MirPirFir.

Estadística inferencial

Pruebas paramétricas y no paramétricas, supuestos, error tipo I y II, potencia y contrastes de hipótesis.

Revisada contra las fuentes50 fuentes46 preguntas reales

El tema cubre la lógica del contraste de hipótesis (H0/H1, nivel de significación, valor p), los errores tipo I y II y la potencia estadística 2530. Se pregunta mucho la interpretación literal del valor p como probabilidad de los datos bajo H0 cierta, y no como probabilidad de que H0 sea verdadera 23. También son recurrentes los supuestos del modelo (normalidad, homocedasticidad, independencia y esfericidad) y las pruebas asociadas a cada uno 11152128. En el bloque de comparación de medias aparecen ANOVA y sus alternativas ante heterocedasticidad (Welch), las comparaciones múltiples post hoc y su efecto sobre el error tipo I, y las pruebas no paramétricas (McNemar, Mann-Whitney) 14172029. Finalmente, se pregunta la definición de potencia (1−β) y sus determinantes: α, n y tamaño del efecto relativo a la variabilidad 30.

Contrastes de hipótesis y errores inferenciales

Elementos del contraste. Se plantea una hipótesis nula (H0, habitualmente "no hay diferencia" o "estado normal") frente a una hipótesis alternativa, y se fija un nivel de significación α que es el criterio de decisión 9. El error de tipo I (α, falso positivo) consiste en rechazar H0 cuando es verdadera; el error de tipo II (β, falso negativo) consiste en no rechazar H0 cuando es falsa 59.

Decisión H0 verdadera H0 falsa
No rechazar H0 Correcto (1−α) Error tipo II (β)
Rechazar H0 Error tipo I (α) Correcto (potencia = 1−β)

La potencia es la probabilidad de rechazar H0 cuando la alternativa es verdadera y se denota 1−β 30.

Qué es exactamente el valor p. Es la probabilidad de obtener un resultado tan extremo o más que el observado suponiendo que H0 es cierta 23. Es decir, es una probabilidad condicional de los datos dado H0, no de H0 dados los datos 3. Un p muy pequeño indica que el resultado observado sería muy improbable bajo H0, y por eso se rechaza H0 cuando p < α 3.

Lo que el valor p NO es. No es la probabilidad de que la hipótesis estudiada sea verdadera, ni la probabilidad de que los datos se deban al azar, ni una medida del tamaño del efecto o de la importancia del resultado; así lo recoge expresamente la declaración de la ASA 2. Tampoco informa por sí solo de la relevancia clínica ni incorpora la potencia o la probabilidad previa del estudio, de ahí las propuestas de métricas alternativas basadas en verosimilitud 1.

Aplicación típica de examen. Si un contraste se fija en α = 0,005, eso significa que la probabilidad de rechazar H0 siendo verdadera (error tipo I) es 0,005; no es la probabilidad de mantener H0 siendo falsa (eso sería β) ni su complementario 59. Si se concluye que existe relación entre variables y en la población no existe, se ha cometido un error de tipo I, ya que se ha rechazado una H0 verdadera 59.

Para el examen

  • Error tipo I = rechazar H0 verdadera (falso positivo); su probabilidad es α 59
  • Error tipo II = no rechazar H0 falsa (falso negativo); su probabilidad es β 59
  • El valor p es P(resultado tan extremo o más | H0 cierta) 23
  • El valor p no es la probabilidad de que H0 sea verdadera ni mide el tamaño del efecto 2
  • Potencia = 1 − β 30
  • Concluir un efecto inexistente en la población es un error de tipo I 59

Supuestos del modelo estadístico y pruebas asociadas

Las pruebas paramétricas exigen que los datos cumplan una serie de supuestos; cuando se violan de forma clara, se recurre a alternativas no paramétricas, que hacen mínimas suposiciones sobre la distribución 14.

Normalidad. Se comprueba con pruebas de bondad de ajuste a la distribución normal: la prueba de Kolmogórov-Smirnov (K-S) contrasta si la distribución de los datos se ajusta a una distribución teórica, y existen versiones (Lilliefors) y alternativas más potentes para el caso de normalidad, como Shapiro-Wilk o Anderson-Darling 1511. K-S es más sensible a las diferencias cerca de la mediana que en las colas 15. La normalidad es un supuesto relevante para pruebas como la t de Student 11.

Homocedasticidad. La igualdad de varianzas se contrasta con pruebas específicas de homogeneidad de varianzas, entre ellas la prueba de Bartlett 28. Conviene no confundirla con las pruebas de normalidad: Bartlett no evalúa normalidad, evalúa igualdad de varianzas 28.

Independencia. La asignación aleatoria de los sujetos a las condiciones es el procedimiento habitual para garantizarla. Cuando se trabaja con datos ordenados en el tiempo o con residuos de una regresión, la autocorrelación se detecta con el estadístico de Durbin-Watson, que contrasta si los residuos están correlacionados en serie 21. Otras pruebas de autocorrelación (Ljung-Box, Breusch-Godfrey) se usan con el mismo propósito en series temporales 23.

Esfericidad (medidas repetidas). En diseños de medidas repetidas se toman varias medidas de la misma variable en los mismos sujetos o en sujetos emparejados 27; en ese contexto hay que comprobar el supuesto de esfericidad, y la prueba que el examen asocia a este supuesto es la de Mauchly.

Resumen operativo. Normalidad → K-S / Shapiro-Wilk / Anderson-Darling; homocedasticidad → Bartlett (y Levene en la práctica aplicada); independencia de residuos → Durbin-Watson; esfericidad → Mauchly 152128.

Para el examen

  • K-S es una prueba de bondad de ajuste: sirve para ver si los datos se ajustan a una distribución teórica como la normal 15
  • Shapiro-Wilk y Anderson-Darling son alternativas más potentes que K-S para evaluar normalidad 15
  • Durbin-Watson analiza la autocorrelación de los residuos, es decir, el supuesto de independencia 21
  • Bartlett es una prueba de homogeneidad de varianzas, no de normalidad 28
  • Las pruebas no paramétricas se usan cuando no se cumplen los supuestos de las paramétricas 14
  • En medidas repetidas hay múltiples medidas de la misma variable en los mismos sujetos o emparejados 27

Pruebas no paramétricas y análisis de tablas de contingencia

Cuándo usarlas. La estadística no paramétrica hace mínimas suposiciones sobre la distribución de los datos y se emplea sobre todo cuando los supuestos de las pruebas paramétricas se violan de forma evidente, o con variables nominales/ordinales y muestras pequeñas 14.

McNemar. Se aplica a datos nominales dicotómicos aparcados en tablas 2×2, con pares de sujetos emparejados o medidas repetidas en los mismos sujetos, y contrasta la homogeneidad marginal (si las frecuencias marginales de filas y columnas son iguales) 17. Su uso clásico es valorar si cambia la presencia de un síntoma antes y después de un tratamiento, o comparar la sensibilidad y especificidad de dos pruebas diagnósticas aplicadas a los mismos pacientes 1726. No sirve para comparar tres o más grupos independientes 17.

Otras no paramétricas que aparecen como alternativas.

  • Mann-Whitney: comparación de dos grupos independientes cuando no se puede asumir normalidad (alternativa a la t para muestras independientes) 14.
  • Wilcoxon: dos medidas relacionadas.
  • Q de Cochran: diseños de bloques aleatorizados con respuesta dicotómica (0/1) y k tratamientos, para ver si los tratamientos tienen efectos idénticos; no debe confundirse con la prueba C de Cochran 25.

Chi cuadrado. La prueba χ² de Pearson sirve para decidir si existe una diferencia estadísticamente significativa entre frecuencias esperadas y observadas en una o más categorías de una tabla de contingencia; con tamaños muestrales pequeños se sustituye por la prueba exacta de Fisher 28. Como condición de aplicación se exige que no haya demasiadas casillas con frecuencia esperada baja: la regla que maneja el examen es que no más del 20% de las frecuencias esperadas sean menores que 5.

Elección de prueba según la hipótesis. Cuando se comparan dos grupos en una variable cuantitativa, si la hipótesis es sobre la forma de la distribución (por ejemplo, que las puntuaciones de un grupo son más elevadas sin asumir normalidad) se usa una prueba no paramétrica (Mann-Whitney); si la hipótesis es sobre medias y se asume normalidad, la t para muestras independientes 1411.

Para el examen

  • McNemar: datos dicotómicos aparcados, contraste de homogeneidad marginal, típicamente antes-después 17
  • McNemar también se usa para comparar dos pruebas diagnósticas en los mismos pacientes 17
  • Las no paramétricas se eligen cuando se violan los supuestos de las paramétricas 14
  • Chi cuadrado de Pearson compara frecuencias observadas y esperadas en tablas de contingencia 28
  • Con muestras pequeñas en tablas de contingencia se emplea la prueba exacta de Fisher 28
  • La Q de Cochran es para k tratamientos con respuesta dicotómica en bloques 25

ANOVA unifactorial y comparaciones múltiples

Lógica del ANOVA. El análisis de varianza compara la variación entre las medias de los grupos con la variación dentro de cada grupo; si la variación entre grupos es sustancialmente mayor que la intragrupal, se concluye que las medias probablemente difieren, y el contraste se realiza con la F 20. Se basa en la ley de la varianza total, que descompone la variabilidad en componentes atribuibles a distintas fuentes (entre e intra grupos) 20. Fue desarrollado por Ronald Fisher y generaliza la t de Student a más de dos medias 20.

Incumplimiento de la homocedasticidad. Cuando las varianzas no son homogéneas (y más aún si el diseño está desequilibrado), la F ordinaria no es fiable y se emplean estadísticos robustos: la W de Welch o la F de Brown-Forsythe. En datos heterocedásticos y no equilibrados el procedimiento habitual es la ANOVA de Welch, acompañada de comparaciones post hoc robustas tipo Games-Howell 29. Ojo: las pruebas de homogeneidad (Bartlett, Levene, F máxima de Hartley) sirven para detectar el problema, no para sustituir a la F 2829.

Comparaciones múltiples. Al hacer varios contrastes sobre los mismos datos se infla la tasa de error tipo I por familia; los procedimientos post hoc y las correcciones del nivel de significación existen para controlarla. Criterios que pregunta el examen:

  • Todas las comparaciones por pares, post hoc y con supuestos cumplidos → HSD de Tukey (controla el error tipo I y mantiene buena potencia).
  • Pocas comparaciones planificadas a priori → corrección de Bonferroni (o Dunn-Bonferroni).
  • Comparar un grupo control con el resto de condiciones → Dunnett.
  • Newman-Keuls no es la opción adecuada para el caso control frente al resto.

Tamaño del efecto en ANOVA. Además de la F se informa del tamaño del efecto, por ejemplo η², que expresa la proporción de varianza explicada por el factor; en la práctica se reporta junto con las comparaciones post hoc para distinguir significación estadística de relevancia 29.

Para el examen

  • ANOVA compara varianza entre grupos con varianza intra grupos mediante F 20
  • El ANOVA fue desarrollado por Fisher y generaliza la t a más de dos medias 20
  • Con heterocedasticidad y diseño no equilibrado se usa la W de Welch 29
  • Las pruebas de homogeneidad detectan heterocedasticidad; no son la alternativa a F 2829
  • η² se usa como medida del tamaño del efecto en ANOVA 29
  • Las comparaciones múltiples se hacen para controlar el error tipo I por familia

ANOVA factorial, medidas repetidas y ANCOVA

ANOVA con más de un factor. Cuando hay dos o más factores se obtienen efectos principales (efecto de un factor promediando los niveles del otro) y efectos de interacción. La interacción significa que el efecto de un factor depende del nivel del otro; si es estadísticamente significativa, la interpretación de los efectos principales queda subordinada a ella y hay que describir los efectos simples 20.

Reglas de interpretación que evalúa el examen:

  • Un efecto simple es el efecto de un factor en un único nivel del otro factor.
  • La interacción significativa es la que justifica el análisis de efectos simples; sin interacción significativa ese análisis no tiene sentido.
  • Que el efecto de interacción sea significativo no exige que los efectos principales también lo sean: son contrastes independientes.
  • Interpretar los efectos principales como si fueran generalizables cuando hay interacción significativa es un error de interpretación.
  • El efecto moderador de una tercera variable se estudia precisamente como interacción entre esa variable y el factor.

Medidas repetidas. Diseño en el que se toman varias medidas de la misma variable en los mismos sujetos o en sujetos emparejados, en distintas condiciones o a lo largo del tiempo 27. Su supuesto específico es la esfericidad, que se comprueba con la prueba de Mauchly; su incumplimiento obliga a corregir los grados de libertad.

ANCOVA. El análisis de covarianza combina el ANOVA con la regresión y se utiliza para controlar estadísticamente una variable perturbadora (covariable) medida antes del tratamiento, reduciendo la varianza de error y aumentando la potencia. Es control estadístico, no experimental: no es un procedimiento de control experimental, y en metodología cuasiexperimental sirve para atenuar el sesgo de selección. El examen explota justamente esa confusión entre control estadístico y control experimental.

Para el examen

  • Con interacción significativa hay que interpretar efectos simples, no efectos principales 20
  • La interacción significativa es independiente de que los efectos principales lo sean 20
  • En medidas repetidas se mide varias veces la misma variable en los mismos sujetos 27
  • La esfericidad es el supuesto específico de las medidas repetidas
  • La ANCOVA controla estadísticamente la covariable y aumenta la potencia

Potencia estadística y tamaño del efecto

Definición. En estadística frecuentista, la potencia es la probabilidad de detectar un efecto (rechazar H0) dado que ese efecto existe realmente, con una prueba y un contexto determinados; se denota 1−β, donde β es la probabilidad de error tipo II 30.

De qué depende. La potencia es función de: la prueba utilizada (estadístico y nivel de significación elegido), el tamaño de la muestra (más datos suelen dar más potencia) y el tamaño del efecto, entendido como la magnitud del efecto o correlación en relación con la variabilidad de los datos 30. De ahí las reglas que pregunta el examen:

  • A mayor tamaño del efecto (d grande) y menor desviación estándar poblacional (σ pequeña), mayor potencia 30.
  • A mayor n, menor varianza de la distribución muestral de las medias y, para un mismo tamaño del efecto, menor superposición entre distribuciones → mayor potencia 30.
  • A menor α (criterio más estricto), menor potencia: se hace más difícil rechazar H0.
  • La potencia crece al aumentar n y al aumentar α, no al contrario.

Tamaño del efecto frente a significación. Un resultado significativo no equivale a un efecto importante: el valor p no mide la magnitud ni la relevancia del efecto 2. Por eso se informan índices de tamaño del efecto junto con los contrastes, como η² en el ANOVA (proporción de varianza explicada) 29.

Índices que aparecen en el examen.

  • d de Cohen: diferencia estandarizada entre medias.
  • η²: proporción de varianza explicada; en un modelo de regresión equivale al coeficiente de determinación.
  • ω² (omega cuadrado): estimador del tamaño del efecto menos sesgado que η² por el tamaño muestral (se desaconseja η² para estimar la proporción de varianza explicada).
  • f de Cohen: tamaño del efecto cuando se comparan más de dos medias.
  • Delta de Cliff: índice no paramétrico, no paramétrico-«paramétrico»; nunca es un estimador paramétrico.

Idea clave. Un F estadísticamente significativo no implica siempre un efecto importante; significación y magnitud son cuestiones distintas 229.

Para el examen

  • Potencia = probabilidad de rechazar H0 cuando la alternativa es verdadera = 1−β 30
  • La potencia depende de la prueba y su α, del tamaño muestral y del tamaño del efecto 30
  • Efectos grandes respecto a la variabilidad de los datos dan más potencia 30
  • Un resultado significativo no implica un efecto grande ni clínicamente relevante 2
  • η² cuantifica la proporción de varianza explicada en ANOVA 29
  • Las correcciones post hoc controlan el error tipo I, no aumentan la potencia

Trampas habituales

  • Leer p = 0,001 como «probabilidad del 0,1% de que H0 sea cierta»: el valor p es P(datos tan extremos | H0), nunca P(H0 | datos) 23
  • Confundir α con β: α es la probabilidad de rechazar H0 siendo verdadera; «mantener H0 siendo falsa» es β y su complementario es la potencia 530
  • Responder que un resultado significativo implica un efecto importante o clínicamente relevante: la significación no mide el tamaño del efecto 2
  • Atribuir a Kolmogorov-Smirnov la comprobación de homocedasticidad: K-S es bondad de ajuste/normalidad 15
  • Usar Durbin-Watson para normalidad: mide autocorrelación de residuos, es decir, independencia 21
  • Decir que Bartlett comprueba normalidad: es una prueba de homogeneidad de varianzas 28
  • Emplear McNemar para tres o más grupos: es para datos dicotómicos aparcados (antes-después o dos pruebas en los mismos sujetos) 17
  • Pensar que las pruebas post hoc o la corrección de Bonferroni aumentan la potencia: su objetivo es controlar el error tipo I por familia, a costa de potencia
  • Elegir la prueba de homogeneidad (Levene, Bartlett) como sustituto de la F cuando hay heterocedasticidad: la alternativa es Welch o Brown-Forsythe 2829
  • Confundir control estadístico con control experimental en la ANCOVA: la covariable se controla estadísticamente, no asignando sujetos
  • Asumir que la interacción significativa exige efectos principales significativos: son contrastes independientes 20

Autores clave

Ronald Fisher
Desarrolló el análisis de la varianza, que generaliza la comparación de medias de la t de Student a dos o más grupos 20
Quinn McNemar
Introdujo en 1947 la prueba que lleva su nombre para datos nominales aparcados en tablas 2×2, con el fin de valorar la homogeneidad marginal 17
Kolmogorov y Smirnov
Dieron nombre a la prueba no paramétrica de bondad de ajuste entre dos distribuciones de probabilidad, usada para evaluar normalidad 15
Durbin y Watson
Desarrollaron el estadístico que detecta autocorrelación en los residuos de una regresión, relacionado con el supuesto de independencia 21
Bartlett
Da nombre a la prueba de homogeneidad de varianzas, que es una prueba χ² de igualdad de varianzas 28
Ljung y Box
Propusieron la prueba Q de Ljung-Box para evaluar si un conjunto de autocorrelaciones de una serie temporal difieren de cero 23
W. G. Cochran
Da nombre a la prueba Q para diseños de bloques aleatorizados con respuesta dicotómica y k tratamientos 25

Glosario

Valor p
Probabilidad de obtener un resultado tan extremo o más que el observado si H0 es cierta 3
Error tipo I
Rechazar H0 siendo verdadera; falso positivo, con probabilidad α 59
Error tipo II
No rechazar H0 siendo falsa; falso negativo, con probabilidad β 59
Potencia estadística
Probabilidad de rechazar H0 cuando la hipótesis alternativa es verdadera; equivale a 1−β 30
Nivel de significación
Criterio α fijado por el investigador, relacionado con la probabilidad de error tipo I 9
ANOVA
Conjunto de métodos que comparan medias de dos o más grupos descomponiendo la varianza total y usando el contraste F 20
Prueba no paramétrica
Prueba que hace mínimas suposiciones sobre la distribución de los datos; se usa cuando fallan los supuestos paramétricos 14
Prueba de Kolmogorov-Smirnov
Prueba no paramétrica de bondad de ajuste entre dos distribuciones, aplicable a la comprobación de normalidad 15
Estadístico de Durbin-Watson
Prueba que detecta autocorrelación en los residuos de una regresión, ligada al supuesto de independencia 21
Prueba de McNemar
Prueba sobre datos nominales aparcados en tablas 2×2 que contrasta la igualdad de las frecuencias marginales 17
Homocedasticidad
Igualdad de varianzas entre grupos; su comprobación se hace con pruebas como la de Bartlett 28
Prueba χ² de Pearson
Contrasta si hay diferencias entre frecuencias esperadas y observadas en las categorías de una tabla de contingencia 28

Preguntas reales de este tema

Fuentes

  1. 1A likelihood-based approach to P-value interpretation provided a novel, plausible, and clinically useful research study metric. · Adams NG, O'Reilly G., 2017 · Artículo
  2. 2P-value · Wikipedia (en) · acceso abierto
  3. 3Valor p · Wikipedia · acceso abierto
  4. 4Performance of artificial intelligence versus clinician left-ventricular segmentation of cardiac MRI for mortality prediction: a retrospective, multicentre, prognostic study. · Joy G, Punjabi K, Searle G, Abdulelah Z, Gantur T, Pierce I, Thornton GD, Meredith B, Shiwani H, Curtis M, Cashin S,…, 2027 · Artículo
  5. 5Type I and type II errors · Wikipedia (en) · acceso abierto
  6. 6Valor p-ádico · Wikipedia · acceso abierto
  7. 7Impact of Information Leakage in Platform Trials With Survival Endpoints on Type I Error Control. · Nguyen Q, Posch M, Hofner B, König F., 2026 · Artículo
  8. 8Student's t-test · Wikipedia (en) · acceso abierto
  9. 9Errores de tipo I y de tipo II · Wikipedia · acceso abierto
  10. 10New frontiers in the p-hacking practices: assessing the effect of data peeking practice on type-I error rate through computational modeling. · Freuli F, Noventa S, Lombardi L., 2026 · Artículo · acceso abierto
  11. 11Normality test · Wikipedia (en) · acceso abierto
  12. 12Error de aproximación · Wikipedia · acceso abierto
  13. 13Computed tomography of the occipital bone for sex estimation in Turks. · Arslan E, Soğukpınar VO, Kul M, Bilge Y., 2026 · Artículo · acceso abierto
  14. 14Nonparametric statistics · Wikipedia (en) · acceso abierto
  15. 15Prueba de Kolmogórov-Smirnov · Wikipedia · acceso abierto
  16. 16Ethical and academic factors influencing the moral courage of nursing students. · Jantara RD, Barlem JGT, Stigger DADS, Rocha SSD, Azevêdo RGV, Barlem ELD, Baratieri T, Borba KP., 2026 · Artículo · acceso abierto
  17. 17McNemar's test · Wikipedia (en) · acceso abierto
  18. 18Smirnov · Wikipedia · acceso abierto
  19. 19Leukocyte Profiles in Breeding Female and Pup Southern Elephant Seals (&lt;i&gt;Mirounga leonina&lt;/i&gt;) in Relation to Lactation and Body Condition. · Descayrac P, Bichet C, Badaut J, Picard B, Guinet C, López-Ramon J, Lizana V, Gilbert C., 2026 · Artículo · acceso abierto
  20. 20Analysis of variance · Wikipedia (en) · acceso abierto
  21. 21Estadístico de Durbin-Watson · Wikipedia · acceso abierto
  22. 22Validation and comparison of two prearrest prediction scores for in-hospital cardiac arrest survival. · Karim H, Piscator E, Riva G, Ekvall KO, Lauridsen KG, Djärv T., 2026 · Artículo · acceso abierto
  23. 23Prueba de Ljung-Box · Wikipedia · acceso abierto
  24. 24Psychometric Measures of Instruments of Occupational Performance in Children With Developmental Coordination Disorder: A Systematic Review. · Favilla M, de Souza CB, de Oliveira JA, Rebustini F, Hasue RH., 2026 · Artículo · acceso abierto
  25. 25Prueba Q de Cochran · Wikipedia · acceso abierto
  26. 26On two-sample McNemar test. · Xiang JX., 2016 · Artículo
  27. 27Repeated measures design · Wikipedia (en) · acceso abierto
  28. 28Prueba χ² · Wikipedia · acceso abierto
  29. 29Industry Effects on ESG Performance in Asia–Pacific: Robust Welch ANOVA Games–Howell Evidence · Tran TK, Tran HV., 2026 · Artículo
  30. 30Power (statistics) · Wikipedia (en) · acceso abierto
  31. 31&lt;i&gt;Mycobacterium tuberculosis&lt;/i&gt; suppresses protective Th17 responses during infection. · Zilinskas A, Balakhmet A, Fox D, Ni HM, Agudelo C, Samani H, Stanley SA., 2026 · Artículo · acceso abierto
  32. 32Mann–Whitney U test · Wikipedia (en) · acceso abierto
  33. 33SPSS 31.0 Versus GPT-5.5: Performance Across Core Epidemiological and Non-parametric Statistics in Medicine and Applied Health Sciences. · Strale FF, German R, Mendes-Kramer V, Hammer SB, Hajek M, Fulbright WP, Ehrman R, Sherwin R., 2026 · Artículo · acceso abierto
  34. 34Wilcoxon signed-rank test · Wikipedia (en) · acceso abierto
  35. 35Intramasseteric versus pterygomandibular space dexamethasone injection for oedema and trismus after mandibular third molar surgery: a randomised split-mouth clinical trial. · Pektaş MY, Topal O., 2026 · Artículo · acceso abierto
  36. 36Hepcidin as a Biomarker of Response to Antifibrotic Therapy in Idiopathic Pulmonary Fibrosis. · Yilmaz Gunes G, Çoban H, Erel F, Akış Yılmaz M, Sarioglu N, Colak M, Yumrukuz Senel M., 2026 · Artículo · acceso abierto
  37. 37Omnibus test · Wikipedia (en) · acceso abierto
  38. 38Long-term outcomes of orthokeratology in eyes with myopic regression after photorefractive keratectomy (PRK): a retrospective clinical study of 12 eyes. · Rotondi A, Stratta C, Colandrea C, Frisani M., 2026 · Artículo · acceso abierto
  39. 39Mauchly's sphericity test · Wikipedia (en) · acceso abierto
  40. 40Earthquake magnitude estimation using an optimized CNN-DNN-GRU model with binary differential evolution and firefly algorithm. · Ahmed N, Abbas S, Fouad Y, Osman AM, El-Bakry HM, Elshewey AM., 2026 · Artículo · acceso abierto
  41. 41Evaluating different large language model performances in evidence-based dental implantology: a blinded controlled experimental evaluation using expert panel assessment. · Alevizakos V, Gaudin R, Ghanad I, von See J, von See T, Eggmann F, von See C., 2026 · Artículo · acceso abierto
  42. 42F-test · Wikipedia (en) · acceso abierto
  43. 43Ricardo Levene (hijo) · Wikipedia · acceso abierto
  44. 44Protocol for the standardized design of Morris water maze experiments and statistical analysis using SPSS. · Hu XY, Xu MJ, Liu XH, Xia T, Zhou QG, Jiang JD, Zhang J., 2026 · Artículo · acceso abierto
  45. 45Statistical hypothesis test · Wikipedia (en) · acceso abierto
  46. 46Sam Levene · Wikipedia · acceso abierto
  47. 47On the use of post-hoc tests in environmental and biological sciences: A critical review. · Agbangba CE, Sacla Aide E, Honfo H, Glèlè Kakai R., 2024 · Artículo · acceso abierto
  48. 48Análisis de componentes principales · Wikipedia · acceso abierto
  49. 49Support Strategies to Enhance Adherence to a Prescription Digital Therapeutic for Erectile Dysfunction: Retrospective Quasi-Experimental Cohort Study. · Dieter L, Haschke M, Miller K, Wiemer LE., 2026 · Artículo · acceso abierto
  50. 50Chi-squared test · Wikipedia (en) · acceso abierto

Guía de estudio personal, elaborada a partir de las fuentes citadas y revisada contra ellas y contra la plantilla oficial de respuestas. No es material oficial y puede contener errores: si ves alguno, contrasta con el manual.