Análisis de Varianza (ANOVA) y Regresión Lineal en un Experimento
Clasificado en Matemáticas
Escrito el en español con un tamaño de 3,2 KB
Prueba de Homocedasticidad (Hartley)
S1²=0,3 S2²=1,5 S3²=2,6 Hartley=S²Mayor/S²Menor = 2,6/0,3=8,66
H0: Las varianzas son iguales (hay homocedasticidad)
H1: Las varianzas son diferentes (no hay homocedasticidad)
F(4,4,0,05)=6.39 gl1=4 gl2=4 Se rechaza la hipótesis nula
Dado que se rechaza la hipótesis nula, se concluye que no hay homocedasticidad. A pesar de esto, se puede continuar con el análisis de varianza, pero se debe tener en cuenta esta violación del supuesto.
Análisis de Varianza (ANOVA)
N (Número de datos)=15 R (Número de Repeticiones)=5 K (Número de Tratamientos)=3 alfa=0,05
SCT= {Yij² ({X²)- (Y..)²/N = 44 SCentre= {Yi.²/R - (Y..)²/N = 26.8
SCdentro= SCT - SCentre = 44-26,8= 17,2
Yi. = suma de datos de cada tratamiento Y..= suma total {Yi.²= suma de cada total al cuadrado
Fuente de Variación | SC | gl | CM | F |
---|---|---|---|---|
Entre Tratamientos | 26,8 | (k-1) = 2 | 26.8 / 2 = 13,4 | 13.4 / 1.43 = 9,37 |
Dentro de Tratamientos | 17,2 | (n-k) = 12 | 17.2 / 12 = 1,43 | |
Total | 44 | (n-1) = 14 |
1. H0: (T1=T2=T3) Todos los tratamientos son iguales. H1: (T1≠T2≠T3) Al menos un tratamiento es diferente.
2. alfa = 0,05 3. F(2 (gl entre), 12 (gl dentro), 0,05) = 3,89
5. F=9,37 Se rechaza la hipótesis nula, es decir, hay algún tratamiento diferente. ¿Cuál es el mejor? -> Prueba de Tukey
Prueba de Tukey
DMSt= q(k,gld,alfa) * √(CMD/R) = 3,77 * √(1,43/5)= 2,01
Medias: 77/5= 15,4 - 72/5= 14,4 - 61/5= 12,2
- Tratamiento 1 vs 2 = |15,4 - 14,4| = 1 < 2,01 M1=M2
- Tratamiento 1 vs 3 = |15,4 - 12,2| = 3,2 > 2,01 M1≠M3
- Tratamiento 2 vs 3 = |14,4 - 12,2| = 2,2 > 2,01 M2≠M3
1 a - 2 a - 3 b -> El tratamiento 3 es el mejor porque es significativamente diferente a los demás.
Regresión Lineal
1. Se debe realizar un diagrama de dispersión con Y y X.
- Si se observa una relación directamente proporcional, es razonable proponer un ajuste lineal.
R (Correlación) = 0,98 -> Las dos variables tienen una relación fuerte.
Modelo: Y(Mortalidad) = a + bx(Dosis) = %Mortalidad = a + b(Dosis)
% Mortalidad = 6,05 + 0,82 (dosis) =""(12)=15,89 ="" (8)= 12,61
No se puede utilizar el modelo para predecir la mortalidad con dosis fuera del rango estudiado, ya que sería extrapolar el modelo.
A (Intercepto): Si no se aplica ninguna dosis, se espera una mortalidad del 6,05%.
B (Tasa de cambio): Por cada unidad que aumenta la dosis, se espera que la mortalidad aumente un 0,82%.