ANOVA Análisis de Varianza: Simple Doble Factorial

Funciones Contrastar grupos (3 ó más) Diferencias individuales Diferencias entre-grupos Interacción

Requisitos Distribución normal de los puntajes Homocedasticidad de varianza Nivel intervalar Selección y Asignación al azar

Tipos En función de la cantidad de variables independientes 1.Simple 2.Doble 3.Factorial

ANOVA simple

Requisitos: – UNA variable dependiente – Una variable de clasificación con TRES o más grupos

Pasos para ANOVA simple 1.Hipótesis estadísticas 2.Probabilidad 3.Obtener sumatorias de puntajes de CADA grupo 4.Elevar al cuadrado las sumatorias

5. Elevar al cuadrado cada puntaje crudo y sumar (hacerlo por CADA grupo)

6. Calcular el Factor de Corrección (FC)

7. Obtener SCT 8. Obtener SCE

9. Obtener SCI

10. Calcular grados de libertad

11. Calcular MCE 12. Calcular MCI

13. Obtener el valor de “F”

14. Tabla de procedencia Fuente de variabilidad SCglMCF Entre Intra Total

Comparaciones múltiples

La premisa de ANOVA… – H0: “No hay diferencias...” Que es lo mismo a... M1 = M2 = M3 – H1: “Sí hay diferencias...” Al menos UNA ¿Dónde está la diferencia?

El “¿Dónde?” se resuelve con comparaciones múltiples – Planeadas – No planeadas “POST – HOC “ (latín, “After this/Después de esto”)

Comparaciones – A priori: Se plantean de antemano por ser de interés para el investigador – A posteriori (comparaciones múltiples): “ver que pasa” Comparan todas las combinaciones ¿pruebas t? ¡¡NO!! – Diluyen el efecto – La probabilidad no se mantiene ya que fue utilizada para TODAS las comparaciones – Si se hicieran todas las pruebas t, tendría que dividirse la probabilidad “original” entre el número de comparaciones

Las más comunes… “Típicas” a posteriori: – Tukey – Scheffe “Típica” a priori: – Bonferroni

Tukey: – Honestly Significant Difference (lo vuelve el método más utilizado) – Vs. LSD de Fisher Bonferroni: considerado el más conservador (“tradicional”) Scheffe: el más riguroso – Correcciones por tamaño de muestra, error, número de condiciones – Utiliza intervalos de confianza para cada comparación

ANOVA doble

A FutbolBasketamericano Bjoven adulto

Se llevó a cabo un ANOVA factorial para comparar los efectos principales de (Insertar variables de efectos principales) y el efecto de interacción entre (insertar aquí la interacción) sobre (variable dependiente)

Se llevó a cabo un ANOVA factorial 2x3 para comparar el efecto principal de sexo (hombre, mujer) y escolaridad (primaria, secundaria, preparatoria) y el efecto de interacción de sexo x escolaridad sobre los niveles de atención sostenida.

Reporte: Se llevó a cabo un ANOVA factorial para comparar los efectos principales de tipo de atleta y edad, así como los efectos de interacción entre tipo de atleta y edad sobre el número de rebanadas de pizza que se come un atleta en una sesión. El tipo de atleta incluyó tres niveles (futbol, basketball y futbol americano) y edad incluyó dos (joven, adulto).

Reporte (continuación): El efecto principal por tipo de atleta resultó estadísticamente significativo [F (2,18) = 136.2, p<0.01], indicando diferencias entre jugadores de futbol (M, DE), jugadores de basketball (M, DE) y jugadores de futbol americano (M, DE). El efecto principal de edad no resultó estadísticamente significativo [F(1, 18) = 2.9, p>0.05], indicando que los jóvenes (M, DE) y los adultos (M, DE) no difieren entre sí estadísticamente.

Reporte (continuación): El efecto de interacción resultó estadísticamente significativo [F(2,18) = 13.36, p<0.05].