Análisis estadístico con jamovi: conceptos clave
Jamovi se ha convertido en una herramienta gratuita y de código abierto para realizar análisis estadísticos de forma intuitiva. En este curso aprenderás, paso a paso, los fundamentos teóricos y la aplicación práctica de los tests más habituales en la investigación de ciencias e ingeniería.
1. Prueba de normalidad Shapiro‑Wilk
La prueba de Shapiro‑Wilk evalúa si una muestra proviene de una distribución normal. El p‑valor resultante indica la probabilidad de observar los datos bajo la hipótesis nula de normalidad.
- p > 0,05: no se rechaza la hipótesis nula; se asume que la distribución es normal.
- p ≤ 0,05: se rechaza la hipótesis nula; la muestra muestra desviaciones significativas de la normalidad.
En jamovi, la prueba se encuentra en la pestaña Exploración → Normalidad → Shapiro‑Wilk. Si el p‑valor es mayor que .05, puedes proceder con tests paramétricos que requieren normalidad.
2. Regresión lineal simple: interpretación del coeficiente de pendiente
En una regresión lineal simple, la ecuación del modelo es Y = a + B·X, donde B representa la pendiente.
- Un B = 2 indica que por cada unidad que aumenta X, Y aumenta 2 unidades, manteniendo constante el intercepto.
- Este coeficiente no implica causalidad; solo describe la relación lineal observada en los datos.
Jamovi genera automáticamente la tabla de coeficientes en la sección Regresión → Lineal. Revisa también el valor‑p asociado a B para confirmar su significancia.
3. Prueba de Levene y la t de Student
Antes de aplicar la t de Student para comparar dos grupos independientes, es esencial verificar la igualdad de varianzas. La prueba de Levene evalúa esta suposición.
- Si p < 0,05 en Levene, las varianzas son diferentes.
- En ese caso, la opción adecuada en jamovi es “Varianzas no iguales” (también conocida como t de Welch).
- Ignorar Levene y usar la fila de varianzas iguales puede inflar el error tipo I.
En jamovi, la prueba se activa marcando “Prueba de igualdad de varianzas” dentro del módulo t‑test.
4. Cuándo elegir la prueba U de Mann‑Whitney
La prueba U de Mann‑Whitney es la alternativa no paramétrica a la t de Student para dos muestras independientes.
- Se utiliza cuando la variable dependiente es cuantitativa y la normalidad no se cumple en al menos uno de los grupos.
- No requiere igualdad de varianzas ni distribución simétrica.
- Es apropiada también con tamaños de muestra pequeños.
En jamovi, selecciona “Prueba no paramétrica → Mann‑Whitney” y especifica los grupos a comparar.
5. Correlación de Pearson: interpretación de r = –0,8
El coeficiente de correlación de Pearson (r) mide la fuerza y dirección de una relación lineal entre dos variables cuantitativas.
- Un r = –0,8 indica una relación negativa fuerte: a mayor X, menor Y.
- Si el p < 0,05, la relación es estadísticamente significativa.
- Recuerda que la correlación no implica causalidad.
Jamovi muestra tanto r como su p‑valor en la tabla de Correlaciones → Pearson. Complementa el análisis con un diagrama de dispersión para visualizar la tendencia.
6. ANOVA de un factor con tres grupos
El análisis de varianza (ANOVA) evalúa si existen diferencias significativas entre las medias de tres o más grupos.
- Un resultado p = 0,03 indica que al menos dos grupos difieren significativamente en la media.
- Para identificar cuáles grupos son diferentes, se requiere una prueba post‑hoc (por ejemplo, Tukey HSD).
- Antes de confiar en la ANOVA, verifica normalidad y homogeneidad de varianzas (Levene).
En jamovi, la opción ANOVA → Un factor permite seleccionar el método post‑hoc y visualizar los contrastes.
7. Conversión a escala T a partir del z‑score
La escala T es una transformación lineal del z‑score que facilita la interpretación en contextos clínicos y educativos.
La fórmula correcta es:
T = 50 + 10 × z
Donde z es el puntaje estándar. Esta transformación centra la escala en 50 y asigna una desviación estándar de 10 puntos.
En jamovi, crea una variable calculada con la expresión 50 + 10 * z bajo la pestaña Variables → Computar.
8. Visualizar la distribución con diagramas de caja en jamovi
Los diagramas de caja (box‑plots) resumen la mediana, cuartiles y posibles valores atípicos de una variable cuantitativa.
- En jamovi, la opción se encuentra en Gráficos/Tramas → Diagrama de caja.
- Marca la casilla correspondiente y arrastra la variable de interés al eje Y. Opcionalmente, añade una variable de agrupación al eje X para comparar grupos.
- El diagrama permite detectar asimetrías y outliers antes de aplicar pruebas paramétricas.
9. Buenas prácticas al usar jamovi
Para garantizar resultados fiables, sigue estos pasos:
- Exploración preliminar: inspecciona histogramas, diagramas de caja y Q‑Q plots.
- Verificación de supuestos: normalidad (Shapiro‑Wilk), homogeneidad (Levene) y linealidad (para regresión).
- Selección del test adecuado: elige pruebas paramétricas o no paramétricas según los supuestos.
- Reportar resultados completos: incluye estadísticos descriptivos, valores‑p, tamaños del efecto y intervalos de confianza.
- Documentar el flujo de trabajo: guarda el archivo .omv y exporta tablas a formato .csv o .xlsx para reproducibilidad.
10. Recursos adicionales y próximos pasos
Jamovi cuenta con una comunidad activa y numerosos módulos complementarios. Algunas fuentes recomendadas son:
- Manual oficial de jamovi (jamovi.org/manual).
- Webinars gratuitos sobre análisis multivariado y visualización.
- Foros de discusión en GitHub y Reddit para resolver dudas específicas.
Practica con conjuntos de datos reales, repite los análisis descritos y compara los resultados con los obtenidos en otros paquetes estadísticos como R o SPSS. Con la base teórica y la experiencia práctica que ofrece este curso, estarás preparado para afrontar cualquier proyecto de análisis estadístico en jamovi.
