MetodoEstadistico De ANOVA

ANOVA

En la investigación de poblaciones existen métodos estadísticos que ayudan al investigador a realizar comparaciones de dos muestras, como lo son la T de studen y la Z, pero cuando hay la necesidad de comparar tres poblaciones o mas resulta ser ineficiente utilizar estos métodos, ya que en las comparaciones múltiples por pares aumentara la probabilidad de cometer errores del tipo I, o del tipo II lo que significa que al tener un número mayor de comparaciones obtenemos una mayor posibilidad de equivocarnos al rechazar la hipótesis nula siendo esta cierta y asimílanos que hay diferencia en donde en realidad no las hay, o por el contrario se puede afirmar que no hay diferencias donde en realidad si las hay, por tal motivo es muy importante que el investigador tenga bien en claro que método seleccionar cuando va a realizar una comparación de poblaciones y el porqué se va a utilizar ese método (Sturm, 2005).

El análisis de varianza mejor conocido como prueba de ANOVA es una prueba paramétrica que nos ayuda a realizar la comparación de la media de más de dos muestras tomadas al azar, y necesita una serie de supuestos para poder ser aplicada de una manera adecuada, uno de los más importantes es que cada grupo a comparar debe tener una distribución normal, ya que de no ser así se debe optar por un método no paramétrico, otro punto importante es que las muestras deben de ser independientes entre sí, y las varianzas de cada conjunto de datos no deben diferir de forma significativa (Braun, 2012).

El ANOVA de un factor o de una vía se utiliza para análisis donde, además del error aleatorio inevitable en las mediciones, hay un factor controlado (Ej. La temperatura) o aleatorio (Ej.a biomasa). El ANOVA de dos factores y de comparaciones múltiples nos permite estudiar si los valores de una variable dependiente (VD, ej. La cantidad de biomasa, o la concentración del metal) dependen de los niveles de dos (VI ej. El ph, el grado de humedad, temperatura) (factores) o de la interacción entre ambas (Sturm, 2005).

Para la interpretación del ANOVA, el valor de Fisher (F) es una estimación de la varianza poblacional, y se basa en la variabilidad que hay entre las medias de cada grupo. F= CMMedias/CMResiduales, se compara con el F crítico tabulado para una cola porque es de suponer que la variación intermuestra, si las muestras proceden de distinta población, sea mayor que la variación intramuestra. Si F calculado > F tabulado →p ≤ 0.05 se puede rechazar H0 y admitir H1, que supone existen diferencias significativas en las medias.

El estadístico F solo nos permite saber si la H0 que indica que las medias de 3 o más grupos son iguales. Al rechazar la H0 conocemos que las medias muestréales comparadas no son iguales, pero no conocemos certeramente en donde se encuentran las diferencias, no sabeos si hay diferencias entre todas las muestras o solo es una la que difiere

...