¿Cuándo podría necesitar utilizar esta prueba? (cont…)
Un segundo diseño de estudio consiste en reclutar un grupo de individuos y luego dividirlos en grupos en función de alguna variable independiente. De nuevo, cada individuo será asignado a un solo grupo. Esta variable independiente se denomina a veces variable independiente de atributo porque se está dividiendo el grupo en función de algún atributo que posean (por ejemplo, su nivel de educación; cada individuo tiene un nivel de educación, incluso si es «ninguno»). A continuación, se mide a cada grupo en la misma variable dependiente al haberse sometido a la misma tarea o condición (o a ninguna). Por ejemplo, un investigador está interesado en determinar si existen diferencias en la fuerza de las piernas entre los jugadores de rugby aficionados, semiprofesionales y profesionales. La fuerza/fuerza medida en una máquina isocinética es la variable dependiente. Este tipo de diseño de estudio se ilustra de forma esquemática en la siguiente figura:
¿Por qué no comparar los grupos con pruebas t múltiples?
Cada vez que se realiza una prueba t existe la posibilidad de cometer un error de tipo I. Este error suele ser del 5%. Al realizar dos pruebas t sobre los mismos datos habrá aumentado su probabilidad de «cometer un error» al 10%. La fórmula para determinar la nueva tasa de error para las pruebas t múltiples no es tan sencilla como multiplicar el 5% por el número de pruebas. Sin embargo, si sólo realiza unas pocas comparaciones múltiples, los resultados son muy similares si lo hace. Así, tres pruebas t serían el 15% (en realidad, el 14,3%) y así sucesivamente. Estos son errores inaceptables. Un ANOVA controla estos errores para que el error de tipo I se mantenga en el 5% y puedas estar más seguro de que cualquier resultado estadísticamente significativo que encuentres no se debe a la realización de muchas pruebas. Consulte nuestra guía sobre pruebas de hipótesis para obtener más información sobre los errores de tipo I.