Calculadora de p-valor
Calcula el p-valor con un estadístico Z o t, el tipo de cola y los grados de libertad. Compara α y lee la interpretación al instante.
Calculadora de p-valor
Introduce un estadístico Z o t y elige la dirección de la prueba para ver en una sola pantalla el p-valor, la comparación con α y las probabilidades de las colas izquierda y derecha.
El modo Normal (Z) usa la distribución acumulada normal estándar para calcular el p-valor. Encaja bien cuando el estadístico Z ya está calculado o cuando se supone conocida la desviación estándar poblacional.
Usa los ejemplos para comparar cómo cambia el resultado entre la distribución normal, la distribución t y las pruebas de una cola o de dos colas.
- El p-valor es la probabilidad de observar un resultado al menos tan extremo como este si la hipótesis nula fuera cierta. Los valores más pequeños hacen que los datos parezcan menos compatibles con ese modelo nulo.
- Una prueba de dos colas reúne el área extrema de ambos lados de la distribución. Con el mismo estadístico, el p-valor suele ser mayor que en una prueba de una cola.
- La distribución t tiene colas más pesadas cuando el df es pequeño, por lo que el mismo estadístico puede producir un p-valor mayor que en la distribución normal.
Introduce un estadístico para calcular el resultado al instante.
Con la distribución normal (Z), Z = 1.96, una prueba de dos colas y α = 0.05 producen un p-valor de aproximadamente 0.0500, justo al borde del umbral.
0.0500 ≤ 0.10
0.0500 ≈ 0.05
0.0500 > 0.01
La α activa es 0.05. Como el p-valor queda tan cerca de ese umbral, conviene leer el valor sin redondear en lugar de apoyarse solo en la cifra mostrada.
| Distribución | Normal (Z) |
|---|---|
| Dirección de la prueba | Dos colas |
| Estadístico de prueba | 1.96 |
| Grados de libertad | – |
| Nivel de significación α | 0.05 |
| Área acumulada izquierda | 0.9750 |
| Área de la cola derecha | 0.0250 |
| p-valor | 0.0500 |
| Decisión | Cerca del umbral |
- Para Z = 1.96, la probabilidad acumulada normal Φ(1.96) es aproximadamente 0.9750.
- Como esta es una prueba de dos colas, el área menor de cola, 0.0250, se duplica para obtener un p-valor de 0.0500.
- Con α = 0.05, el resultado cae casi exactamente sobre el umbral de rechazo, por lo que el valor preciso importa más que la cifra redondeada.
Este es un ejemplo clásico de valor límite. Al informarlo, conviene incluir la distribución, la dirección de la prueba, los grados de libertad y la regla de α para que la lectura quede clara.
¿Qué es una calculadora de p-valor?
Una calculadora de p-valor te ayuda a entender lo inusual que es un resultado cuando el estadístico de prueba ya está calculado. En una prueba de hipótesis, el p-valor es la probabilidad de observar un resultado tan extremo como este, o más extremo, si la hipótesis nula fuera cierta. Cuanto más pequeño sea el p-valor, menos compatibles parecen los datos observados con ese modelo nulo.
En la práctica, muchas veces se cita el p-valor con más frecuencia que el propio estadístico. Pero el valor cambia según se interprete el estadístico bajo la distribución normal (Z) o la distribución t, y según la prueba sea de una cola o de dos colas. Esta herramienta reúne esas condiciones en una sola pantalla para reducir errores de interpretación.
Cuándo resulta útil
Esta herramienta viene bien cuando ya tienes un estadístico Z o t obtenido en un programa, en un artículo o en un cálculo manual y quieres comprobar el p-valor rápidamente. Resulta especialmente útil cuando quieres comparar la lectura unilateral y bilateral o ver cómo cambia el resultado al usar un valor distinto de df.
Es habitual usarla para comparar puntuaciones, contrastar medias entre tratamiento y control, revisar pruebas t de Welch, verificar coeficientes en salidas de regresión o resolver ejercicios donde solo se facilitan el estadístico y los grados de libertad. Funciona bien como comprobación rápida antes de redactar un informe o comentar la significación en una reunión.
- Trabajos y comprobaciones manuales – Vuelve a comprobar un valor t o Z junto con su p-valor
- Lectura de tablas en artículos – Introduce el estadístico publicado y el df para confirmar la significación
- Control de calidad de informes – Compara resultados de una cola y de dos colas antes de cerrar una nota
- Análisis de datos cotidianos – Interpreta salidas de regresión o comparaciones de medias sin reabrir un flujo estadístico mayor
Funciones principales
Esta calculadora hace más que mostrar un único p-valor. También indica qué área de cola se está utilizando y cómo se comporta el resultado frente a los umbrales α más habituales. La idea es que el camino desde el estadístico hasta una interpretación lista para informar sea corto y fácil de seguir.
Puedes cambiar entre la distribución normal (Z) y la distribución t, alternar entre pruebas de cola izquierda, cola derecha y dos colas, e introducir tu propio umbral α. En la misma pantalla verás además cómo encaja el resultado frente a 0.10, 0.05 y 0.01.
- Cambio entre Z y t – Ajusta la calculadora a la distribución que corresponde a tu estadístico
- Soporte para una cola y dos colas – Compara al instante p-valores de cola izquierda, derecha y bilateral
- Entrada de grados de libertad – Refleja directamente el df cuando hace falta la distribución t
- Tarjetas de comparación con α – Mira al momento cómo se lee el mismo resultado con 0.10, 0.05 y 0.01
- Copia del resultado – Copia una línea de resumen para notas, chats o informes
Cómo se usa
Empieza eligiendo si tu resultado debe leerse como un estadístico Z o como un estadístico t, y después selecciona la dirección de la prueba. A continuación, introduce el valor del estadístico y, si estás usando la distribución t, añade también los grados de libertad. Por último, escribe el nivel α que quieres usar como umbral de decisión y lee el p-valor actualizado.
Las pruebas de dos colas duplican el área menor de cola, mientras que las de una cola usan solo la cola marcada por la hipótesis. Si trabajas con una tabla de regresión o con una comparación de medias y la dirección no está clara, lo más prudente es confirmar antes si el análisis espera una regla unilateral o bilateral.
- Elige una distribución – Usa Normal (Z) para un estadístico Z y distribución t para un estadístico t.
- Elige la dirección – Selecciona cola izquierda, cola derecha o dos colas según la hipótesis.
- Introduce el estadístico – Escribe el valor z o t ya calculado.
- Añade df y α – Introduce los grados de libertad en modo t y la regla α con la que quieras comparar.
- Lee el resultado – Usa juntos la tarjeta superior, la fila de comparación con α y la tabla resumen.
Cómo funciona el cálculo
El modo Normal (Z) usa la función de distribución acumulada normal estándar Φ(z). Una prueba de cola izquierda usa Φ(z) directamente como p-valor, una prueba de cola derecha usa 1 – Φ(z), y una prueba de dos colas duplica el área de cola más pequeña para contar valores igual de extremos en ambos lados de la distribución.
El modo t usa la probabilidad acumulada de la distribución t de Student junto con los grados de libertad. Cuando el df es pequeño, las colas son más pesadas, por lo que el mismo estadístico puede producir un p-valor mayor que bajo la distribución normal. Por eso las pruebas con muestras pequeñas o los casos en los que la desviación estándar poblacional es desconocida deberían revisarse en modo t en lugar de simplificarse al modo Z.
Un p-valor no es la probabilidad de que la hipótesis nula sea verdadera. Es la probabilidad de observar el estadístico actual, o algo más extremo, bajo el modelo nulo. El diseño del estudio, las comparaciones múltiples y las hipótesis planteadas a posteriori siguen necesitando una revisión aparte. Si además quieres revisar los números de estandarización de base, puedes continuar con la Calculadora de puntuación z, la Calculadora de desviación estándar o la Calculadora de media.
Preguntas frecuentes
¿Un p-valor pequeño significa siempre que el resultado es importante?
No siempre. Un p-valor pequeño significa que los datos observados parecen menos compatibles con la hipótesis nula, pero no demuestra automáticamente que el efecto sea grande o importante en la práctica. Con muestras muy grandes, incluso diferencias pequeñas pueden producir p-valores pequeños.
¿Cuándo debería usar una prueba de una cola en lugar de una de dos colas?
Usa una prueba de una cola solo cuando la hipótesis sea realmente direccional antes de mirar los datos. Si solo te importa saber si el resultado es distinto en cualquiera de las direcciones, utiliza una prueba de dos colas. Por ejemplo, “mayor que” puede justificar una prueba unilateral, mientras que “distinto de” suele requerir una bilateral.
¿Por qué tengo que introducir los grados de libertad en el modo t?
La forma de la distribución t depende de los grados de libertad. Los valores pequeños de df hacen que las colas sean más pesadas, lo que puede aumentar el p-valor para el mismo estadístico t. Esto importa especialmente en muestras pequeñas y en pruebas t del tipo Welch, donde el df puede no ser un entero.
¿Cuál es la diferencia entre el p-valor y α?
El p-valor es el número calculado a partir de tus datos, mientras que α es el umbral de decisión que eliges antes de interpretar el resultado. Si el p-valor es menor o igual que α, el resultado se considera significativo según esa regla. Uno es el resultado observado y el otro es el criterio de comparación.
¿Puede esta calculadora obtener también p-valores de chi-cuadrado o de F?
La versión actual solo admite la distribución normal (Z) y la distribución t. Las pruebas chi-cuadrado, las pruebas F, las pruebas de correlación y las pruebas exactas usan distribuciones distintas y necesitan sus propias fórmulas. Si ya sabes qué contraste necesitas, una calculadora específica para esa distribución será más precisa.
Todavía no hay comentarios. Deja la primera opinión.