Estadística para investigadores:

todo lo que siempre quiso saber

y nunca se atrevió a preguntar

Módulo 6. Test no paramétricos: U de

Mann-Whitney y Test de Wilcoxon

Mª Purificación Galindo Villardón

Mª Purificación Vicente Galindo

Universidad de Salamanca
Departamento de Estadística

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 1

 Índice

Pregunta 1. ..................................................................................................... 4
Pregunta 2. ..................................................................................................... 4
Pregunta 3. ..................................................................................................... 4
Pregunta 4. ..................................................................................................... 5
Pregunta 5. ..................................................................................................... 5
Pregunta 6. ..................................................................................................... 5
Pregunta 7. ..................................................................................................... 6
Pregunta 8. ..................................................................................................... 7
Pregunta 9. ..................................................................................................... 7
Pregunta 10. ................................................................................................... 8

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 2

 Respuestas a las preguntas más
frecuentes con las que se
encuentra un investigador

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 3

Pregunta 1.

¿Qué quiere decir que se han encontrado resultados no significativos?

Que los datos no aportan información suficiente para rechazar la Hipótesis teórica
(H0) y aceptar la alternativa que es la que generalmente le interesa al
investigador.

Pregunta 2.

¿Qué quiere decir que se han encontrado resultados significativos?

Que los datos han aportado información suficiente para rechazar la Hipótesis
teórica (H0) y aceptar la alternativa que es la que generalmente le interesa al
investigador.

Pregunta 3.

¿Qué diferencia hay entre resultados probablemente significativos y resultados

altamente significativos?

Hablamos de resultados probablemente significativos cuando la Hipótesis H 0

(igualdad de medianas, por ejemplo) se rechaza al nivel de significación del 5%
pero se acepta al nivel del 1%.

Hablamos de resultados altamente significativos cuan la Hipótesis H0 (igualdad de

medianas, por ejemplo) se rechaza al nivel de significación del 5% y también al
nivel del 1%.

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 4

Dicho en términos más intuitivos, cuando los resultados son altamente
significativos es que la diferencia entre las medianas de los dos grupos es más
clara.

Pregunta 4.

¿Se puede aceptar una hipótesis con resultados altamente significativos?

No. Hablar de resultados significativos ya implica que hemos rechazado la

Hipótesis nula (igualdad de medianas en este caso) a algún nivel. Si no hay rechazo
no hay significación estadística.

Pregunta 5.

¿Es verdad que los editores y evaluadores de las publicaciones científicas,

aceptan mejor un trabajo con resultados significativos que un trabajo que tiene
resultados no significativos?

Sí. Es algo claramente constatado.

Pregunta 6.

¿Y eso es una buena práctica?

En Estadística aceptar la Hipótesis teórica (Ho) no quiere decir que hayamos

probado que es cierta. Muchas veces se debe a un tamaño de muestra demasiado
pequeño, a una variabilidad demasiado grande que no se ha manejado de manera
óptima, a un test estadístico inadecuado para la situación del estudio, y un largo
etc. Porque esto ocurre, resultados no significativos se asocian con “no se han

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 5

hecho las cosas adecuadamente” y los referees dicen “No merece la pena publicar
este trabajo”.

Sin embargo a veces es cierto que todo se ha hecho correctamente y sencillamente

lo que sucede es que no hay diferencias. Rechazar de forma sistemática los
trabajos con resultados “no significativos” implica que esos trabajos que dicen que
un tratamiento nuevo no difiere del resto (eso puede ocurrir en 1000
investigaciones, por ejemplo) quedan sin publicar y solo se hacen públicos los 2 o 3
que si obtuvieron diferencias significativas. Evidentemente eso está produciendo
un sesgo que puede ser muy peligroso (de hecho en la literatura especializada se
habla del “sesgo de publicación” para referirse a este hecho).

Lo óptimo, desde nuestro punto de vista, sería incrementar el control en el rigor

estadístico de las publicaciones para que no quepa la opción de hablar de
resultados no significativos por mala praxis y publicar tanto los que son
significativos como los que no lo son.

Pregunta 7.

He leído, si tienes pocos datos no te preocupes, utiliza la U de Mann-Whitney,

¿es eso cierto?

No es cierto en absoluto. Si tiene pocos datos, debería preocuparse de obtener

más.

Lo que realmente ocurre es lo siguiente: cuando el tamaño muestral es bajo, la t

de Student suele llevar a la aceptación de H0. Sin embargo la U de Mann-Whitney
(para datos independientes) o el test de Wilcoxon para datos apareados, son
versiones no paramétricas que declaran fácilmente la significación estadística.
Pero hay que tener en cuenta que los test no paramétricos son, en general, menos

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 6

potentes. Recuérdese que la potencia es la probabilidad de rechazar H 0 cuando
REALMENTE es falsa.

Por tanto no es más recomendable un test que nos lleva fácilmente a rechazar H0,
sino los test que nos llevan a rechazar Ho cuando realmente es falsa.

Pregunta 8.

Al comparar casos y controles, con muestras pequeñas, ¿debemos aplicar el

test U de Mann-Whitney o el test de Wilcoxon?

Casos y Controles son dos grupos claramente diferenciados por mucho que cada
caso tenga un control con características similares en todo excepto en la variable
objeto de estudio. Por tanto se trata de datos independientes, (estadísticamente).
Debería utilizarse la U de Mann –Whitney.

Pregunta 9.

¿Qué implicaciones tiene el trabajar con rangos de orden en vez de hacerlo con
los valores brutos recogidos por el investigador?

Trabajar con rangos de orden implica quitarle importancia a la variabilidad de los

datos.

Por ejemplo, si tenemos un primer valor de 8, y uno siguiente de 10, al asignar

rangos de orden, el 8 se cambia por un uno y el diez por un dos. Si los valores
brutos fueran 8 y 500, el 8 se cambiaría por un uno y el 500 por un dos.

La variabilidad es trascendental cuando utilizamos la t de Student ya que va en los

denominadores de las formulas de contraste y variabilidades grandes implican
valores experimentales pequeños que nos llevan a aceptar la Hipótesis nula por
falta de pruebas. Esta es la razón por la que a veces fracasan los test clásicos a la

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 7

hora de declarar diferencias y los test no paramétricos, U, Wilcoxon, consiguen
probar diferencias.

Es el investigador el que tiene que decidir si esa variabilidad tiene importancia en

el estudio o es un artefacto que es bueno no considerar.

Pregunta 10.

¿Cuándo los resultados son no significativos no se ha probado nada, y cuándo

son significativos sí?

Resultados estadísticamente significativos quiere decir que los datos han aportado
información (pruebas) suficiente para rechazar la Hipótesis teórica, con bajo
riesgo.

Igual que en un juicio, cuando hay pruebas se declara al sujeto delincuente. ¿Y si

las pruebas son falsas? Pues el veredicto será erróneo, pero es la forma en la que
se trabaja.

En estadística pasa igual, si hay pruebas se declaran diferencias, variables

relacionadas, etc., pero si las pruebas no son buenas… habremos decidido mal. Por
eso hablamos de un riesgo del 5% porque sabemos que de cada 100 veces que se
declaran diferencias, en 5 realmente no existen esas diferencias…, pero, es la
forma en la que se trabaja.

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 8

Módulo 6. Test no paramétricos: U de Mann-Whitney y Test de Wilcoxon 9