Calculadoras de contrastes estadísticos
Dos puertas de entrada. Si tienes datos en bruto, empieza por una calculadora de contraste. Si tu software ya te dio un estadístico, ve directo al conversor.
Empieza por tus datos
Pega números o introduce recuentos. Estas calculan el estadístico de contraste por ti y después informan del valor p con un tamaño del efecto y un intervalo de confianza.
Tienes dos columnas de mediciones
Calculadora de prueba t
Compara la media de dos grupos. Independientes, emparejados o una muestra.
Tienes visitantes y conversiones
Significación de pruebas A/B
Compara dos tasas de conversión con la mejora y su intervalo de confianza.
Tienes una tabla de recuentos
Calculadora de chi-cuadrado
Contrasta una tabla de contingencia de 2×2 hasta 5×5, con las frecuencias esperadas y la V de Cramér.
Tienes tres grupos o más
Calculadora de ANOVA
Compara tres o más medias de grupo a la vez, con η² y los resúmenes por grupo.
Conoces la σ poblacional
Calculadora de prueba Z
Pruebas Z de una y dos muestras, a partir de datos en bruto o de la media, la SD y el tamaño de la muestra.
Tienes valores X e Y emparejados
Calculadora de correlación
La r de Pearson a partir de columnas emparejadas, con r² y un intervalo sobre la propia correlación.
Estimar en lugar de contrastar
Un valor p te dice si un efecto es detectable. Estas responden a las preguntas que suelen importar más: cómo de grande es, con cuánta precisión lo has medido y cuántos datos necesitas.
Quieres un rango, no un veredicto
Intervalo de confianza
Para una media o una proporción. Las proporciones usan el intervalo de puntuación de Wilson, no el de Wald.
Quieres saber cómo de grande es
Calculadora de tamaño del efecto
La d de Cohen y la g de Hedges para dos grupos, con un intervalo de confianza sobre la estimación.
Todavía no has hecho el contraste
Calculadora de tamaño de la muestra
Cuántas observaciones necesitas, decidido antes de recoger ninguna de ellas.
Necesitas el umbral, no la p
Calculadora de valores críticos
La frontera de la región de rechazo para z, t, χ², F y r, con la regla de decisión.
Empieza por un estadístico de contraste
Convierte en un valor p exacto un estadístico que tu software ya informó, con un gráfico de la distribución sombreado que muestra qué representa ese número.
Ya tienes una puntuación Z
Puntuación Z a valor p
Probabilidades de cola de la normal estándar, exactas hasta el fondo de la cola.
Ya tienes un estadístico t
Puntuación t a valor p
La t de Student con cualesquiera grados de libertad, incluidos los df fraccionarios de Welch.
Ya tienes un valor de χ²
Chi-cuadrado a valor p
Contrastes de independencia y de bondad de ajuste.
Ya tienes un estadístico F
Puntuación F a valor p
Contrastes de ANOVA y de modelos de regresión, con los dos grados de libertad.
Ya tienes una correlación
Correlación a valor p
Contrasta una r de Pearson frente a cero, con la varianza explicada.
Elegir el contraste adecuado
Casi toda la dificultad de la estadística está en elegir el contraste, no en ejecutarlo. Tres preguntas lo resuelven casi siempre.
1. ¿Qué clase de resultado estás midiendo?
Si es un número — ingresos, presión arterial, tiempo en la página — estás en el terreno de la prueba t y del ANOVA. Si es una categoría — convirtió o no, aprobó o suspendió — quieres un contraste de proporciones o un chi-cuadrado. Equivocarse aquí es el error más frecuente, e invalida todo lo que viene después.
2. ¿Cuántos grupos?
Un grupo frente a un valor fijo es un contraste de una muestra. Dos grupos son una prueba t o un contraste de dos proporciones. Tres o más piden un ANOVA, porque ejecutar en su lugar todas las pruebas t por parejas infla mucho tu tasa de falsos positivos: con cinco grupos hay diez comparaciones y aproximadamente un 40% de probabilidad de obtener al menos un resultado espurio.
3. ¿Están emparejadas las observaciones?
Si cada valor de un grupo se corresponde con un valor concreto del otro — la misma persona medida dos veces, pares emparejados — usa un contraste para datos emparejados. El emparejamiento elimina la variación entre sujetos y te da bastante más potencia. Aplicarlo a datos que no están genuinamente emparejados es un error grave en el sentido contrario.
| Resultado | Grupos | Contraste |
|---|---|---|
| Número | 1 frente a un valor | Prueba t de una muestra |
| Número | 2 independientes | Prueba t de Welch |
| Número | 2 emparejados | Prueba t para datos emparejados |
| Número | 3 o más | ANOVA de un factor |
| Categoría | 2 tasas | Prueba Z de dos proporciones |
| Categoría | Tabla de contingencia | Chi-cuadrado |
| Dos números | Relación | Correlación de Pearson |