Documentos de Académico
Documentos de Profesional
Documentos de Cultura
337 1267 1 PB
337 1267 1 PB
2
Instituto de Biotecnología de las Plantas. Universidad Central Marta Abreu de Las Villas. Carretera a Camajuaní
km 5.5. Santa Clara. Villa Clara. Cuba. CP 54 830
RESUMEN
Los procedimientos de comparaciones múltiples permiten detectar diferencias entre las medias de los
tratamientos. El objetivo de muchos experimentos en Biotecnología Vegetal es detectar relaciones significativas
entre diferentes tratamientos. En este trabajo se presentan varias técnicas de comparaciones múltiples y se
exponen sus ventajas y limitaciones. Además, se ofrecen algunas recomendaciones para su correcta
aplicación.
ABSTRACT
Multiple comparison procedures enable to detecte differences among treatment means. Many plant biotechnological
experiments are aimed to detect significant relationships among different treatments. Several multiple comparisons
techniques are presented in the current work. Besides, advantages and limitations are exposed. Some
recommendations about the correct application are also provided.
Contenido
INTRODUCCIÓN
EL ANALISIS DE VARIANZA
Comparaciones a posteriori
Asumiendo varianzas homogéneas
- Método de la mínima diferencia significativa
- Método de Bonferroni
- Método de Sidak
- Método R-E-G-W F : método de Ryan (1960), Einot-Gabriel (1975) y Welsch (1977)
- Método de Student-Neuwman-Keuls: (Newman, 1939; Keuls, 1952)
- Método de Tukey
- Método de Tukey-b
- Método de Scheffé
- Método de Duncan
Asumiendo varianzas diferentes
- Método T2 de Tamhane
- Método T3 de Dunnett
- Método de Games-Howell- Método C de Dunnett
Si el factor tiene solamente dos valores posibles el las técnicas de cultivo de tejidos de plantas, surge
problema es muy sencillo de resolver desde el punto la necesidad de realizar alguna comparación de
de vista estadístico. Para este caso, las pruebas tratamientos. Esto permitiría elegir la mejor alternativa
clásicas de Student y de Fisher (Milton, 1999) para de las varias que existen, o por lo menos para tener
la comparación de medias y varianzas suponiendo una mejor comprensión del comportamiento de la
distribuciones normales pueden utilizarse con variable de interés en cada uno de los distintos
facilidad y se encuentran implementados en cualquier tratamientos. Por ejemplo, la comparación de cuatro
paquete de software estadístico (Meulman y Heiser, concentraciones de reguladores del crecimiento (Ej.
2004). Si la normalidad de la variable continua para 6-bencilaminopurina) en la regeneración in vitro de
alguna de las categorías del factor falla, entonces, brotes de Phaseolus vulgaris L., lo cual se hace con
deben utilizarse métodos no paramétricos que el fin de determinar con cuál de las concentraciones
también se hallan en la literatura especializada se logró la regeneración de plantas en dos genotipos
(Siegel, 1987; Glantz, 2002) y en paquetes de de frijol (Delgado-Sánchez et al., 2006).
software con cierta facilidad (Meulman y Heiser,
2004). El propósito fundamental de un análisis de
varianzas (ANOVA) es comparar los grupos o
El problema que se abordará en el presente trabajo tratamientos entre sí (Milton 1999; Field, 2003;
surge cuando la cantidad de valores del factor es al Mongomery, 2004; Hall, 2004). La hipótesis nula
menos tres. Cuando este es el caso, pudiera o fundamental puede enunciarse en los términos:
pensarse en la realización de tantas comparaciones ‘no existen diferencias significativas entre las
por pares como fuera necesario con ayuda de la medias poblacionales de todos los tratamientos’.
prueba clásica de Student. Si se cumpliera tal hipótesis entonces se puede
afirmar que los grupos no se diferencian entre sí y
Si se imagina una situación particular en la que se que el factor es independiente de la variable
tienen tres grupos y se quieren detectar las analizada. La hipótesis alternativa por su parte
diferencias entre ellos deben realizarse tres enuncia que existen diferencias significativas entre
comparaciones por pares: el grupo 1 con el 2, el 1 los tratamientos, es decir que al menos dos de
con el 3 y finalmente el 2 con el 3. Si se supone que los grupos difieren.
cada una de esas comparaciones usa una
probabilidad de 0.05 para rechazar hipótesis nulas Para probar la hipótesis de igualdad de medias se
correctas, (esta probabilidad se conoce como error calcula un estadístico F de Fisher, que refleja el
de tipo I. (Glantz, 2002). Asumiendo que las grado de parecido existente entre las medias que se
comparaciones son independientes, la probabilidad están comparando (Milton 1996; Field, 2003;
general de no cometer un error de tipo I se calcula Mongomery, 2004; Hall, 2004). Si no existen
de la forma: (0 . 95 )3 = 0 . 857 . Luego la probabilidad diferencias significativas entre las medias
de cometerlo será: 1 − (0 . 95 )3 = 0 . 143 . Nótese que poblacionales, las medias muestrales serán
en estas comparaciones grupales la probabilidad de parecidas, existiendo entre ellas tan sólo diferencias
rechazar hipótesis nulas correctas se incrementó de atribuibles al azar (Field, 2003).
un 5.0% a un 14.3%, considerando solamente tres
grupos. Si los tratamientos a comparar fueran cinco El estadístico F del ANOVA se basa en el
entonces 1 − (0 . 95 )5 = 0 . 226 y si fueran ocho cumplimiento de dos supuestos fundamentales:
1 − (0 . 95 ) = 0 . 336 (Field, 2003). Como puede
8
normalidad y homocedasticidad. Algunos autores
apreciarse en la medida en que se incrementa el coinciden en afirmar que pueden confiarse en los
número de grupos a considerar aumenta de manera resultados aún si las variables se alejan un poco de
notable la probabilidad de cometer un error de tipo I. la distribución normal y tienen varianzas
moderadamente diferentes (Aron y Aron, 2002).
El problema presentado tiene solución desde el punto
de vista estadístico, sólo que esta no es trivial. Al La razón F en un análisis de varianza solo muestra
método general de comparación de tres o más información acerca de si la varianza contenida en
grupos o tratamientos de manera conjunta se le los datos se debe a la casualidad o a la influencia de
denomina ‘análisis de varianza’ (Milton, 1999; factores externos. Un resultado estadísticamente
Montgomery, 2004; Hall, 2004). Es por ello, que el significativo no ofrece información acerca de dónde
presente trabajo tuvo como objetivo analizar varias están tales diferencias. Es por ello que, como
técnicas de comparación múltiples así como realizar complemento del análisis de varianza, se deben
recomendaciones acerca de cuando resulta realizar otras pruebas estadísticas que ayuden al
adecuado utilizarlas. investigador a encontrar cuáles grupos difieren
(Milton 1996; Glantz, 2003; Field, 2003).
EL ANÁLISIS DE VARIANZA
Una vía para lograr este objetivo es realizar múltiples
Para la solución de un problema de investigación o comparaciones entre todos los grupos. A ellas se
en el campo de la mejora genética con el empleo de les llama comparaciones a posteriori.
Biotecnología Vegetal Vol. 8, No. 2, 2008 69
una gran aceptación (Atil y Uver, 2001). Se publicó - Método T2 de Tamhane: es un método basado
por primera vez en 1953. en la distribución del módulo máximo estudentizado.
Se publicó por primera vez en 1977.
- Método de Tukey-b: Es una modificación del
anterior. Consiste en considerar como diferencia - Método T3 de Dunnett: este método es una
mínima el valor medio entre la diferencia modificación propuesta por Dunnett al estadístico T2
honestamente significativa de Tukey y la diferencia de Tamhane. Se basa también en la distribución del
mínima obtenida con el método de Student-Newman- módulo máximo estudentizado y fue publicado en
Keuls para el caso de r = 2 . Se publicó por primera 1980.
vez en 1953 (Dean y Voss, 1999).
- Método de Games-Howell: es un método muy
- Método de Scheffé: Se basa en la distribución similar al de Tukey. Se basa en la distribución del
F de Fisher. Permite controlar la tasa de error para rango estudentizado y en un estadístico t en el que,
el conjunto total de comparaciones que es posible tras estimar las varianzas poblacionales suponiendo
diseñar con p medias. Utilizado para efectuar sólo que son distintas, se corrigen los grados de libertad
comparaciones por pares, es un procedimiento mediante la ecuación de Welch. En términos
conservador: tiende a considerar significativas menos generales, de los cuatro métodos de este apartado,
diferencias de las que debería. Para ser consecuente el de Games-Howell es el que mejor controla la tasa
con este problema, Scheffé recomienda utilizar de error en diferentes situaciones. Fue publicado en
α = 0.10(Scheffé, 1959). La prueba se equivoca 1976.
muy poco en las diferencias que detecta, por lo que
su uso es ampliamente recomendado (Atil y Uver, - Método C de Dunnett: método idéntico al de
2001). Si el número de réplicas es diferente en los Games-Howell excepto en la forma de corregir los
tratamientos o grupos a comparar, el método de grados de libertad de la distribución del rango
Scheffé resulta ser más apropiado que el de Tukey. estudentizado. Esta solución es más conservadora
Se publicó por primera vez en 1953. que la de Games-Howell. Se publicó en 1980.
- Método de Duncan: Es conocido como la prueba Existe una gran cantidad de métodos para comparar
de los rangos múltiples de Duncan. Es un método tratamientos. Es tarea del investigador seleccionar
de comparación por pasos. Controla la tasa de error el o los adecuados, aunque no siempre esta es una
utilizando, para el conjunto de medias separadas tarea sencilla.
r pasos, un nivel de significación α D = 1 − (1 − α ) .
r −1
Mientras más pasos existan entre dos medias, mayor Varios autores coinciden en afirmar que la prueba de
es la diferencia mínima con la que se va a considerar Scheffé puede aplicarse en cualquier situación, sin
que esas medias difieren significativamente. El embargo, cuando la cantidad de réplicas en los
método es más potente que el de Student-Neuwman- tratamientos es similar, se ha demostrado que el
Keuls, pero no protege adecuadamente el error de tipo método de Bonferroni es más potente (Atil y Uver,
I. Tampoco resulta confiable su aplicación cuando el 2001). Otros autores afirman que es la prueba de
número de réplicas no es igual en los tratamientos que Tukey la que ofrece resultados más confiables con
se comparan, por lo que de manera general no se mayor frecuencia y por tanto, esta es la que debe
recomienda su uso. Se publicó por primera vez en 1955. usarse cuando el investigador se encuentra
totalmente desorientado.
- Método de Dunnett: Es una prueba para
realizar comparaciones planeadas. Se utiliza En una comparación entre varios métodos se llegó a
fundamentalmente para comparar cada grupo con la conclusión de que si el número de réplicas es
un grupo control. Este procedimiento permite diferente en cada grupo, la prueba de Scheffé es
detectar todos los tratamientos que son tan buenos mejor que la de Tukey, pero si el diseño es
como el control o mejores que él. Un ejemplo de su equilibrado, es mejor utilizar la prueba de Tukey en
aplicación puede ser en estudios toxicológicos en vez del de Scheffé (Atil y Uver, 2001).
los que el investigador quiere determinar la dosis más
baja en la que aún existe una respuesta observable La prueba de Duncan por su parte es un método
(Atil y Uver, 2001). Se supone que todos los de uso muy común, al igual que la prueba de la
tratamientos tengan el mismo número de casos y mínima diferencia significativa, debido a la
controla la tasa de error para k − 1comparaciones. simplicidad de sus cálculos. Existen paquetes
Se publicó por primera vez en 1955. estadísticos profesionales que tienen estas
técnicas implementadas, luego la dificultad en los
Asumiendo varianzas diferentes cálculos ya no es un problema real. Ambos
métodos incrementan de manera notable el error
En el caso en que las varianzas poblacionales sean de tipo I, por lo que no se recomienda su uso en
diferentes deberá utilizarse uno de las siguientes ninguna situación (Aron y Aron, 2002; Dean y
métodos para realizar las comparaciones múltiples: Voss, 1999; Atil y Uver, 2001).
Biotecnología Vegetal Vol. 8, No. 2, 2008 71
Como puede apreciarse no existe un único método Glantz, S (2002) Primer of biostatistics. Fifth edition. Vol 1. p.
468. McGraw-Hill. New York
que ofrezca siempre resultados correctos. La elección
del método de comparación adecuado es una tarea Hall, C (2004) A Handbook of Statistical analysis Using SPSS
difícil que debe resolver el investigador, en
dependencia de las características de su Keuls, M (1952) The use of the Studentized range in connection
with and analysis of variance. Euphityca 1: 112-122
experimento y de los objetivos de su investigación.
En este trabajo se presentan algunas Meulman J, Heiser WJ (2004) Manual de SPSS
recomendaciones que deben tenerse en cuanta a la
hora de seleccionar el método apropiado. Milton, S (1999) Statistical Methods in the Biological and Health
Sciences. Third Edition Statistics. Vol. 1, p. 586. McGraw-Hill.
New York
REFERENCIAS
Montgomery, D C (2004) Diseño y análisis de experimentos.
Aron A, Aron E (2002) Statistics for the Behavioral and Social Tercera edición. Editorial Félix Varela. La Habana
Sciences. A Brief Course. Second Edition. Vol. 1. p.330. Prentice
Hall. New York Newman, D (1939) The distribution of the range in samples
from a normal population expressed in terms of an independent
Atil H, Unver Y (2001) Multiple Comparisons. OnLine Journal estimate of standard desviation. Biometrika 31: 20-30
of Biological Sciences 1(8): 723-727
Ryan, TA (1959) Multiple comparison in psychological research.
Dean A, Voss D (1999) Design and Analysis of Experiments. Psychological Bulletin 56: 26-47
Springer Texts in Statistics. Springer. Dordrech
Scheffé, H (1959) The Analysis of Variance. Publications in
Delgado-Sánchez P, Saucedo-Ruiz M, Guzmán-Maldonado Statistics. John Wiley and Sons. Wiley. New York
SH, Villordo-Pineda E, González-Chavira M, Fraire-Velázquez
S, Acosta-Gallegos JA, Mora-Avilés A (2006) An organogenic Siegel, S (1987) Diseño experimental no paramétrico. Edición
plant regeneration system for common bean (Phaseolus Revolucionaria p.335. La Habana
vulgaris L.). Plant Science 170: 822–827
SPSS (2005) Manual del SPSS p.13.
Einot, I, Gabriel, KR (1975) A study of the power of several
methods of multiple comparisons. Journal of the American Welsch, RE (1977) Stepwise multiple comparison procedure.
Statistical Association 70: 574-583 Journal of the American Statistical Association 72: 566-575