizamos el siguiente contraste de hipótesis:

Es decir,
contrastamos que no hay diferencia en las medias de los cinco tratamientos frente a la
alternativa de que al menos una media difiere de otra.
En este modelo, que estudia el efecto que produce un solo factor en la variable
respuesta, la asignación de las unidades experimentales a los distintos niveles del
factor se debe realizar de forma completamente al azar. Este modelo, junto con este
procedimiento de asignación, recibe el nombre de Diseño Completamente Aleatorizado y
está basado en el modelo estadístico de Análisis de la Varianza de un Factor o una Vía.
Esta técnica estadística, Análisis de la Varianza de un factor, se utiliza cuando se
tienen que comparar más de dos grupos y la variable respuesta es una variable
numérica. Para aplicar este diseño adecuadamente las unidades experimentales deben
ser lo más homogéneas posible.
Todo este planteamiento se puede formalizar de manera general para cualquier
experimento unifactorial. Supongamos un factor con I niveles y para el nivel i-ésimo se
obtienen ni observaciones de la variable respuesta. Entonces podemos postular el
siguiente modelo:

donde:
 yij: es la variable aleatoria que representa la observación j-ésima del i-ésimo tratamiento
(Variable respuesta). µ: Es un efecto constante, común a todos los niveles del factor,
denominado media global.
 τi: es la parte de yij debida a la acción del nivel i-ésimo, que será común a todos los elementos
sometidos a ese nivel del factor, llamado efecto del tratamiento i-ésimo.
 uij: son variables aleatorias que engloban un conjunto de factores, cada uno de los cuales influye
en la respuesta sólo en pequeña magnitud pero que de forma conjunta debe tenerse en cuenta. Es
decir, se pueden interpretar como las variaciones causadas por todos los factores no analizados y
que dentro del mismo tratamiento variarán de unos elementos a otros. Reciben el nombre de
perturbaciones o error experimental.

Nuestro objetivo es estimar el efecto de los tratamientos y contrastar la hipótesis de


que todos los niveles del factor producen el mismo efecto, frente a la alternativa de que
al menos dos difieren entre sí. Para ello, se supone que los errores experimentales son
variables aleatorias independientes igualmente distribuidas según una Normal de
media cero y varianza constante.

En este modelo se distinguen dos situaciones según la selección de los


tratamientos: modelo de efectos fijos y modelo de efectos aleatorios.
En el modelo de efectos fijos el experimentador decide qué niveles concretos se van a
considerar y las conclusiones que se obtengan sólo son aplicables a esos niveles, no
pudiéndose hacer extensivas a otros niveles no incluidos en el estudio.
En el modelo de efectos aleatorios, los niveles del factor se seleccionan al azar; es decir
los niveles estudiados son una muestra aleatoria de una población de niveles y las
conclusiones que se obtengan se generalizan a todos los posibles niveles del factor,
hayan sido explícitamente considerados en el estudio o no.
En cuanto a los tamaños muestrales de los tratamientos, los modelos se clasifican
en: modelo equilibrado o balanceado si todas las muestras son del mismo tamaño ni =
n y modelo no-equilibrado o no-balanceado si los tamaños muestrales ni son distintos.

El contraste de hipótesis planteado anteriormente está asociado a la descomposición


de la variabilidad de la variable respuesta. Dicha variabilidad se descompone de la
siguiente forma:

SCT = SCTr + SCR

Donde:

 SCT: es la suma total de cuadrados o variabilidad total de Y

 SCTr: es la suma de cuadrados entre tratamientos o variabilidad


explicada,

 SCR: es la suma dentro de los tratamientos, variabilidad no


explicada o residual
La tabla de análisis de la varianza (tabla ANOVA) se
construye a partir de esta descomposición y proporciona el valor del estadístico F que
permite contrastar la hipótesis nula planteada anteriormente.

En el Supuesto práctico 1:
 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.

Para realizarlo mediante SPSS, se comienza definiendo las variables e introduciendo


los datos:

 Nombre: Concentración_CO; Tipo: Numérico; Anchura: 3; Decimales: 0


 Nombre: Día_semana; Tipo: Numérico; Anchura: 8; Decimales: 0; Valores: {1, Lunes; 2,
Martes; 3, Miércoles; 4, Jueves; 5, Viernes}

En primer lugar describimos los cinco grupos


que tenemos que comparar, los cinco días de la semana, la variable respuesta es la
concentración de CO en estos días de la semana. Cada día de la semana tiene ocho
unidades, en total tenemos 40 observaciones. La hipótesis nula es que el promedio de
las concentraciones es igual el día lunes que el martes, que el miércoles… Es decir, no
hay diferencias en las concentraciones con respecto a los días y la alternativa es que
las concentraciones de CO son diferentes al menos en dos días.
Para la descripción de los cinco grupos comenzamos realizando un análisis descriptivo.
Para ello, se selecciona, en el menú principal, Analizar/Comparar medias/medias

se introduce en el campo Lista


de dependientes: La variable respuesta Concentración_CO y en el campo Factor: el
factor Día_semana. Pulsando Aceptar se obtiene la Tabla ANOVA
se introduce en el campo Lista de dependientes: La variable
respuesta Concentración_CO y en el campo Lista de independientes: el
factor Día_semana. Se pulsa Opciones y se selecciona Número de casos, Media,
Desviación típica, Mínimo, Máximo y Desviación Error de la media.

Pulsar Continuar y Aceptar y se obtiene la


siguiente salida
donde se
presentan los cinco grupos dispuestos en forma comparativa. 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. Para responder a esta hipótesis
recurrimos al Análisis de la Varianza de un factor y realizamos el contraste de igualdad
de medias
mediante SPSS dicho
contraste se puede ejecutar de dos formas:
1. Se selecciona, en el menú principal, Analizar/Comparar medias/ANOVA de un factor… En
la salida correspondiente,

se introduce en el campo Lista de


dependientes: La variable respuesta Concentración_CO y en el campo Factor: el
factor Día_semana. Pulsando Aceptar se obtiene la Tabla ANOVA

donde:
 Inter-grupos: Representa la Suma de cuadrados debida a los tratamientos (SCTr)
 Intra-grupos: Representa la suma de cuadrados residual (SCR)
 Total: Representa la suma de cuadrados total (SCT).
Si el valor de F es mayor que uno quiere decir que hay un efecto positivo del factor día.
Se observa que el P-valor (Sig.) tiene un valor de 0.004, que es menor que el nivel de
significación 0.05. Por lo tanto, hemos comprobado estadísticamente que estos cinco
grupos son distintos. Es decir no se puede rechazar la hipótesis alternativa que dice
que al menos dos grupos son diferentes, pero ¿Cuáles son esos grupos? ¿Los cinco
grupos son distintos o sólo alguno de ellos? Pregunta que resolveremos más adelante
mediante los contrastes de comparaciones múltiples.
2. Se selecciona, en el menú principal, Analizar/Modelo lineal general/ Univariante…

En la salida correspondiente, se introduce en el campo Variable dependiente: La


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

En la tabla
correspondiente a las pruebas de los efectos inter-sujetos, se muestran
el Origen denominado:
 Modelo corregido: que recoge la suma de cuadrados asociadas a todos los factores que se
incluyen en el modelo

 Intersección: coincide con la expresión


 Días-semana: Representa la Suma de cuadrados debida a los tratamientos (SCTr), que viene
identificada con el nombre de la variable que representa al factor.
 Error: Representa la suma de cuadrados residual (SCR).

 Total: Representa la suma de los cuadrados de todas las observaciones


 Total corregida: Representa la suma de cuadrados total (SCT). Por lo tanto, Intersección es la
diferencia entre Total corregido y Total.
En la Tabla ANOVA, el valor del estadístico de contraste de igualdad de medias, F =
4.775 deja a su derecha un p-valor de 0.004, menor que el nivel de significación del 5%,
por lo que se rechaza la Hipótesis nula de igualdad de medias. Es decir, existen
diferencias significativas en las concentraciones medias de monóxido de carbono entre
los cinco días de la semana.
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.

El modelo que hemos propuesto hay que validarlo, para ello hay que comprobar si se
verifican las hipótesis básicas del modelo, es decir, si las perturbaciones son variables
aleatorias independientes con distribución normal de media 0 y varianza constante
(homocedasticidad).

También podría gustarte