TÉCNICAS

DE ANÁLISIS
DE MEDIAS
|de tratamientos
• Cuando se rechaza la hipótesis nula (𝐻0 ), y por consiguiente se
acepta la hipótesis alternativa 𝐻𝑎 : 𝜇1 ≠ 𝜇2 para algún 𝑖 ≠ 𝑗, será
necesario investigar ¿cuáles tratamientos resultaron diferentes? o
¿cuáles provocan la diferencia?
• Estas preguntas se responden probando la igualdad de todos los
posibles pares de medias, para ello existen varios métodos,
conocidos como métodos de comparaciones múltiples o pruebas de
rango múltiples.
• Los más empleados son:
• Método de LSD (Diferencia mínima significativa)
• Prueba de Tukey
• Prueba de Duncan
Método LSD (Least Significant Difference)
o Diferencia mínima significativa.

• “Es la diferencia mínima que debe haber entre dos medias muestrales
para considerar que dos tratamientos son diferentes”.
• Una vez que se rechazó 𝐻0 en el ANOVA, el problema es probar la
igualdad de todos los posibles pares de medias con la hipótesis:
𝐻0 : 𝜇𝑖 = 𝜇𝑗
𝐻𝑎 : 𝜇𝑖 ≠ 𝜇𝑗
Para toda 𝑖 ≠ 𝑗.
• Para 𝑘 tratamientos se tienen en total 𝑘(𝑘 – 1)/2 pares de medias.
• Una manera de ver esto de manera gráfica es pensar en el posible
número de combinaciones que se pueden hacer entre las medias de
los tratamientos
Tratamientos
𝑻𝟏 𝑻𝟏 𝑻𝟏 𝑻4
𝑌11 𝑌21 𝑌31 𝑇41
𝑌12 𝑌22 𝑌32 𝑇42
𝑌13 𝑌23 𝑌33 𝑇43
. . . .
. . . .
. . . .
𝑌1𝑛1 𝑌2𝑛1 𝑌3𝑛1 𝑇𝑘𝑛𝑘
Retomando el ejemplo mostrado, para investigar cuáles pares de
medias son estadísticamente diferentes, se prueban los seis posibles
pares de hipótesis:

𝐻0 : 𝜇𝐴 = 𝜇𝐵 Vs 𝐻𝐴 : 𝜇𝐴 ≠ 𝜇𝐵
𝐻0 : 𝜇𝐴 = 𝜇𝐶 Vs 𝐻𝐴 : 𝜇𝐴 ≠ 𝜇𝐶
𝐻0 : 𝜇𝐴 = 𝜇𝐷 Vs 𝐻𝐴 : 𝜇𝐴 ≠ 𝜇𝐷
𝐻0 : 𝜇𝐵 = 𝜇𝐶 Vs 𝐻𝐴 : 𝜇𝐵 ≠ 𝜇𝐶
𝐻0 : 𝜇𝐵 = 𝜇𝐷 Vs 𝐻𝐴 : 𝜇𝐵 ≠ 𝜇𝐷
𝐻0 : 𝜇𝐶 = 𝜇𝐷 Vs 𝐻𝐴 : 𝜇𝐶 ≠ 𝜇𝐷
• El estadístico de prueba para cada una de las hipótesis dadas
es la correspondiente diferencia en valor absoluto entre sus
medias muestrales 𝑌𝑖∙ − 𝑌𝑗∙ .
• Es decir, se rechaza la hipótesis 𝐻0 : 𝜇𝑖 = 𝜇𝑗 si ocurre que

1 1
𝑌𝑖∙ − 𝑌𝑗∙ > 𝑡𝛼Τ2, 𝑁−𝑘 𝐶𝑀𝐸 + = 𝐿𝑆𝐷
𝑛𝑖 𝑛𝑗

• El valor de 𝑡𝛼Τ2,𝑁−𝑘 se lee en las tablas de la distribución T de

Student, el 𝐶𝑀𝐸 es el cuadrado medio del error y se obtiene
de la tabla de ANOVA, 𝑛𝑖 y 𝑛𝑗 son el número de
observaciones para los tratamientos i y j, respectivamente.
• En el caso de experimentos balanceados, donde
𝑛𝑖 = 𝑛𝑗 para 𝑖 ≠ 𝑗 (es decir, mismo número de
observaciones en todos los tratamientos)
• se rechaza la hipótesis 𝐻0 : 𝜇𝑖 = 𝜇𝑗 si ocurre que

2𝐶𝑀𝐸
𝑌𝑖∙ − 𝑌𝑗∙ > 𝑡𝛼Τ2, 𝑁−𝑘 = 𝐿𝑆𝐷
𝑛

• El valor de 𝑡𝛼Τ2,𝑁−𝑘 se lee en las tablas de la

distribución T de Student, el 𝐶𝑀𝐸 es el cuadrado
medio del error y se obtiene de la tabla de
ANOVA, 𝑛𝑖 y 𝑛𝑗 son el número de observaciones
para los tratamientos i y j, respectivamente.
T de student
Ejercicio de clase
• Un equipo de mejora investiga el efecto de cuatro métodos de
ensamble de un arado de vertederas A, B, C y D, sobre el tiempo de
ensamble en minutos. En primera instancia, la estrategia experimental
es aplicar cuatro veces los cuatro métodos de ensamble en orden
completamente aleatorio (las 16 pruebas en orden aleatorio).
• Los tiempos de ensamble obtenidos se muestran en la tabla

Método de ensamble
A B C D
7.2 8.4 13.2 12
9.6 10.8 19.2 14.4
8.4 12 13.2 13.2
9.6 9.6 15.6 10.8
Prueba de Tukey

• el cual consiste en comparar las diferencias entre medias

muestrales con el valor crítico dado por:
𝐶𝑀𝐸
𝑇𝛼 = 𝑞𝛼 𝑘, 𝑁 − 𝑘
𝑛𝑖

donde 𝐶𝑀𝐸 es el cuadrado medio del error, n es el número de

observaciones por tratamiento, 𝑘 es el número de tratamientos, 𝑁 −
𝑘 es igual a los grados de libertad para el error, 𝛼 es el nivel de
significancia prefijado y el estadístico 𝑞𝛼 𝑘, 𝑁 − 𝑘 son puntos
porcentuales de la distribución del rango estudentizado.
• Se declaran significativamente diferentes los pares de medias
cuya diferencia muestral en valor absoluto sea mayor que 𝑇𝛼 , es
decir:

𝐶𝑀𝐸
𝑌𝑖∙ − 𝑌𝑗∙ > 𝑞𝛼 𝑘, 𝑁 − 𝑘 = 𝑇𝛼
𝑛𝑖

• El método de Tukey trabaja con un error α muy cercano al

declarado por el experimentador; por lo que se trata de una
prueba más conservadora.

• Los pares de hipótesis probados son iguales a los utilizados en el

método de LSD
Distribución
de rango
estudentizado
• La distribución de
rango estudentizado
se utiliza para probar
la diferencia entre las
medias más grande y
más pequeña. Es
similar a la
distribución t que se
usa cuando solo hay
dos medias.
Prueba de Duncan

• En este método para la comparación de medias, si las k muestras son

de igual tamaño, los k promedios se acomodan en orden ascendente
(o descendente) y el error estándar de los promedios se estima con

𝐶𝑀𝐸
𝑆𝑌ത 𝑖∙ =
𝑛

• Si alguno o todos los tratamientos tienen tamaños diferentes, se

reemplaza 𝑛 por la media armónica de las {𝑛𝑖 }, que está dada por
𝑘
𝑛𝐴𝑅 =
1
σ𝑘𝑖=1
𝑛𝑖
• De la tabla de rangos significantes de Duncan, se obtienen los valores
críticos 𝑟𝛼 𝑝, 𝑙 , 𝑝 = 2,3, … , 𝑘, donde 𝛼 es el nivel de significancia
prefijado y 𝑙 son los grados de libertad para el error. Con estos 𝑘 = 1
valores se obtienen los rangos de significancia mínima dados por
𝑅𝑝 = 𝑟𝛼 𝑝, 𝑙 × 𝑆𝑌ത 𝑖. ; 𝐷𝑜𝑛𝑑𝑒 𝑝 = 2,3, … , 𝑘

Para 4 tratamientos y con un nivel de significancia =5% tendríamos 3

rangos significantes:

𝑅4 = 𝑟0.05 4, 𝑙 × 𝑆𝑌ത 𝑖.
𝑅3 = 𝑟0.05 3, 𝑙 × 𝑆𝑌ത 𝑖.
𝑅2 = 𝑟0.05 2, 𝑙 × 𝑆𝑌ത 𝑖.
• En su caso, para 6 tratamientos y nivel de significancia =5%,
tendríamos 5 rangos significantes:

𝑅5 = 𝑟0.05 5, 𝑙 × 𝑆𝑌ത 𝑖.
𝑅4 = 𝑟0.05 4, 𝑙 × 𝑆𝑌ത 𝑖.
𝑅3 = 𝑟0.05 3, 𝑙 × 𝑆𝑌ത 𝑖.
𝑅2 = 𝑟0.05 2, 𝑙 × 𝑆𝑌ത 𝑖.
𝑅1 = 𝑟0.05 1, 𝑙 × 𝑆𝑌ത 𝑖.
En la tabla estaríamos leyendo 𝑟0.05 4,8 , es decir para 4 tratamientos (𝑝) y 8
grados de libertad del error (𝑙) con un nivel de significancia 𝛼 = 5%
• Las diferencias observadas entre las medias muestrales se
comparan con los rangos 𝑅𝑝 de la siguiente manera:
1. primero se compara la diferencia entre la media más grande y la
más pequeña con el rango 𝑅𝑘 .
2. Luego, la diferencia entre la media más grande y la segunda más
pequeña se compara con el rango 𝑅𝑘−1 .
3. Estas comparaciones continúan hasta que la media mayor se haya
comparado con todas las demás.
4. En seguida, se compara la diferencia entre la segunda media más
grande y la media menor con el rango 𝑅𝑘−1 .
5. Y así sucesivamente…

• En las comparaciones en las que la diferencia observada es mayor

que el rango respectivo, se concluye que esas medias son
significativamente diferentes.
• Se declaran significativamente diferentes los pares de medias
cuya diferencia muestral sea mayor que 𝑅𝑝 , es decir:
𝑌𝑖∙ − 𝑌𝑗∙ > 𝑅𝑝 = 𝑟𝛼 𝑝, 𝑙 × 𝑆𝑌ത 𝑖. ; 𝑝 = 2,3, … , 𝑘
**No es necesario tomar valores absolutos, ya que las diferencias
se hacen entre el valor de media mayor y los valores menores
Además se utilizarán los valores de 𝑅𝑝 según las comparaciones
que se realicen, siguiéndose en orden
 Suponiendo que tenemos los siguientes valores de medias para 4
tratamientos y un experimento balanceado (mismo número de
observaciones por tratamiento):

𝜇𝐶 = 13.7
𝜇𝐷 = 12.9
𝜇𝐵 = 11.5
𝜇𝐴 = 10.8
Y que del ANOVA obtuvimos 𝐶𝑀𝐸 = 3.5 y 8 grados de libertad para el
error; entonces:
𝐶𝑀𝐸 3.5
𝑆𝑌ത 𝑖∙ = = = 0.94
𝑛 4

Entonces
𝑅4 = 𝑟0.05 4,8 × 𝑆𝑌ത 𝑖. = 3.47 × 0.94 = 3.26
𝑅3 = 𝑟0.05 3,8 × 𝑆𝑌ത 𝑖. = 3.39 × 0.94 = 3.19
𝑅2 = 𝑟0.05 2,8 × 𝑆𝑌ത 𝑖. = 3.26 × 0.94 = 3.06
 La comparación de medias resultantes sería:
𝜇𝐶 − 𝜇𝐴 2.90 No significativa Pues 𝜇𝐶 − 𝜇𝐴 resultó menor que 𝑅4
𝜇𝐶 − 𝜇𝐵 2.20 No significativa Pues 𝜇𝐶 − 𝜇𝐵 resultó menor que 𝑅3
𝜇𝐶 − 𝜇𝐷 0.80 No significativa Pues 𝜇𝐶 − 𝜇𝐷 resultó menor que 𝑅2
𝜇𝐷 − 𝜇𝐴 2.10 No significativa Pues 𝜇𝐷 − 𝜇𝐴 resultó menor que 𝑅3
𝜇𝐷 − 𝜇𝐵 1.40 No significativa Pues 𝜇𝐷 − 𝜇𝐵 resultó menor que 𝑅2
𝜇𝐵 − 𝜇𝐴 0.70 No significativa Pues 𝜇𝐵 − 𝜇𝐴 resultó menor que 𝑅2

En este caso podemos concluir que estadísticamente no encontramos

diferencias significativas entre los tratamientos.

❖ Por poner un ejemplo, cuando encontramos diferencias en algún par o

pares de medias:
Podemos concluir que estadísticamente existen diferencias
significativas entre los tratamientos A y B, y C y A.