Vous êtes sur la page 1sur 31

1

Universidad de Alcal
Departamento de Ecologa











MTODOS DE ANLISIS DE DATOS
EN ECOLOGA















Prcticas de Ecologa
Licenciaturas de Biologa y Ciencias Ambientales
Curso 2004-2005


2

1. INTRODUCCIN 4
1.1. Distribuciones de datos 4
1.2. Pruebas de contraste de hiptesis 6
2. ASOCIACIN ENTRE VARIABLES CUALITATIVAS: TEST DE LA
2
7
2.1. Requisitos e hiptesis de trabajo 7
2.2. Procedimiento de clculo 7
2.3. Contraste de hiptesis 9
2.4. Caso prctico 9
3. TESTS DE COMPARACIN DE DOS MEDIAS 10
3.1. Seleccin del test 10
3.2. Test paramtrico: t de Student 10
3.2.1. Requisitos 10
3.2.2. Hiptesis 11
3.2.3. Procedimiento de clculo 11
3.2.4. Caso Prctico 11
3.3. Test no paramtrico: U de Mann-Whitney 12
3.3.1. Requisitos 12
3.3.2. Hiptesis 12
3.3.3. Procedimiento de clculo 12
3.3.4. Caso prctico 13
4. TESTS DE COMPARACIN DE MS DE DOS MEDIAS 13
4.1. Seleccin del test 14
4.2. Test paramtrico: Anlisis de la Varianza (ANOVA) 14
4.2.1. Requisitos 14
4.2.2. Hiptesis 14
4.2.3. Procedimiento de clculo 14
4.2.4. Caso Prctico 15
4.3. Test no paramtrico: Kruskal-Wallis 16
4.3.1. Requisitos 16
4.3.2. Hiptesis 16
4.3.3. Procedimiento de clculo 16
4.3.4. Caso prctico: 17


3
5. ASOCIACIN ENTRE VARIABLES CUANTITATIVAS: NDICES DE
CORRELACIN 18
5.1. Rangos de variacin de los coeficientes 18
5.2. Hiptesis 18
5.3. Seleccin del test 19
5.4. Correlacin paramtrica: r de Pearson 19
5.4.1. Procedimiento de clculo 19
5.4.2. Caso prctico 19
5.5. Correlacin no paramtrica: r de Spearman 20
5.5.1. Procedimiento de clculo 20
5.5.2. Caso prctico 20
6. TABLAS ESTADSTICAS 22
6.1. Tabla de valores crticos del estadstico
2
22
6.2. Tabla de valores crticos del estadstico t de Student 23
6.3. Tabla de valores crticos del estadstico U de Mann Whitney 24
6.4. Tabla de valores crticos del estadstico F de Snedecor 28
6.5. Tabla de valores crticos del estadstico H de Kruskal-Wallis 29
6.6. Tabla de valores crticos del coeficiente de correlacin de Pearson (r) 30
6.7. Tabla de valores crticos del coeficiente de correlacin de Spearman (r
s
) 31

4
1. INTRODUCCIN
La estadstica es una disciplina que proporciona a la Ecologa las herramientas
necesarias para el anlisis de los datos. Dado que no podemos hacer estudios en toda la
poblacin (no es posible contar todos los caros que hay en un suelo, ni es posible medir el
rea foliar de todas las hojas de los rboles de un bosque, ni medir la longitud del cuerpo de
todas las carpas que tiene un lago), la estadstica nos permite cuantificar la probabilidad de
cometer error al extrapolar los resultados obtenidos de una serie de muestras al conjunto de la
poblacin. Por tanto, la estadstica permite cuantificar el error que cometemos al aceptar
nuestros resultados obtenidos a partir de muestras (encuestas) de una poblacin
generalmente muy extensa.
Hay dos tipos de estadstica, la estadstica descriptiva, que rene un conjunto de
tcnicas que facilitan la organizacin, resumen y comunicacin de datos; y la estadstica
inferencial, que permite hacer pruebas de contraste de hiptesis.

1.1. Distribuciones de datos
Cuando tenemos una coleccin de datos como resultado de un trabajo cientfico que
hemos realizado, es importante conocer el tipo de distribucin que siguen esos datos para
poder decidir posteriormente qu herramientas estadsticas son ms adecuadas para el anlisis
de los mismos.
Los histogramas de frecuencias son una herramienta de representacin de datos que
nos permiten observar cmo se distribuyen los mismos. Estn formados por rectngulos
adyacentes que tienen por base cada uno de los intervalos de la variable medida y por altura
las frecuencias absolutas (n de veces que aparecen datos dentro de ese intervalo). La
superficie de cada rectngulo es proporcional a la frecuencia de cada una de las clases y el
rea total lo ser al nmero de individuos en la muestra. El nmero de intervalos a utilizar (k)
se puede calcular segn la regla de Sturges (1926): K = 1 + 3.322 * log (n), donde n es el
tamao de muestra.
Figura 1: Representacin grfica de la distribucin de frecuencias de la variable longitud del ala en una
poblacin de aves

Asimismo, para conocer mejor cmo se distribuyen unos datos es importante conocer
cul es valor central de los mismos as como el grado de dispersin de los datos alrededor de
ese valor central. Para ello existen una serie de parmetros que informan acerca de estas
caractersticas de las distribuciones de datos.
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
3,3* 3,4* 3,5* 3,6* 3,7* 3,8* 3,9* 4,0* 4,1* 4,2* 4,3* 4,4* 4,5*
Longitud del ala (cm)
F
r
e
c
u
e
n
c
i
a

5

Medidas de tendencia central: indican alrededor de qu valores se agrupan los datos
observados. Distinguimos:
1. Media aritmtica: es el centro de gravedad de la serie de datos y se calcula como x
i
/n.
- media de la poblacin
x- media de la muestra.
2. Mediana: es el punto medio de una serie ordenada de datos
3. Moda: es el valor ms frecuente de la serie de datos.

Medidas de dispersin: indican si los valores de la variable estn muy dispersos o se
concentran alrededor de la medida de centralizacin. Son:
- Rango. Diferencia entre el valor mximo y el mnimo observado.
Rango: x
max
-x
min

- Varianza. Expresa la dispersin de valores entorno a la media

2
- varianza de la poblacin
2
n
x x
i

2
) (

s
2
-varianza de la muestra s
2
1
) (
2


n
x x
i

- Desviacin estndar. Es la raz cuadrada de la varianza
- desviacin estndar de la poblacin
s - desviacin estndar de la muestra
De entre todas las distribuciones posibles que puedan seguir unos datos, la distribucin
normal es la ms interesante desde el punto de vista estadstico, pues rene unas propiedades
que han hecho posible que a partir de ella se desarrollaran numerosos mtodos de anlisis de
datos. En ella, los valores cercanos a la media son los ms abundantes y a medida que nos
alejamos de la media, los datos
presentan una frecuencia cada vez
menor. Por este motivo, el
histograma de frecuencias adopta
una forma de campana de Gauss:




Figura 2. Representacin de la media (mean), mediana y moda en cuatro distribuciones.

6
La distribucin normal posee una serie de caractersticas:
- Corresponde a variables cuantitativas continuas.
- Se caracteriza por dos medidas: media y desviacin tpica.
- Es unimodal.
- Es simtrica alrededor de la media. Por tanto, media, mediana y moda coinciden.
- Tiene forma acampanada, sin un pico excesivo.
- El rea bajo la curva = 1.
El 50% de las observaciones se encuentran por debajo de la media y el 50% por
encima.
El 68% de las observaciones se encuentran dentro del intervalo x s
El 95% de las observaciones se encuentran dentro del intervalo x 1,96 s
El 99% de las observaciones se encuentra dentro del intervalo x 2,57 s.

1.2. Pruebas de contraste de hiptesis
Debido a esta propiedad de poder conocer la probabilidad de que un valor determinado
forme parte de la distribucin normal, se han desarrollado numerosos tests estadsticos que
permiten realizar pruebas de contraste de hiptesis a partir de la distribucin normal, son las
pruebas paramtricas. Sin embargo, no siempre los datos que obtenemos en un trabajo
cientfico se ajustan a la distribucin normal, por lo que para hacer pruebas de contraste de
hiptesis necesitaremos recurrir a la estadstica no paramtrica.
La aplicacin del mtodo cientfico no nos permite demostrar la veracidad de una
hiptesis sino su falsedad, es decir, que las hiptesis ecolgicas (H
ecol
) que proponemos se dan
por vlidas siempre y cuando no se demuestre que son falsas. En las pruebas de contraste de
hiptesis, las diferentes pruebas estadsticas utilizan la llamada hiptesis nula (H
0
) para
verificar la validez de las hiptesis ecolgicas. La hiptesis nula siempre presupone que la
distribucin de los datos es al azar, es decir, que no existen diferencias entre los grupos o
asociacin entre las variables debidas a factores ecolgicos. Dicho de otra forma, la H
0
es la
negacin de la hiptesis ecolgica. Por tanto, cuando realizamos cualquier test estadstico de
contraste de hiptesis, nuestro objetivo ser rechazar la H
0
, lo que nos permite seguir dando
por vlida la hiptesis ecolgica.
El grado de significacin estadstica (p) es el parmetro que cuantifica el error que se
estamos cometiendo al aceptar nuestros resultados. Concretamente, lo que indica es la
probabilidad de que rechacemos la H
0
siendo cierta. Cuanto ms pequeo sea el valor de p
menor ser la probabilidad de que H
0
sea cierta, y por tanto mayor es la probabilidad de que
H
ecol
sea la correcta. Para tomar una decisin respecto a cul sea la hiptesis verdadera, el
investigador fija el nivel mximo de error que se permite al aceptar H
ecol
(a). En general, se ha
fijado por convenio el umbral de p=0.05 como vlido, es decir, nos permitimos un error
mximo del 5% en nuestra afirmacin de la hiptesis ecolgica. En cualquier caso, conviene
sealar que lo ms importante es dar a conocer el error de nuestros resultados.
En funcin del nmero de variables implicadas en un anlisis estadstico, distinguimos
tres tipos de mtodos de anlisis de datos:

Mtodos monovariantes: Se han registrado los valores de una sola variable, o de dos
variables pero al menos una de ellas es cualitativa
Mtodos bivariantes: Se han registrado los valores de dos variables cuantitativas
Mtodos multivariantes: Se han registrado los valores de tres o ms variables
En el siguiente cuadro se muestran de forma resumida las diferentes pruebas
estadsticas que la estadstica paramtrica y la no paramtrica proporcionan a los

7
investigadores para realizar las pruebas de contraste de hiptesis necesarias en los trabajos
cientficos:

2. ASOCIACIN ENTRE VARIABLES CUALITATIVAS: TEST
DE LA
2

El test de la
2
se utiliza para analizar la asociacin entre dos variables cualitativas
(por ejemplo, la presencia de una especie con el tipo de suelo, o la presencia de individuos en
estado de flor con una poca del ao, etc...). Lo que hace el test es comparar la distribucin de
frecuencias observadas de la asociacin entre las variables con la distribucin de frecuencias
esperadas en caso de que no existiera asociacin (es decir, si las dos variables cualitativas no
estn asociadas sino que se distribuyen al azar). Para analizar la asociacin entre las variables
cualitativas multiestado se utilizan las tablas de contingencia. A nivel general, este test sirve
para comparar frecuencias, por lo que puede utilizarse para verificar si una coleccin de datos
se distribuye de acuerdo a algn tipo de distribucin especfica.

2.1. Requisitos e hiptesis de trabajo
La aplicacin de este test requiere que las muestras estn tomadas al azar y que las
frecuencias esperadas sean superiores a 5. Como se trata de un test que relaciona variables
cualitativas, no hay ningn requisito acerca de la distribucin de las variables.
Las hiptesis de trabajo sern del tipo:
H
ecol
: Existe relacin entre las variables
H
0
: Las dos variables son independientes (no hay asociacin entre ellas)

2.2. Procedimiento de clculo
Supongamos, por ejemplo, que queremos saber si existe asociacin entre la presencia
de la especie A (un invertebrado acutico) y el tramo del ro (alto, medio y bajo) para el caso
del ro Henares. Para ello hemos hecho un muestreo a lo largo del ro y en cada tramo hemos
registrado la presencia (+) o ausencia (-) de la especie en 15 muestras de agua tomadas al
azar. Los resultados obtenidos son:

Variable 1 Variable 2 Mtodos paramtricos Mtodos no paramtricos

Cualitativa


Cualitativa


Test de la
2
(tablas de
contingencia)

Cuantitativa

Cualitativa
t de Student
t de Student para datos
pareados
Anlisis de la Varianza

U de Mann-Whitney
Prueba de los rangos de Wilcoxon

Prueba de Kruskal-Wallis
Cuantitativa Cuantitativa Coeficiente de Correlacin de
Pearson


Coeficiente de Correlacin de
Spearman


8
Tramo Alto Tramo Medio Tramo Bajo
+
+
+
-
+
+
+
+
+
+
-
+
+
+
+
-
-
-
+
-
-
-
-
+
-
-
-
-
-
-
-
+
-
-
-
-
-
-
-
-
-
-
-
-
-
A partir de estos datos construiramos una tabla de contingencia con los datos
observados en campo de la siguiente manera:

Tramo del ro
Alto Medio Bajo
+ 13 2 1
Especie A
- 2 13 14

A continuacin se calcula el estadstico
2
cal
siguiendo la siguiente frmula:

o = frecuencias observadas en el inventario
e = frecuencia esperada de una celda, suponiendo que
no hubiese asociacin
( )
2
2
( , .) gl
o e
e


N
f c
e
t t
*

c
t
= total de la columna donde est la celda
f
t
= total de la fila donde est la celda
N = n total de casos
gl. (grados de libertad) = (n columnas-1)*(n filas-1)

En nuestro ejemplo, el clculo del estadstico
2
cal
se hara de esta forma:


9
* Tramo del ro
Alto Medio Bajo Total
+ 13 (5.3) 2 (5.3) 1 (5.3) 16
Especie A
- 2 (9.7) 13 (9.7) 14 (9.7) 29
Total 15 15 15 45

* Entre parntesis aparecen las frecuencias esperadas calculadas
Caso especial: En las tablas de contingencia de 2x2, como la de la figura:

Variable 1
A B Total filas
+ (a) (b) (a+b)
Variable 2
+ (c) (d) (c+d)
Total columnas (a+c) (b+d) (a+b+c+d)

el estadstico
2
cal
se puede calcular tambin de esta forma :
Si N 30 Si N < 30 (Correccin de Yates)
) ( * ) ( * ) ( * ) (
* ) * * (
2
2
d b c a d c b a
N c b d a
cal
+ + + +


) ( * ) ( * ) ( * ) (
) 2 / | * * (| *
2
2
d b c a d c b a
N c b d a N
cal
+ + + +


2.3. Contraste de hiptesis
Se compara el valor obtenido de
2
cal
con el valor
2
crit
correspondiente al nmero de
grados de libertad apropiados y al valor de previamente seleccionado (normalmente,
=0.05 0.01):
Si
2 2
crit cal
, se rechaza la H
0
(hay asociacin entre las variables)
Si
2 2
crit cal
< , se acepta la H
0
(no hay asociacin entre las variables)
2.4. Caso prctico
Continuamos con el ejemplo que hemos empezado antes, en el que queremos estudiar si existe
asociacin entre la presencia de la especie A y el tramo del ro Henares donde esta especie vive.
Recordemos que, en nuestro caso:
H
ecol
: Existe relacin entre la presencia de la especie A y el tramo del ro
H
0
: La presencia de la especie A es independiente del tramo del ro
A partir de la tabla de contingencia elaborada en el apartado 2.2, calculamos el estadstico
2
cal
de la
siguiente forma:

( ) ( ) ( ) ( ) ( ) ( )
8 . 23
2
7 . 9
7 , 9 14
2
7 . 9
7 , 9 13
2
7 . 9
7 , 9 2
2
3 . 5
3 , 5 1
2
3 . 5
3 , 5 2
2
3 . 5
3 , 5 13
2

cal



10
?
2

crt (2 g.l., a=0.05)
= 5.99 ?
2

cal
>

?
2

crt
Se rechaza H
0
; por tanto, concluimos que la especie A aparece
preferentemente en los tramos altos del ro.
3. TESTS DE COMPARACIN DE DOS MEDIAS
Sirven para comparar las medidas de tendencia central (media o mediana) de dos
grupos de datos distintos, para determinar si las diferencias entre dichas medidas se deben al
azar del muestreo o a diferencias reales entre los grupos que se estn comparando. Relacionan
una variable cualitativa de dos casos (variable independiente) con otra cuantitativa (variable
dependiente). Los dos estados de la variable cualitativa son los que designan los grupos. Si
quisiramos estudiar, por ejemplo, si existen diferencias en el potencial hdrico de las encinas
entre el da y la noche, y hubiramos tomado muestras de potencial hdrico en encinas de da
y otras muestras en encinas por la noche, para analizar los datos utilizaramos un test de este
tipo. En ese caso, la variable cualitativa es la hora del da, que es la variable independiente
que define los dos grupos de datos; y el potencial hdrico sera la variable dependiente y
cuantitativa.

3.1. Seleccin del test
Para seleccionar el test apropiado para analizar nuestros datos, una vez realizado el
muestreo se construye un diagrama de frecuencias (o se realiza un test estadstico si se
dispone de software apropiado) para comprobar la normalidad de la variable cuantitativa en
cada uno de los dos grupos. Asimismo, se realiza el test de la F de Snedecor* para comprobar
la homogeneidad de las varianzas entre los dos grupos.









Si la variable cuantitativa sigue la distribucin normal en todos los casos y las
varianzas no son significativamente distintas, se utilizar el test paramtrico: t de Student
En cualquier otro caso se realizar el test no paramtrico: U de Mann-Whitney

3.2. Test paramtrico: t de Student
Se utiliza para detectar la existencia de diferencias significativas entre las medias de
una determinada variable cuantitativa en dos grupos de datos.

3.2.1. Requisitos
Datos distribuidos segn una distribucin normal en cada grupo
Las varianzas de las dos muestras han de ser iguales
Muestras independientes y tomadas al azar
* Prueba de comprobacin de varianzas iguales: F de Snedecor
Se calculan las varianzas de cada una de las dos muestras:
2
1
s y
2
2
s
Se calcula el estadstico F
cal
a partir de la siguiente frmula:
2
2
menor
mayor
cal
s
s
F
grados libertad: n
1
-1, n
2
-1 (n
1
tamao de la muestra de varianza mayor)
H
o
: varianzas iguales. Si F
cal
F
crt
(La F
crt
se busca en las tablas, ver seccin dedicada al ANOVA), se
rechaza la H
o
, es decir, se concluye que las varianzas no son iguales.

11
3.2.2. Hiptesis
a) HIPTESIS DE DOS COLAS:
La hiptesis ecolgica establece que existen diferencias entre las medias de los dos
grupos considerados, sin presuponer cul de las dos medias es mayor que la otra. La hiptesis
nula establece que no existen diferencias entre dichas medias.
H
ecol
:
1
?
2

H
0
:
1
=
2

b) HIPTESIS DE UNA COLA:
La hiptesis ecolgica establece que existen diferencias entre las medias de los grupos
considerados, presuponiendo que una de las dos medias es mayor que la otra. La hiptesis
nula establece que no existen diferencias entre dichas medias, o que las diferencias van en
sentido contrario a como han sido expresadas en la hiptesis ecolgica.
H
ecol
:
1
>
2
H
0
:
1

2

H
ecol
:
1
<
2
H
0
:
1

2

3.2.3. Procedimiento de clculo
Se calcula el estadstico t
cal
a partir de la siguiente frmula:
2 1
2 1
1 1
n n
Sc
x x
tcal
+

donde:
2
2 1
2
2 2
2
1 1
+
+

n n
s n s n
Sc
n
1
y n
2
= tamaos de las muestras 1 y 2 respectivamente
1 x y 2 x = medias de las muestras 1 y 2 respectivamente
2
1
s y
2
2
s = varianzas de las muestras 1 y 2 respectivamente
A continuacin se mide la significacin del estadstico t
cal
, comparando ese valor con
el valor de un estadstico t
crit
que se obtiene mirando las tablas correspondientes. Para
identificar el t
crit
que nos corresponde hemos de fijarnos en el nmero de colas que tiene
nuestra hiptesis (una cola: one-tailed; dos colas: two-tailed), en el nivel de significacin (a)
con el que pretendemos rechazar la hiptesis nula (normalmente a = 0.05 0.01); y en los
grados de libertad del test (n
1
+ n
2
- 2).
- Si t
cal
t
crit
(a=0.05 o inferior) se rechaza H
0
y se acepta H
ecol
(las medias son
diferentes)
- Si t
cal
< t
crit
(a=0.05) se acepta H
0
y se rechaza H
ecol
(las medias son iguales)
3.2.4. Caso Prctico
Queremos saber si la humedad del suelo en un determinado lugar vara en funcin de la cubierta vegetal
del mismo (tomillar o suelo desnudo), pues suponemos que la cubierta vegetal contribuye a aumentar la
humedad del suelo por disminucin de la evaporacin. Para ello se ha realizado un muestreo en el que se ha
medido la humedad de suelo (en % del volumen) en seis muestras distribuidas al azar bajo tomillares y en 8
muestras tambin distribuidas al azar en la misma zona, pero en condiciones de suelo desnudo.
Variables:
- Cobertura de suelo (cualitativa, independiente)
- Humedad del suelo (cuantitativa, dependiente)
Hiptesis ecolgica: H
ecol
: la humedad de suelo es mayor bajo el tomillar:
tomillar
>
suelo desnudo

Se trata, por tanto, de un test de una cola.

12
Hiptesis nula: H
0
:
tomillar

suelo desnudo

Tras el muestreo se obtienen los siguientes datos:

Cobertura Humedad de suelo (%) n Media
2
s
tomillar 73.0 74.2 75.0 75.3 75.5 75.8 6 74.8 1.04
suelo desnudo 71.0 71.5 72.0 72.4 73.5 74.0 74.3 75.2 8 72.9 2.20

Clculo del estadstico t
cal
:
36 . 2
8
1
6
1
42 . 1
9 . 72 8 . 74

+

cal t


Comprobacin de la significacin del estadstico t
cal
:

t
cal
= 2.36 > t
crt (a=0.05, 12 gl, una cola)
= 1.782
Por tanto, se rechaza la H
0
, y se acepta la H
ecol
, es decir, se concluye que existen diferencias
significativas en la humedad del suelo en funcin de la cobertura vegetal, siendo mayor en condiciones de
cubierta vegetal de tomillar que en condiciones de suelo desnudo.
3.3. Test no paramtrico: U de Mann-Whitney
Compara las diferencias entre dos medianas, por lo que se basa en rangos en lugar de
en los parmetros de la muestra (media, varianza). Se emplea cuando los datos no siguen la
distribucin normal, en lugar del test de la t de Student (paramtrico).
3.3.1. Requisitos
Variable cuantitativa que no cumple los requisitos de normalidad y/o homogeneidad
de varianzas, o variable semicuantitativa.
Muestras independientes y al azar.
3.3.2. Hiptesis
a) HIPTESIS DE DOS COLAS:
La hiptesis ecolgica establece que existen diferencias entre las medianas (M) de los
dos grupos considerados, sin presuponer cul de las dos medianas es mayor que la otra. La
hiptesis nula establece que no existen diferencias entre dichas medianas.
H
ecol
: M
1
? M
2

H
0
: M
1
= M
2


b) HIPTESIS DE UNA COLA:
La hiptesis ecolgica establece que existen diferencias entre las medianas de los
grupos considerados, presuponiendo que una de las dos medianas es mayor que la otra. La
hiptesis nula establece que no existen diferencias entre dichas medianas, o que las
diferencias son en sentido contrario a lo expresado en la hiptesis ecolgica.
H
ecol
:
1
> M
2
H
0
:
1
M
2

H
ecol
:
1
< M
2
H
0
:
1
M
2

3.3.3. Procedimiento de clculo
Asignacin de rangos a cada dato. Para ello se ordenan todos los datos (juntando los
dos grupos) en orden creciente. El rango de cada dato ser el nmero de orden que le

13
corresponde a cada dato. Cuando se repita el mismo valor numrico, el rango que se asigna a
esos datos es la media aritmtica de los rangos que les corresponderan en funcin del nmero
de orden que ocupan.
Se suman los rangos de cada uno de los inventarios (grupos) y se calcula la suma de
los rangos de los datos de cada uno de los grupos (R
1
y R
2
)
Se calculan los estadsticos U
1
y U
2
a partir de las siguientes frmulas:
2
2 2
1
2
) 1 (
2 1
R
n n
n n U
+
+
1
1 1
2
2
) 1 (
2 1
R
n n
n n U
+
+
Se obtiene el estadstico U
cal
escogiendo el valor ms grande entre U
1
y U
2
.
Se comprueba la significacin estadstica del estadstico U
cal
comparando este valor
con el valor de un estadstico U
crt
obtenido a partir de las tablas correspondientes.
Si U
cal
U
crt
(a=0.05 o inferior) se rechaza H
0
y se acepta H
ecol
(las medianas son
diferentes)
Si U
cal
< U
crt
(a=0.05) se acepta H
0
y se rechaza H
ecol
(las medianas son iguales)


3.3.4. Caso prctico
Se quiere estudiar si el nmero de especies de caros edficos se ve influido por un incendio de baja
intensidad. Para ello se simul un incendio de baja intensidad en una parcela de un territorio homogneo, y se
tomaron 6 muestras al azar de la zona incendiada y 7 muestras tambin al azar de la zona no incendiada,
contndose el nmero de especies de caros edficos en cada muestra.
Variable dependiente: nmero de especies de caros edficos (cuantitativa)
Variable independiente: ocurrencia de un incendio (cualitativa)
H
0
= La mediana del nmero de especies de caros edficos es igual en la parcela quemada que en la no
quemada: M
quemada
= M
no quemada

H
ecol
= La mediana del nmero de especies de caros edficos vara dependiendo de que se haya
producido un incendio: M
quemada
? M
no quemada
. Por tanto, de acuerdo con nuestra hiptesis ecolgica, vamos a
hacer un test de dos colas.
Los datos obtenidos en el muestreo son los siguientes:

Parcela Nmero de especies de caros edficos n
quemada 6 9 12 12 15 16 6
no quemada 10 13 16 16 17 19 20 7

- Asignacin de rangos a cada dato:

dato * 6 9 10 12 12 13 15 16 16 16 17 19 20
rango 1 2 3 45 45 6 7 9 9 9 11 12 13

* en negrita los valores correspondientes al inventario de la parcela quemada
- Se suman los rangos de cada grupo: R
1
=28 R
2
=63
- Clculo del estadstico U
cal
:
U
1
=6x7+[(7x8)/2]-63=7
U
2
=6x7+[(6x7)/2]-28=35 U
cal

- Comprobacin de la significacin del estadstico U
cal
:
U
cal
= 35 < U
ct (a=0.05)
= 36 No se rechaza la H
0
, concluimos que el nmero de especies de
caros edficos no se ve influido significativamente por la ocurrencia de un incendio de baja intensidad.
4. TESTS DE COMPARACIN DE MS DE DOS MEDIAS
Sirven para comparar las medidas de tendencia central (media o mediana) de ms de
dos grupos de datos distintos, para determinar si las diferencias entre dichas medidas se deben
al azar del muestreo o a diferencias reales entre los grupos que se estn comparando.

14
Relacionan una variable cualitativa de ms de dos casos (variable independiente) con otra
cuantitativa (variable dependiente). Los estados de la variable cualitativa designan dichos
grupos. Un ejemplo de problema cientfico en el que utilizaramos este tipo de tests sera
determinar si existen diferencias significativas en la densidad de escarabajos (variable
dependiente, cuantitativa) que encontramos en un determinado lugar en las cuatro estaciones
del ao (variable independiente, cualitativa, define los grupos).
4.1. Seleccin del test
La seleccin del test apropiado para analizar nuestros datos se hace a travs del
siguiente procedimiento: Una vez que se ha hecho el muestreo y se ha medido la variable
cuantitativa en cada uno de los grupos de la poblacin, se construye un diagrama de
frecuencias (o se realiza un test estadstico si se dispone de software apropiado) para
comprobar la normalidad de la variable cuantitativa en cada uno de los grupos. Asimismo, se
realiza el test de la F de Snedecor para comprobar la homogeneidad de las varianzas entre los
distintos grupos.
Si la variable cuantitativa sigue la distribucin normal en todos los casos y las
varianzas no son significativamente distintas, se utilizar el test paramtrico: ANOVA
En cualquier otro caso se realizar el test no paramtrico: Kruskal-Wallis
4.2. Test paramtrico: Anlisis de la Varianza (ANOVA)
Se utiliza para detectar la existencia de diferencias significativas entre las medias de
una determinada variable cuantitativa en tres o ms grupos de datos.
4.2.1. Requisitos
Datos distribuidos segn una distribucin normal
Las varianzas de las distintas muestras han de ser iguales
Muestras independientes y tomadas al azar
4.2.2. Hiptesis
La hiptesis ecolgica establece que existen diferencias entre las medias de los grupos
considerados, es decir, que al menos dos de las medias sern distintas. La hiptesis nula
establece que no existen diferencias entre dichas medias.
H
ecol
: No todas las medias son iguales
H
0
:
1
=
2
= ... =
k

4.2.3. Procedimiento de clculo
La valoracin de las diferencias entre las medias de los distintos grupos se basa en la
descomposicin de la variabilidad total del conjunto de datos en dos trminos: variabilidad
debida a las diferencias entre los grupos (variabilidad entre grupos), y variabilidad debida al
azar del muestreo (variabilidad dentro de grupos).



La variabilidad entre datos se puede estimar con la varianza (s
2
), y con Suma de
Cuadrados (SS), que es el cociente entre la varianza y los grados de libertad (g-l.). Por tanto:

SS
total
= SS
entre grupos
+ SS
dentro grupos

Variabilidad
total
= Variabilidad
entre grupos
+ Variabilidad
dentro grupos


15
Las diferentes sumas de cuadrados se obtienen a partir de las siguientes frmulas:
( )



N
x
x SS
total
2
2

( ) ( ) ( ) ( )
N
x
n
x
n
x
n
x
SS
k
k
grupos entre
2 2
2
2
2
1
2
1
...

1
1
]
1

+ + +

x = cada uno de los datos de cada grupo
El clculo de la suma de cuadrados dentro de grupos es ms laboriosa y por ello la
obtenemos despejando de la ecuacin:


- Clculo de los grados de libertad de las sumas de cuadrados:
1 . . N SS l g
total
1 . . k SS l g
gupos entre
k N SS l g
grupos dentro
. .
- Conversin de las sumas de cuadrados (SS) en varianzas:
1 . .
2


k
SS
l g
SS
s
grupos entre
grupos entre
grupos entre
grupos entre

k N
SS
l g
SS
s
grupos dentro
grupos dentro
grupos dentro
grupos dentro


. .
2

- Clculo del estadstico F:
2
2
grupos dentro
grupos entre
s
s
F
Si en la poblacin de la que proceden las muestras no hay diferencias reales entre los
grupos definidos por la variable cualitativa, la varianza entre grupos ser similar a la varianza
dentro de grupos (por tanto el cociente entre ambas estar cerca de 1). En el caso de que
existan diferencias reales entre los grupos (lo que presupone la hiptesis ecolgica) la
varianza entre grupos ser mayor que la varianza dentro de los grupos (el cociente entre
ambas ser mayor de 1). El estadstico que nos dice si las desviaciones respecto a ese valor de
1 son significativas es F.
El contraste de hiptesis se realiza comparando el valor de la F
cal
con el valor F
crt

obtenido a partir de la tabla para el valor de previamente establecido (normalmente =0.05
o inferior). La bsqueda de dicha F
crt
requiere del nmero de grados de libertad del
numerador y del denominador. La forma habitual de notacin que se usa en las tablas lleva el
valor de entre parntesis, y los grados de libertad del numerador y del denominador a
continuacin, en orden consecutivo y separados por comas. Por ejemplo, F
crt (0.05) 3, 22
.
significa el valor del estadstico F de las tablas para un =0.05, con 3 grados de libertad en el
numerador y 22 en el denominador.
- Si F
cal
F
crt
se rechaza H
0
y se acepta H
ecol
(alguna de las medias es diferente)
- Si F
cal
< F
crt
se acepta H
0
y se rechaza H
ecol
(las medias son iguales)

4.2.4. Caso Prctico
Se quiere saber si el tipo de cobertura de suelo (suelo desnudo, piedras, hojarasca y pastizal) influye
sobre la densidad de hormigueros. Para ello se ha realizado un muestreo en el que se ha medido el nmero de
hormigueros en diez muestras distribuidas al azar dentro de cada una de las zonas con diferente cobertura.
grupo cada en datos de nmero ..., , , datos de total nmero grupos de nmero
2 1

k
n n n N k
g r u p c a d a e n d a t o s d e n m e r o . . . , , , d a t o s d e t o t a l n m e r o g r u p o s d e n m e r o 2 1 k n n n N k g r u p o c a d a e n d a t o s d e n m e r o . . . , , , d a t o s d e t o t a l n m o g r u p o s d e n m e r o 2 1 k n n n N k
SS
dentro grupos
= SS
total
SS
entre grupos


16
- Variables: cobertura de suelo (cualitativa, independiente) y densidad de hormigueros (cuantitativa,
dependiente)
- H
ecol
: Alguna de las medias es diferente (la cobertura de suelo influye sobre la densidad de
hormigueros)
- H
0
:
suelo desnudo
=
piedras
=
hojarasca
=
pastizal

- Tras el muestreo se obtienen los siguientes datos:

Cobertura Densidad de hormigueros n Media x (x)
2
x
2

suelo desnudo 78 88 87 88 83 82 81 80 80 89 10 83.6 836 698896 70036
piedras 78 78 83 81 78 81 81 82 76 76 10 79.4 794 630436 63100
hojarasca 79 73 79 75 77 78 80 78 83 84 10 78.6 786 617796 61878
pastizal 77 69 75 70 74 83 80 75 76 75 10 75.4 754 568516 57006
Total 40 3170 252020

Clculo de la suma de cuadrados total:
SS
T
= 252020 - (3170)
2
/40 = 797.5
Clculo de la variabilidad entre grupos (SS
entre grupos
):
SS
entre
= 698896/10 + 630436/10 + 617796/10 + 568516/10 - 3170
2
/40 = 341.9
Clculo de la variabilidad dentro de los grupos (SS
dentro grupos
):
SS
T
= SS
entre
+ SS
dentro
SS
dentro
= SS
total
- SS
entre
= 797.5 341.9 = 455.6
Determinar los grados de libertad de cada una de las suma de cuadrados estimadas:
SS
T
= N - 1 = 40 - 1 = 39 SS
entre grupos
= k - 1 = 4 - 1 = 3 SS
dentro grupos
= N - k = 40 - 4 = 36
Estimacin de las varianzas dividiendo las SS por los grados de libertad:
s
2
entre grupos
= 341.9/3 = 113.97 s
2
dentro grupos
= 455.6/36 12.66
Clculo del estadstico F
cal
y comparacin con el estadstico F
crt
:
F
cal
= s
2
entre grupos
/s
2
dentro grupos
=113.97/12.66 = 9.002
F
crt (0.05) 3, 36
< 2.92





4.3. Test no paramtrico: Kruskal-Wallis
Se basa en rangos en lugar de los parmetros de la muestra (media, varianza). Se
emplea cuando los datos no siguen la distribucin normal y/o tienen varianzas distintas, en
sustitucin del ANOVA paramtrico. Cuando el nmero de grupos es 2 es idntico a la U de
Mann-Whitney.
4.3.1. Requisitos
Variable cuantitativa que no cumple los requisitos de normalidad y/o homogeneidad
de varianzas, o variable semicuantitativa.
Muestras independientes y al azar.
4.3.2. Hiptesis
La hiptesis ecolgica establece que existen diferencias entre las medianas () de los
grupos considerados, es decir, que al menos dos de las medianas sern distintas. La hiptesis
nula establece que no existen diferencias entre dichas medianas.
H
ecol
: Las medianas no son todas iguales
H
0
:
1
=
2
= ... =
k

4.3.3. Procedimiento de clculo
- Asignacin de rangos: se realiza exactamente igual que para la U de Mann-Whitney.
F
cal
> F
crt
Rechazamos H
o
La abundancia de hormigueros
no es la misma en todas las zonas
con distinta cobertura de suelo

17
- Clculo del estadstico H:
Cuando existen rangos ligados (dos o ms nmeros con el mismo rango) se aplica un
factor de correccin, siendo H
c
el estadstico que se utiliza en lugar de H, calculado segn la
siguiente expresin:
El valor crtico del estadstico calculado (H o H
c
) se consulta en la tabla de la
2
si
N15, o si k > 5, para (k-1) grados de libertad. Si N<15 y k<5 se consulta en la tabla
especfica para H.
- Si H
cal
H
crt
(
2
crt
) se rechaza H
0
y se acepta H
ecol
(alguna de las medianas es
diferente)
- Si H
cal
< H
crt
(
2
crt
) se acepta H
0
y se rechaza H
ecol
(las medianas son iguales)

4.3.4. Caso prctico:

Se quiere estudiar si el pH de cuatro charcas situadas sobre sustratos diferentes es distinto. Para ello se
obtuvieron 8 muestras de agua procedentes de cada una de las charcas, midindose el pH en cada una de ellas.
Los datos de pH se ordenaron de forma ascendente para cada charca. (Una muestra de agua de la charca n 3 se
perdi, de forma que n
3
=7; pero el test no requiere igualdad en el nmero de datos de cada grupo). Los rangos se
muestran entre parntesis.

Variable dependiente: pH (cuantitativa)
Variable independiente: tipo de sustrato sobre el que cada charca (cualitativa)
H
0
= el pH es el mismo en las cuatro charcas
H
ecol
= el pH no es el mismo en las cuatro charcas


Charca 1 Charca 2 Charca 3 Charca 4
7.68 (1) 7.71 (6*) 7.74 (13.5*) 7.71 (6*)
7.69 (2) 7.73 (10*) 7.75 (16) 7.71 (6*)
7.70 (3.5*) 7.74 (13.5*) 7.77 (18) 7.74 (13.5*)
7.70 (3.5*) 7.74 (13.5*) 7.78 (20*) 7.79 (22)
7.72 (8) 7.78 (20*) 7.80 (23.5*) 7.81 (26*)
7.73 (10*) 7.78 (20*) 7.81 (26*) 7.85 (29)
7.73 (10*) 7.80 (23.5*) 7.84 (28) 7.87 (30)
7.76 (17) 7.81 (26*) 7.91 (31)

n
1
=8 n
2
=8 n
3
=7 n
4
=8
R
1
=55 R
2
=132.5 R
3
=145 R
4
=163.5

* Rangos ligados






) 1 ( 3
) 1 (
12
1
2
+
+

N
n
R
N N
H
k
i
i
i
i grupo el en datos de nmero
datos de total nmero N
grupos de nmero

i n
k
C
H
Hc
N N
t t
C
m
i
i i

3
1
3
) (
1
ligados rangos de grupos de nmero
grupo cada en ligados rangos de nmero

m
t
i

18




















5. ASOCIACIN ENTRE VARIABLES CUANTITATIVAS:
NDICES DE CORRELACIN
El coeficiente de correlacin cuantifica el grado de asociacin entre dos variables
cuantitativas.
es el coeficiente de correlacin real que existe entre dos variables en el conjunto de
la poblacin.
r y r
s
son los coeficientes medidos sobre la muestra.
5.1. Rangos de variacin de los coeficientes
Los coeficientes de correlacin varan entre 1 y 1 del siguiente modo:
a) 1 > 0 : correlacin positiva.
b) 1 < 0 : correlacin negativa.
c) 0 : no hay correlacin, los valores de x e y varan de forma independiente.
Cuanto ms cerca est el coeficiente de 1 1, ms fuerte es la correlacin
5.2. Hiptesis
a) HIPTESIS DE DOS COLAS
Existe correlacin entre las variables x e y, ya sea positiva o negativa. La hiptesis
nula dice que no existe correlacin entre las variables.
H
ec
: 0 ( < 0 > 0)
31 8 7 8 8 + + + N
876 . 11 ) 32 ( 3
8
5 . 163
7
145
8
5 . 132
8
55
) 32 ( 31
12
) 1 ( 3
) 1 (
12
2 2 2 2
1
2

1
1
]
1

+ + + +
+

N
n
R
N N
H
k
i
i
i
168 ) 3 3 ( ) 2 2 ( ) 3 3 ( ) 4 4 ( ) 3 3 ( ) 3 3 ( ) 2 2 ( ) (
3 3 3 3 3 3 3
1
3
+ + + + + +

i
m
i
i
t t
7 ligados rangos de grupos de Nmero m
9944 . 0
29760
168
1
31 31
168
1
) (
1
3 3
1
3

N N
t t
C
m
i
i i
943 . 11
09944
876 . 11

C
H
H
c
3 1 k
815 . 7
2
3 , 05 . 0

Se rechaza H
0
El pH no es el mismo en todas las charcas

2
crt c
cal H >

19

,
_

,
_

,
_

,
_

2
1 1
2
2
1 1
2
1 1 1
i n
n
i
i n
n
i
i n
n
i
i n
n
i
n i
i
n i
i
i i
n i
i
i i
y y n x x n
y x y x n
r
H
0
: = 0
b) HIPTESIS DE UNA COLA
Existe correlacin positiva o negativa entre las variables x e y. La hiptesis nula dice
que no hay correlacin o que sta es del signo contrario al esperado en la hiptesis ecolgica.
H
ecol
: > 0 H
0
: 0
H
ecol
: < 0 H
0
: 0
5.3. Seleccin del test
Para seleccionar el tipo de correlacin con el que analizaremos nuestros datos
(paramtrica o no paramtrica), seguiremos los siguientes pasos: una vez que se haya
realizado el muestreo y hayamos medido las variables x e y en la muestra, representaremos los
pares de datos en un diagrama x-y. A continuacin comprobaremos la normalidad de las
variables (construyendo el diagrama de frecuencias o utilizando un software apropiado).
Si las dos variables cuantitativas siguen una distribucin normal, utilizaremos la
correlacin de Pearson (paramtrica).
Si alguna de las dos variables cuantitativas no sigue una distribucin normal,
utilizaremos la correlacin de Spearman (no paramtrica).

5.4. Correlacin paramtrica: r de Pearson

5.4.1. Procedimiento de clculo
El clculo del ndice de correlacin de Pearson se hace a partir de la siguiente frmula:

n- n de pares de muestras
x
i
- valores de la variable x
y
i
- valores de la variable y

A continuacin, se comprueba la significacin del ndice de correlacin calculado
comparndolo con el valor de un estadstico r
crit
obtenido a partir de la tabla correspondiente,
para una a = 0.05 o inferior y las colas que establezca la hiptesis.
Si r
cal
r
crit
(a=0.05 o inferior) Se rechaza la hiptesis nula. Existe
correlacin.
5.4.2. Caso prctico
Un ornitlogo est interesado en conocer la longitud del pico de una poblacin de aves que estudia. Sin
embargo esa medida resulta ms costosa de tomar que el peso corporal. Por ello quiere saber si ambas variables
se correlacionan para estimar la primera a partir de la segunda.
- Variables: x- longitud del pico; y peso corporal. Ambas son cuantitativas y normales.
- Hiptesis de dos colas:
H
ecol
: 0 ( < 0 > 0)
H
0
: = 0
- Tras tomar una muestra de 10 individuos se obtienen los siguientes datos:



20
Obs.
Longitud
del pico
(mm)
Peso
corporal (g)
x
2
y
2
xy
1 33.5 51 1122 2601 1708
2 38.0 59 14444 3481 2242
3 32.0 49 1024 2401 1568
4 37.5 54 1406 2916 2025
5 31.5 50 992 2500 1575
6 33.0 55 1089 3025 1815
7 31.0 48 961 2304 1488
8 36.5 53 1332 2809 1935
9 34.0 52 1156 2704 1768
10 35.0 57 1225 2349 1995
SUMA 342 528 11752 27990 18119

n = 10; r = 0.779, r
cal
= 0.779 > r
crit (0.01) n=10
= 0.765. Se rechaza H
0
y se acepta H
ecol
Por tanto, se puede concluir que existe una correlacin positiva entre el peso corporal y la longitud del
pico de esa poblacin de aves. Esto significa que los cambios en peso corporal de esas aves son un fiel reflejo de
los cambios en la longitud del pico.

5.5. Correlacin no paramtrica: r de Spearman
5.5.1. Procedimiento de clculo
Para calcular la r de Spearman hay que realizar los siguientes pasos:
- Ordenar los pares de datos en funcin del valor de x y asignar rangos a x.
- Repetir la ordenacin en funcin de y y asignar rangos a y.
- Calcular el coeficiente:
n n
d
r
n i
i
i
s

3
1
2
6
1
n = n de pares de datos
d
i
= diferencia de rangos en las variables del par i
Para comprobar la significacin estadstica del ndice de correlacin se consulta en la
tabla correspondiente el valor crtico de r
s
para n pares de datos, para p=0.05 o inferior y para
el nmero de colas acorde con la hiptesis. Si r
s

cal
r
s

crt
, se rechaza H
0
.

5.5.2. Caso prctico
Se sospecha que la abundancia de la especie de gramnea Poa bulbosa en los pastizales mediterrneos
depende en gran medida de la humedad que hay en el suelo. Para comprobar la hiptesis se realiza un muestreo
con una cuadrcula de 20 cm de lado, que se dispone 12 veces al azar sobre la comunidad de pasto. En cada
cuadrcula se mide la cobertura de la especie y la humedad del suelo mediante un TDR.

Variables: Cobertura de la especie y humedad del suelo. Ambas son cuantitativas, y no siguen una
distribucin normal.
Hiptesis de una cola: existir una correlacin positiva entre la cobertura de Poa y la humedad.
H
ec
: > 0 H
0
: 0

Tras realizar el muestreo se obtienen los siguientes datos:



21
Obs. Cobertura Humedad Rango cob. Rango hum. d d
2

1 82 42 2 3 -1 1
2 98 46 6 4 2 4
3 87 39 5 2 3 9
4 40 37 1 1 0 0
5 116 65 10 8 2 4
6 113 88 9 11 -2 4
7 111 86 8 10 -2 4
8 83 56 3 6 -3 9
9 85 62 4 7 -3 9
10 126 92 12 12 0 0
11 106 54 7 5 2 4
12 117 81 11 9 2 4
Suma 52

82 . 0
12 12
52 6
1
3


s
r > r
s
crit (0.05) = 0.503 --> Se rechaza H
0
, hay correlacin positiva entre la
cobertura de Poa bulbosa y la humedad del suelo.

Es importante destacar que este muestreo no es una demostracin de una relacin causa-efecto entre
las variables, es decir, que con este muestreo no podemos concluir que la mayor humedad de suelo es la causa de
la mayor abundancia de Poa bulbosa. Para determinar relaciones de causa-efecto se necesita realizar
experimentos controlados y otros tests estadsticos que verifiquen ese tipo de relacin.


22
6. TABLAS ESTADSTICAS
6.1. Tabla de valores crticos del estadstico
2



23
6.2. Tabla de valores crticos del estadstico t de Student
One tailed: hiptesis de una cola
Two tailed: hiptesis de dos colas



24
6.3. Tabla de valores crticos del estadstico U de Mann Whitney


una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
1 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19 19
20 20
21 21
22 22
23 23
24 24
25 25
26 26
27 27
28 28
29 29
30 30
31 31
32 32
33 33
34 34
35 35
36 36
37 37
38 38
39 38 39
40 39 40
2 2
3
4
5 10
6 12
7 14
8 15 16
9 17 18
10 19 20
11 21 22
12 22 23
13 24 26 25
14 25 28 27


una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
2 15 27 30 29
16 29 32 31
17 31 34 32
18 32 36 34
19 34 37 36 38
20 36 39 38 40
21 37 41 39 42
22 39 43 41 44
23 41 45 43 46
24 42 47 45 48
25 44 49 47 50
26 46 51 48 52
27 47 52 50 53
28 49 54 52 55
29 51 56 54 57
30 53 58 55 59
31 54 60 57 61
32 56 62 59 63
33 58 64 61 65
34 59 65 63 67
35 61 67 64 69
36 63 69 66 71
37 64 71 68 73
38 66 73 70 75
39 68 75 71 76
40 69 77 73 78
3 3 9
4 12
5 14 15
6 16 17
7 19 21 20
8 21 24 22
9 23 26 25 27
10 26 29 27 30
11 28 32 30 33
12 31 34 32 35
13 33 37 35 38
14 35 40 37 41
15 38 42 40 43
16 40 45 42 46
17 42 47 45 49
18 45 50 47 52
19 47 53 50 54
20 49 55 52 57
21 52 58 55 60
22 54 60 57 62
23 56 63 60 65
24 59 66 62 68
25 61 68 65 70
26 63 71 67 73
27 66 74 70 76
28 68 76 72 79
29 70 79 74 81


una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
3 30 73 81 77 84
31 75 84 79 87
32 77 87 82 89
33 80 89 84 92
34 82 92 87 95
35 84 94 89 97
36 87 97 92 100
37 89 100 94 103
38 91 102 97 105
39 94 105 99 108
40 96 107 102 111
4 4 15 16
5 18 20 19
6 21 23 22 24
7 24 27 25 28
8 27 30 28 31
9 30 33 32 35
10 33 37 35 38
11 36 40 38 42
12 39 43 41 45
13 42 47 44 49
14 45 50 47 52
15 48 53 50 55
16 50 57 53 59
17 53 60 57 62
18 56 63 60 66
19 59 67 63 69
20 62 70 66 72
21 65 73 69 76
22 68 77 72 79
23 71 80 75 83
24 74 83 79 86
25 77 87 82 90
26 80 90 85 93
27 83 93 88 96
28 86 96 91 100
29 89 100 94 103
30 92 103 97 107
31 95 106 100 110
32 98 110 104 114
33 101 113 107 117
34 104 116 110 120
35 107 120 113 124
36 110 123 116 127
37 113 126 119 131
38 116 130 122 134
39 118 133 125 137
40 121 136 129 141
5 5 21 24 23 25
6 25 28 27 29
7 29 32 30 34
8 32 36 34 38
9 36 40 38 42



25
una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
5 10 39 44 42 46
11 43 48 46 50
12 47 52 49 54
13 50 56 53 58
14 54 60 57 63
15 57 64 61 67
16 61 68 65 71
17 65 72 68 75
18 68 76 72 79
19 72 80 76 83
20 75 84 80 87
21 79 88 83 91
22 82 92 87 96
23 86 96 91 100
24 91 100 95 104
25 93 104 98 108
26 97 108 102 112
27 100 112 106 119
28 104 116 110 120
29 107 120 113 124
30 111 124 117 128
31 115 128 121 133
32 118 132 125 137
33 122 136 128 141
34 125 140 132 145
35 129 144 136 149
36 132 148 140 153
37 136 152 144 157
38 140 156 147 161
39 143 160 151 165
40 147 164 155 169
6 6 29 33 31 34
7 34 38 36 39
8 38 42 40 44
9 42 47 44 49
10 46 52 49 54
11 50 57 53 59
12 55 61 58 63
13 59 66 62 68
14 63 71 67 73
15 67 75 71 78
16 71 80 75 83
17 76 84 80 87
18 80 89 84 92
19 84 94 89 97
20 88 98 93 102
21 92 103 97 107
22 96 108 102 111
23 101 112 106 116
24 105 117 111 121
25 109 121 115 126
26 113 126 119 131




una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
6 27 117 131 124 135
28 122 135 128 140
29 126 140 132 145
30 130 145 137 150
31 134 149 141 154
32 138 154 146 159
33 142 158 150 164
34 147 163 154 169
35 151 168 159 173
36 155 172 163 178
37 159 177 167 183
38 163 182 172 188
39 167 186 176 193
40 172 191 181 197
7 7 38 43 41 45
8 43 49 46 50
9 48 54 51 56
10 53 59 56 61
11 58 65 61 67
12 63 70 66 72
13 67 75 71 78
14 72 81 76 83
15 77 86 81 89
16 82 91 86 94
17 86 96 91 100
18 91 102 96 105
19 96 107 101 111
20 101 112 106 116
21 106 117 111 122
22 110 123 116 127
23 115 128 121 132
24 120 133 126 138
25 125 139 131 143
26 129 144 136 149
27 134 149 141 154
28 139 154 146 160
29 144 160 151 165
30 149 165 156 170
31 153 170 161 176
32 158 175 166 181
33 163 181 171 187
34 168 186 176 192
35 172 191 181 198
36 177 196 186 203
37 182 202 191 208
38 187 207 196 214
39 191 121 201 219
40 196 217 206 225
8 8 49 55 51 57
9 54 61 57 63
10 60 67 63 69
11 65 73 69 75




una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
8 12 70 79 74 81
13 76 84 80 87
14 81 90 86 94
15 87 96 91 100
16 92 102 97 106
17 97 108 102 112
18 103 114 108 118
19 108 120 114 124
20 113 126 119 130
21 119 132 125 136
22 124 138 131 142
23 130 144 136 149
24 135 150 142 155
25 140 155 147 161
26 146 161 153 167
27 151 167 159 173
28 156 173 164 179
29 162 179 170 185
30 167 185 175 191
31 172 191 181 197
32 178 197 187 203
33 183 203 192 209
34 188 208 198 215
35 194 214 203 221
36 199 220 209 228
37 205 226 215 234
38 210 232 220 240
39 215 238 226 246
40 221 244 231 252
9 9 60 67 64 70
10 66 74 70 77
11 72 81 76 83
12 78 87 82 90
13 84 94 89 97
14 90 100 95 104
15 96 107 101 111
16 102 113 107 117
17 108 120 114 124
18 114 126 120 131
19 120 133 126 138
20 126 140 132 144
21 132 146 139 151
22 138 153 145 158
23 144 159 151 164
24 150 166 157 171
25 156 172 163 178
26 162 179 170 185
27 168 185 176 191
28 174 192 182 198
29 179 198 188 205
30 185 205 194 212
31 191 211 201 218






26
una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
9 32 197 218 207 225
33 203 224 213 232
34 209 231 219 238
35 215 237 226 245
36 221 244 232 252
37 227 250 238 258
38 233 257 244 265
39 239 263 250 272
40 245 270 257 279
10 10 73 81 77 84
11 79 88 84 92
12 86 96 91 99
13 93 103 97 106
14 99 110 104 114
15 106 117 111 121
16 112 124 118 129
17 119 132 125 136
18 125 139 132 143
19 132 146 138 151
20 138 153 145 158
21 145 160 152 166
22 152 167 159 173
23 158 175 166 180
24 165 182 173 188
25 171 189 179 195
26 178 196 186 202
27 184 203 193 210
28 191 210 200 217
29 197 217 207 224
30 204 224 213 232
31 210 232 220 239
32 217 239 227 246
33 223 246 234 254
34 230 253 241 261
35 236 260 247 268
36 243 267 254 276
37 249 274 261 283
38 256 281 268 290
39 262 289 275 298
40 269 296 284 305
11 11 87 96 91 100
12 94 104 99 108
13 101 112 106 116
14 108 120 114 124
15 115 128 121 132
16 122 135 129 140
17 130 143 136 148
18 137 151 143 156
19 144 159 151 164
20 151 167 158 172
21 158 174 166 180
22 168 182 173 188




una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
11 23 172 190 180 196
24 179 198 188 204
25 186 205 195 212
26 194 213 203 220
27 201 221 210 228
28 208 229 218 236
29 215 236 225 244
30 222 244 232 252
31 229 252 240 260
32 236 260 247 268
33 243 267 255 276
34 250 275 262 284
35 257 283 269 292
36 265 290 277 300
37 272 298 284 308
38 279 306 291 316
39 286 314 299 323
40 293 321 306 331
12 12 102 113 107 117
13 109 121 115 125
14 117 130 123 134
15 125 138 131 143
16 132 146 139 151
17 140 155 147 160
18 148 163 155 169
19 156 172 163 177
20 163 180 171 186
21 171 188 179 194
22 179 197 187 203
23 186 205 195 212
24 194 213 203 220
25 202 222 211 229
26 209 230 219 238
27 217 239 227 246
28 225 247 235 255
29 232 255 243 263
30 240 264 251 272
31 248 272 259 280
32 256 280 267 289
33 263 289 275 298
34 271 297 283 306
35 279 305 291 315
36 286 314 299 323
37 294 322 307 332
38 302 330 315 340
39 309 339 323 349
40 317 347 331 358
13 13 118 130 124 135
14 126 139 132 144
15 134 148 141 153
16 143 157 149 163
17 151 166 158 172




una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
13 18 159 175 167 181
19 167 184 175 190
20 176 193 184 200
21 184 202 193 209
22 192 211 201 218
23 201 220 210 227
24 209 229 218 237
25 217 238 227 246
26 225 247 236 255
27 234 256 244 264
28 242 265 253 273
29 250 274 261 283
30 258 283 270 292
31 267 292 278 301
32 275 301 287 310
33 283 310 296 319
34 291 319 304 329
35 299 328 312 338
36 308 337 321 347
37 316 346 330 356
38 324 355 338 365
39 332 363 347 374
40 341 372 355 384
14 14 135 149 141 154
15 144 159 151 164
16 153 168 160 174
17 161 178 169 184
18 170 187 178 194
19 179 197 188 203
20 188 207 197 213
21 197 216 206 223
22 206 226 215 233
23 215 235 224 243
24 223 245 234 253
25 232 255 243 263
26 241 264 252 272
27 250 274 261 282
28 259 283 270 292
29 268 293 279 302
30 276 302 289 312
31 285 312 298 321
32 294 321 307 331
33 303 331 316 341
34 312 341 325 351
35 320 350 334 361
36 329 360 343 370
37 338 369 353 380
38 347 379 362 390
39 356 388 371 400
40 364 398 380 410
15 15 153 169 161 174
16 163 179 170 185






27

una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
15 17 172 189 180 195
18 182 200 190 206
19 191 210 200 216
20 200 220 210 227
21 210 230 219 237
22 219 240 229 248
23 229 251 239 258
24 238 261 249 269
25 247 271 258 279
26 257 281 268 290
27 266 291 278 300
28 276 301 288 311
29 285 312 297 321
30 294 322 307 331
31 304 332 317 342
32 313 342 327 352
33 323 352 336 363
34 332 362 346 373
35 341 372 356 383
36 351 382 366 394
37 360 393 375 404
38 369 403 385 415
39 379 413 395 425
40 388 423 404 435
16 16 173 190 181 196
17 183 201 191 207
18 193 212 202 218
19 203 222 212 230
20 213 233 222 241
21 223 244 233 252
22 233 255 243 263
23 243 266 253 274
24 253 276 264 285
25 263 287 274 296
26 273 298 284 307
27 283 309 295 318
28 292 319 305 329
29 302 330 315 340
30 312 341 326 351
31 322 352 336 362
32 332 362 346 373
33 342 373 357 384
34 352 384 367 395
35 362 395 377 406
36 372 405 388 417
37 382 416 398 428
38 392 427 408 439
39 402 437 418 450
40 412 448 429 461






una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
17 17 193 212 202 219
18 204 224 213 231
19 214 235 224 242
20 225 247 235 254
21 236 258 246 266
22 246 269 257 278
23 257 281 268 289
24 267 292 279 301
25 278 303 290 313
26 288 315 301 324
27 299 326 312 336
28 309 337 322 348
29 320 349 333 359
30 330 360 344 371
31 341 371 355 382
32 351 383 366 394
33 362 394 377 406
34 372 405 388 417
35 383 417 399 429
36 393 428 410 440
37 404 439 420 452
38 414 451 431 464
39 425 462 442 475
40 435 473 453 487
18 18 215 236 225 243
19 226 248 236 255
20 237 260 248 268
21 248 272 259 280
22 260 284 271 292
23 271 296 282 305
24 282 308 294 317
25 293 320 305 329
26 304 332 317 341
27 315 344 328 354
28 326 355 340 366
29 337 367 351 378
30 348 379 363 390
31 359 391 374 403
32 370 403 386 415
33 382 415 397 427
34 393 427 409 439
35 404 439 420 451
36 415 451 432 464
37 426 463 443 476
38 437 475 454 488
39 448 486 466 500
40 459 498 477 512







una cola dos colas
n1 n2 0.05 0.01 0.05 0.01
19 19 238 260 248 268
20 250 273 261 281
21 261 286 273 294
22 273 298 285 307
23 285 311 297 320
24 296 323 309 333
25 308 336 321 346
26 320 348 333 359
27 331 361 345 371
28 343 373 357 384
29 355 386 369 397
30 366 398 381 410
31 378 411 393 423
32 390 423 405 436
33 401 436 417 448
34 413 448 429 461
35 424 461 441 474
36 436 473 453 487
37 448 486 465 500
38 459 498 477 512
39 471 511 489 525
40 482 523 502 538
20 20 262 286 273 295
21 274 299 286 308
22 276 313 299 322
23 299 326 311 335
24 311 339 234 349
25 323 352 337 362
26 335 365 349 376
27 348 378 362 389
28 360 391 374 403
29 372 404 387 416
30 384 418 400 430
31 396 431 412 443
32 409 444 425 456
33 421 457 438 470
34 433 470 450 483
35 445 483 463 497
36 457 496 475 510
37 469 509 488 523
38 482 522 501 537
39 535 513 550
40 548 526 563



28
6.4. Tabla de valores crticos del estadstico F de Snedecor
?
1
: grados de libertad del numerador
?
2
: grados de libertad del denominador
































a = 0.05
a = 0.01



29
6.5. Tabla de valores crticos del estadstico H de Kruskal-Wallis
n1 n2 n3 n4 n5
=0.05 =0.01
2 2 2
3 2 1
3 2 2 4.714
3 3 1 5.143
3 3 2 5.361
3 3 3 5.600
4 2 1
4 2 2 5.333
4 3 1 5.208
4 3 2 5.444 6.444
4 3 3 5.791 6.745
4 4 1 4.967 6.667
4 4 2 5.455 7.036
4 4 3 5.598 7.144
4 4 4 5.692 7.654
5 2 1 5.000
5 2 2 5.160 6.533
5 3 1 4.960
5 3 2 5.251 6.909
5 3 3 5.648 7.079
5 4 1 4.985 6.955
5 4 2 5.273 7.205
5 4 3 5.656 7.445
5 4 4 5.657 7.760
5 5 1 5.127 7.309
5 5 2 5.338 7.338
5 5 3 5.705 7.578
5 5 4 5.666 7.823
5 5 5 5.780 8.000
6 1 1
6 2 1 4.822
6 2 2 5.345 6.982
6 3 1 4.855
6 3 2 5.348 6.970
6 3 3 5.615 7.410
6 4 1 4.947 7.106
6 4 2 5.340 7.340
6 4 3 5.610 7.500
6 4 4 5.681 7.795
6 5 1 4.990 7.182
6 5 2 5.338 7.376
6 5 3 5.602 7.590
6 5 4 5.661 7.936
6 5 5 5.729 8.028
6 6 1 4.945 7.121
6 6 2 5.410 7.467
6 6 3 5.625 7.725
6 6 4 5.724 8.000
6 6 5 5.765 8.124
6 6 6 5.801 8.222
7 7 7 5.819 8.378
8 8 8 5.805 8.465
2 2 1 1
2 2 2 1 5.679
2 2 2 2 6.167 6.667
3 1 1 1
3 2 1 1
3 2 2 1 5.833
3 2 2 2 5.333 7.133
3 3 1 1 6.333
3 3 2 1 6.244 7.200
3 3 2 2 6.527 7.636
3 3 3 1 6.600 7.400
3 3 3 2 6.727 8.105
3 3 3 3 7.000 8.538
4 1 1 1
4 2 1 1 5.833
n1 n2 n3 n4 n5
=0.05 =0.01
4 2 2 1 6.133 7.000
4 2 2 2 6.545 7.391
4 3 1 1 6.178 7.067
4 3 2 1 6.309 7.455
4 3 2 2 6.621 7.871
4 3 3 1 6.545 7.758
4 3 3 2 6.795 8.333
4 3 3 3 6.984 8.659
4 4 1 1 5.945 7.909
4 4 2 1 6.386 7.886
4 4 2 2 6.731 8.346
4 4 3 1 6.635 8.231
4 4 3 2 6.874 8.621
4 4 3 3 7.038 8.876
4 4 4 1 6.725 8.588
4 4 4 2 6.957 8.871
4 4 4 3 7.142 9.075
4 4 4 4 7.235 9.287
2 1 1 1 1
2 2 1 1 1
2 2 2 1 1 6.750
2 2 2 2 1 7.133 7.533
2 2 2 2 2 7.418 8.291
3 1 1 1 1
3 2 1 1 1 6.583
3 2 2 1 1 6.800 7.600
3 2 2 2 1 7.309 8.127
3 2 2 2 2 7.682 8.682
3 3 1 1 1 7.111
3 3 2 1 1 7.200 8.073
3 3 2 2 1 7.591 8.576
3 3 2 2 2 7.910 9.115
3 3 3 1 1 7.576 8.424
3 3 3 2 1 7.759 9.051
3 3 3 2 2 8.044 9.505
3 3 3 3 1 8.000 9.451
3 3 3 3 2 8.200 9.876
3 3 3 3 3 8.333 10.200






30
6.6. Tabla de valores crticos del coeficiente de correlacin de Pearson (r)
Una cola Dos colas
n
=0.05 =0.01 =0.05 =0.01
3 0.988 1.000 0.997 1.000
4 0.900 0.980 0.950 0.990
5 0.805 0.934 0.878 0.959
6 0.729 0.882 0.811 0.917
7 0.669 0.833 0.755 0.875
8 0.622 0.789 0.707 0.834
9 0.582 0.750 0.666 0.798
10 0.549 0.715 0.632 0.765
11 0.521 0.685 0.602 0.735
12 0.497 0.658 0.576 0.708
13 0.476 0.634 0.553 0.684
14 0.458 0.612 0.532 0.661
15 0.441 0.592 0.514 0.641
16 0.426 0.574 0.497 0.623
17 0.412 0.558 0.482 0.606
18 0.400 0.542 0.468 0.590
19 0.389 0.529 0.456 0.575
20 0.378 0.515 0.444 0.561
21 0.369 0.503 0.433 0.549
22 0.360 0.492 0.423 0.537
23 0.352 0.482 0.413 0.526
24 0.344 0.472 0.404 0.515
25 0.337 0.462 0.396 0.505
26 0.330 0.453 0.388 0.496
27 0.323 0.445 0.381 0.487
28 0.317 0.437 0.374 0.479
29 0.312 0.430 0.367 0.471
30 0.306 0.423 0.361 0.463
32 0.296 0.409 0.349 0.449
34 0.287 0.397 0.339 0.436
36 0.279 0.386 0.329 0.424
38 0.271 0.376 0.320 0.413
40 0.264 0.367 0.312 0.403
42 0.257 0.358 0.304 0.393
44 0.251 0.350 0.297 0.384
46 0.246 0.342 0.291 0.376
48 0.240 0.335 0.285 0.368
50 0.235 0.328 0.279 0.361
52 0.231 0.322 0.273 0.354
54 0.226 0.316 0.268 0.348
56 0.222 0.310 0.263 0.341
58 0.218 0.305 0.259 0.336
60 0.214 0.300 0.254 0.330
62 0.211 0.295 0.250 0.325
64 0.207 0.290 0.246 0.320
66 0.204 0.286 0.242 0.315
68 0.201 0.282 0.239 0.310
70 0.198 0.278 0.235 0.306
72 0.195 0.274 0.232 0.302
74 0.193 0.270 0.229 0.298
76 0.190 0.266 0.226 0.294
78 0.188 0.263 0.223 0.290
80 0.185 0.260 0.220 0.286
82 0.183 0.257 0.217 0.283
84 0.181 0.253 0.215 0.280
86 0.179 0.251 0.212 0.276
88 0.177 0.248 0.210 0.273
90 0.174 0.245 0.207 0.270
92 0.173 0.242 0.205 0.267
94 0.171 0.240 0.203 0.264
96 0.169 0.237 0.201 0.262
98 0.167 0.235 0.199 0.259
100 0.165 0.232 0.197 0.257




31
6.7. Tabla de valores crticos del coeficiente de correlacin de Spearman (r
s
)
a (1): hiptesis de una cola
a (2): hiptesis de dos colas