Selector guiado · variables, diseño y comprobaciones
¿Qué prueba
estadística usar?
Identifica qué representa cada dato, comprueba normalidad y dispersión cuando corresponda, y elige el análisis. Cada comprobación y prueba incluye código en R y Python.
Decisión 1
¿Qué representa un valor de tu variable?
Mira la columna del resultado que quieres analizar, no la columna que identifica el grupo. Por ejemplo: en «tratamiento / glucosa», el resultado es glucosa.
- El tipo de variable se identifica por su significado; ninguna prueba estadística convierte una variable en categórica.
- Una etiqueta codificada con números sigue siendo una etiqueta: 0 = negativo, 1 = positivo. «Paramétrica» y «no paramétrica» describen enfoques de análisis, no tipos de columnas.
Para practicar en el curso
Empieza con un caso.
Criterios de interpretación
Qué significan los resultados.
El árbol orienta comparaciones de un factor y asociaciones simples. Los ejemplos usan datos ficticios. Las pruebas t, Wilcoxon, signos y correlaciones usan alternativas bilaterales: permiten detectar cambios en ambas direcciones.
Qué revisar con Shapiro–Wilk.
Una muestra: valores de esa muestra. Grupos distintos: cada grupo por separado. Antes/después: diferencias por sujeto. p < 0.05 aporta evidencia contra normalidad; p ≥ 0.05 no la demuestra. Revisa el gráfico Q–Q y el tamaño de muestra.
Qué revisar antes de usar rangos.
Wilcoxon con signo requiere diferencias cuantitativas aproximadamente simétricas. Signos utiliza solo aumentos/disminuciones. Mann–Whitney y Kruskal–Wallis no se interpretan como pruebas de medianas si cambian también la forma o la dispersión de las distribuciones.
Reporta el efecto, no solo la significación.
Incluye tamaño muestral, estadístico, efecto e intervalo de confianza. p > 0.05 no demuestra igualdad, y p < 0.05 no demuestra importancia biológica. Ajusta por comparaciones múltiples cuando corresponda.