STATGRAPHICS – Rev.

4/d/yyyy

Comparación de Varias Muestras

Resumen
El procedimiento de Comparación de Varias Muestras está diseñado para comparar dos o más
muestras independientes de datos variables. Se hacen pruebas para determinar si hay o no
diferencias significativas entre las medias, varianzas y/o medianas de las poblaciones de las que
se tomaron las muestras. Además, se pueden desplegar los datos gráficamente de varias maneras,
incluyendo una gráfica de dispersión múltiple, una gráfica ANOM y una gráfica de medias.

Los resultados de este procedimiento son idénticos al los del procedimiento ANOVA de una vía.

StatFolio Muestra: multiple samples.sgp

Datos de Muestra:
El archivo pulse rates.sf6 contiene los resultados de un experimento reportado por Milliken y
Johnson (1992) en el que 78 trabajadores fueron asignados en seis grupos al azar. A cada grupo
se le dio una tarea a realizar y se midieron las tasas de pulsación luego de que cada individuo
trabajó por una hora en su tarea asignada. Luego de que varios individuos abandonaron el
estudio, los datos finales fueron:

Task 1 Task 2 Task 3 Task 4 Task 5 Task 6

(Tarea 1) (Tarea 2) (Tarea 3) (Tarea 4) (Tarea 5) (Tarea 6)
27 29 34 34 28 28
31 28 36 34 28 26
26 37 34 43 26 29
32 24 41 44 35 25
39 35 30 40 31 35
37 40 44 47 30 34
38 40 44 34 34 37
39 31 32 31 34 28
30 30 32 45 26 21
28 25 31 28 20 28
27 29 41 26
27 25 21
34

Las n = 68 mediciones finales han sido arregladas en q = 6 columnas, una para cada grupo de
sujetos.

Alternativamente, los datos pudieron ser arreglados en una tabla con las tasas de pulsación en
una sola columna junto con una columna identificando qué tarea se le dio al sujeto. Una porción
de tal archivo se muestra abajo:

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 1

 STATGRAPHICS – Rev. 4/d/yyyy

Subject Pulse Rate Task

(Sujeto) (Tasa de Pulsación) (Tarea)
1 27 1
2 31 1
3 26 1
4 32 1
5 39 1
6 37 1
7 38 1
8 39 1
9 30 1
10 28 1
11 27 1
12 27 1
13 34 1
14 29 2
15 28 2
16 37 2
17 24 2
18 35 2
19 40 2
20 40 2
21 31 2
22 30 2
23 25 2
24 29 2
25 25 2
26 34 3
… … …

Cualquier estructura de datos puede ser analizada por el procedimiento Análisis Multimuestral.
Si los mismos datos se usarán en otros procedimientos tales como el procedimiento de Modelos
Lineales Generales, estos deben ser estructurados de la segunda manera. Como parte de la
opción Guardar Resultados en este procedimiento, puede tomar un conjunto de datos que esté
estructurado en el formato de múltiples columnas y rearreglarlo como columnas de datos
cifrados.

Datos de Entrada
Cuando el procedimiento Comparación de Datos Múltiples se selecciona en el menú principal, el
primer cuadro de diálogo desplegado le pide especificar el formato en el que los datos serán
ingresados:

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 2

 STATGRAPHICS – Rev. 4/d/yyyy

• Múltiples Columnas de Datos: indica que cada muestra se ha colocado en una columna
separada.

• Columnas de Códigos y Datos: indica que todas las observaciones se han colocado en una
sola columna, con una segunda columna indicando a qué muestra pertenece cada
observación.

• Estadísticos Muestrales: indica que las observaciones originales no están disponibles. Sin
embargo, los tamaños de muestra, las medias muestrales, y las desviaciones estándar
muestrales se han colocado en 3 columnas de la hoja de datos. En este caso, algunas opciones
no estarán disponibles.

Múltiples Columnas de Datos

Si los datos se han colocado en columnas separadas para cada muestra, se deben ingresar los
nombres de las columnas en el siguiente cuadro de diálogo.

• Muestras: dos o más columnas numéricas que contienen las observaciones, una columna
para cada muestra.
© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 3
 STATGRAPHICS – Rev. 4/d/yyyy

• Seleccionar: subconjunto a seleccionar.

Columnas Datos y Código

Si los datos de todas las muestras se han colocado en una sola columna, entonces ingrese el
nombre de esa columna y de la columna que contiene los identificadores de grupo.

• Datos: columna numérica que contiene observaciones de todas las muestras.

• Códigos de Nivel: columnas numéricas o no numéricas que contienen un identificador para

la muestra correspondiente a cada dato.

• Seleccionar: subconjunto a seleccionar.

Estadísticos de Muestra
Si las observaciones originales no están disponibles, pero se conocen la media y la desviación
estándar de cada muestra, ingrese los estadísticos muestrales en la hoja de datos en columnas
separadas.

Tarea Tamaño Media Desviación Estándar

1 13 31.9231 4.95751
2 12 31.0833 5.66422
3 10 35.8000 5.30827
4 10 38.0000 6.59966
5 12 29.5000 6.00757
6 11 28.8182 4.75012

Luego complete el segundo cuadro de diálogo como se muestra a continuación.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 4

 STATGRAPHICS – Rev. 4/d/yyyy

• Medias muestrales: columna numérica que contiene las medias de cada muestra.

• Desviaciones estándar muestrales: columna numérica que contiene las desviaciones

estándar de cada muestra.

• Tamaños de muestra: columna numérica que contiene los tamaños de cada muestra.

• Etiquetas de la muestra: columna opcional que contiene etiquetas para cada muestra.

• Seleccionar: subconjunto a seleccionar.

Resumen del Análisis

El Resumen del Análisis muestra el número de observaciones en cada muestra.

Comparación de Varias Muestras

Muestra 1: tarea 1
Muestra 2: tarea 2
Muestra 3: tarea 3
Muestra 4: tarea 4
Muestra 5: tarea 5
Muestra 6: tarea 6

Muestra 1: 13 valores en el rango de 26.0 a 39.0

Muestra 2: 12 valores en el rango de 24.0 a 40.0
Muestra 3: 10 valores en el rango de 30.0 a 44.0
Muestra 4: 10 valores en el rango de 28.0 a 47.0
Muestra 5: 12 valores en el rango de 20.0 a 41.0
Muestra 6: 11 valores en el rango de 21.0 a 37.0

También se despliegan los valores más alto y más bajo.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 5

 STATGRAPHICS – Rev. 4/d/yyyy
Gráfico de Dispersión
El panel Gráfico de Dispersión grafica datos de cada grupo.

Dispersión según Muestra

50

45

40
respuesta

35

30

25

20
Task 1 Task 2 Task 3 Task 4 Task 5 Task 6

Si hay muchos valores comunes, tal vez deseé añadir una pequeña cantidad despacio horizontal a
la gráfica, presionando el botón Separar de la barra de herramientas de análisis.

Esto fija cada punto al azar en dirección horizontal de tal modo que valores idénticos no se
encimen:

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 6

 STATGRAPHICS – Rev. 4/d/yyyy

Dispersión según Muestra

50

45

40
respuesta

35

30

25

20
Task 1 Task 2 Task 3 Task 4 Task 5 Task 6

La gráfica de arriba parece sugerir que las tasas de pulsación son de alguna manera más altas en
aquellos que realizaron las tareas 3 y 4. Nota: Agregar espacio a la gráfica de dispersión no tiene
efecto en ningún cálculo.

Estadísticos de Resumen
El panel Estadísticos de Resumen calcula diferentes estadísticos que son usados comúnmente
para resumir una muestra de datos variables:

Resumen Estadístico
Recuento Promedio Desviación Estándar Coeficiente de Variación Mínimo Máximo Rango
Tarea 1 13 31.9231 4.95751 15.5296% 26.0 39.0 13.0
Tarea 2 12 31.0833 5.66422 18.2227% 24.0 40.0 16.0
Tarea 3 10 35.8 5.30827 14.8276% 30.0 44.0 14.0
Tarea 4 10 38.0 6.59966 17.3675% 28.0 47.0 19.0
Tarea 5 12 29.5 6.00757 20.3646% 20.0 41.0 21.0
Tarea 6 11 28.8182 4.75012 16.4831% 21.0 37.0 16.0
Total 68 32.3088 6.24203 19.3199% 20.0 47.0 27.0

La mayoría de los estadísticos pertenecen a una de las siguientes categorías:

1. medidas de tendencia central – estadísticos que caracterizan el “centro” de los datos.

2. medidas de dispersión – estadísticos que miden la dispersión de los datos.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 7

 STATGRAPHICS – Rev. 4/d/yyyy
3. medidas de forma – estadísticos que miden la forma de los datos con respecto a una
distribución normal.

Los estadísticos incluidos por defecto en la tabla son controlados por las opciones del panel
Estadísticos del cuadro de diálogo Preferencias. Con este procedimiento, la selección puede
cambiarse usando el Panel de Opciones. Para una descripción detallada de cada estadístico, vea
la documentación Análisis de una Variable.

Son de interés particular:

1. Medias muestrales Y j : la tasa de pulsación promedio de sujetos de cada una de las 6

tareas.
2. Desviaciones estándar muestrales s j : las desviaciones estándar de cada grupo.
3. Simetrías y kurtosis estandarizadas: Estos estadísticos deben estar entre –2 y +2 si los
datos vienen de distribuciones normales.

Para las tasas de pulsación, la tasa promedio fue más alta para el grupo 4, así como la desviación
estándar. Todos los estadísticos de simetría y de kurtosis están en el rango esperado para datos
que vienen de distribuciones normales.

Panel de Opciones

Seleccione los estadísticos deseados.

Gráfico de Caja y Bigotes

Este panel despliega una gráfica de caja y bigotes para cada muestra.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 8

 STATGRAPHICS – Rev. 4/d/yyyy

Gráfico Caja y Bigotes

Task 1

Task 2

Task 3

Task 4

Task 5

Task 6

20 25 30 35 40 45 50
respuesta

Las gráficas de caja y bigotes se construyen de la siguiente manera:

• Se dibuja una caja que va del cuartil inferior de la muestra hasta el cuartil superior.
Este es el intervalo cubierto por 50% de los datos cuando se ordenan de menor a
mayor.

• Se dibuja una línea vertical en la mediana (valor medio).

• Si se requiere, se coloca un signo de más en el lugar de la media muestral.

• Se dibujan bigotes desde los bordes de la caja hasta los valores más pequeño y más
alto, a menos que haya valores inusualmente lejos de la caja (los que Tukey llama
aberrantes). Los puntos exteriores, que son puntos abajo o arriba de la caja más de
1.5 veces el rango intercuartil, se indican con símbolos de punto. Cualquier punto que
esté abajo o arriba de la caja más de tres veces el rango intercuartil se llama
aberrante lejano, y se indican por símbolos de punto con signos de suma
superimpuestos encima de ellos. Si hay puntos exteriores, los bigotes se dibujan hacia
los valores más grande y más pequeño que no sean puntos exteriores.

En los datos muestrales, la variabilidad parece ser similar en cada muestra, aunque las locaciones
muestran algunas diferencias. No hay puntos exteriores.

Panel de Opciones

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 9

 STATGRAPHICS – Rev. 4/d/yyyy

• Dirección: la orientación de la gráfica, correspondiente a la dirección de los bigotes.

• Muesca sobre la Mediana: Si se selecciona, se agrega un corte a la gráfica mostrando el

error de estimación asociado a cada mediana. Los cortes se escalan de tal forma que, para
muestras de igual tamaño, si no se traslapan, las dos medianas son significativamente
diferentes en el nivel de confianza por defecto del sistema (establecido en la pestaña General
del cuadro de diálogo Preferencias en el menú Edición).

• Mostrar aberrantes: si se selecciona, indica la ubicación de los aberrantes.

• Mostrar Media: si se selecciona, muestra la ubicación de la media muestral así como la

mediana.

Ejemplo – Gráfica de caja y bigotes cortada.

La siguiente gráfica agrega grietas de mediana a un nivel de confianza del 95%.

Gráfico Caja y Bigotes

50

45

40
respuesta

35

30

25

20
Task 1 Task 2 Task 3 Task 4 Task 5 Task 6

Cada corte cubre el intervalo.

~ z 1.25( IQR j ) ⎛ 1 ⎞
xj ± α /2 ⎜1 + ⎟ (1)
2 1.35 n j ⎝ 2⎠

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 10

 STATGRAPHICS – Rev. 4/d/yyyy
~
donde x j es la mediana de la j-ésima muestra, IQRj es el rango intercuartil de muestra, nj es el
tamaño de muestra, y zα/2 es el valor crítico superior (α/2)% de una distribución normal estándar.
En aquellos casos en los que el tamaño de muestra es pequeño, el corte puede extenderse más
allá de la caja, resultando una apariencia de doblado.

Como las muestras varían en tamaño, la regla de traslape no funcionará a la perfección. Sin
embargo, los cortes para las tareas 4 y 6 no se traslapan, lo que típicamente indicaría una
diferencia significativa entre esas dos medianas a un nivel de significancia del 5%.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 11

 STATGRAPHICS – Rev. 4/d/yyyy
Tabla ANOVA
Para determinar si las medias de los q grupos son significativamente diferentes entre sí o no,
puede realizarse un análisis de varianza de una vía. Los resultados se despliegan en la tabla
ANOVA:

Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 694.439 5 138.888 4.49 0.0015
Intra grupos 1916.08 62 30.9045
Total (Corr.) 2610.51 67

La tabla divide la variabilidad total de las n mediciones en dos componentes:

1. Un componente “intragrupal”, que mide la variabilidad entre tasas de pulsación de

individuos a los que se les asignó la misma tarea.

2. Un componente “intergrupal”, que mide la variabilidad entre tasas de pulsación de

individuos con diferentes tareas.

El F-radio es de particular importancia, el cual prueba la hipótesis de que la respuesta media para
todas las muestras es la misma. Formalmente, prueba la hipótesis nula

H0: μ1 = μ2 = ... = μq

contra la hipótesis alternativa

HA: no todos los μj iguales

Si F es suficientemente grande, la hipótesis nula se rechaza

La importancia estadística del F-radio se juzga más fácilmente por su P-valor. Si el P-valor es
menor que 0.05, la hipótesis nula de medias iguales se rechaza a un nivel de significancia del
5%, como en este ejemplo. Esto no implica que cada media sea significativamente diferente que
las otras. Simplemente implica que no todas las medias son la misma. Determinar cuáles medias
son significativamente diferentes de cuáles otras requiere pruebas adicionales, como se discute
abajo.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 12

 STATGRAPHICS – Rev. 4/d/yyyy
ANOVA Gráfico
El ANOVA Gráfico, desarrollado por Hunter (2005), es una técnica para desplegar gráficamente
la importancia de las diferencias entre las muestras. Es una gráfica de los efectos escalados,
donde el “efecto” es igual a la diferencia entre una media muestral y la gran media estimada.
Cada efecto es multiplicado por un factor escalador.

ν R ni
(2)
νT n

donde νR es los grados de libertad residuales, νT es los grados de libertad entre las diferencias
grupales, ni es igual al número de observaciones en el i-ésimo nivel del grupo, y n es el número
promedio de observaciones en todos los grupos. Esto escala los efectos de tal manera que la
varianza natural de los puntos en el diagrama es comparable a la de los residuales, los cuales se
despliegan en la parte baja de la gráfica.

La gráfica para los datos de muestra se muestra abajo:

ANOVA Gráfico para Task 1

Task 6 Task 2
Task 5 Task 1 Task 3 Task 4
Grupos P = 0.0015

Residuos
-13 -3 7 17 27

Al lado derecho del display está el P-valor para las diferencias dentro del grupo, tomado de la
tabla ANOVA.

Comparando la variabilidad entre los efectos en la gráfica de arriba con la de los residuales, es
fácil ver que las diferencias son de una mayor magnitud que las que podrían explicarse
solamente por el error experimental. Dependiendo de la localización relativa de los efectos,
podría también ser posible en algunos casos identificar visualmente cuáles muestras son
significativamente diferentes de cuáles otras, lo cual es hecho formalmente por las Pruebas de
Rangos Múltiples descritas abajo.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 13

 STATGRAPHICS – Rev. 4/d/yyyy
Pruebas de Rangos Múltiples
Para determinar cuáles medias son significativamente diferentes de cuáles otras, pueden
realizarse Pruebas de Rangos Múltiples:

Pruebas de Rangos Múltiples

Método: 95.0 porcentaje LSD

Casos Media Grupos Homogéneos
Tarea 6 11 28.8182 X
Tarea 5 12 29.5 X
Tarea 2 12 31.0833 XX
Tarea 1 13 31.9231 XX
Tarea 3 10 35.8 XX
Tarea 4 10 38.0 X

Contraste Sig. Diferencia +/- Límites

Tarea 1 - Tarea 2 0.839744 4.44862
Tarea 1 - Tarea 3 -3.87692 4.67423
Tarea 1 - Tarea 4 * -6.07692 4.67423
Tarea 1 - Tarea 5 2.42308 4.44862
Tarea 1 - Tarea 6 3.1049 4.55256
Tarea 2 - Tarea 3 -4.71667 4.75816
Tarea 2 - Tarea 4 * -6.91667 4.75816
Tarea 2 - Tarea 5 1.58333 4.53672
Tarea 2 - Tarea 6 2.26515 4.63869
Tarea 3 - Tarea 4 -2.2 4.96973
Tarea 3 - Tarea 5 * 6.3 4.75816
Tarea 3 - Tarea 6 * 6.98182 4.85547
Tarea 4 - Tarea 5 * 8.5 4.75816
Tarea 4 - Tarea 6 * 9.18182 4.85547
Tarea 5 - Tarea 6 0.681818 4.63869

* indica una
diferencia significativa.

La mitad de arriba de la tabla muestra cada una de las medias muestrales estimadas en un orden
de magnitud creciente. Muestra:

• Casos – el número de observaciones nj.

• Media – la media muestral estimada Yj .

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 14

 STATGRAPHICS – Rev. 4/d/yyyy
• Grupos Homogéneos – una ilustración gráfica de cuáles medias son significativamente
diferentes de cuáles otras, basada en los contrastes desplegados en la segunda mitad de la
tabla. Cada columna de X’s indica un grupo de medias en las que no hay diferencias
significativas estadísticamente. Por ejemplo, la primera columna de la tabla de arriba
contiene X para las tareas 1, 2, 5, y 6, indicando que no hay diferencias significativas
entre esas cuatro medias. Asimismo, las tareas 1, 2 y 3 no muestran diferencias
significativas, como tampoco lo hacen las tareas 3 y 4. Cualesquiera dos tareas que no
tengan una X en la misma columna son significativamente diferentes entre sí, tal como
las tareas 4 y 6.

• Diferencia – la diferencia entre las dos medias muestrales.

Δ$ j1 j2 = Y j1 − Y j2 (3)

• Limites - un intervalo estimado de la diferencia, usando el procedimiento de

comparaciones múltiples seleccionado recientemente.

⎛ 1 1 ⎞
Δ$ j1 j2 ± M MS within ⎜⎜ + ⎟⎟ (4)
⎝ n j1 n j2 ⎠

donde M es una constante que depende del procedimiento seleccionado.

• Sig. – Se pone un asterisco junto a cualquier diferencia que sea estadísticamente

significativamente diferente de 0 al nivel de significancia seleccionado, i.e., cualquier
intervalo que no contenga al 0.

Para los datos de tasa de pulsación, Tarea 4 tiene una tasa de pulsación media significativamente
mayor que cualquier tarea excepto Tarea 3. Además, Tarea 3 es significativamente mayor que
Tareas 5 y 6.

Panel de Opciones

• Método: el método usado para hacer comparaciones múltiples.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 15
 STATGRAPHICS – Rev. 4/d/yyyy

• Nivel de Confianza: el nivel de confianza usado para la comparación múltiple seleccionada.

Los métodos disponibles son:

• LSD - forma un intervalo de confianza para cada par de medias al nivel de confianza
seleccionado usando:

M = tα / 2 ,n − q (5)

donde t representa el valor de la distribución t de Student con n - q grados de libertad

dejando un área de α/2 en la cola superior de la curva. Este procedimiento se debe a
Fisher y es llamado el procedimiento de la Diferencia Menos Significativa, ya que la
magnitud de los límites indica la diferencia más pequeña entre cualesquiera dos medias
que puedan ser declaradas para representar una diferencia estadísticamente significativa.
Esto sólo debe usarse cuando la F-prueba en la tabla ANOVA indique diferencias
significativas entre las medias muestrales. La probabilidad de hacer un error Tipo I α
aplica a cada par de medias de manera separada. Si se hace más de una comparación, la
probabilidad total de llamar al menos a un par de medias significativamente diferentes
cuando no lo son puede ser considerablemente mayor que α.

• Tukey HSD – ensancha los intervalos para permitir comparaciones múltiples entre todos
los pares de medias, usando

M = Tα/2,q,n-q (6)

( )
que usa la t de Tukey en vez de la t de Student. La t de Tukey es igual a 1 / 2 veces el
rango de la distribución Studentizada, que es tabulada en algunos libros como en Neter et
al. (1996). Tukey llamó a su procedimiento el de Diferencia Honestamente Significativa
ya que controla la tasa de error experimental a α. Si todas las medias son iguales, la
probabilidad de declarar a cualquiera de los pares como significativamente diferentes en
todo el experimento es igual a α. El procedimiento de Tukey es más conservador que el
procedimiento LSD de Fisher, pues hace más difícil declarar cualquier par particular de
medias como significativamente diferentes.

• Scheffe – diseñado para permitir la estimación de todos los posibles contrastes entre las
medias muestrales (no solo en comparaciones por pares). Usa una múltiple relacionada
con la distribución F.

M = (q − 1)Fα ,q −1,n−q (7)

En esta instancia, es probable que el procedimiento sea muy conservador, pues sólo se
están estimando pares.

• Bonferroni – diseñado para permitir la estimación de cualquier número preseleccionado

de contrastes. En este caso, usa una múltiple igual a

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 16

 STATGRAPHICS – Rev. 4/d/yyyy
M = tα /( q ( q −1)),n − q (8)

pues q(q-1)/2 se están estimando diferencias por pares. Estos límites son usualmente más
anchos que los de Tukey cuando se hacen todas las comparaciones por pares.

• Student-Newman-Keuls – A diferencia de los métodos previos, éste no crea intervalos

para las diferencias por pares. En vez de eso, ordena las medias en orden creciente y
luego comienza a separarlas en grupos de acuerdo a valores del rango distribución
Studentizada. Eventualmente, las medias se separan en grupos homogéneos en los que no
hay diferencias significativas.

• Duncan –similar al procedimiento Student-Newman-Keuls, excepto que usa un valor

crítico distinto al rango de la distribución Studentizada al definir los grupos homogéneos.
Una discusión detallada de los procedimientos de Duncan y de Student-Newman-Keuls la
dan Milliken y Johnson (1992).

La elección entre un procedimiento LCD y uno de múltiples comparaciones como el HSD de

Tukey debe depender del costo relativo de hacer un error Tipo I (llamar diferentes a un par de
medias que realmente no lo son) contra el costo de hacer un error Tipo II (no llamar diferentes a
un par de medias que sí lo sean). En las primeras etapas de una investigación, tal vez uno no
quiera ser tan conservador como cuando ya se han hecho las verificaciones finales.

Tabla de Medias
Esta tabla despliega cada media muestral junto a un intervalo de incertidumbre:

Tabla de Medias con intervalos de confianza del 95.0%

Error Est.
Casos Media (s agrupada) Límite Inferior Límite Superior
Tarea 1 13 31.9231 1.54184 29.7437 34.1024
Tarea 2 12 31.0833 1.6048 28.815
El tipo de intervalo desplegado depende del Panel de33.3517
Opciones.
Tarea 3 10 35.8 1.75797 33.3151 38.2849
Tarea 4 10 38.0 1.75797 35.5151 40.4849
Panel
Tarea 5de Opciones
12 29.5 1.6048 27.2316 31.7684
Tarea 6 11 28.8182 1.67616 26.449 31.1874
Total 68 32.3088

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 17

 STATGRAPHICS – Rev. 4/d/yyyy

• Intervalos: el método usado para construir los intervalos.

• Nivel de Confianza: el nivel de confianza asociado a cada intervalo.

Los tipos de intervalos que pueden seleccionarse son:

• Ninguno – no se despliega ningún intervalo.

• Errores Estándar (S agrupada) – despliega los errores estándar usando la desviación

estándar intramuestral acumulada:

MS within
Yj ± (9)
nj

• Errores Estándar (S individual) - despliega los errores estándar usando la desviación

estándar de cada muestra separadamente:

sj2
Yj ± (10)
nj

• Intervalos de Confianza (S agrupada) – despliega intervalos de confianza para el grupo

Medias usando la desviación estándar intramuestral acumulada:

MS within
Y j ± tα / 2 , n − q (11)
nj
• Intervalos de Confianza (S individual) - despliega intervalos de confianza para el grupo
Medias usando la desviación estándar de cada grupo separadamente:
© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 18
 STATGRAPHICS – Rev. 4/d/yyyy

2
sj
Y j ± tα / 2,n j −1 (12)
nj

• Intervalos LSD - diseñados para comparar cualquier para de medias con el nivel de
confianza establecido. Los intervalos están dados por:

2M MS within
Yj ± (13)
2 nj

donde M se define como en las Pruebas de Rango Múltiple. Esta fórmula también aplica
para las tres selecciones de abajo.

• Intervalos Tukey HSD - diseñados para comparar todos los pares de medias. El
intervalo de confianza establecido aplica para toda la familia de comparaciones por pares:

• Intervalos Scheffe - diseñados para comparar todos los contrastes. No son muy
relevantes aquí.

• Intervalos Bonferroni - diseñados para comparar un número seleccionado de contrastes.

Los intervalos de Tukey son usualmente más ajustados.

Gráfica de Medias
Las medias muestrales pueden ser graficadas junto a los intervalos de incertidumbre:

Medias y 95.0% de Fisher LSD

41

38

35
Media

32

29

26
Task 1 Task 2 Task 3 Task 4 Task 5 Task 6

Los tipos de intervalos que pueden usarse son los mismos que en la Tabla de Medias arriba.

Si todos los tamaños de muestra son los mismos (o cercanos), el analista puede determinar cuáles
medias son significativamente diferentes de cuáles otras usando los procedimientos LSD, Tukey,
Scheffe o Bonferroni simplemente viendo si un par de intervalos se traslapan en dirección
vertical o no. Un par de intervalos que no se traslapan indica una diferencia estadísticamente
© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 19
 STATGRAPHICS – Rev. 4/d/yyyy
significativa entre las medias al nivel de confianza seleccionado. En este caso, note que el
intervalo de la tarea 4 se traslapa solo con el de la tarea 3, indicando que es significativamente
diferente de todas las demás tareas.

Verificación de Varianza.
Una de las suposiciones que respaldan el análisis de varianza es que las varianzas de las
poblaciones de donde se tomaron las muestras son las mismas. El panel Verificación de Varianza
realiza alguna de varias pruebas para verificar esta suposición.

Verificación de Varianza
Prueba Valor-P
Levene's 0.641611 0.668799

La hipótesis a probarse será:

Hipótesis Nula: todas las σj son iguales

Hipótesis Alt.: no todas las σj son iguales

Las cuatro pruebas son:

1. Prueba de Cochran: compara la varianza máxima dentro de la muestra con la varianza

muestra promedio. Un P-valor menor que 0.05 indica una diferencia significativa entre
las desviaciones estándar dentro de la muestra a un nivel de significancia del 5%. La
prueba es apropiada sólo si todos los grupos son del mismo tamaño.

2. Prueba de Bartlett: compara un promedio ponderado de las varianzas dentro de la

muestra con su media geométrica. Un P-valor menor que 0.05 indica una diferencia
significativa entre las desviaciones estándar dentro de la muestra a un nivel de
significancia del 5%. La prueba es apropiada tanto para grupos del mismo tamaño como
para grupos de tamaño distinto.

3. Prueba de Hartley: calcula el cociente entre la varianza muestral más grande y la más
pequeña. Este estadístico debe compararse con una tabla de valores críticos, como la
© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 20
 STATGRAPHICS – Rev. 4/d/yyyy
contenida en Neter et al. (1996). Para 6 muestras y 62 grados de libertad para error
experimental, H se hubiera excedido aproximadamente 2.1 para ser estadísticamente
significativo a un nivel de significancia del 5%. Nota: esta prueba sólo es apropiada si el
número de observaciones entre cada nivel de tratamiento es el mismo.

4. Prueba de Levene: realiza un análisis de varianza de una vía en las variables.

Z ij = y ij − y j (14)

El estadístico tabulado es el F estadístico de la tabla ANOVA.

Para los datos de tasa de pulsación, no hay razón para rechazar la suposición de que las
desviaciones estándar son las mismas para todos los grupos, ya que los P-valores son mayores
que 0.05. Cualquier diferencia aparente entre las desviaciones estándar muestrales no es
estadísticamente significativa a un nivel de significancia del 5%.

Gráficas de Residuales
Como en todo modelo estadístico, es una buena costumbre examinar los residuales. En un
análisis de varianza de una vía, los residuales se definen por:

eij = y ij − y j (15)

i.e., los residuales son las diferencias entre los valores de datos observados y sus respectivas
medias grupales.

El procedimiento Comparación de Muestras Múltiple crea 3 gráficas de residuales:

1. contra indicador muestral.

2. contra valor predicho.
3. contra número de observación.

Residuales contra Muestras

Esta gráfica es de ayuda para visualizar cualquier diferencia en la variabilidad de las muestras.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 21

 STATGRAPHICS – Rev. 4/d/yyyy

Gráfico de Residuos

12

4
residuos

-4

-8

-12
Task 1 Task 2 Task 3 Task 4 Task 5 Task 6
muestra

El residual promedio en cada grupo es igual a 0.

Residuales contra Predicho

Esta gráfica es de ayuda para detectar cualquier heteroescedasticidad en los datos.

Gráfico de Residuos

12

4
residuos

-4

-8

-12
28 30 32 34 36 38
valor predicho

La heteroescedasticidad ocurre cuando la variabilidad de los datos cambia como lo hace la

media, y puede necesitarse transformar los datos antes de realizar el ANOVA. Usualmente es
evidenciado por un patrón de forma de embudo en la gráfica de residuales.

Residuales contra Observación

Esta gráfica muestra los residuales contra el número de fila en la hoja de datos:

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 22

 STATGRAPHICS – Rev. 4/d/yyyy

Gráfico de Residuos

12

4
residuos

-4

-8

-12
0 20 40 60 80
observación

Si los datos se arreglan en orden cronológico, cualquier patrón de los datos puede indicar una
influencia exterior. No es evidente ningún patrón así en la gráfica de arriba.

Gráfica de Análisis de Medias (ANOM)

Si el número de muestras está entre 3 y 20, en la Gráfica de Análisis de Medias o Gráfica
ANOM, se presenta una aproximación de alguna manera distinta a la comparación de medias:

Gráfico ANOM
Con 95% Límites de Decisión
39
LDS=36.38
37 LC=32.31
35 LDI=28.24
Media

33

31

29

27
Task 1 Task 2 Task 3 Task 4 Task 5 Task 6

Esta gráfica construye una tabla similar a un cuadro de control, donde cada media muestral se
grafica junto a una línea central y los límites de decisión superiores e inferiores. La línea central
se localiza en el promedio de todas las observaciones Y . Los límites de decisión se localizan en

MS within ⎛ q −1⎞
Y ± hn − q ,1−α ⎜⎜ ⎟⎟ (16)
nj ⎝ q ⎠

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 23

 STATGRAPHICS – Rev. 4/d/yyyy
donde h es un valor crítico obtenido de una tabla de la distribución t multivariada. El cuadro
prueba la hipótesis nula de que todas las medias muestrales son iguales que la media. Cualquier
media que caiga fuera de los límites de decisión indica que la media correspondiente difiere
significativamente de la media total.

La ventaja de la gráfica ANOM es que muestra de un vistazo qué medias son significativamente
diferentes que el promedio de todas las muestras. También lo hace usando un tipo de cuadro con
el que muchos ingenieros y operadores están familiarizados. Es fácil ver a partir del cuadro de
arriba que la tarea 4 tiene una tasa de pulsación significativamente mayor que el promedio,
mientras que todas las demás medias caen dentro de los límites de decisión. El procedimiento es
exacto si todos los tamaños de muestra son iguales y es aproximado si no difieren mucho.

Panel de Opciones

• Nivel de Confianza: nivel usado para posicionar los límites de decisión.

• Número de Decimales para Límites: número de decimales mostrados al desplegar los

límites de decisión.

Pruebas de Wruskal-Wallis y Friedman

Una alternativa para el análisis estándar de varianzas que compara medianas de grupo en lugar
de medias es la Prueba Kruskal-Wallis. Esta prueba es mucho menos sensible a la presencia de
puntos lejanos que lo que es una ANOVA de una vía y debe usarse cada vez que la suposición de
normalidad dentro de las muestras no sea razonable. Ésta prueba las hipótesis:

Hipótesis Nula: todas las medianas de grupo son iguales.

Hipótesis Alt.: no todas las medianas de grupo son iguales.

La prueba es conducida por:

1. Ordenar todos los n valores del más pequeño al más grande y clasificarlos, asignando
rango de 1 al más pequeño y de n al mayor. Si dos observaciones cualesquiera son
exactamente iguales, a las observaciones empatadas se les da el mismo rango que al
promedio de las posiciones a las que ocurre el empate.
© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 24
 STATGRAPHICS – Rev. 4/d/yyyy

2. Calcular los rangos promedio de las observaciones dentro de cada grupo R j .

3. Calcular un estadístico de prueba para comparar las diferencias entre los rangos
promedio.

4. Calcular un P-valor para probar las hipótesis.

El resultado se muestra abajo:

Prueba Kruskal-Wallis
Tamaño de Muestra Rango Promedio
Tarea 1 13 = 15.9995 P-Valor=33.3846
Estadístico 0.00684551
Tarea 2 12 30.5833
Tarea 3 10 46.4
P-valores
Tarea 4 10
pequeños (menores que 0.05 si se opera a un nivel de significancia del 5%) indica
50.35
que
hay diferencias
Tarea 5 12 significativas26.7083
entre las medianas de grupo, como en el ejemplo de arriba.
Tarea 6 11 23.3636
Panel de Opciones

• Método: procedimiento a usar para comparar las medianas. Kruskal-Wallis es apropiado al

comparar q muestras independientes. Friedman es apropiado al analizar un experimento en
bloques, i.e., cuando los datos de cada fila corresponden a la misma unidad o bloque
experimental.

La prueba Friedman es apropiada para un diseño aleatorio de bloques, en el que cada fila de la
hoja de datos representa una condición o bloque particular. En este ejemplo, esto aplicaría si los
mismos 13 sujetos hubiesen realizado cada una de las 6 tareas, en lugar de diferentes sujetos para
cada tarea. El resultado de la prueba Friedman es interpretada de la misma manera que el de la
prueba Kruskal-Wallis.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 25

 STATGRAPHICS – Rev. 4/d/yyyy
Prueba de la Medianas de Mood
La Prueba de la Mediana de Mood es otro método de determinar si las medianas de todos los q
grupos son iguales o no. Es menos sensible a puntos lejanos que la de Kruskal-Wallace, pero
también es menos poderosa cuando los datos vienen de distribuciones como la normal. El
resultado se muestra abajo.

Prueba de la Mediana de Mood

Total n = 68
Gran mediana = 31.0

Muestra Tamaño de Muestra n<= n> Mediana LC inferior 95.0% LC superior 95.0%
Tarea 1 13 7 6 31.0 27.0 38.6056
Tarea 2 12 8 4 29.5 25.0 39.6809
Tarea 3 10 2 8 34.0 30.3244 44.0
Tarea 4 10 2 8 37.0 28.9733 46.3511
Tarea 5 12 8 4 29.0 21.5318 34.8936
Tarea 6 11 8 3 28.0 23.8509 35.5745

Estadístico = 12.168 P-Valor= 0.0325567

Arriba de la tabla se despliega el número total de observaciones n y la mediana total. Para cada
muestra la tabla muestra:

1. Tamaño de Muestra: El número de observaciones en la muestra nj.

2. n<=: de las observaciones en la muestra, cuántas son menores o iguales que la mediana
total.
3. n>: de las observaciones en la muestra, cuántas son mayores o iguales que la mediana
total.
4. Mediana: la mediana muestral.
5. CL: los límites de confianza superior e inferior para la mediana de la población de donde
vino la muestra.

Abajo de la pantalla se muestra un estadístico de prueba y un P-Valor. Tratando los n<= y las n>
columnas como columnas de una tabla de contingencia de dos vías, se calcula un estadístico de
prueba ji-cuadrada. P-Valores pequeños (menores que 0.05 operando a un nivel de significancia
del 5%) llevan a la conclusión de que no todas las medianas son iguales, como en este ejemplo.

Panel de Opciones

• Nivel de Confianza: nivel usado para los límites de confianza.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 26

 STATGRAPHICS – Rev. 4/d/yyyy
Gráfico de Medianas
El Gráfico de Medianas despliega los intervalos de confianza para las medianas desplegadas por
el panel Prueba de la Mediana de Mood.

Gráfico de Medianas con Intervalos del 95.0% de Confianza

51

46

41
respuesta

36

31

26

21
Task 1 Task 2 Task 3 Task 4 Task 5 Task 6

Panel de Opciones

• Nivel de Confianza: nivel usado para los límites de confianza.

Guardar Resultados
Los siguientes resultados pueden guardarse en la hoja de datos:

1. Recuentos – los q tamaños de muestra nj.

2. Medias – las q medias muestrales.
3. Medianas – las q medianas muestrales.
4. Desviaciones Estándar – las q desviaciones estándar muestrales
5. Errores Estándar – los errores estándar de cada media muestral, MS within / n j .
6. Etiquetas – una etiqueta para cada muestra.
7. Residuales – los n residuales.
8. Rangos – los q rangos muestrales.
9. Columna de Datos – las n observaciones arregladas en una sola columna.
10. Columna Códigos – n códigos que identifican la muestra correspondiente a cada
observación en la Columna de Datos.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 27

 STATGRAPHICS – Rev. 4/d/yyyy

Cálculos

Análisis de Varianza

Fuente Suma de Cuadrados D.F. Media F-Radio

cuadrática
SSbetween MSbetween
( )
Intergrupa q 2
MSbetween = F=
l SS between = ∑ n j Y j − Y df between = q − 1 df between MSwithin
j =1

( )
q
Intragrupa 2
df within = ∑ n j − 1
SS within
( )
q nj

SS within = ∑ ∑ Yij − Y j MS within =

l j =1
df within
j =1 i = 1

( )
q nj

Total SS total = ∑ ∑ Yij − Y n-1

j =1 i =1

Prueba de Cochran

El estadístico desplegado se calcula por

A=
max s 2j ( )
q
(17)
∑s
j =1
2
j

Para probar significancia estadística,

⎛ A ⎞
C = ( q − 1)⎜ ⎟ (18)
⎝ 1 − A⎠

es comparada con una F distribución con (n/q - 1) y (n/q - 1)(q - 1) grados de libertad.

Prueba de Bartlett

El estadístico desplegado se calcula por

1⎡ ⎤
( )
q

B = ⎢( dfe) ln( MSE ) − ∑ (n j − 1) ln s 2j ⎥ (19)

C⎣ j =1 ⎦

donde

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 28

 STATGRAPHICS – Rev. 4/d/yyyy
⎡⎛ q ⎞ 1 ⎤
( )
1 −1
C = 1+ ⎢⎜ ∑ n j − 1 ⎟− ⎥
3( q − 1) ⎢⎣⎝ j =1
(20)
⎠ dfe ⎥⎦

MSE =
1 q
( )
∑ n − 1 s 2j
dfe j =1 j (21)

( )
q
dfe = ∑ n j − 1 (22)
j =1

B es comparada con una distribución ji-cuadrada con (q-1) grados de libertad.

Prueba de Hartley

H=
( )
max s 2j
min (s ) 2 (23)
j

Límites de Confianza de Medianas

Los límites desplegados son una interpolación no lineal de intervalos de confianza a los niveles
de confianza superior e inferior más cercanos que el nivel requiera. Luego de ordenar las
observaciones, el intervalo que va de la d-ésima observación más pequeña en la muestra a la d-
ésima observación más grande forma un intervalo de confianza para la mediana con un nivel de
confianza 1 – 2 PB(d-1), donde PB representa la distribución binomial con p = 0.5 y n = nj.

© 2006 por StatPoint, Inc. Comparación de Varias Muestras - 29