🔒 100% privado — funciona en tu navegador, no se sube nada

Calculadora de prueba t

Pruebas t de una muestra y de dos muestras (Welch), con t, grados de libertad y valores p bilaterales.

Una prueba t compara una media (o una diferencia de medias) con su propio error estándar, preguntando si la brecha observada es grande en relación con el ruido que implica el tamaño muestral. La prueba de una muestra con los datos por defecto de esta página — (5, 6, 7, 8, 9) frente a μ₀ = 5 — tiene media 7 y error estándar 0,7071, así que t = 2,828 con 4 grados de libertad y el valor p bilateral ≈ 0,0474: justo por debajo de la línea convencional de 0,05, lo que la convierte en una ilustración perfecta de lo arbitraria que es esa línea. La versión de dos muestras es la de Welch, que estima sus grados de libertad a partir de los datos (por eso pueden ser fraccionarios) y no obliga a los dos grupos a compartir varianza.

Una prueba t se apoya en supuestos: las observaciones son independientes, y los datos (o, en muestras mayores, la media) se distribuyen aproximadamente de forma normal; la versión de dos muestras aquí es la de Welch, que no supone varianzas iguales. Las muestras pequeñas con asimetría fuerte o valores atípicos pueden hacer engañoso el valor p, y un valor p nunca es la probabilidad de que la hipótesis nula sea cierta.

Respuestas rápidas

¿Cómo se calcula una prueba t de una muestra?

t = (media muestral − μ₀) ÷ (s ÷ √n). Para (5, 6, 7, 8, 9) frente a μ₀ = 5: media 7, s ≈ 1,581, error estándar ≈ 0,707, así que t ≈ 2,828 con 4 gl y p bilateral ≈ 0,0474.

El valor p sale de la distribución t, que tiene colas más pesadas que la normal en muestras pequeñas: ese es el precio de estimar la dispersión con la misma muestra pequeña.

¿Qué significa en realidad «no significativo»?

Que esta muestra, con este tamaño, no aporta evidencia suficiente (por convención, p ≥ 0,05) para rechazar la hipótesis nula: nada más fuerte. Un efecto real puede esconderse bajo una prueba sin potencia, y «sin evidencia de diferencia» no es «evidencia de que no hay diferencia».

Del mismo modo, un p significativo no mide la importancia: con una muestra enorme, una diferencia trivialmente pequeña puede ser muy significativa. Informa siempre del tamaño de la diferencia junto al valor p.

Cómo se usa

  1. Elige la prueba: una muestra frente a un μ₀ conocido, o dos muestras independientes (versión de Welch).
  2. Pega la muestra (y la segunda muestra, en el modo de dos) con los valores separados por espacios, saltos de línea o punto y coma.
  3. En el modo de una muestra, introduce el μ₀ frente al que contrastas: el ejemplo por defecto contrasta (5, 6, 7, 8, 9) frente a 5.
  4. Lee t, los grados de libertad y el valor p bilateral, y después valóralos frente a las notas sobre supuestos antes de concluir nada.

Acerca de esta herramienta

Los supuestos son el fondo, no la letra pequeña. La prueba presume observaciones independientes; presume que los datos subyacentes son aproximadamente normales — con muestras mayores, la propia distribución de la media hace gran parte de ese trabajo, pero con n de 5 o 6, la asimetría y los valores atípicos pueden mover el valor p de forma apreciable, y ninguna línea de resultado puede avisarte de unos datos que la página no ve —. Un valor p es la probabilidad de unos datos al menos así de extremos si la hipótesis nula fuera cierta, nunca la probabilidad de que la nula sea cierta, y «p ≥ 0,05» significa «aquí no hay evidencia suficiente», no «no hay efecto». Esta página calcula los estadísticos de manual correctamente, incluidos los valores p de la distribución t mediante la función beta incompleta; no avala ninguna conclusión médica, científica o empresarial que extraigas de ellos, y las decisiones reales merecen el diseño del estudio, no solo el estadístico.

Preguntas frecuentes

¿Qué diferencia hay entre las pruebas de una y de dos muestras?

La de una muestra contrasta la media de un solo grupo frente a un valor de referencia fijo μ₀ (una especificación, un objetivo, una norma publicada). La de dos muestras contrasta las medias de dos grupos entre sí. La maquinaria es la misma — estimación dividida entre error estándar —, pero la pregunta y el error estándar difieren.

¿Por qué la prueba de dos muestras se etiqueta como Welch?

Porque no supone que los dos grupos tengan varianzas iguales: la varianza de cada grupo entra en el error estándar por separado, y los grados de libertad se estiman (Welch–Satterthwaite), cayendo a menudo entre los dos tamaños de grupo menos dos. Es la opción por defecto más segura; la antigua prueba agrupada solo es mejor cuando las varianzas son realmente iguales, algo que rara vez se sabe de antemano.

¿Qué significa un valor p de 0,047?

Si la hipótesis nula fuera cierta (la media poblacional realmente igual a μ₀), unos datos al menos así de alejados de μ₀, en cualquier dirección, aparecerían en torno al 4,7 % de las veces en muestreos repetidos. No es una probabilidad del 95,3 % de que el efecto sea real, y no dice nada sobre si la diferencia es lo bastante grande como para importar.

¿Cuántas observaciones necesito?

Dos es el mínimo aritmético, y es casi inútil, porque el error estándar de dos puntos es extremadamente inestable. Las colas pesadas de la distribución t son exactamente el precio de las muestras pequeñas. No hay un número mágico, pero trata cualquier conclusión con una n de un dígito como provisional, por limpio que parezca el valor p.

Más herramientas en español