Cuando trabajas con datos que no cumplen los supuestos de normalidad o tienes muestras muy pequeñas, las pruebas paramétricas dejan de ser fiables. En jamovi puedes realizar las alternativas no paramétricas más comunes —Mann-Whitney, Wilcoxon y Kruskal-Wallis— con unos pocos clics. Esta guía te explica cuándo usar cada una, los pasos exactos en el programa y cómo interpretar los resultados para tu TFG, con ejemplos de redacción APA y errores típicos que debes evitar.
Tabla de decisión: qué prueba no paramétrica elegir
Antes de abrir jamovi, identifica el diseño de tu estudio. Esta tabla te ayuda a decidir rápidamente:
| Diseño | Prueba no paramétrica en jamovi | Equivalente paramétrica |
|---|---|---|
| Dos grupos independientes (ej. hombres vs. mujeres) | U de Mann-Whitney | Prueba t para muestras independientes |
| Dos mediciones del mismo grupo (ej. antes y después) | Rango de Wilcoxon | Prueba t para muestras relacionadas |
| Tres o más grupos independientes (ej. tres métodos de enseñanza) | H de Kruskal-Wallis | ANOVA de un factor |
Si tienes dudas sobre la normalidad de tus datos, revisa primero la guía para comprobar la normalidad en jamovi.
Prueba U de Mann-Whitney en jamovi
Cuándo usarla
Comparas dos grupos independientes (por ejemplo, grupo control y grupo experimental) y la variable dependiente es ordinal o continua pero no sigue una distribución normal. También es útil cuando el tamaño de los grupos es muy desigual o hay valores atípicos que distorsionan la media.
Pasos en jamovi
- Ve al menú Analyses → T-Tests → Independent Samples T-Test.
- En el panel de la derecha, lleva la variable dependiente al campo Dependent Variable y la variable de grupo a Grouping Variable.
- En la sección Additional Statistics, marca Mann-Whitney U.
- Para el tamaño del efecto, activa Effect size y elige Rank biserial correlation.
- Si quieres el intervalo de confianza del 95%, márcalo también en esa misma sección.
Cómo leer la salida
Jamovi muestra una tabla con el estadístico U, el valor p y la correlación biserial de rangos. Si el valor p es menor a 0.05, rechazas la hipótesis nula. La correlación biserial de rangos indica la magnitud del efecto: valores cercanos a 0.10 se consideran pequeños, 0.30 medianos y 0.50 grandes. Fíjate también en el estadístico U: si es muy pequeño respecto al máximo posible, suele indicar una diferencia clara entre los grupos.
Ejemplo de redacción APA
«Se realizó una prueba U de Mann-Whitney para comparar las puntuaciones entre el grupo control (Mediana = 12.00) y el grupo experimental (Mediana = 18.50). Los resultados mostraron una diferencia significativa, U = 23.00, p = 0.008, correlación biserial de rangos = 0.68.»
Puedes comprobar el cálculo con la calculadora de Mann-Whitney.
Prueba de rangos de Wilcoxon en jamovi
Cuándo usarla
Tienes dos mediciones emparejadas: el mismo sujeto evaluado en dos momentos (antes/después) o dos condiciones relacionadas (por ejemplo, mano dominante vs. no dominante). También es adecuada cuando los datos son ordinales y quieres comparar las diferencias entre pares.
Pasos en jamovi
- Ve a Analyses → T-Tests → Paired Samples T-Test.
- Selecciona las dos variables emparejadas en los campos Pair 1 (Variable 1 y Variable 2).
- En Additional Statistics, marca Wilcoxon rank.
- Activa Effect size y elige Rank biserial correlation.
Cómo leer la salida
La tabla muestra el estadístico W, el valor p y la correlación biserial de rangos. Si el valor p es significativo, las dos mediciones difieren. El estadístico W es la suma de los rangos positivos; jamovi lo calcula automáticamente. Un W muy grande o muy pequeño respecto al valor esperado indica una diferencia clara. Además, revisa el número de empates si los hay, porque pueden afectar el resultado.
Ejemplo de redacción APA
«La prueba de rangos de Wilcoxon indicó que las puntuaciones después de la intervención (Mediana = 8.00) fueron significativamente más altas que antes (Mediana = 5.00), W = 45.00, p = 0.002, correlación biserial de rangos = 0.72.»
Verifica los resultados con la calculadora de Wilcoxon.
Prueba H de Kruskal-Wallis en jamovi
Cuándo usarla
Comparas tres o más grupos independientes (por ejemplo, tres tratamientos distintos) y la variable dependiente no cumple la normalidad. Es la alternativa no paramétrica al ANOVA de un factor. También funciona si los grupos tienen tamaños muy diferentes, aunque conviene tener al menos 5 observaciones por grupo para que la prueba sea fiable.
Pasos en jamovi
- Ve a Analyses → ANOVA → One-Way ANOVA.
- Lleva la variable dependiente a Dependent Variable y la variable de grupo a Grouping Variable.
- En la sección Additional Options, marca Kruskal-Wallis.
- Para las comparaciones por pares post-hoc, activa Dwass-Steel-Critchlow-Fligner (DSCF). Es el método que recomienda jamovi para Kruskal-Wallis.
- Para el tamaño del efecto, marca Epsilon squared (ε²).
Cómo leer la salida
Jamovi presenta el estadístico H (χ² aproximado), los grados de libertad y el valor p. Si p es significativo, al menos un grupo difiere de los demás. La tabla de comparaciones por pares DSCF te indica qué pares concretos son diferentes. El épsilon cuadrado (ε²) mide el tamaño del efecto: 0.01 es pequeño, 0.06 mediano y 0.14 grande. Si no ves el ε², asegúrate de haberlo marcado en las opciones.
Ejemplo de redacción APA
«Se realizó una prueba de Kruskal-Wallis para comparar las puntuaciones entre los tres grupos (A, B y C). Los resultados mostraron diferencias significativas, H(2) = 12.45, p = 0.002, ε² = 0.34. Las comparaciones por pares DSCF revelaron diferencias significativas entre los grupos A y C (p = 0.001) y entre B y C (p = 0.008), pero no entre A y B (p = 0.210).»
Puedes contrastar el cálculo con la calculadora de Kruskal-Wallis.
Errores frecuentes al usar pruebas no paramétricas en jamovi
- Usar Mann-Whitney con datos emparejados. Si las mediciones vienen del mismo sujeto, necesitas Wilcoxon. Revisa siempre la estructura de tus datos antes de elegir.
- Olvidar las comparaciones post-hoc en Kruskal-Wallis. El resultado global solo dice que hay diferencias, no entre qué grupos. Sin DSCF no puedes concluir qué grupos son distintos.
- No reportar las medianas. En pruebas no paramétricas se usan medianas en lugar de medias. Jamovi no las calcula automáticamente en estas pruebas; puedes obtenerlas con Descriptives → Descriptive Statistics y seleccionando la mediana.
- Confundir el estadístico U con el estadístico W. Mann-Whitney da U; Wilcoxon da W. Son distintos, no los intercambies en tu informe. Si usas la calculadora de la web, verás que cada una usa su estadístico correcto.
- Interpretar el valor p sin contexto. Un p significativo no implica un efecto grande. Siempre reporta el tamaño del efecto para que el lector entienda la magnitud de la diferencia.
Qué hacer si los resultados no son significativos
Si obtienes un valor p mayor a 0.05, no rechazas la hipótesis nula. Eso no significa que no haya diferencia, sino que no hay evidencia suficiente para afirmarla. Comprueba el tamaño de la muestra: con pocos sujetos las pruebas no paramétricas tienen menos potencia. También revisa si hay valores atípicos extremos que estén ocultando un efecto real. En ese caso, puedes repetir el análisis eliminando esos casos y ver si cambia el resultado.
Preguntas frecuentes
¿Puedo usar pruebas no paramétricas si mi muestra es grande?
Sí, pero las pruebas paramétricas suelen tener más potencia con muestras grandes que cumplen normalidad. Si tienes dudas, combina la prueba de normalidad con la inspección visual de los histogramas. Con más de 30 sujetos por grupo, la prueba t puede ser robusta incluso con desviaciones moderadas de la normalidad.
¿Jamovi calcula el tamaño del efecto para todas las pruebas no paramétricas?
Sí. Para Mann-Whitney y Wilcoxon ofrece la correlación biserial de rangos. Para Kruskal-Wallis da el épsilon cuadrado. En versiones antiguas puede que tengas que calcularlo aparte; en la actual (2.3 y superiores) viene integrado. Si no ves la opción, actualiza jamovi a la última versión.
¿Qué hago si mi variable de grupo tiene más de dos categorías y quiero comparar solo dos?
Usa Mann-Whitney con un subconjunto de los datos. En jamovi puedes filtrar los casos con Filter en la pestaña de datos, o crear una nueva variable que agrupe solo las categorías que te interesan. No uses Kruskal-Wallis para comparar solo dos grupos porque pierdes potencia.
¿Las pruebas no paramétricas requieren homogeneidad de varianzas?
No, es una ventaja frente a las paramétricas. Sin embargo, si las varianzas son muy diferentes, interpreta los resultados con cautela. Puedes complementar con una prueba de Levene para ver si la diferencia de varianzas es muy grande.
¿Puedo usar estas pruebas si tengo valores perdidos?
Sí, jamovi excluye automáticamente los casos con valores perdidos en las variables que estás analizando. Pero asegúrate de que el número de casos válidos sea suficiente para cada prueba. Si tienes muchos perdidos, considera imputarlos o justificar su exclusión en tu TFG.
Para más guías sobre este programa, visita la página principal de jamovi en SPSSGratis.