4

Análisis de
Varianza

en pequeñas ciudades. Fueron ideadas por R.1. en ciudades medias o en grandes ciudades? Analicemos la pregunta. que muestra el grado de parecido existente entre las medias que se comparan. y el valor del estimador F será de 1. por lo que las únicas diferencias serán las atribuidas al azar. es una extensión de la prueba T para dos muestras independientes.1. pero al tener más de dos se utilizará un Análisis de Varianza Simple. Si las medias poblacionales son diferentes. los valores medios respectivos no diferirán mucho los unos de los otros y su dispersión. los estudiantes que viven en zonas rurales. del inglés analysis of variance) es una prueba utilizada para contrastar la hipótesis de que varias medias son iguales. Como se ha comentado. debido a los errores aleatorios. será comparable a la dispersión presente individualmente en cada grupo (tipo de hábitat).A. La hipótesis nula es: H0: Es decir. Análisis de Varianza e. y son una de las pruebas más importantes de la estadística actual. entonces el valor mayor que 1. Si las medias de las poblaciones son iguales. Sirve. Análisis de Varianza Simple El Análisis de Varianza (o ANOVA. Análisis de Varianza 4. Fisher en 1925. Si la variable dependiente (hábitat) tuviese dos alternativas utilizaríamos la prueba T de Student para dos muestras. 4. para estudiar la incidencia de una variable nominal u ordinal (categórica) con más de las alternativas. Murillo y C. la variable independiente es nominal politómica (con cuatro alternativas) y la dependiente es de intervalo. ciudades pequeñas. medias o grandes) no contienen errores sistemáticos. El ANOVA utiliza una estrategia bastante razonable: si los resultados de cada uno de los grupos (en nuestro ejemplo el rendimiento en Matemáticas de los estudiantes que viven en pueblos. ¿Quiénes obtienen mejores resultados en Matemáticas. que alguna de las igualdades no se cumpla (que pertenezcan a poblaciones diferentes). que las muestras obtenidas sean de la misma población.J. se trata de estudiar si "existen diferencias significativas en el rendimiento en matemáticas de los estudiantes (VD) en función de su hábitat (VI)". en una variable de intervalo o de razón (cuantitativa). la prueba se basa en la estimación del estadístico F.4. Y la alternativa (H1). y más alto conforme mayor sea la diferencia. las medias de las muestras de los grupos serán parecidas. Martínez-Garrido Página 52 . por tanto. F. Así.4.

2. Si éste es mayor a nuestro nivel de error asumido (que habitualmente será del 95%. La configuración del análisis se realiza en el cuadro de diálogo correspondiente. Calcula el estadístico de Brown-Forsythe para contrastar la igualdad de las medias de grupo. Análisis de Varianza El estadístico F está asociado a un nivel crítico (la probabilidad de obtener valores como el obtenido o mayores). Además de determinar que existen diferencias entre las medias. Las varianzas de cada conjunto de datos no deben diferir de forma significativa2. Esta condición previa de aplicación se verificará estadísticamente mediante una de las opciones que se encuentran dentro de la configuración del ANOVA. Existen dos tipos de contrastes para comparar medias: a priori y post hoc. F. Murillo y C. 3. Para su uso. Veámoslo: Elije en los menús: Analizar -> Comparar medias -> ANOVA de un factor 1 La prueba para comprobar la normalidad de distribución de una variable es la de Kolmogorov-Smirnov. es necesario que las variables cumplan tres condiciones: 1. se verá en el tema 7. Martínez-Garrido Página 53 .  Los contrastes a priori se plantean antes de ejecutar el experimento.05) se rechaza la hipótesis nula. es posible que deseemos saber qué medias difieren.  Los contrastes post hoc se realizan después de haber llevado a cabo el experimento. en el subcuadro de opciones está la Prueba de homogeneidad de las varianzas. El Análisis de Varianza (o ANOVA) es una prueba estadística desarrollada para realizar simultáneamente la comparación de las medias de más de dos poblaciones. y se acepta la alternativa. de decir de un 0. que indica la igualdad de medias. en este mismo subcuadro se encuentra la opción "Brown-Forsythe". 2 Para verificar este supuesto. Cada conjunto de datos debe ser independiente del resto.4. aunque soporta bastante bien el incumplimiento de este supuesto siempre que su distribución sea simétrica1. que calcula el estadístico de Levene para contrastar la igualdad de las varianzas de grupo.J. Si las varianzas no son iguales. Los resultados obtenidos para cada conjunto deben seguir una distribución normal.

1). Análisis de Varianza FIGURA 4.349 324. CUADRO DE DIÁLOGO ANOVA DE UN FACTOR 1. TABLA 4. El número de grupos a comparar. como entre los grupos. Murillo y C. tanto dentro de los grupos.4.700 F 54.1. Tras aceptar nos ofrece el siguiente resultado (tabla 4. Selecciona una sola variable como "factor" (variable independiente): en este caso Hábitat.744 2193693.000 La información que nos ofrece es la siguiente:  Suma de cuadrados: es una estimación de la desviación entre los resultados medios y el resultado medio global. RESULTADOS DEL ANOVA DE UN FACTOR Rendimiento en Matemáticas Suma de cuadrados Inter-grupos Intra-grupos Total 52621. menos 1. .  Media cuadrática: Es el valor de dividir la suma de cuadrados entre los grados de libertad.J.1. 2.791 gl Media cuadrática 3 6594 6597 17540.  gl: Grados de libertad.047 2141072. en este caso: Rendimiento en Matemáticas. F. Selecciona una o más variables dependientes. Martínez-Garrido Página 54 .020 Sig.

de lo que no tenemos información es entre qué tipo de hábitat hay diferencias.000. se presenta un cuadro resumen con las características de los diferentes estadísticos. es decir. Contrastes post hoc Una vez que se ha determinado que existen diferencias entre las medias. los contrastes de comparaciones múltiples post hoc. ni el sentido de las mismas.J. permiten determinar entre qué medias existen diferencias significativas.2. El procedimiento es sencillo. hay relación entre el hábitat y el rendimiento en Matemáticas (o que los cuatro hábitat forman parte de la misma población). es la probabilidad de obtener valores F como el obtenido o mayores bajo la hipótesis nula de la igualdad de medias. SUBCUADRO DE DIÁLOGO ANOVA DE UN FACTOR: COMPARACIONES MÚLTIPLES POST HOC F. Sólo hay que pulsar la opción "Post Hoc" del cuadro de diálogo de ANOVA de un factor. o comparaciones a posteriori. Sin embargo. Para ello se necesitan los contrastes a posteriori. Murillo y C. efectivamente.4. se concluye que.  Sig: Significación o nivel crítico. La interpretación es igual que en la T de Student del tema anterior. si el nivel crítico asociado al estadístico F es menor que 0. Martínez-Garrido Página 55 . FIGURA 4. Lo difícil quizá es elegir entre tantas opciones.05 (o el α que estemos considerando) se rechaza la hipótesis y se acepta la alterna. Análisis de Varianza  F: Estadístico llamado F. En el Anexo. En este caso es 0. Es el coeficiente de dividir las medias cuadráticas y refleja el grado de parecido existente entre las medias que se están comparando. al final de este tema.

611973 .70762 Ciudades grandes (más de 500.53496 10.000 1.000 habs.56837 6.611973 . Murillo y C.54122 -1. La diferencia de medias es significativa al nivel 0.009 habs.475298* .598434 .000 -10.41578 8.54122 Ciudades grandes (más de 500.38223 -3. media o grande) Pueblos (menos de 10.38223 Ciudades medias (de 100.J.000 1. una vez más.560321* . RESULTADOS DEL ANOVA DE UN FACTOR CON COMPARACIONES MÚLTIPLES POST HOC Rendimiento en Matemáticas HSD de Tukey (I) Habitat (pueblo.753047 .001 a 500.63686 Ciudades grandes (más de 500.000 habs.28597 -.350879* .085022* .000 6.2 y 4.475298* .001 a 10. Los resultados para nuestro ejemplo se muestran en las tablas 4.) -3.62281 -1.) Diferencia de medias (I-J) Error típico Intervalo de confianza al 95% Sig. De esta forma se puede observar que hay diferencias en el rendimiento de los estudiantes en Matemáticas entre los que viven en pueblos y en ciudades pequeñas.788173 .000 habs.124419* . La interpretación es igualmente sencilla.009 habs.) 10.63686 7.000 -7.001 a 500.000 habs.001 a 10. En la segunda de las tablas nos ofrece los resultados y encontramos ayuda para una mejor interpretación.) 10. media o grande) (J) Habitat (pueblo.000 -4.009 habs.70762 4. Análisis de Varianza Una posibilidad razonable es elegir el estadístico de HDS Tukey (opción Tukey) si las varianzas son iguales y el estadístico Games-Howell si no se asumen varianzas iguales.) -2.4.62281 Ciudades medias (de 100.742086 . RESULTADOS DEL ANOVA DE UN FACTOR CON COMPARACIONES MÚLTIPLES POST HOC.54723 Ciudades medias (de 100. TABLA 4.05).) -6.3.78202 Ciudades pequeñas (de 10.) 2.58568 -6. La interpretación.53496 3. es fijándose en el nivel crítico y compararlo con nuestro α (normalmente 0.000 habs.350879* .) -8.001 a 10..560321* .) -5. En cada una de las filas compara las medias de los grupos por pares.3. SUBCONJUNTOS HOMOGÉNEOS F.009 habs.209442* .000 habs.56837 7. y así entre todos los pares de grupos.) 5.) 3.001 a 10. Límite inferior Límite superior *.) Ciudades medias (de Pueblos (menos de 100.41578 4.788173 .000 4.2. TABLA 4.54723 4.753047 . Martínez-Garrido Página 56 .28597 Ciudades pequeñas (de Pueblos (menos de 10.085022* .209442* .) 10. ciudad pequeña.000 3.000 -7.000 habs.58568 Ciudades pequeñas (de 10.000 habs.000 -4.78202 -4.010 .) -3.000 habs.001 a 500. entre pueblos y ciudades medias.000 habs.) Ciudades pequeñas (de 10.000 habs.124419* .) Ciudades grandes (más Pueblos (menos de de 500.742086 .598434 .000 habs. ciudad pequeña.001 a 500.05.010 -4..551351 .551351 .

podemos estudiar el efecto que tiene el género del estudiante sobre el rendimiento en lengua. ciudad pequeña.000 habs. Así. dado que si el género del docente y del estudiante coinciden los resultados serán claramente mejores que si no coinciden. EFECTO DE LA INTERACCIÓN ENTRE VARIABLES. después los que viven el ciudades medias (54. Subconjunto para alfa = 0.000 1. El de los niños es igual que el de la niñas. a. Este resultado. Usa el tamaño muestral de la media armónica = 1403. El rendimiento promedio de todos los estudiantes es de 6. Los tamaños de los grupos no son iguales. Se utilizará la media armónica de los tamaños de los grupos.37406 2027 54.28904 51. Análisis de Varianza HSD de Tukeya. nos muestra la desigual distribución del rendimiento en función del lugar donde vive el niño.84 de media).000 Se muestran las medias para los grupos en los subconjuntos homogéneos. Murillo y C. Análisis de Varianza factorial También es posible estudiar el efecto de varias variables y su interacción sobre una variable dependiente cuantitativa.28). Se observa que existen cuatro grupos diferenciados (cuatro poblaciones). el efecto del género del docente y la interacción entre las dos variables sobre el rendimiento en matemáticas. obtenido a partir de datos reales.4). se produce un curioso efecto de interacción.) Ciudades medias (de 100. b. 4.4.000 habs. TABLA 4.000 1. después (con diferencias estadísticamente significativas) los que viven en ciudades pequeñas (51. de 6.000 1.49848 798 56. indicándose la media del rendimiento de cada grupo.001 a 500. 6.) Ciudades grandes (más de 500.49) y lo que mejores resultados obtienen en rendimiento en Matemáticas son los que viven en grandes ciudades (56.001 a 10.2.4. Martínez-Garrido Estudiante varón 7 4 6 Estudiante mujer 4 7 6 Total 6 6 6 Página 57 .. Sin embargo. Los niveles de error de tipo I no están garantizados. media o grande) Pueblos (menos de 10.05 N 1 1515 2258 2 3 4 48.009 habs. los resultados apuntan a que los niños y niñas que viven en pueblos sacan el peor resultado (48.84936 1. por ejemplo.000 habs.37). Así.800. RENDIMIENTO EN MATEMÁTICAS DE LOS ESTUDIANTES EN FUNCIÓN DE SU GÉNERO Y DEL GÉNERO DE SU DOCENTE Docente varón Docente mujer Total F. puede verse el siguiente caso inventado (tabla 4.b Habitat (pueblo.) Sig. y muestra unas preocupantes señales de inequidad en función del hábitat.J. cada una de un tipo de hábitat.) Ciudades pequeñas (de 10. y sacan los mismos resultados los estudiantes con profesores varones que con profesoras. De esta forma.

4. de sus años de preescolarización y de la interacción entre ambas variables? Como se observa.2. CUADRO DE DIÁLOGO "UNIVARIANTE" PARA HACER UN ANÁLISIS DE VARIANZA FACTORIAL Entonces seleccione:  "Rendimiento en Matemáticas" como Dependiente. Observemos en la figura 4.4. Existen diferencias significativas en el Rendimiento de los estudiantes en función de la interacción entre ambas variables? Para ello se realizará un Análisis de Varianza Factorial. FIGURA 4.4. Existen diferencias significativas en Rendimiento en Matemáticas en función de los años de preescolarización 3. probaremos de forma simultánea las tres hipótesis: 1.4. F.  "Preescolarización" y "Hábitat" como Factores fijos.J. Martínez-Garrido Página 58 . Análisis de Varianza Un ejemplo de esto con nuestros datos puede ser el siguiente: e. Existen diferencias significativas en el Rendimiento en Matemáticas en función del hábitat 2. Este estadístico se encuentra en el cuadro de diálogo "Modelo Lineal General" y luego "Univariante" (dado que sólo tenemos una única variable dependiente). ¿Existen diferencias significativas en el Rendimiento en Matemáticas de los estudiantes en función de su hábitat. Murillo y C. el cuadro de diálogo en el que aparece.

TABLA 4. las alternativas son la población de alternativas de respuesta sobre los que se quiere hacer la inferencia. Luego haremos un ejemplo de las mismas.5. Es decir. el hábitat.4.791 gl Media cuadrática 15 1 3 3 9 6582 6598 6597 6344. RESULTADOS DEL ANOVA FACTORIAL.023E7 2193693.860 1.05).041) Los resultados nos dan respuesta a las tres hipótesis planteadas: 1. por su parte. No hay diferencias en función de la interacción (5ª columna: 0. es aquel que las alternativas seleccionadas son una muestra aleatoria de todas las alternativas posibles.bien porque queremos ver la diferencia entre esas alternativas.829a 8140315.790 4895.082 a. 2.352 31.782 9676.  Covariables: para hacer un Análisis de Covarianza (ver apartado 4. Martínez-Garrido Página 59 .930 543.5.962 2. Nos aparecen cuatro opciones:  Efectos fijos: un factor de efectos fijos es aquel en el que contamos con todas las alternativas en la variable.899 25531.782 29030. F.841 30473. El resultado se muestra en la tabla 4. 3.455 8140315.898 318.985 30. Análisis de Varianza Y pinchamos en "Aceptar".000 . Hay diferencias en función de la edad de escolarización en preescolar (4ª fila).05).000 .000 .000 .  Efectos aleatorios: un factor de efectos aleatorios.J. Hay diferencias en Rendimiento en Matemáticas en función del Hábitat (el nivel crítico que aparece en la 3ª fila es 0. Bien sea porque están todas -por ejemplo. PRUEBAS DE EFECTOS INTERSUJETOS Variable dependiente:Rendimiento en Matemáticas Origen Modelo corregido Intersección Habitat Preescol Habitat * Preescol Error Total Total corregida Suma de cuadrados tipo III 95166.947 10157. Murillo y C. 19.082>0. como ya habíamos visto.081 2098526.3).  Ponderación MCP: si tenemos alguna variable para ponderar al utilizar el Método de Mínimos Cuadrados Ponderados (que no es el caso). R cuadrado = .043 (R cuadrado corregida = .706 .828 F Sig.000<0.

J. El cuadro de diálogo en el que aparece se encuentra en la figura 4. y que el Hábitat está relacionado con ese nivel socio-económico.4. si controlamos el efecto del Nivel Socio-económico? El Análisis de Covarianza (ANCOVA) es una técnica de control estadístico que permite eliminar de la variable dependiente del ANOVA el efecto atribuible a variables no incluidas en el diseño y.33). aunque aparentemente la tienen debido a un tercer factor no considerado aún (llamado "factor de confusión" o "variable escondida"). FIGURA 4. Es decir que la relación entre Hábitat y Rendimiento sea una relación espuria3. con ello. Murillo y C. y no al hábitat. pero donde ponemos la variable de control como covariable. ¿Existen diferencias en el Rendimiento en Matemáticas de los estudiantes en función del Hábitat. sería posible pensar que quizá las diferencias en Rendimiento en función del Hábitat sea debido al Nivel Socio-económico de las familias. tenemos el Análisis de Covarianza (ANCOVA). La relación espuria da la impresión de la existencia de un vínculo apreciable entre dos grupos que es inválido cuando se examina objetivamente. F. no sometidas a control. PARA HACER UN ANÁLISIS DE COVARIANZA 3 Estadísticamente.4.3. CUADRO DE DIÁLOGO "UNIVARIANTE". Análisis de Varianza 4.3.5. Al igual que en el Análisis de Varianza Factorial este estadístico se encuentra en el cuadro de diálogo "Modelo Lineal General" y luego "Univariante" (dado que sólo tenemos una única variable dependiente). Análisis de Covarianza Sabiendo que el Nivel Socio-Económico de las familias influye de forma importante en el rendimiento de los estudiantes (rxy = 0. La pregunta es: e. Para descartar (o confirmar) esa posibilidad. Martínez-Garrido Página 60 . una relación espuria es una relación en la cual dos acontecimientos no tienen conexión.5.

378 Sig.281 1. Martínez-Garrido Página 61 . Y pinchamos en "Aceptar".266 694.556E7 204068. TABLA 4.214 1937004. Los resultados aparecen en la tabla 4.000 .  "Hábitat" en Factores fijos. Murillo y C.556E7 204068.000 .123a 1.424 52965.000 a.023E7 2193693. RESULTADOS DEL ANCOVA. R cuadrado = .669 2. PRUEBAS DE EFECTOS INTERSUJETOS Variable dependiente: Rendimiento en Matemáticas Origen Modelo corregido Intersección N_SocEc Habitat Error Total Total corregida Suma de cuadrados tipo III 256689.117 (R cuadrado corregida = .000 .116) F.  "N-SocEc" (Nivel Socio-económico de las familias) como covariable.797 F 218.075 19724.588 22. .6.6. Análisis de Varianza Entonces selecciona:  "Rendimiento en Matemáticas" como Dependiente.J.075 6574.4.738 293.791 gl Media cuadrática 4 1 1 3 6593 6598 6597 64172.

Utiliza las pruebas T para realizar comparaciones por pares entre las medias de los grupos. Realiza comparaciones por pares utilizando un orden por pasos idéntico al orden usado por la prueba de Student-Newman-Keuls. utiliza una prueba bilateral. pero establece un nivel de protección en la tasa de error para la colección de contrastes. Realiza comparaciones conjuntas simultáneas por pares para todas las posibles parejas de combinaciones de las medidas. La prueba de Sidak corrige el nivel de significación para las comparaciones múltiples y da lugar a límites más estrechos que los de Bonferroni. Con tamaños de grupo iguales. selecciona "Control". Prueba de comparación por parejas que utiliza el módulo máximo estudentizado y que es generalmente más potente que la GT2 de Hochberg.05 se encuentran relacionadas con la variable dependiente. Tukey. Asumiendo varianzas iguales LSD. Usa la distribución muestral F. en lugar de usar una tasa de error para los contrastes individuales. Sidak.00<0. Martínez-Garrido Página 62 . R-E-G-W F. Procedimiento múltiple por pasos (por tamaño de las distancias) de Ryan-Einot-Gabriel-Welsch que se basa en una prueba F. Es decir. Prueba de comparaciones múltiples por parejas basada en un estadístico T. Utiliza el estadístico del rango estudentizado para realizar todas las comparaciones por pares entre los grupos. al mostrar un nivel crítico de menos de 0. S-N-K.J. Waller-Duncan. Es similar a la prueba de la diferencia honestamente significativa de Tukey. No asumiendo varianzas iguales T2 de Tamhane. Así. Utiliza pruebas T para llevar a cabo todas las comparaciones por pares entre las medias de los grupos. Dunnett. Prueba de comparaciones múltiples y de rango que utiliza el módulo máximo estudentizado. 4. La prueba de Gabriel se puede convertir en liberal cuando los tamaños de las casillas varían mucho. Prueba que emplea la distribución del rango estudentizado para realizar comparaciones por pares entre los grupos. La última categoría es la categoría de control por defecto. Puede utilizarse para examinar todas las combinaciones lineales de grupos de medias posibles. Murillo y C. también compara pares de medias dentro de subconjuntos homogéneos utilizando un procedimiento por pasos. el Hábitat y el Nivel Socio-económico son dos factores de inequidad en el sistema educativo cuya influencia es aditiva. Esta prueba es F. Para contrastar si la media en cualquier nivel del factor es menor que la de la categoría de control. puedes seleccionar la primera categoría. incluso habiendo controlado el Nivel Socio-económico de las familias de los estudiantes (0. Prueba conservadora de comparación por parejas basada en la prueba T. UT2 de Hochberg.4. Establece la tasa de error por experimento como la tasa de error para el conjunto de todas las comparaciones por pares. Duncan. En la fila tercera nos indica que la variable "Nivel Socio-económico". No se efectúa ninguna corrección de la tasa de error para el hecho de realizar múltiples comparaciones. cuando los tamaños de las casillas son desiguales. Para comprobar que la media de cualquier nivel del factor (excepto la categoría de control) no es igual a la de la categoría de control. Para contrastar si la media en cualquier nivel del factor es mayor que la de la categoría de control. selecciona "Control". Utiliza el estadístico del rango estudentizado. se corrige el nivel crítico por el hecho de que se están realizando múltiples comparaciones. Las medias se ordenan de mayor a menor y se contrastan en primer lugar las diferencias extremas. Realiza todas las comparaciones por parejas entre las medias utilizando la distribución del rango de Student. Procedimiento múltiple por pasos (por tamaño de las distancias) de Ryan-Einot-Gabriel-Welsch que se basa en el rango estudentizado. Contrastes a posteriori. Gabriel. Prueba de comparaciones múltiples por parejas que compara un conjunto de tratamientos respecto a una única media de control.05). El valor crítico es el promedio de los valores correspondientes a la diferencia honestamente significativa de Tukey y al método de Student-Newman-Keuls. pero controla la tasa de error global estableciendo que la tasa de error de cada prueba sea igual a la tasa de error por experimento dividida entre el número total de contrastes. R-E-G-W Q. Prueba de comparaciones múltiples basada en un estadístico T. no sólo las comparaciones por parejas. Si lo deseas. Scheffe. y tiene sentido incluirlo en el modelo. Anexo. Bonferroni. Utiliza la aproximación Bayesiana. Tukey-b.4. Análisis de Varianza El resultado buscado se presenta en la cuarta fila: nos indica que existen diferencias en el rendimiento en función del Hábitat.

5. ¿Existen diferencias en el Rendimiento en Lengua de los estudiantes en función del Hábitat. ¿El entorno socio-económico donde está situado el centro influye en el Rendimiento de los estudiantes en Matemáticas? ¿Si lo controlamos por titularidad de centro? F.4. Esta prueba es adecuada cuando las varianzas son desiguales Fuente: Manual base del SPSS. ¿dónde viven los estudiantes que sacan mejores y peores resultados? e. Prueba de comparación por parejas basada en el módulo máximo estudentizado. Games-Howell.4. Esta prueba es adecuada cuando las varianzas son desiguales.4. C de Dunnett. ¿Los estudiantes matriculados en centros públicos obtienen diferente Rendimiento en Matemáticas que los que asisten a centros privados? ¿Si controlamos el efecto del Nivel Socio-Económico de las familias. Martínez-Garrido Página 63 .6. Esta prueba es adecuada cuando las varianzas son desiguales.5.4.8. Prueba de comparación por parejas que es en ocasiones liberal. ¿Existen diferencias significativas en el Rendimiento en Lengua de los estudiantes en función del Hábitat? Si es así. si controlamos el efecto del Nivel Socio-económico? e. de su género y de la interacción entre ambas variables? e. Ejercicios e.J. 4.4. Prueba de comparación por parejas basada en el rango estudentizado. Murillo y C.4. hay diferencias? e.7.4. ¿Existen diferencias significativas en el Rendimiento en Lengua de los estudiantes en función de su hábitat. Análisis de Varianza adecuada cuando las varianzas son desiguales. T3 de Dunnett.

4.J. Martínez-Garrido Página 64 . Análisis de Varianza F. Murillo y C.