1. Transformaciones.

Se aplica la prueba de
Kolmogorov-Smirnov y
Shapiro-Wilk para
observar que las
variables se distribuyan
normalmente.

Nivel de significancia: parámetro

fundamental en el que observamos si
la distribución es normal o no; si es
<0.05 la distribución no es normal, si
es >0.05 la distribución es normal.

Las variables OA y tiempo no son

normales, tienen una significancia
por debajo del umbral crítico (0.05)
por lo que se recurre a utilizar
transformaciones con la finalidad de
alcanzar la normalidad. Las
transformaciones corresponden:
inverso, raíz cuadrada, logaritmo
natural y elevarlo al cuadrado.
Para que la transformación tenga validez, todos los grupos deben de quedar normales. Entonces,
aplicando el inverso a cada uno de los grupos:
De acuerdo a la significancia
obtenida, puesto que en algunos de
los grupos esta es menor a 0.05 no
se considera normal. Respecto a
esto se recurre a utilizar otra de las
transformaciones, raíz cuadrada.

Nuevamente la significancia es
menor de lo esperado en
algunos de los grupos por lo
que esta prueba se rechaza.
Esta prueba se excluye
totalmente dado que la
mayoría, por no decir
todos los grupos presentan
una significancia menor al
del umbral crítico, de esta
manera se recurre a la
última prueba, la
logarítmica. La prueba
logarítmica muestra una
significancia mayor de 0.05
en todos sus grupos,
característica que se
considera para considerar idónea una transformación, por lo que todas las transformaciones
anteriores se rechazan.
 2. Homocedasticidad.
La prueba ANOVA prueba la hipótesis de que las medias de dos o más poblaciones son iguales,
pero no en una prueba T.
Comparaciones múltiples: llamadas post hoc que se usan para saber la diferencia entre medias o si
son estadísticamente iguales. Para ello se utilizan distintas pruebas, entre ellas Tukey y Bonferroni.