Diseo entre-grupos univariado unifactorial con A>2.

Contraste de hiptesis especficas

Dolores Fras-Navarro

Universidad de Valencia

http://www.uv.es/friasnav/

Hasta ahora hemos ido desarrollando las pruebas paramtricas para contrastar hiptesis
de dos grupos independientes (diseo entre-grupos univariado unifactorial, A=2)
mediante el Anlisis de la Varianza (ANOVA). Ahora nos vamos a detener en el
contraste de hiptesis especficas. Se van a presentar diferentes pruebas estadsticas y se
van a utilizar dos mdulos del SPSS donde se pueden realizar las pruebas de hiptesis
especficas en la ventana de Analizar: 1) mdulo de Comparar medias y 2) el mdulo
de Modelo Lineal General.

ANALIZAR Comparar medias

El SPSS tiene un grupo de anlisis dentro del men Analizar Comparar Medias
donde se pueden ejecutar las tcnicas de contraste de hiptesis de prueba t para una
muestra, prueba t para muestras independientes, prueba t para muestras relacionadas y
ANOVA de un factor.

Nos vamos a detener en el ltimo apartado:

ANOVA de un factor. Dentro de este
apartado se puede ejecutar un diseo de A=2
y de A>2. Es decir, se pueden ejecutar los
diseos unifactoriales con un factor de 2
condiciones o con un factor que tenga ms
de dos condiciones (por ejemplo A=3).
Cuando el diseo tiene un factor o variable
independiente con ms de dos condiciones
ser necesario recurrir a la opcin de post-
hoc (a posteriori) para poder descubrir
entre qu pares de medias se encuentran las
diferencias. Y para ello es necesario que el
profesional (investigador) decida qu prueba debe ejecutar a posteriori, teniendo en
cuenta si se asume que las varianzas de los grupos son homogneas (homocedasticidad
de varianzas) o no (heterocedasticidad de varianzas).

Por lo tanto, cuando la variable independiente tiene

ms de 2 condiciones, hay que analizar entre qu
medias se producen las diferencias estadsticamente
significativas y en qu sentido.

1
 Supongamos que tenemos una investigacin con los siguientes datos:

a1= 12, 8, 10

a2= 5, 7, 6

a3= 14, 13, 15

El investigador desea comprobar si existen diferencias estadsticamente significativas

entre esos tres grupos y tambin entr qu par de medias se encuentran las diferencias
que son estadsticamente significativas. Si ejecutamos el ANOVA de un factor y en
Opciones seleccionamos descriptivos y prueba de homogeneidad de las varianzas, el
resultado seala la siguiente relacin entre las medias de los grupos mediante la razn F
del Anlisis de la Varianza:

Figura: Introduccin de datos para un diseo entre-grupos y seleccin de la variable

dependiente e independiente del diseo

Relacin entre las condiciones: existe alguna diferencia estadsticamente significativa

entre las medias de las tres condiciones?

2
Los resultados sealan que las varianzas de las tres condiciones son homogneas
(Levene(2, 6)=0.667, p=0.548). Por lo tanto se cumple el supuesto de homogeneidad de
las varianzas. Los resultados del ANOVA de un diseo unifactorial A=3 entre-sujetos
sealan que existen diferencias estadsticamente significativas entre los tres grupos (F(2,
6)=24, p=0.001).

Pero, la pregunta ahora es dnde se encuentran las diferencias que son

estadsticamente significativas? Es entre las medias de a1-a2? Es entre las medias de
a1-a3? O quizs es entre las medias de a3-a2? Las diferencias siempre se valoran en
trminos de valores absolutos.

El resultado del ANOVA no permite dar respuesta a esas comparaciones especficas

entre los tres grupos. Cuando nicamente trabajbamos con dos medias (A=2) estaba
claro que si el resultado del ANOVA sealaba que haban diferencias estadsticamente
entre los grupos se trataba de la nica diferencia posible: a1-a2. Pero ahora tenemos tres
posibles diferencias de medias. Cul de ellas es estadsticamente significativa? Son
todas? Es una? Son dos? En las pruebas post-hoc de comparacin de medias (tambin
conocidas como pruebas a posteriori) encontramos la solucin a esos interrogantes.

Ecuacin estructural

Antes de continuar recordemos como se desarrolla la ecuacin estructural para el

modelo planteado en el estudio con A=3:
Y=M+A+E

Las puntuaciones en la variable dependiente son igual a:

La constante (media general) + el efecto del tratamiento (Efecto A= Ma-M) + Error

(Error=Y-M-Efectos, es decir, Y-M-A en este tipo de diseo).

Los efectos estimados para el diseo planteado son a1=0 y a2= -4.

3
 Y los errores son en a1= 2 y -2, en a2= -1 y 1 y en a3=0 y -1.

Ejercicios: completa la tabla de efectos y los errores y desarrolla el modelo

propuesto mediante la descomposicin de la ecuacin estructural. Comprueba
que la suma de los efectos es cero as como la del error. Eleva al cuadrado y
suma (Suma de Cuadrados, SC). Divide cada suma de cuadrados por sus grados
de libertad (gl) (Medias Cuadrticas, MC) y ejecuta la prueba F del Anlisis de
la Varianza (F = MCefecto/MCerror). Despus utiliza las tablas de la razn F y
busca el valor terico que corresponde a F(0.05, 2, 6). Compara los dos valores de F
y si el valor de la F emprica del estudio es mayor o igual que el valor de la F
terica de las tablas entonces se puede rechazar la hiptesis nula (es decir, se
rechaza la hiptesis nula cuando F(2, 6) F(0.05, 2, 6). Cuando utilizamos las tablas
slo podemos saber si el valor p de probabilidad del resultado de la prueba
estadstica es superior o menor al valor de alfa. Por eso, cuando se utilizan las
tablas no podemos dar el valor exacto de probabilidad del resultado pero en
nuestro ejemplo s sabemos que p < 0.05 pues la F emprica es mayor que la F
terica. Por lo tanto, se puede completar el proceso de decisin estadstica tal y
como se efecta en el contraste de hiptesis.

Cuando se trabaja con un programa estadstico (como por ejemplo SPSS; SAS...) ya no
hace falta recurrir a las tablas de la distribucin del estadstico. El mismo programa
aade el valor exacto de probabilidad (valor p, a veces se seala como significacin)
junto al resultado de la prueba estadstica. El investigador tiene que completar el
proceso de contraste estadstico comparando el valor de p de probabilidad del resultado
obtenido (o ms extremo) con la prueba estadstica con el valor del alfa fijado a priori
en su investigacin. Si el valor de p alfa entonces se puede rechazar la hiptesis nula.
Siempre que se trabaja con un programa estadstico hay que anotar los valores p de
probabilidad exactos incluso cuando las decisiones suponen mantener la hiptesis nula
(p > alfa). No es nada recomendable situar ns para indicar un resultado no
estadsticamente significativo. Recordemos que el valor p de probabilidad depende del
valor del efecto y del tamao de la muestra. As, manteniendo constante el efecto, si se
aumenta la muestra disminuye el valor de probabilidad. Del mismo modo, si se
disminuye el tamao de la muestra entonces aumenta el valor p de probabilidad.

Por lo tanto, cuando el Anlisis de la Varianza (ANOVA) ofrece un resultado

estadsticamente significativo est indicando que al menos un grupo difiere de los otros
grupos. EL ANOVA es un test omnibus, es decir, no informa del patrn de diferencias
entre las medias, slo facilita que hay (o no hay) alguna diferencia estadsticamente
significativa entre las medias de los grupos pero sin sealar dnde est la diferencia o
las diferencias. Es decir, el ANOVA solamente detecta la presencia o ausencia de un
efecto global de la variable independiente sobre la variable dependiente. Pero el
investigador desea conocer dnde se encuentran las diferencias estadsticamente
significativas que detect de forma global el ANOVA. Para analizar el patrn de
diferencias entre las medias es necesario ejecutar pruebas de hiptesis especficas y las
ms utilizadas implican comparar pares de medias, de ah el nombre de comparaciones
por parejas (pairwise comparisons). En el SPSS se conocen como pruebas post hoc.
Las pruebas post hoco o pruebas a posteriori sealan que se efectan despus de
ejecutar el Anlisis de la Varianza y solamente tienen sentido cuando se detecta un
efecto global estadsticamente significativo.

4
Siguiendo con el ejercicio, una vez que se ha comprobado que existe un efecto global en
el Anlisis de la Varianza tal y como se ha detallado en la salida del SPSS (F(2, 6) = 24,
p=0.001), vamos a abordar entre qu pares de medias se encuentran las diferencias
estadsticamente significativas. Para ello, elaboramos la tabla de diferencias de medias
entre los grupos o condiciones.

Tabla de diferencias de medias para un diseo A=3

a1 a2
Medias
media=10 media=6

a2
4 --
media=6

a3
4 8
media=14

Con un diseo A=3 existen 3 diferencias de medias entre los grupos. Para conocer
cuntas diferencias de medias simples existente en un diseo podemos aplicar la
siguiente frmula:

Donde C es el nmero de diferencias de medias simples entre los grupos no redundantes

y a es el nmero de condiciones.

Entonces, cul de las tres diferencias de medias es estadsticamente significativa?

Pasamos a ejecutar pruebas de contraste de hiptesis especficas para comparar las
diferencias de medias entre las condiciones experimentales.

Una solucin que se podra pensar es ejecutar pruebas t de Student dos a dos o
ANOVAs para cada par de medias ejecutando en este caso 3 ANOVAs. Pero esta
alternativa no se considera vlida ya que est sujeta a una grave deficiencia
metodolgica como es aumentar la probabilidad del error de tipo I. Es decir, la tasa de
error de tipo I por experimento deja de ser la planteada como alfa cuando se planific el
estudio. Para poder realizar esos contrastes estadsticos correctamente es necesario
controlar el alfa por comparacin. Veamos en primer lugar qu es la Tasa de Error de
Tipo I y en segundo lugar cmo controlar dicha tasa de error mediante los
procedimientos de pruebas de hiptesis especficas.

Tasa de error de tipo I

La Tasa de Error de Tipo I o alfa por experimento (PE) es:

PE= 1 - (1 - PC )C

5
Donde alfa por comparacin, PC, es la probabilidad de cometer un error de tipo I en
una comparacin y el alfa por experimento, PE, es la probabilidad de cometer al
menos un error de Tipo I en un conjunto de comparaciones (C).

Supongamos que tenemos un estudio donde se van a realizar 4 comparaciones o

pruebas de contraste de hiptesis. Si todas las hiptesis nulas fueran ciertas y
aPC = 0.05 entonces la probabilidad de cometer al menos un Error de Tipo I es:

PE= 1 - (1 0.05 )4= 0.1855

Ese valor de 0.1855 se aparta mucho del valor de alfa fijado a priori por el investigador
en 0.05. Es decir, se tendra una probabilidad de error de Tipo I de 0.1855, que como
sabemos es totalmente inadmisible. La probabilidad de rechazar una hiptesis nula
siendo cierta es de 0.1855 (18.5%). Qu ha pasado? La prueba de contraste de
hiptesis se ha hecho ms liberal (es decir, se rechaza la hiptesis nula con mayor
facilidad), aumentando de este modo el error de Tipo I. Cmo se puede corregir ese
sesgo que amenaza la validez de conclusin estadstica de los resultados del estudio? La
opcin es ejecutar un procedimiento que haga a la prueba estadstica ms conservadora
para equilibrar ese aumento del error de Tipo I. Todos los procedimientos de contraste
de hiptesis especficas se basan en hacer el contraste ms conservador. Es decir, se
reduce el aPC (alfa por comparacin) para poder controlar el aPE (alfa por experimento)
que no debe superar el 0.05. En definitiva, la prueba se hace ms conservadora.

En este punto el investigador debe tomar una decisin de nuevo: tiene que elegir la
prueba de contraste de hiptesis especficas que controle correctamente la tasa de error
de Tipo I y adems que la potencia estadstica sea mxima (menor error de Tipo II). Es
decir, en un mismo diseo se podra optar por varias pruebas de contraste de hiptesis
especficas y el investigador debe seleccionar la ms adecuada para que la validez de
conclusin estadstica sea adecuada. La ms adecuada es aquella que controla la tasa de
error de tipo I y fija el alfa por experimento en 0.05 y al mismo tiempo es la prueba que
facilita la mayor potencia estadstica para de este modo reducir el error de tipo I.

Para tomar la decisin el investigador debe considerar los siguientes aspectos:

1. El nmero de comparaciones (C ) que la hiptesis plantea: pueden ser

comparaciones exhaustivas (a posteriori) o pueden ser comparaciones
planificadas (a priori).

2. Si las hiptesis experimentales son simples (plantea diferencias entre pares de

medias) o complejas (plantea alguna diferencia entre medias que implica un
promedio de medias).

Comparaciones exhaustivas o a posteriori (post hoc). El contraste de hiptesis

especficas es exhaustivo cuando se realizan todas las comparaciones posibles entre los
padres de medias que tiene el diseo de investigacin. Por ejemplo, si A=3 entonces el
nmero de todos los pares posibles de diferencias de medias es igual a 3. Si se analizan
las tres diferencias simples de medias entonces se considera que se han realizado
comparaciones exhaustivas. Son comparaciones que se deciden ejecutar despus de que
el experimento ha sido ejecutado y analizado (generalmente con el test omnibus de
ANOVA). Y se ejecutan todas las comparaciones posibles a posteriori.

6
Comparaciones planificadas o a priori. Cuando el nmero de comparaciones que hay
que contrastar es ms reducido (no se realizan de forma exhaustiva todas las
comparaciones simples), el contraste se denomina contraste planificado o contraste a
priori. Por ejemplo, si slo se desean comparar a1-a2 y a1-a3 entonces ya no es
exhaustivo sino planificado dado que por cuestiones tericas no interesa analizar la
comparacin entre a2 y a3. Para poder plantear contrastes a priori es necesario
fundamentar esas opciones de contraste en unas hiptesis tericas que den sentido a la
eleccin de los contrastes o anlisis que se quieren realizar. Por ejemplo, en un diseo
con un grupo de control y dos grupos de tratamiento (A=3) podra ser interesantes
comparar el grupo de control con uno de los grupos de tratamiento (contraste uno) y el
grupo de control con el otro grupo de tratamiento (contraste dos). En este caso el
investigador ha planteado dos contrastes o pruebas consideradas a priori, es decir, su
planteamiento es previo a cualquier tipo de resultado del estudio. Los contrastes se
plantean antes de realizar el experimento, por lo tanto antes de ejecutar cualquier
anlisis y necesitan de una teora que los fundamente. En general, esos contrastes se
corresponden con hiptesis de investigacin. Debido a que son contrastes planificados a
priori suelen ser pocos en nmero. Y para evitar que aumente la Tasa de Error de tipo I
(declarar que un efecto es estadsticamente significativo cuando no lo es) los valores p
de probabilidad son corregidos generalmente con el procedimiento de Bonferroni.

Las hiptesis son simples cuando se plantean diferencias entre pares de medias
simples, por ejemplo la diferencia entre las medias de los grupos a1-a2. Se considera
que las hiptesis son complejas cuando la diferencia de medias implica un promedio de
medias, por ejemplo se desea comparar la media de a1 frente a la media compleja de
dos grupos. Por ejemplo una media compleja sera (a2+a3)/2. Es decir, en el cmputo de
la media han intervenido las medias de dos grupos. Al final se contrastan dos medias
pero al menos una de ellas es compleja. Otro ejemplo de hiptesis complejas podra ser
la comparacin siguiente: la media de (a2+a3)/2 respecto a la media (a1+a3)/2.

Pruebas de contraste de hiptesis especficas

Existen diferentes pruebas de contraste de hiptesis especficas. En la tabla se

representan las situaciones en las que se podran aplicar las pruebas de hiptesis
especficas ms utilizadas donde se asume la igualdad de las varianzas de los grupos
(homocedasticidad de varianzas):
Bonferroni: hiptesis planificadas, simples y complejas.
Dunnett: hiptesis planificadas y simples.
DHS Tukey: hiptesis exhaustivas y simples.
Scheff: hiptesis planificadas, exhaustivas, simples y
complejas.

Y cuando no se cumple el supuesto de homogeneidad de las varianzas se pueden aplicar

las siguientes pruebas de contraste de hiptesis especficas:
T2 de Tamhane
T3 de Dunnett
Games-Howell
C de Dunnet

7
En el SPSS aparecen junto a las pruebas que asumen igualdad de varianzas de los
grupos, en la parte inferior cuando se accede a Opciones:

La prueba de Games-Howell es la ms adecuada cuando no se asume la igualdad de las

varianzas y el diseo es no ortogonal (grupos desequilibrados). Es una prueba que est
basada en la prueba no paramtrica de Welch para diseos entre-grupos.

Tabla. Situaciones donde se pueden aplicar las pruebas de hiptesis especficas

Planificada Exhaustiva Simple Compleja

Bonferroni X X x

Dunnett x X

DHS Tukey x X

Scheff x x x x

Como se observa, hay situaciones donde se pueden aplicar varias pruebas de hiptesis
especficas pero dependiendo de la situacin hay unas pruebas que tienen ms potencia
estadstica (menor error de Tipo II). Recordar que el investigador tiene que seleccionar
aquella prueba que adems de controlar el error de Tipo I tambin sea la que ms
potencia estadstica tiene para detectar el efecto (menor error de Tipo II).

Veamos a continuacin en qu situaciones de investigacin es ms apropiada una

prueba estadstica u otra dado que controlan la probabilidad del error de Tipo I en el
nivel de alfa planteado por el investigador a priori y tienen el menor error de Tipo II.

Procedimiento DHS (Honestly Significant Difference) de Tukey

El procedimiento DHS de Tukey es el ms potente cuando en el diseo se ejecutan:

1) todas las comparaciones posibles entre las medias (exhaustivo) y adems

2) son comparaciones simples

Es decir, es la prueba ms adecuada cuando se comparan dos medias simples cada vez y
se ejecutan todas las posibles comparaciones simples del diseo. Es la prueba ms
utilizada en Psicologa.

El procedimiento calcula el denominado rango crtico (RC) o valor terico de la

prueba y se compara con cada diferencia emprica de medias simple que tenga el diseo.

8
Si el valor de la diferencia de medias supera ese valor de rango crtico entonces se
rechaza la hiptesis nula. Es decir, la diferencia entre el par de medias es
estadsticamente significativa (p<alfa) si dicha diferencia iguala o supera al valor de
rango crtico que ofrece la prueba DHS de Tukey.

Los diferentes procedimientos de contrastes de hiptesis especficas se basan en la

estimacin de un valor de Rango Crtico obtenido a partir de una distribucin concreta.
En concreto, la prueba DHS de Tukey est basada en la distribucin del rango
estudentizado q (, a, glError), donde q es el valor de la distribucin de rango estudentizado
basado en el alfa, el nmero de medias a contrastar y los grados de libertad del error.

En el ejemplo, el valor del Rango Crtico es igual a 3.543. Por lo tanto, cualquier
diferencia de medias que supere o iguale ese valor terico (en valores absolutos) es
estadsticamente significativa segn la prueba de Tukey. En el ejemplo las tres
diferencias de medias superan el Rango Crtico de Tukey y, por lo tanto, se rechaza la
hiptesis nula en los tres contrastes estadsticos de diferencias de medias.

Procedimiento de Dunnett

El procedimiento de Dunnett es el ms potente cuando se trata de comparar:

1) la media de un grupo frente al resto de medias que tenga el diseo, es decir, se

realizan a-1 comparaciones y adems

2) son comparaciones simples.

No es un procedimiento exhaustivo sino que plantea hiptesis planificadas o a priori.

Tambin se calcula el rango crtico (RC) de Dunnett y se procede del mismo modo
comparndolo con las diferencias de medias empricas de la investigacin.

La prueba de Dunnett utiliza la distribucin basada en la comparacin con un grupo de

control (distribucin de Dunnett). En la distribucin de Dunnett se obtiene el valor de D
en funcin del alfa, el nmero de grupos y los grados de libertad del error D (, a, glError).
De nuevo, cualquier diferencia de medias (en valores absolutos) que iguale o supere
dicho valor crtico es estadsticamente significativa.

Correccin de Bonferroni

La correccin de Bonferroni es el procedimiento ms potente siempre que la hiptesis

formule el nmero de comparaciones a priori aunque si C (nmero de comparaciones)
es grande entonces la prueba es poco potente y no se recomienda su uso.

Se puede aplicar con hiptesis simples y con hiptesis complejas.

El procedimiento consiste en aplicar en cada comparacin o prueba estadstica el

siguiente valor de alfa:

Alfa= PE que se desea en el experimento / Nmero de comparaciones (C)

Por ejemplo si se formulan 4 comparaciones o contrastes a priori, el PE final se

mantendr en 0.05 si en cada comparacin individual se utiliza un alfa por comparacin
igual a 0.0125 (0.05/4=0.0125):
9
Si ejecutamos el procedimiento de Bonferroni se puede comprobar que PE = 1 - (1-
0.0125 )4 =0.049. Valor cercano al alfa de 0.05 fijado a priori por el investigador.

El procedimiento de Bonferroni se basa en la distribucin de la prueba F: F (/C, 1, glError),

donde C representa el nmero de comparaciones y a/C es el alfa que vamos a utilizar en
cada comparacin y por lo tanto la tabla que tenemos que consultar.

Procedimiento de Scheff

El procedimiento de Scheff es vlido en cualquier circunstancia de investigacin pero

normalmente es la prueba menos potente.

Se calcula el rango crtico (RC) de Scheff y se procede del mismo modo comparndolo
con las diferencias de medias empricas. Si el valor de la diferencia de medias iguala o
supera al valor del Rango Crtico entonces se rechaza la hiptesis nula.

La prueba de Scheff est basada en la distribucin de la prueba F: F (, a-1, glError).

En la tabla siguiente se detalla el mximo nmero de contrastes (comparaciones) que

deberan probarse en una investigacin con el procedimiento de Bonferroni. Si el
nmero de comparaciones es mayor entonces el procedimiento de Bonferroni pierde
potencia estadstica y sera ms conveniente optar por la prueba de Scheff que en esas
circunstancias es ms potente que Bonferroni.

10
Siguiendo con el ejemplo anterior:

Tabla de diferencias de medias para un diseo A=3

Medias a1 (media=10) a2 (media=6)

a2 (media=6) 4 --

a3 (media=14) 4 8

Qu prueba de contraste de hiptesis especficas ser la ms adecuada para contrastar

todas las diferencias entre los pares de medias? La ms adecuada es aquella que controla
el error de Tipo I en el nivel fijado previamente por el alfa y adems es la prueba con
mayor potencia estadstica (menor error de Tipo II). Por lo tanto, si se trata de un diseo
donde se plantean todas las comparaciones de medias dos a dos (comparaciones
exhaustivas y simples) entonces la prueba ms potente es DHS de Tukey. La prueba
DHS (diferencia honestamente significativa) de Tukey es la eleccin ms correcta desde
el punto de vista de la validez de conclusin estadstica.

Ejecucin con el SPSS

11
Si ejecutamos el contraste de hiptesis DHS de Tukey con el SPSS se obtendrn los
siguientes resultados.

Y el SPSS ofrece los siguientes resultados para la pruebas post hoc HSD de Tukey:

Si se observa el intervalo de confianza de la diferencia de medias se puede comprobar

que en aquellas diferencias de medias donde se rechaza la hiptesis nula el intervalo de
confianza no incluye el valor de cero para la diferencia de medias. Esto es otra manera
de leer un contraste de hiptesis y saber si se rechaz o no la hiptesis nula. La hiptesis
nula plantea que la diferencia entre las medias es cero, por lo tanto si dicho valor se
encuentra en el intervalo no se podra rechazar dicha hiptesis dado que el cero es una
diferencia posible dentro del intervalo estimado. En cambio, si los valores del intervalo
no incluyen en cero entonces se rechaza la hiptesis nula ya que el valor cero no forma
parte del intervalo de las diferencias de medias.

12
La interpretacin de los subconjuntos homogneos que ofrece el SPSS es muy til para
visualizar de forma rpida si hay diferencias estadsticamente significativas entre las
medias. Aquellas condiciones cuyas medias no difieren de forma estadsticamente
significativa aparecen en la misma columna dentro del mismo subconjunto. Por el
contrario, cuando dos medias difieren de forma estadsticamente significativa entre s
entonces aparecen en dos subconjuntos diferentes. En la tabla anterior se observa que
cada media se encuentra en un subconjunto diferente indicando que las diferencias entre
todos los pares de medias son estadsticamente significativas. Hay que revisar siempre
la tabla de diferencias de medias pues la prueba de subconjuntos homogneos es ms
conservadora y podra ocurrir que no se detecten diferencias con el anlisis visual de los
subconjuntos y s en la tabla de diferencias de medias de Tukey.

Si hubisemos optado por ejecutar Bonferroni o Scheff los resultados seran los
siguientes.

La prueba de Scheff es ms potente (menor error de Tipo II) que Bonferroni ya que si
miramos la tabla anterior de mximo nmero de contrastes (comparaciones) que
deberan probarse con el procedimiento de Bonferroni podemos comprobar que
Bonferroni sera ms potente si el mximo de comparaciones fuese de dos contrastes
para un diseo con tres grupos y seis grados de libertad del error.

De todos modos para esa situacin donde se realizan todas las comparaciones posibles
dos a dos ya hemos visto que la prueba ms potente es DHS de Tukey (valores de
p=0.031 y p=0.001). Y esa sera la decisin ms correcta para ese diseo y, por lo tanto,
la que debera seleccionar el investigador para realizar sus hiptesis especficas,
asegurando la validez de conclusin estadstica.

En aquellas situaciones de investigacin donde la prueba ms adecuada es la de Dunnett

(donde se realizan a-1 comparaciones simples) entonces ser necesario indicar en el
SPSS qu grupo es el de comparacin (categora de control) para que efecte las a-1
comparaciones respecto a un determinado grupo. Por ejemplo, si la categora de control
se llama Primero entonces eso significa que se va a comparar la media del primer
grupo con las medias del resto de condiciones que tenga el diseo. En un estudio con
A=3 las comparaciones que efecta la prueba de Dunnett seran: a1-a2 y a1-a3.

13
Suponiendo que el investigador desea hacer a-1 comparaciones (3-1=2 contrastes)
simples entonces la prueba de Dunnett ofrece el siguiente resultado en el SPSS. Como
se observa slo aparecen dos contrastes: la media del grupo a2 con la media del grupo
a1 (la diferencia de medias es -4) y la media del grupo a3 con la media del grupo a1
(diferencia de medias de 4). Los resultados que ofrece el SPSS para poder tomar la
decisin estadstica de si se puede o no rechazar la hiptesis nula es el valor de
significacin (Sig.), es decir, el valor p de probabilidad del estadstico de comparacin.

En ningn tipo de prueba de hiptesis especficas informa el SPSS del valor del Rango
Crtico del estadstico aplicado sino que directamente informa del valor p de
probabilidad vinculado al contraste de diferencia de medias. Otros programas
estadsticos s informan del valor p de probabilidad junto al valor de Rango Crtico
como por ejemplo la aplicacin del ANOVA que se encuentra en la Web Vassar Stats
(http://vassarstats.net/).

14
Ejecucin con la aplicacin on line de Vassar Stats

15
16
Supuesto de investigacin del frmaco Z

SUPUESTO. Un investigador pretende comprobar la eficacia de un frmaco Z para

incrementar la extroversin de los individuos. 12 voluntarios son asignados
aleatoriamente a una de las tres condiciones experimentales siguientes. Se supone que el
frmaco Z producir mejores resultados que cualquiera de las otras dos sustancias que
actualmente estn comercializadas. El objetivo del estudio es comparar el efecto del
frmaco Z respecto al frmaco A y el frmaco B. Los resultados del experimento son los
siguientes.

Condicin Puntuaciones

Frmaco A 26, 22, 25, 23

Frmaco B 26, 25, 19, 22

Frmaco Z 35, 30, 32, 35

Qu procedimiento de anlisis procede dada la hiptesis de investigacin. Atendiendo

nicamente a la tendencia de las medias, se observa el planteamiento de la hiptesis
sustantiva? Ejecutar el anlisis de la varianza (ANOVA) y aplicar la prueba de contraste
de hiptesis especfica que sea ms adecuada. Realizar un informe de los hallazgos.

SUPUESTO. Supongamos ahora que el investigador hubiese planteado analizar el

efecto del frmaco Z respecto a la media de los frmacos A y B. Qu procedimiento de
contraste de hiptesis especficas hubiese sido ms adecuado.

Ejercicios de autoevaluacin

SUPUESTO. El sueo es muy importante en el desarrollo infantil y favorece la

maduracin. Los patrones electroencefalogrficos (EEG) durante el sueo presentan
cambios que, si no se tienen en cuenta, pueden confudirse con actividad clnica
paroxstica o alteraciones bruscas del trazado, aunque son fisiolgicos, especialmente en
los nios. En general, el EEG es uno de los estudios que suelen realizarse en los nios
con problemas de aprendizaje ya que algunas investigaciones sealan que existe
actividad paroxstica (hipersincrona hipnaggica) en los nios con este problema.

Un investigador est interesado por el estudio de la relacin entre la hipersincrona

hipnaggica y las dificultades del aprendizaje. En un primer momento de su
investigacin plante el siguiente estudio. Considerando que existe una relacin lineal
directa entre las variables objeto de estudio, de tal manera que mayor hipersincrona
mayores son los problemas de aprendizaje, selecciona nueve nios de cinco aos. Los
nueve sujetos haban sido diagnsticados en sus Centros Escolares con un problema de
trastornos del aprendizaje antes de comenzar el estudio. Aleatoriamente tres de ellos no
recibieron ningn frmaco actuando como grupo de control (a1), otros tres recibieron
asistencia psicolgica para su trastorno escolar (a2) y el resto de nios recibi un
frmaco que provocaba la relajacin neuronal (a3).

17
Una vez finalizado el tratamiento el investigador midi el nivel electroencefalogrfico
computando el nmero de alteraciones bruscas del trazado o cambios paroxsticos
producidos. Su hiptesis seala que los nios que no son sometidos a ningn tipo de
intervencin tendrn un mayor nmero de alteraciones en el EEG, siendo el nmero
menor cuando reciben tratamiento psicolgico.

Los resultados de parte del anlisis de la varianza y de la estimacin de los efectos se

presentan a continuacin. Completa los resultados.

Resultados del ANOVA

Fuente SC gl MC Razn F p

Entre 0.05
Error 12
Total

Tabla de efectos
1 Frmaco 0

2 Tratamiento -4
psicolgico
3 Grupo control
M = 10

Desarrolla para cada observacin la ecuacin estructural que define a los datos de la
investigacin:

Y=..............................................................

1. La metodologa de la investigacin se considera:

a) Experimental porque se manipula la variable independiente y hay asignacin aleatoria de las unidades
experimentales a los grupos de la variable independiente.
b) Experimental porque se manipula la variable independiente y hay asignacin aleatoria en el orden de la
administracin de los grupos de la variable independiente.
c) Cuasi-experimental porque aunque existe asignacin aleatoria a los grupos de tratamiento, sin embargo no se
manipula la variable independiente de tratamiento.
d) No se puede responder a la pregunta.

18
2. La validez externa del estudio anterior queda garantizada ya que:
a) Aleatoriamente los sujetos son asignados a las condiciones experimentales.
b) Aleatoriamente son seleccionados los niveles de la variable independiente de tratamiento.
c) Aleatoriamente los sujetos son seleccionados del conjunto de la poblacin.
d) No se puede responder a la pregunta.
3. La variable dependiente (o variables dependientes) es:
a) Nmero de alteraciones paroxsticas.
b) Nmero de trastornos que presenta el nio.
c) La edad del nio.
d) No se puede responder a la pregunta.
4. La variable independiente (o variables independientes) es:
a) La cantidad de alteraciones paroxsticas que presenta el nio (ninguna, entre 3 y 4, ms de cuatro).
b) El grupo de intervencin al que es sometido el nio (control, tratamiento psicolgico, frmaco).
c) La edad del nio (cinco aos, ms de cinco, menos de cinco).
d) No se puede responder a la pregunta.
5. Las puntuaciones medias de los grupos de tratamiento fueron las siguientes:
a) a1 = 10, a2 = 14 y a3 = 6.
b) a1 = 6, a2 = 10 y a3 = 14.
c) a1 = 10, a2 = 6 y a3 = 14.
d) No se puede responder a la pregunta.
6. La Suma de Cuadrados del Tratamiento es:
a) 96.
b) 116.
c) 506.
d) No se puede responder a la pregunta.
7. En esta primera fase de su investigacin la decisin estadstica permite concluir que:
a) Existen diferencias estadsticamente significativas ya que F(2, 8) = 38, p < 0.05.
b) Existen diferencias estadsticamente significativas ya que F(2, 6) = 43.8, p < 0.05.
c) Existen diferencias estadsticamente significativas ya que F(2, 6) = 24, p < 0.05.
d) No se puede responder a la pregunta.
8. El investigador decide calcular una prueba de comparacin de medias que le permita
analizar el nmero total posible de comparaciones simples entre pares de medias.
Cuntas comparaciones simples son posibles analizar sin ser redundantes:
a) 3.
b) 4.
c) 2.
d) No se puede responder a la pregunta.
9. Si el investigador decide realizar comparaciones de medias, la prueba estadstica ms
adecuada estar guiada por:
a) Controlar la tasa de error de Tipo I y ser la ms potente.
b) Controlar la tasa de exceso y ser exacta.
c) Controlar la tasa de error de Tipo I y trabajar con el menor Error de Tipo II.
d) No se puede responder a la pregunta.
10. Si el investigador opta por aplicar la prueba DHS de Tukey entonces ejecuta e
interpreta los resultados con el SPSS. Anota los resultados. Observa los resultados de
los subconjuntos homogneos. Redacta los resultados del informe.
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________

11. Si el investigador hubiese planteado la comparacin de la puntuacin media del

grupo control frente a las puntuaciones medias de todos los dems grupos de

19
 tratamiento, realizando comparaciones simples que hubiesen estado definidas a priori, la
prueba de comparacin de medidas ms adecuada sera:
a) La prueba de Dunnett siempre que se realicen 2 comparaciones de medias.
b) La prueba de Dunnett siempre que se realicen 3 comparaciones de medias.
c) La prueba de Tukey siempre que se realicen ms de 4 comparaciones de medias.
d) No se puede responder a la pregunta.
12. Analiza la hiptesis de la pregunta 11 con el SPSS y redacta los resultados.
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________

Otros ejercicios de autoevaluacin

1. Una diferencia entre las pruebas de significacin estadstica y la estimacin del tamao del
efecto es:
A. El tamao del efecto depende del tamao de la muestra y las pruebas de significacin estadstica
no.
B. El tamao del efecto siempre tiene un sesgo positivo y las pruebas de significacin estadstica un
sesgo negativo.
C. El tamao del efecto no depende del tamao de la muestra y las pruebas de significacin
estadstica s.
D. El tamao del efecto no se puede calcular cuando se trabaja con la prueba de la razn F.
2. Teniendo en cuenta los siguientes resultados, se puede concluir que:

A. Las diferencias entre las puntuaciones medias de un diseo de cinco grupos no son
estadsticamente significativas.
B. Se cumple el supuesto de homocedasticidad o igualdad de las varianzas de los seis grupos del
diseo.
C. Existe heterocedasticidad o falta de homogeneidad entre las varianzas de los cinco grupos del
diseo.
D. Las tres opciones anteriores son falsas.
3. El estimador del tamao del efecto ms utilizado en la investigacin psicolgica cuando el
diseo tiene dos condiciones de investigacin y una variable dependiente es:
A. La denominada d de Cohen.
B. La denominada eta cuadrado.
C. El coeficiente de correlacin.
D. La denominada lambda de Wilks.
4. Cuando comparamos las distribuciones muestrales del grupo experimental y el control el
tamao del efecto ser mayor:
A. Cuando las dos distribuciones se solapan completamente (100%).
B. Cuando las dos distribuciones no se solapan en absoluto (0%).
C. Cuando las dos distribuciones se solapan al 50%.
D. Cuando el solapamiento de las distribuciones gira en torno a 2/3.

20
5. Cuando el investigador no conoce qu variable extraa podra contaminar los resultados la
mejor opcin es:
A. La tcnica de la constancia de la variable extraa.
B. La tcnica de la eliminacin de la variable extraa.
C. La tcnica de la asignacin aleatoria de la variable extraa.
D. La tcnica del bloqueo de la variable extraa.
6. DISEO 1. Los resultados de las investigaciones sealan que el prejuicio moderno aumenta
cuando el sujeto tiene un argumento externo que justifique su expresin. Un grupo de
investigadores pretende medir el impacto del prejuicio
moderno sobre la evaluacin de las familias con
inmigrantes. El diseo incluye la elaboracin de tres tipos
de situacin familiar (vietas de clima familiar) donde se
desarrollan unas pautas de interaccin madre-hijo de parentalidad positiva (grupo argumentos
positivos), de parentalidad negativa (grupo argumentos negativo externos) y un grupo mixto de
control. La hiptesis de la investigacin plantea que el prejuicio moderno ser mayor en aquellas
situaciones donde se puede utilizar un argumento externo para justificar el rechazo como son
las malas relaciones entre la madre y el hijo. Se lleva a cabo una investigacin con los tres
grupos donde los sujetos son asignados de forma aleatoria a una de las condiciones de
investigacin:

7. La variable dependiente y la independiente son:

A. La variable dependiente es Prejuicio Moderno y la variable independiente es clima familiar.
B. La variable dependiente es clima familiar y la variable independiente es Prejuicio Moderno.
C. La variable dependiente es equilibrio emocional de la familia y la variable independiente es
Prejuicio Moderno.
D. La variable dependiente es Prejuicio Moderno y la independiente es grado de prejuicio (positivo,
negativo, mixto).
8. Se trata de un diseo de investigacin:
A. Diseo entre-grupos (A=3) univariado ortogonal.
B. Diseo entre-grupos (A=3) univariado no ortogonal.
C. Diseo entre-grupos (AxB=3) univariado no ortogonal.
D. Diseo entre-grupos (AxBxC=3) univariado ortogonal.
9. La muestra de la investigacin est formada por:
A. 308 participantes.
B. 307 participantes.
C. 613 participantes.
D. 917 participantes.
10.La decisin estadstica conduce a:
A. Rechazar la hiptesis nula, F(2, 305) = 3.17, p = 0.043.
B. Mantener la hiptesis nula, F(2, 305) = 1,47, p > 0.05.
C. Rechazar la hiptesis nula, F(2, 308) = 11,55, p =0.043.

21
 D. Mantener la hiptesis nula, F(2, 307) = 1840,198, p = 0.000.
11.Teniendo en cuenta los resultados, si se ha cometido algn tipo de Error solamente podra ser:
A. Error de Tipo I.
B. Error de Tipo II.
C. Error de Tipo III.
D. Se desconoce qu tipo de error se puede cometer.
12.El valor del tamao del efecto de eta cuadrado es:
A. 0,01.
B. 0,74.
C. 0,02.
D. 0,96.
13.Teniendo en cuenta los resultados siguientes, se puede concluir que:

A. No se logra rechazar la hiptesis nula en ninguna diferencia de medias.

B. Las diferencias estadsticamente significativas solamente se encuentran entre luminosidad y
tiniebla, siendo mayor la puntuacin en la condicin de tiniebla.
C. Las diferencias estadsticamente significativas solamente se encuentran entre luminosidad y
oscuridad, siendo menor la puntuacin en la condicin de oscuridad.
D. Las diferencias estadsticamente significativas solamente se encuentran entre luminosidad y
oscuridad, siendo mayor la puntuacin en la condicin de oscuridad.
14.El error de tipo I se puede cometer cuando:
A. Los resultados obtenidos no son estadsticamente significativos.
B. El valor p de probabilidad es menor a 0.05.
C. Se mantiene la hiptesis nula.
D. El valor de alfa es menor a 0.05.
15.Cometer Error de Tipo II es imposible cuando:
A. Los resultados obtenidos no son estadsticamente significativos.
B. El valor p de probabilidad es menor a 0.05.
C. Se mantiene la hiptesis nula.
D. El valor de alfa es menor a 0.05.
16.Supongamos que un investigador lleva a cabo un estudio y los resultados del efecto del
tratamiento A del anlisis de varianza que ofrece el SPSS sealan que F(5, 123)=43, p=0.000. Qu
conclusin habr obtenido el investigador con su anlisis:

22
 A. No se puede rechazar la hiptesis nula porque p=0.
B. Hay diferencias estadsticamente significativas entre los grupos pero no se sabe entre qu pares de
medias.
C. Se mantiene la hiptesis nula.
D. Las opciones A y C son correctas.
17.Cuntos grupos tiene el diseo de la pregunta 16?
A. 3.
B. 4.
C. 5.
D. 6.
18.Cuntas comparaciones de medias dos a dos simples no redundantes se podran realizar con el
diseo de la pregunta 16?
A. 3.
B. 15.
C. 16.
D. 18.
19.Si el investigador decide comparar el ltimo grupo con el resto y realiza solamente cinco
comparaciones simples, qu procedimiento de hiptesis especficas sera el ms adecuado
desde el punto de la validez de conclusin estadstica (ver pregunta 16):
A. Bonferroni.
B. Tukey.
C. Dunnett.
D. Las opciones B y C seran correctas.
20.La tcnica de control de la asignacin aleatoria implica:
A. Aumentar la variabilidad de los grupos antes de administrar el tratamiento.
B. Aumentar el efecto del tratamiento aplicado.
C. Disminuye el valor del tamao del efecto y el valor p de probabilidad.
D. Disminuir la probabilidad de diferencias previas al tratamiento entre los grupos del diseo de
investigacin.
21.Qu definicin de valor p de probabilidad es la adecuada?
A. El valor de alfa o ms extremo asumiendo que la hiptesis nula es verdadera.
B. La probabilidad del resultado obtenido o ms extremo si la hiptesis nula es verdadera.
C. La probabilidad del resultado obtenido o ms extremo si la hiptesis nula es falsa.
D. La probabilidad de que la hiptesis nula sea falsa dados unos datos o datos ms extremos.
22.La potencia estadstica se refiere a la:
A. Probabilidad de mantener la hiptesis nula siendo realmente falsa.
B. Probabilidad de detectar una diferencia cuando realmente existe.
C. Probabilidad de que la hiptesis nula sea verdadera.
D. Las opciones B y C son correctas.

23