Test t de Student
Resultados
Introduce datos para ver los resultados del test t.
Cargando aplicación...
Preparando tu experiencia meskeIA
Tests de hipótesis, regresión, correlación e intervalos de confianza
Introduce datos para ver los resultados del test t.
Esta calculadora es una herramienta educativa para estadística inferencial:
Descubre cuándo usar cada test y cómo interpretar los resultados
Compara medias de grupos. Usa muestras independientes cuando los grupos son diferentes (ej: tratamiento vs control). Usa muestras pareadas cuando mides lo mismo antes/después. Usa una muestrapara comparar contra un valor teórico.
Pearson mide relación lineal entre variables continuas.Spearman es mejor cuando hay outliers o relaciones no lineales. r = 1 es correlación perfecta positiva, r = -1 perfecta negativa, r = 0 sin correlación.
Predice una variable (Y) a partir de otra (X). El R² indica qué porcentaje de la variabilidad de Y explica el modelo. La pendienteindica cuánto cambia Y por cada unidad de X.
Compara frecuencias observadas vs esperadas. Útil para variables categóricas. Responde: ¿la distribución observada difiere significativamente de la esperada?
Un IC del 95% significa que si repitieras el estudio 100 veces, 95 de esos intervalos contendrían el verdadero parámetro poblacional. Más datos = intervalo más estrecho.
Muchos tests asumen datos normales. El test Jarque-Bera usa asimetría y curtosis. Asimetría ≈ 0 y curtosis ≈ 3 indican normalidad. Valores extremos sugieren no normalidad.
| p-valor | Interpretación | Decisión típica |
|---|---|---|
| p < 0,001 | Altamente significativo | Rechazar H₀ con alta confianza |
| p < 0,01 | Muy significativo | Rechazar H₀ |
| p < 0,05 | Significativo | Rechazar H₀ (criterio estándar) |
| p ≥ 0,05 | No significativo | No rechazar H₀ |
Guía rápida para elegir el análisis correcto según tus datos
| Test / Análisis | ¿Cuándo usar? | Tipo de datos | Hipótesis nula | Resultado clave |
|---|---|---|---|---|
| t-test una muestra | Comparar media de muestra con valor teórico | Continuo, normal | μ = μ₀ | t-estadístico, p-valor |
| t-test dos muestras | Comparar medias de dos grupos | Continuo, normal | μ₁ = μ₂ | t-estadístico, p-valor |
| Correlación de Pearson | Relación lineal entre dos variables continuas | Continuo, bivariado | ρ = 0 | r, p-valor |
| Regresión lineal | Predecir Y a partir de X, cuantificar efecto | Continuo | β = 0 | R², β, p-valor |
| Chi-cuadrado | Asociación entre variables categóricas | Categórico | Variables independientes | χ², p-valor |
| Intervalo de confianza | Estimar parámetro poblacional con incertidumbre | Cualquiera | No aplica | IC [lower, upper] |
| Test de normalidad | Verificar asunción de normalidad antes de otros tests | Continuo | Distribución normal | Decisión sí/no |
Cómo usar estadística avanzada en tu contexto específico
Flujo típico: Test de normalidad → si falla, Mann-Whitney. Si pasa, t-test o ANOVA. Calcula tamaño del efecto (Cohen's d). Reporta IC 95% además del p-valor.
Consejo clave: Nunca reportes solo el p-valor. El tamaño del efecto y el IC son obligatorios para revistas científicas de impacto desde 2016.
Flujo típico: A/B test → t-test de dos muestras. Correlación entre variables de negocio → Pearson + regresión para cuantificar impacto económico.
Consejo clave: En negocio, el p-valor < 0,05 no basta. Calcula el impacto económico del tamaño del efecto: ¿0,3% de mejora en conversión vale el costo del cambio?
Práctica recomendada: Para cada dataset, aplica: (1) estadísticos descriptivos, (2) visualización, (3) test de normalidad, (4) test apropiado, (5) interpretación en contexto del problema.
Consejo clave: Aprende los supuestos antes que las fórmulas. Un t-test mal aplicado a datos no normales con n<30 es peor que no hacer nada.
Flujo típico: Comparar grupos de tratamiento → t-test (n>30, normal) o Mann-Whitney. Factores de riesgo → correlación + regresión logística. Siempre reportar NNT (Número Necesario a Tratar).
Consejo clave: En salud, la significancia clínica supera a la estadística. Una diferencia de presión arterial de 2 mmHg puede ser estadísticamente significativa con n=10.000 pero clínicamente irrelevante.
Respuestas detalladas a las dudas más comunes en análisis estadístico
El p-valor es la probabilidad de obtener un resultado tan extremo o más extremo que el observado, asumiendo que la hipótesis nula es cierta. p = 0,03 NO significa "hay 3% de probabilidad de que H₀ sea verdadera". Significa que si H₀ fuera cierta, veríamos estos datos (o más extremos) el 3% de las veces. Es la frecuencia del error de tipo I bajo H₀.
Ronald Fisher lo propuso en 1925 como convención práctica, no como verdad matemática. Significa aceptar un 5% de probabilidad de rechazar H₀ siendo cierta (error tipo I). En algunos campos es diferente: partículas subatómicas usan 5-sigma (p < 0,000003), ensayos clínicos fases tardías usan α = 0,025 para mayor seguridad.
Con muestras grandes (n > 10.000), casi cualquier diferencia será estadísticamente significativa aunque sea prácticamente inútil. Ejemplo: un fármaco que reduce la presión arterial 0,5 mmHg puede dar p < 0,001 con n = 50.000, pero clínicamente es irrelevante (el umbral de relevancia es > 5 mmHg). Solución: reportar siempre el tamaño del efecto (Cohen's d, r², η²).
Usa t-test cuando: datos aproximadamente normales (verifica con Shapiro-Wilk), n > 30 (por TCL), sin outliers extremos. Usa Mann-Whitney (no paramétrico) cuando: datos sesgados o no normales, outliers significativos, datos ordinales, n pequeño (< 30). Mann-Whitney no asume normalidad pero asume misma forma de distribución en ambos grupos.
La potencia (1-β) es la probabilidad de detectar un efecto real cuando existe. Potencia = 0,8 significa 80% de probabilidad de rechazar H₀ si el efecto es real. Estudios con baja potencia (< 0,6) producen resultados "no significativos" que en realidad son falsos negativos. Calcula el tamaño de muestra necesario ANTES del estudio para garantizar potencia ≥ 0,8 (convención estándar).
R² (coeficiente de determinación) es la proporción de varianza de Y explicada por X. R² = 0,65 significa que X explica el 65% de la variabilidad de Y. Interpretación por campo: en ciencias naturales R² > 0,9 es esperable; en ciencias sociales R² > 0,5 es bueno; en finanzas R² > 0,3 puede ser excelente. R² no mide si el modelo es correcto, solo si hay relación lineal.
El p-hacking es manipular el análisis para obtener p < 0,05: probar múltiples variables hasta encontrar una significativa, parar cuando aparece significancia, eliminar outliers selectivamente. Con 20 tests independientes, esperamos 1 falso positivo por azar. Solución: pré-registro del estudio (especificar hipótesis y análisis antes de recoger datos), corrección de Bonferroni para múltiples comparaciones (α/n tests).
r mide la fuerza y dirección de la relación LINEAL. Interpretación de Cohen: r = 0,1 débil, r = 0,3 moderado, r = 0,5 fuerte. Importante: r = 0,7 implica R² = 0,49, o sea que X explica solo el 49% de Y. Correlación no implica causalidad: el PIB per cápita correlaciona con el número de cines (ambos suben con la riqueza). Verifica siempre con un scatterplot antes de reportar correlación.
Desde los datos crudos hasta conclusiones válidas
Formula H₀ y H₁ de forma precisa y medible. "El grupo A tiene mayor media que B" es mejor que "A es diferente de B". Especifica también α (típicamente 0,05), el test a usar, y el tamaño del efecto mínimo relevante. Si defines la hipótesis DESPUÉS de ver los datos, el análisis es exploratorio, no confirmatorio.
Usa análisis de potencia (a priori) para determinar n. Necesitas: efecto mínimo relevante, α, potencia deseada (típico: 0,8). Sin esto, el estudio puede ser inconclusivo incluso si el efecto existe. Herramientas: G*Power (gratuito), pwr en R, statsmodels en Python.
Calcula estadísticos descriptivos: media, mediana, desviación estándar, mínimo, máximo, percentiles. Visualiza con histogramas, boxplots, scatterplots. Identifica outliers (IQR × 1,5), valores faltantes, errores de entrada. La exploración revela si los supuestos del test son razonables.
Para t-test: normalidad (Shapiro-Wilk si n<50, Kolmogorov-Smirnov si n≥50), homocedasticidad (Levene). Para chi-cuadrado: frecuencias esperadas ≥ 5 en cada celda. Para regresión: residuos normales, homocedasticidad, independencia. Si los supuestos fallan, usa alternativas no paramétricas o transformaciones.
Ejecuta el test con los datos completos. Calcula: estadístico del test (t, F, χ², r), p-valor bilateral o unilateral según la hipótesis, grados de libertad, tamaño del efecto (Cohen's d, r², η², w de Cramer). No redondees el p-valor a "p<0,05"; reporta el valor exacto (ej: p = 0,027).
El IC 95% da el rango plausible del parámetro poblacional. Complementa al p-valor con información sobre la magnitud. Interpretación correcta: "si repitiéramos el estudio muchas veces, el 95% de los ICs calculados incluirían el verdadero parámetro". Si el IC de la diferencia incluye el 0, la diferencia no es significativa (equivalente a p > 0,05).
Reporta: estadístico(gl) = valor, p = valor exacto, IC 95% [a, b], tamaño del efecto con su clasificación. Evita: "el estudio prueba que...", "hay diferencias significativas" sin especificar la magnitud. Di: "Se encontró una diferencia estadísticamente significativa de 3,2 puntos (t(58) = 2,41, p = 0,019, d = 0,62, IC 95% [0,5, 5,9]), lo que representa un tamaño del efecto moderado".
Un scatterplot revela outliers, relaciones no lineales y agrupaciones que el estadístico resumen oculta. El cuarteto de Anscombe (mismo r, distribuciones totalmente distintas) lo ilustra perfectamente.
Cohen's d para diferencias de medias, r² para regresión, η² para ANOVA. Un efecto puede ser estadísticamente significativo pero prácticamente irrelevante (o viceversa con muestras pequeñas).
El intervalo de confianza comunica la precisión de la estimación y su relevancia práctica. Un IC [0,01, 0,02] indica precisión pero efecto minúsculo. Un IC [-5, 50] indica alta incertidumbre.
Con 20 tests independientes a α=0,05, esperas 1 falso positivo. Aplica Bonferroni (α/n) para análisis exploratorios o FDR (Benjamini-Hochberg) para datos genómicos o de neuroimagen.
Shapiro-Wilk para normalidad (antes del t-test), Levene para homocedasticidad, Durbin-Watson para autocorrelación (en series temporales). Un test aplicado con supuestos violados puede dar resultados falsos.
Especifica hipótesis, diseño, tamaño de muestra y análisis ANTES de recoger datos. Usa OSF (Open Science Framework) para pre-registro público. Esto elimina el sesgo de confirmación y el p-hacking.