El nivel de significación (α), explicado
Alfa es la tasa de falsos positivos que estás dispuesto a aceptar. Elegirla bien significa pensar en lo que cuesta una respuesta equivocada, y por eso 0.05 no siempre es el número correcto.
6 min de lectura · Última revisión: 7 de agosto de 2026
Qué controla alfa
El nivel de significación α es la probabilidad de rechazar una hipótesis nula verdadera: un falso positivo, o error de tipo I. Fijar α = 0.05 significa aceptar que, cuando genuinamente no hay ningún efecto, afirmarás que lo hay el 5% de las veces.
Y algo esencial: α es una decisión que tomas antes de ver los datos. El valor p es lo que producen tus datos; α es el criterio con el que los juzgas. Elegir α después de mirar tu valor p le quita todo el significado que tenía.
Los dos errores se compensan entre sí
| No hay efecto real | Existe un efecto real | |
|---|---|---|
| Afirmas que hay efecto | Error de tipo I (α) | Correcto |
| Afirmas que no hay efecto | Correcto | Error de tipo II (β) |
Bajar α reduce los falsos positivos y, manteniendo todo lo demás constante, aumenta los falsos negativos. No puedes minimizar ambos a la vez con una muestra fija; la única forma de reducir los dos es recoger más datos.
Eso es lo que hace de α una decisión real y no una convención que se consulta. ¿Cuál de los dos errores es peor en tu situación?
Cómo elegir un umbral
Usa un α más estricto (0.01 o menor) cuando un falso positivo salga caro:
- Decisiones clínicas en las que una conclusión equivocada causa daño
- Compromisos irreversibles o costosos
- Cualquier contexto en el que estés haciendo muchos contrastes
- Afirmaciones sobre las que se actuará ampliamente antes de que haya replicación
Usa un α más laxo (0.10) cuando el problema mayor sea un falso negativo:
- Cribados exploratorios pensados para dar seguimiento después
- Estudios piloto que deciden si invertir en un ensayo completo
- Vigilancia de seguridad, donde el riesgo real es pasar por alto una señal
Cómo lo fijan los distintos campos
| Campo | α habitual | Motivo |
|---|---|---|
| Física de partículas | ~3 × 10⁻⁷ | Cantidades enormes de comparaciones; los descubrimientos son afirmaciones permanentes |
| Genómica | ~5 × 10⁻⁸ | Millones de contrastes simultáneos |
| Ensayos clínicos | 0.05, a menudo 0.025 unilateral | Está regulado y hay seguridad de pacientes en juego |
| Psicología, ciencias sociales | 0.05 | Convención |
| Pruebas A/B | 0.05, a veces 0.10 | Los cambios son baratos y reversibles |
| Estudios piloto | 0.10 | Cribar, no concluir |
Alfa y los contrastes múltiples
α controla la tasa de error de un contraste. Haz varios y tu tasa global de falsos positivos se acumula: para k contrastes independientes es 1 − (1 − α)ᵏ. Con α = 0.05 eso es un 23% para cinco contrastes, un 40% para diez y un 64% para veinte.
Las soluciones habituales son una corrección de Bonferroni (dividir α entre el número de contrastes: simple y conservadora) o un procedimiento de tasa de falsos descubrimientos como el de Benjamini–Hochberg, que controla la proporción esperada de falsos positivos entre tus hallazgos y es mucho menos brutal cuando tienes muchos contrastes.
Recuerda que la multiplicidad es más amplia de lo que parece. Contrastar varios resultados, varios subgrupos o varias especificaciones de modelo cuenta en todos los casos. También cuenta revisar un experimento repetidamente y pararlo cuando sale significativo.
Alfa no lo es todo
Un umbral convierte una medida continua de evidencia en una decisión binaria, y en esa conversión siempre se pierde algo. p = 0.049 y p = 0.051 son la misma evidencia; solo uno supera una línea en 0.05. Si tu resultado ha caído a un lado de esa línea y quieres saber qué te autoriza a afirmar, empieza por qué significa realmente "p < 0.05".
Fija tu α de antemano y úsalo para tomar la decisión que necesites tomar, pero informa el valor p exacto junto al tamaño del efecto y al intervalo de confianza, para que quien te lea pueda sopesar la evidencia por su cuenta en lugar de heredar tu umbral.