Prueba t de dos muestras
La prueba t de dos muestras compara las medias de dos grupos independientes con una respuesta continua, como dos máquinas, proveedores o ajustes del proceso. Cada grupo debe ser aproximadamente normal o contener al menos 30 observaciones, sin emparejamiento entre grupos ni valores atípicos evidentes. Puede elegir una prueba con varianza combinada (varianzas iguales) o la prueba de Welch. La salida incluye el valor p y un intervalo de confianza para la diferencia de medias.
Última revisión:
Idea clave
Una prueba t de dos muestras determina si las medias de dos grupos independientes, como dos máquinas o dos proveedores, son significativamente diferentes o si la diferencia observada se debe a la variación aleatoria.
En esta página
¿Qué es la prueba t de dos muestras?
La prueba t de dos muestras es un método estadístico que se usa para determinar si las medias de dos grupos independientes son significativamente diferentes entre sí. Compara los valores medios de dos poblaciones o condiciones de proceso distintas y calcula la probabilidad de que cualquier diferencia observada se deba al azar y no a una diferencia subyacente real.
Por ejemplo, puede usarla para comparar la producción media de la máquina A frente a la máquina B, o el tiempo de respuesta medio antes y después de un cambio en el proceso, cuando los dos grupos no tienen ninguna relación entre sí.
Definición sencilla: Una prueba que indica si dos grupos independientes tienen realmente medias diferentes, o si la diferencia que se observa se debe simplemente a la variación aleatoria de los datos.
¿Cuándo usar la prueba t de dos muestras?
- Úsela cuando tenga dos grupos independientes y no relacionados y quiera comparar sus medias; por ejemplo, dos máquinas, dos proveedores o dos ajustes del proceso.
- Úsela cuando la variable de respuesta sea continua , como mediciones, pesos, temperaturas o dimensiones.
- Úsela cuando los dos grupos se midan por separado , sin emparejamiento ni correspondencia entre las observaciones individuales.
- Úsela cuando quiera determinar si un cambio en el proceso, un cambio de material o una diferencia operativa ha producido un desplazamiento significativo del resultado medio.
Pautas para el uso correcto de la prueba t de dos muestras
- Los datos de cada grupo deben seguir una distribución aproximadamente normal, o cada grupo debe contener al menos 30 observaciones para que se aplique el teorema del límite central.
- Los dos grupos deben ser independientes : ninguna observación de un grupo debe estar relacionada ni emparejada con ninguna observación del otro grupo.
- Compruebe si los dos grupos tienen varianzas iguales o desiguales antes de realizar la prueba; use una prueba F o la prueba de Levene para evaluarlo, ya que esto determina qué versión de la prueba t debe aplicarse.
- Recopile un tamaño de muestra suficiente en cada grupo: se recomiendan al menos 20 a 30 observaciones por grupo para obtener resultados fiables.
- Fije el nivel de significancia (alfa) antes de recopilar los datos : el valor predeterminado estándar es 0.05, lo que significa un riesgo del 5% de concluir que existe una diferencia cuando no la hay.
- Confirme que los datos estén libres de valores atípicos evidentes : los valores extremos pueden distorsionar la media y aumentar o reducir el resultado de la prueba.
Alternativas: cuándo no usar la prueba t de dos muestras
- Si los dos grupos están emparejados o relacionados (p. ej., mediciones antes y después en el mismo sujeto), use la prueba t pareada
- Si compara más de dos grupos, use el ANOVA de un factor
- Si el objetivo es demostrar que dos grupos son prácticamente equivalentes y no diferentes, use la prueba de equivalencia de dos muestras
- Si los datos son claramente no normales y los tamaños de muestra son pequeños, use en su lugar la prueba de Mann-Whitney (una alternativa no paramétrica).
- Si solo dispone de datos resumidos (media, SD, n) en lugar de observaciones sin procesar, use la prueba t de dos muestras (resumida)
Cómo realizar la prueba t de dos muestras
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool> Hypothesis Test >Two sample t test .
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V) aquí.
- A continuación, debe introducir los valores del nivel de confianza y de la diferencia hipotética.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de Two sample t test, la ventana está dividida en dos partes.

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente, o bien copiarse por completo (Ctrl+C) desde una hoja de Excel y pegarse (Ctrl+V) aquí.
Load example: Se cargarán los datos de ejemplo.
Load File: Se usa para cargar directamente los datos de Excel.
En la parte derecha hay numerosas opciones, como las siguientes:
- Sample 1: Seleccione la columna que contiene los datos del primer grupo que desea comparar; por ejemplo, mediciones de la máquina A, del proveedor 1 o de la formulación A. Es un campo obligatorio y debe contener valores numéricos continuos.
- Sample 2: Seleccione la columna que contiene los datos del segundo grupo ; por ejemplo, mediciones de la máquina B, del proveedor 2 o de la formulación B. También es obligatorio y debe ser independiente de Sample 1, es decir, los dos conjuntos de datos no tienen emparejamiento ni correspondencia entre las observaciones individuales.
- Confidence Level: Fija el nivel de certeza del intervalo de confianza calculado para la diferencia entre las dos medias. El valor predeterminado estándar es 95%, lo que significa que tiene una confianza del 95% de que la diferencia real entre las medias de los dos grupos se encuentra dentro del intervalo mostrado. Un nivel de confianza más alto (p. ej., 99%) produce un intervalo más amplio; un nivel más bajo (p. ej., 90%), uno más estrecho.
- Hypothesized Difference: El valor contra el que se realiza la prueba, que representa la diferencia esperada o supuesta entre las medias de los dos grupos (media de Sample 1 menos media de Sample 2). Si se fija en 0 , se prueba si las dos medias son iguales. Si se fija en cualquier otro valor, se prueba si la diferencia es igual a esa cantidad concreta; por ejemplo, al introducir 5 se prueba si la media del grupo 1 es exactamente 5 unidades mayor que la del grupo 2.
- Alternative Hypothesis; Define la dirección de la prueba, es decir, lo que se intenta demostrar sobre la diferencia entre las dos medias. Hay tres opciones disponibles:
- Diff ≠ Hypothesized Diff : prueba bilateral que comprueba si la diferencia simplemente no es igual al valor hipotético, en cualquier dirección. Úsela cuando no tenga una expectativa previa sobre qué grupo será mayor.
- Diff < Hypothesized Diff : prueba unilateral que comprueba si la diferencia real es menor que el valor hipotético. Úsela cuando espere específicamente que Sample 1 sea menor que Sample 2.
- Diff > Hypothesized Diff : prueba unilateral que comprueba si la diferencia real es mayor que el valor hipotético. Úsela cuando espere específicamente que Sample 1 sea mayor que Sample 2.
- Assume Equal Variances: Si está marcada, la prueba supone que ambos grupos tienen la misma varianza poblacional subyacente y usa una desviación estándar combinada para calcular el estadístico de prueba, lo que da una prueba ligeramente más potente cuando se cumple el supuesto. Si no está marcada, la prueba usa estimaciones de varianza separadas para cada grupo (prueba t de Welch), que es más fiable cuando los dos grupos tienen dispersiones claramente distintas. Si no está seguro, déjela sin marcar, ya que es el enfoque más seguro y conservador.
- Individual Value Plot: Si está activada, muestra una gráfica con cada punto de datos individual de ambos grupos lado a lado. Ofrece una visión clara de la distribución completa de los datos, la dispersión y cualquier valor inusual, lo que facilita evaluar visualmente si los dos grupos difieren y si hay valores atípicos.
- Box Plot: Si está activada, muestra una gráfica de caja y bigotes para cada grupo, que resume la mediana, el rango intercuartílico y la dispersión general. Las gráficas de caja son útiles para comparar de un vistazo el centro y la variabilidad de los dos grupos y para detectar asimetría o valores atípicos que puedan afectar a los resultados de la prueba.
- Label: Controla qué información adicional se muestra en Individual Value Plot o Box Plot. Las opciones incluyen:
- None : sin etiquetas adicionales en la gráfica
- Outliers : resalta solo los puntos de datos estadísticamente extremos
- Individual Data : etiqueta cada punto de datos representado
- All Quartiles : muestra los valores de Q1, la mediana y Q3
- Means : marca la media de cada grupo en la gráfica
- Data Labels : muestra los valores reales de los puntos representados
- Download as Excel: Exporta a un archivo de Excel los resultados de la prueba, las estadísticas de resumen, los intervalos de confianza y el valor p. Es útil para incluir los resultados en informes, compartirlos con colegas o conservar un registro formal del análisis.
Preguntas frecuentes
¿Qué es una prueba t de dos muestras?
Una prueba t de dos muestras determina si las medias de dos grupos independientes son significativamente diferentes. Compara las medias de dos poblaciones o condiciones de proceso distintas, como la máquina A y la máquina B, y calcula la probabilidad de que la diferencia observada se deba al azar y no a una diferencia subyacente real.
¿Cuáles son los supuestos de una prueba t de dos muestras?
La respuesta debe ser continua, los dos grupos deben ser independientes y sin emparejamiento, y cada grupo debe ser aproximadamente normal o contener al menos 30 observaciones para que se aplique el teorema del límite central. Los datos deben estar libres de valores atípicos evidentes, y se recomiendan al menos 20 a 30 observaciones por grupo.
¿Se deben suponer varianzas iguales en una prueba t de dos muestras?
Si los grupos comparten la misma varianza, una desviación estándar combinada da una prueba ligeramente más potente. Si no, la prueba t de Welch usa estimaciones de varianza separadas y es más fiable cuando las dispersiones difieren. Compruébelo con una prueba F o con la prueba de Levene; si no está seguro, deje Assume Equal Variances sin marcar, como opción más segura.
¿Cuándo no se debe usar una prueba t de dos muestras?
Use una prueba t pareada para datos emparejados o de antes y después en los mismos sujetos, el ANOVA de un factor para más de dos grupos, una prueba de equivalencia de dos muestras para demostrar que los grupos son prácticamente equivalentes, y la prueba de Mann-Whitney cuando los datos son claramente no normales y las muestras pequeñas. Si solo dispone de datos resumidos, use la versión resumida.
