🧪 Calculadora de Valor P
La Calculadora de Valor P es una herramienta estadística gratuita que calcula el valor p a partir de una puntuación Z para pruebas de hipótesis. Introduce tu estadístico de prueba y selecciona el tipo de cola para obtener el valor p, junto con conclusiones de significancia en los niveles 0.05 y 0.01. Todos los cálculos se ejecutan localmente en tu navegador usando la función de distribución acumulada normal estándar. Investigadores, estudiantes y analistas la usan para determinar si rechazar la hipótesis nula.
Calcula el valor p a partir de una puntuación Z (estadístico de prueba) para pruebas de hipótesis. Admite pruebas de cola izquierda, cola derecha y dos colas con conclusiones de significancia en alfa 0.05 y 0.01.
¿Qué es esta herramienta?
Un valor p es la probabilidad de obtener un estadístico de prueba al menos tan extremo como el observado, asumiendo que la hipótesis nula (H₀) es verdadera. En las pruebas de hipótesis comienzas con dos afirmaciones opuestas: la hipótesis nula H₀ (típicamente "sin efecto" o "sin diferencia") y la hipótesis alternativa H₁ ("hay un efecto"). Calculas una puntuación Z a partir de tus datos, luego la conviertes en un valor p usando la distribución normal estándar. Un valor p pequeño significa que el resultado observado sería poco probable bajo H₀, lo que constituye evidencia contra la hipótesis nula. Por ejemplo, si estás probando si un nuevo medicamento funciona, H₀ dice que el medicamento no tiene efecto. Si tu estudio produce p = 0.03, significa que hay solo un 3% de probabilidad de ver un resultado tan extremo si el medicamento realmente no tuviera efecto. Por convención, cuando p es menor que el nivel de significancia alfa (α), típicamente 0.05, rechazas H₀ y declaras el resultado "estadísticamente significativo". El valor p depende tanto de la magnitud del efecto como del tamaño de la muestra, por lo que siempre debe interpretarse junto con los intervalos de confianza y los tamaños del efecto. El diagrama siguiente muestra las regiones de rechcho (sombreadas en rojo) en las colas de la distribución normal estándar para una prueba de dos colas con α = 0.05. Cómo funciona
La calculadora convierte una puntuación Z en un valor p usando la función de distribución acumulada (CDF) de la distribución normal estándar. La CDF, denotada Φ(Z), da la probabilidad de que una variable aleatoria normal estándar sea menor o igual que Z. Se calcula mediante la función de error: Φ(Z) = 0.5 × (1 + erf(Z / √2)). La calculadora usa la aproximación de Abramowitz-Stegun para erf, que es precisa dentro de 1.5 × 10⁻⁷. Dependiendo del tipo de prueba seleccionada, se aplican tres fórmulas. Para una prueba de cola izquierda (H₁: parámetro < valor), p = Φ(Z), que es el área bajo la curva a la izquierda de Z. Para una prueba de cola derecha (H₁: parámetro > valor), p = 1 − Φ(Z), el área a la derecha de Z. Para una prueba de dos colas (H₁: parámetro ≠ valor), p = 2 × (1 − Φ(|Z|)), que cuenta para ambas colas simultáneamente. La distinción entre una cola y dos colas es crítica: una prueba de dos colas divide la región de rechazo alfa entre ambas colas, lo que hace más difícil alcanzar significancia con la misma puntuación Z. Por ejemplo, Z = 1.96 da p = 0.05 en una prueba de dos colas pero p = 0.025 en una de una cola. Tras calcular el valor p, la calculadora lo compara con los umbrales convencionales α = 0.05 y α = 0.01 e informa si el resultado es estadísticamente significativo en cada nivel.Tabla de Referencia Puntuaciones Z Comunes a Valor p
Consulta rápida de las puntuaciones Z más usadas y sus valores p correspondientes para pruebas de una cola y dos colas.
| Puntuación Z | p (una cola) | p (dos colas) | Significancia |
|---|---|---|---|
| 1.00 | 0.1587 | 0.3173 | No significativo |
| 1.282 | 0.10 | 0.20 | No significativo |
| 1.645 | 0.05 | 0.10 | Significativo (una cola α=0.05) |
| 1.96 | 0.025 | 0.05 | Significativo (dos colas α=0.05) |
| 2.00 | 0.0228 | 0.0455 | Significativo |
| 2.326 | 0.01 | 0.02 | Significativo (una cola α=0.01) |
| 2.576 | 0.005 | 0.01 | Significativo (dos colas α=0.01) |
| 3.00 | 0.00135 | 0.0027 | Muy significativo |
| 3.291 | 0.0005 | 0.001 | Muy significativo (α=0.001) |
Umbrales de Significancia y Valores Críticos
Niveles de significancia estándar (α) y sus correspondientes valores críticos Z y niveles de confianza.
| α (significancia) | Nivel de confianza | Z (dos colas) | Z (una cola) |
|---|---|---|---|
| 0.10 (10%) | 90% | ±1.645 | ±1.282 |
| 0.05 (5%) | 95% | ±1.96 | ±1.645 |
| 0.01 (1%) | 99% | ±2.576 | ±2.326 |
| 0.005 (0.5%) | 99.5% | ±2.807 | ±2.576 |
| 0.001 (0.1%) | 99.9% | ±3.291 | ±3.090 |
Si tu |Z| excede el valor crítico para tu α elegido, rechazas H₀.
Cómo usar
- Introduce la puntuación Z (estadístico de prueba) que obtuviste de tu análisis. Por ejemplo, 1.96 es un valor crítico común.
- Selecciona el tipo de prueba: dos colas (H₁: ≠), cola izquierda (H₁: <) o cola derecha (H₁: >). Debe coincidir con tu hipótesis alternativa.
- Haz clic en Calcular para computar el valor p usando la CDF normal estándar.
- Revisa el valor p y las conclusiones de significancia en α = 0.05 y α = 0.01.
- Usa el valor p para decidir si rechazar o no rechazar la hipótesis nula H₀, y reportarlo junto con tamaños de efecto e intervalos de confianza.
Preguntas Frecuentes
¿Qué es un valor p?
Un valor p es la probabilidad de observar un estadístico de prueba al menos tan extremo como el obtenido, asumiendo que la hipótesis nula es verdadera. Cuantifica qué tan sorprendentes son tus datos si realmente no hubiera efecto. Un valor p más pequeño significa evidencia más fuerte contra H₀.
¿Cuál es la diferencia entre pruebas de una cola y dos colas?
Una prueba de una cola verifica un efecto en una sola dirección (mayor que o menor que), poniendo todo el alfa en una sola cola. Una prueba de dos colas verifica un efecto en cualquier dirección, dividiendo alfa equitativamente entre ambas colas. Para la misma puntuación Z, una prueba de una cola produce un valor p de la mitad que una de dos colas.
¿Es p < 0.05 siempre significativo?
Por convención, p < 0.05 se llama "estadísticamente significativo," pero este umbral es arbitrario. Significa que hay menos de un 5% de probabilidad de ver tu resultado si H₀ fuera verdadera. Algunas disciplinas usan umbrales más estrictos como 0.01 o 0.001. Siempre reporta el valor p exacto en lugar de solo "significativo" o "no significativo."
¿Puede un valor p ser cero?
En teoría, el valor p de una distribución continua nunca es exactamente cero, pero puede ser tan pequeño que se redondea a cero (p. ej., p < 0.0001). En ese caso puedes reportarlo como p < 0.001. Los valores p extremadamente pequeños indican evidencia abrumadoramente fuerte contra H₀.
¿Qué significa si mi valor p es grande?
Un valor p grande (p. ej., 0.40) significa que tus datos son bastante compatibles con la hipótesis nula — no hay suficiente evidencia para rechazarla. Sin embargo, esto no demuestra que H₀ sea verdadera. Podría ser que tu tamaño de muestra sea demasiado pequeño para detectar un efecto real (falta de potencia estadística).
¿Por qué Z = 1.96 da p = 0.05?
En la distribución normal estándar, el área más allá de ±1.96 totaliza exactamente 5% (2.5% en cada cola). Así que para una prueba de dos colas, Z = 1.96 es el valor crítico en α = 0.05. Por eso 1.96 es uno de los números más citados en estadística.
Consejos
Siempre decide tu nivel de significancia α antes de recoger datos — cambiarlo después introduce sesgo. Un valor p por debajo de 0.05 se llama convencionalmente "significativo," pero este umbral es arbitrario; muchos campos ahora requieren p < 0.01 o reportan valores p exactos. Recuerda que la significancia estadística no implica importancia práctica: una muestra grande puede producir un valor p diminuto para un efecto trivialmente pequeño. Siempre combina los valores p con tamaños de efecto e intervalos de confianza. Nunca uses una prueba de dos colas cuando tu hipótesis es direccional (una cola), y viceversa. El valor p no es la probabilidad de que H₀ sea verdadera — es la probabilidad de los datos dado H₀. Esta herramienta solo realiza pruebas Z; para pruebas t usa una calculadora de distribución t cuando el tamaño de muestra es pequeño o la desviación estándar poblacional es desconocida.
Herramientas Relacionadas
Calculadora de Puntaje Z
Calcula el puntaje Z a partir del valor, la media y la desviación estándar. Conv
Calculadora de Distribución Normal
Calcula al instante probabilidades de la distribución normal. Halla P(X≤x), P(X≥
Calculadora de Intervalo de Confianza
Calcula el intervalo de confianza para la media poblacional usando la distribuci
Calculadora de Desviación Estándar
Calcula la desviación estándar, varianza y media de un conjunto de datos. Introd
Calculadora Estadística
Calcula media, mediana, moda, varianza y desviación de tus datos. Estadística de
Fuentes y Referencias
- Wasserstein, R. L. & Lazar, N. A. (2016). "The ASA Statement on p-Values: Context, Process, and Purpose." The American Statistician, 70(2), 129-133. tandfonline.com.
- NIST/SEMATECH. "e-Handbook of Statistical Methods." itl.nist.gov.
- Abramowitz, M. & Stegun, I. A. (1964). Handbook of Mathematical Functions, Fórmula 7.1.26 (aproximación de la función de error).
Revisado por última vez: agosto 2026.
Limitaciones
Esta herramienta calcula valores p a partir de puntuaciones Z solo para la distribución normal estándar. No realiza pruebas t, pruebas chi-cuadrado, pruebas F o ANOVA.
Lo que esta herramienta no tiene en cuenta:
- Tamaños de muestra pequeños: cuando n < 30 o la desviación estándar poblacional es desconocida, una prueba t usando la distribución t es más apropiada que una prueba Z.
- Comparaciones múltiples: realizar muchas pruebas infla la tasa de falsos positivos. Esta herramienta no aplica correcciones de Bonferroni u otras.
- Tamaño del efecto: un valor p pequeño no significa que el efecto sea grande o prácticamente importante. Siempre considera los tamaños de efecto e intervalos de confianza junto con los valores p.
- Supuestos: la prueba Z asume datos distribuidos normalmente (o muestra suficientemente grande para el TLC), independencia de observaciones y varianza poblacional conocida.
Los valores p nunca deben ser la única base para una decisión científica o empresarial.