Calculadora de valor p a partir de puntuación Z
Convierte una puntuación Z a valor p.
El estadístico de prueba estandarizado
Ingrese un score z para calcular el valor p
Probar ejemplos
¿Qué es un valor p?
Un valor p es la probabilidad de observar un resultado tan extremo como (o más extremo que) tus datos, asumiendo que la hipótesis nula es verdadera. Valores p pequeños sugieren que los datos son improbables bajo la hipótesis nula, proporcionando evidencia en contra de ella.
El valor p de una puntuación z específicamente usa la distribución normal estándar, apropiada para muestras grandes o cuando la desviación estándar poblacional es conocida.
De puntuación Z a valor p
Una puntuación z te dice cuántas desviaciones estándar está tu resultado del valor de la hipótesis nula. El valor p te dice la probabilidad de estar tan lejos o más.
Ejemplo:
- z = 2,0 significa que tu resultado está 2 desviaciones estándar del valor esperado
- Valor p bilateral = 0,046 significa que hay 4,6% de probabilidad de estar tan lejos de lo esperado en cualquier dirección
- Valor p unilateral = 0,023 significa que hay 2,3% de probabilidad en una dirección específica
Unilateral vs. bilateral
Bilateral (más común)
Prueba cualquier diferencia del nulo:
- H₀: μ = μ₀ vs. H₁: μ ≠ μ₀
- El valor p considera ambas colas
- Para z = 2,0: p = 0,046
Usa cuando estarías interesado en una diferencia en cualquier dirección.
Unilateral
Prueba diferencia en una dirección específica:
- H₀: μ = μ₀ vs. H₁: μ > μ₀ (cola derecha)
- H₀: μ = μ₀ vs. H₁: μ < μ₀ (cola izquierda)
- El valor p considera solo una cola
- Para z = 2,0 (cola derecha): p = 0,023
Usa solo cuando tengas una razón teórica fuerte para probar en una dirección.
Puntuaciones Z y valores p comunes
| Puntuación Z | p bilateral | p unilateral |
|---|---|---|
| 1,0 | 0,317 | 0,159 |
| 1,645 | 0,100 | 0,050 |
| 1,96 | 0,050 | 0,025 |
| 2,0 | 0,046 | 0,023 |
| 2,326 | 0,020 | 0,010 |
| 2,576 | 0,010 | 0,005 |
| 3,0 | 0,003 | 0,001 |
| 3,29 | 0,001 | 0,0005 |
Interpretando valores p
El umbral convencional
α = 0,05 es el nivel de significancia más común:
- p < 0,05: "Estadísticamente significativo"—rechaza el nulo
- p ≥ 0,05: "No estadísticamente significativo"—no se rechaza
Lo que los valores p NO son
El valor p NO es la probabilidad de que la hipótesis nula sea verdadera.
Si p = 0,03, NO significa que hay 3% de probabilidad de que el nulo sea verdadero. Significa: SI el nulo fuera verdadero, hay 3% de probabilidad de datos tan extremos.
El valor p NO es la probabilidad de que los resultados ocurran "por azar."
Todos los resultados ocurren por azar en algún sentido. El valor p cuantifica qué tan sorprendentes serían los resultados bajo una hipótesis nula específica.
El tamaño del efecto importa
Un valor p pequeño no significa un efecto grande. Con suficientes datos, efectos trivialmente pequeños se vuelven estadísticamente significativos. Siempre reporta tamaños del efecto junto con valores p.
Aplicaciones
Prueba de hipótesis
"Probamos si la media del tratamiento difería de 100." z = 2,45, p = 0,014 (bilateral) "Rechazamos la hipótesis nula a α = 0,05."
Proporciones
"¿Es la proporción verdadera diferente de 0,50?" z = 1,89, p = 0,059 "El resultado no es estadísticamente significativo a α = 0,05."
Control de calidad
"¿Difiere la media del proceso del objetivo?" z = -3,2, p = 0,001 "El proceso está significativamente fuera del objetivo."
Antecedentes históricos
El concepto de valor p fue desarrollado por Karl Pearson y formalizado por Ronald Fisher en los años 1920.
Fisher veía los valores p como medidas de evidencia contra la hipótesis nula—valores p más pequeños indicando evidencia más fuerte. Sugirió p = 0,05 como un umbral "conveniente", no una regla absoluta.
Jerzy Neyman y Egon Pearson desarrollaron el marco de errores Tipo I y Tipo II, donde α (nivel de significancia) se establece antes del estudio. Su enfoque trata la prueba de hipótesis como un procedimiento de decisión más que como una medida de evidencia.
La práctica moderna combina incómodamente estas dos filosofías, frecuentemente llevando a confusión sobre qué significan los valores p.
La relación con puntuaciones Z
La distribución normal estándar tiene:
- Media = 0
- Desviación estándar = 1
- Simétrica alrededor de cero
El valor p es el área de cola(s) más allá de tu puntuación z:
Cola derecha (z positivo): Área a la derecha de z Cola izquierda (z negativo): Área a la izquierda de z Bilateral: Suma de ambas áreas de cola más allá de |z|
La calculadora de tabla Z muestra probabilidades acumuladas, de las cuales se derivan los valores p.
Cuándo usar Z vs. T
Usa valores p basados en Z cuando:
- El tamaño de muestra es grande (n > 30)
- La σ poblacional es conocida (raro)
- Probando proporciones
Usa valores p basados en T cuando:
- El tamaño de muestra es pequeño
- La σ poblacional es desconocida
- Probando medias con DE muestral
La calculadora de distribución t maneja casos de muestras pequeñas.
El problema del p-hacking
Cuando los investigadores prueban múltiples análisis y reportan solo el que tiene p < 0,05, los falsos positivos se vuelven probables. Este "p-hacking" ha contribuido a la crisis de reproducibilidad en la ciencia.
Remedios incluyen:
- Pre-registro de análisis
- Correcciones de comparaciones múltiples
- Reportar todos los análisis realizados
- Enfocarse en tamaños del efecto e intervalos de confianza
Críticas al valor p
La Asociación Americana de Estadística (2016) emitió guías notando:
- Los valores p pueden indicar incompatibilidad con un modelo, no probar que es falso
- Los valores p no miden probabilidad de que la hipótesis sea verdadera
- Las conclusiones científicas no deben basarse solo en p < 0,05
- Los valores p no miden tamaño del efecto o importancia
- Los valores p solos no proporcionan buena evidencia
Cálculos relacionados
- Calculadora de puntuación Z — Convertir valores crudos a puntuaciones z
- Calculadora de tabla Z — Probabilidades acumuladas
- Calculadora de valor crítico (z*) — Encontrar z para nivel de significancia
- Calculadora de distribución t — Valores p para muestras pequeñas
- Calculadora de probabilidad normal — Probabilidades de distribuciones normales
Resumen
El valor p de una puntuación z cuantifica qué tan sorprendente es tu resultado bajo la hipótesis nula. Valores p pequeños (típicamente < 0,05) llevan a rechazar el nulo, pero los valores p solos no prueban efectos, miden su magnitud, ni dan la probabilidad de que el nulo sea verdadero. Para interpretación apropiada, reporta valores p junto con intervalos de confianza y tamaños del efecto. Entender lo que los valores p realmente significan—y lo que no—es esencial para inferencia estadística sólida.