Calculadora de la Prueba de Kruskal-Wallis
Realice la prueba H de Kruskal-Wallis para comparar múltiples grupos independientes. Obtenga cálculos paso a paso, análisis de rangos, tamaño del efecto y visualización interactiva para el análisis estadístico no paramétrico.
Tu bloqueador de anuncios impide que mostremos anuncios
MiniWebtool es gratis gracias a los anuncios. Si esta herramienta te ayudó, apóyanos con Premium (sin anuncios + herramientas más rápidas) o añade MiniWebtool.com a la lista de permitidos y recarga la página.
- O pásate a Premium (sin anuncios)
- Permite anuncios para MiniWebtool.com y luego recarga
Calculadora de la Prueba de Kruskal-Wallis
Bienvenido a la Calculadora de la Prueba de Kruskal-Wallis, una herramienta estadística integral para comparar múltiples grupos independientes mediante la prueba no paramétrica H de Kruskal-Wallis. Esta calculadora proporciona cálculos paso a paso, análisis de rangos, medición del tamaño del efecto y visualizaciones interactivas para ayudarle a comprender e interpretar sus datos.
¿Qué es la prueba de Kruskal-Wallis?
La prueba H de Kruskal-Wallis (también llamada análisis de varianza de una vía de Kruskal-Wallis) es una prueba no paramétrica basada en rangos que se utiliza para determinar si existen diferencias estadísticamente significativas entre dos o más grupos de una variable independiente en una variable dependiente continua u ordinal. Es el equivalente no paramétrico del ANOVA de una vía.
Nombrada en honor a William Kruskal y W. Allen Wallis, quienes la desarrollaron en 1952, esta prueba extiende la prueba U de Mann-Whitney a más de dos grupos. A diferencia del ANOVA, la prueba de Kruskal-Wallis no asume una distribución normal de los datos.
Fórmula del estadístico H de Kruskal-Wallis
Donde:
- N = Número total de observaciones en todos los grupos
- k = Número de grupos
- nᵢ = Número de observaciones en el grupo i
- Rᵢ = Suma de rangos en el grupo i
Cuándo usar la prueba de Kruskal-Wallis
Use Kruskal-Wallis en lugar de ANOVA de una vía cuando:
- Datos no normales: Sus datos no cumplen con el supuesto de normalidad requerido por el ANOVA
- Datos ordinales: Tiene datos ordinales (jerarquizados) en lugar de datos continuos
- Muestras pequeñas: Los tamaños de muestra son demasiado pequeños para verificar la normalidad
- Valores atípicos presentes: Sus datos tienen valores atípicos que podrían sesgar los resultados del ANOVA
- Varianzas desiguales: Las varianzas entre grupos no son iguales (heterocedasticidad)
Supuestos de la prueba de Kruskal-Wallis
- La variable dependiente debe medirse a nivel ordinal o continuo
- La variable independiente debe constar de dos o más grupos categóricos e independientes
- Independencia de las observaciones: no hay relación entre las observaciones de cada grupo ni entre los propios grupos
- Formas de distribución similares en todos los grupos (no necesariamente normales, pero similares)
Cómo usar esta calculadora
- Ingrese sus datos: Introduzca los datos de cada grupo en una línea separada. Los valores dentro de cada línea pueden estar separados por comas, espacios o pestañas.
- Establezca el nivel de significancia: Elija su valor alfa (0.01, 0.05 o 0.10) según sus requisitos de prueba.
- Establezca la precisión: Seleccione el número de decimales para sus resultados.
- Calcular: Haga clic en el botón Calcular para realizar el análisis.
- Interpretar resultados: Revise el estadístico H, el valor p, el tamaño del efecto y las visualizaciones para sacar conclusiones.
Interpretación de resultados
Significancia Estadística
- Si valor p ≤ alfa: Se rechaza la hipótesis nula. Existe una diferencia estadísticamente significativa entre al menos un par de grupos.
- Si valor p > alfa: No se rechaza la hipótesis nula. No hay evidencia suficiente de diferencias entre los grupos.
Tamaño del efecto (Épsilon cuadrado)
El tamaño del efecto mide la importancia práctica de sus hallazgos:
| Épsilon cuadrado | Tamaño del efecto | Interpretación |
|---|---|---|
| < 0.01 | Insignificante | Efecto práctico muy pequeño o nulo |
| 0.01 - 0.06 | Pequeño | Pequeña importancia práctica |
| 0.06 - 0.14 | Mediano | Importancia práctica moderada |
| > 0.14 | Grande | Gran importancia práctica |
Pruebas Post-Hoc
Cuando la prueba de Kruskal-Wallis es significativa, se necesitan pruebas post-hoc para determinar qué grupos específicos difieren. Las opciones comunes incluyen:
- Prueba de Dunn: La prueba post-hoc más popular para Kruskal-Wallis
- Pruebas U de Mann-Whitney por pares: Con corrección de Bonferroni u otra para comparaciones múltiples
- Prueba de Conover-Iman: Basada en la distribución t de los rangos
- Prueba de Nemenyi: Equivalente no paramétrico de la prueba HSD de Tukey
Comparación Kruskal-Wallis vs ANOVA
| Característica | Kruskal-Wallis | ANOVA de una vía |
|---|---|---|
| Tipo de datos | Ordinal o continuo | Sólo continuo |
| Normalidad | No requerida | Requerida |
| Igualdad de varianzas | No requerida | Requerida (se puede usar ANOVA de Welch si se infringe) |
| Poder estadístico | Menor (usa rangos) | Mayor (usa valores reales) |
| Sensibilidad a valores atípicos | Menos sensible | Más sensible |
| Tamaño de la muestra | Funciona con muestras pequeñas | Necesita muestras más grandes para la normalidad |
Preguntas frecuentes
¿Qué es la prueba de Kruskal-Wallis?
La prueba de Kruskal-Wallis es una prueba no paramétrica basada en rangos que se utiliza para determinar si existen diferencias estadísticamente significativas entre dos o más grupos de una variable independiente en una variable dependiente continua u ordinal. Es el equivalente no paramétrico del ANOVA de una vía y una extensión de la prueba U de Mann-Whitney para más de dos grupos.
¿Cuándo debo usar la prueba de Kruskal-Wallis en lugar de ANOVA?
Utilice la prueba de Kruskal-Wallis cuando: (1) Sus datos no cumplen con el supuesto de normalidad requerido por ANOVA, (2) Tiene datos ordinales en lugar de datos continuos, (3) Sus tamaños de muestra son pequeños y no puede verificar la normalidad, (4) Sus datos tienen valores atípicos que podrían sesgar los resultados de ANOVA, o (5) Las varianzas entre grupos no son iguales (heterocedasticidad).
¿Cómo interpreto el valor p de Kruskal-Wallis?
Si el valor p es menor o igual a su nivel de significancia elegido (normalmente 0.05), rechaza la hipótesis nula y concluye que existe una diferencia estadísticamente significativa entre al menos un par de grupos. Si el valor p > alfa, no se puede rechazar la hipótesis nula, lo que significa que no hay evidencia suficiente de diferencias entre los grupos.
¿Qué es el tamaño del efecto en la prueba de Kruskal-Wallis?
El épsilon cuadrado se utiliza como medida del tamaño del efecto para la prueba de Kruskal-Wallis. Oscila entre 0 y 1 e indica la importancia práctica: los valores inferiores a 0.01 son insignificantes, 0.01-0.06 son pequeños, 0.06-0.14 son medianos y los valores superiores a 0.14 indican efectos grandes. El tamaño del efecto complementa la significancia estadística al mostrar la magnitud de las diferencias.
¿Cuál es el tamaño de muestra mínimo para la prueba de Kruskal-Wallis?
Cada grupo debe tener al menos 5 observaciones para obtener resultados fiables, aunque técnicamente la prueba requiere al menos 2 observaciones por grupo. Para muestras muy pequeñas, la aproximación de chi-cuadrado utilizada para calcular los valores p puede no ser precisa, y se deben considerar pruebas de permutación exactas.
¿Qué pruebas post-hoc siguen a un resultado significativo de Kruskal-Wallis?
Cuando la prueba de Kruskal-Wallis es significativa, las pruebas post-hoc identifican qué grupos específicos difieren. Las opciones comunes incluyen: la prueba de Dunn (la más popular), pruebas U de Mann-Whitney por pares con corrección de Bonferroni, prueba de Conover-Iman o prueba de Nemenyi. Estas pruebas controlan el error de Tipo I al realizar comparaciones múltiples.
Recursos adicionales
Cite este contenido, página o herramienta como:
"Calculadora de la Prueba de Kruskal-Wallis" en https://MiniWebtool.com/es/calculadora-de-la-prueba-de-kruskal-wallis/ de MiniWebtool, https://MiniWebtool.com/
por el equipo de miniwebtool. Actualizado: 27 de enero de 2026
También puede probar nuestro Solucionador de Matemáticas AI GPT para resolver sus problemas matemáticos mediante preguntas y respuestas en lenguaje natural.
Otras herramientas relacionadas:
Estadísticas y análisis de datos:
- Calculadora ANOVA
- Calculadora de media aritmética Destacado
- Calculadora de Promedio - Alta Precisión Destacado
- Calculadora de desviación media
- Creador de Diagramas de Caja y Bigotes Destacado
- Calculadora de Prueba Chi-cuadrado
- Calculadora de Coeficiente de Variación Destacado
- Calculadora de d de Cohen
- Calculadora de crecimiento compuesto
- Calculadora de Intervalos de Confianza
- Calculadora de Intervalo de Confianza para Proporciones Nuevo
- Calculadora de Coeficiente de Correlación
- Calculadora de Media Geométrica
- Calculadora de media armónica
- Creador de Histogramas
- Calculadora de Rango Intercuartil
- Calculadora de la Prueba de Kruskal-Wallis
- Calculadora de Regresión Lineal
- Calculadora de Crecimiento Logarítmico
- Calculadora de la Prueba U de Mann-Whitney
- Calculadora de Desviación Media Absoluta
- Calculadora de Promedio
- Calculadora de media, mediana y moda Destacado
- Calculadora de Desviación Mediana Absoluta
- Calculadora de Mediana
- Calculadora de Rango Medio
- Calculadora de Moda
- Calculadora de Valores Atípicos
- Calculadora de desviación estándar de población-alta precisión
- Calculadora de Cuartiles
- Calculadora de Desviación Cuartil
- Calculadora de Rango
- Calculadora de Desviación Estándar Relativa Destacado
- Calculadora de raíz media cuadrática
- Calculadora de Media Muestral
- Calculadora de tamaño de muestreo
- Calculadora de desviación estándar de la muestra
- Creador de Diagramas de Dispersión
- Calculadora de desviación estándar - Alta precisión
- Calculadora de Error Estándar
- Calculadora de Estadísticas
- Calculadora de Prueba t
- Calculadora de variaciones (Alta precisión)
- Calculadora de Z-Score Nuevo