Prueba t de Student para tesis: supuestos y cómo reportarla

Tienes dos grupos, una variable medida con un instrumento cuantitativo y una hipótesis que afirma que sus promedios son distintos. Ese es justo el escenario en el que la prueba t de Student para tesis se vuelve la herramienta central de tu capítulo de análisis de datos. Los casos típicos son grupo experimental contra grupo control, turno matutino contra vespertino, o antes y después de una intervención. La lógica siempre es la misma: comparar dos medias y decidir si la diferencia observada es real o si puede explicarse por el azar del muestreo.

El problema es que muchos comités tutorales devuelven capítulos metodológicos no porque la prueba esté mal calculada, sino porque el tesista nunca demostró que tenía derecho a usarla. La t de Student es una prueba paramétrica. Eso significa que descansa en supuestos que debes comprobar y reportar antes de interpretar cualquier valor p. Si los saltas, tu sinodal lo notará en la primera lectura.

La guía sigue el orden en que un lector experto revisa tu capítulo. Primero, qué variante elegir. Después, qué supuestos verificar y qué hacer cuando fallan. Al final, cómo redactar el resultado en APA 7 y qué errores evitar. Los ejemplos están pensados para tesis de universidades mexicanas en educación, salud, psicología e ingeniería.

Qué es la prueba t de Student y qué pregunta responde

La tradición metodológica que Hernández Sampieri y sus coautores difundieron en las aulas mexicanas ubica la t de Student entre las pruebas estadísticas inferenciales para hipótesis de diferencia entre grupos. Su pregunta es concreta: ¿la media del grupo A difiere de la media del grupo B más de lo que esperaríamos si ambos grupos vinieran de la misma población?

El estadístico t es, en esencia, una razón. En el numerador está la diferencia entre medias y en el denominador, el error estándar de esa diferencia. Mientras más grande sea la diferencia en relación con la variabilidad de los datos, más grande será t y más pequeño el valor p.

Según la literatura metodológica indexada en SciELO, sus fundamentos descansan en dos premisas principales: la distribución normal de las muestras y su independencia. Su aplicación ideal está en la comparación de muestras pequeñas, de N ≤ 30, o en el contraste de diferencias entre medias (análisis de los fundamentos de la prueba t). Eso no la vuelve inválida con muestras más grandes. Indica que fue pensada precisamente para cuando no cuentas con cientos de casos, que es la realidad de muchas tesis de licenciatura y maestría.

Para que la prueba tenga sentido, tu planteamiento necesita dos piezas bien definidas:

• Variable dependiente cuantitativa, medida en escala de intervalo o de razón. Por ejemplo: calificaciones, puntaje total de una escala, tiempo de reacción, presión arterial o resistencia a la compresión.
• Variable independiente dicotómica, de nivel nominal, que define exactamente dos grupos o dos momentos. Por ejemplo: tipo de escuela, sexo, grupo experimental contra control, o pretest contra postest.

Quizá todavía no tienes claro cómo se traduce tu variable en indicadores e ítems medibles. En ese caso, resuélvelo antes de pensar en el análisis; este ejemplo de operacionalización de variables con indicadores e ítems muestra el procedimiento completo. Una prueba estadística impecable no rescata una variable mal definida.

Las tres variantes de la prueba t y cuándo usar cada una

Elegir la variante equivocada es uno de los errores más costosos, porque invalida el resultado aunque los cálculos sean correctos. Las tres variantes comparten la misma lógica, pero responden a diseños de investigación distintos.

Independientes o relacionadas: la pregunta que decide

Pregúntate si cada dato de un grupo tiene una pareja natural en el otro. Si mides a las mismas personas dos veces, la respuesta es sí. También lo es cuando emparejas a cada participante con otro de características equivalentes, o cuando mides el ojo izquierdo y el derecho del mismo paciente. En todos esos casos las muestras son relacionadas.

Si los grupos están formados por personas distintas y no existe ningún criterio de emparejamiento, son independientes. Confundir ambos diseños altera el error estándar y, con él, toda la conclusión.

La variante para una muestra aparece con frecuencia en ingeniería, cuando comparas el desempeño de un material contra una especificación. Si tu proyecto va por ahí, la guía para diseñar un experimento con mezclas de concreto te ayuda a definir réplicas y tratamientos antes de llegar al contraste estadístico.

Supuestos de la prueba t de Student para tesis: cómo verificarlos

Este es el apartado que separa un capítulo metodológico sólido de uno que regresa con correcciones. La prueba t de Student para tesis exige que demuestres, con evidencia y no con suposiciones, que tus datos cumplen sus condiciones. Revisa cada una en este orden.

1. Nivel de medición adecuado

La variable dependiente debe estar en escala de intervalo o de razón, y la independiente debe ser categórica con exactamente dos niveles. Este supuesto se verifica desde el diseño, no con un software: lo justificas al describir tus instrumentos. Si usas escalas psicométricas, trabaja con el puntaje total de un instrumento validado y no con ítems aislados. El catálogo de escalas validadas en México por constructo te ayuda a elegir una medición que soporte un análisis paramétrico.

2. Independencia de las observaciones

Cada observación debe ser independiente de las demás: lo que responde un participante no debe influir en lo que responde otro. Este supuesto también se garantiza desde el diseño, con un muestreo adecuado y una aplicación controlada del instrumento. Por eso conviene que el apartado de población y muestra esté bien construido. Aunque está escrito para otra disciplina, el artículo sobre criterios de población y muestra y cálculo del tamaño te muestra cómo fundamentar esa sección.

3. Normalidad de los datos

En muestras pequeñas o medianas la normalidad no se asume: se comprueba. La literatura metodológica señala que, cuando el tamaño de muestra por grupo es pequeño (N ≤ 30), es necesario aplicar Shapiro-Wilk, recomendada para muestras pequeñas o medianas, o Kolmogorov-Smirnov con la corrección de Lilliefors. El criterio de decisión es claro: si el valor p de la prueba de normalidad es mayor a 0.05, se acepta que los datos provienen de una población con distribución normal (criterios para pruebas de normalidad).

Un detalle que muchos tesistas pasan por alto: en muestras independientes evalúas la normalidad dentro de cada grupo, no en el conjunto total de datos. En muestras relacionadas, lo que debe distribuirse normalmente son las diferencias entre la primera y la segunda medición. Complementa la prueba formal con un histograma o un gráfico Q-Q, porque ayudan a tu lector a ver la forma de la distribución.

4. Homogeneidad de varianzas (solo en muestras independientes)

Cuando comparas dos grupos distintos, la versión clásica de la prueba supone que ambos tienen varianzas similares. Este supuesto se contrasta con la prueba de Levene. Si el valor p de Levene es menor a 0.05, se rechaza la hipótesis de igualdad de varianzas, es decir, no hay homocedasticidad. En ese caso, programas como SPSS ajustan los grados de libertad mediante la corrección de Welch (t’ de Welch), y esa es la que debes reportar en tu tesis en lugar del estadístico t clásico (uso de Levene y corrección de Welch).

Cuando los supuestos fallan: Welch, Mann-Whitney y Wilcoxon

Que un supuesto no se cumpla no arruina tu tesis. Simplemente te obliga a cambiar de herramienta y a documentar por qué lo hiciste. La decisión depende de qué supuesto falló.

• Falla la homogeneidad de varianzas, pero hay normalidad: mantienes la comparación de medias y reportas la t de Welch. No necesitas abandonar el enfoque paramétrico.
• Falla la normalidad de forma leve: revisa primero si hay errores de captura o valores atípicos que se expliquen por fallas en la aplicación. Después evalúa si una transformación (por ejemplo, logarítmica en tiempos de respuesta) corrige la asimetría, y reporta la transformación aplicada.
• Falla la normalidad con asimetrías severas que no se corrigen: descartas la t de Student y usas su equivalente no paramétrico. Corresponde la U de Mann-Whitney para dos grupos independientes o la prueba de rangos con signo de Wilcoxon para muestras relacionadas (alternativas no paramétricas equivalentes).

Cambiar a una prueba no paramétrica tiene una consecuencia en la redacción. Estas pruebas comparan rangos y distribuciones, no medias. Por eso tus descriptivos deben reportar medianas y rangos intercuartílicos, y tu hipótesis debe hablar de diferencias en la distribución o en la tendencia central, no de diferencias de promedios. Ajusta también el planteamiento de hipótesis en el capítulo metodológico para que exista coherencia entre lo que prometiste y lo que analizaste.

Ejemplo aplicado a una tesis mexicana de educación

Imagina una tesis de maestría titulada Efecto de un programa de tutoría entre pares en la comprensión lectora de estudiantes de secundaria en Tlaxcala. La tesista trabaja con dos grupos de segundo grado de la misma escuela: uno recibe el programa durante un semestre y el otro continúa con la enseñanza habitual. Al final, ambos grupos responden la misma prueba de comprensión lectora.

Paso 1. Plantear las hipótesis. La hipótesis de investigación afirma que la media de comprensión lectora del grupo con tutoría es distinta de la del grupo sin tutoría. La hipótesis nula sostiene que no existe diferencia entre ambas medias.

Paso 2. Justificar la variante. Son personas distintas en cada grupo, sin emparejamiento, por lo que corresponde la t para muestras independientes. La variable dependiente es el puntaje total de la prueba, de nivel de intervalo. La independiente es la condición de grupo, con dos niveles.

Paso 3. Asegurar la calidad del instrumento. Antes de cualquier contraste, la tesista documenta la validez y la confiabilidad de su prueba de comprensión lectora. El procedimiento de juicio de expertos, prueba piloto y alfa de Cronbach es el que su comité espera ver en este punto.

Paso 4. Verificar supuestos. Como cada grupo es pequeño, aplica Shapiro-Wilk por separado a cada uno y revisa los gráficos Q-Q. Después corre la prueba de Levene. Con esos resultados decide si reporta la t clásica, la t de Welch o, si la normalidad no se sostiene, la U de Mann-Whitney.

Paso 5. Interpretar con prudencia. Si el resultado es estadísticamente significativo, la tesista no concluye que la tutoría causó la mejora sin más. Como los grupos no se asignaron al azar, el diseño es cuasiexperimental, y lo reconoce en las limitaciones. También calcula el tamaño del efecto para valorar si la diferencia es relevante en términos educativos, no solo estadísticos.

Cómo redactar los resultados en formato APA 7

Un resultado bien calculado pero mal reportado genera tantas observaciones como uno incorrecto. En APA 7, el párrafo de resultados de una prueba t debe incluir, en este orden:

1. Estadísticos descriptivos por grupo: media, desviación estándar y tamaño de cada grupo, de preferencia en una tabla.
2. Resultado de los supuestos: estadístico y valor p de Shapiro-Wilk para cada grupo, y de Levene cuando las muestras son independientes.
3. Estadístico de contraste: el valor de t con los grados de libertad entre paréntesis. Si usaste Welch, los grados de libertad corregidos suelen tener decimales, y eso es correcto.
4. Valor p exacto, no solo la indicación de que fue menor al nivel de significancia.
5. Intervalo de confianza de la diferencia de medias, que le dice al lector el rango plausible de la diferencia.
6. Tamaño del efecto, habitualmente la d de Cohen, para valorar la magnitud práctica.

Recuerda que los símbolos estadísticos (t, p, M, DE, d) van en cursiva. Una redacción modelo diría, en prosa: el grupo con tutoría obtuvo una media de comprensión lectora mayor que el grupo sin tutoría; la diferencia fue estadísticamente significativa según la prueba t de Welch, con un tamaño del efecto que se interpreta a la luz de la literatura del área. Ahí colocarías los valores reales que arrojó tu análisis.

Si tu diseño es experimental y necesitas presentar varias comparaciones con tablas y gráficos, revisa cómo presentar los resultados de un diseño experimental sin saturar el capítulo. Para ordenar la secuencia descriptivos, supuestos, contraste e interpretación, el editor paso a paso de Tesify te ayuda a estructurar la sección y a mantener el formato APA 7 en todo el documento.

Errores frecuentes que detectan los sinodales

Estos son los tropiezos que más aparecen en las revisiones de capítulos cuantitativos. Casi todos se evitan con una revisión honesta antes de entregar.

• Aplicar varias pruebas t cuando hay tres o más grupos. Multiplicar comparaciones por pares infla la probabilidad de un error tipo I. Con tres grupos o más corresponde un ANOVA.
• Reportar la t clásica con Levene significativo. Si Levene rechazó la igualdad de varianzas, la t que corresponde es la de Welch. Copiar la primera fila de la tabla de SPSS sin leerla es un error clásico.
• Tratar muestras pareadas como independientes. Analizar un pretest y un postest de los mismos alumnos como si fueran grupos distintos desperdicia la información del emparejamiento y distorsiona el resultado.
• Afirmar normalidad sin evidencia. Escribir que los datos se distribuyen normalmente sin reportar Shapiro-Wilk o Kolmogorov-Smirnov es una de las observaciones más frecuentes.
• Confundir significancia con relevancia. Un valor p pequeño no indica que la diferencia sea grande ni importante. Por eso el tamaño del efecto no es opcional.
• Usar ítems Likert individuales como variable dependiente. Un ítem aislado es ordinal. Trabaja con el puntaje total de la escala y justifica esa decisión.
• Hablar de causalidad en diseños no experimentales. Comparar dos grupos preexistentes muestra diferencias, no causas. Ajusta el verbo de tus conclusiones al alcance de tu diseño.

Lista de verificación final para tu capítulo

Antes de enviar tu capítulo de análisis al comité, confirma que puedes responder sí a cada punto:

• Mi variable dependiente es de intervalo o de razón y mi variable independiente tiene exactamente dos niveles.
• Identifiqué si mis muestras son independientes o relacionadas y elegí la variante correspondiente.
• Comprobé la normalidad por grupo (o de las diferencias, en datos pareados) y reporté el estadístico y su valor p.
• En muestras independientes, apliqué Levene y reporté Welch cuando correspondía.
• Si los supuestos fallaron, justifiqué el cambio a Mann-Whitney o Wilcoxon y ajusté descriptivos e hipótesis.
• Reporté valor p exacto, intervalo de confianza y tamaño del efecto en formato APA 7.
• Cada decisión estadística está respaldada por una referencia metodológica citada correctamente.

Dominar la prueba t de Student para tesis no consiste en memorizar fórmulas. Consiste en demostrar que cada decisión del análisis tiene un fundamento verificable. Ese es el estándar de rigor que distingue un capítulo metodológico aprobado a la primera.

Preguntas frecuentes

¿Cuántos participantes necesito para aplicar la prueba t de Student en mi tesis?

La prueba no exige un mínimo fijo, pero la literatura metodológica la señala como idónea para comparar medias en muestras pequeñas de N ≤ 30. Lo importante es que justifiques el tamaño de tu muestra en el apartado de población y muestra y que, con grupos pequeños, compruebes la normalidad en lugar de suponerla.

¿Qué hago si la prueba de Shapiro-Wilk me da un valor p menor a 0.05?

Significa que no puedes asumir normalidad. Revisa primero si hay errores de captura o valores atípicos y evalúa si una transformación corrige la asimetría. Si el problema persiste, cambia a la U de Mann-Whitney para grupos independientes o a la prueba de rangos con signo de Wilcoxon para muestras relacionadas.

¿Debo reportar la t clásica o la t de Welch?

Depende de la prueba de Levene. Si su valor p es menor a 0.05, las varianzas no son homogéneas y debes reportar la t de Welch con sus grados de libertad corregidos. Si p es mayor o igual a 0.05, puedes reportar la t clásica, siempre indicando el resultado de Levene.

¿Puedo usar la prueba t con respuestas de una escala tipo Likert?

Un ítem Likert aislado es ordinal y no cumple el requisito de intervalo. Lo habitual es usar el puntaje total o el promedio de una escala validada con varios ítems y tratarlo como variable cuantitativa. Para hacerlo, justifica esa decisión y verifica los supuestos de normalidad.

¿Sirve la prueba t para comparar tres o más grupos?

No. La t de Student solo compara dos grupos o dos momentos. Para tres o más grupos corresponde un análisis de varianza (ANOVA) o su alternativa no paramétrica, la prueba de Kruskal-Wallis. Aplicar varias pruebas t por pares infla la probabilidad de cometer un error tipo I.