Saltar al contenido principal

Gratis · Sin registro · Funciona sin conexión

La calculadora de valor p que además revisa tu interpretación.

Convierte al instante un estadístico Z, t, χ², F o r en un valor p, con un gráfico de la distribución en vivo, un resultado exacto que nunca se redondea a cero y una lectura en lenguaje claro de lo que tu número demuestra y de lo que no.

  • Validada frente a SciPy hasta 1e-13
  • Resultados mientras escribes
  • 100% en tu navegador
Test statistic
Hypothesis direction

Testing for a difference in either direction

Results update as you type — there is no submit button.

Enter a test statistic to begin

Your p-value, a plain-English reading, and a shaded distribution chart appear here instantly.

De estadístico de contraste a valor p: qué hace la conversión

Casi todo el software estadístico te entrega un estadístico de contraste y ahí para. Te quedas con una t de 2.31, una F de 4.07, un χ² de 9.14, y lo que el trabajo, la revista o tu propia decisión necesitan de verdad es un valor p. Convertir un estadístico de contraste en un valor p es el paso intermedio, y es una sola operación: medir el área de la cola de la distribución que ese estadístico seguiría si la hipótesis nula fuera cierta.

Eso es exactamente lo que es la herramienta de arriba: una calculadora de estadístico de contraste a valor p. Elige el estadístico que tengas, escribe el número, y el área de la cola se calcula y se sombrea mientras escribes. Es una calculadora de valor p en línea, gratuita, sin registro y sin subidas: todo se ejecuta dentro de tu navegador, así que los números que pegas nunca salen de tu máquina.

Un estadístico es solo la mitad de la entrada

Un estadístico de contraste por sí solo no determina un valor p. El mismo número significa cosas distintas según qué distribución lo haya producido, y por eso la calculadora pide grados de libertad para todo salvo para Z. Encuentra aquí tu estadístico y tendrás la herramienta correcta y la entrada adicional correcta:

TienesDistribuciónTambién hace falta
Z o puntuación zNormal estándarNada — Z a valor p
tt de Studentdf — t a valor p
χ²Chi-cuadradodf — χ² a valor p
FFDos df — F a valor p
rr de Pearsonn — r a valor p

Cada página de conversión ejecuta el mismo motor que la calculadora de arriba, con ejemplos trabajados y las convenciones para informar de ese estadístico en concreto.

Comparar dos grupos

La razón más habitual para querer un valor p es comparar dos grupos, y qué contraste necesitas depende de lo que hayas medido y no de cómo se formaron los grupos. Si estás comparando promedios — tiempos de recuperación, puntuaciones, ingresos por usuario — eso es una prueba t. Si estás comparando tasas — conversiones, clics, recuentos de aprobados y suspensos — eso es una prueba Z de dos proporciones.

En cualquiera de los dos casos puedes saltarte el estadístico por completo. Una calculadora de valor p para dos grupos que toma los números en bruto es más directa que calcular la t por tu cuenta y convertirla: pega tus dos muestras en la calculadora de prueba t, o tus conversiones y visitantes en la calculadora de pruebas A/B, y obtienes el valor p junto con el tamaño del efecto y un intervalo de confianza sobre la diferencia, los dos números que te dicen si merece la pena actuar sobre el resultado.

Qué hace falta para calcular un valor p

Para calcular un valor p a mano necesitas un cuantil de una tabla impresa, y las tablas se detienen en un puñado de umbrales convencionales, y por eso el cálculo a mano da "p < 0.05" en lugar de un número. El software calcula el área de la cola directamente y te da el valor exacto, que es lo que las revistas esperan ahora que informes.

Hay una sutileza en ese cálculo que conviene conocer, porque es donde muchas calculadoras fallan calladamente. La forma obvia de obtener un área de cola es 1 − CDF(x), y en aritmética de coma flotante esa expresión se desploma a exactamente cero en cuanto el estadístico se hace grande, y por eso las herramientas de la competencia imprimen p = 0.000. Esta usa una función de supervivencia aparte, así que un valor p de 3 × 10⁻⁴⁰ se informa como 3 × 10⁻⁴⁰. La página de metodología muestra los algoritmos y la tabla de comparación con SciPy; si prefieres consultar el valor, las tablas de valores p se generan a partir de esas mismas funciones.

Hecha para ser correcta, no solo rápida.

La mayoría de las calculadoras de valor p son una envoltura fina alrededor de una CDF. Aquí hay cuatro cosas distintas.

Nunca informa p = 0.000

Las probabilidades de cola usan una función de supervivencia, no 1 − CDF. Un valor p de 3 × 10⁻⁴⁰ se informa como 3 × 10⁻⁴⁰, no se redondea hasta desaparecer.

Te dice qué significa

Cada resultado viene con una lectura en lenguaje claro y con la mala interpretación concreta a la que invita, la parte que los manuales se saltan.

Validada frente a SciPy

Error relativo por debajo de 1e-13 en las cinco distribuciones. Los valores de referencia y la batería de pruebas son públicos.

Tus datos no salen de aquí

Todo se calcula en tu navegador. Nada se sube, se registra ni se almacena: seguro para datos clínicos y comerciales.

¿Tienes datos en bruto en lugar de un estadístico?

Si tienes dos columnas de una hoja de cálculo, o las conversiones y los visitantes de un experimento, no necesitas calcular antes un estadístico de contraste. Pega los números y obtén juntos el valor p, el tamaño del efecto y un intervalo de confianza.

Calculadora de prueba tSignificación de pruebas A/B

¿Qué contraste necesito?

Dos grupos
Comparar valores medios → prueba t
Dos tasas
Conversiones, clics, aprobado/suspenso → prueba Z de dos proporciones
Categorías
Una tabla de contingencia → chi-cuadrado
3+ grupos
ANOVA de un factor → contraste F
Relación
Si dos variables se mueven juntas → correlación

Cómo usar esta calculadora

  1. Elige tu estadístico de contraste. Usa las pestañas de la parte de arriba de la calculadora. Si tu software te dio un número rotulado t, elige Puntuación t; si te dio Z, elige Puntuación Z, y así con el resto.
  2. Introduce el estadístico. Escribe el valor exactamente como te lo han informado, incluido el signo menos si es negativo. El resultado se actualiza mientras escribes.
  3. Añade los grados de libertad si te los pide. Los contrastes t, χ² y F los necesitan; Z no. Para una prueba t de una muestra, df es tu tamaño de muestra menos 1.
  4. Elige la dirección de tu hipótesis. Bilateral es la opción predeterminada y la respuesta correcta para la mayoría de la investigación. Los contrastes de chi-cuadrado y F son siempre de cola derecha, así que la calculadora fija esa elección por ti.
  5. Lee la interpretación, no solo el número. El panel de debajo del gráfico te dice qué respalda tu resultado y, con la misma importancia, qué no.

Qué mide realmente un valor p

Un valor p responde a una pregunta estrecha: si la hipótesis nula fuera cierta, ¿con qué frecuencia vería datos al menos así de extremos? Es una afirmación sobre los datos, condicionada a una hipótesis, y no una afirmación sobre la hipótesis misma. Esa asimetría es el origen de casi todos los errores que se cometen con los valores p.

La región sombreada del gráfico de arriba es una imagen literal de esto. La curva es la distribución que seguiría tu estadístico si la hipótesis nula fuera cierta. El área sombreada es la porción de resultados al menos tan extremos como lo que observaste. El valor p es esa área: ni más ni menos.

Como el cálculo asume la hipótesis nula, no puede decirte la probabilidad de que la hipótesis nula sea cierta. Un valor p de 0.05 se lee habitualmente como "un 5% de probabilidad de que no haya ningún efecto real". Esa lectura es falsa, y no por poco: dada una probabilidad previa realista, la probabilidad real de que la nula sea cierta después de ver p = 0.05 suele ser del 30% o más. Nuestra guía para interpretar valores p desarrolla por qué.

Leer el número que obtienes

Tratar el 0.05 como una línea nítida — significativo a un lado, nada al otro — tira casi toda la información de tu resultado. p = 0.049 y p = 0.051 son esencialmente la misma evidencia. Es más honrado leer un valor p como una medida continua de sorpresa:

Valor pLectura razonable
p > 0.10Poca o ninguna evidencia en contra de la hipótesis nula
0.05 – 0.10Evidencia débil y sugerente: para volver a mirar, no para concluir
0.01 – 0.05Evidencia moderada en contra de la hipótesis nula
0.001 – 0.01Evidencia fuerte en contra de la hipótesis nula
p < 0.001Evidencia muy fuerte en contra de la hipótesis nula

Sea cual sea el valor p, infórmalo junto a un tamaño del efecto y un intervalo de confianza. Un valor p te dice si un efecto es detectable; solo el tamaño del efecto te dice si merece la pena que te importe. Con una muestra lo bastante grande, una diferencia demasiado pequeña para importar superará igualmente cualquier umbral que elijas.

Preguntas frecuentes

¿Qué es un valor p?

Un valor p es la probabilidad de observar datos al menos tan extremos como los tuyos, suponiendo que la hipótesis nula es cierta. Es una medida de cómo de sorprendentes serían tus datos en un mundo donde el efecto que estás buscando no existe. Un valor p pequeño significa que tus datos serían inusuales bajo ese supuesto, lo que cuenta como evidencia en su contra.

¿Qué valor p se considera estadísticamente significativo?

Por convención, un valor p por debajo de 0.05 se llama estadísticamente significativo, pero ese umbral es una convención social y no una ley de la naturaleza. Campos como la física de partículas usan 0.0000003, mientras que la investigación exploratoria puede aceptar 0.10. Elige tu nivel de significación antes de mirar los datos, e informa del valor p exacto y no solo de si superó la línea.

¿Un valor p me dice la probabilidad de que mi hipótesis sea cierta?

No, y esta es la mala interpretación más habitual de todas. El valor p se calcula suponiendo que la hipótesis nula es cierta, así que no puede además decirte la probabilidad de que lo sea. Un valor p de 0.05 no significa que haya un 5% de probabilidad de que se cumpla la hipótesis nula; la cifra realista suele ser del 30% o más, según lo plausible que fuera la hipótesis de entrada.

¿Debo usar un contraste unilateral o bilateral?

Usa un contraste bilateral salvo que tengas una razón de peso, decidida antes de recoger los datos, para que solo te importe una dirección. Bilateral es la opción predeterminada en la mayoría de la investigación porque detecta un efecto en cualquiera de los dos sentidos. Cambiar a unilateral después de ver tus resultados divide tu valor p entre dos sin ninguna evidencia nueva, que es una forma de p-hacking.

¿Qué significa un valor p no significativo?

Significa que tus datos no son lo bastante sorprendentes bajo la hipótesis nula como para rechazarla. No demuestra que no haya ningún efecto. Una muestra pequeña puede pasar por alto con facilidad un efecto real, así que "no significativo" suele querer decir "no concluyente" y no "ninguna diferencia". Mira el intervalo de confianza: si incluye tanto efectos triviales como grandes, tu estudio sencillamente no pudo distinguirlos.

¿Es exacta esta calculadora de valor p?

Sí. Cada distribución está implementada a partir de métodos numéricos publicados y validada frente a SciPy con un error relativo por debajo de 1e-13. Y algo esencial: las probabilidades de cola se calculan con una función de supervivencia y no con 1 menos la CDF, así que los valores p muy pequeños se informan con exactitud en lugar de desplomarse a cero. El método completo y la tabla de validación están en nuestra página de metodología.

Sobre este sitio

Quién lo mantiene, cómo llegar hasta nosotros y bajo qué condiciones se ofrece.