Page 88 - Introducción a la Bioestadística con R

Mediante el test de Bartlett.
En el test de Bartlett, tenemos la hipótesis nula que establece que las varianzas de la población son iguales frente a la hipótesis alternativa que indica que hay desigualdad en al menos dos muestras.
Como hemos obtenido un p-valor de `r barlett$p.value`, no podemos rechazar la hipótesis nula y debemos aceptar la alternativa, por lo que las varianzas son iguales.
¿Y que hacer cuando la distribución no cumple la igualdad de varianzas? Por regla general, ANOVA soporta bien la violación de esta condición cuando los tamaños de cada grupo tienen el mismo tamaño, pero si esto no es así, o crees que la diferencia de las varianzas es muy alta, lo mejor es hacer un Kruskal-Wallis no paramétrico.
Independencia.
No tenemos test específicos para determinar si esto se cumple, ya que la única forma de cumplir este criterio tiene que ver con el propio diseño del experimento:
¿Se ha usado un diseño aleatorizado y de forma independiente entre grupos? Si la respuesta es sí, entonces podemos asumir la independencia. De lo contrario lo que nos indique la ANOVA no debemos creérnoslo.
¿Y qué hacer cuando la distribución no cumple la independencia de las observaciones?
1. Repetir el experimento.
2. Realizar un Modelo Lineal de Efectos Mixtos para controlar la no independencia de las muestras y luego sobre ese modelo realizar una ANOVA. Esto lo veremos en cursos más avanzados.
Una vez comprobado que se cumplen las condiciones necesarias, usamos la funciones aov() y summary() para ver los resultados de la ANOVA.
Introducción a la Bioestadística con R
84