Prueba t de dos muestras (resumida)
Esta versión de la prueba t de dos muestras parte de estadísticos resumen: usted introduce el tamaño de muestra, la media y la desviación estándar de cada uno de dos grupos independientes. Úsela cuando no se disponga de los datos sin procesar, por ejemplo en informes publicados o resúmenes de proveedores. Sin los datos sin procesar no puede comprobarse la normalidad. Las opciones incluyen el nivel de confianza, la diferencia hipotética, la hipótesis alternativa y las varianzas iguales; la salida incluye el valor p y el intervalo de confianza.
Última revisión:
Idea clave
La prueba t de dos muestras (resumida) contrasta si las medias de dos grupos independientes difieren significativamente usando solo el tamaño de muestra, la media y la desviación estándar de cada grupo en lugar de los datos sin procesar.
En esta página
¿Qué es la prueba t de dos muestras (resumida)?
La prueba t de dos muestras (resumida) realiza la misma comparación que la prueba t de dos muestras estándar — determinar si las medias de dos grupos independientes son significativamente diferentes — pero, en lugar de requerir datos sin procesar, trabaja directamente a partir de estadísticos resumen que usted introduce manualmente: el tamaño de muestra (n), la media y la desviación estándar de cada grupo.
Esto es especialmente valioso cuando no se dispone de los datos sin procesar — por ejemplo, al trabajar con investigaciones publicadas, informes de auditoría, resúmenes facilitados por proveedores o registros históricos en los que solo se conservaron estadísticos agregados.
Definición sencilla:Lo mismo que una prueba t de dos muestras, pero diseñada para situaciones en las que solo se tienen los números resumen (media, desviación estándar, tamaño de muestra) en lugar del conjunto completo de datos sin procesar.
¿Cuándo usar la prueba t de dos muestras (resumida)?
- Úsela cuando no se dispone de los datos sin procesar pero se tienen la media, la desviación estándar y el tamaño de muestra de cada grupo.
- Úsela cuando se trabaja a partir de informes publicados, datos de proveedores externos o resúmenes históricos en los que no se registraron las observaciones individuales.
- Úsela al comparar dos grupos independientes a partir de estadísticos informados en lugar de mediciones recopiladas.
- Úsela cuando desee validar o contrastar rápidamente las conclusiones de datos agregados sin necesidad de reconstruir el conjunto completo de datos.
Pautas para el uso correcto de la prueba t de dos muestras (resumida)
- Verifique que los estadísticos resumen introducidos sean exactos y provengan de una fuente fiable — los errores en las entradas producen directamente conclusiones incorrectas en la prueba.
- Asegúrese de que los estadísticos resumen representen grupos independientes y no relacionados — la prueba supone que no existe relación entre las dos muestras.
- Confirme que los tamaños de muestra son suficientes — las muestras pequeñas con distribuciones no normales pueden producir resultados poco fiables incluso con entradas resumen correctas.
- Fije alfa antes de ejecutar la prueba — el valor predeterminado estándar es 0.05.
- Tenga cautela cuando los estadísticos resumen provengan de poblaciones muy asimétricas o no normales — la prueba t supone normalidad, lo que no puede verificarse sin los datos sin procesar.
Alternativas: cuándo no usar la prueba t de dos muestras (resumida)
- Si se dispone de los datos sin procesar, use siempre en su lugar la prueba t de dos muestras estándar — ofrece diagnósticos adicionales y comprobaciones de supuestos.
- Si las dos muestras están pareadas o emparejadas, use prueba t pareada
- Si compara más de dos grupos, use ANOVA de un factor
- Si el objetivo es confirmar la equivalencia y no la diferencia, use prueba de equivalencia de dos muestras
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(Summarized) .
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V).
- Complete las opciones necesarias.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de la prueba t de dos muestras, 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 copiarse por completo (Ctrl+C) de 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 varias opciones, como las siguientes:
- Sample 1 Sample Size: Introduzca el número total de observaciones del primer grupo — por ejemplo, si se tomaron 40 mediciones de la Formulation A, introduzca 40. Este valor se usa para calcular el error estándar y los grados de libertad de la prueba. Un tamaño de muestra mayor produce resultados más fiables y precisos.
- Sample 1 Sample Mean: Introduzca el valor promedio de las mediciones del primer grupo. Es el valor central en torno al cual se distribuyen los datos del primer grupo y se usa directamente para calcular la diferencia entre los dos grupos.
- Sample 1 Standard Deviation: Introduzca la desviación estándar del primer grupo — que representa cuánto se dispersan las mediciones individuales en torno a la media. Una desviación estándar mayor indica más variabilidad dentro del grupo, lo que ensancha el intervalo de confianza y reduce la sensibilidad de la prueba para detectar diferencias.
- Sample 2 Sample Size: Introduzca el número total de observaciones del segundo grupo. Como en la Sample 1, este valor contribuye al cálculo del error estándar e influye en la precisión con que la prueba puede detectar una diferencia real entre los dos grupos.
- Sample 2 Sample Mean: Introduzca el valor promedio de las mediciones del segundo grupo. La prueba lo compara directamente con la media de la Sample 1 para calcular la diferencia observada y determinar si es estadísticamente significativa.
- Sample 2 Standard Deviation: Introduzca la desviación estándar del segundo grupo. Este valor refleja la dispersión de los datos del segundo grupo y se usa junto con la desviación estándar de la Sample 1 para estimar la variabilidad combinada de la comparación.
- Confidence Level: Establece el nivel de certeza del intervalo de confianza de la diferencia entre las dos medias. El valor predeterminado estándar es 95%, lo que significa que usted tiene un 95% de confianza en que la diferencia verdadera entre las dos medias poblacionales se encuentra dentro del rango mostrado. Aumentarlo al 99% ensancha el intervalo; reducirlo al 90% lo estrecha.
- Hypothesized Difference: La diferencia supuesta o esperada entre las medias de los dos grupos (media de la Sample 1 menos media de la Sample 2) con la que se contrasta. Fijarla en 0 prueba si las dos medias son iguales. Fijarla en cualquier otro valor prueba si la diferencia real es igual a esa cantidad específica — por ejemplo, introducir 10 prueba si el Grupo 1 promedia exactamente 10 unidades más que el Grupo 2.
- Alternative Hypothesis: Define la dirección de la prueba y lo que se intenta demostrar sobre la diferencia. Hay tres opciones disponibles:
- Diff ≠ Hypothesized Diff — una 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 — una prueba unilateral que comprueba si la diferencia real es menor que el valor hipotético. Úsela cuando espere específicamente que la Sample 1 sea menor que la Sample 2.
- Diff > Hypothesized Diff — una prueba unilateral que comprueba si la diferencia real es mayor que el valor hipotético. Úsela cuando espere específicamente que la Sample 1 sea mayor que la Sample 2.
- Assume Equal Variances: Cuando está marcada, la prueba supone que ambos grupos comparten la misma varianza poblacional subyacente y usa una única desviación estándar combinada para el cálculo, lo que produce una prueba algo más potente cuando el supuesto es válido. Cuando no está marcada, se usan estimaciones de varianza separadas para cada grupo (prueba t de Welch), lo que es más fiable cuando las dos desviaciones estándar introducidas son notablemente distintas. Si tiene dudas, déjela sin marcar, ya que es la opción más segura y conservadora.
- Download as Excel: Exporta los resultados de la prueba, los estadísticos resumen, el intervalo de confianza y el valor p a un archivo de Excel para informes, para compartir o para conservar registros.
Preguntas frecuentes
¿Qué es una prueba t de dos muestras a partir de datos resumidos?
Realiza la misma comparación que la prueba t de dos muestras estándar, contrastando si las medias de dos grupos independientes difieren significativamente, pero trabaja a partir de los estadísticos resumen que usted introduce: el tamaño de muestra, la media y la desviación estándar de cada grupo, en lugar de los datos sin procesar.
¿Cuándo debe usarse una prueba t de dos muestras resumida?
Úsela cuando no se disponga de los datos sin procesar pero se tengan la media, la desviación estándar y el tamaño de muestra de cada grupo, por ejemplo en informes publicados, datos de proveedores externos o resúmenes históricos. También es útil para contrastar rápidamente conclusiones a partir de datos agregados. Si se dispone de los datos sin procesar, use la prueba t de dos muestras estándar.
¿Cuáles son las limitaciones de una prueba t a partir de estadísticos resumen?
La prueba t supone normalidad, lo que no puede verificarse sin los datos sin procesar, por lo que debe tenerse cautela cuando los resúmenes provienen de poblaciones muy asimétricas o no normales. Las muestras pequeñas con distribuciones no normales pueden dar resultados poco fiables, y cualquier error en los estadísticos introducidos produce directamente una conclusión incorrecta.
¿Cómo afectan las desviaciones estándar a la prueba t resumida?
Una desviación estándar mayor significa más variabilidad dentro de un grupo, lo que ensancha el intervalo de confianza y reduce la sensibilidad de la prueba a las diferencias. Si las dos desviaciones estándar son notablemente distintas, deje Assume Equal Variances sin marcar para que se usen estimaciones de varianza separadas (prueba t de Welch).
