El análisis de varianza es la investigación cuantitativa de la diferencia entre el comportamiento real y el planificado. Este análisis se utiliza para mantener el control sobre un negocio a través de la investigación de áreas en las que el rendimiento fue inesperadamente pobre. Por ejemplo, si el presupuesto de ventas es de $ 10,000 y las ventas reales son de $ 8,000, el análisis de varianza produce una diferencia de $ 2,000. El análisis de varianza es especialmente efectivo cuando revisa la cantidad de una varianza en una línea de tendencia, por lo que los cambios repentinos en el nivel de varianza de mes a mes son más evidentes. El análisis de varianza también implica la investigación de estas diferencias, por lo que el resultado es una declaración de la diferencia de las expectativas y una interpretación de por qué ocurrió la varianza. Para continuar con el ejemplo, un análisis completo de la varianza de ventas sería:
«Las ventas durante el mes fueron $ 2,000 inferiores al presupuesto de $ 10,000. Esta varianza fue causada principalmente por la pérdida del cliente de ABC al final del mes anterior, que generalmente compra $ 1,800 por mes de la compañía. Perdimos el cliente de ABC porque habíamos Varias instancias de entregas tardías en los últimos meses «.
Este nivel de análisis de varianza detallado permite a la gerencia comprender por qué las fluctuaciones ocurren en su negocio y qué puede hacer para cambiar la situación.
Estas son las variaciones más comúnmente derivadas utilizadas en el análisis de varianza (están vinculadas a descripciones más completas, así como ejemplos):
Variación del precio de compra. El precio real pagado por los materiales utilizados en el proceso de producción, menos el costo estándar, multiplicado por el número de unidades utilizadas.
Varianza de la tasa laboral. El precio real pagado por la mano de obra directa utilizada en el proceso de producción, menos su costo estándar, multiplicado por el número de unidades utilizadas.
¿Cuál es la finalidad de la prueba de dos varianzas?
Otro de los usos de la distribución F es probar dos variaciones. A menudo es deseable comparar dos variaciones en lugar de dos promedios. Por ejemplo, los administradores universitarios desean que dos profesores universitarios de calificación de los exámenes tengan la misma variación en su calificación. Para que una tapa se ajuste a un contenedor, la variación en la tapa y el contenedor debe ser la misma. Un supermercado podría estar interesado en la variabilidad de los tiempos de salida para dos damas.
Para realizar una prueba F de dos variaciones, es importante que lo siguiente sea cierto:
- Las poblaciones de las que se dibujan las dos muestras se distribuyen normalmente.
- Las dos poblaciones son independientes entre sí.
A diferencia de la mayoría de las otras pruebas en este libro, la prueba F para la igualdad de dos variaciones es muy sensible a las desviaciones de la normalidad. Si las dos distribuciones no son normales, la prueba puede dar valores p más altos de lo que debería, o más bajos, de manera impredecible. Muchos textos sugieren que los estudiantes no usan esta prueba en absoluto, pero en aras de la integridad lo incluimos aquí.
ser las variaciones de muestra. Deje que los tamaños de muestra sean N1 y N2. Como estamos interesados en comparar las dos variaciones de muestra, utilizamos la relación F:
F = [(S1) 2 (σ1) 2] [(S2) 2 (σ2) 2]donde N1 – 1 son los grados de libertad para el numerador y N2 – 1 son los grados de libertad para el denominador.
, entonces la relación F se convierte en F = [(S1) 2 (σ1) 2] [(S2) 2 (σ2) 2] = (S1) 2 (S2) 2
¿Qué significa que dos varianzas sean iguales?
Cuando se conocen las variaciones de la población, la diferencia de
Los medios tienen una distribución normal. La varianza del
La diferencia es la suma de las variaciones divididas por la muestra
tamaños. Esto tiene sentido, con suerte, porque según el
Teorema del límite central, la varianza del muestreo
La distribución de las medias de muestra es la varianza dividida por
el tamaño de la muestra, entonces lo que estamos haciendo es agregar la varianza de
cada uno significa juntos. Se muestra la estadística de prueba.
Cuando no se conocen las variaciones de la población, el
La diferencia de los medios tiene la distribución de T de un estudiante.
Sin embargo, si ambos tamaños de muestra son lo suficientemente grandes, entonces
Usará la fila normal de la tabla t, por lo que
Su libro agrupa esto bajo la distribución normal,
en lugar de la distribución t. Esto nos da la oportunidad de resolver el problema sin saber si
Las variaciones de la población son iguales o no. Se muestra el estadístico de prueba y es idéntico a arriba,
Excepto que las variaciones de muestra se utilizan en lugar de las variaciones de población.
Ok, probablemente te estés preguntando cómo sabes si las variaciones son iguales o no si no
Sepa lo que son. Algunos libros enseñan la prueba F a probar la igualdad de dos variaciones, y si
Su libro hace eso, entonces debe usar la prueba F para ver. Otros libros (estadísticos) argumentan que
Si hace la prueba F primero para ver si las variaciones son iguales y luego usa el mismo nivel de
Importancia para realizar la prueba t para probar la diferencia de las medias, que el nivel general de
La importancia no es la misma. Entonces, el texto Bluman le dice al alumno si las variaciones son o no
Igual y el texto de Triola hace que los estudiantes lo prueben por sí mismos.
Como no conoces las variaciones de la población, vas a ir
para usar la distribución T de un estudiante. Dado que las variaciones son
desigual, no hay intento de promediarlos como
Lo haremos en la próxima situación. Los grados de libertad son el
más pequeño de los dos grados de libertad (N-1 para cada uno). los
La función «min» significa tomar el mínimo o menor del
dos valores. De lo contrario, la fórmula es la misma que utilizamos
con grandes tamaños de muestra.
¿Cómo saber si dos muestras tienen la misma varianza?
Ahora consideramos un diseño experimental para determinar si hay una diferencia entre dos grupos dentro de la población. Por ejemplo, supongamos que queremos probar si un nuevo medicamento es efectivo en el tratamiento del cáncer. Un enfoque es crear una muestra aleatoria de 40 personas, la mitad de las cuales toman la droga y la mitad toman un placebo. Para que este enfoque produzca resultados válidos, es importante que las personas se asignen a cada grupo al azar. Tales muestras son independientes.
Cuando se conocen las variaciones de la población, las pruebas de hipótesis se pueden realizar utilizando una distribución normal, como se describe al comparar dos medias cuando se conocen variaciones. Pero las variaciones de población generalmente no se conocen. El enfoque que usamos en su lugar es agrupar las variaciones de muestra y usar la distribución T.
Consideramos tres casos en los que se usa la distribución T:
- Variaciones iguales
- Variaciones desiguales
- Muestras emparejadas
Tratamos con el primero de estos casos en esta página web.
Propiedad 1: Sea X̄ y ȳ la muestra de dos conjuntos de datos de tamaño NX y NY respectivamente. Si x e y son normales, o nx y ny son lo suficientemente grandes para que el teorema del límite central se mantenga, y x e y tienen la misma varianza, entonces la variable aleatoria
S, como se definió anteriormente, se puede ver como una forma de agrupar SX y SY, por lo que S2IS se conoce como la varianza agrupada. Además, tenga en cuenta que los grados de libertad de t es el valor del denominador de S2 en la fórmula dada en la propiedad 1.
Stderr_pooled (R1, R2, B) = Error estándar agrupado de las muestras definidas por los rangos R1 y R2. Esto es igual al denominador de t en la propiedad 1 si b = verdadero (predeterminado) y igual al denominador de t en la propiedad 1 de dos pruebas t de muestra con variaciones desiguales si b = falso. Cuando los tamaños de muestra son iguales, b = verdadero o b = falso produce el mismo resultado.
¿Cuál es la importancia de la varianza?
La varianza de la palabra en realidad se deriva de la variedad de palabras que en términos de estadísticas significa la diferencia entre varios puntajes y lecturas. La varianza se puede denominar como la materia prima o la materia prima del análisis estadístico. La varianza garantiza la precisión a medida que más varianza se considera buena en comparación con la baja varianza o absolutamente ausencia de cualquier varianza. La varianza en las estadísticas es importante, ya que en una medición nos permite medir la dispersión del conjunto de las variables alrededor de su media. Estos conjuntos de variables son las variables que se miden o analizan. La presencia de la varianza permite que un estadístico extrae una conclusión significativa de los datos.
En las estadísticas, la varianza se puede calcular tomando la suma de las diferencias al cuadrado que se dispersan alrededor de la media aritmética que se divide por el tamaño total de la muestra restando uno de ese tamaño de muestra. Con la ayuda de la media, podemos descubrir la ubicación de la distribución estadística y con la ayuda de la varianza podemos descubrir la dispersión de esa distribución.
En términos de varianza contable, también es muy importante, ya que se utiliza para medir la desviación del desempeño financiero real y los objetivos de una empresa o una entidad comercial. Existen diferentes tipos de variaciones que se miden dentro de una entidad comercial, como la varianza de la velocidad laboral, la varianza del volumen de ventas, la varianza de la mezcla de ventas y la varianza de eficiencia laboral.
Siendo un blogger profesional, me gusta compartir mi conocimiento sobre contabilidad, finanzas, inversiones, bonos y otros temas relacionados. Además de soy un contador profesional en una empresa multinacional.
¿Qué es la varianza y su importancia?
La varianza puede ser buenas o malas, dependiendo de la situación, también conocido como, varianza favorable o varianza desfavorable. Una pequeña varianza en cualquier dirección es normal, mientras que una gran varianza es de interés periodístico. Si tiene una tendencia mal en su presupuesto pero positivo en sus ganancias, esto se realiza a su manera en general en el green. Así que eso es genial y todo.
En cualquier caso, sus variaciones impactan todo, desde los salarios hasta la publicidad, y deben tener en cuenta su planificación financiera de rutina.
Estos son los casos de uso de uso más comunes en las empresas:
Para empezar, veamos las variaciones de ganancias. Esta es la desviación entre sus ganancias estimadas y su beneficio real en un período de tiempo determinado.
Ejemplo: planeó recaudar $ 10,000 en enero, pero recaudó $ 8,000. Cuando se enchufa a la fórmula de varianza, esto le da una varianza de -20 por ciento. Una varianza de ganancias negativas implica una de dos cosas:
- Tus proyecciones eran demasiado altas.
- Su empresa no fue tan efectiva como era necesario.
Los equipos de gestión de mentalidad de éxito pueden hacer girar la historia hacia el número 2, para mantener a los empleados luchando por la grandeza. En realidad, tanto el No. 1 como el No. 2 son a menudo ciertos en casos de varianza negativa. Los mejores tomadores de decisiones verán un resultado negativo desde todos los ángulos y hará ajustes sensatos al mapear el próximo año fiscal.
La varianza del presupuesto es la diferencia entre su presupuesto programado, para un departamento, un solo proyecto o evento, o la empresa en su conjunto, y lo que termina desembolsando.
¿Por qué es importante la variabilidad en la estadística?
Las estimaciones de potencia y tamaño de muestra son tan buenas como su estimación de la variabilidad (desviación estándar). Desafortunadamente, estimar la variabilidad es a menudo la parte más difícil. Para obtener esta estimación, es posible que tenga que confiar en la literatura, los estudios piloto o incluso las conjeturas educadas. Incluso entonces, podrías equivocarte. Pero a medida que realiza más estudios en un área, su estimación de la variabilidad debería ser más precisa. Es un proceso.
Estoy seguro de que es obvio que siempre debe calcular la potencia y el tamaño de la muestra antes de un estudio para evitar realizar un análisis de baja potencia, y Minitab lo hace muy fácil de hacer. Pero también debe evaluar el poder después de un estudio que produjo resultados insignificantes. Esta vez, use la estimación de desviación estándar de los datos de muestra, que pueden ser más precisos que la estimación previa al estudio.
Imagine que realizamos un estudio, asumimos el escenario de variabilidad media y utilizamos un tamaño de muestra de 74. Creemos que nuestro estudio tenía 80% de potencia. Lamentablemente, obtenemos resultados insignificantes. Sin embargo, notamos que nuestra variabilidad de la muestra real es mayor que nuestra estimación previa al estudio. De hecho, es consistente con el escenario de alta variabilidad. ¡Cuando recomputamos la potencia, resulta que nuestro poder era solo del 52%! La baja potencia podría explicar los resultados insignificantes.
¡Afortunadamente, podemos usar esta nueva estimación para producir un estudio mejorado! Luego, con un tamaño de muestra en el que sabemos que podemos confiar, ¡todos podemos cantar junto con tengo el poder!
¿Dónde se aplica este análisis de varianza?
El análisis de varianza, también descrito como análisis de varianza o ANOVA, implica evaluar la diferencia entre dos figuras. Es una herramienta aplicada a los datos financieros y operativos que tiene como objetivo identificar y determinar la causa de la varianza. En las estadísticas aplicadas, existen diferentes formas de análisis de varianza. En la gestión de proyectos, el análisis de varianza ayuda a mantener el control sobre los gastos de un proyecto al monitorear los costos planificados versus los costos reales. El análisis de varianza efectiva puede ayudar a una empresa a detectar tendencias, problemas, oportunidades y amenazas para el éxito a corto o largo plazo.
El análisis de varianza es importante para ayudar a gestionar los presupuestos controlando los costos presupuestados versus los reales. En la gestión de programas y proyectos, por ejemplo, los datos financieros generalmente se evalúan a intervalos o hitos clave. Por ejemplo, un informe de cierre mensual podría proporcionar datos cuantitativos sobre gastos, ingresos y niveles de inventario restantes. Las variaciones entre los costos planificados y reales pueden conducir a ajustar los objetivos, objetivos o estrategias comerciales.
Un umbral de materialidad es el nivel de varianza estadística que se considera significativa, o vale la pena señalar. Esto variará de una compañía a otra. Por ejemplo, una varianza objetivo de ventas de $ 100,000 será más material para un minorista de pequeñas empresas que para un minorista nacional acostumbrado a generar miles de millones en ingresos anuales. Por el contrario, un gasto de costo del 2 por ciento podría ser irrelevante para una pequeña empresa, pero se traduce en millones de dólares para una gran empresa.
También se pueden identificar relaciones entre pares de variables al realizar el análisis de varianza. Las correlaciones positivas y negativas son importantes en la planificación comercial.
Como ejemplo, el análisis de varianza podría revelar que cuando el aumento de las ventas para el widget A hay un aumento correlacionado en las ventas para el widget B. Las características de seguridad mejoradas para un producto pueden dar lugar a aumentos de ventas. Esta información podría usarse para transferir este éxito a otros productos similares.
¿Dónde se aplica el análisis de varianza?
La mayoría de las empresas están preocupadas por la planificación comercial y el cumplimiento de sus compromisos financieros. En última instancia, todos quieren crecimiento. En consecuencia, analizan las variaciones entre:
- Resultados reales del año pasado y el presupuesto del año en curso, lo que les ayuda a planificar y esto también es parte del proceso de presupuesto.
- Presupuesto existente (año financiero actual) y reales del año actual, lo que les ayuda a cumplir con sus compromisos. Esta actividad se realiza a intervalos regulares durante todo el año, como al cierre de cada trimestre y al final del año.
- Año pasado real y actual año real para analizar el crecimiento. Esto se hace a fin de año.
Comparación del presupuesto con el análisis real: el análisis de varianza ayuda a administrar los presupuestos anuales al monitorear las cifras presupuestadas y compararlo con los ingresos/costos reales. En el caso de las empresas que están impulsadas por proyectos o programas, los datos financieros se evalúan a intervalos clave, como el cierre de mes, el trimestre de fin, etc. Por ejemplo, los informes de fin de final pueden proporcionar datos cuantitativos con respecto a los ingresos y los gastos o niveles de inventario . Sin embargo, el análisis de varianza ayudaría a comprender las razones detrás de las variaciones entre los ingresos/costos reales y planificados, lo que podría conducir a ajustes en las estrategias comerciales y los objetivos finales.
Artículos Relacionados:
- Guía paso a paso para realizar un análisis de varianza en Excel
- ¿Qué es el análisis de varianza y cómo se puede aplicar a tu negocio?
- Tabla de análisis de varianza: cómo optimizar su sitio web para el mejor rendimiento
- ¿Qué es un análisis de varianza y cómo se puede utilizar para optimizar su sitio web?
