Beruflich Dokumente
Kultur Dokumente
2
Instituto de Biotecnologa de las Plantas. Universidad Central Marta Abreu de Las Villas. Carretera a Camajuan
km 5.5. Santa Clara. Villa Clara. Cuba. CP 54 830
RESUMEN
Los procedimientos de comparaciones mltiples permiten detectar diferencias entre las medias de los
tratamientos. El objetivo de muchos experimentos en Biotecnologa Vegetal es detectar relaciones significativas
entre diferentes tratamientos. En este trabajo se presentan varias tcnicas de comparaciones mltiples y se
exponen sus ventajas y limitaciones. Adems, se ofrecen algunas recomendaciones para su correcta
aplicacin.
ABSTRACT
Multiple comparison procedures enable to detecte differences among treatment means. Many plant biotechnological
experiments are aimed to detect significant relationships among different treatments. Several multiple comparisons
techniques are presented in the current work. Besides, advantages and limitations are exposed. Some
recommendations about the correct application are also provided.
Contenido
INTRODUCCIN
EL ANALISIS DE VARIANZA
Comparaciones a posteriori
Asumiendo varianzas homogneas
- Mtodo de la mnima diferencia significativa
- Mtodo de Bonferroni
- Mtodo de Sidak
- Mtodo R-E-G-W F : mtodo de Ryan (1960), Einot-Gabriel (1975) y Welsch (1977)
- Mtodo de Student-Neuwman-Keuls: (Newman, 1939; Keuls, 1952)
- Mtodo de Tukey
- Mtodo de Tukey-b
- Mtodo de Scheff
- Mtodo de Duncan
Asumiendo varianzas diferentes
- Mtodo T2 de Tamhane
- Mtodo T3 de Dunnett
- Mtodo de Games-Howell- Mtodo C de Dunnett
Si el factor tiene solamente dos valores posibles el las tcnicas de cultivo de tejidos de plantas, surge
problema es muy sencillo de resolver desde el punto la necesidad de realizar alguna comparacin de
de vista estadstico. Para este caso, las pruebas tratamientos. Esto permitira elegir la mejor alternativa
clsicas de Student y de Fisher (Milton, 1999) para de las varias que existen, o por lo menos para tener
la comparacin de medias y varianzas suponiendo una mejor comprensin del comportamiento de la
distribuciones normales pueden utilizarse con variable de inters en cada uno de los distintos
facilidad y se encuentran implementados en cualquier tratamientos. Por ejemplo, la comparacin de cuatro
paquete de software estadstico (Meulman y Heiser, concentraciones de reguladores del crecimiento (Ej.
2004). Si la normalidad de la variable continua para 6-bencilaminopurina) en la regeneracin in vitro de
alguna de las categoras del factor falla, entonces, brotes de Phaseolus vulgaris L., lo cual se hace con
deben utilizarse mtodos no paramtricos que el fin de determinar con cul de las concentraciones
tambin se hallan en la literatura especializada se logr la regeneracin de plantas en dos genotipos
(Siegel, 1987; Glantz, 2002) y en paquetes de de frijol (Delgado-Snchez et al., 2006).
software con cierta facilidad (Meulman y Heiser,
2004). El propsito fundamental de un anlisis de
varianzas (ANOVA) es comparar los grupos o
El problema que se abordar en el presente trabajo tratamientos entre s (Milton 1999; Field, 2003;
surge cuando la cantidad de valores del factor es al Mongomery, 2004; Hall, 2004). La hiptesis nula
menos tres. Cuando este es el caso, pudiera o fundamental puede enunciarse en los trminos:
pensarse en la realizacin de tantas comparaciones no existen diferencias significativas entre las
por pares como fuera necesario con ayuda de la medias poblacionales de todos los tratamientos.
prueba clsica de Student. Si se cumpliera tal hiptesis entonces se puede
afirmar que los grupos no se diferencian entre s y
Si se imagina una situacin particular en la que se que el factor es independiente de la variable
tienen tres grupos y se quieren detectar las analizada. La hiptesis alternativa por su parte
diferencias entre ellos deben realizarse tres enuncia que existen diferencias significativas entre
comparaciones por pares: el grupo 1 con el 2, el 1 los tratamientos, es decir que al menos dos de
con el 3 y finalmente el 2 con el 3. Si se supone que los grupos difieren.
cada una de esas comparaciones usa una
probabilidad de 0.05 para rechazar hiptesis nulas Para probar la hiptesis de igualdad de medias se
correctas, (esta probabilidad se conoce como error calcula un estadstico F de Fisher, que refleja el
de tipo I. (Glantz, 2002). Asumiendo que las grado de parecido existente entre las medias que se
comparaciones son independientes, la probabilidad estn comparando (Milton 1996; Field, 2003;
general de no cometer un error de tipo I se calcula Mongomery, 2004; Hall, 2004). Si no existen
de la forma: (0 . 95 )3 = 0 . 857 . Luego la probabilidad diferencias significativas entre las medias
de cometerlo ser: 1 (0 . 95 )3 = 0 . 143 . Ntese que poblacionales, las medias muestrales sern
en estas comparaciones grupales la probabilidad de parecidas, existiendo entre ellas tan slo diferencias
rechazar hiptesis nulas correctas se increment de atribuibles al azar (Field, 2003).
un 5.0% a un 14.3%, considerando solamente tres
grupos. Si los tratamientos a comparar fueran cinco El estadstico F del ANOVA se basa en el
entonces 1 (0 . 95 )5 = 0 . 226 y si fueran ocho cumplimiento de dos supuestos fundamentales:
1 (0 . 95 ) = 0 . 336 (Field, 2003). Como puede
8
normalidad y homocedasticidad. Algunos autores
apreciarse en la medida en que se incrementa el coinciden en afirmar que pueden confiarse en los
nmero de grupos a considerar aumenta de manera resultados an si las variables se alejan un poco de
notable la probabilidad de cometer un error de tipo I. la distribucin normal y tienen varianzas
moderadamente diferentes (Aron y Aron, 2002).
El problema presentado tiene solucin desde el punto
de vista estadstico, slo que esta no es trivial. Al La razn F en un anlisis de varianza solo muestra
mtodo general de comparacin de tres o ms informacin acerca de si la varianza contenida en
grupos o tratamientos de manera conjunta se le los datos se debe a la casualidad o a la influencia de
denomina anlisis de varianza (Milton, 1999; factores externos. Un resultado estadsticamente
Montgomery, 2004; Hall, 2004). Es por ello, que el significativo no ofrece informacin acerca de dnde
presente trabajo tuvo como objetivo analizar varias estn tales diferencias. Es por ello que, como
tcnicas de comparacin mltiples as como realizar complemento del anlisis de varianza, se deben
recomendaciones acerca de cuando resulta realizar otras pruebas estadsticas que ayuden al
adecuado utilizarlas. investigador a encontrar cules grupos difieren
(Milton 1996; Glantz, 2003; Field, 2003).
EL ANLISIS DE VARIANZA
Una va para lograr este objetivo es realizar mltiples
Para la solucin de un problema de investigacin o comparaciones entre todos los grupos. A ellas se
en el campo de la mejora gentica con el empleo de les llama comparaciones a posteriori.
Biotecnologa Vegetal Vol. 8, No. 2, 2008 69
una gran aceptacin (Atil y Uver, 2001). Se public - Mtodo T2 de Tamhane: es un mtodo basado
por primera vez en 1953. en la distribucin del mdulo mximo estudentizado.
Se public por primera vez en 1977.
- Mtodo de Tukey-b: Es una modificacin del
anterior. Consiste en considerar como diferencia - Mtodo T3 de Dunnett: este mtodo es una
mnima el valor medio entre la diferencia modificacin propuesta por Dunnett al estadstico T2
honestamente significativa de Tukey y la diferencia de Tamhane. Se basa tambin en la distribucin del
mnima obtenida con el mtodo de Student-Newman- mdulo mximo estudentizado y fue publicado en
Keuls para el caso de r = 2 . Se public por primera 1980.
vez en 1953 (Dean y Voss, 1999).
- Mtodo de Games-Howell: es un mtodo muy
- Mtodo de Scheff: Se basa en la distribucin similar al de Tukey. Se basa en la distribucin del
F de Fisher. Permite controlar la tasa de error para rango estudentizado y en un estadstico t en el que,
el conjunto total de comparaciones que es posible tras estimar las varianzas poblacionales suponiendo
disear con p medias. Utilizado para efectuar slo que son distintas, se corrigen los grados de libertad
comparaciones por pares, es un procedimiento mediante la ecuacin de Welch. En trminos
conservador: tiende a considerar significativas menos generales, de los cuatro mtodos de este apartado,
diferencias de las que debera. Para ser consecuente el de Games-Howell es el que mejor controla la tasa
con este problema, Scheff recomienda utilizar de error en diferentes situaciones. Fue publicado en
= 0.10(Scheff, 1959). La prueba se equivoca 1976.
muy poco en las diferencias que detecta, por lo que
su uso es ampliamente recomendado (Atil y Uver, - Mtodo C de Dunnett: mtodo idntico al de
2001). Si el nmero de rplicas es diferente en los Games-Howell excepto en la forma de corregir los
tratamientos o grupos a comparar, el mtodo de grados de libertad de la distribucin del rango
Scheff resulta ser ms apropiado que el de Tukey. estudentizado. Esta solucin es ms conservadora
Se public por primera vez en 1953. que la de Games-Howell. Se public en 1980.
- Mtodo de Duncan: Es conocido como la prueba Existe una gran cantidad de mtodos para comparar
de los rangos mltiples de Duncan. Es un mtodo tratamientos. Es tarea del investigador seleccionar
de comparacin por pasos. Controla la tasa de error el o los adecuados, aunque no siempre esta es una
utilizando, para el conjunto de medias separadas tarea sencilla.
r pasos, un nivel de significacin D = 1 (1 ) .
r 1
Mientras ms pasos existan entre dos medias, mayor Varios autores coinciden en afirmar que la prueba de
es la diferencia mnima con la que se va a considerar Scheff puede aplicarse en cualquier situacin, sin
que esas medias difieren significativamente. El embargo, cuando la cantidad de rplicas en los
mtodo es ms potente que el de Student-Neuwman- tratamientos es similar, se ha demostrado que el
Keuls, pero no protege adecuadamente el error de tipo mtodo de Bonferroni es ms potente (Atil y Uver,
I. Tampoco resulta confiable su aplicacin cuando el 2001). Otros autores afirman que es la prueba de
nmero de rplicas no es igual en los tratamientos que Tukey la que ofrece resultados ms confiables con
se comparan, por lo que de manera general no se mayor frecuencia y por tanto, esta es la que debe
recomienda su uso. Se public por primera vez en 1955. usarse cuando el investigador se encuentra
totalmente desorientado.
- Mtodo de Dunnett: Es una prueba para
realizar comparaciones planeadas. Se utiliza En una comparacin entre varios mtodos se lleg a
fundamentalmente para comparar cada grupo con la conclusin de que si el nmero de rplicas es
un grupo control. Este procedimiento permite diferente en cada grupo, la prueba de Scheff es
detectar todos los tratamientos que son tan buenos mejor que la de Tukey, pero si el diseo es
como el control o mejores que l. Un ejemplo de su equilibrado, es mejor utilizar la prueba de Tukey en
aplicacin puede ser en estudios toxicolgicos en vez del de Scheff (Atil y Uver, 2001).
los que el investigador quiere determinar la dosis ms
baja en la que an existe una respuesta observable La prueba de Duncan por su parte es un mtodo
(Atil y Uver, 2001). Se supone que todos los de uso muy comn, al igual que la prueba de la
tratamientos tengan el mismo nmero de casos y mnima diferencia significativa, debido a la
controla la tasa de error para k 1comparaciones. simplicidad de sus clculos. Existen paquetes
Se public por primera vez en 1955. estadsticos profesionales que tienen estas
tcnicas implementadas, luego la dificultad en los
Asumiendo varianzas diferentes clculos ya no es un problema real. Ambos
mtodos incrementan de manera notable el error
En el caso en que las varianzas poblacionales sean de tipo I, por lo que no se recomienda su uso en
diferentes deber utilizarse uno de las siguientes ninguna situacin (Aron y Aron, 2002; Dean y
mtodos para realizar las comparaciones mltiples: Voss, 1999; Atil y Uver, 2001).
Biotecnologa Vegetal Vol. 8, No. 2, 2008 71
Como puede apreciarse no existe un nico mtodo Glantz, S (2002) Primer of biostatistics. Fifth edition. Vol 1. p.
468. McGraw-Hill. New York
que ofrezca siempre resultados correctos. La eleccin
del mtodo de comparacin adecuado es una tarea Hall, C (2004) A Handbook of Statistical analysis Using SPSS
difcil que debe resolver el investigador, en
dependencia de las caractersticas de su Keuls, M (1952) The use of the Studentized range in connection
with and analysis of variance. Euphityca 1: 112-122
experimento y de los objetivos de su investigacin.
En este trabajo se presentan algunas Meulman J, Heiser WJ (2004) Manual de SPSS
recomendaciones que deben tenerse en cuanta a la
hora de seleccionar el mtodo apropiado. Milton, S (1999) Statistical Methods in the Biological and Health
Sciences. Third Edition Statistics. Vol. 1, p. 586. McGraw-Hill.
New York
REFERENCIAS
Montgomery, D C (2004) Diseo y anlisis de experimentos.
Aron A, Aron E (2002) Statistics for the Behavioral and Social Tercera edicin. Editorial Flix Varela. La Habana
Sciences. A Brief Course. Second Edition. Vol. 1. p.330. Prentice
Hall. New York Newman, D (1939) The distribution of the range in samples
from a normal population expressed in terms of an independent
Atil H, Unver Y (2001) Multiple Comparisons. OnLine Journal estimate of standard desviation. Biometrika 31: 20-30
of Biological Sciences 1(8): 723-727
Ryan, TA (1959) Multiple comparison in psychological research.
Dean A, Voss D (1999) Design and Analysis of Experiments. Psychological Bulletin 56: 26-47
Springer Texts in Statistics. Springer. Dordrech
Scheff, H (1959) The Analysis of Variance. Publications in
Delgado-Snchez P, Saucedo-Ruiz M, Guzmn-Maldonado Statistics. John Wiley and Sons. Wiley. New York
SH, Villordo-Pineda E, Gonzlez-Chavira M, Fraire-Velzquez
S, Acosta-Gallegos JA, Mora-Avils A (2006) An organogenic Siegel, S (1987) Diseo experimental no paramtrico. Edicin
plant regeneration system for common bean (Phaseolus Revolucionaria p.335. La Habana
vulgaris L.). Plant Science 170: 822827
SPSS (2005) Manual del SPSS p.13.
Einot, I, Gabriel, KR (1975) A study of the power of several
methods of multiple comparisons. Journal of the American Welsch, RE (1977) Stepwise multiple comparison procedure.
Statistical Association 70: 574-583 Journal of the American Statistical Association 72: 566-575