1.
Determinar si los datos están normalmente distribuidos
La normalidad de los datos se evalúa para decidir si puedes usar pruebas paramétricas (que
requieren normalidad) o no paramétricas (que no lo hacen).
Pruebas para evaluar la normalidad:
1. Prueba de Shapiro-Wilk:
o Es una de las más utilizadas y confiables para muestras pequeñas y medianas
(n<50n < 50n<50).
o Hipótesis:
H0H_0H0: Los datos tienen una distribución normal.
HaH_aHa: Los datos no tienen una distribución normal.
o Si p>0.05p > 0.05p>0.05, no rechazas H0H_0H0, lo que significa que los datos
son normales.
2. Prueba de Kolmogorov-Smirnov:
o Es otra opción, aunque menos precisa para muestras pequeñas.
o Hipótesis y criterios de decisión similares a Shapiro-Wilk.
3. Métodos gráficos (complementarios):
o Histograma: Observa si los datos tienen forma de campana (distribución
normal).
o Gráfico Q-Q: Los puntos deben alinearse en la diagonal para datos normales.
4. Tamaño de la muestra:
o Para muestras grandes (n>50n > 50n>50), la normalidad puede evaluarse
observando histogramas y el estadístico de curtosis y asimetría, ya que las
pruebas como Shapiro-Wilk tienden a ser demasiado sensibles.
2. Elección de la prueba para analizar la hipótesis
Caso 1: Si los datos son normales (pruebas paramétricas)
1. Prueba t para muestras relacionadas:
o Compara las medias de los datos pre y post (para el mismo grupo).
o Hipótesis:
H0H_0H0: No hay diferencias significativas entre las medias pre y post.
HaH_aHa: Hay diferencias significativas entre las medias pre y post.
o Criterio:
Si p<0.05p < 0.05p<0.05, rechazas H0H_0H0, indicando una diferencia
significativa.
Caso 2: Si los datos no son normales (pruebas no paramétricas)
1. Prueba de Wilcoxon (prueba de rangos con signo):
o Es el equivalente no paramétrico de la prueba t.
o Compara las distribuciones pre y post usando rangos.
o Hipótesis:
H0H_0H0: No hay diferencias significativas entre los datos pre y post.
HaH_aHa: Hay diferencias significativas entre los datos pre y post.
o Criterio:
Si p<0.05p < 0.05p<0.05, rechazas H0H_0H0.
3. Pasos prácticos para analizar la hipótesis
Paso 1: Verifica la normalidad
1. Organiza los datos pre y post en un software estadístico (Excel, SPSS, Python, R).
2. Realiza una prueba de normalidad (Shapiro-Wilk o Kolmogorov-Smirnov).
3. Evalúa ppp:
o Si p>0.05p > 0.05p>0.05, los datos son normales.
o Si p<0.05p < 0.05p<0.05, los datos no son normales.
Paso 2: Realiza la prueba estadística adecuada
1. Datos normales:
o Usa prueba t para muestras relacionadas.
2. Datos no normales:
o Usa prueba de Wilcoxon.
Paso 3: Interpreta los resultados
1. Analiza el valor ppp de la prueba aplicada:
o p<0.05p < 0.05p<0.05: Hay diferencias significativas entre los datos pre y post
(rechazas H0H_0H0).
o p>0.05p > 0.05p>0.05: No hay diferencias significativas (no rechazas H0H_0H0).
2. Relaciona los resultados con tu hipótesis inicial.
Resumen de Pruebas
Distribución de datos Prueba de normalidad Prueba para analizar hipótesis
Normal Shapiro-Wilk, Kolmogorov-Smirnov Prueba t para muestras relacionadas
No normal Shapiro-Wilk, Kolmogorov-Smirnov Prueba de Wilcoxon
