Apuntesde Estadística Inferencial Univariada

Apuntes de Estadstica Inferencial
Francisco Jurez Garca

Jorge A. Villatoro Velzquez
Elsa Karina Lpez Lugo
Primera Edicin, 2002.

2002 Francisco Jurez Garca
Instituto Nacional de Psiquiatra Ramn de la Fuente,
Divisin de Investigacin Epidemiolgicas y Sociales
Calzada Mxico Xochimilco 101,
Col. San Lorenzo Huipulco,
14370 Mxico, D. F.
Tel.: 56 55 28 11 ext. 202 fax: 55 13 34 46
e.mail: pacojg@imp.edu.mx
Reservados todos los derechos
ISBN: 968-7652-41-1
Impreso en Mxico / Printed in Mexico
Agradeceremos todos los comentarios relativos a esta gua, estos deben ser enviados a la direccin
arriba mencionada.
El presente trabajo debe ser citado como sigue:
Jurez, F., Villatoro, J. A. y Lpez, E. K. (2002). Apuntes de Estadstica Inferencial. Mxico, D. F.:
Instituto Nacional de Psiquiatra Ramn de la Fuente.
Contenido
Presentacin...................................................................................................................................i
Agradecimientos...........................................................................................................................ii
ndice de Tablas...........................................................................................................................iii
Conceptos Bsicos........................................................................................................................1
Medicin.................................................................................................................................2
Niveles de Medicin...............................................................................................................2
Estadstica Descriptiva............................................................................................................4
Curvas de Distribucin de Frecuencias.............................................................................5
Distribucin Normal o Curva Normal (Campana de Gauss)............................................5
Calificaciones z o estandarizadas......................................................................................6
Estadstica Inferencial.............................................................................................................8
Estadstica Inferencial Univariada....................................................................................8
Tipos de problema.......................................................................................................8
Estadstica Multivariada....................................................................................................9
Estadstica Paramtrica...................................................................................................10
Estadstica No Paramtrica.............................................................................................10
Planteamiento de hiptesis estadstica............................................................................10
Hiptesis de Problemas de Comparacin..................................................................10
Hiptesis de Problemas de Asociacin.....................................................................11
Construccin de hiptesis de acuerdo al nivel de medicin.....................................12
Cul es el sentido del nivel de significancia o la probabilidad?...................................13
Decisin estadstica.........................................................................................................13
Grados de libertad...........................................................................................................15
Reglas de decisin...........................................................................................................15
Estadstica Inferencial Univariada: Pruebas Estadsticas Seleccionadas....................................17
Cmo Presentar Resultados Anlisis Estadsticos................................................................17
Criterios importantes para seleccionar el tipo de prueba en un estudio................................18
Pruebas de Comparacin.......................................................................................................19
Prueba t de Student.........................................................................................................19
Prueba t de Student para grupos independientes.......................................................19
La prueba t para muestras independientes en el paquete estadstico SPSS...............21
Reporte de resultados de la prueba t...................................................................22
Prueba t de Student para muestras relacionadas.......................................................23
La prueba t de Student para muestras relacionadas en
el paquete estadstico SPSS................................................................................25
Reporte de resultados de la prueba t para muestras relacionadas.......................25
Prueba U de Mann-Whitney............................................................................................27
La prueba U de Mann-Whitney en el paquete estadstico SPSS..............................29
Reporte de resultados de la prueba U de Mann Whitney..........................................30
Francisco Jurez, Jorge A. Villatoro y Elsa Karina Lpez

Prueba de Wilcoxon........................................................................................................31
La prueba de Wilcoxon en el paquete estadstico SPSS...........................................33
Reporte de resultados de la prueba de Wilcoxon......................................................34
2
Prueba de Chi Cuadrada (X )..........................................................................................35
Prueba de Chi cuadrada para una tabla de 2 X 2......................................................37
La Chi cuadrada en el paquete SPSS........................................................................38
Restricciones de la Chi cuadrada..............................................................................40
2
Reporte de resultados de la prueba X .......................................................................40
Prueba del Cambio de McNemar de dos Mediciones Dicotmicas................................41
McNemar en el paquete SPSS..................................................................................42
Reporte de resultados de la prueba de McNemar.....................................................43
Anlisis de Varianza (Prueba F).....................................................................................45
Comparaciones Posteriores a F.................................................................................48
La prueba F de una va en el paquete estadstico SPSS............................................49
Pruebas post hoc.................................................................................................49
Reporte de resultados de la prueba F........................................................................50
Anlisis de Varianza Unifactorial por Rangos de Kruskal-Wallis...................................51
Comparaciones mltiples entre tratamientos............................................................54
La prueba de Kruskal-Wallis en el paquete estadstico SPSS...................................55
Reporte de resultados de la prueba de Kruskal-Wallis.............................................56
Anlisis de Varianza de dos Clasificaciones por Rangos de Friedman...........................57
Comparaciones mltiples entre mediciones..............................................................60
La prueba de Friedman en el paquete estadstico SPSS............................................61
Reporte de resultados de la prueba de Friedman......................................................61
La Prueba de Q de Cochran............................................................................................63
Q de Cochran en el paquete SPSS............................................................................64
Reporte de resultados de la prueba Q de Cochran....................................................65
Pruebas de Asociacin..........................................................................................................67
Coeficiente de Correlacin Producto-Momento de Pearson...........................................69
La prueba de Pearson en el paquete estadstico SPSS..............................................70
Reporte de resultados de la correlacin Pearson.......................................................71
Coeficiente de Correlacin de Spearman de Rangos Ordenados....................................73
La prueba de Spearman en el paquete estadstico SPSS...........................................76
Reporte de resultados de la correlacin Spearman...................................................76
Coeficiente de Correlacin Phi.......................................................................................77
La correlacin Phi en el paquete SPSS.....................................................................78
Reporte de resultados de la correlacin Phi..............................................................79
Referencias Bibliogrficas..........................................................................................................81
Presentacin
El presente trabajo va dirigido a psiclogos en formacin y para todos
aquellos interesados en la investigacin en psicologa y reas afines,
donde la estadstica es una de las principales herramientas.
Fue escrito para servir de apoyo al profesor en cursos introductorios
estadstica inferencial, sin embargo, est diseado como una gua
autoaprendizaje y material de consulta, ya que se explica la forma
seleccionar la prueba estadstica de acuerdo con los problemas
investigacin que se plantean en las reas psicolgica y social.
de
de
de
de
Se exponen adems los pasos necesarios para obtener diversas pruebas

estadsticas univariadas e interpretar los resultados conseguidos, de
manera que sea posible responder a las preguntas de investigacin
planteadas. Se incluyen ejemplos de los datos que brinda el paquete
estadstico SPSS versin 10 y una seccin sobre cmo reportar los
hallazgos.
Espero que este esfuerzo sea de especial utilidad para quienes inician su
formacin y para los profesores que los introducen en esta rea.
Francisco Jurez
Diciembre de 2001
Agradecimientos
Al grupo del Seminario de Estadstica de la maestra y del doctorado en

Ciencias de la Salud Mental Pblica (febrero a agosto de 2001), de la
Facultad de Medicina, UNAM e Instituto Nacional de Psiquiatra Ramn
de la Fuente Muiz, del maestro Jorge Villatoro, por su aportacin a la
seccin de Conceptos Bsicos:
Consuelo Garca Andrade, Jos Javier Elizalde Gonzlez, Juan Luis
Durn Casas, Mara de Lourdes Eriksen Persson, Mara Elena Rivera
Heredia, Mara Teresa Espinosa Melndez, Martha Cordero
Oropeza, Nivaldo Linares Prez y Yara Amelia Brom Valladares.
A las Psiclogas Pamela Vernica Esquivel Reyes y Daniela Verderi
Muuzuri, integrantes del grupo 33 de Estadstica Inferencial, de la
Licenciatura en Psicologa (agosto a diciembre de 2001), Universidad
Intercontinental, por sus contribuciones al mejoramiento del material.
A la maestra Elsa Karina Lpez Lugo, la licenciada Nora Anglica
Martnez Vlez y la licenciada Luca Vzquez Prez, por brindar su
tiempo al hacer la revisin de este documento y ofrecer sus ideas para ser
incluidas en el mismo.
Muy especialmente al maestro Jorge Ameth Villatoro Velzquez, por sus
conocimientos y comentarios, que forman parte de estos apuntes.
ndice de Tablas
Tabla de Valores Crticos para la Prueba t..................................................................................21

Tabla de Valores Crticos para U.................................................................................................29
+
Valores crticos de T para la prueba de rangos asignados de Wilcoxon de una cola.................32

Valores crticos de Chi Cuadrada a los Niveles de significancia de 0.05 y 0.01........................37
Valores crticos de 5% y 1 % para la distribucin de F..............................................................47
Valores crticos para el anlisis de varianza unifactorial por rangos
de Kruskal-Wallis (KW)..............................................................................................................53
Valores crticos de z para el nmero de comparaciones mltiples
con hiptesis bidireccional..........................................................................................................54
Valores crticos para la prueba estadstica de anlisis de varianza
de dos clasificaciones por rangos de Friedman (Fr)....................................................................59
Valores crticos de z para el nmero de comparaciones mltiples
con hiptesis bidireccional..........................................................................................................60
Valores crticos de r para diferentes niveles de significancia.....................................................70
Valores crticos del coeficiente de correlacin de Spearman (rS)
de rangos ordenados, para una prueba bidireccional..................................................................75
* Se presentan slo ejemplos de cmo localizar los valores crticos para cada prueba, para revisar las tablas completas se
puede acudir a:
Downie, M. y Heath, R. (1973). Mtodos estadsticos aplicados. Mxico: Harper & Row Latinoamericana.
Siegel, S. (1990, 3ra ed. ). Estadstica no paramtrica. Editorial Trillas. Mxico.
iii
Francisco Jurez, Jorge A. Villatoro y Elsa Karina Lpez
Conceptos Bsicos
La estadstica es un conjunto de procedimientos para reunir, clasificar, codificar, procesar, analizar y
resumir informacin numrica adquirida sistemticamente (Ritchey, 2002). Permite hacer inferencias
a partir de una muestra para extrapolarlas a una poblacin.
Aunque normalmente se asocia a muchos clculos y operaciones aritmticas, y aunque las
matemticas estn involucradas, en su mayor parte sus fundamentos y uso apropiado pueden
dominarse sin hacer referencia a habilidades matemticas avanzadas. De hecho se trata de una forma
de ver la realidad basada en el anlisis cuidadoso de los hechos (Ritchey, 2002). Es necesaria sin
embargo la sistematizacin para reducir el efecto que las emociones y las experiencias individuales
puedan tener al interpretar esa realidad.
De esta manera la estadstica se relaciona con el mtodo cientfico complementndolo como
herramienta de anlisis y, aunque la investigacin cientfica no requiere necesariamente de la
estadstica, sta valida muchos de los resultados cuantitativos derivados de la investigacin.
La obtencin del conocimiento debe hacerse de manera sistemtica por lo que deben planearse todos
los pasos que llevan desde el planteamiento de un problema, pasando por la elaboracin de hiptesis
y la manera en que van a ser probadas; la seleccin de sujetos (muestreo), los escenarios, los
instrumentos que se utilizarn para obtener los datos, definir el procedimiento que se seguir para
esto ltimo, los controles que se deben hacer para asegurar que las intervenciones son las causas ms
probables de los cambios esperados (diseo); hasta la eleccin del plan de anlisis idneo para el tipo
de datos que se estn obteniendo, es aqu donde la estadstica entra en el estudio, aunque pueden
existir otras herramientas de anlisis si se est haciendo una investigacin de corte cualitativo.
Una buena planeacin permitir que los resultados puedan ser reproducidos, mediante la
comprobacin emprica, por cualquier investigador interesado en refutar o comprobar las
conclusiones que se hagan del estudio. De esta manera tambin se lograr la prediccin de los
fenmenos que se estn estudiando, ayudando a conocer y prevenir los problemas sociales e
individuales que forman parte del objeto de estudio de la psicologa.
El tratamiento de los datos de la investigacin cientfica tiene varias etapas:
En la etapa de recoleccin de datos del mtodo cientfico, se define a la poblacin de inters y se
selecciona una muestra o conjunto de personas representativas de la misma, se realizan experimentos
o se emplean instrumentos ya existentes o de nueva creacin, para medir los atributos de inters
necesarios para responder a las preguntas de investigacin. Durante lo que es llamado trabajo de
campo se obtienen los datos en crudo, es decir las respuestas directas de los sujetos uno por uno, se
codifican (se les asignan valores a las respuestas), se capturan y se verifican para ser utilizados en las
siguientes etapas.
En la etapa de recuento, se organizan y ordenan los datos obtenidos de la muestra. Esta ser descrita
en la siguiente etapa utilizando la estadstica descriptiva, todas las investigaciones utilizan estadstica
descriptiva, para conocer de manera organizada y resumida las caractersticas de la muestra.
En la etapa de anlisis se utilizan las pruebas estadsticas (estadstica inferencial) y en la
interpretacin se acepta o rechaza la hiptesis nula.
En investigacin, el fenmeno en estudio puede ser cualitativo que implicara comprenderlo y
explicarlo, o cuantitativo para compararlo y hacer inferencias. Se puede decir que si se hace anlisis
se usan mtodos cuantitativos y si se hace descripcin se usan mtodos cualitativos.
Medicin
Para poder emplear el mtodo estadstico en un estudio es necesario medir las variables.
Medir: es asignar valores a las propiedades de los objetos bajo ciertas reglas, esas reglas son los
niveles de medicin
Cuantificar: es asignar valores a algo tomando un patrn de referencia. Por ejemplo, cuantificar es ver
cuntos hombres y cuntas mujeres hay.
Variable: es una caracterstica o propiedad que asume diferentes valores dentro de una poblacin de
inters y cuya variacin es susceptible de medirse.
Las variables pueden clasificarse de acuerdo al tipo de valores que puede tomar como:
Discretas o categricas.- en las que los valores se relacionan a nombres, etiquetas o
categoras, no existe un significado numrico directo
Continuas.- los valores tienen un correlato numrico directo, son continuos y
susceptibles de fraccionarse y de poder utilizarse en operaciones aritmticas
De acuerdo a la cantidad de valores
Dicotmica.- slo tienen dos valores posibles, la caracterstica est ausente o presente
Policotmica.- pueden tomar tres valores o ms, pueden tomarse matices diferentes, en
grados, jerarquas o magnitudes continuas.
En cuanto a una clasificacin estadstica
Aleatoria.- Aquella en la cul desconocemos el valor porque flucta de acuerdo a un
evento debido al azar
Determinstica.- Aquella variable de la que se conoce el valor
Independiente.- aquellas variables que son manipuladas por el investigador. Define los
grupos
Dependiente.- son mediciones que ocurren durante el experimento o tratamiento
(resultado de la independiente), es la que se mide y compara entre los grupos
Niveles de Medicin
Nominal
Las propiedades de la medicin nominal son:
1) Exhaustiva: implica a todas las opciones
2) A los sujetos se les asignan categoras, por lo que son mutuamente excluyentes. Es decir, la
variable est presente o no; tiene o no una caracterstica
2
Ordinal
Las propiedades de la medicin ordinal son:
1) El nivel ordinal posee transitividad, por lo que se tiene la capacidad de identificar que esto
es mejor o mayor que aquello, en ese sentido se pueden establecer jerarquas
2) Las distancias entre un valor y otro no son iguales
Intervalar
1) El nivel de medicin intervalar requiere distancias iguales entre cada valor. Por lo general
utiliza datos cuantitativos. Por ejemplo: temperatura, atributos psicolgicos (CI, nivel de
autoestima, pruebas de conocimientos, etc.)
2) Las unidades de calificacin son equivalentes en todos los puntos de la escala. Una escala de
intervalos implica: clasificacin, magnitud y unidades de tamaos iguales (Brown, 2000).
3) Se pueden hacer operaciones aritmticas
4) Cuando se le pide al sujeto que califique una situacin del 0 al 10 puede tomarse como un
nivel de medicin intervalar, siempre y cuando se incluya el 0
Razn
1) La escala empieza a partir del 0 absoluto, por lo tanto incluye slo los nmeros por su valor
en s, por lo que no pueden existir los nmeros con signo negativo. Por ejemplo: Peso
corporal en kg., edad en aos, estatura en cm.
2) Convencionalmente los datos que son de nivel absoluto o de razn son manejados como los
datos intervalares.
Nivel
Nominal
Ordinal
Intervalar
Razn o
proporcin
Propiedades
Medidas de
tendencia central y
dispersin
Compara
moda, porcentaje
Proporciones
, =, >, <
moda, porcentajes,
mediana
moda, porcentajes,
mediana, media,
Distancias
desviacin estndar
iguales, =, ,
varianza, curtsis,
>, <, 0 relativo
sesgo, rango, decles,
cuartiles, percentiles
Igual a
intervalar, 0
igual a intervalar
absoluto
Medianas
Anlisis
Inferencial no paramtrica:
X, McNemar, Coeficiente
Phi
Inferencial no paramtrica:
U de Mann Whitney.
Kolmogorov Smirnoff,
Friedman, Wilcoxon, prueba
de los signos, correlacin
Spearman
Ejemplo
Presencia de estrs
(si o no), Religin
Calidad (Buena,
mediana, mala),
Nivel
socioeconmico
(alto, medio, bajo)
Medias
Inferencial paramtrica: t de
Student, ANOVA, regresin,
correlacin Pearson
Temperatura,
atributos
psicolgicos
Igual a
intervalar
Igual a intervalar
Altura, Peso, Edad

en aos, Grados
Kelvin
Las variables intervalares y de razn se pueden incluir en operaciones aritmticas y para efectos de
anlisis estadsticos se consideran con las mismas propiedades y se clasifican en un rubro general
llamado nivel escalar.
Las variables ordinales, por otro lado, aparentemente no se pueden sumar, pero cuando se tiene una
escala con reactivos calificados en un nivel ordinal, al ser sumados el resultado de esta suma puede
ser considerado como intervalar, ya que matemticamente se comporta como tal.
Al hacer anlisis estadsticos en necesario determinar las unidades de medicin y las unidades de
anlisis:
La unidad de medicin es el atributo que se va a medir o variable dependiente.
La unidad de anlisis son los sujetos, es decir a quin mido o a qu mido, est definida por la
variable independiente. Para muestras independientes, es decir cuando la unidad de medicin es
registrada una sola vez en la unidad de anlisis, se refiere a los grupos a comparar (ej. Hombres vs.
Mujeres, Grupo control vs. Grupo experimental, Fumadores vs. No fumadores, etc.), en el caso de
muestras relacionadas, en que la unidad de medicin es medida ms de una ocasin en la unidad de
anlisis, son las diferentes mediciones hechas (ej. Evaluaciones Pre-test vs. Post-test vs. seguimiento,
hermanos gemelos, grupos apareados durante la seleccin de sujetos).
La forma ms directa de tener muestras relacionadas o apareadas es hacer mediciones antes - despus
con los mismos sujetos, sin embargo, el aprendizaje puede ser una variable que pueda afectar la
ejecucin de una persona, en esos casos se usan grupos equivalentes, a uno se le hace la primera
medicin y al otro se le aplica el tratamiento y la segunda medicin, en este caso siguen manteniendo
las caractersticas de muestras relacionadas.
La idea de apareamiento o muestras relacionadas es que un sujeto tenga un equivalente en el otro
grupo, las caractersticas que se igualan depende de las variables que se desean controlar en una
investigacin, por ejemplo: mismo sexo, misma edad, mismo grado escolar, mismo barrio,
condiciones similares de una enfermedad, etc., es imposible tener sujetos iguales pero entre ms
caractersticas, de inters para el estudio, compartan sern considerados equivalentes.
Otra forma de tener muestras relacionadas de manera natural es trabajar con gemelos idnticos (igual
ambiente familiar, misma carga gentica, mismo ambiente cultural, etc.), aunque si por
requerimientos de una investigacin no comparten una caracterstica, importante para el estudio,
dejaran de considerarse como relacionados (por ejemplo, si se desea probar un tratamiento para
disminuir la hiperactividad y se tiene a gemelos que fueron adoptados por diferentes familias y se
sabe que los estilos educativos de los padres influyen sobre la hiperactividad, el hecho de provenir de
familias adoptivas diferentes cancela la equivalencia).
La metodologa estadstica puede considerarse segn sus dos planteamientos como descriptiva y
deductiva o inferencial.
Estadstica Descriptiva
Permite la organizacin de datos desestructurados de tal manera que sean ms fciles de interpretar y
de conocer las caractersticas de una muestra de forma rpida y resumida.
Incluye:
Tablas de frecuencias y porcentajes con las que se registran cuantos sujetos en la muestra
respondieron a las diferentes opciones o categoras de las variables del estudio
Mtodos de resumen o numricos que se dividen en:
Medidas de tendencia central:
Media ( X ). Promedio aritmtico de una distribucin o conjunto de valores
Mediana (Md). Valor que divide a la distribucin por la mitad
Moda (Mo). Categora o puntuacin que ocurre con mayor frecuencia
Medidas de dispersin:
Rango. Es la diferencia entre la puntuacin mayor y la menor en una distribucin y se
obtiene restndole a la puntuacin mayor, la menor
Desviacin estndar (s). Es el promedio de desviaciones de las puntuaciones con
respecto a la media. Se emplea para variables medidas por intervalos o de razn. Es un
indicador de la dispersin de las puntuaciones respecto de la media
2
Varianza (s ). Es la desviacin estndar elevada al cuadrado. La varianza se divide en:
sistemtica, es decir las variaciones debidas a los efectos de la variable independiente
o tratamiento, y de error
o no explicada o residual, que es debida al azar y a los
2
problemas de control (s = s2 s2 )
S
Grficos que son una representacin visual de los datos (medias, porcentajes, distribuciones
de frecuencias, etc.) se pueden hacer grficas de barras, de sectores o pastel, de lneas, etc.
Tablas de frecuencias y porcentajes
Descriptiva
Grficas
Medidas de tendencia central
Medidas de dispersin
Estadstica
Univariada
(una VI y una VD)
Asociacin o correlacional (no

necesariamente hay VI y VD),
eventos que se relacionan
Comparacin: Prueba de Hiptesis
Inferencial
Multivariada
Mtodos de agrupamiento (anlisis

factorial exploratorios)
Modelos de prediccin: Regresin,
discriminante, regresin logstica
Curvas de Distribucin de Frecuencias

Las curvas de distribucin de frecuencias derivan de histogramas o polgonos de frecuencias que se
sustituyen por una curva suavizada, el rea bajo la curva representa al total de los casos en la
poblacin y es igual a una proporcin de 1 o un porcentaje igual al 100% (Ritchey, 2002).
Distribucin Normal o Curva Normal (Campana de Gauss)
La curva normal es un modelo terico o ideal sobre como debe comportarse la distribucin de las
variables en una muestra, se obtuvo de una ecuacin matemtica.
Representa una curva de distribucin de frecuencias en la que la mediana, la moda y la media de una
variable son iguales entre s, tiene forma de campana (Ritchey, 2002). Su utilidad puede ayudarnos a
entender situaciones reales.
Muchas variables relacionadas a atributos psicolgicos, como la inteligencia medida en trminos de
Coeficiente Intelectual (CI), se distribuyen en la poblacin tomando la forma de la curva normal, en
que la mayora de los casos se encuentran en el centro (Moda), existiendo pocos casos en los
extremos, siguiendo el ejemplo del CI, existen pocos sujetos con inteligencia muy baja por un lado y
pocos genios por el otro, esto es lo que da a la curva normal su caracterstica forma de campana
(Ritchey, 2002).
Media,
Mediana
Moda
Calificaciones z o estandarizadas
La desviacin estndar proporciona una unidad de medida comn (estndar) que permite comparar
variables con medidas observadas diferentes (Ritchey, 2002). Supngase que se tienen dos escalas
para medir autoestima, la primera se califica con un puntaje entre 0 y 20, y la segunda tiene
calificaciones entre 0 y 50, si se compararan las calificaciones obtenidas por una y otra, los puntajes
crudos muy probablemente seran mayores en la segunda escala. Sin embargo, si se considera la
media de cada escala y las desviaciones estndar, es posible conocer en trminos de desviaciones
estndar que puntuacin se encuentra por arriba de la media o por debajo de la misma, al comparar a
dos personas.
Por ejemplo, el grupo calificado con la primera escala tiene una media de 15 y una desviacin
estndar de 4, para el segundo la media es de 35 con una desviacin estndar igual a 6. Supngase
que una persona tiene una calificacin de 19 en el primer caso y otra con 29 en el segundo caso. La
primera se encuentra por arriba de la media una desviacin estndar y la segunda una desviacin
debajo de la media, es decir, la primera persona tiene un nivel de autoestima mayor que el de la
segunda persona.
Las calificaciones brutas se transforman con frecuencia a otro tipo de puntuaciones, para facilitar el
anlisis y la interpretacin. Estas calificaciones son derivadas o transformadas. Un tipo de
calificacin derivada, la calificacin estndar z resulta particularmente til.
Calificacin o Puntuacin z: Es una puntuacin estandarizada. Su sentido es poder hacer
comparaciones dentro o entre sujetos, cuando han sido medidos con diferentes escalas.
La distribucin de puntuaciones z tiene una media de cero y una desviacin estndar de 1.
La X de la z es 0
La s de la z es 1
Ventajas:
Miden una escala de intervalos, en trminos de unidades de desviacin estndar.
Permite comparar calificaciones de varias pruebas en forma directa, incluso cuando se tienen
medias y desviaciones estndar diferentes
La calificacin z se calcula cmo sigue:

X X
s
Es decir, qu tanto se aleja la puntuacin del sujeto de la media, y luego se compara con la desviacin
estndar, en otras palabras, se estandariza.
z
Al analizar la curva normal en trminos de puntuaciones z, y recordando que el rea bajo la curva
representa el 100% de los casos, una desviacin estndar tomada a cada lado de la media incluye un
rea de 68.26% de la total. Toda el rea incluida por 2 unidades de desviacin estndar a ambos lados
de la media comprenden el 95.44% de los casos, si se contina a la tercer desviacin estndar a cada
lado de la media, se toma otra parte igual a 2.15% del rea total. La suma de todas las reas abarcadas
por estas 6 unidades de desviacin estndar es igual a 99.74% del total. El 95% del rea bajo la curva,
est entre 1.96 y 1.96 desviaciones estndar, el 99% entre -2.58 y 2.58 y el 99.9% entre 3.90 y
3.90, estos tres grupos de desviaciones son particularmente importantes en la estadstica inferencial
como se ver ms adelante.
Para interpretar el rea bajo la curva.
El rea bajo la curva representa el 100%. La mitad representa el 50% de cada lado
El rea bajo la curva es igual a 1 (convertida en trminos de proporcin)
Para conocer el rea bajo la curva se necesitan las puntuaciones z
34.13%
-3
-2
-1
+1
+2
+3
68.26%
95%
99%
Utilizando esta informacin se puede calcular el rea comprendida entre dos puntos con base en las
puntuaciones crudas. Por ejemplo: Una poblacin de 1000 sujetos, tiene una media de edad de 75
aos y una desviacin estndar de 8, cuantas personas tienen entre 67 y 75 aos?
34.13%
341
51
59
67
75
83
91
99
Sustituyendo la media (75) en el centro y las desviaciones estndar a la izquierda o negativas (-8) y a
la derecha o positivas (+8), la respuesta es el 34.13% del total de la poblacin es decir 341 sujetos
tienen entre 67 y 75 aos.
Estadstica Inferencial
Su propsito principal es estimar los atributos de la poblacin a partir de una muestra de casos. Se
pueden probar relaciones entre variables, comparar grupos con respecto a cierta caracterstica y hacer
inferencias.
Al clasificar a la estadstica inferencial de acuerdo al nmero de variables dependientes se
tiene:
Estadstica Inferencial Univariada
Segn la definicin clsica, requiere de:
2 tipos de variables: Puede haber una o varias variables independientes, y solo una variable
dependiente.
Segn la definicin prctica hay una variable dependiente y una independiente. Para la eleccin de
las pruebas se tomar el aspecto prctico.
En la estadstica inferencial univariada existen dos tipos de problema:
COMPARACIN
Muestras relacionadas:
Muestras independientes:
Cuando la variable
Cuando la variable dependiente
dependiente es medida ms
de inters es medida slo una
de una ocasin en la unidad
vez en la unidad de anlisis
de anlisis
ASOCIACION
Aqu se puede o no tener una
variable dependiente, pero eso no
es relevante pues slo se busca
saber la relacin existente entre
dos variables
a) Asociacin.- En este tipo de problemas slo hay dos eventos que se relacionan o asocian
(correlacin)
b) Comparacin.- Tambin llamada prueba de hiptesis. Se comparan grupos o mediciones e
intervienen dos tipos de variables
Variable dependiente (V. D.), es el fenmeno o proceso que se va a medir, sus variaciones
dependen de la variable independiente
Variable independiente (V. I.), es la variable que identifica los tratamientos empleados para
influir sobre la variable dependiente, esta variable define los grupos que van a ser comparados
Cmo saber si el problema es de asociacin o comparacin?
1) Se tienen grupos?
Si la respuesta es: NO, entonces es poco probable que sea de comparacin, pero no imposible.
Si la respuesta es: SI, se est comparando.
2) Hay Tratamientos (Tx)? (Se usa un instrumento, se hace un experimento o
intervencin?) Si la respuesta es SI: se est comparando
Si la respuesta es NO: casi seguro es de asociacin
Puntos clave para hacer la identificacin del tipo de problema:

1.- Objetivo del estudio:
Aclarar semntica y conceptualmente cual es el objetivo del estudio.
2.- Identificar diseo:
Existen 3 diseos bsicos:
Una muestra para relacionar: Asociacin
Grupos: Muestras independientes
Seguimiento: Muestras relacionadas
3.- Identificar la variable dependiente y la independiente
4.- Identificar Unidad de Anlisis (definida por la variable independiente)
Hay que ver cuantas veces se midi a la variable dependiente.
Es importante distinguir entre asociacin conceptual y estadstica, puede estarse asociando
conceptualmente (puede plantearse como un problema de asociacin), pero estar comparando
estadsticamente. La diferencia est en identificar si hay grupos o no.
Ejemplo:
Problema: Es igual la proporcin de fumadores entre estudiantes de secundaria hombres y
mujeres?
Poblacin: estudiantes de secundaria
Variable dependiente: fumar
Variable independiente: sexo
Atributos de la variable independiente: hombres y mujeres
La V. D. se mide slo una vez en cada grupo (definidos por el sexo), por lo que se trata de un
problema de comparacin de dos muestras o grupos independientes (hombres y mujeres).
Hay que tener cuidado de no confundir la variable dependiente, es decir qu atributo se mide en la
unidad de anlisis.
Estadstica Multivariada
Segn la definicin clsica: 2 o ms variables dependientes, no importa el nmero de variables
independientes.
Segn la definicin prctica: 2 o ms variables independientes y 2 o ms variables dependientes. Para
la eleccin de las pruebas se tomar el aspecto prctico.
Tiene dos grandes grupos
a) Mtodos de agrupamiento.- Se realiza mediante:
anlisis factorial exploratorio
anlisis de cmulos (clusters)
b) Mtodos de clasificacin.- Se realiza mediante:
anlisis de regresin
anlisis discriminante
anlisis de regresin logstica
La estadstica tambin se puede clasificar como: paramtrica y no paramrica

Estadstica Paramtrica: Est basada en dos
supuestos: estimadores que son medidas referentes a la
2
muestra como la media ( X ) o la varianza s y
parmetros que son los equivalentes poblacionales de
los estimadores, como la media poblacional () y la
2
varianza poblacional ( ).
Estadstica Inferencial
No paramtrica
Paramtrica
La estadstica paramtrica necesita cumplir con cuatro requisitos para poderse aplicar:
1. La variable dependiente debe distribuirse normalmente (campana de Gauss) o muy similar
2. Homocedasticidad u homogeneidad de varianzas o varianzas iguales: que cuando se comparan
grupos estos tengan la misma dispersin con respecto a la media de la variable dependiente
3. Asignacin y Seleccin aleatoria de los grupos (muestreo completamente al azar)
4. Que la variable dependiente est medida a nivel intervalar o de razn
Estos requisitos deben ser cubiertos para poder generalizar con base en los estimadores y hacer
conclusiones de una muestra a la poblacin.
Por otro lado, la Estadstica No Paramtrica:
1. Est libre de curva, no necesita distribuirse como la curva normal
2. Se basa en frecuencias, porcentajes, modas y rangos
3. Su nivel de medicin es ordinal o nominal
Planteamiento de la hiptesis estadstica
La Hiptesis es la respuesta tentativa para la solucin de la pregunta de investigacin.
Al realizar inferencias estadsticas, se acostumbra adoptar un modelo de decisin. Este modelo consta
de cuatro elementos:
Hiptesis nula (H0)
Hiptesis alterna (H1)
Nivel de significancia que ha de utilizarse en la prueba estadstica
Regla de decisin
Hiptesis para Problemas de Comparacin
En la prueba de hiptesis se trabaja con dos hiptesis estadsticas que deben enunciarse
explcitamente: la hiptesis que debe probarse o hiptesis nula que se establece con el propsito de
ser rechazada, y la hiptesis alterna que es la conclusin a la que se espera llegar.
Con un nivel intervalar o de razn de la V. D. se comparan medias, la hiptesis nula plantea que las
dos medias son iguales:
H0: X 1 = X
y la hiptesis alterna plantea que las medias son diferentes:

H1: X 1 X
Otro planteamiento sera:
H0: X 1 X 2 = 0
Cuando se tienen medianas (nivel ordinal de la V. D.), entonces:

H0: Md1 = Md2
H1: Md1 Md2
O con proporciones o porcentajes (nivel nominal de la V. D.):
H0: P1 = P2
H1: P1 P2
Hiptesis para Problemas de Asociacin
Cuando se tiene un problema de asociacin la hiptesis nula niega la correlacin:
H0: r = 0
La hiptesis alterna afirma que hay correlacin:
H1: r 0
Construccin de hiptesis de acuerdo al nivel de medicin
Las hiptesis estadsticas tienen que incluir la variable dependiente en primer lugar y la
independiente en seguida. Para la redaccin de dichas hiptesis se toma en cuenta el nivel de
medicin utilizado de las variables del estudio.
Para los problemas de comparacin:
Nivel NOMINAL: Aqu se habla de proporciones y / o categoras.
Cmo es la relacin entre fumar o no y morir por cncer pulmonar?
H0: La proporcin de sujetos que mueren por cncer pulmonar es igual entre fumadores y no
fumadores.
H1: La proporcin de sujetos que mueren por cncer pulmonar es diferente entre fumadores y no
fumadores
Nivel ORDINAL: Aqu se habla de jerarquas y / o niveles.
Cmo es el nivel de creatividad entre los nios de comunidades rurales, urbanas e indgenas?
H0: El nivel de creatividad es igual entre nios de comunidades rurales, urbanas e indgenas.
H1: El nivel de creatividad es diferente entre nios de comunidades rurales, urbanas e indgenas.
Nivel INTERVALAR: Se comparan las medias y tambin se habla de niveles.
Se desea conocer cmo el nivel de estrs de los sujetos afecta su nivel de irritabilidad hacia sus
compaeros de trabajo. Para ello se conformaron tres grupos, bajo estrs, estrs regular y alto estrs,
con 7 profesionistas cada uno, a quienes se les evalu su nivel de irritabilidad preguntndoles en una
escala de 0 a 10 que indique: cotidianamente qu tan irritable se muestra con sus compaeros de
trabajo?
H0: El nivel de irritabilidad hacia los compaeros de trabajo es igual entre los tres grupos de estrs.
H1: El nivel de irritabilidad hacia los compaeros de trabajo es diferente entre los tres grupos de
estrs.
Para el caso de los problemas de asociacin se identifica la relacin entre las variables, y el
concepto de asociacin o relacin se debe incluir en las hiptesis.
Qu relacin hay entre la edad en aos de los sujetos y su inteligencia?
H0: No hay asociacin lineal entre la edad y la inteligencia.
H1: Hay asociacin lineal entre la edad y la inteligencia.
NOTA: La hiptesis alterna no se acepta ni se rechaza, es la hiptesis nula la que se somete a prueba.
Los planteamientos anteriores se refieren a pruebas de dos colas, que son problemas en los que no es
posible anticipar la direccin de las diferencias, es decir, no se sabe cual grupo es el que tendr el
nivel o la proporcin de casos mayor, o cual es el sentido de la relacin entre variables.
Sin embargo, pueden existir hiptesis alternas en las que se puede anticipar cual grupo presenta una
desviacin mayor o menor con respecto al otro. Este tipo se refiere a problemas de una cola o
direccin.
En estos casos, con un nivel intervalar o de razn de la V. D., la hiptesis nula plantea que las dos
medias son iguales:
H0: X 1 = X
y la hiptesis alterna plantea que un grupo tiene una media mayor o menor que otro u otros:
H1: X 1 > X
H1: X 1 < X
Cuando se tienen medianas (nivel ordinal de la V. D.), entonces:

H0: Md1 = Md2
H1: Md1 > Md2
H1: Md1 < Md2
O con proporciones o porcentajes (nivel nominal de la V. D.):
H0: P1 = P2
H1: P1 > P2
H1: P1 < P2
Para esta gua se presentarn nicamente planteamientos para hiptesis de dos colas.
Cul es el sentido del nivel de significancia o la probabilidad?
La probabilidad (p) de que un evento ocurra oscila entre 0 y 1, donde 0 significa la imposibilidad de
ocurrencia y 1 la certeza de que ocurra el fenmeno. Al lanzar al aire una moneda no cargada, la
probabilidad de que salga guila es de 0.5 y la probabilidad de que la moneda caiga en sol
tambin es de 0.5. Con un dado, la probabilidad de obtener cualquiera de sus lados al lanzarlo es de
1/6=0.1667. La suma de probabilidades siempre es de 1.
Aplicando el concepto de la probabilidad a la distribucin muestral, el rea de sta corresponde a la
probabilidad total (p = 1), y consecuentemente, cualquier rea (porcentaje bajo la curva) comprendida
entre dos puntos de la distribucin corresponder a la probabilidad de la distribucin al convertirla a

proporciones (por ejemplo 25% = 0.25).
Para probar hiptesis inferenciales utilizando la media, el investigador debe evaluar si es alta o baja la
probabilidad de que la media de la muestra est cerca de la media de la distribucin poblacional. Si es
baja, el investigador dudar de generalizar a la poblacin. Si es alta el investigador podr hacer
generalizaciones. Es aqu donde entra el nivel de significancia o nivel . El nivel es la probabilidad
de equivocarse al probar las hiptesis estadsticas.
El nivel de significancia de 0.05, implica que el investigador tiene un 95% de seguridad para
generalizar sin equivocarse y slo 5% en contra. Este es el ms utilizado en investigacin en
Psicologa, aunque se pueden utilizar niveles ms bajos (0.01 o 0.001) cuando se requiere un
mayor grado de certeza.
Decisin estadstica
La decisin e interpretacin de un anlisis estadstico se basa en la aceptacin o rechazo de la
hiptesis nula, estn estrechamente relacionados con la curva normal y las puntuaciones z, una vez
elegida la prueba estadstica adecuada al nivel de medicin y haber redactado la hiptesis nula, se
debe establecer un nivel de significancia o de certeza para rechazar esta ltima sin cometer el error
llamado del tipo I o , que se refiere a rechazar la hiptesis nula siendo verdadera. En psicologa
normalmente se establece el nivel de significancia de 0.05 que, como se mencion anteriormente,
representa un 95% de certeza de generalizar los resultados sin equivocarse. En este sentido, la
decisin estadstica es una decisin probabilstica. Si se desea mayor certeza, se debe utilizar otro
nivel de significancia, como puede ser a 0.01 que proporciona una certeza de 99% para generalizar
los resultados sin error, o a 0.001 que equivale al 99.9%.
Existe otro tipo de error el tipo II o , que al contrario del error I se refiere a aceptar la hiptesis nula
siendo falsa, en trminos de decisin estadstica es ms grave cometer el error tipo I, ya que
afirmaramos que hay diferencias entre los grupos cuando esto no es verdad. Es una situacin a la que
es fcil llegar pues normalmente se espera que la intervencin que se haga sea la causa de las
diferencias entre grupos.
Al representar el nivel de significancia bajo la curva normal se tienen un rea de aceptacin de la
hiptesis nula y una zona de rechazo, para una hiptesis de colas se reparte la significancia entre los
dos extremos de la curva y para la de una cola se considera slo el extremo positivo o negativo
dependiendo de cul es el grupo que se espera que tenga un nivel o proporcin mayor.
Al traducir las reas a probabilidad, se tiene que hay un 0.05 de posibilidad para equivocarse al
rechazar la hiptesis nula. Entre menor sea el rea de rechazo se tendr ms certeza para generalizar
los resultados a la poblacin.
Para una prueba de dos colas, en trminos de puntajes z, a 1.96 desviaciones estndar se tiene el 95%
del rea bajo la curva en la regin de aceptacin de la hiptesis nula y el 5% o 0.05 de significancia
() en la zona de rechazo, en 2.58 desviaciones el 99% (= 0.01) y en de 3.90 desviaciones el 99.9%
(= 0.001)
Zona de Aceptacin al
95% para una prueba de
dos colas
2.5 %
2.5 %
Zona de rechazo (5%)
Para una prueba de una cola, a 1.64 desviaciones estndar en sentido negativo o positivo, se tiene el
95% del rea bajo la curva en la regin de aceptacin de la hiptesis nula y el 5% o 0.05 de
significancia () en la zona de rechazo, en 2.32 desviaciones el 99% ( = 0.01) y en 3.70
desviaciones el 99.9% (= 0.001)
Zona de Aceptacin al 95%

para una prueba de una cola
en sentido positivo
5%
Zona de rechazo (5%)
5%
Zona de Aceptacin al 95%

para una prueba de una cola
en sentido negativo
Para calcular el valor de una prueba estadstica se tiene que entre mayor sea su valor se entra ms a la
zona de rechazo de la hiptesis nula, sin embargo, para la mayora de las pruebas se debe considerar
adems en la decisin a los grados de libertad, el nmero de casos o se compara la probabilidad
directamente.
Grados de libertad
Son la libertad de variaciones que puede tener una variable, suponiendo que se tuvieran 4
puntuaciones cuya media es igual a 10 al tener los valores de las tres primeras, la ltima estar
determinada por las primeras, por ejemplo: 7, 12, 15, la ltima puntuacin necesariamente es 6. La
cantidad de comparaciones independientes se determina a partir de los grados de libertad, que
normalmente se calcula teniendo el tamao de la muestra menos uno (gl = n 1). Sin embargo los
grados de libertad se obtienen de manera diferente para cada prueba, por lo que se debe estar atento a
cada uno de los procedimientos.
Reglas de decisin
El valor de las pruebas estadsticas se debe comparar con uno obtenido, con relacin al nivel de
significancia y los grados de libertad, de una tabla de valores crticos. La regla de decisin en estos
casos es: el valor de la prueba debe ser mayor o igual al de la tabla para rechazar la hiptesis
nula. Esta regla puede cambiar, por lo que es necesario revisar la regla de decisin especifica de cada
procedimiento.
Los paquetes estadsticos presentan los valores de cada prueba junto con algunos datos necesarios
para el clculo de sta (medias o porcentajes, el nmero de casos, los grados de libertad, etc.) y el
nivel de significancia o probabilidad, ste representa la posicin del valor del estadstico en el rea de
rechazo, o aceptacin, de la hiptesis nula.
Como regla de decisin, observando los resultados del paquete estadstico, a un nivel de
significancia establecido en 0.05: Si la probabilidad o nivel de significancia es menor o igual a
1.5 se rechaza la hiptesis nula.
Estadstica Inferencial Univariada: Pruebas Estadsticas Seleccionadas

En este apartado se revisarn algunas pruebas para el anlisis inferencial univariado y la presentacin
de los resultados obtenidos, se tienen por ejemplo: pruebas paramtricas de comparacin de dos
muestras independientes (t de Student para Muestras Independientes) y de dos muestras relacionadas
(t de Student para Muestras Relacionadas), as como pruebas no paramtricas de comparacin de dos
2
muestras independientes cmo la Chi Cuadrada (X ) y la U de Mann-Whitney y pruebas no
paramtricas de comparacin de dos muestras relacionadas como la prueba de McNemar y la de
Wilcoxon.
Para comparaciones de ms de dos grupos se estudiarn, para grupos independientes: al Anlisis de
2
Varianza de una Va entre las pruebas paramtricas; X y Kruskal Wallis de las no paramtricas. En el
caso de comparacin de tres o ms grupos relacionados se analizar el uso de las pruebas no
paramtricas Q de Cochran y Friedman.
Finalmente sern revisadas las pruebas de asociacin de la familia producto momento: el coeficiente
de correlacin de Pearson, el Coeficiente de correlacin de Spearman y el coeficiente de correlacin
Phi.
Adems se incluirn ejemplos de la forma adecuada para reportar resultados para cada prueba.
Cmo Presentar Resultados de Anlisis Estadsticos
Los grficos se pueden utilizar para una mejor explicacin de los datos que hemos encontrado. Una
grfica de barras, por ejemplo, se usa para ver cual es el grupo que tiene un promedio mayor y cual el
menor, o si no hay diferencias entre ellos. Tambin se pueden comparar porcentajes con este tipo de
grficas.
Al hacer un anlisis estadstico se tienen, adems de los valores resultantes de cada prueba, elementos
que se utilizan para hacer una grfica, por ejemplo: medias en las pruebas de hiptesis de nivel
intervalar, o porcentajes en las hiptesis de nivel nominal. Las grficas o tablas que se realicen para
reportar resultados de pruebas de hiptesis deben estar acompaadas, adems, de los valores de la
prueba estadstica que se utiliz y el nivel de significancia con que se rechaza, o acepta, la hiptesis
nula.
En la descripcin de la grfica se resaltarn las diferencias entre los grupos, o ausencia de stas, y se
aclarar si son estadsticamente significativas de acuerdo a la prueba utilizada (la conclusin de si la
hiptesis nula fue rechazada o aceptada).
A continuacin se muestran, a manera de ejemplo, diferentes tipos de presentacin de resultados:
Tablas: Caractersticas de
la muestra (frecuencias y
porcentajes)
Una grfica de lneas

permite observar las
variaciones entre
mediciones
Barras o Columnas:
comparar grupos
(porcentajes,
medianas, medias)
Para la distribucin de variables
en una muestra usamos una
grfica XY o de dispersin, este
tipo de grficas se usa para
representar correlaciones
Es
ta
gu
a
fu
e
el
ab
or
ad
a
co
n
ba
se
en
da
to
s
pr
op
or
ci
on
ad
os
po
r
el
M
tro
.
Jo
rg
e
A
m
et
h
Vi
lla
tor
o
Ve
l
zq
ue
z,
In
Determinar el t ipo de problema que t enemos
de com paracin: se comparan grupos o mediciones, se

tiene una variable independiente y una variable
dependiente
de asociacin: aqu se puede o no tener una variable

dependiente, pero eso no es relevant e pues slo se
busca saber la relacin exist ent e entre dos variables
Determinar si son muestras independientes o

relacionadas
Muestras independientes: Cuando la variable

dependiente de int ers es medida slo una vez
en la unidad de anlisis
Cul es el nivel de medicin de las

variables a relacionar?
Muestras relacionadas: Cuando la variable

dependiente es medida ms de una ocasin
en la unidad de anlisis
U de
Mann
Whit ney
Nominal
Cul es el nivel de
medicin de la
variable dependiente?
Friedman
2
XVarianza
t de
St udent
X
KruskallWallis
t de St udent
para muest
ras
relacionadas
McNemar
(dicotmica)
Variable 2
Escalar
Variable 1
Ordinal
Variable
Variable 2
2
Ordinal
Escalar
Nominal
Ordinal
Wilcoxon
Anlisis de
Spearman
(rs)
Spearman
(rs)
Ms de
dos
mediciones
Cul es el nivel de
medicin de la
Escalar
Nominal
Ordinal
Cul es el nivel de
medicin de la variable
dependiente?
Escalar
Nominal
Ordinal
Cul es el nivel de
medicin de la
Dos
mediciones
Ordinal
Ms de dos
grupos
Dos grupos
Variable 1
Escalar
Cunt as mediciones hay? (V.

I.)
Cuntos grupos hay? (V. I.)
Escalar
18
Anlisis de
varianza para
medidas
repet idas
Q de
Cochran
(dicotmica)
Correlacin
Biserial
Correlacin
P
unt ual
Biserial
bp)ual
P (r
unt
(rbp)
Variable 1
Dicotmica
Variable 2
Dicotmica
Dicotmica
Variable 2
Escalar u
ordinal
Pearson
(rp)
Spearman
(rs)
Spearman
(rs )
Coeficient
e Phi
Coeficient e
Phi
Cr
ite
rio
s
im
po
rt
an
tes
pa
ra
sel
ec
cio
na
r
el
tip
o
de
pr
ue
ba
en
Fr
an
ci
sc
o
Ju
r
ez
,
Jo
rg
e
A.
Vi
lla
to
ro
y
El
sa
K
Pruebas de Comparacin
Prueba t de Student
La prueba t de Student es una prueba paramtrica de comparacin de dos muestras, es decir necesita
cumplir las siguientes caractersticas:
Seleccin completamente aleatoria de los grupos

Homocedasticidad (homogeneidad de las varianzas de la variable dependiente en ambos
grupos)
Distribucin normal de la variable dependiente en los dos grupos
Nivel intervalar de la variable dependiente
Su funcin es comparar dos grupos de puntuaciones (medias aritmticas) y determinar que la

diferencia no se deba al azar (que las diferencia sea estadsticamente significativa).
Esta prueba tiene dos modalidades, una para muestras independientes y otra para grupos
relacionados.
La prueba t para muestras independientes se calcula mediante la siguiente frmula:
x x
t 1s 2
Dx
dnde: x1,
x2
= medias de los grupos
sDx = error estndar de la diferencia entre medias

Para calcular el error estndar de la diferencia entre medias:
2
2
x x2 1 1
1
sDx
n 2 n
n
n
1
2
1
2
Para calcular la suma de cuadrados de X:
X 2
2
2
x

n
Para calcular los grados de libertad:
gl = n1 + n2 2
Problema para explicar el procedimiento para calcular la prueba t para muestras independientes:
Se desea probar dos mtodos de enseanza del idioma ingls (mtodo tradicional y mtodo
multimedia), para lo cual al final de cada uno de los cursos se aplic una prueba de conocimientos.
Los puntajes obtenidos por los sujetos asistentes a cada uno de los cursos se muestran a continuacin,
donde X1 son las calificaciones del primer grupo (mtodo tradicional) y X2 las del segundo (mtodo
multimedia):
19
X1
26
24
18
17
18
20
18
X1 = 141
n1 = 7
x1 =
20.14
= 164
X 22
1444
676
576
576
900
484
X 21
676
576
324
289
324
400
324
X12 = 2913
X2
38
26
24
24
30
22
= 4656
n2 = 6
x2 = 27.33
Procedimiento:
1. Para cada problema especfico se debe determinar el tipo de problema, los grupos a comparar, si
son independientes o relacionados, el nivel de medicin, la prueba estadstica que debe utilizarse
y plantear la hiptesis nula que se va a probar de acuerdo al nivel de medicin y tipo de problema
correspondiente.
Es un problema de Comparacin
2 grupos independientes
Nivel de medicin intervalar
H0: El nivel de conocimientos del idioma ingls es igual entre el grupo del curso tradicional
(grupo 1) y el grupo del curso multimedia (grupo 2)
Prueba estadstica: Prueba t para grupos independientes
2. Se deben elevar al cuadrado los puntajes obtenidos por el grupo 1 (X1) y los del grupo 2 (X2) y
escribirlos en la columna X 12 para los puntajes elevados al cuadrado del grupo 1 y X 22 para los
puntajes elevados al cuadrado del grupo 2.
3. Sumar los puntajes obtenidos por el grupo 1 ( X1 ) y por el grupo 2 ( X 2 ), as como los
puntajes elevados al cuadrado de cada grupo ( X 1 y
2
141
x
x
22
2913
2
1
4656
7
164
6
19881
2913
4656
x1 = 73
).
2
2
2913 2840.14 = 72.86
26896
4656 4482.67 = 173.33
6
2
x2 = 173
5. Obtener el error estndar de la diferencia entre medias ( sDx )

sDx
73 173 1
7 6
2
246
11
0.143
0.167
22.3
636
0.3
100
6.9327 = 2.63
6. Determinar las medias para los puntajes de ambos

grupos ( x1 x2 )
y
7. Obtener el valor de t y los grados de libertad
Tabla de Valores Crticos para la

Prueba t
20.14 27.33 7.19

t
2.63 2.73
2.63
gl = 7 + 6 - 2 = 11
8. Buscar el valor de t en la tabla de valores crticos de
t, al nivel de significancia preestablecido y con los
grados de libertad calculados. El valor de t obtenida
debe compararse con el valor de tabla. La regla de
decisin es: si el valor calculado es mayor o igual
que el valor en tabla se debe rechazar la H0.
gl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
0.05
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
0.01
63.657
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
0.001
636.619
31.598
12.941
8.610
6.859
5.959
5.405
5.041
4.781
4.587
4.437
4.318
Para estos datos con 11 grados de libertad, al nivel de

significancia establecido en el valor de 0.05, se tiene
un valor t en tabla de 2.201, el valor de t calculado es
mayor al de tabla (el signo no debe ser tomado en
cuenta) por lo tanto se rechaza H0, entonces: el nivel de conocimientos del idioma ingls es
diferente entre el grupo del curso tradicional y el grupo del curso multimedia.
Por otro lado, la prueba t para muestras independientes en el paquete estadstico SPSS se
encuentra en el men Analizar / Comparar medias / Prueba T para muestras independientes, los
resultados para el ejemplo anterior se presentaran de la siguiente manera:
Prueba T
En la primer seccin se describen los grupos a comparar:
Estadsticos de grupo
Calificacin de la prueba
de conocimientos
Mtodo de enseanza
Tradicional
Multimedia
Media
20.14
Desviacin
tp.
3.48
Error tp. de
la media
1.32
27.33
5.89
2.40
En la siguiente seccin se tiene a la prueba estadstica propiamente dicha:

Inicialmente se hace una prueba de homogeneidad de varianzas entre los dos grupos a comparar, que
es uno de los requisitos de las pruebas paramtricas como la prueba t. Se debe decidir si hay o no
varianzas iguales probando la siguiente H0: s2 s2 . Esto se hace mediante la prueba F de Levene
1
para homogeneidad de varianzas, cuyos valores se muestran en la tabla siguiente encerrados en un

crculo. La regla de decisin es: si el valor de significancia calculado es menor o igual () a 0.05
se debe rechazar la H0. En el ejemplo se tiene un valor de F de 1.342 con un nivel de significancia
de 0.271 que al ser mayor que 0.05, no permite rechazar la H0 y se asume que hay varianzas iguales.
Una vez superado este punto, se tienen dos renglones de valores, el superior en el que se asumen
varianzas iguales (ver datos encerrados en el rectngulo) y el inferior en que no se asumen varianzas
iguales (ver datos encerrados en el hexgono). Siguiendo el ejemplo: se prob que hay varianzas
iguales, se debe seguir la primer lnea donde se observa un valor de t de 2.732 con 11 grados de
libertad y un nivel de significancia de 0.02 (ver datos encerrados en el rectngulo), siguiendo la
regla de decisin: si el valor de significancia calculado es menor o igual () a 0.05 se debe
rechazar la H0, este valor es menor a 0.05 por lo que se debe rechazar la H0, entonces se tiene que
afirmar que: el nivel de conocimientos del idioma ingls es diferente entre el grupo del curso
tradicional y el grupo del curso multimedia.
Prueba de muestras independientes
Prueba de Levene
para la igualdad de
varianzas
Prueba T para la igualdad de medias
Diferencia
Se han asumido
Calificacin de la prueba
de conocimientos
varianzas iguales
No se han asumido
varianzas iguales
F
1.342
Sig.
.271
gl
Sig. (bilateral)
de medias
Error tp. de
la diferencia
95% Intervalo de
confianza para la
diferencia
Inferior
Superior
-2.732
11
.020
-7.19
2.63
-12.98
-1.40
-2.623
7.862
.031
-7.19
2.74
-13.53
-.85
Reporte de resultados de la prueba t

Para esta prueba se puede utilizar una grfica de barras con las medias, es importante mencionar los
valores de la prueba estadstica, grados de libertad y el nivel de significancia con que se est
rechazando, o aceptando, la hiptesis nula. Se puede poner el valor de probabilidad obtenido o
simplemente decir que es menor, o mayor, al valor que hayamos elegido para la prueba de hiptesis.
Adems se debe escribir la conclusin a la que se llega. Por ejemplo:
Promedio de Calificaciones en la
Prueba de Conocimientos del Idioma
Ingls por Mtodo de Estudio*
30
25
Media
En lo que respecta a los mtodos de enseanza, se

encontraron diferencias en el nivel de conocimientos del
idioma ingls entre el grupo del curso tradicional y el
grupo
del curso multimedia (t = -2.732, gl = 11, p < 0.05).
Como puede observarse en la grfica, el grupo que llev
el curso multimedia tuvo un promedio ms alto en la
prueba (27.33), al compararlo con el grupo asistente al
mtodo tradicional (20.14).
27.33
20.14
20
15
10
5
0
Esta descripcin ser la base para hacer la discusin posterior

de los resultados encontrados en el estudio.
Curso Tradicional Curso Multimedia
* t = -2.623, gl = 11, p = 0.02
La prueba t para muestras relacionadas se calcula mediante la siguiente frmula:

t
dnde: D = diferencia media
D
s
sD = error estndar de la diferencia media
sD
sD
n 1
Para calcular la desviacin estndar de las diferencias:
sD
Para calcular la suma de cuadrados de D:
Para calcular los grados de libertad:
D2
n
gl = n - 1
Problema para explicar el procedimiento para calcular la prueba t para muestras independientes:
Se desea saber si un taller es efectivo para cambiar el nivel de autoestima de un grupo de pacientes,
para ello se evala la autoestima antes de iniciar el taller y al finalizar el mismo. Los datos obtenidos
se muestran a continuacin, donde X son los puntajes de la primera medicin y Y corresponde a la
segunda medicin, D son las diferencias entre los puntajes de las 2 mediciones:
2
X
Y
D
D
18
20
-2
4
16
22
-6
36
18
24
-6
36
12
10
2
4
20
25
-5
25
17
19
-2
4
18
20
-2
4
20
21
-1
1
22
23
-1
1
20
20
0
0
10
10
0
0
8
12
-4
16
20
22
-2
4
12
14
-2
4
16
12
4
16
16
20
-4
16
18
22
-4
16
20
24
-4
16
18
23
-5
25
21
17
4
16
X = 340
x = 17
Y = 380
y = 19
D = -40
D = -2
D = 244
n = 20
Procedimiento:
y plantear la hiptesis nula que se debe probar de acuerdo al nivel de medicin y tipo de problema
correspondiente.
2 grupos relacionados
Nivel de medicin intervalar
H0: El nivel de autoestima es igual entre la medicin de inicio y la medicin hecha al
finalizar el taller
Prueba estadstica: Prueba t para grupos relacionados
2. Obtener las diferencias (D) entre los puntajes obtenidos en la primera medicin y la segunda
medicin (datos de la columna X menos los datos de la columna Y).
2
3. Elevar las diferencias al cuadrado (D )

2
4. Sumar las diferencias ( D ) y las diferencias elevadas al cuadrado ( D )

5. Calcular la suma de cuadrados de las diferencias
40
2
2
1600
d 244
244
244 80 164
20
20
6. Obtener la desviacin estndar de las diferencias
s D 164
20
8.2 2.864
7. Determinar el error estndar de la diferencia media

s D
2.864 2.864 2.864

0.657
20 1 19 4.359
8. Calcular el valor de t y los grados de libertad

t
2 3.04
0.657
gl = 20 - 1 = 19
9. Buscar el valor de t en tabla con el nivel de significancia de 0.05 y con los grados de libertad
calculados. El valor de t obtenido de las operaciones debe compararse con ese valor de tabla (ver
tabla en la pgina 17). La regla de decisin es: si el valor calculado es mayor o igual que el
valor en tabla se debe rechazar la H0.
Para este ejercicio, con 19 grados de libertad, al nivel de significancia establecido en el valor de
0.05, se tiene un valor en tabla de 2.093, el valor de t calculado es mayor al de tabla (el signo no
debe ser tomado en cuenta) por lo tanto se rechaza H0, entonces: el nivel de autoestima es
diferente entre la primera y segunda mediciones.
La prueba t de Student para muestras relacionadas en el paquete estadstico SPSS se encuentra

en Analizar / Comparar medias / Prueba T para muestras relacionadas, se presentaran los
siguientes resultados para el ejemplo anterior:
Prueba T
En la primer seccin se describen las mediciones a comparar y se presenta la correlacin entre las
mismas:
Estadsticos de muestras relacionadas
Par 1
Medicin 1
Media
17.00
Medicin 2
19.00
20
Desviacin
tp.
3.80
Error tp. de
la media
.85
20
4.82
1.08
Correlaciones de muestras relacionadas

N
Par 1
Medicin 1 y Medicin 2
20
Correlacin
.793
Sig.
.000
En la siguiente seccin se tiene a la prueba estadstica propiamente dicha en la que se describen la

diferencia media, la desviacin estndar de las diferencias, el error estndar de las diferencias, y
finalmente la prueba t:
La regla de decisin es: si el valor de significancia calculado es menor o igual () a 0.05 se debe
rechazar la H0. Siguiendo el ejemplo se observa un valor de t de 3.04 con 19 grados de libertad y
un nivel de significancia de 0.007 (ver los datos en el crculo), este valor de significancia es menor
que 0.05 por lo que se debe rechazar la H0, entonces se tiene que afirmar que: el nivel de autoestima
es diferente entre la primera y la segunda mediciones.
Prueba de muestras relacionadas
Diferencias relacionadas
Par 1
Medicin 1 - Medicin 2
Media
-2.00
Desviacin
tp.
2.94
Error tp. de
la media
.66
95% Intervalo de
confianza para la
diferencia
Inferior
-3.38
Superior
-.62
-3.044
19
.007
Reporte de resultados de la prueba t para muestras relacionadas

Para esta prueba se puede utilizar una grfica de barras con las medias, aunque es ms recomendable
una grfica de lneas para ver las variaciones entre las mediciones, es importante mencionar los
valores de la prueba estadstica, grados de libertad y el nivel de significancia con que se est
En cuanto a la efectividad del taller para modificar la

autoestima en un grupo de pacientes, se encontraron
diferencias en el nivel de autoestima antes y despus de
Nivel de Autoestima Antes y Despus

del Taller*
observarse en la grfica, la media de autoestima es mayor

al finalizar el taller (19) que al inicio del mismo (17).
Media
20
19
17
12
8
4

0
Autoestima
Antes del
Taller
Autoestima Despue
del Taller
* t = -3.044, gl = 19, p = 0.007
Prueba U de Mann-Whitney
La prueba U de Mann-Whitney pertenece a las pruebas no paramtricas de comparacin de dos
muestras independientes, es decir:
Es libre de curva, no necesita una distribucin especfica

Nivel ordinal de la variable dependiente
Se utiliza para comparar dos grupos de rangos (medianas) y determinar que la diferencia no se deba
al azar (que la diferencia sea estadsticamente significativa).
Se calcula mediante la siguiente frmula:
U n1n2 nx nx 1
dnde: n1, n2 = nmero de casos de cada grupo
nx
Rx
= suma de rangos de cada grupo

= nmero de casos de cada grupo
Problema para explicar el procedimiento:

Se desea probar si hay diferencias en el nivel de estrs entre enfermeras de terapia intensiva (X1) y las
de urgencias (X2), el nivel de estrs se midi en una escala de 0 = nada, 1 = bajo, 2 = medio, 3 = alto,
4 muy alto, las calificaciones se muestran a continuacin:
X1
3
2
1
1
0
2
1
n1 = 7
X2
4
3
2
2
1
2
n2 = 6
R1
11.5
8
3.5
3.5
1
8
3.5
R1 = 39
R2
13
11.5
8
8
3.5
8
= 52
correspondiente.
Nivel de medicin ordinal
H0: El nivel de estrs es igual entre enfermeras de terapia intensiva (grupo 1) y enfermeras de
urgencias (grupo 2)
Prueba estadstica: Prueba U de Mann Whitney
2. En primer lugar se debe asignar un rango a cada calificacin ordenndolas como si se tratara de
un solo conjunto de datos (se juntan los grupos).
Valor
0
1
1
1
1
2
2
Rango
1
2
3
4
5
6
7
al valor ms pequeo el rango 1, el valor ms pequeo posible es el 0

el rango para los 1 es igual a
3.5
2 3 4 5
3.5
4
En el caso de que existan valores

repetidos
(llamados
tambin
para el 2 debe considerarse que empates), el rango que les
en el orden sigue es el 6:
corresponde es igual al promedio

2
2
2
3
8
9
10
11
12
13
11.5
6 7 8 9 10 8
de los rangos, es decir: la suma de

los lugares asignados de manera
secuencial entre el nmero de veces
y para 3, empezando
11 12 con el 11: que se repite cada nmero
2
el ltimo rango respetando la secuencia es el 13, que le corresponde
al valor 4
3. Cada uno de los rangos se debe colocar en la columna correspondiente, R1 para el grupo 1 y R2
para el segundo grupo. Una vez asignados los rangos se deben sumar para cada grupo por
separado ( R1 .y R2 ).
Esta operacin puede verificarse mediante la siguiente frmula:
N N 1
R R
1
39 52
2
1314
91 = 91
4. A continuacin debe calcularse el valor de U para cada grupo:
78
7(7 1)
56
U 76
39 42
39 42 39 42 28 39 31
1
2
2
2
67
6(6 1)
42
U 7 6
52 42
52 42 52 42 2152 11
2
2
2
2
5. Se debe encontrar el valor crtico de U en la tabla que se presenta en la pgina siguiente, con un
nivel de significancia establecido a 0.05 para una prueba de 2 colas, utilizando el nmero de casos
de cada grupo (n1 y n2). Una vez hecho sto, se debe elegir el valor de U ms bajo y compararlo
con el valor de U en tabla. La regla de decisin es: si el valor de U encontrado es menor o

igual al de tabla, se rechaza la hiptesis nula.
En este caso con n1 = 7 y n2 = 6, se tiene un valor de U en tabla = 6, el valor obtenido (11) es
mayor a este valor por lo que no se puede rechazar la hiptesis nula, se concluye que: el nivel de
estrs es igual entre enfermeras de terapia intensiva y enfermeras de emergencia.
1a. Si alguno de los grupos en la muestra tiene

ms de 20 sujetos, no es posible utilizar esta
tabla, para estas situaciones se asume que
muestras
grandes tienden a distribuirse
normalmente y se convierte el valor de U a
puntuacin z. Esto se hace mediante la
siguiente frmula, en la que se puede usar
cualquiera de las dos U que se calcularon,
esto no afecta el valor de z, slo cambia su
signo dependiendo de la que se utilice:
nn
U 1 2
2
z
n1n2 n1 n2 1
12
Con la U ms pequea la z es:
76
11
z 76726
1 12
Tabla de Valores Crticos para U de Mann

Whitney
n2
n1
10
11
1
2
3
4
5
6
7
8
9
10
0
0
0
0
1
1
2
2
3
0
1
2
3
4
4
0
1
2
3
5
6
7
8
1
2
3
5
6
8
10
1
3
5
6
8
10
12
0
2
4
6
8
10
13
0
2
4
7
0
3
11 21
10
10
10
1.43
7
4214 588
49
12
12
2a. La regla de decisin es: si la calificacin z es mayor o igual a 1.96 (sin tomar en cuenta el
signo) se rechaza la hiptesis nula, esto es porque este valor equivale al 95% del rea bajo la
curva normal (nivel de significancia de 0.05). Con un valor menor no podemos rechazar la
hiptesis nula.
En este caso, al tener una z de 1.43 menor a 1.96 se acepta la hiptesis nula, por lo que: el nivel
de estrs es igual entre los dos grupos de enfermeras.
La prueba U de Mann-Whitney en el paquete estadstico SPSS se encuentra en Analizar /
Pruebas no paramtricas/2 muestras independientes, los resultados para el ejemplo anterior seran
los siguientes:
Pruebas no paramtricas
Prueba de Mann-Whitney
Rangos
Nivel de estrs
Grupo
Enfermeras de
terapia intensiva
Emfermeras de
urgencias
Total
Rango
promedio
Suma de
rangos
5.57
39.00
8.67
52.00
13
En primer lugar, se presenta una

descripcin de los grupos comparados,
las suma de rangos y un valor que
representa cual grupo tiene una
mediana mayor, este dato es el rango
promedio, que se obtiene de dividir la
suma de rangos de cada grupo entre la
cantidad de casos en el grupo.
Estadsticos de contrasteb
U de Mann-Whitney
W de Wilcoxon
Z
Nivel de
estrs
11.000
39.000
-1.494
Sig. asintt. (bilateral)
.135
Sig. exacta [2*(Sig.

unilateral)]
.181
a. No corregidos para los

empates.
Finalmente, se presentan los valores de la U de MannWhitney y de la razn z (ver datos en los crculos), as
como el valor de significancia de la prueba, se utiliza el de
significancia bilateral (ver el nmero en el hexgono), se
debe recordar que en el paquete estadstico la regla de
decisin es: si el valor de significancia es menor o igual
a 0.05 se tiene que rechazar la hiptesis nula, en este
caso es mayor por lo que al no poder rechazar la hiptesis
nula debemos concluir que: el nivel de estrs es igual entre
los 2 grupos de enfermeras.
b. Variable de agrupacin: Grupo
Reporte de resultados de la prueba U de Mann Whitney

Para esta prueba se puede utilizar una grfica de barras con las medianas, aunque se puede utilizar el
rango promedio, obtenido de dividir la suma de rangos de cada grupo entre la cantidad de casos en el
grupo, sin embargo este dato es de difcil interpretacin. Se deben mencionar los valores de la prueba
estadstica (U o z), y el nivel de significancia con que se est rechazando, o aceptando, la hiptesis
nula. Se puede poner el valor de probabilidad obtenido o simplemente decir que es menor, o mayor,
al valor que hayamos elegido para la prueba de hiptesis.
Nivel de Estrs entre Enfermeras de
Adems se debe escribir la conclusin a la que se llega. Por
Terapia Intensiva y de Urgencias*
ejemplo:
Estos datos se utilizarn para hacer la discusin posterior de

los resultados encontrados en el estudio
Mediana
El nivel de estrs es igual entre enfermeras de terapia

intensiva y de urgencias (z = -1.494, p > 0.05). (ver
grfica).
1.5
1
0.5
0
Terapia intensiva
Urgencias
* z = -1.494, p = 0.181
Prueba de Wilcoxon
La prueba de rangos asignados de Wilcoxon pertenece a las pruebas no paramtricas de comparacin
de dos muestras relacionadas, es decir:
Es libre de curva, no necesita una distribucin especfica

Se utiliza para comparar dos grupos relacionados de rangos (medianas) y determinar que la diferencia
no se deba al azar (que la diferencia sea estadsticamente significativa).
Se desea probar si hay diferencias en el nivel de estrs laboral de los trabajadores de una empresa
antes y despus de la implementacin de un programa de mejoramiento del ambiente laboral; el nivel
de estrs se midi en una escala de 0 = nada, 1 = bajo, 2 = medio, 3 = alto, 4 muy alto, las
calificaciones se muestran a continuacin:
X
3
3
2
2
2
2
1
Y
4
2
1
1
0
2
3
D
-1
1
1
1
2
0
-2
Rangos positivos
Rangos negativos
2.5
2.5
2.5
2.5
5.5
Empate, n = 7-1 = 6
5.5
+
T = 13
T =8
n=7
correspondiente.
H0: El nivel de estrs laboral de los trabajadores es igual antes y despus de implementar el
programa de mejoramiento del ambiente laboral.
Prueba estadstica: Wilcoxon
2. Se debe obtener la diferencia (D) entre los
puntajes de inicio (X) y de la segunda medicin
(Y), es decir: restar a las calificaciones de la
primera medicin los de la segunda. A estas
diferencias se les debe asignar un rango
ordenando los datos sin considerar el signo de la
diferencia, deber empezarse con el valor ms
pequeo dndole el rango 1, no deben
considerarse
las
diferencias
iguales
nmero de sujetos a: n 1, por cada empate.
Ordenar las
diferencias
mayores a 0
Rango
En el caso de que existan valores repetidos, el
rango que les corresponde es igual a la suma de los
lugares asignados entre el nmero de veces que se
repite cada uno*
-1
1
1
1
-2
1
2
3
4
5
para los 1:
1 2 3 4
42.5
5 6
5.5
para el 2: 2
* Ver el tratamiento de rangos en la prueba U de Mann

Whitney para una explicacin ms detallada
3. Una vez asignados los rangos se deben acomodar los correspondientes a las diferencias positivas
+
y los de diferencias negativas en la columna respectiva y despus sumarlos para obtener T y T .
+
4. Se debe encontrar el valor de probabilidad asociado a T (c) con el nmero de casos ajustado (N),
+
en la tabla de valores crticos de T . En sta se muestra la probabilidad asociada para una prueba
de una cola, para obtener la probabilidad de dos colas se debe dividir el valor correspondiente
entre 2. Como regla de decisin: esta probabilidad debe ser menor o igual a 0.05 para
rechazar la hiptesis nula..
+
En este caso con T igual a 13, al buscar este valor en los renglones y la N ajustada (6) en las
columnas, se tiene una probabilidad de 0.3438 que dividida entre 2, para obtener la probabilidad
asociada para una prueba de dos colas, da como resultado 0.1719, esta probabilidad al ser mayor a
0.05 no permite rechazar la hiptesis nula. Por lo tanto: el nivel de estrs laboral de los
trabajadores es igual antes y despus de implementar el programa de mejoramiento del ambiente
laboral.
+
Valores crticos de T para la prueba de rangos

asignados de Wilcoxon de una cola
La tabla sin embargo no permite la

comparacin con ms de 15 casos, para estas
situaciones, asumiendo que muestras ms
grandes tienden a distribuirse normalmente,
+
se convierte el valor de T a calificacin z
calculando lo siguiente:
Las entradas de la tabla para una N dada es P[T c], la

+
probabilidad de que T sea mayor o igual a la suma de c.
N
1. En primer lugar se debe obtener la

+
media de T con:
N N 1

T
4
2.
Calcular la desviacin estndar de T

con:
N N 1(2N
1) 24
0.6250
0.3750
0.2500
0.5625
0.1250
0.4375
0.3125
0.1875
0.5000
0.1250
0.4063
10
0.0625
0.3125
11
0.2188
0.5000
12
0.1563
0.4219
13
0.0938
0.3438
14
0.0625
0.2813
15
0.0313
0.2188
3. Calcular la z con:
66 1
Sustituyendo valores se tiene:
T 13
42
13
13 10.5 2.5
66 1(2)(6) 1 4213
24
24
22.75 4.77
546
24
2.5
z 4.77 0.53
0.5313
La regla de decisin es: si la calificacin z es mayor o igual a 1.96 (sin tomar en cuenta el signo)
se rechaza la hiptesis nula, esto es porque este valor equivale al 95% del rea bajo la curva normal
(nivel de significancia de 0.05). Con un valor menor no podemos rechazar la hiptesis nula.
En este caso, al tener una z de 0.53 menor a 1.96, no se puede rechazar la hiptesis nula, por lo que:
el nivel de estrs laboral de los trabajadores es igual antes y despus de implementar el programa de
mejoramiento del ambiente laboral.
Por otro lado, la prueba de Wilcoxon en el paquete estadstico SPSS se encuentra en Analizar /
Pruebas no paramtricas/2 muestras relacionadas, los resultados que se presentan para el ejemplo
anterior son los siguientes:
Prueba de los rangos con signo de Wilcoxon
Rangos
N
Estrs laboral al iniciar el
programa - Estrs
al finalizar el programa
Rangos negativos
Rangos positivos
Empates
Total
2
4b
1c
7
Rango
promedio
4.0
3.2
a. Estrs laboral al iniciar el programa < Estrs laboral al finalizar el

programa
Suma de
rangos
8.0
13.0
En primer lugar se muestra la

asignacin de rangos positivos,
negativos y empates, as como
la suma de rangos positivos y
negativos.
b. Estrs laboral al iniciar el programa > Estrs laboral al finalizar el

programa
c. Estrs laboral al finalizar el programa = Estrs laboral al iniciar el
programa
b
Estadsticos de contraste
Z
Sig. asintt.
Estrs
al iniciar
programa
Estrs al
finalizar
programa
-.541a
.589
a. Basado en los rangos

b. Prueba de los rangos con signo de
Wilcoxon
Posteriormente se presenta la prueba estadstica

en este caso el valor de la razn z, as como el
valor de significancia de la prueba (ver valores
en el crculo). La regla de decisin es: si valor
de significancia es menor o igual a 0.05 se
debe rechazar la hiptesis nula. En este caso
no se puede rechazar H0 porque el valor de
significancia de 0.589 es mayor a 0.05, por lo
tanto: el nivel de estrs laboral de los
trabajadores es igual antes y despus de
implementar el programa de mejoramiento del
ambiente laboral.
Para esta prueba se puede utilizar una grfica de barras o

lneas (ms adecuada para ver variaciones entre mediciones)
con las medianas. Se deben mencionar los valores de la
prueba estadstica y el nivel de significancia con que se est
rechazando, o aceptando, la hiptesis nula. Se puede poner el
valor de probabilidad obtenido o simplemente decir que es
menor, o mayor, al valor que hayamos elegido para la prueba
de hiptesis. Adems se debe escribir la conclusin a la que
se llega. Por ejemplo:
Nivel de Estrs Laboral Antes y

Despus del Programa*
2.5
2
1.5
1
0.5
0
Mediana
Reporte de resultados de la prueba de Wilcoxon
Estrs laboral antes

del programa
Estrs laboral
despus del
programa
* z = -0.541, p = 0.589
Como puede apreciarse en la grfica, es igual el nivel de

estrs laboral de los trabajadores antes y despus de
implementar el programa de mejoramiento del ambiente laboral (z = -0.541, p > 0.05).
Estos datos se utilizarn para hacer la discusin posterior de los resultados encontrados en el estudio
Prueba de Chi Cuadrada (X )

2
La prueba de Chi cuadrada o Ji cuadrada (X ) pertenece a las pruebas no paramtricas de

comparacin de dos o ms muestras independientes:
No se distribuye normalmente, se utiliza la distribucin asinttica de Chi cuadrada

Nivel nominal de la variable dependiente
Se usa para comparar dos o ms grupos independientes de proporciones organizadas en una tabla de
contingencia y determinar que las diferencias no se deban al azar (que las diferencias sean
estadsticamente significativas).
2
La formula para calcular la X es la siguiente:
fo fe
X
2
fe
Donde fo son las frecuencias observadas para cada una de las celdas de la tabla y fe son las
frecuencias esperadas para cada una de estas celdas.
Se desea saber si las prcticas de crianza son diferentes entre padres de una orientacin poltica
conservadora y padres de orientacin poltica liberal, las prcticas de crianza estn clasificadas como
no rgida, moderada y autoritaria:
Nivel de medicin de la variable dependiente: nominal
H0: La proporcin de padres que emplean prcticas de crianza no rgida, moderada y autoritaria es
igual entre los que tienen una orientacin poltica conservadora y los que tienen una orientacin
liberal.
Prueba estadstica: Chi cuadrada
1. En primer lugar debe generarse una tabla de contingencia en la que por regla general los grupos
son representados en las columnas y las categoras de la variable dependiente estarn
representadas en los renglones. La tabla siguiente, representa los datos cruzados del tipo de
orientacin poltica (Variable Independiente en las columnas) por el tipo de prctica de crianza
que llevan a cabo (Variable Dependiente en los renglones). En cada celdilla se captura las
frecuencias observadas (fo), obtenidas de las respuestas de los padres segn su orientacin poltica
(ver las frecuencias en cursivas).
No rgida
Moderada
Autoritaria
Total
Conservadores
6
13.8
13
12.9
21
13.3
40
Liberales
24
16.2
15
15.1
8
15.7
47
Total
30
28
29
N = 87
2. A continuacin se deben sumar los totales marginales por cada rengln, por cada columna y
obtener el nmero total de casos (N).
3. Se debe obtener la frecuencia esperada (fe) multiplicando los totales marginales del rengln y de
la columna que corresponden a cada celdilla, y dividirlos entre el total de casos. Por ejemplo: el
total marginal del rengln para la primer celda (con frecuencia observada = 6) es igual a 30 y el
total marginal de las columnas es igual a 40, el total de sujetos es 87, entonces la frecuencia
3040
esperada para la primer celda es: fe
13.8
87
Las frecuencias restantes seran: para la segunda celda (con frecuencia observada = 24):
fe 3047
2840 12.9 ,
16.2 , para la tercera celda (con frecuencia observada = 13): fe
87
87
2847
la cuarta celda (con frecuencia observada = 15): fe
15.1 , la quinta (con frecuencia
87
2940
observada = 21): fe
13.3 y finalmente para la sexta (con frecuencia observada = 8):
87
2947
fe
15. (las frecuencias esperadas son los nmeros en negritas en la tabla).
87 7
2
4. Calcular el valor de X :
2
13 12.9
X 6 13.82 24 16.2
13.8
16.2
12.9
15
15.1
21 13.32
13.3
8 15.72
15.7
15.1
2
2
7.8 2 0.1 0.1 7.7 7.7
X 7.8
13.8
16.2
15.1
13.3
15.7
12.9
60.8 60.8 0.01 0.01 59.29 59.29
2
X
4.4 3.8 0 0 4.5 3.8 16.5

13.8 16.2 12.9 15.1 13.3
15.7
2
5. Calcular grados de libertad con la siguiente frmula:

gl = (r 1)(c 1)
donde r es el nmero de renglones y c el nmero de columnas
gl = (3 1)(2 1) = (2)(1) = 2
6. Buscar en la tabla el valor crtico de Chi cuadrada utilizando los grados de libertad y un nivel de
significancia de 0.05 (ver la tabla de valores crticos de Chi cuadrada en la pgina siguiente). La
regla de decisin es: para rechazar la hiptesis nula el valor obtenido debe ser mayor o igual
a la chi cuadrada en la tabla.
En el presente ejemplo se tienen 2 grados de libertad con un nivel de significancia establecido en
2
0.05, para los que corresponde un valor de X en tabla igual a 5.991. En este ejercicio, al tener una
2
X = 16.5 mayor a la de tabla, se rechaza la hiptesis nula, entonces: la proporcin de padres que
emplean prcticas de crianza no rgida, moderada y autoritaria es diferente entre los que tienen
una orientacin poltica conservadora y los que tienen una orientacin liberal
Prueba de Chi cuadrada para una tabla de 2 X 2

Para la Chi cuadrada con tablas de contingencia de dos por dos, mismas que tienen un grado de
libertad, la frmula vara adems incorporando una correccin de continuidad que mejora la
2
aproximacin a la distribucin muestral de X . Las celdas se enumeran como sigue:
A
La frmula a utilizar es la siguiente:
Valores crticos de Chi Cuadrada a los

Niveles de significancia de 0.05 y 0.01
N AD BC
X2
A BC DA C B D
2
gl
0.05
3.841
5.991
0.01
6.635
9.210
12.592
7.815
9.488
11.345
13.277
Para este caso siempre se tiene que: gl = 1

6
3
4

Se desea saber si el consumir alcohol influye sobre
las recadas en fumadores:
Nivel de medicin de la variable dependiente: nominal (dicotmica)
H0: La proporcin de fumadores que recayeron en el consumo de tabaco es igual entre bebedores y
no bebedores.
Prueba estadstica: Chi cuadrada
Los datos se resumen en la siguiente tabla:
No
Bebedor
bebedor
No fumaron
96
13
177 96
2
Total
109
Fumaron
48
20
68
Total
144
33
N = 177
20 13 48
177
177 1920 624 88.5
96 1348 2096 4813
20
1771296 88.5
1096814433
35221824
X 1771207.5
2
35221824
1771458056.25 258075956.25 7.33
35221824
35221824
Se debe buscar el valor en tabla (ver la tabla de valores crticos de Chi cuadrada) con un grado de
libertad al nivel de significancia elegido para probar H0. La regla de decisin es: para rechazar la
hiptesis nula el valor obtenido debe ser mayor o igual a la chi cuadrada en la tabla.
2
Con 1 grado de libertad al nivel de significancia de 0.05 se tiene un valor de X en tabla de 3.841, en
este caso, al tener una chi cuadrada (7.33) mayor a la de la tabla, se rechaza la hiptesis nula,
entonces: la proporcin de fumadores que recayeron en el consumo de tabaco es diferente entre
bebedores y no bebedores.
La Chi cuadrada en el paquete SPSS
En el paquete estadstico la Chi cuadrada se encuentra en Analizar / Estadsticos descriptivos /
Tablas de contingencia, la variable independiente o de agrupacin se coloca siempre en las
columnas y la variable dependiente en los renglones, se debe elegir en la seccin de estadsticas la
prueba de Chi cuadrada, se presentan resultados como los siguientes:
Tablas de contingencia
Tabla de contingencia Tipo Practicas de crianza * Orientacin poltica de los padres
Tipo Practicas
de crianza
No rgida
Recuento
% de Tipo Practicas
de crianza
% de Orientacin
poltica de los padres
% del total
Orientacin poltica de los

padres
Conservador
Liberal
6
24
Total
30
20.0%
80.0%
100.0%
15.0%
51.1%
34.5%
6.9%
27.6%
34.5%
32.5%
31.9%
32.2%
14.9%
17.2%
32.2%
21
29
72.4%
27.6%
100.0%
52.5%
17.0%
33.3%
24.1%
40
9.2%
47
33.3%
87
46.0%
54.0%
100.0%
100.0%
100.0%
100.0%
46.0%
54.0%
100.0%
La primera parte
es la tabla de contingencia 13con las 15frecuencias,
los porcentajes respecto a los
Moderada Recuento
28
renglones, a las columnas
alPracticas
total, estos datos nos ayudan a describir las distribuciones de las
% deyTipo
46.4%
53.6%
100.0%
de crianza
proporciones.
% de Orientacin
% del total
Autoritaria
Total
Recuento
% de Tipo Practicas
de crianza
% de Orientacin
% del total
Recuento
% de Tipo Practicas
de crianza
% de Orientacin
% del total
Pruebas de chi-cuadrado
Valor
Sig. asinttica
(bilateral)
gl
Finalmente, se tiene a la prueba estadstica de

chi cuadrada, donde se debe considerar el valor
de la Chi cuadrada de Pearson (ver los
Chi-cuadrado de Pearson
16.313
2
.000
Razn de verosimilitud
17.184
2
.000
Asociacin lineal por
16.125
1
.000
lineal
N de casos vlidos
87
a. 0 casillas (.0%) tienen una frecuencia esperada inferior a 5.
La frecuencia mnima esperada es 12.87.
resultados en el rectngulo), siguiendo con el

2
primer ejemplo, se tiene un valor de X de
16.313 con gl = 2 y una significancia = 0.000,
recordando la regla de decisin: el valor de
significancia debe ser menor o igual a 0.05
para rechazar la hiptesis nula; encontramos
que la significancia es igual 0.000 menor a 0.05, por lo que se rechaza la hiptesis nula. Entonces, la
proporcin de padres que emplean prcticas de crianza no rgida, moderada y autoritaria es diferente
entre los que tienen una orientacin conservadora y los que tienen una orientacin liberal.
Para una tabla de contingencia de dos por dos, los resultados son similares.
Tabla de contingencia Recay con el cigarro * Bebedores
Recay con
el cigarro
No
Recuento
% de Recay
con el cigarro
% de Bebedores
% del total
Bebedores
No
Si
96
13
Total
109
88.1%
11.9%
100.0%
66.7%
39.4%
61.6%
48
20
68
70.6%
29.4%
100.0%
33.3%
27.1%
60.6%
11.3%
38.4%
38.4%
Primero la tabla con frecuencias y 54.2%

porcentajes,
7.3%siguiendo
61.6% el segundo problema planteado se tiene:
Si
Recuento
% de Recay
con el cigarro
% de Bebedores
% del total
Total
Recuento
144
33
177
% de Recay
81.4%
18.6%
100.0%
con el cigarro
% de Bebedores
100.0%
100.0%
100.0%
Pruebas de
chi-cuadrado
% del total
81.4%
18.6%
100.0%
Sig. asinttica
Sig. exacta
Sig. exacta
Valor
gl
(bilateral)
(bilateral)
(unilateral)
Chi-cuadrado de Pearson
8.441b
1
.004
Correccin apor
7.327
1
.007
continuidad
Razn de verosimilitud
1
.004
8.223
Estadstico exacto de
Fisher
Asociacin lineal por
1
.004
8.393
lineal
N de casos vlidos
177
a. Calculado slo para una tabla de 2x2.
b. 0 casillas (.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada
es 12.68.
Seguida de la prueba
estadstica, sin embargo,
se agregan dos conjuntos
de valores, la correccin
de continuidad y la prueba
exacta de Fisher, se debe
recordar que la correccin
por continuidad se calcula
para una interpretacin
ms exacta, por ello se
debe usar ese valor para
tomar una decisin (ver
datos encerrados en el
2
rectngulo), en este caso X de 7.327 con gl = 1 y una significancia = 0.007, la regla de decisin
indica que valor de significancia debe ser menor o igual a 0.05 para rechazar la hiptesis nula,
como vemos la significancia obtenida (0.007) es menor que 0.05, por lo que se rechaza la hiptesis
nula, entonces: la proporcin de fumadores que recayeron en el consumo de tabaco es diferente
entre bebedores y no bebedores.
Restricciones de la Chi cuadrada

Cuando se tiene un 20% de celdillas con frecuencias esperadas menores a 5, no se puede llevar a cabo
la prueba de Chi cuadrada, lo mismo sucede si se tienen celdillas con frecuencias iguales a 0.
Reporte de resultados de la prueba X
Para esta prueba se puede utilizar una grfica de barras con los porcentajes por columna que suman el
100% en cada grupo, es importante mencionar los valores de la prueba estadstica, grados de libertad
y el nivel de significancia con que se est rechazando, o aceptando, la hiptesis nula. Se puede poner
el valor de probabilidad obtenido o simplemente decir que es menor, o mayor, al valor que hayamos
elegido para la prueba de hiptesis. Adems se debe escribir la conclusin a la que se llega. Tomando
el ejemplo de la tabla de contingencia de 2 x 2:
Se encontraron diferencias en la proporcin de fumadores
que recayeron en2 el
consumo de tabaco entre bebedores y
= 7.327,
no bebedores (X
gl = 1, p < 0.01). Como puede
observarse en la grfica, los bebedores recayeron en el
consumo de tabaco en mayor proporcin (60.6%) que los
no bebedores (33.3%).
Porcentaje de Personas que Volvieron

a Fumar entre Bebedores y no
Bebedores*
70
60.6
60
50
33.3
% 40
30
20
10
0
No bebedores
2
Bebedores
* X = 7.327, gl = 1, p = 0.007
Prueba del Cambio de McNemar de dos Mediciones Dicotmicas

La prueba de McNemar es una prueba no paramtrica de comparacin de dos muestras relacionadas:
Es libre de la curva normal, se ajusta a la distribucin de Chi cuadrada

Nivel nominal (slo variables dicotmicas) de la variable dependiente
Se utiliza para comparar dos grupos relacionados de proporciones organizadas en una tabla que
representa los cambios en las respuestas de los sujetos entre una primera medicin y una posterior, y
determinar que las diferencias no se deban al azar (que las diferencias sean estadsticamente
significativas).
Los datos se organizan en una tabla como la siguiente:
Despus
-
Antes
Los signos + y representan las dos categoras de la variable en cada medicin, obsrvese que las
respuestas que se mantienen en ambas mediciones se encuentran en la celdilla A (- y -) y en la D (+ y
+), las celdas donde hay cambio (-, + y +, -) son la B y la C.
2
La formula para calcular la X es la siguiente:

2
B C
12
B C
Para la prueba de McNemar siempre se tiene un grado de libertad (gl = 1)
Donde B y C son las celdillas en las que se esperan los cambios, esta frmula incluye una correccin
2
de continuidad que mejora la estimacin de la X , esto se hace, como se aprecia en la frmula, al
restar 1 al valor absoluto de la resta de B C (quitando el signo resultante de la resta).
Se desea saber si cambi la preferencia por Fox o Crdenas despus del debate televisado, para ello
se pregunt a un grupo de posibles votantes por cul candidato votara antes del da del debate, al da
siguiente del debate se volvi a preguntar a los mismos sujetos por quin votaran, los resultados se
muestran a continuacin:
H0: La proporcin de posibles votantes que prefieren a Fox o a Crdenas es igual antes y despus
del debate.
Prueba estadstica: McNemar
1. En primer lugar deben organizarse las respuestas en una tabla como la siguiente. En cada celdilla
se capturan la cantidad de sujetos que mantienen su respuesta (Fox Fox o Crdenas - Crdenas)
y los que cambian (de Fox a Crdenas o de Crdenas a Fox):
Despus
Antes
Fox
Fox
Crdenas
20
26
23
Crdenas
2. Calcular la Chi cuadrada:

2
26 8 12
26 8
17
289
34 34
8.5
Se debe buscar el valor crtico de X en la tabla de valores de Chi cuadrada (ver pgina 35) con un
grado de libertad y al nivel de significancia establecido para probar la H0, La regla de decisin para
rechazar la hiptesis nula es: el valor obtenido debe ser mayor o igual a la chi cuadrada en la
tabla.
2
El valor de X en tabla con 1 grado de libertad al nivel de significancia igual a 0.05 es 3.841. En este
2
ejemplo se encontr que la X es igual a 8.5, mayor a la de tabla, por esa razn se rechaza la hiptesis
nula, entonces: la proporcin de posibles votantes que prefieren a Fox o a Crdenas es diferente antes
y despus del debate televisado.
McNemar en el paquete SPSS
En el paquete estadstico se tiene la prueba de McNemar en Analizar / Pruebas no paramtricas / 2
muestras relacionadas se presentan resultados como los siguientes:
Prueba de McNemar
Preferencias antes del debate y
Preferencias despus del debate
La primera parte es la tabla de frecuencias que se mantienen

y que cambian.
Preferencias
antes del debate
1
2
Preferencias despus
del debate
1
2
20
26
8
23
Estadsticos de contrasteb
Preferencias
antes del
debate y
Preferencias
despus del
debate
N
77
Chi-cuadradoa
8.500
.004
Sig. asintt.
a. Corregido por continuidad
Finalmente se presenta el valor de Chi cuadrada y la significancia

asociada (ver datos encerrados en el crculo), la regla de decisin
es: el valor de significancia debe ser menor o igual a 0.05 para
rechazar la hiptesis nula. Se tiene que, al tener una significancia
de 0.004, menor a 0.05, se rechaza la hiptesis nula. Entonces: la
proporcin de posibles votantes que prefieren a Fox o a Crdenas es
diferente antes y despus del debate televisado.
b. Prueba de McNemar
Reporte de resultados de la prueba de McNemar

Para esta prueba se puede utilizar una grfica de barras o lneas (ms adecuada para ver variaciones
entre mediciones) con los porcentajes obtenidos en cada medicin. Se deben mencionar los valores de
la prueba estadstica y el nivel de significancia con que se est rechazando, o aceptando, la hiptesis
al valor que hayamos elegido para la prueba de hiptesis. Adems se debe escribir la conclusin a la
que se llega. Por ejemplo:
Se encontr que la proporcin de posibles votantes que
prefieren a Fox o a Crdenas
es diferente antes y despus
2
del debate televisado
= 8.5, p < 0.01).
(X
Como puede apreciarse en la grfica, aument el
porcentaje de posibles votantes por Crdenas entre la
primera y segunda medicin, mientras que disminuy la
proporcin de posibles votantes por Fox.
Preferencias Electorales Antes y

Despus del Debate Televisado*
80
60
63.6
59.7
36.4
% 40
20
40.3
Fox
Crdenas
0
Antes del debate
Despus del
debate
* X2 = 8.5, p = 0.004
Anlisis de Varianza (Prueba F)

Uno de los usos del anlisis de varianza (ANOVA por sus iniciales en ingls) es el comparar tres o
ms grupos independientes, es una prueba paramtrica, es decir necesita cumplir las siguientes
caractersticas:
Seleccin completamente aleatoria de los grupos

Homocedasticidad (homogeneidad de las varianzas de los grupos en todos los grupos)
Distribucin normal de la variable dependiente en todos los grupos
Nivel intervalar de la variable dependiente
El anlisis de varianza agrupa una variedad de mtodos para anlisis de datos de diseos estadsticos
muy complicados, tanto que han merecido la publicacin de diversos libros en que se describen esos
mtodos y sus aplicaciones prcticas. En este caso, se presenta la utilizacin ms simple de esta
prueba: ANOVA de una va o factor (una sola variable independiente) para probar una hiptesis
basada en las medias de tres o ms grupos independientes.
La prueba F se calcula mediante la siguiente frmula:
CM int er
F
CM int ra
dnde CMinter es el cuadrado medio intergrupos y CMintra es el cuadrado medio intragrupos, para
calcular ambos datos se deben obtener los siguientes valores:
1. Suma de cuadrados total (SCT):
SCT
2. La suma de cuadrados intergrupal (SCinter):

SCint er
X 2
X
2
n
X 2
N
3. La suma de cuadrados intragrupal (SCintra):

SCint ra SCT SCint er
4. Calcular los cuadrados medios (CM) intra e intergrupos:
CM int er
er
SCint
glint er
CM int ra
SCint ra
glint ra
5. Calcular los grados de libertad intergrupos, itragrupos y total:

glinter = nmero de grupos (k) menos 1 (k 1)
glintra = suma de casos en cada grupo menos 1: (n1 1) + (n2 1) + ... (nk 1)
glT = nmero total de casos (N) menos 1 (N 1)
Problema para explicar el procedimiento para Anlisis de Varianza de una Va:

Se desea probar el efecto del empleo de tres mtodos de enseanza de biologa: uno multimedia, uno
tradicional y uno combinando ambos mtodos, para ello se asign al azar a 21 alumnos en tres grupos
de 7 personas cada uno, en cada uno de estos se curso un plan de estudios basado en los diferentes
mtodos y al final de cada uno de los cursos se aplic una prueba de conocimientos, los puntajes
obtenidos por los sujetos asistentes a cada uno de los cursos se muestran a continuacin:
Es un problema de Comparacin, 3 grupos independientes, Nivel de medicin intervalar, Prueba
estadstica: Anlisis de Varianza
H0: El nivel de conocimientos adquiridos en biologa es igual entre el grupo del curso
multimedia (X1), el grupo del curso tradicional (X2) y el grupo del curso que emplea ambos
mtodos (X3).
X1
X2
X3
6
4
14
4
6
12
14
12
18
16
8
6
12
10
= 82
n1 = 7
X 1 = 11.71
1
X2
18
17
16
18
12
17
10
= 60
n2 = 7
144
324
256
64
36
144
100
= 108
n3 = 7
X 2 = 8.57
X =250 X
N = 21
X 3 = 15.43
2
1
X 32
X 22
= 1068
36
16
196
16
36
144
196
X 2 = 640
325
289
256
324
144
289
100
X 2 = 1727
3
=3435
X T =11.9
Pasos a seguir para el clculo de F

2
1. Una vez que se tienen los puntajes (X1, X2 y X3) se deben elevar al cuadrado para cada grupo ( X 1 ,
2
X 2 y X 3 ), se deben sumar los puntajes por grupo ( X1 ,
) y hacer un total de
estas sumatorias ( X ), posteriormente sumar los puntajes elevados al cuadrado por grupo
( X1 ,
2
) y tambin hacer un total de estas sumatorias (
2. Determinaremos el nmero de casos por grupo (n1, n2 y n3) y la suma de casos total (N) para
X )
X
)
y
el
promedio
total
(
X
despus obtener las medias por grupo ( X 1 X 2

3
T
N
,
y
3. Teniendo los datos anteriores se deben obtener los valores necesarios para calcular la prueba F
utilizando las frmulas descritas anteriormente:
SCT
3435
SC
250 2
21
3435
62500
21
3435 2976.2 = 458.8
2
2
108 250
6724 3600 11664
62500

int er

7
7
7
21
7
21
7
7
82
60
= 960.6 + 514.3 + 1666.3 2976.2 = 3141.2 2976.2 = 165
SCint ra 458.8 165 = 293.8
CM
int
er
165
2
82.5
CM int
ra
293.8
18
16.3
glinter = 3 1 = 2
glintra = (7 1) + (7 1) + (7 1) = 6 + 6 + 6 = 18
Para finalmente calcular el valor de F:
glT = 21 1 = 20
82.5
F
5.06
16.3
Los datos calculados deben ser organizados en una tabla como la siguiente:
Fuentes de Variacin
gl
Suma de Cuadrados Cuadrado medio
Intergrupos
2
165
82.5
Intragrupos
18
293.8
16.3
Total
20
458.8
F
5.06
Valores crticos de 5% (tipo claro) y 1 % (tipo negro) para la distribucin de

F
f1 Grados de libertad (para una media cuadrada mayor)
f2
10
11
12
14
16
20
24
30
40
50
75
100
200
500
f2
161
4.052
200
4.999
216
5.403
225
5.625
230
5.764
234
5.859
237
5.928
239
5.981
241
6.022
242
6.056
243
6.082
244
6.106
245
6.142
246
6.169
248
6.208
249
6.234
250
6.258
251
6.286
252
6.302
253
6.323
253
6.334
254
6.352
254
6.361
254
6.366
18.51
98.49
19.00
99.00
19.16
99.17
19.25
99.25
19.30
99.30
19.33
99.33
19.36
99.34
19.37
99.36
19.38
99.38
19.39
99.40
19.40
99.41
19.41
99.42
19.42
99.43
19.43
99.44
19.44
99.45
19.45
99.46
19.46
99.47
19.47
99.48
19.47
99.48
19.48
99.49
19.49
99.49
19.49
99.49
19.50
99.50
19.50
99.50
10.13
34.12
9.55
30.82
9.28
29.46
9.12
28.71
9.01
28.24
8.94
27.91
8.88
29.67
8.84
27.49
8.81
27.34
8.78
27.23
8.76
27.13
8.74
217.05
8.71
26.92
8.69
26.83
8.66
26.69
8.64
26.60
8.62
26.50
8.60
26.41
8.58
26.35
8.57
26.27
8.56
26.23
8.54
26.18
8.54
26.14
8.53
26.12
7.71
21.20
6.94
18.00
6.59
16.69
6.39
15.98
6.26
15.52
6.16
15.21
6.09
14.98
6.04
14.80
6.00
14.66
5.96
14.54
5.93
14.45
5.91
14.37
5.87
14.24
5.84
14.15
5.80
14.02
5.77
13.93
5.74
13.83
5.71
13.74
5.70
13.69
5.68
13.61
5.66
13.57
5.65
13.52
5.64
13.48
5.63
13.46
6.61
16.26
5.79
13.27
5.41
12.06
5.19
11.39
5.05
10.97
4.95
10.67
4.88
10.45
4.82
10.27
4.78
10.15
4.74
10.05
4.70
9.96
4.68
9.89
4.64
9.77
4.60
9.68
4.56
9.55
4.53
9.47
4.50
9.38
4.46
9.29
4.44
9.24
4.42
9.17
4.40
9.13
4.38
9.07
4.37
9.04
4.36
9.02
5.99
13.74
5.14
10.92
4.76
9.78
4.53
9.15
4.39
8.75
4.28
8.47
4.21
8.26
4.15
8.10
4.10
7.98
4.06
7.87
4.03
7.79
4.00
7.72
3.96
7.60
3.92
7.52
3.87
7.39
3.84
7.31
3.81
7.23
3.77
7.14
3.75
7.09
3.72
7.02
3.71
6.99
3.69
6.94
3.68
6.90
3.67
6.88
5.59
12.25
4.74
9.55
4.35
8.45
4.12
7.85
3.97
7.46
3.87
7.19
3.79
7.00
3.73
6.84
3.68
6.71
3.63
6.62
3.60
6.54
3.57
6.47
3.52
6.35
3.49
6.27
3.44
6.15
3.41
6.07
3.38
5.98
3.34
5.90
3.32
5.85
3-29
5.78
3.28
5.75
3.25
5.70
3.24
5.67
3.23
5.65
5.32
11.26
4.46
8.65
4.07
7.59
3.84
7.01
3.69
6.63
3.58
6.37
3.50
6.19
3.44
6.03
3.39
5.91
3.34
5.82
3.31
5.74
3.28
5.67
3.23
5.56
3.20
5.48
3.15
5.36
3.12
5.28
3.08
5.20
3.05
5.11
3.03
5.06
3.00
5.00
2.98
4.96
2.96
4.91
2.94
4.88
2.93
4.86
5.12
10.56
4.26
8.02
3.86
6.99
3.63
6.42
3.48
6.06
3.37
5.80
3.29
5.62
3.23
5.47
3.18
5.35
3.13
5.26
3.10
5.18
3.07
5.11
3.02
5.00
2.98
4.92
2.93
4.80
2.90
4.73
2.86
4.64
2.82
4.56
2.80
4.51
2.77
4.45
2.76
4.41
2.73
4.36
2.72
4.33
2.71
10
4.96
10.04
4.10
7.56
3.71
6.55
3.48
5.99
3.33
5.64
3.22
5.39
3.14
5.21
3.07
5.06
3.02
4.95
2.97
4.85
2.94
4.78
2.91
4.71
2.86
4.60
2.82
4.52
2.77
4.41
2.74
4.33
2.70
4.25
2.67
4.17
2.64
4.12
2.61
4.05
2.59
4.01
2.56
3.96
2.55
3.93
11
4.84
9.65
3.98
7.20
3.59
6.22
3.36
5.67
3.20
5.32
3.09
5.07
3.01
4.88
2.95
4.74
2.90
4.63
2.86
4.54
2.82
4.46
2.79
4.40
2.74
4.29
2.70
4.21
2.65
4.10
2.61
4.02
2.57
3.94
2.53
3.86
2.50
3.80
2.47
3.74
2.45
3.70
2.42
3.66
2.41
12
4.75
9.33
3.88
6.93
3.49
5.95
3.26
.5.41
3.11
5.06
3.00
4.82
2.92
4.65
2.85
4.50
2.80
4.39
2.76
430
2.72
4.22
2.69
4.16
2.64
4.05
2.60
3.98
2.54
3.86
2.50
3.78
2.46
3.70
2.42
3.61
2.40
3.56
2.36
3.49
2.35
3.46
2.32
3.41
13
4.67
9.07
3.80
6.70
3.41
5.74
3.18
5.20
3.02
4.86
2.92
4.62
2.84
4.44
2.72
4.30
2.77
4.19
2.63
4.10
2.63
4.02
2.60
3.96
2.55
3.85
2.51
3.78
2.46
3.67
2.42
3.59
2.38
3.51
2.34
3.42
2.32
3.37
2.28
3.30
2.26
3.27
14
4.60
8.86
3.74
6.51
3.34
5.56
3.11
5.03
2.96
4.69
2.85
4.46
2.77
4.28
2.70
4.14
2.65
4.03
2.60
3.94
2.56
3.86
2.53
3.80
2.48
3.70
2.44
3.62
2.39
3.51
2.35
3.43
2.31
3.34
2.27
15
4.54
8.68
3.68
6.36
3.29
5.42
3.06
4.89
2.90
4.56
2.79
4.32
2.70
4.14
2.64
4.00
2.59
3.89
2.55
3.80
2.51
3.73
2.48
3.67
2.43
3.56
2.39
3.48
2.33
16
4.49
8.53
3.63
6.23
3.24
5.29
3.01
4.77
2.85
4.44
2.74
4.20
2.66
4.03
2.59
3.89
2.54
3.78
2.49
3.69
2.45
3.61
2.42
17
4.45
8.40
3.59
6.11
3.20
5.18
2.96
4.67
2.81
4.34
2.70
4.10
2.62
3.93
2.55
3.79
2.50
3.68
2.45
3.59
2.41
18
4.41
8.28
4.38
8.18
3.55
6.01
3.16
5.09
3.13
5.01
2.93
4.58
2.77
4.25
2.66
4.01
2.58
3.85
2.51
3.71
2.46
2.63
2.55
4.35
8.10
3.49
19
20
3.52
5.93
2.90
4.50
2.87
4.43
4. Se debe encontrar el valor crtico de F en la tabla, para ello se tiene que identificar, entre el
cuadrado medio intergrupos y el cuadrado medio intragrupos, cul es el mayor; en las columnas
se debe buscar con los grados de libertad correspondientes al cuadrado medio mayor y en los
renglones los grados de libertad del cuadrado medio menor. Se debe elegir un valor de acuerdo
con el nivel de significancia elegido para la prueba de la H0. La regla de decisin para Anlisis
de Varianza es: si el valor calculado es mayor o igual al valor de tabla, se rechaza la
hiptesis nula.
El cuadrado medio mayor en este caso es el de intergrupos (CMinter = 82.5) con glinter = 2, y para
el cuadrado medio menor es el de intragrupos (CMintra = 16.3) con glintra = 18, buscando en la
tabla se tiene, para 2 grados en las columnas y 18 grados de libertad en los renglones, a un nivel
de significancia de 0.05, un valor de F = 3.55. El valor de F es mayor al de tabla por lo que se
rechaza la hiptesis nula, entonces: el nivel de conocimientos adquiridos en biologa es diferente
entre el grupo del curso multimedia, el grupo del curso tradicional y el grupo del curso que
emplea ambos mtodos.
Comparaciones Posteriores a F
Cuando se ha determinado que existen diferencias significativas entre los grupos, se debe especificar
dnde se encuentran las diferencias, para ello se analizan los grupos por pares, para hacerlo existen
varios mtodos, ms o menos estrictos, diseados para evitar el error Tipo I debido al efecto
Bonferroni.
El efecto Bonferroni se refiere al hecho de que al hacer las diferentes comparaciones entre los grupos
organizados por parejas, por ejemplo con la prueba t, el efecto acumulativo sobre el nivel de
significancia, del empleo de cada grupo ms de una vez para hacer todas las comparaciones (0.05
para la primera, aproximadamente 0.1 para la segunda, aproximadamente 0.15 para la tercera, etc.),
nos hace rechazar la hiptesis nula cuando sta no debera ser rechazada.
Uno de los mtodos es el diseado por Scheffe, en que se 2utiliza la siguiente frmula:
X 1 X 2
F
CM int ra n1 n2
n1n2
Para nuestro ejemplo, al comparar el grupo 1 y el grupo 2, la F es igual a:
2
11.71 8.57 2 3.14 9.8596
9.8596
F
2.12
14
16.30.2857 4.6571
77
16.3
16.3
49
77
Para el grupo 1 y el grupo 3, la F es: 2
11.71 15.43
F
16.3
77
77
Para el grupo 2 y el grupo 3, la F es:2

8.57 15.43
F
16.3
3.72
77
77
14
16.3
6.86
16.3
49
13.8384
14
49
16.30.2857
47.0596
16.30.2857
9.8596
4.6571
2.97
47.0596
4.6571
10.1
Se debe hacer un ajuste sobre el nivel de significancia, para corregir el efecto Bonferroni,
multiplicando el valor de F en tabla, encontrado para la prueba general, por el nmero de grupos
menos 1 (k 1), para este caso el valor en tabla es 3.55 para el nivel de significancia de 0.05 con 2 y
18 grados de libertad, el ajuste se hara como sigue:
Ftabla ajustado = (3.55)(3 1) = (3.55)(2) = 7.1
Las hiptesis nulas que se estn probando son:
X1
X2 X1
X3
X 2 = X 3 . La regla de
=
,
=
y
decisin es: el valor de F de cada comparacin debe ser mayor o igual al valor de tabla ajustado
para rechazar la hiptesis nula. Como se puede apreciar, slo el valor de F para la comparacin
entre el grupo 2 y el grupo 3 es mayor al valor de tabla ajustado, por lo que el nivel de conocimientos
adquiridos en biologa es diferente entre el grupo del curso tradicional y el grupo del curso que
emplea ambos mtodos y podemos decir que las diferencias en el Anlisis de Varianza son debidas a
este resultado.
Por otro lado, la prueba F de una va en el paquete estadstico SPSS se encuentra en Analizar /
Comparar medias / ANOVA de un Factor, se presentaran los siguientes resultados para el ejemplo
que estamos utilizando:
ANOVA de un factor
Descriptivos
Calificacin en el Examen de Conocimientos
N
Multimedia
Tradicional
Ambos
Total
7
7
7
21
Media
11.71
8.57
15.43
11.90
Desviacin
tpica
4.23
4.58
3.15
4.78
Error tpico
1.60
1.73
1.19
1.04
Intervalo de confianza para

la media al 95%
Lmite
Lmite inferior
superior
7.80
15.63
4.34
12.80
12.51
18.35
9.73
14.08
Mnimo
6
4
10
4
Mximo
18
14
18
18
En primer lugar se
presentan las estadsticas descriptivas
para los grupos.
Lo siguiente es la prueba de homogeneidad de
Prueba de homogeneidad de
varianzas
2

Estadstico
de Levene
1.264
gl1
gl2
2
18
varianzas entre los grupos, H0: s1 s2 s3 , la

Sig.
.306
ANOVA
Suma de
Media
cuadrados
cuadrtica
gl
Inter-grupos
164.952
2
82.476
Intra-grupos
292.857
18
16.270
Total
457.810
20
regla de decisin es: si el nivel de significancia

es menor o igual al establecido se rechaza la
H0, en este caso el valor de significancia (0.306)
es mayor a 0.05, por lo que no se rechaza H0,
entonces: las varianzas de los
grupos son iguales.
A continuacin se muestran los resultados de la
F
prueba
FSig.(suma de cuadrados, grados de libertad,
5.069
.018
cuadrados medios), el valor de F y
la
significancia que son los
datos que se utilizan para la regla de decisin (ver datos en el crculo), la regla es: si el nivel de
significancia encontrado es menor o igual a 0.05 se rechaza H0.
La significancia de la prueba F (= 0.018) es menor a 0.05 por lo que se rechaza H0, entonces: el
nivel de conocimientos adquiridos en biologa es diferente entre el grupo del curso multimedia, el
grupo del curso tradicional y el grupo del curso que emplea ambos mtodos.
Pruebas post
hoc
Para
finalizar
se
Comparaciones mltiples
Variable dependiente: Calificacin en el Examen de

Conocimientos Bonferroni
*. La diferencia entre las medias es

significativa al nivel .05.
(I) Mtodo de Enseanza

Multimedia
(J) Mtodo de Enseanza

Tradicional
Diferencia de
medias (I-J)
3.14
-3.71
presentan los Ambos

resultados de las
Multimedia
comparaciones
posteriores,-3.14
Ambos
-6.86*
primero la comparaAmbos
Multimediacin del grupo 3.71
6.86*
1 con el grupo 2Tradicional
y 3, despus el
Tradicional
Error tpico
2.16
2.16
2.16
2.16
2.16
2.16
Sig.
.486
.306
.486
.016
.306
.016
Intervalo de confianza al
95%
Lmite
Lmite inferior
superior
-2.55
8.83
-9.40
1.98
-8.83
-12.55
-1.98
1.17
2.55
-1.17
9.40
12.55
2 con el 1 y el 3, y al
ltimo el 3 con el 1 y 2
(ver flechas).
Esta organizacin presenta comparaciones redundantes (en este caso se repiten dos veces cada una),
nicamente invirtiendo el orden de los grupos, se puede utilizar cualquiera no importando cual grupo
se pone primero y cual despus, teniendo cuidado de tomar los valores de significancia de todas las
comparaciones posibles.
Las hiptesis nulas que se prueban son:
X1
X2 X1
X 3 X 2 = X 3 . La regla de decisin para

y
cada comparacin es: si el nivel de significancia es menor o igual a 0.05 se rechaza la hiptesis
nula.
=
Como se puede observar la significancia de la comparacin del grupo 1 (multimedia) y 2 (tradicional)

es de 0.486 (ver recuadro), del 1 con el 3 (ambos) es 0.306 (ver datos en el hexgono) y del 2 y 3 de
1.16 (ver datos en el crculo), siguiendo la regla de decisin, la nica comparacin con diferencias
estadsticamente significativas es la correspondiente al grupo 2 (tradicional) vs. el grupo 3 (ambos),
entonces: el nivel de conocimientos adquiridos en biologa es diferente entre el grupo del curso
tradicional y el grupo del curso que emplea ambos mtodos y podemos decir que las diferencias en el
Anlisis de Varianza son debidas a este resultado.
Reporte de resultados de la prueba F
Para esta prueba se puede utilizar una grfica de barras con las medias de cada grupo, es importante
mencionar los valores de la prueba estadstica, grados de libertad y el nivel de significancia con que
se est rechazando, o aceptando, la hiptesis nula. Se puede poner el valor de probabilidad obtenido o
Promedio de Calificaciones en Biologa
por Mtodo de Estudio*
Media
En lo que respecta a los mtodos de enseanza, se

encontraron diferencias en el nivel de conocimientos
adquiridos en biologa entre el grupo del curso
multimedia, el grupo del curso tradicional y el grupo del
curso que emplea ambos mtodos (F = 5.069; gl = 2, 18;
p < 0.05). Este resultado se debe a que se encontraron
diferencias en el nivel de conocimientos de biologa entre
el grupo del curso tradicional y el que emplea ambos
mtodos (p < 0.05), no observndose diferencias en las
otras comparaciones.
16
14
12
10
8
6
4
2
0
15.43
11.71
8.57
Curso
Multimedia
Curso
Tradicional
Ambos
Como puede observarse en la grfica, el grupo en que se

* F = 5.069; gl = 2, 18; p = 0.018
Curso tradicional < Ambos, p = 0.016
emplearon ambos mtodos tuvo el promedio ms alto
(15.43), seguido del curso multimedia (11.71),
obteniendo la media ms baja el grupo del mtodo tradicional (8.57).
Esta descripcin ser la base para hacer la discusin posterior de los resultados encontrados en el
estudio.
Anlisis de Varianza Unifactorial por Rangos de Kruskal-Wallis

La prueba de Kruskal Wallis pertenece a las pruebas no paramtricas de comparacin de tres o ms
muestras independientes, es decir:
Es libre de la curva normal, se usa la distribucin de chi cuadrada

Se utiliza para comparar tres o ms grupos de rangos (medianas) y determinar que las diferencias no
se deban al azar (que las diferencias sean estadsticamente significativas).
12
dnde:
N=
n=
R =
3 N 1 (1)
KW
N N
nR
1
nmero total de casos

nmero de casos de cada grupo
promedio de rangos de cada grupo
Sin embargo, si cuando se hace la asignacin de rangos hay observaciones empatadas, se debe hacer
una correccin a la frmula anterior como sigue:
12
2
nR
N N 1
3 N 1 (2)
KW
T
1 3
N N
dnde:
3
T t t
dnde:
t = nmero de empates en cada conjunto de rangos repetidos
En un hospital, se desea probar si hay diferencias en el nivel de estrs entre enfermeras de terapia
intensiva (X1), las de ciruga (X3) y las de urgencias (X2); el nivel de estrs se midi en una escala de
0 = nada, 1 = bajo, 2 = medio, 3 = alto, 4 = muy alto, las calificaciones se muestran a continuacin:
X1
3
2
1
1
0
2
1
X2
3
3
4
4
2
2
1
X3
4
3
2
4
3
4
n1 = 7
n2 = 7
n3 = 6
R1
13
8
3.5
3.5
1
8
3.5
= 40.5
R2
13
13
18
18
8
8
3.5
= 81.5
R3
18
13
8
18
13
18
= 88
N = 20
R1 = 5.79
R2 = 11.64
R3 = 14.67
correspondiente.
H0: El nivel de estrs es igual entre enfermeras de terapia intensiva (grupo 1), enfermeras de
ciruga (grupo 2) y enfermeras de urgencias (grupo 3)
Prueba estadstica: Kruskal-Wallis
2. En primer lugar se debe ordenar cada calificacin como si se tratara de un solo conjunto de datos
(se juntan los datos de todos los grupos) para asignar rangos.
Valor
0
1
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
Rango
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
al valor ms pequeo el rango 1, el valor ms bajo posible es el 0

el rango para los 1 es igual a
3.5
13
2 3 4 5
3.5
4
para el 2 debe considerarse que
en el orden sigue es el 6:
repetidos
(llamados
tambin
6 7 8 9 10
empates), el rango que les
8
de los rangos, es decir: la suma de
5
los lugares asignados de manera
para 3, empezando con el rango secuencial entre el nmero de veces
que se repite cada nmero
11 12 13 14 15
11:
13
5
18
para 4, empezando con el lugar

16 17 18 19 20
16:
18
5
2a. Se considera a cada nmero repetido como un conjunto de observaciones empatadas y el nmero
de veces que se repiten es el valor t, como vemos en la tabla anterior el primer conjunto es el
correspondiente a los unos, con un rango empatado igual a 3.5, stos se repiten 4 ocasiones por lo
que le valor t para el conjunto de unos es igual a 4. Siguiendo este procedimiento, t para el rango
8 correspondiente a la calificacin 2 es 5, despus el del rango 13 de la puntuacin igual a 3 es 5
y finalmente el rango 18 para los 4 tiene un valor t igual a 5.
Se pueden resumir estos datos, obtener el valor de T y
Conjunto
t
1 (3.5)
4
2 (8)
5
T , como sigue:
3 (13)
5
4 (18)
5
t3
3
T t t
64
60
125
120
125
120
125
120
= 420
3. Los rangos obtenidos se sustituyen en la columna correspondiente en R1 los asociados a las

observaciones del primer grupo, en R2 a los del segundo y en R3 a los del tercero, se deben sumar
los rangos para cada grupo por separado ( R1 , R2 y R3 ) y obtener el promedio de
rangos
para cada grupo, dividiendo la suma de rangos entre el nmero de sujetos en el grupo ( R1 , R2 y
R3 ).
4. A continuacin debe calcularse el valor de KW, si no hubo rangos empatados se debe utilizar la
frmula (1) y si hay rangos empatados, como es el caso del presente ejercicio, la frmula (2):
12
2
7 11.64 614.67 320 1
5.79
KW 2020 1
2
2
420
3
1
20 20
12
733.52 7 135.49 6215.21 32
KW 2021
1
420
1
8000 20
12
234.64 948.43 1291.26 63 0.02862474.3363
KW 420
1 0.053
420
1 7980
= 8.18
5. Se debe buscar el valor crtico de KW en tabla
correspondiente, para ello se utiliza el nmero
de sujetos de cada grupo y se selecciona el valor
crtico de acuerdo al nivel de significancia que
se desea utilizar. Sin embargo la tabla no es til
cuando se tiene un grupo con ms de 5 casos o
se comparan ms de tres grupos. En este caso se
debe utilizar la tabla de valores crticos de Chi
cuadrada (ver pgina 35) pues podemos asumir
que la distribucin es similar a la de chi
cuadrada. Para esta tabla se necesitan calcular
los grados de libertad con gl = k 1, donde k es
el nmero de grupos y establecer el nivel de
significancia deseado para probar la hiptesis
nula. La regla de decisin es: si el valor
obtenido es mayor o igual al de tabla, se debe
rechazar la H0.
En este ejemplo se tienen ms de 5 sujetos en
todos los grupos por lo que se debe buscar el
2
valor crtico en la tabla de X con gl = 3 - 1 = 2
y el nivel de significancia establecido para
probar la hiptesis nula.
70.77 63
0.95
7.77
0.95
Valores crticos para el anlisis de

varianza unifactorial por rangos de
Kruskal-Wallis (KW)
Tamao de los
grupos
n1
n2
n3
3
2
2
3
3
1
3
3
2
3
3
3
4
2
2
4
3
1
4
3
2
4
3
3
0.05
4.71
5.14
5.36
5.60
5.33
5.21
5.44
5.73
0.01
5
5
5
3
5
5
4
5
5
5
Muestras grandes
5.34
5.71
5.64
5.78
5.99
7.27
7.54
7.77
7.98
9.21
7.20
6.44
6.75
El valor en la tabla de chi cuadrada al nivel de significancia de 0.05 es igual a 5.991. KW obtenida
es igual a 8.18, mayor a la de tabla por lo que se rechaza la H0, entonces: el nivel de estrs es
igual entre enfermeras de terapia intensiva, enfermeras de ciruga y enfermeras de urgencias.
5a. Si se tienen 5 casos o menos en todos los grupos, se debe usar la tabla de valores crticos para KW
para rechazar o aceptar la H0, el nmero de casos de cada grupo sirve para obtener el valor en la
tabla al nivel de significancia deseado. La regla de decisin es: si el valor obtenido es mayor o
igual al de tabla, se debe rechazar la H0.
Aunque en nuestro ejemplo tenemos ms de cinco casos por grupo, podemos utilizar la tabla
utilizando el valor para muestras grandes, ya que se estn comparando slo tres grupos, en sta
encontramos, al nivel de significancia de 0.05, un valor de KW de 5.99, que es igual al de la tabla
de chi cuadrada. Al comparar KW obtenida (8.18), encontramos que es mayor al valor de tabla,
por lo que se rechaza la hiptesis nula, por lo tanto: el nivel de estrs es igual entre enfermeras de
terapia intensiva, enfermeras de ciruga y enfermeras de urgencias.
Comparaciones mltiples entre tratamientos
Cuando se ha determinado que existen diferencias significativas entre los grupos, se debe especificar
dnde se encuentran las diferencias, para ello se analizan los grupos por pares, se calcula el valor
absoluto de las diferencias entre los promedios de rangos de cada comparacin posible, en este caso
son 3: grupo 1 vs. grupo 2, grupo 1 vs. grupo 3 y grupo 2 vs. grupo 3. El nmero de comparaciones
por hacer est determinado por:
k k 1 33 1 32 6
3
#c
2
2
2
2
donde k es el nmero de grupos a comparar (3 para el presente ejemplo)
Las diferencias entre los promedios de los rangos para las tres comparaciones son:
R1 R2 5.79 -11.64 - 5.85 5.85
R1 R3 5.79 -14.67 - 8.88 8.88
R2 R3 11.64
- 3.03 3.03
-14.67
Para probar la hiptesis nula de que el nivel de estrs es igual entre cada pareja de grupos a comparar,
debe calcularse el valor crtico de la diferencia con la siguiente frmula, que debe evaluarse para cada
pareja de grupos comparada:
1
Valores crticos de z para el nmero
z / k k 1 N N
de comparaciones mltiples con
1 1
n
hiptesis bidireccional
12
n
v
u
donde:
z/k(k 1) es el valor de z para k(k 1) al nivel de significancia

Nmero de
0.05
establecido
comaparaciones (#c)
1
N
es el total de casos de todos los grupos
1.960
2
2.241
nu
es el nmero de casos en el primer grupo en la
3
2.394
comparacin
4
2.498
nv
es el nmero de casos en el segundo grupo en
5
2.576
la comparacin
6
2.638
7
2.690
El valor de z puede ser tomado de la tabla de valores crticos de z, usando el nmero de

comparaciones que tienen que hacerse, donde podemos observar que, para el nivel de significancia de
0.05, con tres comparaciones se tiene un valor de 2.394.
Para cada comparacin la hiptesis a probar es si el nivel de estrs es igual entre los dos grupos
comparados. La regla de decisin es: si la diferencia encontrada entre los grupos comparados es
mayor o igual al valor crtico calculado se rechaza la hiptesis nula.
Sustituyendo en la frmula para obtener el valor crtico de la diferencia entre los promedios de rangos
de los grupos 1 y 2 es el siguiente, se prueba la hiptesis nula de que el nivel de estrs es igual entre
2021
el grupo 1 y 2:
2020
0.143
0.143
2.394
1 1 1
2.394
0.2862.394 350.286
2.394
12
420

2.394
12
12
7 7
10.01 2.3943.1647.58
Para las diferencias entre el grupo 1 y 3, as como para las del 2 y 3, se usa el mismo valor crtico ya
que nu es igual a 7 y nv es igual a 6 para ambas comparaciones, las hiptesis nulas son: Md1 = Md2 y
2021
420
Md2 = Md3:
2020
0.143
0.312.394
0.167
2.394
1 1 1
2.394
350.31
2.394
12
12

2.39
10.85 2.3943.2947.89
4
12
7 6
Como se puede apreciar, slo la diferencia de los promedios de los rangos entre el grupo 1 y el grupo
3 (8.88) es mayor al valor crtico de la diferencia para la comparacin entre esos grupos (7.89), por lo
que podemos decir que el nivel de estrs es diferente entre estos grupos. Las diferencias encontradas
en la prueba de Kruskal-Wallis son debidas a este resultado.
La prueba de Kruskal-Wallis en el paquete estadstico SPSS se encuentra en Analizar / Pruebas
no paramtricas / k muestras independientes, los resultados para el ejemplo anterior seran los
siguientes:
Prueba de Kruskal-Wallis
Rangos
Nivel de estrs
Grupo
Enfermeras de terapia
intensiva
Enfermeras de ciruga
Enfermeras de
emergencias
Total
Estadsticos de contrastea,b
Chi-cuadrado
gl
Sig. asintt.
Nivel de
estrs
8.109
2
.017
a. Prueba de Kruskal-Wallis
b. Variable de agrupacin: Grupo
Rango
promedio
N
7
5.79
11.64
14.67
20
En
prim
er
lugar
, se
prese
ntan
los
grup
os
comp
arado
s,
con
el
nme
ro de casos y los rangos promedio, que

se obtienen de dividir la suma de
rangos de cada grupo entre la cantidad de
casos en el grupo.
Finalmente, se presentan los valores de la chi cuadrada, as como

los grados de libertad y el valor de significancia de la prueba
(ver datos en el crculo), se debe recordar que en el paquete
estadstico la regla de decisin es: si la significancia es menor
o igual a 0.05 se debe rechazar la hiptesis nula, en este caso
tenemos una significancia de 0.017, menor a 0.05, por lo que se
rechaza la hiptesis nula y debemos concluir que: el nivel de
estrs es diferente entre enfermeras de terapia intensiva,
enfermeras de ciruga y enfermeras de urgencias.
Nota: Las comparaciones mltiples se pueden hacer mediante U de Mann Whitney, pero se debe
recordar ajustar el nivel de significancia que se obtenga en el anlisis, multiplicndolo por el
nmero de grupos menos 1: (k 1), si el nivel de significancia despus de este ajuste, es menor
a 0.05 se rechazar la hiptesis nula de la comparacin correspondiente.
Reporte de resultados de la prueba de Kruskal-Wallis
Para esta prueba se puede utilizar una grfica de barras con las medianas, aunque se puede utilizar la
media rango, obtenida de dividir la suma de rangos de cada grupo entre la cantidad de casos en el
grupo, aunque este dato es de difcil interpretacin. Se deben mencionar los valores de la prueba
estadstica y el nivel de significancia con que se est rechazando, o aceptando, la hiptesis nula. Se
puede poner el valor de probabilidad obtenido o simplemente decir que es menor, o mayor, al valor
que hayamos elegido para la prueba de hiptesis. Adems se
Nivel de Estrs entre Enfermeras de
debe describir la conclusin a la que se llega. Por ejemplo:
Como se puede apreciar en la grfica, las enfermeras en

urgencias presentan el nivel de estrs ms alto, seguidas
de las enfermeras de ciruga y las que tienen el nivel ms
bajo de estrs son las de terapia intensiva.
Terapia Intensiva, de Ciruga y de

Urgencias*
Mediana
Se observaron diferencias en el nivel de estrs entre

enfermeras de terapia intensiva, enfermeras de ciruga y
2
enfermeras de urgencias (X = 8.109, gl = 1, p < 0.05).
3.5
3
2.5
2
1.5
1
0.5
0
3.5
3
Terapia
intensiva
Ciruga
Urgencias
* X2 = 8.109, gl = 1, p = 0.17
Anlisis de Varianza de dos Clasificaciones por Rangos de Friedman

La prueba de Friedman pertenece a las pruebas no paramtricas de comparacin de tres o ms
muestras relacionadas, es decir:
Es libre de la curva normal, se usa la distribucin de chi cuadrada
Se utiliza para comparar tres o ms grupos de rangos (medianas) relacionados y determinar que las
diferencias no se deban al azar (que las diferencias sean estadsticamente significativas).
12
Fr
Nk k
R
dnde:
1
N = nmero total de casos
k=
nmero de mediciones
R = suma de rangos de cada medicin
3N k 1 (1)
Sin embargo, si cuando se hace la asignacin de rangos hay observaciones empatadas, se debe hacer
una correccin a la frmula anterior como sigue:
2
2
2
12R 3N k k 1
(2)
Fr
3
Nk
Nk k
k 1
1
dnde:
t = nmero de empates en cada conjunto de rangos iguales por cada sujeto, se incluyen los
conjuntos con rangos nicos (empates = 1).
Se desea probar si hay diferencias en el nivel de estrs laboral en trabajadores de una empresa antes y
despus de un taller sobre manejo del estrs en el trabajo, adems se realiz medicin de seguimiento
un mes despus de finalizado taller; el nivel de estrs se midi en una escala de 0 = nada, 1 = bajo, 2
= medio, 3 = alto, 4 = muy alto, las calificaciones se muestran a continuacin:
X
3
3
2
4
3
3
1
Y
2
1
1
2
1
0
2
N=7
Z
3
2
1
2
2
1
4
Rangos para X Rangos para Y Rangos para Z

2.5
1
2.5
3
1
2
3
1.5
1.5
3
1.5
1.5
3
1
2
3
1
2
1
2
3
RX = 18.5
RY = 9
RZ = 14.5
2
2
2
RY = 81
RX = 342.25
R Z = 210.25
= 633.5
correspondiente.
H0: El nivel de estrs laboral en trabajadores es igual antes del taller para el manejo del
estrs en el trabajo, despus del taller y en el seguimiento.
Prueba estadstica: Friedman
2. Se deben ordenar los datos observados de las mediciones por sujeto y asignar un rango a cada
calificacin:
Sujeto
1
2
3
4
5
6
7
Ordenamiento de las mediciones por

sujeto de la calificacin menor a la
mayor en el sentido de la flecha
2
1
1
2
1
0
1
3
2
1
2
2
1
2
3
3
2
4
3
3
4
Sujeto
1
2
3
4
5
6
7
Asignar rangos a las calificaciones de

cada sujeto de acuerdo al orden
establecido, al valor ms pequeo de
cada sujeto se le otorga el rango 1,
siendo el 0 el valor mas bajo posible
1
1
1.5
1.5
1
1
1
2.5
2
1.5
1.5
2
2
2
2.5
3
3
3
3
3
3
Para los datos del presente ejercicio se tienen 3 mediciones por lo que el rango mnimo por
asignar a las calificaciones por sujeto es 1 y el mximo es el 3. Sin embargo, cuando existen
observaciones repetidas (empates), el rango que les corresponde es igual al promedio de los
rangos, es decir: la suma de los lugares asignados de manera secuencial entre el nmero de veces
que se repite cada nmero, por ejemplo: para el sujeto 1 existe un empate con el 3 que se repite 2
veces en las posiciones 2 y 3 por lo que el rango debe ser: 2 3 2.5 ; para el tercer sujeto el 1 se
2
repite 2 ocasiones en los lugares 1 y 2, el rango correspondiente debe calcularse como sigue:
1 2
1.5 . Finalmente para el cuarto caso el 2 se repite 2 ocasiones en las posiciones 1 y 2, el
2
1 2
rango correspondiente es:
1.5 (estos son los rangos sombreados en la tabla de arriba).
2
2a. Se considera a cada nmero repetido como observaciones empatadas y el nmero de veces que se
repiten es el valor t, que representa un conjunto de empates por sujeto: el primer conjunto es el
del rango 2.5 del caso 1, que se repite 2 veces, por lo que para este conjunto t es igual a 2; el
segundo conjunto es el correspondiente al rango empatado igual a 1.5 del sujeto 3, que se repite 2
veces, por lo que t para este conjunto es igual a 2 y el tercer conjunto es el correspondiente al
sujeto 4 en el rango 1.5, que se repite 2 veces, con un valor t igual a 2. Es decir, existen tres
conjuntos de empates, cada uno con t igual a 2.
Para esta prueba es necesario considerar adems a todos los rangos no repetidos como un
conjunto con t igual a 1, pues se deben incluir en el ajuste de la frmula.
Se pueden resumir estos datos como sigue, escribiendo el valor de t y calculando t y t :

t 3 t13 t23 t33 ... tc3
Caso 1
Caso 3
Caso 4
Para los 15 rangos
Conjunto
3 (2.5)
1 (1.5)
2 (1.5)
sin repeticin
siendo c el nmero total de conjuntos
3
t
2
2
2
1
t 8 8 8 (15)(1)
3
= 39
3. Una vez obtenidos los rangos, se deben colocar en la columna correspondiente a rangos para X, Y
y Z considerando la posicin original, antes del ordenamiento, de las calificaciones por sujeto. Por
ejemplo, para el sujeto 1: la calificacin en X es 3 y el rango asignado a X para este sujeto es 2.5,
la calificacin en Y es 2 y el rango asignado a Y es 1, finalmente la calificacin en Z es 3 y el
rango asignado a Z para este sujeto es 2.5. Esto debe hacerse para cada caso.
4. Teniendo acomodados los rangos, stos se deben sumar por columna, es decir para cada medicin
2
2
2
( RX ,
y RZ ) y elevar esas sumas al cuadrado ( R X RY RZ ).
RY
,
y
5. A continuacin debe calcularse el valor de
Friedman, si no hubo rangos empatados se debe
utilizar la frmula (1) y si hay rangos empatados,
como es el caso del presente ejercicio, la frmula
(2):
12633.5 372 33 12
Fr
733 1
73 39
3 1
2
7602 34934
21 39
7 34
2
7602
7602 7056 546
7.28
349316
75
84 9
18
84 2
Valores crticos para el prueba

estadstica de anlisis de varianza de
dos clasificaciones por rangos de
*
Friedman (Fr)
k
3
N
3
4
5
6
7
8
9
10
11
12
13
0.05
6.00
6.50
6.40
7.00
7.14
6.25
6.22
6.20
6.54
6.17
6.00
0.01
8.00
8.40
9.00
8.86
9.00
8.67
9.60
8.91
8.67
9.39
6. Una vez hecho lo anterior, se debe buscar el valor

5.99
9.21
crtico para la prueba de Friedman en la tabla, para

4
2
6.00
obtener este valor se usa el nmero de mediciones
7.40
(k) y el nmero de sujetos (N), adems del nivel de
significancia que se elija para probar la H0. La regla
de decisin es: si el valor de Fr obtenido es mayor o igual al valor en tabla se rechaza la
hiptesis nula.
Para este ejercicio, con 3 mediciones y 7 casos, usando un nivel de significancia de 0.05, el valor
de tabla es 7.14, el valor de Fr obtenido (7.28) es mayor por lo que H0 se rechaza, por lo tanto: el
nivel de estrs laboral de los trabajadores es diferente antes del taller para el manejo del estrs en
el trabajo, despus del taller y en el seguimiento.
6a. Si se tienen ms casos de los que pueden encontrarse en la tabla de Friedman, se puede asumir
que la distribucin es similar a la de Chi cuadrada, por lo que se debe usar esa tabla (ver pgina
35) para encontrar el valor crtico para probar la hiptesis nula. Los grados de libertad se calculan
con: gl = k 1, donde k es el nmero de mediciones. La regla de decisin es: si el valor
obtenido es mayor o igual al de tabla, se debe rechazar la H0.
Comparaciones mltiples entre mediciones

Cuando se ha determinado que existen diferencias significativas entre mediciones, se debe especificar
donde se encuentran las diferencias, para ello se analizan las mediciones por pares calculando el valor
absoluto de las diferencias entre las sumas de los rangos ( R X ,
y RZ ) de cada comparacin posible,
RY
en este caso son 3: R X vs. RY ,

determinado por:
RX
#c
vs. RZ y
RY
vs. RZ . El nmero de comparaciones por hacer est
k k 1 33 1 32
2
2
2
2
donde k es el nmero de mediciones (3 para el presente ejemplo)
Las diferencias entre los rangos son:

RX RY 18.5 - 9 9.5 9.5
RX RZ 18.5 -14.5 4 4
RY RZ 9 -14.5 - 5.5 5.5
Estas diferencias entre cada pareja de mediciones, deben de compararse con el valor crtico de la
diferencia, obtenido de la siguiente frmula:
Nk k
z/ k k 1
1
donde:
6
z/k(k 1) es el valor de z para k(k 1) al nivel de significancia establecido
N
es el total de casos
k
es el nmero de mediciones
El valor de z puede ser tomado de la tabla de valores crticos de z, donde podemos observar que para
el nivel de significancia de 0.05 para tres comparaciones, se tiene un valor de 2.394.
El valor crtico de la diferencia, se obtiene al sustituir los valores en la frmula:
2.394
733
1
6
84
2.394 2.394
6
14
2.3943.7428.958
Se deben de probar las siguientes hiptesis nulas: MdX =

MdY, MdX = MdZ y MdY = MdZ, la regla de decisin es: si
el valor de las diferencias entre las mediciones
comparadas es mayor o igual al valor crtico se rechaza
la hiptesis nula.
Como se puede apreciar, slo la diferencia entre la suma de
rangos de la medicin X y la medicin Y (9.5) es mayor al
valor crtico de la diferencia (8.958), por lo que slo en
este caso se rechaza la hiptesis nula y podemos decir que:
el nivel de estrs laboral de los trabajadores es diferente
entre estos grupos. Las diferencias significativas
encontradas en la prueba de Friedman son debidas a este
resultado.
Valores crticos de z para el nmero de

comparaciones mltiples con hiptesis
bidireccional
Nmero de
comaparaciones (#c)
1
2
3
4
5
6
0.05
1.960
2.241
2.394
2.498
2.576
2.638
La prueba de Friedman en el paquete estadstico SPSS se encuentra en Analizar / Pruebas no

paramtricas / k muestras relacionadas, los resultados para el ejemplo anterior seran los
siguientes:
Rangos
Rango
promedio
En Nivel
primer
lugar,
se presentan los rangos promedio, que se obtienen de dividir la suma de rangos
de estrs
antes
entredellaPrograma
cantidad de casos. 2.64
Nivel de estrs
despues del Programa
Nivel de estrs en el
seguimiento
a. Prueba de
Friedman
2.07
Finalmente, se presentan los valores de la chi cuadrada, as como los
Estadsticos de
contrastea
N
Chi-cuadrado
gl
Sig. asintt.
1.29
7
7.280
2
.026
grados de libertad y el valor de significancia de la prueba (ver datos en

el crculo), se debe recordar que en el paquete estadstico la regla de
decisin es: si la significancia es menor o igual a 0.05 se debe
rechazar la hiptesis nula.
En este ejemplo es de 0.026, menor a 0.05, por lo que se rechaza la hiptesis nula y debemos concluir
que: el nivel de estrs laboral de los trabajadores es diferente antes del taller para el manejo del estrs
en el trabajo, despus del taller y en el seguimiento.
Nota: Las comparaciones mltiples se pueden hacer mediante la prueba de Wilcoxon, pero se debe
recordar ajustar el nivel de significancia que se obtenga en el anlisis, multiplicndolo por el
nmero de mediciones menos 1: (k 1), si el nivel de significancia, despus de este ajuste, es
menor a 0.05 se rechazar la hiptesis nula de la comparacin correspondiente.
Reporte de resultados de la prueba de Friedman
entre mediciones) con las medianas, aunque se puede utilizar la media rango, obtenida de dividir la
suma de rangos en cada medicin entre la cantidad de sujetos, aunque este dato es de difcil
interpretacin. Se deben mencionar los valores de la prueba estadstica y el nivel de significancia con
que se est rechazando, o aceptando, la hiptesis nula. Se puede poner el valor de probabilidad
obtenido o simplemente decir que es menor, o mayor, al valor que hayamos elegido para la prueba de
hiptesis. Adems se debe escribir la conclusin a la que se llega. Por ejemplo:
Como puede apreciarse en la grfica, el nivel de

estrs laboral disminuy despus del taller y tuvo
un incremento en el seguimiento, aunque sin
llegar al nivel de estrs al inicio del estudio.
Estos datos se utilizarn para hacer la discusin
posterior de los resultados encontrados en el estudio
Nivel de Estrs Laboral entre las Tres

Mediciones*
Mediana
Con relacin al efecto del taller para el manejo del

estrs en el trabajo, se encontraron diferencias en
el nivel de estrs laboral antes del programa,
2
despus del programa y en el seguimiento (X =
7.28, gl = 2, p < 0.05).
4
3
2
1
1
0
Estrs
laboral
antes
del
taller
Estrs
laboral
despus
del taller
Seguimiento
* X2 = 7.28, gl = 2, p = 0.026
Prueba Q de Cochran
La prueba Q de Cochran es una prueba no paramtrica de comparacin de tres o ms muestras
relacionadas:
Es libre de la curva normal, se ajusta a la distribucin de Chi cuadrada
Nivel nominal (slo variables dicotmicas) de la variable dependiente
Se utiliza para comparar tres o ms grupos relacionados de proporciones y determinar que las
diferencias no se deban al azar (que las diferencias sean estadsticamente significativas).
La formula para calcular la Q de Cochran es la siguiente:
Q
dnde:
L=
G=
k=
k 1k G 2 G2
k L L
nmero aciertos (respuestas afirmativas) por sujeto

nmero aciertos (respuestas afirmativas) en cada medicin
nmero de mediciones

Se desea evaluar la efectividad de un programa para eliminar el consumo en usuarios de drogas, para
ello se registra si los usuarios consumen drogas al finalizar el programa (X), y se hace un seguimiento
a 3 (Y) y 6 meses (Z) en que se les vuelve a preguntar si consumen drogas, los datos se muestran a
continuacin:
2
X
Y
Z
L
L
0
0
0
0
0
1
1
0
2
4
0
1
0
1
1
0
0
0
0
0
1
0
0
1
1
1
1
0
2
4
1
1
0
2
4
0
1
0
1
1
1
0
0
1
1
0
0
0
0
0
1
1
1
3
9
1
1
1
3
9
1
1
0
2
4
1
1
0
2
4
1
1
0
2
4
1
1
1
3
9
1
1
0
2
4
1
1
0
2
4
L 29
2
GX = 13
GY = 13
GZ = 3
63
29
G
2
G X2 169
GY 169
GZ 9
L
2
347
H0: La proporcin de usuarios de drogas es igual al finalizar el programa para eliminar el
consumo y en los seguimientos a 3 y 6 meses.
Prueba estadstica: Q de Cochran
1. En primer lugar deben contarse los aciertos por sujeto (L), es decir, cuntos unos hay por rengln,
2
y elevar L al cuadrado (L )
2
2. Sumar L y L ( L .y
3. Contar los aciertos2 por medicin

(G1, G2 y G3), es decir, cuntos unos hay por columna, y elevar
2
G al
yG )
2 cuadrado ( G ,
G
1
4. Sumar G y G ( G .y
Nota: La
L y de G
son iguales porque ambas se refieren al total de aciertos.
5. Calcular la Q
3 1 3347 29 2
Q
329 63
23347841 21041-841
2200
87 - 63
24
400
24
24
16.667
6. Se tiene que encontrar el valor crtico en la tabla de valores crticos de Chi cuadrada (ver pgina
35) ya que la distribucin de esta prueba es similar a la de chi cuadrada, para ellos se tienen que
calcular los grados de libertad que se van a utilizar en la tabla con: gl = k 1, donde k es el
nmero de mediciones, adems de elegir el nivel de significancia para probar la hiptesis nula. La
regla de decisin establece que: si el valor de Q es mayor o igual al valor de la tabla se debe
rechazar la hiptesis nula.
En la tabla, al nivel de significancia de 0.05, con gl = 3 - 1 = 2 para el presente ejemplo, se tiene
un valor igual a 5.991. Q es igual a 16.667, mayor al valor de tabla, por lo que se rechaza la H0,
entonces: la proporcin de usuarios de drogas es diferente al finalizar el programa para eliminar el
consumo y en los seguimientos a 3 y 6 meses.
Q de Cochran en el paquete SPSS
En el paquete estadstico se tiene la prueba Q de Cochran est en Analizar / Pruebas no
paramtricas / k muestras relacionadas. Se presentan resultados como los siguientes:
Prueba de Cochran
Frecuencias
La primera parte describe la

Usa drogas (1era. medicin)
Usa drogas (2da. medicin)
Usa drogas (3era. medicin)
Valor
0frecuencia
1 de
5
13
5
13
15
3
las respuestas por cada medicin.
Estadsticos de contraste
N
18
Q de Cochran
16.667a
gl
Sig. asintt.
.000
a. 0 se trata como un
xito.
Finalmente se presenta el valor de Q, con los grados de libertad y la

significancia asociados (ver datos en el crculo), la regla de decisin
establece que si el nivel de significancia es menor o igual a 0.05 se
rechaza la hiptesis nula, en los resultados obtenidos se tiene una
significancia de 0.000, al ser menor a 0.05 se rechaza la hiptesis
nula, entonces: la proporcin de usuarios de drogas es diferente al
finalizar el programa para eliminar el consumo y en los seguimientos
a 3 y 6 meses.
Reporte de resultados de la prueba Q de Cochran

entre mediciones) con los porcentajes obtenidos en cada medicin. Se deben mencionar los valores de
la prueba estadstica y el nivel de significancia con que se est rechazando, o aceptando, la hiptesis
al valor que hayamos elegido para la prueba de hiptesis. Adems se debe escribir la conclusin a la
que se llega. Por ejemplo:
Se encontraron diferencias en la proporcin de
usuarios de drogas al finalizar el programa para
eliminar el consumo y en los seguimientos a 3 y 6
2
meses (X = 16.667, gl = 2, p < 0.001).
Como puede apreciarse en la grfica, la proporcin de
usuarios se mantuvo a los 3 meses del seguimiento y
disminuy en la siguiente medicin a los 6 meses.
Proporcin de Usuarios de Drogas al

Finalizar el Programa y en los
Seguimientos a 3 y 6 Meses*
80
72.2
72.2
60
% 40
20
Estos datos se utilizarn para hacer la discusin posterior

de los resultados encontrados en el
estudio
16.7
Final del
programa
2
Seguimiento 3
meses
Seguimiento 6
meses
* X = 16.667, gl = 2, p = 0.000
Pruebas de Asociacin
La correlacin refleja si existe relacin o asociacin entre dos variables, no se habla de causalidad por
lo que no hay una variable dependiente y una independiente, aunque puede suceder que una variable
sea antecedente de otra.
El coeficiente de correlacin puede adquirir valores de 1 a 1, incluyendo el cero, sus caractersticas
son:
El signo indica el sentido de la relacin, una correlacin negativa representa una asociacin
inversamente proporcional, es decir, a medida que una variable se incrementa, la otra
disminuye; por otro lado, en una correlacin positiva o directamente proporcional, a medida
que aumenta una, la otra tambin se incrementa.
La magnitud de la relacin esta dada por el valor del coeficiente y se interpreta como sigue:
de 0 hasta 0.299 no hay asociacin lineal entre las variables, desde 0.3 hasta antes de 0.499 es
baja, desde 0.5 hasta antes de 0.799 es moderada y desde 0.8 a 1 hay una correlacin alta
entre las variables.
La ausencia de asociacin lineal no significa necesariamente que las variables no tengan
relacin entre s. Existen muchas variables con una correlacin de tipo curvilneo y debe ser
evaluada de otra manera.
Una forma grfica de ver la relacin entre variables son las grficas de dispersin, donde cada punto
representa el lugar en que se cruzan las calificaciones de la primer variable (X) y la segunda variable
(Y) para cada sujeto. Si se traza una lnea que cruce la mayora de los puntos se puede apreciar el tipo
de relacin (ver la siguiente figura). En las relaciones curvas, para algunas magnitudes de X, Y
incrementa, pero disminuye en otros valores de X.
Tipos de Correlacin
Directamente proporcional
Inversamente proporcional
Sin relacin
X
Correlacin curvilnea
X
Correlacin curvilnea
Coeficiente de Correlacin Producto-Momento de Pearson

La funcin de la correlacin de Pearson es determinar si existe una relacin lineal entre dos variables
a nivel intervalar y que esta relacin no sea debida al azar (que la relacin sea estadsticamente
significativa).
La correlacin de Pearson se calcula mediante la siguiente frmula:
N XY X Y
rP
2
2
N X X 2 N Y Y 2
dnde:
N = nmero de sujetos
X, Y = calificaciones de las variables a relacionar
Problema para explicar el procedimiento para calcular la correlacin de Pearson:
Se desea saber si existe relacin entre la autoestima y la depresin en estudiantes de preparatoria.
Para ello, un investigador aplica una escala de depresin (X) en la que los estudiantes con
calificaciones ms altas tienen mayor depresin; tambin utiliza una escala de autoestima (Y) en la
que los puntajes mayores indican mayor autoestima. Los resultados se muestran a continuacin:
X
26
24
18
17
18
7
15
20
18
Y
8
12
26
29
30
31
19
18
28
X = 163
Y = 201
X 2 = 26569 Y 2 = 40401
X
676
576
324
289
324
49
225
400
324
= 3187
Y
64
144
676
841
900
961
361
324
784
= 5055
XY
208
288
468
493
540
217
285
360
504
XY = 3363
N=9
Procedimiento:
1. Se debe determinar el tipo de problema, el nivel de medicin, la prueba estadstica que debe
utilizarse y plantear la hiptesis nula que va a probar de acuerdo al nivel de medicin y tipo de
problema correspondiente.
Es un problema de Asociacin
Nivel de medicin intervalar para ambas variables
H0: No hay relacin lineal entre el puntaje de depresin y el de autoestima en estudiantes de
preparatoria.
Prueba estadstica: Correlacin Pearson
2. Se deben elevar al cuadrado los puntajes obtenidos para la primer variable (X) y los de la segunda
2
2
(Y) y escribirlos en las columnas X y Y . Multiplicar las dos calificaciones y colocar los
resultados en la columna correspondiente (XY).
3. Sumar los puntajes de las variables, as como los puntajes elevados al cuadrado de cada variable
( X y
), y elevar las sumas de las calificaciones al cuadrado ( X 2 y
Y 2 ).
4. Calcular la correlacin de Pearson:

93363 163201
rp
93187 2656995055 40401
30267 32763
28683 2656945495
- 2496
40401
21145094
- 2496
- 2496
10768716 3281.572 -0.761
5. Se debe buscar el valor crtico para la correlacin Pearson,

para ello se calculan los grados de libertad (gl = N 1) y
establecer el nivel de significancia para probar la H0, la regla
de decisin es: si el coeficiente calculado es mayor o igual
al de tabla se rechaza la hiptesis nula.
En este caso con 9 casos: gl = 9 1 = 8, por lo que r de tabla
al nivel de significancia de 0.05 es 0.6319. Observando el
coeficiente obtenido de -0.761, ste es mayor al compararlo
con el de tabla (no se debe considerar el signo) por lo que la
hiptesis nula se rechaza, entonces: existe una asociacin
lineal entre el puntaje de depresin y el de autoestima en
estudiantes de preparatoria. Adems esta relacin es
moderada (est en el rango de 0.05 a 0.8) e inversamente
proporcional (tiene signo negativo).
Valores de r para diferentes

niveles de significancia
gl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
0.05
.99692
.95000
.8783
.8114
.7545
.7067
.6664
.6319
.6021
.5760
.5529
.5324
5139
.1973
0.01
.999877
.990000
.95873
.91720
.8745
.8343
.7977
.7646
.7348
.7079
.6835
.6614
.6411
.6226
0.001
.9999988
.99900
.99116
.97406
.95074
.92493
.8982
.8721
.8471
.8233
.8010
La prueba de Pearson en el paquete estadstico SPSS se encuentra en Analizar / Correlaciones /

Bivariadas, los resultados para el ejemplo anterior seran los siguientes:
En el paquete estadstico siempre se presenta una matriz de correlacin, en sta se tienen todas las
variables incluidas en el anlisis en los renglones y se repiten en las columnas, en el lugar en que se
cruza cada par de variables se tiene el coeficiente de Pearson y el nivel de significancia obtenido,
adems del nmero de casos (ver datos en el crculo), como puede verse en la tabla de resultados, esta
organizacin nos presenta informacin redundante (la correlacin entre la pareja de variables siempre
se repite dos veces, se pueden tomar los resultados de cualquiera de las dos). La regla de decisin
es: si el nivel de significancia es menor o igual a 0.05, se rechaza la hiptesis nula,
En el presente ejemplo se tiene una significancia de 0.017, menor a 0.05, por lo que se rechaza la
hiptesis nula, entonces: existe una asociacin lineal entre el puntaje de depresin y el de autoestima
en estudiantes de preparatoria.
Adems esta relacin es moderada (est en el rango de 0.05 a 0.8) e inversamente proporcional (tiene
signo negativo).
Correlaciones
Correlaciones
Puntaje de depresin
Puntaje de autoestima
Correlacin de Pearson
Sig. (bilateral)
N
Correlacin de Pearson
Sig. (bilateral)
N
Puntaje de
depresin
1.000
.
9
-.761*
.017
9
Puntaje de
autoestima
-.761*
.017
9
1.000
.
9
*. La correlacin es significante al nivel 0,05 (bilateral).
Reporte de resultados de la correlacin Pearson

Para esta prueba se puede utilizar una grfica de dispersin poniendo los valores de la primer variable
en X y los de la segunda variable en Y (forma 1), aunque se puede hacer tambin un diagrama ligando
ambas variables con una flecha doble (forma 2). En cualquiera de las dos formas se deben mencionar
el valor de la prueba estadstica y el nivel de significancia con que se est rechazando, o aceptando, la
hiptesis nula. Se puede poner el valor de probabilidad obtenido o simplemente decir que es menor, o
mayor, al valor que hayamos elegido para la prueba de
hiptesis. Adems se debe escribir la conclusin a la que
Forma 1: Relacin entre los Puntajes de
se llega. Por ejemplo:
Depresin y Autoestima*
Se encontr una asociacin lineal estadsticamente
significativa, moderada e inversamente proporcional,
entre el puntaje de depresin y el de autoestima en
estudiantes de preparatoria (rP = -0.761, p < 0.05) (ver
grfica o diagrama).
35
30
25
20
15
10
* r = -0.761, p = 0.017

de los resultados encontrados en el
estudio
5
0
7
15
17
18
18
18
20
24
26
Forma 2: Relacin entre los Puntajes de

Depresin y Autoestima*
rP = -0.761*
Depresin
* p < 0.05
Autoestima
Coeficiente de Correlacin de Spearman de Rangos Ordenados

La funcin de la correlacin de Spearman es determinar si existe una relacin lineal entre dos
variables a nivel ordinal, y que esta relacin no sea debida al azar (que la relacin sea
estadsticamente significativa). Aunque una de las variables pueda estar medida a nivel intervalar, de
cualquier manera se utiliza esta prueba si una de las dos est medida a nivel ordinal.
La correlacin de Spearman se calcula mediante la siguiente frmula:
2
6 d
(1)
rS 1
3
N
N
dnde: N = nmero de sujetos

2
d = diferencias entre los rangos asignados a las variables elevadas al cuadrado

Sin embargo, cuando al asignar los rangos hay valores repetidos en alguna de las variables se debe
hacer una correccin y usar la frmula que sigue:
N 3 N 6 d 2 TX TY
2
T
rS
(2)
3
3
Y
N N TX Y
N N 2 TX
dnde:
T
T t t
3
dnde:
t = nmero de empates en cada conjunto de rangos iguales para cada variable

Problema para explicar el procedimiento para calcular la correlacin de Spearman:
Se desea saber si existe relacin entre la actitud hacia el psiclogo (X) y la actitud hacia la psicoterapia
(Y), en un grupo de padres de familia. La actitud es evaluada como sigue: 1 = muy desfavorable
hasta 7 = muy favorable. Los resultados se muestran a continuacin:
X
Y
RX
RY
d
d2
6
7
8
9
-1
1
7
5
9
7
2
4
5
4
7
6
1
1
3
2
5
2.5
2.5
6.25
4
6
6
8
-2
4
2
3
3
4.5
-1.5
2.25
2
3
3
4.5
-1.5
2.25
1
2
1
2.5
-1.5
2.25
2
1
3
1
2
4
2
d 2 7
N=9
Procedimiento:
utilizarse y plantear la hiptesis nula que se va a probar de acuerdo al nivel de medicin y tipo de
problema correspondiente.
Nivel de medicin ordinal para ambas variables
H0: No hay relacin lineal entre la actitud hacia el psiclogo y la actitud hacia la
psicoterapia, en padres de familia.
Prueba estadstica: Correlacin Spearman
2. En primer lugar se deben ordenar los datos de cada variable de la calificacin menor a la mayor y
asignarles un rango:
Datos
ordenados de la
Variable 1 (X)
Rango
1
2
2
1
2
3
2
3
4
5
6
7
4
5
6
7
8
9
Datos
ordenados de la
Variable 2 (Y)
1
2

el 2 que se repite 3 veces:
repetidos (llamados tambin
2 3 4
3
3
al 3 le corresponde el lugar 5 de los rangos, es decir: la suma
al 4 le corresponde el lugar 6 de los lugares asignados de
al 5 le corresponde el lugar 7 manera secuencial entre el
al 6 le corresponde el lugar 8 nmero de veces que se repite
al 7 le corresponde el lugar 9 cada nmero
Rango
1
2
4
5
6
7
6
7
8
9

el 2 que se repite 2 veces en las
repetidos (llamados tambin
2 3
2.5 posiciones 2 y
2.5
3:
2
al 3 repetido 2 veces:
de los rangos, es decir: la suma
4 5
4.5
de los lugares asignados de
4.5
2
manera secuencial entre el
al 4 le corresponde el lugar 6 nmero de veces que se repite
al 5 le corresponde el lugar 7 cada nmero
al 6 le corresponde el lugar 8
al 7 le corresponde el lugar 9
2a. Si se tuvieron observaciones empatadas, como en este caso, se debe determinar t para cada
conjunto de observaciones repetidas para cada variable por separado, t es el nmero de veces que
3
se repite cada calificacin, y T la sumatoria de t - t. Al observar los empates por variable, se tiene
para X un conjunto de observaciones repetidas en la calificacin 2 que tienen el rango 3, este se
repite 3 veces por lo que t para este conjunto es igual 3. Para la variable Y, hay dos conjuntos de
tangos empatados, uno en la calificacin 2 con rango asignado igual a 2.5, ste se repite dos veces
por lo que t para este conjunto es igual a 2; el segundo es para la calificacin 3 con rango 4.5
repetido dos veces, por lo que t para este conjunto es igual a 2.
Se pueden resumir estos datos y obtener el valor de T para cada variable como sigue:
Conjuntos
Conjuntos
2 (3)
2 (2.5)
3 (4.5)
de X
de Y
3
2
2
t
t
27
8
8
t33
t33
T = 24
TY = 12
24
6
6
t t
t t
X
Es importante considerar que, si slo una de las variables presenta rangos empatados, el valor de
T para la variable sin empates debe ser igual a 0 (T = 0).
3. Calcular la correlacin de Spearman, en este caso, como hay empates en los rangos asignados a
las variables, debe utilizarse la frmula (2):
93 9 627 24 12
2
rS
3
3
Valores crticos del coeficiente
9 92 24 129
9 2412
729 9162
36
2
729 92 36729 9 288
540
518400 25920 288
720 162 18
7202
36720 288
540
540
492768 701.974
0.769
4. Se debe buscar el valor crtico del coeficiente Spearman en

la tabla, para ello se utiliza el nmero de casos (N) y el
nivel de significancia elegido para probar la hiptesis nula.
La regla de decisin es: si el coeficiente Spearman
calculado es mayor o igual al de la tabla se rechaza la
de correlacin de Spearman
(rS) de rangos ordenados, para
una prueba bidireccional
N
5
6
7
8
9
10
11
12
0.05
1.000
0.886
0.786
0.738
0.700
0.648
0.618
0.587
0.01
0.001
1.000
0.929
0.881
0.833
0.794
0.755
0.727
1.000
0.976
0.933
0.903
0.873
0.860
hiptesis nula.
El coeficiente en la tabla de valores crticos de correlacin Spearman, con 9 casos al 0.05 de
significancia, es igual a 0.700, el coeficiente Spearman obtenido (0.769) es mayor al de tabla por
lo que se rechaza la hiptesis nula, entonces: existe relacin lineal entre la actitud hacia el
psiclogo y la actitud hacia la psicoterapia, en padres de familia.
Esta relacin es moderada (est en el rango entre 0.5 y 0.8) y directamente proporcional (tiene
signo positivo).
Muestras grandes
Cuando la cantidad de sujetos llega a 20 casos y ms, se puede verificar la significancia de la prueba
convirtiendo el coeficiente de correlacin a calificaciones z pues se asume que muestras grandes se
distribuyen normalmente:
z
N 1
rS
Por ejemplo, para el presente ejercicio:
z .769 9 1 .769 8 .7692.8282.175
Recurdese que la z es significativa al nivel de 0.05, cuando es mayor o igual a 1.96, por lo que la
regla de decisin es: si el valor de z es mayor o igual a 1.96 se rechaza la hiptesis nula. En
nuestro ejemplo la z (2.175) es mayor a 1.96, entonces: existe relacin lineal entre la actitud hacia el
psiclogo y la actitud hacia la psicoterapia, en padres de familia. Adems la correlacin es moderada
(est en el rango entre 0.5 y 0.8) y directamente proporcional (tiene signo positivo).
La prueba de Spearman en el paquete estadstico SPSS se encuentra en Analizar / Correlaciones

/ Bivariadas, los resultados para el ejemplo anterior seran los siguientes:
En el paquete estadstico siempre se presenta una matriz de correlacin, en sta se tienen todas las
variables incluidas en el anlisis en los renglones y se repiten en las columnas, en el lugar en que se
cruza cada par de variables se tiene el coeficiente de Spearman y el nivel de significancia obtenido,
adems del nmero de casos (ver resultados en el crculo), esta organizacin presenta informacin
redundante ya que las correlaciones por cada pareja de variables se repiten siempre 2 veces. La regla
de decisin es: si el nivel de significancia es menor o igual a 0.05 se rechaza la hiptesis nula.
En el presente ejemplo, el nivel de significancia (0.015) es menor a 0.05, por lo que se rechaza la
hiptesis nula, entonces: existe relacin lineal entre la actitud hacia el psiclogo y la actitud hacia la
psicoterapia, en padres de familia. Adems la correlacin es moderada (est en el rango entre 0.5 y
0.8) y directamente proporcional (tiene signo positivo).
Correlaciones no paramtricas
Correlaciones
Actitud hacia
el psiclogo
Rho de Spearman
Actitud hacia el psiclogo
Actitud hacia la
psicoterapia
Coeficiente de
correlacin
Sig. (bilateral)
N
Coeficiente de
correlacin
Sig. (bilateral)
N
1.000
.
9
.769*
.015
9
Actitud hacia
la
psicoterapia
.769*
.015
9
1.000
.
9
*. La correlacin es significativa al nivel 0,05 (bilateral).
Reporte de resultados de la correlacin Spearman

Para esta prueba se puede utilizar una grfica de dispersin poniendo los valores de la primer variable
en X y los de la segunda variable en Y, aunque se puede hacer tambin un diagrama ligando ambas
variables con una flecha doble, esta forma es la que se va a usar para ejemplificar los resultados de la
correlacin Spearman. En cualquiera de las dos opciones se deben mencionar el valor de la prueba
estadstica y el nivel de significancia con que se est rechazando, o aceptando, la hiptesis nula. Se
puede poner el valor de probabilidad obtenido o simplemente decir que es menor, o mayor, al valor
que hayamos elegido para la prueba de hiptesis. Adems se debe escribir la conclusin a la que se
llega. Por ejemplo:
Se encontr una relacin lineal estadsticamente
significativa, moderada y directamente proporcional,
entre la actitud hacia el psiclogo y la actitud hacia la
psicoterapia, en padres de familia (rS = 0.769, p =
0.015) (ver diagrama).
Relacin entre la Actitud Hacia el

Psiclogo y la Actitud Hacia la
Psicoterapia*
Actitud hacia
Actitud
rS = 0.769*
el Psiclogo
hacia la
psicoterapia
* p < 0.05

de los resultados encontrados en el estudio
Coeficiente de Correlacin Phi

La funcin de la correlacin Phi es determinar si existe una relacin entre dos variables a nivel
nominal con dos valores cada una (dicotmicas) y que esta relacin no sea debida al azar (que la
relacin sea estadsticamente significativa).
La correlacin Phi se calcula mediante la siguiente frmula:
BC AD
r
A BC DA C B D
dnde:
A, B, C y D son las frecuencias observadas en una tabla de contingencia de 2 x 2
A
A+B
C+D
A+C
B+D
Problema para explicar el procedimiento para calcular la correlacin Phi:

Se desea saber si existe relacin entre el consumo de alcohol del padre y el consumo de alcohol de
estudiantes de preparatoria. Los resultados se resumen en la siguiente tabla de contingencia:
Consumo de alcohol
del padre
No bebedor Bebedor
Consumo de alcohol de estudiantes No bebedor
de Preparatoria
Bebedor
Total
80
30
110
21
30
Total
89
51
N = 140
Procedimiento:
utilizarse y plantear la hiptesis nula que va a ser probada de acuerdo al nivel de medicin y tipo
de problema correspondiente.
Nivel de medicin nominal (dicotmico) para ambas variables
H0: No hay relacin entre el consumo de alcohol del padre y el consumo de alcohol de
estudiantes de preparatoria.
Prueba estadstica: Correlacin Phi
2. Se tiene que organizar la informacin en una tabla de contingencia de dos por dos y obtener los
totales por rengln y por columna (A + B, C + D, A + C y B + D).
3. Calcular la correlacin Phi:
930 8021
r
110308951
270 1680
-1410
1410
0.364 14978700
3870.233 3870.233
4. El coeficiente Phi est relacionado con la prueba de Chi cuadrada, por esa razn debe calcularse
la Chi cuadrada de 2 x 2 (frmula de la pgina 35) y comparar el resultado con la tabla de valores
crticos que se encuentra en la misma pgina, la regla de decisin para rechazar la hiptesis
nula al depender de la prueba de Chi cuadrada es: si se rechaza la H0 relacionada con la
prueba de Chi cuadrada, tambin debe ser rechazada la hiptesis nula de la correlacin Phi.
4a. Calcular la chi cuadrada:
140 80
X
9
21 30

11030895
1
140
2
2
1401680
70 - 270
14978700
14021340 140179560
0
14978700
14978700
251384000
2
X 14978700 16.783
Recurdese que se tiene que comparar la Chi cuadrada obtenida con el valor de tabla de valores
crticos de Chi cuadrada (ver la tabla en la pgina 35), este valor se busca utilizando un grado de
libertad y el nivel de significancia elegido para probar la hiptesis nula. La regla de decisin es:
2
si el valor de X obtenido es mayor o igual al de tabla se rechaza la hiptesis nula.
2
Con 1 grado de libertad al nivel de significancia de 0.05 se tiene un valor de X en tabla de 3.841,
2
el valor obtenido de X (16.783) es mayor al de tabla por lo que se rechaza la hiptesis nula, por
lo tanto la hiptesis nula de la prueba Phi se rechaza tambin, entonces: existe relacin entre el
consumo de alcohol del padre y el consumo de alcohol de estudiantes de preparatoria. Adems
esta relacin es baja (est en el rango de 0.3 a 0.5) y directamente proporcional (tiene signo
positivo).
La correlacin Phi en el paquete SPSS
En el paquete estadstico la Phi se encuentra en Analizar / Estadsticos descriptivos / Tablas de
contingencia, no es tan importante determinar cul de las variables va en las columnas y cul en los
renglones ya que no hay variable dependiente e independiente. Se debe elegir en la seccin de
estadsticas la Phi. Se presentan resultados como los siguientes:
Tabla de contingencia Consumo de alcohol del estudiante * Consumo de
alcohol del padre
Recuento
La primera parte es la tabla de

contingencia con la distribucin de
frecuencias.
Medidas simtricas
Nominal por
nominal
Phi
V de Cramer
N de casos vlidos
Valor
.364
.364
140
Sig.
aproximada
.000
.000
a. Asumiendo la hiptesis alternativa.

b. Empleando el error tpico asinttico basado en la
hiptesis nula.
Finalmente, se tiene al coeficiente de

correlacin Phi y el nivel de significancia
(ver datos en el recuadro). La regla de
decisin es: si el nivel de significancia es
menor o igual a 0.05 se rechaza la
hiptesis nula.
En este ejemplo con un coeficiente Phi de

0.364 y una significancia igual a 0.000,
este nivel de significancia es menor a 0.05 por lo que se rechaza la hiptesis nula, es as que: existe
relacin entre el consumo de alcohol del padre y el consumo de alcohol de estudiantes de
preparatoria. Adems esta relacin es baja (est en el rango de 0.3 a 0.5) y directamente proporcional
(tiene signo positivo)
Reporte de resultados de la correlacin Phi
Para esta prueba se puede utilizar un diagrama ligando ambas variables con una flecha doble, adems
se deben mencionar el valor de la prueba estadstica y el nivel de significancia con que se est
Se encontr una relacin
estadsticamente
significativa, baja y directamente proporcional, entre
el consumo de alcohol del padre y el consumo de
alcohol de estudiantes de preparatoria. (r = 0.364, p =
Relacin entre el Consumo de Alcohol del

Padre y el Consumo de Alcohol de
Estudiantes de Preparatoria*
0.000) (ver diagrama).
Consumo de
Alcohol del
Padre
Estos datos sirven para hacer la discusin posterior de los

resultados encontrados en el estudio
Consumo de
r = 0.364*
* p < 0.001
Alcohol de
Estudiantes de
Preparatoria
Referencias Bibliogrficas
Brown, F. G. (2000, 1ra. ed.). Principios de la medicin en psicologa y educacin. Mxico: El
Manual Moderno.
Daniel, W. (1999). Bioestadstica. Bases para el anlisis de las ciencias de la salud. Mxico: Ed.
Noriega.
Downie, M. y Heath, R. (1973). Mtodos estadsticos aplicados. Mxico: Harper & Row
Latinoamericana.
Ferrn, M. (1996). SPSS para Windows: Programacin y anlisis estadstico. Madrid: Mc Graw Hill.
Levin, J (1979, 2da. ed.). Fundamentos de estadstica en la investigacin social. Mxico: Editorial
Harla.
Ritchey, F. J. (2002). Estadstica para las Ciencias Sociales: El Potencial de la Imaginacin
Estadstica. Mxico: Mc Graw Hill.
Paquete Estadstico para las Ciencias Sociales (SPSS) para Windows versin 10.0.7 en espaol
[Software de computadora]. (2000). Chicago, E. U.: SPSS, Inc.
Siegel, S. (1990, 3ra. ed.). Estadstica no Paramtrica. Editorial Trillas. Mxico.
Consumo de alcohol
del estudiante
Total
No bebedor
Bebedor
Consumo de alcohol del

padre
No bebedor
Bebedor
80
30
9
21
89
51
Total
110
30
140

Apuntesde Estadística Inferencial Univariada

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Apuntesde Estadística Inferencial Univariada

Diunggah oleh

Hak Cipta:

Format Tersedia

Apuntes de Estadstica Inferencial

Francisco Jurez Garca

Primera Edicin, 2002.

Apuntes de Estadstica Inferencial

Francisco Jurez, Jorge A. Villatoro y Elsa Karina Lpez

Se exponen adems los pasos necesarios para obtener diversas pruebas

Al grupo del Seminario de Estadstica de la maestra y del doctorado en

Tabla de Valores Crticos para la Prueba t..................................................................................21

Valores crticos de T para la prueba de rangos asignados de Wilcoxon de una cola.................32

Francisco Jurez, Jorge A. Villatoro y Elsa Karina Lpez

Altura, Peso, Edad

Asociacin o correlacional (no

Mtodos de agrupamiento (anlisis

Curvas de Distribucin de Frecuencias

La calificacin z se calcula cmo sigue:

Puntos clave para hacer la identificacin del tipo de problema:

La estadstica tambin se puede clasificar como: paramtrica y no paramrica

y la hiptesis alterna plantea que las medias son diferentes:

Otro planteamiento sera:

Cuando se tienen medianas (nivel ordinal de la V. D.), entonces:

Cuando se tienen medianas (nivel ordinal de la V. D.), entonces:

entre dos puntos de la distribucin corresponder a la probabilidad de la distribucin al convertirla a

Zona de rechazo (5%)

Zona de Aceptacin al 95%

Zona de rechazo (5%)

Zona de Aceptacin al 95%

Estadstica Inferencial Univariada: Pruebas Estadsticas Seleccionadas

Una grfica de lneas

Determinar el t ipo de problema que t enemos

de com paracin: se comparan grupos o mediciones, se

de asociacin: aqu se puede o no tener una variable

Determinar si son muestras independientes o

Muestras independientes: Cuando la variable

Cul es el nivel de medicin de las

Muestras relacionadas: Cuando la variable

Cunt as mediciones hay? (V.

Cuntos grupos hay? (V. I.)

Apuntes de Estadstica Inferencial

Seleccin completamente aleatoria de los grupos

Su funcin es comparar dos grupos de puntuaciones (medias aritmticas) y determinar que la

= medias de los grupos

sDx = error estndar de la diferencia entre medias

2913 2840.14 = 72.86

5. Obtener el error estndar de la diferencia entre medias ( sDx )

6. Determinar las medias para los puntajes de ambos

Tabla de Valores Crticos para la

20.14 27.33 7.19

Para estos datos con 11 grados de libertad, al nivel de

En la siguiente seccin se tiene a la prueba estadstica propiamente dicha:

para homogeneidad de varianzas, cuyos valores se muestran en la tabla siguiente encerrados en un

Prueba T para la igualdad de medias

Reporte de resultados de la prueba t

En lo que respecta a los mtodos de enseanza, se

Esta descripcin ser la base para hacer la discusin posterior

Curso Tradicional Curso Multimedia

* t = -2.623, gl = 11, p = 0.02

La prueba t para muestras relacionadas se calcula mediante la siguiente frmula:

sD = error estndar de la diferencia media

Para calcular la suma de cuadrados de D:

Para calcular los grados de libertad:

3. Elevar las diferencias al cuadrado (D )

4. Sumar las diferencias ( D ) y las diferencias elevadas al cuadrado ( D )

7. Determinar el error estndar de la diferencia media