MEHU - 608 - U2 - T12 - Medias en Tres o Más Grupos PDF

Facultad de Medicina Humana
Escuela Profesional de Medicina Humana
Media en tres o más grupos

Ms. Zoraida Yanet Vidal Melgarejo zvidalm@upao.edu.pe
Ing. Agustín Eduardo Ullón Ramírez aullonr@upao.edu.pe
Adaptado de: Bioestadística Médica. Dawson & Trapp.

Editorial Manual Moderno. 2005.
Media en tres o más grupos

Ms. Zoraida Yanet Vidal Melgarejo zvidalm@upao.edu.pe
Dr. Alex Napoleón Castañeda Sabogal acastanedas1@upao.edu.pe
Ing. Agustín Eduardo Ullón Ramírez aullonr@upao.edu.pe
Adaptado de: Bioestadística Médica. Dawson & Trapp.

Editorial Manual Moderno. 2005.
Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Docentes: Ms. Zoraida Vidal / Dr. Álex Castañeda / Pág. 1
Ing. Agustín Ullón
Preguntas de investigación sobre la media en

tres o más grupos
Planteamiento del Problema 1

El tratamiento común del hipotiroidismo implica la sustitución diaria de hormona tiroidea con
levotiroxina (𝐿 − 𝑇4 ). El tratamiento óptimo se realiza mediante la medición de la concentración de
TSH sérica; las concentraciones elevadas que se presentan en el estado de hipotiroidismo, por lo
general, regresan a cifras normales en un periodo de varios meses. La glándula tiroides normal
secreta levotiroxina (𝐿 − 𝑇4 ) y levotriyodotironina (𝐿 − 𝑇3 ). Casi 25% de la 𝑇3 circulante es
secretada por la glándula tiroides, y el resto se produce por conversión periférica a partir de la 𝑇4 .
Por lo general se cree que el tratamiento con 𝐿 − 𝑇4 produce por sí mismo concentraciones
normales de 𝐿 − 𝑇3 sérica para obtener un estado de eutiroidismo. Sin embargo, algunos estudios
sugieren que los pacientes se sienten mejor al tomar una combinación de 𝐿 − 𝑇4 /𝐿 − 𝑇3 en vez de
𝐿 − 𝑇4 sola.
-3-
Preguntas de investigación sobre la media en

tres o más grupos
Woeber (2002) estudió este aspecto clínico al valorar el efecto del tratamiento sustitutivo
del 𝐿 − 𝑇4 sobre las concentraciones séricas de 𝑇4 y 𝑇3 libres. Estudió la relación entre las
concentraciones de 𝑇4 y 𝑇3 libres en una cohorte histórica de pacientes con tiroiditis
autoinmunitaria crónica y un grupo de individuos sanos. De los 53 pacientes con tiroiditis
caracterizada por la presencia de anticuerpos como tiroperoxidasa, 18 tuvieron
concentraciones séricas normales de TSH y no tomaron tratamiento sustitutivo con 𝐿 − 𝑇4
para hipotiroidismo y tuvieron concentraciones normales de TSH. También se estudió a 20
individuos con concentraciones séricas normales de TSH, los cuales sirvieron como grupo
testigo. Se desea utilizar los datos de este estudio para ilustrar el análisis de varianza de una
forma para decidir si los valores de la media son diferentes en los tres grupos de sujetos.
-4-

Repaso intuitivo del ANOVA
1 Lógica del ANOVA
En el planteamiento del problema 1 se midieron las concentraciones séricas de 𝐿 − 𝑇4 libre en

los tres grupos de individuos: grupo A (20 individuos control) y grupos B y C (pacientes con
hipotiroidismo que recibieron o no tratamiento). En el cuadro 1 se reproducen las
observaciones originales, tamaños de muestra, valores de la media y desviaciones estándar.
Cuadro 1. Valores séricos de hormonas
𝑻𝟒 libre 𝑻𝟑 libre 𝑻𝟑 /𝑻𝟒 libre

Grupo TSH (mU/L)
(pmol/L) (pmol/L) (pmol/L)
A 1.6 ± 0.9 14 ± 1.0 4.2 ± 0.5 3.3 ± 0.5
B 2.3 ± 1.0 14 ± 2.0 4.4 ± 0.5 3.2 ± 0.4
C 1.9 ± 1.2 16 ± 2.0 4.0 ± 0.5 4.0 ± 0.6 -5-
1 Lógica del ANOVA
ANOVA proporciona una forma de dividir las variaciones totales en las concentraciones de 𝑇4
sérica libre de cada sujeto en dos partes. Supóngase que se toman las concentraciones de 𝑇4
libre en un sujeto dado y se les asigna el valor de X y se desea saber que tanto difiere X del
valor de la media para 𝑇4 en todos los sujetos en el estudio, abreviado como 𝑋. ധ Esta diferencia
ധ
(simbolizada como X - 𝑋) puede dividirse en dos partes: la diferencia entre X y la media del
grupo de este sujeto, 𝑋ത𝑗 , y la diferencia entre la media del grupo y la gran media, 𝑋.
ധ La fórmula
se expresaría de la siguiente manera:
ന = 𝑿−𝑿
𝑿−𝑿 ഥ 𝒋 + (𝑿
ഥ 𝒋 − 𝑿)
ന
-6-

1 Lógica del ANOVA
El cuadro 2 contiene las observaciones originales para los sujetos en el estudio. El sujeto 1 en
grupo control tiene una 𝑇4 libre de 15 𝑝𝑚𝑜𝑙/𝐿. La gran medida para todos los pacientes es
14.78, de tal modo que el sujeto 1 difiere de la gran media en 15-14.79, o 0.22. Esta diferencia
puede dividirse en dos partes: la diferencia entre 15 y la media del grupo control, 13.55; y la
diferencia entre la media para el grupo bajo y la gran media.
𝟏𝟓 − 𝟏𝟑. 𝟓𝟓 + 𝟏𝟑. 𝟓𝟓 − 𝟏𝟒. 𝟕𝟖 = 𝟏. 𝟒𝟓 + −𝟏. 𝟐𝟑

= 𝟎. 𝟐𝟐
-7-
Cuadro 2. Concentraciones séricas de hormonas
-8-

1 Lógica del ANOVA
 Aunque este ejemplo no muestra con exactitud cómo funciona el ANOVA, es útil para
entender el concepto de dividir la variación en diferentes partes.
 ANOVA considera la variación en todas las observaciones y las divide en: a) la variación entre
cada sujeto y la media del grupo del sujeto, y b) la variación entre la media de cada grupo y
la gran media.
 Si las medias de los grupos son muy diferentes una de otra, ocurrirá una considerable
variación entre ellas y la gran media, comparada con la variación entre cada grupo. Sin
embargo, si las medias de los grupos no son muy diferentes, la variación entre ellas y la gran
media no será mayor que la variación entre los sujetos de cada grupo. Por tanto, puede
usarse la prueba F para dos varianzas para comprobar la relación de la varianza entre las
medias con la varianza entre los sujetos de cada grupo.
-9-
1 Lógica del ANOVA
 La hipótesis nula para la prueba de F es que las dos varianzas son iguales, si así fuera, la
variación entre las medias no es mayor que la variación entre las observaciones individuales
en cada grupo. En esta situación, no es posible concluir que las medias son diferentes unas
de otras.
 Por ello, se piensa en el ANOVA como una prueba de igualdad de las medias, aunque se
estén comprobando las varianzas en el proceso. Si se rechaza la hipótesis nula, se concluye
que no todas las medias son iguales; no obstante, no se sabe cuáles no son iguales, lo que
explica el por qué de la necesidad de hacer procedimientos comparativos posteriores.
- 10 -


Distribución
Ilustración de Binomial
los cálculos
2 intuitivos para el ANOVA
 Puede usarse la fórmula para la varianza de las observaciones, para encontrar la varianza de
la medias de la gran media, denominado cuadrado medio entre grupos (MSA):
2
σ 𝑛𝑗 𝑋ത𝑗 − 𝑋ധ Donde nj es el número de observaciones de cada grupo
𝑀𝑆𝐴 = y j es el número de grupos.
𝑗−1
 Para obtener la varianza en los grupos, se utiliza una varianza agrupada como la usada para
la prueba t para dos grupos independientes, denominado cuadrado del error medio (MSE):
σ 𝑛𝑗 − 1 𝐷𝐸𝑗 2 Tiene σ 𝑛𝑗 − 1 grados de libertad

𝑀𝑆𝐸 =
σ 𝑛𝑗 − 1 También es llamada cuadrado medio al interior.
- 11 -

Distribución
los cálculos
Paso 1
𝑯𝟎 : la media de 𝑇4 libre es igual en los tres grupos o, en símbolos, o 𝜇1 = 𝜇2 = 𝜇3 .
𝑯𝟏 : la media de 𝑇4 libre no es igual en los tres grupos o, en símbolos, 𝜇1 ≠ 𝜇2 o 𝜇2 ≠ 𝜇3
o 𝜇1 ≠ 𝜇3 .
Paso 2
La estadística para la prueba de igualdad de las medias en el ANOVA es la relación F,
𝑀𝑆
𝐹 = 𝑀𝑆𝐴 , con 𝑗 − 1 𝑦 σ(𝑛𝑗 − 1) grados de libertad.
𝐸
- 12 -


Distribución
los cálculos
Paso 3
Se usa 𝛼 de 0.05 para esta prueba estadística.
Paso 4
El valor de distribución F con 𝑗 − 1 = 2 grados de
libertad en el numerador y σ(𝑛𝑗 − 1) = 70 grados
de libertad para el denominador, es entre 3.15 y
3.07; la interpolación da 3.14. La decisión es
rechazar la hipótesis nula de medias iguales si el
valor observado de F es mayor de 3.14 y cae en la Figura 1. Ilustración de los valores críticos para
la distribución de F con 2 y 70 grados de libertad
zona de rechazo (Figura 1).
- 13 -

Distribución
los cálculos
Paso 5
Primero se calcula la gran media. En vista de que ya se conocen las medias de los tres
grupos, se puede formar un promedio de estas medias para encontrar la gran media:
𝟐𝟎 × 𝟏𝟑. 𝟓𝟓 + 𝟏𝟖 × 𝟏𝟒. 𝟎𝟎 + (𝟑𝟓 × 𝟏𝟓. 𝟖𝟗)

ന=
𝑿
𝟐𝟎 + 𝟏𝟖 + 𝟑𝟓
= 𝟏𝟒. 𝟕𝟖
El numerador de 𝑀𝑆𝐴 es:

𝟐𝟎(𝟏𝟑. 𝟓𝟓 − 𝟏𝟒. 𝟕𝟖)𝟐 +𝟏𝟖(𝟏𝟒. 𝟎𝟎 − 𝟏𝟒. 𝟕𝟖)𝟐 +𝟑𝟓(𝟏𝟓. 𝟖𝟗 − 𝟏𝟒. 𝟕𝟖)𝟐 = 𝟖𝟒. 𝟑𝟑
- 14 -


Distribución
los cálculos
Paso 5
El término 𝑀𝑆𝐴 se encuentra con la división del numerador entre el número de grupos
menos 1 (j – 1), que es 2 en este ejemplo; de aquí que:
𝟖𝟒. 𝟑𝟑
𝑴𝑺𝑨 = = 𝟒𝟐. 𝟏𝟕
𝟐
Las varianzas individuales de los grupos se usan para calcular el estimado agrupado de 𝑀𝑆𝐸 :
σ(𝒏𝒋 − 𝟏)𝑫𝑬𝟐𝒋 𝟏𝟗 × 𝟏. 𝟒𝟑𝟐 + 𝟏𝟕 × 𝟐. 𝟎𝟔𝟐 + 𝟑𝟒 × 𝟐. 𝟎𝟎𝟐

𝑴𝑺𝑬 = 𝑴𝑺𝑬 = = 𝟑. 𝟓𝟑
σ(𝒏𝒋 − 𝟏) 𝟏𝟗 + 𝟏𝟕 + 𝟑𝟒
- 15 -

Distribución
los cálculos
Paso 5
Por último, la relación F: 𝑴𝑺𝑨 𝟒𝟐. 𝟏𝟕
𝑭= = = 𝟏𝟏. 𝟗𝟓
𝑴𝑺𝑬 𝟑. 𝟓𝟑
Paso 6
El valor observado de la relación F es 11.95, el cual es mayor que 3.14. Por tanto, se rechaza
la hipótesis de nulidad de las medias iguales. Se concluye que existe diferencia en las
concentraciones de 𝑇4 libre entre los sujetos del grupo control, los pacientes con
hipotiroidismo que no reciben tratamiento sustitutivo y en pacientes que sí lo reciben.
- 16 -

Enfoque tradicional del ANOVA
1 Términos y fórmulas para el ANOVA
En el ANOVA, el término factor se refiere a la variable por la

cual se forman los grupos, la variable independiente. En el
planteamiento de problema 1, los sujetos se dividieron en
grupos con base en su estado de tiroides y terapia de
remplazo; por tanto, este estudio es un ejemplo de un factor
ANOVA, llamado ANOVA de una vía. Al número de grupos
definidos por un factor determinado se le conoce como el
número de niveles del factor; el planteamiento de problema
1 tiene tres niveles. En estudios experimentales en
medicina, a menudo a los niveles se les llama tratamientos.
- 17 -
El modelo para ANOVA de una vía establece que una observación individual puede dividirse en
tres componentes relacionados con 1) la gran media, 2) el grupo al que pertenece el individuo
y 3) la propia observación individual.
Se puede escribir el modelo para ANOVA de una vía como:
𝑿𝒊𝒋 = 𝝁 + 𝜶𝒋 + 𝒆𝒊𝒋
El cuál establece que la observación iava en el grupo javo, 𝑋𝑖𝑗 , es la suma de los tres
componentes: la gran media 𝝁; el efecto relacionado con el grupo j, 𝜶𝒋 ; y un error residual, 𝒆𝒊𝒋 .
- 18 -

 Desde luego que la medida de un efecto se relaciona con el tamaño de la diferencia entre la
medida de un grupo dado y la gran media. Cuando en las inferencias participan sólo niveles
específicos del factor incluido en estudio, el modelo se llama modelo de efectos fijos. Este
modelo supone que se está interesado en hacer inferencias sólo acerca de las poblaciones
que están representadas en el estudio. Si, por el contrario, las concentraciones del estudio se
ven como seleccionadas al azar de todas las posibles, entonces el modelo se llama modelo de
efectos aleatorios, en cuyo caso podrán hacerse inferencias a otros niveles del factor que no
están representados en el estudio.
- 19 -
Fórmulas definitorias
𝑿𝒊𝒋 es la observación 𝑖ava en el grupo 𝑗avo
ഥ 𝒋 es la media de todas las observaciones en el grupo 𝑗avo
𝑿
ന es la gran media de las observaciones
𝑿
𝑺𝑺𝑻 es la suma total de los cuadrados

ന 𝟐 = ෍(𝑿𝒊𝒋 − 𝑿
෍(𝑿𝒊𝒋 − 𝑿) ഥ 𝒋 )𝟐 + ෍(𝑿
ഥ 𝒋 − 𝑿)
ന 𝟐 𝑺𝑺𝑬 es el error de la suma de los cuadrados
𝑺𝑺𝑨 es la suma de los cuadrados de los grupos
𝒐 𝑺𝑺𝑻 = 𝑺𝑺𝑬 + 𝑺𝑺𝑨
- 20 -

Fórmulas computacionales
Las fórmulas computacionales se prefieren porque reducen los errores por redondeo; pueden
derivarse de las definitorias. Los símbolos para ANOVA difieren de una u otra manera de un
texto a otro; las siguientes fórmulas son similares a las usadas en muchos de los libros.
Sea N el número total de observaciones en todos los grupos, es decir, 𝑁 = σ 𝑛𝑗 .
𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝐴
𝟐 𝟐
(σ 𝑿𝒊𝒋) 𝟐 (σ 𝑿𝒊𝒋)
ന 𝟐= ෍ 𝑿𝒊𝒋𝟐 −
𝑺𝑺𝑻 = ෍(𝑿𝒊𝒋 − 𝑿) ഥ 𝒋 − 𝑿)
𝑺𝑺𝑨 = ෍(𝑿 ന 𝟐 = ෍ 𝒏𝒋 𝑿
ഥ𝒋 −
𝑵 𝑵
- 21 -
Fórmulas computacionales
Las sumas de los cuadrados se dividen entre los grados de libertad para obtener los cuadrados
medios:
𝑺𝑺𝑨
𝑴𝑺𝑨 =
𝒋−𝟏
Donde j es el número de grupos o niveles del factor, y
𝑺𝑺𝑬
𝑴𝑺𝑬 =
𝑵−𝒋
Donde j es el número de grupos o niveles del factor y N es el tamaño total de la muestra.

- 22 -

2 ANOVA de una vía

Ilustración de los cálculos tradicionales
En el planteamiento del problema 1 se presenta un ejemplo de ANOVA de una sola forma en el
cual hay variables numéricas independientes: la concentración de 𝑇4 libre. Se examinaron tres
grupos de pacientes: los sujetos control, pacientes con hipotiroidismo que tomaban o no
tratamiento sustitutivo y se examinaron las medias de las concentraciones de 𝑇4 libres para los
sujetos de cada grupo (cuadro 1)
1 Se eleva al cuadrado cada observación (𝑋𝑖𝑗 ) y se suman para obtener σ 𝑋𝑖𝑗 2 .
Se añaden las observaciones, se eleva al cuadrado la suma y se divide entre N para

2
obtener (σ 𝑋𝑖𝑗 )2 /𝑁.
3 Se eleva al cuadrado cada media (𝑋ത𝑗 ), se multiplica por el número de sujetos en ese
grupo (𝑛𝑗 ), y se suma para obtener σ 𝑛𝑗 𝑋ത𝑗2 .
- 23 -
2 ANOVA de una vía

Estos tres términos, con los datos del cuadro 1
෍ 𝑿𝒊𝒋 𝟐 = 𝟏𝟓𝟐 + 𝟏𝟒𝟐 + ⋯ + 𝟏𝟖𝟐 + 𝟏𝟑𝟐

𝟐
= 𝟏𝟔𝟐𝟕𝟗 ഥ 𝒋 = 𝟐𝟎 × 𝟏𝟑. 𝟓𝟓𝟐 + (𝟏𝟖 × 𝟏𝟒. 𝟎𝟎𝟐 ) + (𝟑𝟓 × 𝟏𝟓. 𝟖𝟗𝟐 )
෍ 𝒏𝒋 𝑿
= 𝟏𝟔𝟎𝟑𝟐. 𝟓𝟏
(σ 𝑿𝒊𝒋 )𝟐 (𝟏𝟓 + 𝟏𝟒 + ⋯ + 𝟏𝟖 + 𝟏𝟑)𝟐
=
𝑵 𝟐𝟎 + 𝟏𝟖 + 𝟑𝟓
= 𝟏𝟓𝟗𝟒𝟖. 𝟓𝟏
- 24 -

2 ANOVA de una vía

Entonces, la suma de los cuadrados son:
(σ 𝑿𝒊𝒋 )𝟐 (σ 𝑿𝒊𝒋 )𝟐
𝑺𝑺𝑻 = ෍ 𝑿𝟐𝒊𝒋 − ഥ 𝟐𝒊𝒋 −
𝑺𝑺𝑨 = ෍ 𝒏𝒋 𝑿
𝑵 𝑵
= 𝟏𝟔𝟐𝟕𝟗 − 𝟏𝟓𝟗𝟒𝟖. 𝟓𝟏 = 𝟏𝟔𝟎𝟑𝟐. 𝟓𝟏 − 𝟏𝟓𝟗𝟒𝟖. 𝟓𝟏
= 𝟑𝟑𝟎. 𝟒𝟗 = 𝟖𝟒. 𝟎𝟎
- 25 -
2 ANOVA de una vía

𝑺𝑺𝑬 = 𝑺𝑺𝑻 − 𝑺𝑺𝑨 = 𝟑𝟑𝟎. 𝟒𝟗 − 𝟖𝟒. 𝟎𝟎
= 𝟐𝟒𝟔. 𝟒𝟗
A continuación se calculan los cuadrados medios
𝑺𝑺𝑨 𝟖𝟒. 𝟎𝟎
𝑴𝑺𝑨 = = = 𝟒𝟐. 𝟎𝟎
𝒋−𝟏 𝟐
𝑺𝑺𝑬 𝟐𝟒𝟔. 𝟒𝟗
𝑴𝑺𝑬 = = = 𝟑. 𝟓𝟐
𝑵−𝒋 𝟕𝟎
- 26 -

2 ANOVA de una vía

Por último, se determina la proporción F.
𝑴𝑺𝑨 𝟒𝟐. 𝟎𝟎
𝑭= = = 𝟏𝟏. 𝟗𝟑
𝑴𝑺𝑬 𝟑. 𝟓𝟐
La proporción F calculada se compara con el valor de la distribución F con 2 y 70 grados de

libertad en el nivel deseado de significancia. Los cálculos intuitivos para el ANOVA para un 𝛼 =
0.05 es mayor que 3.14, se rechaza la hipótesis de nulidad y se concluye que la media de las
concentraciones de 𝑇4 libre no son las mismas para los pacientes con valores normales de la
tiroides y para quienes tienen hipotiroidismo y están o no en tratamiento de remplazo.
En el cuadro 3 se resumen las fórmulas de ANOVA de una vía.
- 27 -
Cuadro 3. Fórmula para ANOVA de una vía
Fuente de
Sumas de cuadrados Grado de libertad Media del cuadrado Proporción
variación
(σ 𝑿𝒊𝒋 )𝟐 𝑺𝑺𝑨 𝑴𝑺𝑨

Entre grupos ഥ 𝟐𝒊𝒋 −
𝑺𝑺𝑨 = ෍ 𝒏𝒋 𝑿 𝑗−1 𝑴𝑺𝑨 = 𝑭=
𝑵 𝒋−𝟏 𝑴𝑺𝑬
𝑺𝑺𝑬
Error 𝑺𝑺𝑬 = 𝑺𝑺𝑻 − 𝑺𝑺𝑨 𝑁−𝑗 𝑴𝑺𝑬 =
𝑵−𝒋
(σ 𝑿𝒊𝒋 )𝟐
Total 𝑺𝑺𝑻 = ෍ 𝑿𝟐𝒊𝒋 − 𝑁−1
𝑵
- 28 -

2 ANOVA de una vía
Suposiciones del ANOVA
1 Se asumen como de distribución normal al interior de cada grupo de valores de las

variables dependientes o nivel del factor. En nuestro ejemplo, esta suposición requiere
que tenga distribución normal en cada uno de los tres grupos.
2 La varianza de la población es la misma en cada grupo, es decir, 𝜎12 = 𝜎22 = 𝜎32 . En

nuestro ejemplo, esto significa varianza (o desviación estándar al cuadrado) de las
concentraciones de 𝑇4 libre debe ser la misma en cada uno de los tres grupos.
- 29 -
2 ANOVA de una vía
Suposiciones del ANOVA
3 Las observaciones son una muestra aleatoria, y son independientes; es decir, el valor de
una observación no se relaciona en forma alguna con el valor de otra. En nuestro
ejemplo, el valor de la concentración de 𝑇4 libres del sujeto no debe influir en absoluto
en el de ningún otro sujeto.
Recuérdese que los modelos de efectos fijos suponen que cada observación sea en realidad una suma,
que consta de la gran media, el efecto de ser un miembro de un grupo particular y del error (residual)
que representa cualquier variación inexplicable. En algunos estudios participan observaciones que son
proporciones, tasas o relaciones, y para estos datos no aplica la suposición de las sumas.
- 30 -


Interpretación del Distribución Binomial
3 Planteamiento del problema 1
 En el cuadro 4 se muestra el análisis de la tabla de varianza para la actividad de 𝑇4 libre

usando el programa NCSS. Al factor intergrupal se le designa con A (grupo) en la primera
hilera. Se ve que el valor de la suma de los cuadrados para el factor, 84.00029, es muy
cercano al valor obtenido en la sección ANOVA de una vía (84.00). De igual forma, los
cuadrados medios y la proporción F corresponden a los calculados. El programa NCSS
proporciona el poder del tamaño de la muestra para detectar diferencias de esta magnitud
entre los grupos.
 Así la probabilidad de observar una diferencia y que ésta sea sólo cuestión del azar, es mejor
de 4 en 100000.
 En la figura 2 se muestra un gráfico de caja de las concentraciones de 𝑇4 libre, utilizando
NCSS.
- 31 -

Cuadro 4. Análisis de la tabla de varianza para 𝑇4 libre (pmol/L)
Fuente de Suma de Media del Nivel de Poder

𝒅𝒇 Proporción F
variación cuadrados cuadrado probabilidad (𝜶 = 𝟎. 𝟎𝟓)
Grupo A 2 84.00 42.00 11.93 0.000035 0.99
S 70 246.49 3.52
Total
72 330.49
(ajustado)
Total 73
- 32 -


Figura 2. Gráfica de caja de 𝑇4 libre.
- 33 -
Procedimientos de comparación múltiple
Algunos investigadores tienen un número limitado de comparaciones específicas, llamadas

comparaciones planeadas o a priori, para diseñar el estudio. En esta situación especial,
pueden hacerse las comparaciones sin efectuar primero un ANOVA, aunque en la práctica
real, la mayoría de los investigadores prefiere realizarlo de alguna manera.
• Es típico que los investigadores prefieran la libertad y flexibilidad que les permiten las
comparaciones de los métodos a posteriori o post hoc. Sin embargo, antes de comentar estos
tipos de comparaciones, se necesitan dos definiciones
a) Una comparación o contraste entre dos medias es la diferencia entre ellas, como sería 𝜇1 −
𝜇2 . En las comparaciones o contrastes también pueden participar más de dos medias.
b) En la segunda definición participa la distinción entre dos diferentes tipos de comparaciones o
contrastes. Dos comparaciones serán ortogonales si no usan la misma información.
- 34 -

Comparaciones a priori o planeadas 1
• Cuando se planean las comparaciones, pueden efectuarse sin realizar un ANOVA. Si las
comparaciones son ortogonales, se puede usar la prueba de t para grupos independientes con el
fin de comparar dos grupos sin las siguientes modificaciones: en vez de usar la desviación
estándar agrupada (𝐷𝐸𝑃 ) en el denominador de la proporción t, se usa el cuadrado de media el
error 𝑀𝑆𝐸 .
ഥ𝒊 − 𝑿
(𝑿 ഥ 𝒋)
𝒕=
𝟐𝑴𝑺𝑬 /𝒏
• Cuando los tamaños de las muestras son simbolizados por n, la proporción t se convierte en N – j
grados de libertad, donde N es el número total de observaciones.
- 35 -

Ajustes del nivel 𝜶 hacia abajo

• Cuando se hacen varias comparaciones planeadas, aumenta la posibilidad de obtener significancia
por azar; es decir, aumenta la probabilidad de tener un error tipo I. Por ejemplo, para cuatro
comparaciones independientes, todas con α = 0.05, la probabilidad de tener uno o más resultados
significativos es de 4 x 0.05 = 20.
• Una manera de compensar las comparaciones múltiples (ortogonal) es disminuir el nivel de α
dividiendo α entre el número de comparaciones hechas. Por ejemplo, si se hacen cuatro
comparaciones, α se divide entre 5 para obtener una comparación α de 0.05 / 4 = 0.0125. Con
este método, cada comparación ortogonal debe ser significativa al nivel de 0.0125 para declararla
como tal desde el punto de vista estadístico.
- 36 -


2
Procedimiento t de Bonferroni
• Otra aproximación para las comparaciones planeadas es el método de Bonferroni, también
llamado procedimiento de comparaciones múltiples de Dunn. Esta técnica es más versátil porque
se aplica para comparaciones ortogonales y no ortogonales. El método t de Bonferroni aumenta el
valor F crítico necesario para que la comparación pueda declararse significativa. La cantidad del
incremento depende del número de comparaciones y del tamaño de la muestra.
• Se considerarán los tres grupos del planteamiento de problema 1. Se utilizarán diferencias
pareadas par las concentraciones de 𝑇4 libre mencionadas en el cuadro 5 para ilustrar las
múltiples comparaciones en esta sección, de forma que puedan comparar los resultados de los
diferentes procedimientos.
- 37 -
Cuadro 5. Diferencias entre medias de los grupos 𝑇4 (pmol/L)
ഥ𝑨
𝑿 ഥ𝑩
𝑿 ഥ𝑪
𝑿
ഥ𝑨
𝑿 - 0.45 2.34
ഥ𝑩
𝑿 - 1.89
ഥ𝑪
𝑿 -
- 38 -


• En el procedimiento t de Bonferroni, se multiplica 2𝑀𝑆𝐸/𝑛 por un factor relacionado con el
número de comparaciones hechas y con los grados de libertad para el cuadrado medio de error. En
este ejemplo son posibles tres comparaciones pareadas: para 𝛼 = 0.05 y asumiendo casi 60
grados de libertad, el multiplicador es 2.57 (cuadro 6).
𝟐𝑴𝑺𝑬 𝟐 × 𝟑. 𝟓𝟐
𝟐. 𝟒𝟕 × = 𝟐. 𝟒𝟕 ×
𝒏 𝟐𝟎
= 𝟐. 𝟒𝟕 × 𝟎. 𝟓𝟗
= 𝟏. 𝟒𝟕
- 39 -

• Por tanto, donde el valor de MSE se obtiene de los resultados de ANOVA (cuadro 4).
• Las diferencias de los valores de la media entre los grupos 1 y 2 se comparan con 1.47. La
diferencia de la media entre los grupo 1 y 2 es sólo de 0.45, y no es diferente desde el punto de
vista estadístico. Sin embargo, las diferencias entre ambas medias de los grupos 1 y 3 y entre los
grupos 2 y 3, tienen significancia estadística: ambos (2.34 y 1.89) son superiores a 1.47. Se
concluye que los sujetos control y los pacientes que no reciben tratamiento sustitutivo tienen
concentraciones diferentes de 𝑇4 en comparación con los pacientes que reciben dicho tratamiento.
- 40 -

Comparaciones a posteriori o post hoc 2

• Las comparaciones post hoc se hacen después de que un ANOVA ha dado una prueba de F
significativa. No debe usarse la prueba t para hacer estas comparaciones porque no toman en
cuenta el número de comparaciones que se van a hacer, la posible falta de independencia s y
naturaleza no planeada de las propias comparaciones
• Se cuenta con varios procedimientos para hacer las comparaciones post hoc.
• Se usan los datos del Planteamiento del problema 1 resumidos en el cuadro 5, para ilustrar seis
procedimientos. Al igual que con el método t de Bonferroni, se necesitan tablas especiales para
encontrar los multiplicadores apropiados para estas pruebas cuando no se usan programas de
computadora para el análisis.
• En el cuadro 6 se muestran algunos ejemplos de estas tablas.
- 41 -

Procedimiento HSD de Tukey
• El primer procedimiento que se comentará es la prueba de Tukey o HSD de Tukey, llamada así porque
algunos procedimientos post hoc hacen que la significancia sea demasiado fácil de obtener.
• Esta prueba pruebe utilizarse sólo para comparaciones pareadas, pero permite que el investigador
compare todos los pares de medias.
• La prueba HSD, al igual que la t de Bonferroni, tiene un multiplicador que se basa en el número de
niveles de tratamiento y en los grados de libertad para el cuadrado medio del error. En el cuadro 6,
bajo la columna de 3 y de la variación escolarizada, se encuentra al multiplicador 3.40.
• El HSD es donde n es el tamaño de la muestra de cada grupo.
- 42 -


𝑴𝑺𝑬
𝑯𝑺𝑫 = 𝑴𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒄𝒂𝒅𝒐𝒓 ×
𝒏
𝟑. 𝟓𝟐
𝑯𝑺𝑫 = 𝟑. 𝟒𝟎 × = 𝟏. 𝟒𝟑
𝟐𝟎
• Se comparan diferencias del cuadro 5 con 1.43, y se declaran como significativamente diferentes si
exceden de este valor.
• Las diferencias entre los grupos 1 y 3 y los grupos 2 y 3 son mayores a 1.43.
- 43 -

Cuadro 6. Extractos de tablas para usarse con
procedimientos de comparación múltiple para 𝛼 = 0.05
Número de medias o Número de medias para Número de comparaciones para la

pasos para la la prueba de Dunnett prueba de Bonferroni t
variación escolarizada
Error df 2 3 4 2 3 4 2 3 4 5 6
10 3.15 3.88 4.33 1.81 2.15 2.34 2.64 2.87 3.04 3.17 3.28
20 2.95 3.58 3.96 1.73 2.03 2.19 2.42 2.61 2.75 2.85 2.93
30 2.89 3.49 3.85 1.70 1.99 2.15 2.36 2.54 2.66 2.75 2.83
60 2.83 3.40 3.74 1.67 1.95 2.10 2.30 2.47 2.58 2.66 2.73
120 2.80 3.36 3.68 1.66 1.93 2.08 2.27 2.43 2.54 2.62 2.68
- 44 -


• Los sujetos control y los pacientes que no reciben tratamiento sustitutivo tienen concentraciones
diferentes de 𝑇4 libre en comparación con los pacientes que reciben tratamiento sustitutivo; sin
embargo, no existen diferencias entre los sujetos control y los pacientes que no reciben tratamiento
sustitutivo.
• El procedimiento Tukey también puede utilizarse para formar intervalos de confianza respecto a la
diferencia de la media.
ഥ𝟏 − 𝑿
𝑿 ഥ 𝟐 ± 𝟏. 𝟒𝟑, 𝒐 𝟎. 𝟒𝟔 𝒂 𝟑𝟑𝟐
- 45 -

Procedimiento de Scheffé
• El más versátil de todos los métodos post hoc es el procedimiento de Scheffé, ya que permite al
investigador hacer todos los tipos de comparaciones, no sólo las pareadas.
• Este procedimiento también es el más conservador de los procedimientos de comparación múltiple.
𝑪𝟐𝒋
𝑺= (𝒋 − 𝟏)𝑭𝜶,𝒅𝒇 𝑴𝑺𝑬 ෍
𝒏𝒋
• Donde j es el número de grupos, 𝑭𝜶,𝒅𝒇 el valor crítico de F usado en una ANOVA, 𝑴𝑺𝑬 es el error de la
𝑪𝟐𝒋
media al cuadrado y σ la suma de los coeficientes al cuadrado y 𝒏𝒋 tamaño de muestras.
𝒏𝒋
- 46 -


• Se encontró que el valor crítico para F fue de 3.14 en la sección titulada Revisión intuitiva de ANOVA.
Sustituyendo los valores de S se obtiene
𝑪𝟐𝒋
𝑺= (𝒋 − 𝟏)𝑭𝜶,𝒅𝒇 𝑴𝑺𝑬 ෍
𝒏𝒋
= 𝟐 × 𝟑. 𝟏𝟒 𝟑. 𝟓𝟐 × 𝟎. 𝟏𝟎
= 𝟐. 𝟓𝟏 × 𝟎. 𝟓𝟗
= 𝟏. 𝟒𝟖
- 47 -

• Cualquier diferencia mayor de 1.48 es significativa. Como se observa en el cuadro 5, la diferencia en la
media entre pacientes que tomaban o no tratamiento sustitutivo es de 1.89, y es significativo en la
prueba de Scheffé. En vista de que la prueba de Scheffé es la más conservadora de todas las pruebas
post hoc, 1.48 es el valor crítico más grande que se requiere en cualquiera de los procedimientos de
comparación múltiple.
• Con el procedimiento de Scheffé también se pueden obtener intervalos de confianza.
- 48 -


Procedimiento de Newman - Keuls
• El procedimiento utiliza una aproximación paso a paso para Figura 3. Rangos de medias y pasos en la
prueba de Newman - Keuls.
comprobar las diferencias entre las medias, y puede usarse sólo para
hacer comparaciones pareadas. El procedimiento ordena las medias
desde la más baja hasta la más alta y se anota el número de pasos
que separan los pares de las medias. Para nuestro ejemplo, en la
figura 3 se dan el orden y el número de pasos.
• En este procedimiento se comparan las diferencias medias con un
valor crítico que depende del número de pasos entre las medias, el
tamaño de la muestra, y el número de grupos que se vaya a
comparar. Además la prueba debe hacerse en una secuencia
preestablecida.
- 49 -

Procedimiento de Newman - Keuls
• El valor del cuadro 6, que corresponde a los dos pasos con 60 grados de libertad es 2.83; el valor para
los tres pasos es 3.40. Por tanto, los valores críticos para este ejemplo son:
• El procedimiento de Newman – Keuls con varios

𝑴𝑺𝑬
grupos permite al investigador declarar que hay una 𝑵𝒆𝒘𝒎𝒂𝒏 − 𝑲𝒆𝒖𝒍𝒔 = 𝑴𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒄𝒂𝒅𝒐𝒓 ×
𝒏
diferencia entre dos medias que es significativa cuando
dicha diferencia tal vez no lo sea con la prueba HSD de 𝟑. 𝟓𝟐
𝑵𝒆𝒘𝒎𝒂𝒏 − 𝑲𝒆𝒖𝒍𝒔 = 𝟐. 𝟖𝟑 × = 𝟏. 𝟏𝟏𝟗
𝟐𝟎
Tukey.
• La principal desventaja del procedimiento de Newman 𝑵𝒆𝒘𝒎𝒂𝒏 − 𝑲𝒆𝒖𝒍𝒔 = 𝟑. 𝟒𝟎 ×
𝟑. 𝟓𝟐
𝟐𝟎
= 𝟏. 𝟒𝟑
– Keuls es que no pueden formar intervalos de
confianza para las diferencias de las medias.
- 50 -


Procedimiento de Dunnett
• El cuarto procedimiento que recomiendan los estadísticos es el llamado procedimiento de Dunnett, y
se aplica sólo en situaciones en las que el investigador desea comparar varias medias de tratamiento
con una sola media control.
• No se permiten las comparaciones entre las medias de los propios tratamientos, por lo que esta prueba
tiene una aplicación muy especializada. Sin embargo, en esta situación particular, la prueba de Dunnett
es conveniente en vista de que tiene un valor crítico relativamente bajo.
• El tamaño del multiplicador depende del número de grupos, incluido el grupo control, y de los grados
de libertad para el cuadrado medio del error. La fórmula es:
- 51 -

Procedimiento de Dunnett
𝟐𝑴𝑺𝑬
𝑷𝒓𝒖𝒆𝒃𝒂 𝒅𝒆 𝑫𝒖𝒏𝒏𝒆𝒕𝒕 = 𝑴𝒖𝒍𝒕𝒊𝒑𝒍𝒊𝒄𝒂𝒅𝒐𝒓 ×
𝒏
• Aunque la prueba de Dunnett no es aplicable a nuestro ejemplo, se determinará el valor crítico

para que sirva como comparativo. Del cuadro 7-6, bajo la columna de la prueba de Dunnett y de
los tres grupos, se encuentra el multiplicador 1.95. Al multiplicarlo, por 2𝑀𝑆𝐸 Τ𝑛 se obtiene 1.95
x 0.59, o 1.16, un valor mucho menor que el obtenido con la prueba de Tukey el valor de Scheffé.
- 52 -


Otras pruebas
• Dos procedimientos que aparecen en la literatura médica pero que no son recomendadas por los
estadísticos, son la prueba de Duncan de nuevas variaciones múltiples y la prueba de la diferencia
menos significativa. La prueba de Duncan utiliza el mismo principio que la de Newman-Keuls; sin
embargo, los multiplicadores en la fórmula son más pequeños, por lo que se encuentran diferencias
con significancia estadística con diferencias de las medias más pequeñas.
• Duncan argumentó que la probabilidad de encontrar diferencias es mayor cuando se usan números
mayores de grupos, e incrementó el poder de la prueba mediante multiplicadores más pequeños. Pero
su prueba, como resultado, es demasiado amplia y rechaza las hipótesis nulas con mucha frecuencia
por ello, no la recomiendan los estadísticos.
- 53 -

Otras pruebas
• La prueba de la diferencia menos significativa (DMS) es uno de los procedimientos de comparaciones
múltiples más antiguo. Al igual que con otros procedimientos post hoc, requiere una relación F
significativa de una ANOVA para hacer comparaciones pareadas. Sin embargo, en vez de usar un ajuste
para lograr que el valor crítico sea mayor, como lo hacen las demás pruebas, la prueba DMS utiliza la
distribución t correspondiente al número de grados de libertad para el cuadrado medio del error.
• Los estadísticos no recomiendan esta prueba porque, con un número grande de comparaciones, las
diferencias demasiado pequeñas pueden declararse, de manera incorrecta, como con significancia
estadística.
- 54 -


Otras pruebas
• Como puede verse, los procedimientos de comparaciones múltiples son tediosos de calcular; por
fortuna, ya se encuentran en casi todos los programas de estadística para su computadora. En el
cuadro 7 se reproduce el formato del programa NCSS para los procedimientos de comparaciones
múltiples recomendados.
• El programa NCSS utiliza una aproximación algo diferente para calcular los valores críticos el ajustar el
valor crítico de la propia prueba estadística t. El enfoque aquí usado ajusta el valor que incluye de error
estándar.
- 55 -

Cuadro 7. Comparaciones múltiples para la 𝑇4 libre (pmol/L) usando el NCSS
- 56 -

Cuadro 7. Comparaciones múltiples para la 𝑇4 libre (pmol/L) usando el NCSS

- 57 -


MEHU - 608 - U2 - T12 - Medias en Tres o Más Grupos PDF

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

MEHU - 608 - U2 - T12 - Medias en Tres o Más Grupos PDF

Cargado por

Copyright:

Formatos disponibles

Facultad de Medicina Humana

Escuela Profesional de Medicina Humana

Media en tres o más grupos

Adaptado de: Bioestadística Médica. Dawson & Trapp.

Media en tres o más grupos

Adaptado de: Bioestadística Médica. Dawson & Trapp.

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Preguntas de investigación sobre la media en

Planteamiento del Problema 1

Preguntas de investigación sobre la media en

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Repaso intuitivo del ANOVA

1 Lógica del ANOVA

En el planteamiento del problema 1 se midieron las concentraciones séricas de 𝐿 − 𝑇4 libre en

Cuadro 1. Valores séricos de hormonas

𝑻𝟒 libre 𝑻𝟑 libre 𝑻𝟑 /𝑻𝟒 libre

Repaso intuitivo del ANOVA

1 Lógica del ANOVA

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Repaso intuitivo del ANOVA

1 Lógica del ANOVA

𝟏𝟓 − 𝟏𝟑. 𝟓𝟓 + 𝟏𝟑. 𝟓𝟓 − 𝟏𝟒. 𝟕𝟖 = 𝟏. 𝟒𝟓 + −𝟏. 𝟐𝟑

Cuadro 2. Concentraciones séricas de hormonas

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Repaso intuitivo del ANOVA

1 Lógica del ANOVA

Repaso intuitivo del ANOVA

1 Lógica del ANOVA

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Repaso intuitivo del ANOVA

σ 𝑛𝑗 − 1 𝐷𝐸𝑗 2 Tiene σ 𝑛𝑗 − 1 grados de libertad

Repaso intuitivo del ANOVA

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Repaso intuitivo del ANOVA

Repaso intuitivo del ANOVA

𝟐𝟎 × 𝟏𝟑. 𝟓𝟓 + 𝟏𝟖 × 𝟏𝟒. 𝟎𝟎 + (𝟑𝟓 × 𝟏𝟓. 𝟖𝟗)

El numerador de 𝑀𝑆𝐴 es:

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Repaso intuitivo del ANOVA

σ(𝒏𝒋 − 𝟏)𝑫𝑬𝟐𝒋 𝟏𝟗 × 𝟏. 𝟒𝟑𝟐 + 𝟏𝟕 × 𝟐. 𝟎𝟔𝟐 + 𝟑𝟒 × 𝟐. 𝟎𝟎𝟐

Repaso intuitivo del ANOVA

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Enfoque tradicional del ANOVA

1 Términos y fórmulas para el ANOVA

En el ANOVA, el término factor se refiere a la variable por la

Enfoque tradicional del ANOVA

1 Términos y fórmulas para el ANOVA

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Enfoque tradicional del ANOVA

1 Términos y fórmulas para el ANOVA

Enfoque tradicional del ANOVA

1 Términos y fórmulas para el ANOVA

𝑺𝑺𝑻 es la suma total de los cuadrados

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos

Enfoque tradicional del ANOVA

1 Términos y fórmulas para el ANOVA

𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝐴

Enfoque tradicional del ANOVA

1 Términos y fórmulas para el ANOVA

Donde j es el número de grupos o niveles del factor, y

Donde j es el número de grupos o niveles del factor y N es el tamaño total de la muestra.

Curso: Informática y Bioestadística Tema: Medias en tres o más grupos