Calculadora del valor p
Introduce un estadístico de contraste z, t, chi-cuadrado o F para hallar el valor p en pruebas de dos colas, cola izquierda o cola derecha. Elige la distribución, los grados de libertad y el nivel de significación para saber si tu resultado es estadísticamente significativo.
Halla el valor p de tu prueba
Fórmula del valor p
- \(T\) — la variable aleatoria del estadístico de contraste (Z, t, χ² o F) bajo la hipótesis nula \(H_0\)
- \(t\) — el valor observado de tu estadístico de contraste
- \(P(T \ge t)\) — la probabilidad de observar un valor al menos tan extremo como \(t\), en la cola derecha
Para cada distribución, las probabilidades de cola provienen de la función de distribución acumulada correspondiente: la CDF normal estándar \(\Phi(z)\) para Z, la CDF de la t de Student con \(df\) grados de libertad, la CDF de chi-cuadrado o la CDF de la F con \(df_1\) y \(df_2\) grados de libertad. La calculadora las evalúa numéricamente, por lo que no se necesitan tablas estadísticas.
Valor p – Ejemplo de cálculo
Ejemplo: una prueba t para dos muestras produjo un estadístico de contraste de \(t = 2.5\) con \(df = 20\), y la hipótesis alternativa es bilateral (\(\neq\)).
\[ p = 2 \cdot P(T \ge 2.5) = 2 \times 0.0106 = 0.0213 \]
Resultado: el valor p es 0.0213. Como \(0.0213 \le 0.05\), el resultado es estadísticamente significativo con \(\alpha = 0.05\): se rechaza \(H_0\).
Cómo usar la calculadora
- Introduce tu estadístico de contraste (el valor z, t, χ² o F que ya has calculado a partir de tus datos).
- Selecciona la distribución que sigue el estadístico bajo \(H_0\): normal estándar (Z), t de Student, chi-cuadrado (χ²) o distribución F.
- Elige las colas que correspondan a tu hipótesis alternativa: dos colas (≠), cola derecha (>) o cola izquierda (<).
- Si seleccionaste t o χ², introduce los grados de libertad (df). Si seleccionaste la distribución F, introduce tanto los df del numerador (df₁) como los df del denominador (df₂); estos campos aparecen automáticamente.
- Elige tu nivel de significación (α) — 0.05, 0.01 o 0.10 — para que la calculadora pueda indicar la conclusión de la prueba.
- Lee el valor p, la probabilidad de cola en la dirección de tu estadístico, y los detalles y conclusión, que muestran ambas probabilidades de cola y la decisión de rechazar o no rechazar con α.
¿Qué es un valor p?
El valor p responde a una pregunta concreta: si la hipótesis nula fuera cierta, ¿cuán probable es obtener un estadístico de contraste al menos tan extremo como el observado? Es una probabilidad entre 0 y 1, no la probabilidad de que la hipótesis nula sea verdadera o falsa. Un valor p pequeño significa que los datos observados serían sorprendentes bajo \(H_0\), lo cual constituye evidencia en contra de la hipótesis nula.
Los investigadores comparan el valor p con un nivel de significación \(\alpha\) fijado de antemano, normalmente 0.05. Si \(p \le \alpha\), el resultado se denomina estadísticamente significativo y, por convención, se rechaza \(H_0\). Si \(p > \alpha\), no se rechaza \(H_0\). Ten en cuenta que no rechazar no equivale a demostrar que \(H_0\) es verdadera: solo significa que los datos no aportan suficiente evidencia en contra.
El número de colas importa. Una prueba de dos colas detecta desviaciones en ambas direcciones, por lo que el valor p incluye las dos colas extremas. Una prueba de cola derecha se usa cuando la alternativa sostiene que un valor es mayor que el valor nulo (habitual en las pruebas χ² y F, que son de cola derecha por naturaleza). Una prueba de cola izquierda se aplica cuando la alternativa sostiene que el valor es menor. Elegir la cola equivocada puede hacer que un resultado real parezca no significativo, de modo que las colas deben corresponderse con la hipótesis alternativa que formulaste antes de mirar los datos.
Para interpretar informalmente la fuerza de la evidencia: \(p < 0.001\) es muy fuerte, \(p < 0.01\) es fuerte, \(p < 0.05\) es moderada y \(p < 0.10\) es débil. Los valores superiores a 0.10 aportan poca evidencia contra \(H_0\). Son convenciones, no umbrales con un significado mágico.
¿Qué distribución debes elegir?
- Normal estándar (Z) — pruebas sobre medias y proporciones con muestras grandes cuando se conoce la varianza poblacional o la muestra es lo bastante grande para el Teorema Central del Límite. Si primero necesitas el estadístico en sí, usa la calculadora de puntuación Z.
- t de Student — pruebas sobre medias con muestras pequeñas o varianza poblacional desconocida; requiere un valor de df, normalmente \(n - 1\) o \(n_1 + n_2 - 2\).
- Chi-cuadrado (χ²) — pruebas de bondad de ajuste y pruebas de independencia en tablas de contingencia; los df dependen del número de categorías o celdas. Estas pruebas casi siempre son de cola derecha.
- Distribución F — ANOVA y comparaciones de varianzas; requiere los df del numerador \(df_1\) y los df del denominador \(df_2\). También es casi siempre de cola derecha.
Si aún no estás en la etapa de contraste, nuestra calculadora de distribución normal y nuestra calculadora de intervalo de confianza cubren las tareas relacionadas de probabilidad y estimación.
Supuestos, limitaciones y consejos prácticos
- La calculadora necesita un estadístico ya calculado. No calcula z, t, χ² ni F a partir de los datos brutos: debes proporcionar el estadístico de tu prueba. Consulta el valor en tu software estadístico o en tus apuntes del curso.
- El estadístico debe seguir la distribución elegida bajo \(H_0\). Esto exige que se cumplan los supuestos propios de la prueba: muestreo aleatorio, normalidad aproximada o muestras grandes para Z/t, frecuencias esperadas de al menos 5 por celda para χ², y homogeneidad de varianzas para el ANOVA estándar.
- Fija α antes de la prueba. Elegir el nivel de significación después de ver el valor p infla la tasa de falsos positivos. Si tu nivel de significación no aparece en la lista, compara manualmente el valor p obtenido con tu α.
- Para χ² y F, usa pruebas de cola derecha. Estos estadísticos no son negativos y sus pruebas son unilaterales por convención; la opción de dos colas de la calculadora duplica la cola menor, lo que rara vez corresponde a una hipótesis real para estas distribuciones.
- La significación estadística no es importancia práctica. Con una muestra lo bastante grande, diferencias minúsculas y sin sentido se vuelven significativas. Informa del tamaño del efecto y de un intervalo de confianza junto con el valor p, y asegúrate de que el tamaño de muestra se planificó con criterio; consulta la calculadora de tamaño de muestra.
- Los valores p muy pequeños se muestran en notación científica (p. ej., 2.1e−05, que significa \(2.1 \times 10^{-5}\)).
Preguntas frecuentes
¿Cómo calculo un valor p a mano sin calculadora?
Para una prueba z, usa la CDF normal estándar: en una prueba de cola derecha, \(p = 1 - \Phi(z)\), y en una de cola izquierda, \(p = \Phi(z)\). Los valores de \(\Phi(z)\) se obtienen de una tabla de la distribución normal: busca tu valor z (redondeado a dos decimales), lee la probabilidad de la tabla y toma el complemento para la cola derecha. Para las pruebas t, χ² y F necesitarías las tablas estadísticas correspondientes, que son precisamente lo que esta calculadora sustituye al calcular la CDF numéricamente.
¿Qué es un valor p bueno o normal?
No existe un valor objetivamente «bueno»: el valor p depende de tus datos y del tamaño de muestra. Por convención, los resultados con \(p \le 0.05\) se consideran estadísticamente significativos, y los de \(p \le 0.01\), altamente significativos. Sin embargo, estos umbrales son convenciones, no pruebas. Un valor p pequeño indica fuerte evidencia contra la hipótesis nula, no que tu hallazgo sea grande o importante. Informa siempre del tamaño del efecto y del intervalo de confianza junto con el valor p.
¿Es el valor p la probabilidad de que la hipótesis nula sea verdadera?
No: esta es la interpretación errónea más común. El valor p es la probabilidad de observar un estadístico de contraste al menos tan extremo como el tuyo, asumiendo que la hipótesis nula es verdadera. Un valor p de 0.03 no significa que haya un 3 % de probabilidad de que la hipótesis nula sea correcta. Tampoco puede decirte la probabilidad de que tu hipótesis alternativa sea verdadera; para eso se necesitaría un enfoque bayesiano.
¿Por qué mi valor p es distinto del que me dan SPSS, R o Excel?
Comprueba primero el número de colas: el software puede informar por defecto un valor p de dos colas, aproximadamente el doble del valor de una cola. Verifica también los grados de libertad, ya que pruebas como la t de Welch usan un df distinto de la versión estándar agrupada. Por último, el redondeo del estadístico o el uso de correcciones de continuidad en las pruebas χ² pueden desplazar ligeramente el valor p. Las pequeñas diferencias en el tercer o cuarto decimal suelen ser solo redondeo.
¿Puedo convertir un valor p de dos colas en uno de una cola (o viceversa)?
Si el estadístico de contraste apunta en la dirección de tu alternativa unilateral, el valor p de una cola es la mitad del valor de dos colas: \(p_{una} = p_{dos}/2\). Si apunta en la dirección contraria, el valor p de una cola supera 0.5 y el resultado no puede ser significativo. Es importante que decidas el número de colas antes de realizar la prueba: cambiarlo después solo para alcanzar significación infla la tasa de falsos positivos y se considera p-hacking.
¿Qué pasa si mi estadístico de contraste es negativo?
Los valores negativos son completamente normales en los estadísticos z y t: simplemente indican que la media muestral está por debajo del valor hipotetizado. Introduce el número negativo tal cual; la calculadora usa automáticamente la cola izquierda. Sin embargo, los estadísticos χ² y F nunca pueden ser negativos porque se construyen a partir de cantidades al cuadrado. Si tu valor χ² o F es negativo, hubo un error de cálculo en algún paso previo: revisa tus fórmulas.
¿Puede un valor p ser 0 o mayor que 1?
Un valor p está siempre estrictamente entre 0 y 1, porque es una probabilidad. Puede ser extremadamente pequeño (por ejemplo \(2.1 \times 10^{-5}\), mostrado como 2.1e−05), pero nunca exactamente cero: cuando un software muestra «0.000» solo está redondeando. Si obtienes un valor superior a 1 o un número negativo, se cometió un error de entrada, como introducir una probabilidad en lugar de un estadístico de contraste o leer mal el campo de salida.