UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO

PROGRAMA DE PSICOLOGA.
ESTADSTICA APLICADA

PROF. PEDRO MORALES

DETERMINACIN DEL TAMAO DEL EFECTO EN PRUEBAS DE HIPTESIS (UNA Y

DOS POBLACIONES), ANLISIS DE VARIANZA Y CORRELACIONES.

(Material en Revisin)

I. PRUEBAS DE HIPTESIS PARA DOS POBLACIONES NORMALES

En las pruebas de hiptesis estadsticas donde se busca conocer si el comportamiento de

las medias de dos poblaciones son diferentes o no en una determinada variable objeto de
estudio. En primer lugar se debe conocer, si las poblaciones estudiadas son
independientes o por el contrario estn relacionadas, ya que de este condicionamiento
los estadsticos de prueba sern diferentes en la forma que se determinan
algebraicamente; en segundo lugar, an cuando se tenga precisado la forma como se
relacionan ambas poblaciones, en la mayora de los estudios psicolgicos se desconocen
las varianzas poblacionales de la variable estudiada, y en caso de que las poblaciones
sean independientes se debe de suponer si dichas varianzas son iguales
(homocedasticas) o diferentes. Por ltimo, tambin se debe tomar en consideracin los
respectivos tamaos muestrales que se obtengan de cada poblacin, especialmente en el
caso de poblaciones independientes por cuanto este elemento condicionar el estadstico
de prueba evaluado, se ser posible en la medida que el fenmeno psicolgico evaluado
lo permita, deberan de ser iguales para lograr lo que se denomina un diseo
experimental balanceado.

Caso para Pruebas de Hiptesis para la Media en Dos Poblaciones Independientes.

En una prueba t de Student para dos poblaciones independientes aplicada sobre un

experimento bsico, se busca medir el efecto real de los dos grupos independientes
sobre la variable en estudio dependiente. Si la prueba resulta significativa se concluye
que la variable independiente produce un efecto real sobre la variable dependiente o
medida. Este resultado permite validar o constatar el enfoque terico que sustenta la
hiptesis planteada por el investigador en el fenmeno donde estn representadas las
variables objeto de estudio, y as tomar las decisiones prcticas pertinentes.

Es importante destacar en las pruebas de hiptesis para la media en dos poblaciones

normales independientes, que cuando se rechaza la hiptesis nula H0, la diferencia
estadsticamente significativa encontrada no es necesariamente una diferencia grande y
tampoco necesariamente importante. El valor de tc encontrado estadsticamente
significativo, lo que significa es que las medias poblacionales representadas por dos
muestras, no es igual a cero; es decir, que es improbable que sea cero, por cuanto no
existe una relacin entre el valor de tc y la magnitud de la diferencia encontrada entre las
dos medias. Esto se debe a que el valor del estadstico de prueba t c no depende
exclusivamente de las diferencias entre las dos medias muestrales, sino que tambin
depende de las varianzas de las dos muestras independientes y sobre todo del tamao
de la muestra.

Nunnally (1960), seala que cuando no se rechaza la hiptesis nula suele ser por falta de
sujetos, con muestras grandes y tomando como criterio los niveles de significacin, se
puede probar casi cualquier cosa. Mientras que otros autores como Cohen y Hyman
(1979), expresan que la prctica de confiar en la significacin estadstica como si fuera
un ndice de certeza es ridcula, y que el nivel de significacin () se haya convertido en
el criterio de aceptar o rechazar los resultados de una investigacin, es uno de los
ejemplos ms impresionantes de ignorancia generalizada (mass ignorance) en la historia
de la ciencia.

Cuando se realizan pruebas de hiptesis para la media en dos poblaciones normales

independientes, hay que tomar en cuenta una serie de consideraciones que la
condicionan, ya que de lo contrario, pueden llevar al investigador a conclusiones
erradas, estas consideraciones son:
1.- El valor del estadstico de prueba tc, depende en gran medida con el nmero de
individuos u objetos estudiados. Cuando se incrementa el tamao de la muestra se
obtienen con facilidad resultados estadsticamente significativos.
2.- El valor del estadstico de prueba tc, indica si una diferencia es probable o
improbable por el azar; en el caso de que se consigan diferencias entre las medias
 de las dos poblaciones, se estara rechazando la hiptesis de que las muestras
provengan la misma poblacin, pero dicho valor no dice nada de cmo valorar la
magnitud de la diferencia en el sentido de si es grande o pequea.
3.- Cuando la conclusin se limita a aceptar o rechazar la hiptesis nula, se tiende a
confundir casi sistemticamente la diferencia estadsticamente significativa con la
diferencia relevante o importante.

Lo que se pretende con al clculo del tamao del efecto (TE) es medir en que grado o
en que medida la hiptesis nula es falsa. Tambin se dice que es una manera de
cuantificar la efectividad de una particular intervencin, relativa a una comparacin.
Coe R. (2003) seala que la magnitud del efecto cuantifica el tamao de la diferencia
entre dos grupos, y por lo tanto se puede decir que es una verdadera medida de la
significancia de tal diferencia.
Una de las ventajas de la determinacin del tamao del efecto (TE), es cuando un
experimento se realiza en diferentes perodos de tiempo o replicado en diferentes
escenarios o localidades, las diferentes medidas de la magnitud del efecto obtenidas en
cada investigacin pueden ser comparadas y combinadas para dar una mejor estimacin
global de la magnitud del efecto. Este proceso de sintetizar los resultados
experimentales en una estimacin nica de la magnitud del efecto es conocido como
meta-anlisis.

El tamao del efecto (TE) es una informacin relacionada con la magnitud de la

diferencia independientemente del nmero de sujetos u observaciones, y no sobre la
seguridad con que se afirma la diferencia a travs de tc o p. La importancia de su
estimacin en las pruebas de hiptesis radica en cuanto permite cuantificar cambios en
las medias, hacer comparaciones entre estudios y para resumir resultados en estudios de
la misma ndole o diferentes.

En el caso que se desee determinar TE en pruebas de hiptesis para la media donde se

estudia UNA poblacin normal, Cohen (1988) y Hedges (1985) proponen las
siguientes relaciones algebraicas:

1. Cohen:
 2
N
Xi
X - m0 N

X i2 - i
d= s=
N
s
i

donde N -1

Siendo la desviacin estndar de la poblacin y m0 la media poblacional

nominal o esperada.

2. Hedges:

2
n
xi
X - m0 n

xi2 - i
d= s= i
n
s donde n -1

Siendo s la desviacin estndar de la muestra y m0 la media poblacional nominal

o esperada.

Para el caso de pruebas de hiptesis cuando se comparan las medias de dos muestras
independientes, bajo el supuesto de homocedastidad, tambin se cuenta con dos
maneras distintas de estimacin del tamao del efecto (TE), una propuesta por Cohen
(1988) y otra propuesta por Hedges (1985).

1. Cohen:

El indicador de Cohen solo tiene una aplicacin de carcter Descriptivo y se

determina en aquellas investigaciones que no se tratan de un diseo
experimental, utiliza la desviacin estndar combinada (Sp) con la particularidad
que las desviaciones estndares muestrales son divididas por n.
Matemticamente se expresa de la siguiente manera:

Cuando n1 n2:
 X - X2 n1S 12 + n2 S 22
d= 1 Sp =
Sp n1 + n2 - 2
donde

Cuando n1 = n2: Cambia la desviacin estndar a:

X - X2 S12 + S 22
d= 1 Sp =
Sp 2
donde
2. Hedges:

Este procedimiento se usa cuando las desviaciones estndares muestrales se

dividen entre ni-1 (i=1,2), para estimar la desviacin estndar de la diferencia de
medias Sp, tal como se calcula en el caso de las pruebas de hiptesis para la
media en dos poblaciones independientes asumiendo varianzas iguales, aunque
desconocidas. Esta frmula viene dada por:

X - X2 ( n1 - 1) S 2 + ( n2 - 1) S 2
g= 1 Sp = 1 2

Sp n1 + n2 - 2
donde

El indicador propuesto por Hedges presenta la limitante que posee un sesgo positivo, o
dicho de otra manera, presenta una sobreestimacin del tamao del efecto que puede ser
corregida mediante un ajuste propuesto por el mismo autor, la cual es simbolizada por
gajust., y se obtiene de la siguiente manera:

3
g ajust = g
1-
4 gl - 1

Donde gl son los grados de libertad de la prueba: n1 + n2 -2. A mayor grado de libertad,
menor ajuste se necesita para lograr una estimacin menos sesgada del tamao del
efecto.
Por ltimo, cuando se realizan comparaciones de medias en muestras relacionadas o
pareadas, el clculo del tamao del efecto se expresa de la siguiente manera:

1. Cohen (1988):

2
n
D n

di

d= di -
2 i

n
sD Donde
sD = i

3. Hedges (1985):

2
n
D n di
i
g= -
2
d i
n
sD Donde
sD = i

n -1

Donde D es la media muestral de las diferencias de los valores obtenidos para

cada sujeto en cada uno de los grupos.
Es importante resaltar que tanto la frmula de Cohen como la Hedges se relacionan de
la siguiente manera (Rosenthal, 1994):

d
g=
n1 + n2 n1 + n2
d=g
n1 + n2 - 2 n1 + n2 - 2
y

La d de Cohen puede ser categorizada en tres niveles: Pequea, Moderada y Grande,

es decir, se puede establecer una cierta valoracin de la magnitud arrojada por el
indicador en una investigacin. Es importante destacar que estos niveles se usan como
una orientacin propuesta por el autor, Estas orientaciones son un tanto arbitrarias
aunque son aceptadas como razonables y se citan con frecuencia en muchos estudios de
corte experimental, por lo tanto es recomendable no tomarlas como norma absoluta.
Estos niveles son:
 Valores de Cohen Descripcin
d = 0,2 Diferencia Pequea
d = 0,5 Diferencia Moderada
d = 0,8 Diferencia Grande

Una caracterstica importante del tamao del efecto es que puede ser expresado en
trminos del traslapamiento entre dos muestras mediante el clculo de los percentiles. El
tamao del efecto es equivalente a un puntaje Z de una distribucin normal. Si el valor
de d resulta igual a 1, esto quiere decir que el puntaje de la persona promedio en el
grupo experimental (muestra 1) est a una desviacin estndar por encima de la persona
promedio en el grupo control (muestra 2); y adems, excede los puntajes del grupo
control en un 81 %; esto es: P(d< 1,00) = 0,8113 o (81,13%).

Como el valor de d es una cantidad tipificada, el valor tabulado Z puede ser ubicado en
la tabla normal estndar, esto es:

Valores de Cohen Valor Z Descripcin

d = 0,2 P(d < 0,2) = 0,5793, (57,9%) Diferencia Pequea
d = 0,5 P(d < 0,5) = 0,6915, (69,2%) Diferencia Moderada
d = 0,8 P(d < 0,8) = 0,7881, (78,8%) Diferencia Grande

El valor de tc (t calculado) puede ser determinado a partir del tamao del efecto (d o g) y
viceversa.

Para la frmula de Cohen es:

Cuando las dos muestras poblacionales son de igual tamao (n 1 = n2) se puede calcular
el valor tc a partir del valor del tamao del efecto y viceversa, mediante la siguiente
relacin matemtica:

d n1 + n2 - 2 2tc
tc = d=
2 n1 + n2 - 2
y

Ahora, si los tamaos de muestras son distintos (n 1 n2), la relacin se expresa de la

siguiente manera:
 d=
( n1 + n2 ) tc
( n1 + n2 - 2 ) ( n1n2 )

Para la frmula de Hedges es:

Tambin se puede se puede g a partir de tc, que segn Mahadevan (2002) esto es:

Para tamaos de muestras iguales (n1 = n2), su frmula ser:

2tc
g=
n1 + n2

Para tamaos de muestras distintos (n1 n2), su frmula ser:

tc n1 + n2
g=
n1n2

La magnitud o tamao del efecto de la variable X (independiente) sobre la variable Y

(dependiente) en relacin con los estudios correlacionales se puede determinar a travs
del Coeficiente de Determinacin (r2), donde este coeficiente expresa o mide la
proporcin (o porcentaje) de variabilidad total de la variable dependiente Y que es
atribuible a la variable independiente X. En el caso de las pruebas de hiptesis para la
media en dos poblaciones independientes normales (prueba t Student), el tamao o
magnitud del efecto tambin puede ser estimado mediante el coeficiente Omega
Cuadrado ( 2), el cual es un estadstico que representa la estimacin del proporcin de
variabilidad total de la variable dependiente Y, que es atribuida a la variable
independiente X, que viene dada por los grupos o poblaciones independientes. Este
valor 2 es lo que antes se denominaba r2 en los estudios correlacionales.

En tal sentido, el valor 2 puede ser utilizado como una medida de estimacin de la
magnitud del efecto en experimentos donde se usan pruebas de hiptesis para medias
asociadas con muestras provenientes de poblaciones independientes normales. El valor
de 2 se determina mediante la siguiente frmula:

t c2 - 1
= 2

t c2 + N - 1

Donde N = n1 + n2. Nmero de sujetos o elementos en ambas muestras. El valor de 2

se interpreta de la misma manera como se hace con el coeficiente de determinacin r2.

Segn Cohen (1988) la magnitud del efecto segn la estimacin de 2 puede ser
categorizada de la siguiente manera:

Valores de Cohen Omega Cuadrado Descripcin

d = 0,2 2 = 0,01 Diferencia Pequea
d = 0,5 2 = 0,059 Diferencia Moderada
d = 0,8 2 = 0,138 Diferencia Grande

TAMAO DEL EFECTO EN DISEOS EXPERIMENTALES

Este procedimiento como se ha explicado en apartados anteriores, busca estimar

(cuantificar) el tamao del efecto que producen los tratamientos estudiados en un
experimento diseado. Como se dijo anteriormente este indicador es independiente del
tamao de la muestra, y mide el grado de asociacin entre un efecto (simple, principal o
de interaccin) y la variable independiente o factor analizada en una situacin real. Si el
valor de dicha medida de asociacin se encuentra elevado al cuadrado, entonces sta
puede ser interpretada la proporcin de varianza de la variable dependiente que es
atribuida a los tratamientos estudiados en un factor.

Existen diferentes formas de estimacin del tamao del efecto en los diseos
experimentales, que sern discutidos a continuacin:

I.- Diseos Unifactoriales (Clsicos DCA, DBA y DCL):

A.- Eta Cuadrado: 2.
Este indicador viene expresado algebraicamente como:

SCTRAT .
2 =
SCE

Tambin es posible estimar este indicador con la utilizacin del estadstico de prueba F c
del anlisis de varianza de efecto fijo, de la siguiente manera:

CM TRAT .
Fc =
CME
Entonces, se puede hacer utilizando el eta cuadrado:

2 N -t
Fc =
( 1 - 2 ) t -1

El cual expresa el porcentaje de variabilidad total explicada por la variacin de los

niveles de tratamientos del factor, o lo que es lo mismo, es la proporcin de varianzas
total explicada que es atribuible a la pertenencia a uno u otro factor.

B.- Omega Cuadrado: 2.

Este indicador se obtiene mediante el apoyo del Eta Cuadrado, como se presenta a
continuacin

2 ( g.l.TRAT . + g.l.E ) - g.l.TRAT .

=
2

2 ( g.l.TRAT . + g.l.E ) - g.l.TRAT . + N ( 1 - 2 )

Siendo lo mismo.
 2 ( N - 1) - t + 1
=
2

2 ( N - 1) - t + 1 + N ( 1 - 2 )

Tambin puede obtenerse mediante la utilizacin de las sumas de cuadrados, tal como se
presenta a continuacin:

SCTRAT . - ( t - 1) CME
2 =
SCTOT . + CME

Es importante destacar que Cohen (1988), sugiere como una orientacin para la

interpretacin del como:

2

Por Rangos
Omega cuadrado
2
Tamao del efecto
Omega cuadrado
2

Pequeo 0,01 2 0,01

Mediano 0,059 0,01 0,138
2

Grande 0,138 2 0,138

Estas orientaciones permiten valorar la magnitud del efecto de los tratamientos del
factor sobre la variable dependiente, los cuales no deben ser tomados como una norma
absoluta para todos los estudios cientficos.

II.- Diseos Factoriales:

g2
A.- Eta Cuadrado Global: .
Esta ecuacin se determina mediante el cociente entre la suma de cuadrados del efecto
medido y la suma de cuadrados del total, Esto es:

2 SCEFECTO Pr incipal
g . EFECTO = EFECTO =
SCTOTAL donde Intereccin
 p2
B.- Eta Cuadrado Parcial: .
Se obtiene de la siguiente manera:

2 SCEFECTO Pr incipal
p.EFECTO = EFECTO =
SCEFECTO + SCERROR donde Intereccin

Como se puede observar con el eta cuadrado parcial se busca contrastar la variabilidad
de la fuente de inters (principal o Interaccin) con esa variabilidad ms la estimacin
de la variabilidad debida al error.

La obtencin del eta cuadrado parcial puede asimismo realizarse a partir del estadstico
de prueba del anlisis de varianza, tal como se muestra a continuacin:

2 g .l.N Fc Pr incipal
p.EFECTO = EFECTO =
g .l.N Fc + g .l.D donde Intereccin

g .l.N = grados de libertad asociado al numerador (tratamientos) del estadstico F .

c

g .l.D = grados de libertad asociado al denominador (error) del estadstico F .

c

Como se describi anteriormente, a partir del eta cuadrado se puede estimar el valor del omega
cuadrado 2 de la siguiente manera:

p2 ( gl N + glD ) - glN
=
2

p2 ( gl N + gl D ) - gl N + N ( 1 - p2 )

III.- Clculo del tamao del efecto en pruebas de comparacin mltiples por
parejas de medias:

A.- d de Cohen (1988).

Se determina mediante la siguiente expresin algebraica:
 Yi- Y j para todo i j i,j = 1,2,...,t.
d=
CME t = Nro. de tratamientos.

Cohen (1988), propone unas orientaciones para la valorizacin del tamao del efecto,
segn este indicador, este es:

Por Rangos Valores

Tamao del efecto d Omega cuadrado porcentuales
2 de Z
Pequeo 0,20 d 0,20 57,9
Mediano 0,50 0,20 d 0,80 69,1
Grande 0,80 d 0,80 78,8

PRUEBAS DE COMPARACIN MLTIPLE EN ESTUDIOS

EXPERIMENTALES. COMPARACIONES POR PAREJAS DE MEDIAS DE
TRATAMIENTOS.

Cuando se realiza un anlisis de varianza para un modelo de efectos fijos y la hiptesis

nula resulta significativa, es decir, existe suficiente evidencia como para concluir que
las medias de tratamientos son distintas en al menos un par de ellas. La metodologa de
anlisis de varianza no reporta informacin especfica, donde se informe, cul o cuales
son la o las parejas de medias que efectivamente son diferentes, es por ello que se
amerita la realizacin de una prueba de comparacin mltiple por parejas de medias que
arroje esta informacin. En la actualidad se ofrecen una gama de tcnicas estadsticas
que permiten la obtencin de dicho reporte, entre las ms usadas tenemos:

Prueba de la mnima diferencia significativa o prueba MDS.

 Prueba de rangos mltiples de Duncan.
Prueba de Tukey.
Prueba de Newman-Keuls.
Prueba de Dunnett (comparacin de tratamientos con un testigo).

Segn Montgomery (xx), destaca que las pruebas de la MDS al 5% y Duncan son las
mejores para anlisis a posteriori.
A continuacin se presentar una revisin de estas tcnicas de comparacin mltiple:

1.- Prueba de la mnima diferencia significativa o prueba MDS:

La prueba de la MDS tambin llamada prueba de Fisher, se fundamente en la prueba t

de Student para muestras independientes, donde se propone una hiptesis bilatral:

H 0 : mi = m j
H1 : mi m j "i j

Donde el estadstico de prueba tc asociado con este caso, viene dado por:

Yi- Y j
tc =
1 1
CME +
r r
i j

As, las parejas de medias m i y m j se consideraran diferentes si se cumple la siguiente

condicin:

1 1
Yi- Y j > t / 2; g .l .error CME +
ri rj

1 1
t / 2; g .l .error CME +
ri rj
Donde el valor reportado por la expresin , es lo que
se denomina valor critico MDS. En el caso, que el nmero de repeticiones o
submuestras en los tratamientos sean iguales, este valor MDS, se reduce a la siguiente
expresin:

2 CME
MDS = t / 2; g .l .error
r

Este procedimiento de la comparacin mltiple establece que todas las posibles

combinaciones de diferencias de medias de tratamientos deben ser comparadas con el
valor reportado por la MDS, y si esa diferencia supera este valor dichas medias son
consideradas como distintas, y en caso contrario se dice que dichas medias son
estadsticamente iguales.

EJEMPLO.

2.- Prueba de los rangos mltiples de Duncan:

Esta prueba fue planteada por Duncan (1955), la cual se fundamenta en la comparacin
de todas las posibles combinaciones de diferencias de medias de tratamientos. Esta
prueba utiliza el siguiente error estndar para la media de tratamientos:

CME
SYi , =
rh
Donde rh es un valor promedio de los tamaos de repeticiones en todos los tratamientos
estudiados en una determinada situacin, el cual se estima mediante la media armnica
de la siguiente manera:
t
rk = t
1

i =1 ri
Cuando todos los niveles de tratamientos tienen el mismo nmero de repeticiones o
submuestras el valor de rh se convierte en r, es decir r = r h = r1= r2== rt. En este caso
se dice que el diseo es balanceado.

El procedimiento de Duncan establece adems que debe ubicarse un valor tabulado

r ( p, f ) ,
denominado rangos mltiples de Duncan, simbolizado como donde p = 2, 3,
., t, y f representa los grados de libertad del error (gl E). Estos valores tabulados van a
ponderar el valor del error estndar de la media de tratamientos generando un indicador
denominado rangos mltiples Rp, el cual es:

R p = r ( p, f ) SYi
Donde p = 2, 3, ,t.
Cuando se tienen calculados todos los R p (desde 2 hasta t), se inicia las comparaciones
de las parejas de medias con los valores crticos de Duncan R p, siguiendo una estructura
procedimental:
Y(1) Y(2)
1.- Se ordenan las medias de tratamientos de menor a mayor, digamos: < <,

Y(t ) .
<

2.- Las diferencias de medias se inicia comparando la media mayor con la menor

Y(t ) - Y(1)
y esta se compara con el valor crtico Rt, el cual ser el valor crtico ms
alto. Posteriormente se compara la media de tratamiento mayor con la segunda

Y( t ) - Y(2)
menor, es decir, y esta se compara con el segundo valor crtico de
Duncan Rt-1. Este procedimiento se contina hasta agotar todas las comparaciones
de las medias de tratamientos con la media mayor y stas a su vez se comparan con
el valor crtico en el orden Rt-2, Rt-3 hasta R2. A continuacin se procede con mismo
procedimiento explicado anteriormente, pero esta vez haciendo la comparacin de
la segunda media mayor contra todas las inferiores a ella, una a una; y todas estas
diferencias generadas se enfrentan con el valor crtico mayor empezando con Rt-1.,
seguido de Rt-2 hasta la ltima comparacin correspondiente a R2. Este proceso se
contina hasta realizar todas las posibles diferencias por pares t(t-1)/2.
3.- Esta tcnica de comparacin mltiple establece al igual que la MDS, que una pareja

Y(t ) - Y(1)
de medias de tratamientos se considera distinta, digamos , si y solo si se
cumple:

Y( t ) - Y(1) > Rt = r ( t , glE ) SYi

En caso contrario se dice que son iguales.

EJEMPLO.

3.- Prueba de Tukey:

Esta prueba de comparacin mltiple fue propuesta por Tukey en 1953, que tambin
esta fundamentado en intervalos. Tukey propone un valor crtico que est relacionado
con un error estndar de la media de tratamientos y un valor tabulado propuesto por l
denominado de rangos estudentizados, cuyos parmetros son el nmero de tratamientos
utilizados en un experimento y los grados de libertad asociados con el error. Estos es:

Valor tabulado de Tukey:

q ( p, f )
Donde p = t = nmero de tratamientos; y f = glE. El se fija al 5% y 1%.
Este tcnica de comparacin utiliza un solo valor tabulado para el calculo del valor
crtico de Tukey.

Error estndar de las medias de tratamientos:

El error estndar en el procedimiento de Tukey se establece de acuerdo si el nmero
de repeticiones en los tratamientos son iguales (diseo balanceado) o diferentes
(diseo desbalanceado).
a.- Igual nmero de repeticiones por tratamientos:

CME
SYi =
r
b.- Diferente nmero de repeticiones por tratamientos:
 CME 1 1
SYi = +
2 r r
i j

Una vez determinado el valor tabulado y el error estndar, se procede en la obtencin

del valor crtico de Tukey, denominado T, que viene expresado de la siguiente forma
algebraica:
a.- Si en Diseo Experimental es Balanceado:

CME
T = q ( p, f )
r
b.- Si en Diseo Experimental es Balanceado:

CME 1 1
T = q ( p, f ) +
2 r r
i j

El procedimiento finalmente establece que una pareja de medias se considera

estadsticamente diferentes si y solo si,

Yi- Y j > T
para todo i j y tanto i,j = 1,2,t.
En la prueba de comparacin mltiple de Tukey se pueden construir los intervalos de confianzas
del 100(1-) por ciento para todos los pares de medias como se presenta a continuacin:

a.- Si en Diseo Experimental es Balanceado:

CME CME
(Yi - Y j ) - q ( p, f )
r
mi - m j ( Yi- Y j ) + q ( p, f )
r
Para todo i j.

b.- Si en Diseo Experimental es Balanceado:

 CME 1 1 CME 1 1
(Y - Y j ) - q ( p, f )
i
2
+ mi - m j ( Yi- Y j ) + q ( p, f )
r r 2
+
r r
i j i j

Para todo i j.

4.- Prueba de Dunnett:

Esta prueba tiene vital importancia en aquellos estudios experimentales donde uno de
los niveles de tratamientos es un testigo o control (absoluta o comercial), y en estos
casos el inters radica en comparar todos los t-1 tratamientos estudiados con el
tratamiento testigo. El procedimiento partes de la prueba de media de tratamientos que
son de inters para el investigador contra la media del tratamiento testigo. Es decir:

H 0 : mi = mt
H1 : mi mt "i = 1, 2, K , t - 1
Aqu t es el ltimo tratamiento, correspondiente al testigo.

El estadstico de Dunnett expresado como:

1 1
d ( t - 1, f ) CME +
ri rt

A igual que en los casos estudiados anteriormente se puede notar que este estadstico
esta compuesto por un valor tabulado que pondera al error estndar de las medias de
tratamiento. El error estndar variar dependiendo si el modelo experimental estudiado
es balanceado o desbalanceado. Mientras que el valor tabulado se obtiene a partir de una
tabla propuesta por Dunnett para una y dos colas a un nivel de significancia del 5 y 1%,
la cual se presentan en la mayora de los textos de diseo experimental. Este valor
tabulado es nico para todas comparaciones de medias realizadas.

Finalmente, el indicador de Dunnett se compara con todas las diferencias de medias

hechas respecto al tratamiento control, y si el valor reportado por una de estas
diferencias supera al valor crtico de Dunnett, entonces se concluye que esa media de
tratamiento difiere significativamente a la media del tratamiento control, es decir:

1 1
Yi - Yt > d ( t - 1, f ) CME +
ri rt
En el caso que la diferencia no supere al valor crtico entonces esa media de tratamiento
es igual a la del tratamiento control.

BIBLIOGRAFIA

COHEN, JACOB, (1988). Statistical Power Analysis for the Behavioral Sciences. 2nd.
edit. Hillsdale, N.J., Erlbaum (primera edicin, 1977 New York: Academic Press).

COHEN, S. y HYMAN, J. (1979). How Come So Many Hypotheses in Educational

Research Are Supported? (A Modest Proposal). Educational Researcher, 8, 11, 12-
16.

NUNNALLY J. (1960). The Place of Statistics in Psychology. Educational and

Psychological Measurement, 20, 641-650.
MAHADEVAN L (2000). The Effect Size Statistic: Overview of Various Choices. Paper
presented at the annual meeting of the Southwest Educational Research
Association, Dallas (January 27-29, 2000) (ERIC 438 308).

ROSENTHAL, ROBERT, (1994). Parametric Measures of Effect Size. In C OOPER, HARRIS

M. and HEDGES, LARRY V. (Eds.). The Handbook of Research Synthesis. New
York: Russell Sage Foundation, 232-244.

MONTGOMERY, DOUGLAS. Diseo y Anlisis de Experimentos. Segunda Edicin,

Editorial Limusa-Wiley, Mxico 204.