Prueba de hipótesis en tu tesis: chi-cuadrado, t de Student y ANOVA paso a paso en Jamovi y SPSS (LATAM 2026)

Llegaste al capítulo de resultados y tienes los datos cargados en el software. Ahora el comité te pide que demuestres si tus hipótesis se sostienen estadísticamente. La prueba de hipótesis chi cuadrado, la t de Student y el ANOVA son las tres técnicas inferenciales que aparecen en la gran mayoría de tesis de grado y maestría en México, Colombia, Argentina, Chile, Perú y Ecuador. Esta guía te muestra cómo ejecutarlas en Jamovi (completamente gratuito) y en SPSS, con ejemplos contextualizados a la realidad universitaria latinoamericana y las convenciones de reporte que exige APA 7.

Si todavía no tienes claro qué prueba corresponde a tu diseño de investigación, revisa primero nuestra guía sobre qué programa usar para analizar datos de tu tesis en 2026, donde comparamos Jamovi, SPSS y PSPP con criterios de costo y funciones orientados a estudiantes LATAM.

1. La lógica de la prueba de hipótesis: H₀, H₁ y el valor p

Una prueba de hipótesis es un procedimiento formal que te permite decidir si la diferencia o asociación que observas en tus datos puede explicarse por el azar (variación muestral) o si refleja un fenómeno real en la población. La lógica funciona en cinco pasos:

1. Plantear H₀ y H₁. La hipótesis nula (H₀) afirma que no existe efecto, diferencia o asociación. La hipótesis alternativa (H₁) afirma lo contrario. Para saber cómo redactarlas correctamente, consulta nuestra guía sobre cómo formular hipótesis y preguntas de investigación.
2. Establecer el nivel de significancia (α). En ciencias sociales y de la salud el estándar es α = 0.05. Algunas disciplinas (farmacología, ensayos clínicos) exigen α = 0.01.
3. Elegir la prueba estadística. Depende del tipo de variables (categóricas o continuas), el número de grupos y el cumplimiento de supuestos paramétricos.
4. Calcular el estadístico y obtener el valor p. El software lo hace automáticamente. El valor p es la probabilidad de obtener un resultado igual o más extremo que el observado, suponiendo que H₀ es verdadera.
5. Tomar la decisión. Si p < α, rechazas H₀ y concluyes que el resultado es estadísticamente significativo. Si p ≥ α, no tienes evidencia suficiente para rechazar H₀.

Importante: significancia estadística no es lo mismo que relevancia práctica. Un p-valor muy pequeño puede derivar de un tamaño de muestra grande incluso cuando el efecto es mínimo. Por eso siempre debes complementar el resultado con una medida del tamaño del efecto (ver sección 6).

2. Cuándo usar chi-cuadrado, t de Student o ANOVA

La elección de la prueba correcta es uno de los puntos que más evalúa el comité de titulación. La regla principal es que la prueba debe coincidir con el nivel de medida de tus variables y con el diseño de tu estudio. La siguiente tabla resume los tres casos más comunes. Si tienes dudas sobre qué camino tomar con variables más complejas, el árbol de decisión para elegir la prueba estadística correcta en tu TFG cubre también regresión, correlación y pruebas no paramétricas con criterios paso a paso.

Si tus datos no cumplen el supuesto de normalidad, existen alternativas no paramétricas: Mann-Whitney para dos grupos (alternativa a la t de Student) y Kruskal-Wallis para tres o más grupos. Para profundizar en el ANOVA de un factor con supuestos e interpretación completa, tenemos una guía específica que incluye post hoc de Tukey y eta cuadrado.

3. Chi-cuadrado de Pearson: ejemplo paso a paso

La prueba chi cuadrado evalúa si existe asociación estadística entre dos variables categóricas. Su estadístico (χ²) mide la distancia entre las frecuencias observadas y las frecuencias que se esperarían si no hubiera ninguna relación.

Supuestos a verificar antes de correr la prueba

• Las dos variables deben ser categóricas (nominal u ordinal).
• Cada observación es independiente (un participante no puede aparecer en más de una celda).
• Al menos el 80% de las frecuencias esperadas deben ser ≥ 5. Si no se cumple, usa la prueba exacta de Fisher (para tablas 2×2) o fusiona categorías.

Ejemplo práctico: tesis de Psicología, UNAM

Pregunta de investigación: ¿Existe asociación entre el nivel de escolaridad de los padres (básica / media superior / superior) y el tipo de acceso a internet en el hogar (sin acceso / banda ancha) de estudiantes de primer año?

H₀: No existe asociación entre la escolaridad de los padres y el tipo de acceso a internet.
H₁: Existe asociación entre la escolaridad de los padres y el tipo de acceso a internet.

Pasos en Jamovi

1. Abre Jamovi (descárgalo gratis en jamovi.org) e importa tu archivo CSV o Excel.
2. Ve a Analyses → Frequencies → Independent Samples (χ²).
3. Arrastra la variable Escolaridad_padres al campo Rows y Acceso_internet al campo Columns.
4. En la sección Statistics, activa: χ² de Pearson, V de Cramér (tamaño del efecto) y Frecuencias esperadas (para verificar el supuesto).
5. En la sección Cells, activa Expected counts para inspeccionar las celdas problemáticas.
6. Lee el resultado en la tabla χ² Tests: fíjate en χ², gl (grados de libertad) y p.

Pasos en SPSS

1. Ve a Analizar → Estadísticos descriptivos → Tablas cruzadas.
2. Coloca Escolaridad_padres en Filas y Acceso_internet en Columnas.
3. Haz clic en Estadísticos → activa Chi-cuadrado y V de Cramer.
4. Haz clic en Casillas → activa Recuentos esperados.
5. Ejecuta y busca la tabla Pruebas de chi-cuadrado. El valor relevante es “Chi-cuadrado de Pearson”.

Interpretación del resultado

Supón que obtienes χ²(2) = 14.37, p = .001, V = .28. La interpretación para tu tesis sería:

“La prueba chi-cuadrado de Pearson reveló una asociación estadísticamente significativa entre la escolaridad de los padres y el tipo de acceso a internet en el hogar, χ²(2) = 14.37, p = .001. La magnitud de la asociación fue moderada (V de Cramér = .28).”

Para un análisis más profundo de esta prueba (incluyendo la corrección de Yates y el supuesto de frecuencias esperadas), consulta nuestra guía dedicada: la prueba chi-cuadrado en el TFG: cuándo usarla e interpretarla paso a paso.

4. T de Student para muestras independientes: ejemplo paso a paso

La t de Student para muestras independientes compara las medias de dos grupos no relacionados. Es una de las pruebas paramétricas más frecuentes en tesis de Ciencias de la Salud, Educación y Psicología en LATAM.

Supuestos

• Variable dependiente continua (intervalo o razón).
• Los dos grupos son independientes (distintas personas).
• Distribución aproximadamente normal en cada grupo (con n ≥ 30 la prueba es robusta por el teorema central del límite).
• Homogeneidad de varianzas: se verifica con la prueba de Levene incluida en el output.

Ejemplo práctico: tesis de Educación, U. de Chile

Pregunta: ¿Existe diferencia significativa en el promedio de comprensión lectora entre estudiantes que usan estrategias metacognitivas y los que no las usan?

H₀: μ₁ = μ₂ (no hay diferencia en el promedio de comprensión lectora entre ambos grupos).
H₁: μ₁ ≠ μ₂ (sí existe diferencia).

Pasos en Jamovi

1. Ve a Analyses → T-Tests → Independent Samples T-Test.
2. Coloca la variable Puntaje_comprension en Dependent Variables y Grupo (metacognitivo / control) en Grouping Variable.
3. En Tests, deja activado Student’s por defecto.
4. Activa Welch’s también: si la prueba de Levene resulta significativa (p < .05), usarás este resultado en su lugar.
5. En Effect Size, activa Cohen’s d.
6. En Assumption Checks, activa Equality of variances (Levene) y Normality (Shapiro-Wilk).

Pasos en SPSS

1. Ve a Analizar → Comparar medias → Prueba T para muestras independientes.
2. Mueve Puntaje_comprension a Variable(s) de contraste y Grupo a Variable de agrupación. Define los grupos (0 = control, 1 = metacognitivo).
3. Ejecuta y localiza dos filas en la tabla de resultados: “Se asumen varianzas iguales” y “No se asumen varianzas iguales”.
4. Primero revisa la prueba de Levene: si p > .05, usa la primera fila; si p < .05, usa la segunda (varianzas no iguales / corrección de Welch).

Interpretación del resultado

Supón: Levene p = .312 (varianzas iguales), t(78) = 3.12, p = .003, d = 0.69. Redacción para la tesis:

“La prueba de Levene no resultó significativa (p = .312), por lo que se asumen varianzas iguales. La prueba t de Student reveló una diferencia estadísticamente significativa en el puntaje de comprensión lectora entre el grupo metacognitivo (M = 74.3, DE = 8.1) y el grupo control (M = 68.6, DE = 7.9), t(78) = 3.12, p = .003, d = 0.69 (efecto mediano-grande).”

5. ANOVA de un factor: ejemplo paso a paso

El ANOVA (Analysis of Variance) de un factor extiende la lógica de la t de Student a tres o más grupos. Comprueba si al menos un par de medias es diferente entre sí. Si el resultado es significativo, necesitas una prueba post hoc para identificar qué grupos difieren.

Supuestos

• Variable dependiente continua.
• Tres o más grupos independientes.
• Normalidad dentro de cada grupo (Shapiro-Wilk o Kolmogórov-Smirnov).
• Homogeneidad de varianzas (prueba de Levene). Si no se cumple, usa el ANOVA de Welch.

Ejemplo práctico: tesis de Salud Pública, ESPOL (Ecuador)

Pregunta: ¿Existen diferencias en el nivel de actividad física (pasos diarios promedio) según el estrato socioeconómico (bajo / medio / alto) en adultos de Guayaquil?

H₀: μ₁ = μ₂ = μ₃ (no hay diferencias entre los tres estratos).
H₁: Al menos un par de medias difiere.

Pasos en Jamovi

1. Ve a Analyses → ANOVA → ANOVA.
2. Coloca Pasos_diarios en Dependent Variable y Estrato en Fixed Factors.
3. En Assumption Checks, activa Homogeneity test (Levene) y Normality test (Shapiro-Wilk).
4. En Post Hoc Tests, mueve Estrato al panel derecho y selecciona Tukey (el más común cuando las varianzas son homogéneas). Si no lo son, elige Games-Howell.
5. En Effect Size, activa η² (eta cuadrado).

Pasos en SPSS

1. Ve a Analizar → Comparar medias → ANOVA de un factor.
2. Coloca Pasos_diarios en Dependiente y Estrato en Factor.
3. Haz clic en Post hoc → activa Tukey. Si Levene es significativo, activa también Games-Howell.
4. Haz clic en Opciones → activa Prueba de homogeneidad de varianzas, Estadísticos descriptivos y Gráfico de medias.
5. Ejecuta y lee la tabla ANOVA: columnas F y Sig.

Interpretación del resultado

Supón: Levene p = .214, F(2, 117) = 8.43, p < .001, η² = .13. Post hoc de Tukey: bajo vs alto p < .001; medio vs alto p = .018; bajo vs medio p = .142. Redacción para la tesis:

“El ANOVA de un factor mostró diferencias estadísticamente significativas en el nivel de actividad física según el estrato socioeconómico, F(2, 117) = 8.43, p < .001, η² = .13 (efecto grande). Las comparaciones post hoc con el método de Tukey indicaron que los participantes de estrato alto presentaron mayor actividad física que los de estrato bajo (p < .001) y medio (p = .018), mientras que entre bajo y medio no se encontró diferencia significativa (p = .142).”

Cuando los supuestos del ANOVA no se cumplen (normalidad violada o muestras pequeñas), la alternativa recomendada es la prueba de Kruskal-Wallis. Puedes ver cómo aplicarla e interpretar el post hoc de Dunn en la guía sobre Kruskal-Wallis como alternativa no paramétrica al ANOVA en el TFG.

6. El tamaño del efecto: más allá del valor p

El valor p solo indica si un resultado es improbable bajo H₀. No dice nada sobre su magnitud ni su relevancia práctica. APA 7 exige reportar siempre el tamaño del efecto junto con el estadístico y el p-valor. Las medidas estándar son:

Ambos software calculan estas medidas automáticamente si las activas en las opciones descritas en las secciones anteriores. Antes de ejecutar las pruebas, asegúrate de que tu muestra tenga la potencia suficiente para detectar el efecto esperado: la guía sobre cómo calcular el tamaño muestral con G*Power explica el análisis de potencia a priori paso a paso para chi-cuadrado, t de Student y ANOVA. Recuerda que para estudios de tipo correlacional o con variables predictoras, la regresión lineal múltiple con R² e interpretación de coeficientes β es el complemento natural de estas pruebas cuando quieres ir más allá de la comparación de grupos.

7. Cómo reportar los resultados en formato APA 7

El manual APA 7 establece un formato estándar para reportar estadísticos inferenciales. Seguirlo es obligatorio en la mayoría de universidades latinoamericanas que adoptan normas APA para tesis de maestría y doctorado, incluyendo las afiliadas a CONACYT/SECIHTI en México, CONICET en Argentina, Minciencias en Colombia y ANID en Chile.

Formato general

• Chi-cuadrado: χ²(gl) = valor, p = valor, V = valor
• T de Student: t(gl) = valor, p = valor, d = valor (IC 95% [límite inferior, límite superior])
• ANOVA: F(gl_entre, gl_dentro) = valor, p = valor, η² = valor

Reglas de redacción

• Reporta los valores p con tres decimales (p = .031), excepto cuando son menores a .001 (usa p < .001).
• No escribas “p = .000” aunque el software lo muestre así: usa p < .001.
• Los estadísticos (t, F, χ², d) van en cursiva: t, F, χ², d.
• Incluye siempre la media (M) y la desviación estándar (DE) de cada grupo antes de reportar el resultado inferencial.

8. Errores frecuentes en tesis LATAM que el comité sanciona

Después de revisar el tipo de observaciones que reciben estudiantes en comités de titulación de la UNAM, la UBA, la U. de Chile y la U. Nacional de Colombia, los errores más recurrentes en el capítulo de resultados son:

• Usar chi-cuadrado con variables continuas: si tu variable dependiente es una escala numérica, la prueba correcta es la t de Student o el ANOVA, no chi-cuadrado.
• Ignorar los supuestos: no verificar normalidad ni homogeneidad de varianzas antes de aplicar pruebas paramétricas. Jamovi y SPSS los calculan con un clic.
• Olvidar la prueba post hoc en el ANOVA: un F significativo solo dice que hay diferencia en algún par, no en cuál. Sin Tukey o Games-Howell tu resultado queda incompleto.
• Reportar p = .000: ningún valor p es exactamente cero. Siempre escribe p < .001.
• No reportar el tamaño del efecto: el comité interpretará que tu análisis está incompleto o que el efecto es negligible.
• Confundir significativo con importante: un p < .05 no significa que el resultado sea clínicamente relevante o educativamente significativo; eso lo determina el tamaño del efecto y el contexto teórico.

Para contextualizar correctamente tus resultados estadísticos dentro del capítulo metodológico, asegúrate de que tu marco metodológico esté bien construido. Nuestra guía sobre cómo hacer el marco metodológico de una tesis de grado te ayuda a definir el enfoque cuantitativo, el tipo de diseño y la justificación de las pruebas elegidas con ejemplos de UNAM, UBA y UNAL.

9. Cómo Tesify te ayuda con el capítulo de resultados

Obtener los números en Jamovi o SPSS es la parte técnica. El reto real para la mayoría de tesistas en LATAM es convertir esas tablas de output en párrafos bien redactados, coherentes con los objetivos y las hipótesis, y formateados según APA 7.

Tesify es una plataforma de IA diseñada específicamente para la escritura académica. Con el plan gratuito puedes:

• Redactar el subapartado de resultados a partir de tus estadísticos (pegas los valores y Tesify genera la redacción en APA 7).
• Crear el apartado de análisis estadístico dentro del marco metodológico, con justificación de la prueba elegida.
• Revisar la coherencia entre hipótesis, objetivos y los resultados obtenidos.
• Generar el primer borrador de la discusión conectando tus hallazgos con la literatura existente.

Tesify no hace el análisis estadístico por ti (eso lo haces en Jamovi o SPSS sobre tus datos reales), pero sí convierte esos resultados en texto académico trazable, con tus propias palabras y sin riesgo de plagio. Todo el proceso queda registrado para que puedas mostrarlo a tu director o asesor si lo solicita.

Preguntas frecuentes