Saltar al contenido
Omnikalc

ANOVA de un factor: ¿difieren las medias de los grupos?

Realiza un análisis de la varianza de un factor para 3 o 4 grupos independientes a partir de sus medias, desviaciones típicas y tamaños: estadístico F, valor p, sumas de cuadrados y eta cuadrado.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Valor p

0,06128

No significativo: los datos no muestran diferencia entre las medias
Estadístico F
3,102
F crítico con el umbral α
3,354
Grados de libertad entre grupos
2
Grados de libertad dentro de los grupos
27
Suma de cuadrados entre grupos
126,67
Suma de cuadrados dentro de los grupos
551,25
Media global
22,667
Tamaño del efecto η² (parte de la varianza explicada)
0,187

Para qué sirve el ANOVA de un factor

El análisis de la varianza (ANOVA) de un factor contrasta si las medias de tres o más grupos son todas iguales. Evita multiplicar los tests t dos a dos, lo que inflaría el riesgo de falso positivo: con cuatro grupos, seis comparaciones con un umbral del 5 % dan cerca de un 26 % de probabilidad de encontrar al menos una diferencia «significativa» por azar. Esta calculadora parte de las medias, desviaciones típicas y tamaños de cada grupo, sin los datos brutos.

Las fórmulas

  • Media global: x̄ = Σ nᵢ x̄ᵢ ÷ N.
  • Suma de cuadrados entre grupos: SC_entre = Σ nᵢ (x̄ᵢ − x̄)², con k − 1 grados de libertad.
  • Suma de cuadrados dentro de los grupos: SC_dentro = Σ (nᵢ − 1) sᵢ², con N − k grados de libertad.
  • F = (SC_entre ÷ (k − 1)) ÷ (SC_dentro ÷ (N − k)).

El valor p es la probabilidad de superar F bajo la distribución F de Fisher-Snedecor. El eta cuadrado η² = SC_entre ÷ (SC_entre + SC_dentro) mide la parte de la varianza explicada por el factor.

Ejemplo

Tres grupos de 10 sujetos, con medias 20, 23 y 25 y desviaciones típicas 4, 5 y 4,5:

  • media global: 22,67;
  • SC_entre = 126,7 con 2 grados de libertad;
  • SC_dentro = 551,25 con 27 grados de libertad;
  • F = 63,3 ÷ 20,4 ≈ 3,10, p ≈ 0,061: no significativo con un umbral del 5 %;
  • η² ≈ 0,19: el factor explica alrededor del 19 % de la varianza.

Leer el resultado

Una F significativa indica que al menos una media difiere de las demás, sin decir cuál. Hacen falta entonces comparaciones post hoc (Tukey, Bonferroni) para localizar las diferencias. Una F no significativa, como en el ejemplo, no prueba la igualdad de las medias: con diez sujetos por grupo, la potencia es limitada.

Condiciones de aplicación

  • Grupos independientes, observaciones independientes.
  • Distribución aproximadamente normal en cada grupo.
  • Varianzas homogéneas: como regla práctica, la mayor desviación típica no supera el doble de la menor. En caso contrario, el ANOVA de Welch o el test no paramétrico de Kruskal-Wallis son más seguros.

Con solo dos grupos, el ANOVA da exactamente el mismo resultado que el test t de Student: F = t².

Preguntas frecuentes

¿Por qué no hacer varios tests t en lugar de un ANOVA?

Cada test añade un riesgo de falso positivo: con cuatro grupos, seis tests t al 5 % dan un riesgo de falsa alarma de alrededor del 26 %.

¿Qué concluir de una F significativa?

Que al menos una media difiere de las demás. Un test post hoc, como el de Tukey, indica cuáles.

¿Qué es el eta cuadrado?

La parte de la varianza explicada por el factor: SC entre ÷ (SC entre + SC dentro). Aproximadamente 0,01 es pequeño, 0,06 mediano y 0,14 grande.

¿Qué hacer si las varianzas son muy diferentes?

Si la mayor desviación típica supera aproximadamente el doble de la menor, utiliza el ANOVA de Welch o el test de Kruskal-Wallis.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.