Calculadora ANOVA de una vía

ANOVA pregunta si la variación entre medias supera la interna

Cada línea representa un grupo independiente medido en la misma unidad. La media global combina todas las observaciones ponderadas por tamaño. La suma de cuadrados entre grupos mide cuánto se aleja cada media de la global; la suma dentro mide dispersión de observaciones alrededor de su propia media. Si los grupos se separan mucho y cada uno es compacto, F aumenta.

Comparar muchas medias con pruebas t separadas eleva la probabilidad de falsos positivos. ANOVA construye una prueba global de la hipótesis de que todas las medias poblacionales son iguales. Un F grande sugiere que el modelo con grupos explica más que el ruido interno, pero el p-valor requiere la distribución F con grados de libertad.

Independencia, residuos y varianzas condicionan la prueba

La independencia proviene del diseño: una persona medida varias veces no produce observaciones independientes. En ese caso se necesita ANOVA de medidas repetidas o modelo mixto. La asignación aleatoria y bloqueo controlan confusores. Ningún gráfico de salida puede reparar pseudorreplicación.

Los residuos dentro de cada grupo deben ser aproximadamente compatibles con el modelo, especialmente con muestras pequeñas. Examina histograma, Q-Q y residuos contra ajustados. La homogeneidad de varianzas importa para ANOVA clásico; si tamaños y varianzas difieren mucho, Welch puede ser más apropiado. Valores atípicos deben investigarse, no borrarse para obtener significancia.

Un F significativo no indica cuáles grupos difieren

La prueba global sólo rechaza igualdad completa. Para localizar diferencias se usan comparaciones planificadas o procedimientos post hoc como Tukey, con control de multiplicidad. Elegir pares después de ver datos y aplicar t sin corrección infla error. Define contrastes según la pregunta y reporta estimación, intervalo y ajuste.

η² mostrado es la fracción de suma de cuadrados total atribuida a grupos en esta muestra. Puede ser sesgado y no sustituye ω² u otras medidas según diseño. Un efecto pequeño puede ser importante con consecuencias grandes; uno grande puede ser irrelevante si la variable no mide el objetivo. Reporta unidades y diferencias de medias.

Causalidad requiere diseño, no sólo separación estadística

En experimento aleatorizado, diferencias pueden atribuirse al tratamiento bajo supuestos y ejecución. En datos observacionales, grupo puede estar confundido con edad, sitio, selección o exposición. ANOVA detecta asociación de medias, no elimina confusores. Un modelo con covariables o diseño emparejado puede responder mejor.

Muestras enormes detectan diferencias minúsculas; muestras pequeñas pueden no detectar efectos útiles. Planea potencia y tamaño antes. No interpretes p>0.05 como igualdad demostrada ni p<0.05 como certeza. La significancia depende del umbral definido, multiplicidad y calidad de datos.

Si la respuesta es conteo, proporción o muy no normal, un modelo generalizado puede ser más adecuado. Si hay jerarquía por escuela, lote o paciente, considera efectos aleatorios. La calculadora es una mesa de trabajo educativa para ANOVA de una vía equilibrado o no equilibrado simple.

Diagnóstico y reporte de un ANOVA de una vía

ANOVA compara la variabilidad entre medias de grupos con la variabilidad dentro de ellos mediante F. La hipótesis nula dice que todas las medias poblacionales son iguales; rechazarla indica que al menos una difiere, no cuáles ni cuánto. Reporta medias, desviaciones, tamaños, F, grados de libertad, p y un tamaño de efecto. Un p pequeño con miles de datos puede acompañar una diferencia irrelevante; el contexto define la magnitud útil.

El análisis clásico supone observaciones independientes, residuos aproximadamente normales y varianzas comparables. La independencia proviene del diseño y no se arregla con una prueba. Examina residuos contra valores ajustados y por grupo, además de gráficos Q–Q. Con tamaños similares, ANOVA tolera cierta desigualdad; con varianzas y n muy diferentes, Welch ANOVA puede ser preferible. Datos ordinales o colas severas podrían requerir métodos robustos o de permutación.

Si F es significativo, una comparación post hoc controla multiplicidad, por ejemplo Tukey para todos los pares. No ejecutes muchas t independientes sin ajuste, porque crece la probabilidad de un falso positivo. Si existían contrastes planeados, especifícalos antes y limita el conjunto. Un intervalo de diferencia es más informativo que una lista de asteriscos. Si los grupos representan dosis ordenadas, una tendencia puede responder mejor que todos los pares.

La calculadora acepta grupos separados, pero no modela bloques, medidas repetidas, covariables ni dos factores. Si una persona aparece en varias condiciones, un ANOVA independiente es incorrecto. Tampoco debe promediarse sin pensar cuando hay lotes o escuelas. Conserva los datos largos con identificador, grupo y respuesta; documenta exclusiones. Un reporte claro puede decir: “F(2,27)=…, p=…, η²=…, con supuestos examinados”, seguido de medias e intervalos y la prueba posterior elegida.

Un tamaño de efecto como η²=SS_entre/SS_total describe proporción de variación asociada con grupos en la muestra, pero puede ser optimista. Omega cuadrada corrige parcialmente. Ninguno dice qué contraste importa. Presenta diferencias e intervalos en unidades originales, porque “efecto mediano” genérico puede no corresponder a una decisión clínica, industrial o comercial.

Si se recolectaron datos en bloques —por día, lote o participante— incluir el bloque puede reducir ruido y evitar confusión. Ignorarlo viola independencia. Un diseño factorial permite estimar interacción: el efecto de A puede cambiar con B. Ejecutar ANOVA separados por cada nivel pierde la prueba directa y multiplica errores. Planifica el modelo desde el diseño.

Para reproducibilidad, conserva tabla larga, código, versión y semilla de cualquier permutación. Registra cómo se trataron faltantes y atípicos. Un resultado que cambia al excluir una observación válida debe presentarse como sensible. La revisión de supuestos no es una ceremonia posterior: debe guiar la estimación y el método alternativo antes de escribir conclusiones.

En un estudio mexicano con escuelas, clínicas, plantas o estados, identifica la verdadera unidad experimental. Cien mediciones dentro de tres sucursales no equivalen a cien sucursales independientes; el sitio puede requerir bloqueo o efecto aleatorio. Antes de ejecutar ANOVA, fija variable, grupos, exclusiones y contraste útil, y conserva entidad y periodo para detectar composición. Reporta medias e intervalos en la unidad original junto con F, grados de libertad y tamaño de efecto. Si se publican resultados de personas, aplica anonimización y reglas de acceso. Una diferencia estadística entre regiones no demuestra que la región sea la causa ni que la magnitud justifique una política.