Calculadora ANOVA de un factor

¿Qué es ANOVA de una vía?

ANOVA de una vía (Análisis de varianza) prueba si las medias de tres o más grupos difieren significativamente. Es una extensión de la prueba t de dos muestras para múltiples grupos.

Pregunta que responde: "¿Alguno de estos grupos tiene valores promedio diferentes?"

Ejemplos:

• "¿Los estudiantes enseñados con tres métodos diferentes tienen calificaciones distintas?"
• "¿El rendimiento de los cultivos difiere entre cuatro tipos de fertilizantes?"
• "¿Las calificaciones de satisfacción del cliente son diferentes en cinco ubicaciones de tiendas?"

¿Por qué no usar múltiples pruebas t?

Con tres grupos, podrías realizar tres pruebas t (A vs B, A vs C, B vs C). El problema: cada prueba tiene una tasa de falsos positivos del 5%, acumulándose hasta ~14% en total.

Con cinco grupos (10 comparaciones por pares), la tasa de falsos positivos supera el 40%.

Solución ANOVA: Una sola prueba que controla el error Tipo I general al nivel α elegido (típicamente 0.05).

La lógica de ANOVA

ANOVA compara dos fuentes de variación:

Variación entre grupos: Cuánto difieren las medias de los grupos de la media general. Si los grupos son realmente diferentes, esta es grande.

Variación dentro de grupos: Cuánto varían los individuos dentro de cada grupo. Esto representa el error aleatorio/ruido.

Idea clave: Si las medias de los grupos son iguales (H₀ verdadera), la variación entre grupos debería ser similar a la variación dentro de grupos.

El Estadístico F

$F = \frac{MSB}{MSW}$

Donde:

• $MSB$ = Cuadrado medio entre grupos (varianza entre grupos)
• $MSW$ = Cuadrado medio dentro de grupos (varianza dentro de grupos, también llamada error)

Si H₀ es verdadera: F ≈ 1 (ambas fuentes similares) Si H₁ es verdadera: F > 1 (entre > dentro)

F siempre es ≥ 0 y típicamente se compara con la distribución F.

Calculando ANOVA

Paso 1: Calcular las medias de los grupos

Paso 2: Calcular la Suma de cuadrados

$SS_{\text{Total}} = \sum(x_i - \bar{x}_{\text{general}})^2$

$SS_{\text{Entre}} = \sum n_i(\bar{x}_i - \bar{x}_{\text{general}})^2$

Ejemplo: $10(72-77.9)^2 + 12(78-77.9)^2 + 8(85-77.9)^2 = 751.2$

$SS_{\text{Dentro}} = SS_{\text{Total}} - SS_{\text{Entre}}$

Paso 3: Calcular los cuadrados medios

$MSB = \frac{SS_B}{k - 1}$ donde k = número de grupos

$MSW = \frac{SS_W}{N - k}$ donde N = tamaño total de la muestra

Paso 4: Calcular F y el valor p

$F = \frac{MSB}{MSW}$

Comparar con la distribución F con $df_1 = k-1$ y $df_2 = N-k$.

La tabla ANOVA

Formato de salida estándar:

Interpretación de resultados

F significativo (p < α): Al menos una media de grupo difiere de las otras. Pero ANOVA no te dice cuáles grupos difieren—necesitas pruebas post-hoc.

F no significativo (p ≥ α): Evidencia insuficiente de que alguna media de grupo difiera.

Tamaño del efecto: Eta cuadrado

$\eta^2 = \frac{SS_B}{SS_{\text{Total}}}$

Proporción de varianza explicada por la pertenencia al grupo.

En el ejemplo: η² = 751.2 / 1954.0 = 0.38 (efecto grande)

Pruebas post-hoc

Cuando ANOVA es significativo, determina qué grupos difieren:

• Tukey HSD: La más común, compara todos los pares
• Bonferroni: Conservadora, multiplica los valores p por el número de comparaciones
• Scheffé: La más conservadora, permite comparaciones complejas
• Dunnett: Compara cada grupo con un control

Sin pruebas post-hoc, solo sabes que "algo difiere" pero no qué.

Supuestos

Independencia

Las observaciones son independientes dentro y entre grupos.

Normalidad

Las poblaciones tienen distribución normal, O los tamaños de muestra son adecuados (cada n > 20-30).

ANOVA es bastante robusto ante violaciones de normalidad.

Homogeneidad de varianzas

Los grupos tienen varianzas poblacionales iguales.

Verificar: La proporción entre la desviación estándar más grande y la más pequeña < 2:1

Si se viola: Usar ANOVA de Welch o Kruskal-Wallis no paramétrico.

Aplicaciones

Investigación médica

Comparar resultados de tratamiento entre múltiples dosis de medicamentos o tipos de tratamiento.

Educación

Probar métodos de enseñanza, currículos o enfoques de intervención.

Marketing

Comparar respuestas de clientes entre estrategias publicitarias o puntos de precio.

Manufactura

Evaluar la calidad entre líneas de producción, turnos o proveedores.

Psicología

Probar diferencias de comportamiento entre condiciones experimentales.

Cuándo ANOVA no es apropiado

Solo dos grupos: Usar prueba t de dos muestras. ANOVA da resultados idénticos pero la prueba t es más simple.

Medidas pareadas/repetidas: Usar ANOVA de medidas repetidas en su lugar.

Dos factores: Usar ANOVA de dos vías.

Datos no normales con muestras pequeñas: Usar Kruskal-Wallis (alternativa no paramétrica).

Contexto histórico

Ronald Fisher desarrolló ANOVA en la década de 1920 mientras trabajaba en la Estación Experimental de Rothamsted en experimentos agrícolas.

Fisher necesitaba comparar rendimientos de cultivos entre múltiples condiciones de tratamiento simultáneamente. Su solución—particionar la varianza total en componentes—se convirtió en uno de los métodos estadísticos más influyentes.

La distribución F lleva su nombre en su honor.

Errores comunes

Ejecutar múltiples pruebas t

Infla el error Tipo I. Usar ANOVA.

Detenerse en F significativo

ANOVA solo te dice que los grupos difieren en algún lugar. Las pruebas post-hoc revelan dónde.

Ignorar los supuestos

Especialmente la homogeneidad de varianzas con tamaños de muestra desiguales.

Confundir factores con niveles

"Una vía" significa un factor (p. ej., método de enseñanza). El factor tiene múltiples niveles (métodos A, B, C).

Reportando resultados

Formato APA:

"Un ANOVA de una vía reveló un efecto significativo del método de enseñanza en las calificaciones, F(2, 27) = 8.43, p = .001, η² = .38. Las pruebas post-hoc Tukey HSD indicaron que el Método C (M = 85) produjo calificaciones significativamente más altas que el Método A (M = 72), p = .002, mientras que el Método B (M = 78) no difirió significativamente de ninguno de los grupos."

Cálculos relacionados

• Prueba t de dos muestras — Comparar dos grupos
• ANOVA de dos vías — Dos factores
• ANOVA de medidas repetidas — Mismos sujetos
• Tukey HSD — Comparaciones post-hoc
• Calculadora de distribución F — Valores p

Resumen

ANOVA de una vía prueba si las medias de tres o más grupos difieren comparando la varianza entre grupos con la varianza dentro de grupos. Un Estadístico F significativo indica que al menos un grupo difiere, pero se necesitan pruebas post-hoc para identificar cuáles grupos. La prueba asume independencia, normalidad (o muestras grandes) y varianzas iguales. Reporta el Estadístico F, grados de libertad, valor p, tamaño del efecto (η²) y resultados post-hoc para una interpretación completa.