¿Compara dos grupos en una variable numérica? Use una prueba t (o Mann-Whitney si los datos no son normales). ¿Tres grupos o más? ANOVA (o Kruskal-Wallis). ¿Dos variables numéricas? Correlación o regresión. ¿Dos variables categóricas? Chi-cuadrado. La tabla siguiente recoge los detalles.
Las cuatro preguntas
- ¿Qué quiere hacer? Comparar grupos, medir una relación, predecir un valor o analizar frecuencias.
- ¿De qué tipo es su variable de resultado? Numérica (puntuaciones, tiempos, cantidades), ordinal (rangos, valoraciones de 1 a 5) o categórica (sí/no, marca, región).
- ¿Cuántos grupos hay, y son independientes? Personas distintas en cada grupo (independientes), o las mismas personas medidas varias veces (pareados, repetidos).
- ¿Los datos son aproximadamente normales? Compruebe cada grupo con una prueba de Shapiro-Wilk y un diagrama de caja. Con grupos grandes (30 o más), las desviaciones moderadas importan menos.
La tabla de decisión
| Objetivo | Diseño | Datos normales | No normales / ordinales |
|---|---|---|---|
| Comparar 2 grupos | Independientes | Prueba t de Welch | U de Mann-Whitney |
| Comparar 2 medidas | Mismas personas (pareados) | Prueba t pareada | Rangos con signo de Wilcoxon |
| Comparar 3 o más grupos | Independientes | ANOVA de un factor (ANOVA de Welch si las varianzas difieren) | Kruskal-Wallis |
| Comparar 3 o más medidas | Mismas personas (repetidas) | ANOVA de medidas repetidas | Prueba de Friedman |
| Dos factores a la vez | Independientes | ANOVA de dos factores | (transformar, o analizar los factores por separado) |
| Relación entre 2 variables numéricas | Una muestra | Correlación de Pearson | Correlación de Spearman |
| Predecir un valor numérico | Uno o más predictores | Regresión lineal | (revisar los residuos, considerar una transformación) |
| Relación entre 2 variables categóricas | Frecuencias | Prueba chi-cuadrado; prueba exacta de Fisher para tablas 2 × 2 pequeñas | |
| Comparar 2 tasas de conversión (prueba A/B) | Frecuencias | Prueba z de dos proporciones o chi-cuadrado | |
| Comparar una media con un valor objetivo | Una muestra | Prueba t para una muestra | Rangos con signo de Wilcoxon (frente al valor objetivo) |
| Comprobar la fiabilidad de un cuestionario | Varios ítems | Alfa de Cronbach | |
Selecciona tus datos y pulsa Ejecutar: tabla de resultados completa, comprobación de supuestos, interpretación en lenguaje sencillo y línea APA, gratis en Google Sheets.
Tres ejemplos
«¿Obtienen puntuaciones distintas los estudiantes que aprenden con tres métodos?»
Objetivo: comparar. Resultado: puntuación numérica. Tres grupos independientes. Datos normales → ANOVA de un factor, seguido de una prueba post hoc (Tukey) si es significativo.
«¿Mejoró el taller las puntuaciones?»
Objetivo: comparar. Los mismos estudiantes antes y después → pareados. Diferencias normales → prueba t pareada. Si las diferencias son claramente asimétricas → rangos con signo de Wilcoxon.
«¿Está relacionada la satisfacción (1–5) con la ubicación de la tienda?»
Resultado: una única valoración de 1 a 5, que es ordinal. Si compara las valoraciones entre varias ubicaciones, use Kruskal-Wallis. Si trata la valoración como categorías (satisfecho / no satisfecho) y cuenta, use una prueba chi-cuadrado.
Errores frecuentes al elegir
- Hacer varias pruebas t en lugar de un ANOVA. Con tres grupos y tres pruebas t, la probabilidad de al menos un falso positivo sube del 5 % a cerca del 14 %.
- Tratar datos pareados como independientes. Un diseño antes/después analizado con una prueba t independiente puede perder mucha potencia.
- Usar una prueba chi-cuadrado con porcentajes o medias. Necesita frecuencias brutas.
- Saltarse la comprobación de los supuestos. Una prueba vale tanto como sus supuestos.
Deje que el Asistente elija
ExplainStats tiene un Asistente de elección de prueba en Google Sheets: diga qué quiere hacer y seleccione sus datos. Comprueba la normalidad, los valores atípicos y la igualdad de varianzas, elige la prueba correspondiente de esta tabla, la ejecuta y explica por qué la eligió.
Preguntas frecuentes
¿Cuál es la diferencia entre pruebas paramétricas y no paramétricas?
Las pruebas paramétricas (prueba t, ANOVA, correlación de Pearson) suponen datos aproximadamente normales; la prueba t y el ANOVA comparan medias. Las pruebas no paramétricas (Mann-Whitney, Kruskal-Wallis, Spearman) trabajan con rangos y hacen menos supuestos, a cambio de algo menos de potencia cuando los datos son normales.
¿Puedo usar una prueba t con una muestra pequeña?
Sí, si los datos de cada grupo son aproximadamente normales y no tienen valores atípicos extremos. Con menos de unos 15 valores por grupo, compruebe primero la normalidad; si falla claramente, use una prueba no paramétrica.
¿Un ítem de escala Likert es ordinal o numérico?
Un solo ítem Likert (1 a 5) es ordinal, así que las pruebas no paramétricas son la opción más segura. El promedio de varios ítems que forman una escala suele tratarse como numérico.
¿Y si tengo más de una variable independiente?
Para dos factores categóricos y un resultado numérico, use un ANOVA de dos factores. Para varios predictores de un resultado numérico, use la regresión múltiple.
Selecciona tus datos y pulsa Ejecutar: tabla de resultados completa, comprobación de supuestos, interpretación en lenguaje sencillo y línea APA, gratis en Google Sheets.