CORRELACION

Tema 11
Metodología de Investigación
Estadística de
comparación
Índice
Esquema 3
Ideas clave 4
11.1. Presentación y objetivos 4
11.2. Comparación de grupos de muestras
independientes 5
relacionadas 12
© Universidad Internacional de La Rioja (UNIR)
11.4. Redacción de resultados 17

11.5. Referencias bibliográficas 18
A fondo 19
Actividades 22
Test 25
Esquema
Metodología de investigación
3
Tema 11. Esquema
Ideas clave
11.1. Presentación y objetivos
Anteriormente, se explicaron los análisis correlacionales, donde se analiza la relación

que tienen dos variables. Otro tipo de análisis estadístico muy utilizado es la
comparación. La base de este análisis es estudiar si hay diferencias estadísticamente
significativas entre las medias aritméticas de las dos puntuaciones, que pueden ser
de dos grupos diferentes (comparación de grupos independientes) o puntuaciones
que se han medido en dos momentos diferentes en solo grupo (comparación de
muestras relacionadas, muy típicos de los estudios longitudinales). En este tema se
va a explicar cómo obtener los estadísticos de comparación de grupos
independientes o de medidas repetidas, tanto paramétricos como no paramétricos.
Los objetivos de este tema son los siguientes:
 Aprender a aplicar un estadístico de comparación y saber elegir el adecuado

teniendo en cuenta los supuestos paramétricos.
 Aprender a aplicar y a interpretar un estadístico de comparación de grupos

independientes tanto paramétrico como no paramétrico.
 Aprender a aplicar y a interpretar un estadístico de medidas repetidas tanto

paramétrico como no paramétrico.
4
Tema 11. Ideas clave
independientes
En ocasiones, nos interesará observar si existen diferencias entre dos grupos

independientes en cuanto a su rendimiento o desempeño en relación con una
variable determinada, por ejemplo, observar si existen diferencias en cuanto a la
puntuación de velocidad lectora entre los niños y las niñas.
Para este tipo de análisis hay que tener obligatoriamente dos grupos de sujetos:
podemos observar simplemente las puntuaciones medias que nos ofrecen los
estadísticos descriptivos. Ahí podemos ver si las puntuaciones son similares o no,
pero para hacer un análisis en profundidad, tendremos que analizar si las diferencias
que se observan son estadísticamente significativas, esto es, si las diferencias son
tan grandes como para considerar que los niños y las niñas de nuestra muestra
pertenecen a poblaciones diferentes en cuanto a velocidad lectora.
Otro ejemplo donde se utiliza este tipo de análisis es en investigaciones

experimentales donde se incluye un grupo experimental y un grupo control. El
análisis intenta encontrar diferencias entre las medias aritméticas de los dos grupos
en una variable determinada, por ejemplo, memoria de trabajo.
«El objetivo será realizar un contraste que permita comparar las medias de
las puntuaciones de cada grupo, lo que supone plantear si es razonable
(probable) que los dos conjuntos de datos procedan de poblaciones con la
misma media» (Garriga Trillo et al., 2009, p. 97).
Al ser un análisis inferencial, hay que plantear las hipótesis estadísticas. En este caso,
la hipótesis nula indica ausencia de diferencias estadísticamente significativas en las

medias y, por lo tanto, significa que pertenecen la misma población. La hipótesis
alternativa indica diferencias estadísticamente significativas entre las medias y, por
lo tanto, pertenecerían a poblaciones diferentes. En la tabla 1 se pueden ver algunos
ejemplos de hipótesis estadísticas comparativas.
5
Hipótesis nula Hipótesis alternativa
H0: µchicos - µchicas = 0 H1: µchicos - µchicas ≠ 0

(ausencia de diferencias) (diferencias entre los grupos)
H0: µ = 100 H1: µ < 100

(ausencia de diferencias) (la media es diferente de 100 y está
por debajo)
H0: µexperimental = µcontrol H1: µexperimental ≠ µcontrol
Tabla 1. Hipótesis estadísticas comparativas.
Para aplicar un estadístico de comparación entre grupos debemos identificar dos

tipos de variables: la variable independiente y la variable dependiente. En este caso,
si podemos obtener información causal (causa-efecto), pero esto dependerá del tipo
de diseño que apliquemos en el estudio, por lo que tenemos que ser cautelosos a la
hora de atribuir la causalidad.
La variable independiente serán los dos grupos de sujetos (es la causa) y la variable
dependiente es la puntuación que queremos comparar donde observamos el efecto.
En un estudio experimental, la variable independiente es la aplicación o no del

tratamiento, por lo tanto, hay una variable independiente (grupos) con dos niveles:
grupo experimental y grupo control. La variable dependiente de este estudio sería el
nivel de memoria de trabajo, que es la puntuación que yo comparo. Voy a tener una
media aritmética del nivel de memoria de trabajo del grupo experimental y otra
media aritmética del grupo control. La diferencia entre las dos medias se debe al
efecto del tratamiento aplicado.
Dentro del análisis de comparación de grupos independientes encontramos pruebas

paramétricas y pruebas no paramétricas. Habrá que seleccionar uno u otro en
función de si las variables cumplen con los supuestos paramétricos o no. Como
estadístico paramétrico está la prueba t de muestras independientes y como prueba
no paramétrica, la prueba de U de Mann-Whitney.
6
Es importante señalar que existen más estadísticos de comparación de grupos. Esta
asignatura solo se ha centrado en la comparación de dos grupos (más típico del
ámbito educativo), pero se pueden comparar más de dos grupos con otros análisis.
En la estadística paramétrica se puede aplicar una ANOVA y en la estadística no
paramétrica se puede aplicar una prueba de Kruskal-Wallis (Garriga Trillo et al.,
2009).
En el apartado A fondo tienes disponible un tutorial donde se explique cómo

realizar una prueba t Kruskal-Wallis con el programa PSPP y un vídeo explicando la
elección correcta del estadístico de comparación de grupos.
Estadística paramétrica: prueba t de muestras independientes
Para poder aplicar la prueba t es necesario cumplir con todos los supuestos
paramétricos:
 La variable dependiente debe ser cuantitativa.
 La variable dependiente debe tener una distribución normal.
 Las variables deben tener igualdad de varianzas (homocedasticidad), es decir, la

dispersión de los datos debe ser igual en los dos grupos. En este caso, la propia
prueba presenta una alternativa para corregir el error.
Además, es recomendable que los dos grupos de sujetos estén formados por una
muestra amplía, es decir, no se puede comparar un grupo de 5 sujetos con otro de

50 sujetos. Es aconsejable que estén igualados aproximadamente en el número de
sujetos.
7
Si los datos de los que se dispone cumplen con todos los supuestos indicados, se
puede aplicar la prueba t de muestras independientes. Esto se puede conseguir
mediante el programa JASP, PSPP y SPSS.
En el programa JASP hay que seguir la siguiente ruta: menú T-Test y Independent
Samples T-Test. Hay que incorporar la variable dependiente en la casilla que indica
Variables y la variable independiente en la casilla Grouping Variable. Es aconsejable
seleccionar la casilla de Descriptives para obtener también los datos descriptivos (ver
figura 1).
Figura 1. Prueba t de muestras independientes con JASP.
En el programa PSPP tenemos que seguir la siguiente ruta: menú Analizar, Comparar
medias y Prueba T de muestras independientes. En la primera casilla hay que
incorporar las variables dependientes (variables de contraste) y en la variable

agrupación la variable independiente. En este caso hay que definir los códigos
asignados a los dos grupos, por lo que tenemos que pulsar la casilla de Definir Grupos.
Por ejemplo, si queremos comparar un grupo de niñas con uno de niños y hemos
designado el código 1 para el grupo de niñas y el código 2 para el de niños, debemos
8
incorporar esos códigos para identificarlos correctamente. El programa SPSS sigue
los mismos pasos que los explicados con el PSPP. Tanto el SPSS como PSPP muestran
los estadísticos descriptivos automáticamente junto con la prueba t.
Una vez obtenidos los descriptivos y los estadísticos inferenciales, se pasa a su

interpretación. En la tabla 2 se muestran los descriptivos y en la tabla 3 los
estadísticos de la prueba t de un estudio donde se han comparado un grupo de niñas
y un grupo de niños en la variable adquisición.
En la primera tabla se observa que el estudio está formado por dos grupos: 21 niñas
y 39 niños. La media de las niñas es de 103.57 y la media de los niños 115.21.
Aparentemente hay diferencias entre las dos medias, pero vamos a ver si hay
diferencias estadísticamente significativas. Para esto, hay que fijarse en la tabla 3. Ahí
nos encontramos en la primera mitad de la tabla, los datos de la prueba de Levene
para comprobar la homogeneidad de la varianza.
Observamos que el valor p es de .981, por lo que las dos muestras tienen
homogeneidad en las varianzas (tienen una varianza igual) y, por tanto, cumplen con
el supuesto de homocedasticidad. El siguiente paso es analizar el valor p de la prueba
t.
En la columna denominada Sig. (bilateral), nos encontramos con dos valores. Hay que
elegir el apropiado en función del resultado obtenido en la prueba de Levene. En este
caso, escogemos el valor p de la línea correspondiente a Se asumen varianzas iguales.
El valor p indica un valor de .037, por lo que es estadísticamente significativo (p<.05).

Podemos afirmar que hay diferencias estadísticamente significativas entre el grupo

de niños y niñas en la variable codificación, obteniendo las niñas una puntuación
mayor que los niños.
9
GENERO N Media Desv. Desv. Error
Desviación promedio
Codificación Femenino 21 103.57 19.51 4.25
Masculino 39 115.21 20.43 3.27
Tabla 2. Estadísticos descriptivos.
Tabla 3. Estadísticos de la prueba t
Como se puede observar en el caso de que las variables no cumplan el supuesto de

homocedasticidad, no hace falta realizar otro análisis no paramétrico. El propio
programa corrige de forma apropiada este problema.

realizar una prueba t de muestras independientes con el programa PSPP.
Estadística no paramétrica: U de Mann-Whitney
n el caso de que no se cumplan algunos de los supuestos, hay que realizar una prueba
no paramétrica. La prueba U de Mann-Whitney es adecuada cuando tenemos
variables cuasi-cuantitativas (ordinales). No es aplicable con variable cualitativas
(nominales). En este caso, el análisis no está destinado a comparar medias
aritméticas, ya que no tendría sentido para una variable ordinal. En este caso se
analizan los rangos: si la suma de rangos es igual en los dos grupos, no hay diferencias
entre ellos (Garriga Trillo et al., 2009).
El estadístico U de Mann-Whitney se puede aplicar mediante el programa JASP y con

el SPSS. No se puede conseguir mediante el programa PSPP.
10
En el programa JASP se puede aplicar mediante la misma ruta que para aplicar una
prueba t. En este caso seleccionamos la casilla Mann-Whitney y deseleccionamos la
de Student (ver figura 2) y no pulsaremos para mostrar los descriptivos ya que no
tiene sentido obtener la media y la desviación típica de una variable ordinal. Lo ideal
es acompañar estos análisis con una tabla de frecuencias, comparando los datos de
los dos grupos.
Figura 2. Prueba U de Mann-Whitney con JASP.
En el programa SPSS debemos seguir la siguiente ruta: menú Analizar, Pruebas no

paramétricas, Cuadros de diálogo antiguos y 2 muestras independientes. Por defecto
viene seleccionado la prueba U de Mann-Whitney. Debemos seleccionar las variables
correctamente (arriba la variable dependiente) y abajo la variable de agrupación (hay
que definir los grupos mediante su código).
Una vez aplicada la prueba, hay que interpretar los valores (ver tabla 4). Podemos
observar que el valor p es de .055. Este valor está por encima de .05, por lo que no es
significativo. El resultado del análisis indica que no hay diferencias estadísticamente
significativas entre los dos grupos.
11
Tabla 4. Resultados de prueba U de Mann-Whitney.

relacionadas
Los estadísticos de comparación también nos sirven para saber las diferencias entre
dos puntuaciones que se han tomado en momentos diferentes en un solo grupo, es
decir, solo hay un grupo al que se le realizan dos medidas. El objetivo es analizar las
diferencias estadísticamente significativas entre las dos medidas para ver si han
cambiado en base a la media aritmética. A este tipo de análisis se les llama
normalmente pruebas de muestras relacionadas o medidas repetidas, y suele
aplicarse en estudios longitudinales, por ejemplo, medir la memoria de trabajo a los
6 años y luego a los 12 años y compararlos si han cambiado.
Las hipótesis estadísticas que se plantean en este caso son las que se muestran en la
tabla 5. La hipótesis nula indica que hay diferencias estadísticamente significativas
entre la medida 1 y la medida 2. La hipótesis alternativa indica lo contrario: existen
diferencias estadísticamente significativas entre la media de las dos puntuaciones
(medida 1 y medida 2).
12
Hipótesis nula Hipótesis alternativa
H0: µmedida1 - µmedida2= 0 H1: µmedida1 - µmedida2 ≠ 0

H0: µmedida1 = µmedida2 H1: µmedida1≠ µmedida2

Tabla 5. Hipótesis estadísticas comparativas.
Existen distintos tipos de análisis de comparación de muestras relacionadas, por lo

que hay que seleccionar la adecuada en función de los datos. Si cumplen los
supuestos paramétricos se aplica una prueba t de muestras relacionadas, si no se
cumplen, se aplica una prueba no paramétrica como, por ejemplo, la prueba de
Wilcoxon.
Todas estas pruebas están destinadas a comparar dos medidas, pero se puede dar el
caso de que se tengan más de dos medidas a lo largo del tiempo. En estos casos se
puede aplicar una ANOVA de medidas repetidas como prueba paramétrica o una
prueba de Friedman como prueba no paramétrica. En esta asignatura nos vamos a
centrar en las dos primeras.
Estadística paramétrica: prueba t de muestras relacionadas
Nuevamente, para poder aplicar la prueba t es necesario cumplir con todos los
supuestos paramétricos:
 La variable dependiente debe ser cuantitativa.

 La variable dependiente debe tener una distribución normal.
 Las variables deben tener igualdad de varianzas (homocedasticidad), es decir, la

dispersión de los datos debe ser igual en los dos grupos.
13
Este análisis estadístico se puede obtener con el programa JASP, SPSS y PSPP.
En el programa JASP hay que seguir la siguiente ruta: menú T-Test y pulsar Paired
Samples T-Test. Hay que seleccionar las dos variables para incluirla en la casilla y
seleccionar los estadísticos descriptivos (ver figura 3).
Figura 3. Prueba t de muestras relacionadas con JASP.
En el programa PSPP hay que seguir la siguiente ruta: menú Analizar, Comparar
medias, Prueba T de muestra emparejadas y se seleccionan las dos variables a
comparar. En el SPSS se sigue la misma ruta.
Una vez obtenidos los estadísticos, se procede a su análisis. Primero nos fijaremos en
los datos descriptivos (ver tabla 6). Nos encontramos con una media de 52.45 en la
primera medida y una media de 110.12 en la segunda medida. Existe una diferencia
entre las dos puntuaciones, pero el estadístico nos va a indicar si la diferencia es

estadísticamente significativa. En la tabla 7 se muestra el valor p que se sitúa en
<.001, por lo que está por debajo de .05. La prueba confirma que hay diferencias
14
estadísticamente significativas entre las dos medidas, siendo más alta la puntuación
en la segunda medida.
Tabla 6. Datos descriptivos de la prueba t de muestras relacionadas
Tabla 7. Datos inferenciales de la prueba t de muestras relacionadas.

realizar una prueba t de muestras relacionadas con el programa PSPP.
Estadística no paramétrica: Prueba de Wilcoxon
En el caso de que las variables no cumplan los supuestos de normalidad, la prueba

estadística no paramétrica es la prueba de Wilcoxon. Esta prueba está indicada para
variables ordinales especialmente. Igual que en el caso de la prueba U de Mann-
Whitney, no se comparan las medias aritméticas, sino la suma de los rangos.
La prueba de Wilcoxon se puede obtener a través del programa JASP, PSPP y SPSS.
En el programa JASP hay que seguir la siguiente ruta: menú T-Test, y pulsar Paired
Samples T-Test. Hay que seleccionar las dos variables para incluirla en la casilla y
seleccionar la casilla de Wilcoxon signed-rank (ver figura 4). En este programa no es
posible obtener los datos de los rangos para analizarlos posteriormente.
15
Figura 4. Prueba Wilcoxon en JASP.
En el programa PSPP y SPSS hay que seguir la siguiente ruta: menú Analizar, Pruebas
no paramétricas, 2 muestras emparejadas y seleccionar las dos variables. Con estos
dos programas es posible obtener los datos de los rangos (rangos negativos, rangos
positivos y empates), que nos ayudarán a interpretar los resultados posteriores.
Una vez aplicado el estadístico procedemos a su interpretación. En la tabla 8 se

muestran los datos de los rangos y los estadísticos de la prueba de Wilcoxon sobre
una muestra de 106 niños donde se midió el nivel de creatividad en dos momentos
distintos. El valor p se sitúa en .001, por lo que existen diferencias estadísticamente
significativas entre las dos puntuaciones. Si nos fijamos en los rangos, podemos
observar que hay 19 casos que han empeorado su puntuación (rangos negativos), 66
que han mejorado su puntuación (rangos positivos) y 21 que se han mantenido igual.
16
Rango Estadístico
N promedio Z de Wilcoxon p-valor
Niveles 19 Rangos
de creatividad negativos
66 Rangos positivos -5.280 .001
21 Empates
Tabla 8. Datos de la prueba de Wilcoxon.

realizar una prueba Wilcoxon con el programa PSPP.
11.4. Redacción de resultados
Para redactar correctamente los resultados de un análisis comparativo tenemos que

tener en cuenta qué tipo de análisis se han realizado (paramétrico o no paramétrico),
ya que en el caso de análisis paramétrico se mostrarán los datos descriptivos de
media y desviación típica y en el caso de los no paramétricos se incorporarán los
rangos, cuando sea posible o una tabla de frecuencia.
Además, hay que tener en cuenta también si vamos a incluir muchas comparaciones
en el apartado de resultados. En este caso, hay que incorporar todos los datos en una
sola tabla para que no ocupe demasiado espacio.
Lo primero que hay que explicar, cómo siempre, son los estadísticos descriptivos para
pasar posteriormente al análisis inferencial, interpretando el valor p. Vamos a
exponer un ejemplo.
En un estudio se ha comparado un grupo de niños y un grupo de niñas en la velocidad

lectora. La variable es cuantitativa y cumple con todos los supuestos paramétricos.
La prueba adecuada es una prueba t de muestras independientes, ya que tenemos
dos grupos diferentes de sujetos que queremos comparar entre sí. Después de aplicar
17
el análisis nos encontramos con los siguientes estadísticos (ver tabla 9). La redacción
de los resultados se indica a continuación:
En la tabla 9 podemos observar una media de 51.35 para el grupo de los niños
y una media de 51.07 para las niñas. La prueba t indica que no existen
diferencias estadísticamente significativas entre los dos grupos (p=.282).
Velocidad Lectora Media Deviación t p-valor

Típica
Niños 51.35 9.15 1.08 .282
Niñas 54.07 10.21
Tabla 9. Datos de prueba t de muestras independientes.
11.5. Referencias bibliográficas
American Psychological Association (APA) (2010). Manual de Publicaciones de la APA

(3º edición traducida de la sexta en inglés). México: Editorial El Manual Moderno.
Garriga Trillo, A.J., Lubin Pigouche, P.L., Merino Merino, J.M., Padilla Suárez, M., Recio
Saboya, P. & Suárez Falcón, J.C. (2009). Introducción al análisis de datos. Madrid:
Universidad Nacional de Educación a Distancia.
18
A fondo
Cómo hacer un análisis de comparación de grupos
En el vídeo se explica cómo realizar la elección correcta del análisis comparativo

(prueba paramétrica vs. o no paramétrica).
Accede a la magistral a través del aula virtual
Diferencias de medias para muestras independientes (paramétrico): T de Student
En el tutorial se muestra cómo obtener e interpretar una prueba t de muestras

independientes con el programa PSPP.
19
Tema 11. A fondo
Diferencia de medias para muestras independientes (no paramétrico): Kruskal-
Wallis
En el tutorial se muestra cómo obtener e interpretar una prueba Kruskal-Wallis como

análisis comparativo no paramétrico con el programa PSPP.
Diferencias de medias para muestras relacionadas (paramétrico): T de Student
En el tutorial se muestra cómo obtener e interpretar una prueba t de muestras

relacionadas con el programa PSPP.
20
Tema 11. A fondo
Diferencias de medias para muestras relacionadas (no paramétrico): W de
Wilcoxon
En el tutorial se muestras cómo obtener e interpretar el estadístico no paramétrico

Wilcoxon con el programa PSPP.

21
Tema 11. A fondo
Actividades
Actividad: Práctica de propuesta de investigación
El objetivo de esta actividad es que el alumno haga su primera propuesta para su

Trabajo Fin de Máster (TFM) teniendo en cuenta las modalidades de trabajo
explicadas en el tema.
Para realizar el trabajo el alumno tendrá que elegir una de las dos modalidades de
trabajo propuestas: propuesta de intervención o proyecto de investigación.
En base a la selección, el alumno deberá realizar un pequeño proyecto donde se

explique qué quiere realizar. Hay que recordar que los trabajos propuestos deben ser
realistas y viables.
En la modalidad de Propuesta de Intervención tendrá que completar los siguientes

apartados:
 Portada.
 Introducción: justificar brevemente la propuesta de investigación y especificar los

objetivos.
 Diseño de la propuesta de intervención: describir la idea inicial sobre los

destinatarios y el centro donde se aplicaría la propuesta, contenido y metodología
a utilizar. Incluir la descripción de una de las actividades.
22
Tema 11. Actividades
En la modalidad de Proyecto de Investigación tendrá que completar los siguientes
apartados:
 Portada.
 Introducción: justificar brevemente el proyecto de investigación y especificar los

objetivos.
 Metodología: describir brevemente la hipótesis de investigación, la muestra, el

diseño, las variables a medir y los instrumentos de recogida de información.
Extensión máxima de la actividad: 3 páginas incluyendo la portada.
Rúbrica de corrección de la actividad:
0 1 2 3
La propuesta es La propuesta
La propuesta La propuesta es
Propuesta concreta pero no planteada es
es muy viable y realista
viable y es viable para el concreta, viable
general y no pero es poco
realista contexto y realista.
es viable ni concreta.
educativo.
realista.
Incluye todos los Incluye todos los

No incluye Incluye todos los
apartados con la apartados y con
todos los apartados pero
Apartados de profundidad la suficiente
apartados de forma muy
y contenido la adecuada en la profundidad
indicados y no superficial.
propuesta mayoría de los para
profundiza en
apartados pero no comprender lo
el contenido
en todos. que se quiere
exigido.
realizar.
La propuesta no La propuesta está La propuesta está La propuesta es
está relacionada relacionada con la relacionada con la original y novedosa
Novedad y con la neuropsicología neuropsicología y está relacionada
originalidad de la neuropsicología educativa pero no
propuesta el educativa pero no con el ámbito de la
educativa y no es novedosa ni
ámbito de la llega ser neuropsicología

presenta ninguna original.
neuropsicología novedad. totalmente educativa.
aplicada a la novedosa.
educación
23
1
Aspectos
especialmente Puntuación para valoración discrecional del profesor de aspectos positivos no
positivos en el recogidos en la rúbrica: utilización de la redacción científica y la normativa APA.
desempeño del
alumno
24
Test
1. ¿En qué se basan los estadísticos de comparación paramétricas?
A. En comparar las medias de las dos puntuaciones.
B. En comparar los rangos de las dos puntuaciones.
C. En comparar las desviaciones típicas.
2. ¿Cómo es la hipótesis nula de una prueba de comparación de grupos

independientes?
A. µexperimental ≠ µcontrol.
B. µexperimental = µcontrol.
C. µmedida1 = µmedida2.
3. Si tenemos más de dos grupos para comparar entre sí, ¿qué análisis no
paramétrico tendríamos que aplicar?
A. U de Mann-Whitney.
B. ANOVA.
C. Kruskal-Wallis.
4. Si tenemos datos que cumplen el supuesto de la distribución normal pero son

cuasi-cuantitativas, ¿qué estadístico de comparación de grupos independientes
deberíamos aplicar?
A. ANOVA.
B. U de Mann-Whitney.
C. Wilcoxon.
25
Tema 11. Test
5. Si tenemos un grupo de niños con problemas atencionales y otro grupo de niños
sin problemas atencionales y queremos comparar el rendimiento académico, ¿qué
tipo de prueba hay que aplicar?
A. Una prueba de correlación.
B. Una prueba de comparación de grupos independientes.
C. Una prueba de comparación de muestras relacionadas.
6. ¿En qué tipo de prueba se podrían obtener evidencias de causalidad?

A. Las pruebas de comparación de grupo.
B. Correlaciones de Pearson.
C. Las dos son correctas.
7. Si aplicamos una prueba de Wilcoxon, ¿estaría correcto obtener la media y la

desviación típica?
A. Si, siempre que el programa estadístico lo permita.
B. Depende del tamaño de la muestra.
C. Depende del tipo de variable, si es una variable cuasi-cuantitativa no es
correcto.
8. ¿Cómo es la hipótesis alternativa de una prueba de muestras relacionadas?

A. µmedida1 = µmedida2.
B. µmedida1≠ µmedida2
C. µ < 100
9. Si tengo un grupo de alumnos a los que mido la memoria de trabajo al inicio del
curso y nuevamente a final de curso, ¿qué tipo de análisis estadístico debo aplicar?
A. Una prueba de correlación.
B. Una prueba de comparación de grupos independientes.

C. Una prueba de comparación de muestras relacionadas.
26
Tema 11. Test
10. ¿Qué significan los rangos positivos en la prueba de Wilcoxon?
A. Que es estadísticamente significativo.
B. Que no hay diferencias entre las puntuaciones.
C. Indica el número de casos que han mejorado su puntuación.
27
Tema 11. Test

CORRELACION

Cargado por

Copyright:

Formatos disponibles

CORRELACION

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CORRELACION

Cargado por

Copyright:

Formatos disponibles

Tema 11

11.4. Redacción de resultados 17

11.1. Presentación y objetivos

Anteriormente, se explicaron los análisis correlacionales, donde se analiza la relación

Los objetivos de este tema son los siguientes:

 Aprender a aplicar un estadístico de comparación y saber elegir el adecuado

 Aprender a aplicar y a interpretar un estadístico de comparación de grupos

 Aprender a aplicar y a interpretar un estadístico de medidas repetidas tanto

En ocasiones, nos interesará observar si existen diferencias entre dos grupos

Otro ejemplo donde se utiliza este tipo de análisis es en investigaciones

la hipótesis nula indica ausencia de diferencias estadísticamente significativas en las

H0: µchicos - µchicas = 0 H1: µchicos - µchicas ≠ 0

H0: µ = 100 H1: µ < 100

Para aplicar un estadístico de comparación entre grupos debemos identificar dos

En un estudio experimental, la variable independiente es la aplicación o no del

Dentro del análisis de comparación de grupos independientes encontramos pruebas

En el apartado A fondo tienes disponible un tutorial donde se explique cómo

Estadística paramétrica: prueba t de muestras independientes

 La variable dependiente debe ser cuantitativa.

 La variable dependiente debe tener una distribución normal.

 Las variables deben tener igualdad de varianzas (homocedasticidad), es decir, la

muestra amplía, es decir, no se puede comparar un grupo de 5 sujetos con otro de

Figura 1. Prueba t de muestras independientes con JASP.

incorporar las variables dependientes (variables de contraste) y en la variable

Una vez obtenidos los descriptivos y los estadísticos inferenciales, se pasa a su

El valor p indica un valor de .037, por lo que es estadísticamente significativo (p<.05).

Podemos afirmar que hay diferencias estadísticamente significativas entre el grupo

Tabla 2. Estadísticos descriptivos.

Tabla 3. Estadísticos de la prueba t

Como se puede observar en el caso de que las variables no cumplan el supuesto de

En el apartado A fondo tienes disponible un tutorial donde se explique cómo

Estadística no paramétrica: U de Mann-Whitney

El estadístico U de Mann-Whitney se puede aplicar mediante el programa JASP y con

Figura 2. Prueba U de Mann-Whitney con JASP.

En el programa SPSS debemos seguir la siguiente ruta: menú Analizar, Pruebas no

11.3. Comparación de grupos de muestras

H0: µmedida1 - µmedida2= 0 H1: µmedida1 - µmedida2 ≠ 0

H0: µmedida1 = µmedida2 H1: µmedida1≠ µmedida2

Existen distintos tipos de análisis de comparación de muestras relacionadas, por lo

Estadística paramétrica: prueba t de muestras relacionadas

 La variable dependiente debe ser cuantitativa.

 La variable dependiente debe tener una distribución normal.

 Las variables deben tener igualdad de varianzas (homocedasticidad), es decir, la

Figura 3. Prueba t de muestras relacionadas con JASP.

entre las dos puntuaciones, pero el estadístico nos va a indicar si la diferencia es

Tabla 6. Datos descriptivos de la prueba t de muestras relacionadas

Tabla 7. Datos inferenciales de la prueba t de muestras relacionadas.

En el apartado A fondo tienes disponible un tutorial donde se explique cómo

Estadística no paramétrica: Prueba de Wilcoxon

En el caso de que las variables no cumplan los supuestos de normalidad, la prueba

Una vez aplicado el estadístico procedemos a su interpretación. En la tabla 8 se

En el apartado A fondo tienes disponible un tutorial donde se explique cómo

11.4. Redacción de resultados

Para redactar correctamente los resultados de un análisis comparativo tenemos que

En un estudio se ha comparado un grupo de niños y un grupo de niñas en la velocidad

Velocidad Lectora Media Deviación t p-valor

11.5. Referencias bibliográficas

American Psychological Association (APA) (2010). Manual de Publicaciones de la APA

En el vídeo se explica cómo realizar la elección correcta del análisis comparativo

Accede a la magistral a través del aula virtual