Un valor p no es la probabilidad de que tu resultado sea incorrecto

Q: ¿Qué es un valor p en español sencillo?

Es la probabilidad de ver datos al menos tan extremos si el modelo nulo probado fuera verdadero. Mide cuán sorprendentes son los datos bajo ese modelo.

Q: ¿Por qué p = 0.05 no es un umbral de prueba?

Porque el límite es una convención, no una ley de la naturaleza. Los resultados justo por debajo y justo por encima de 0.05 pueden ser prácticamente similares, y ambos necesitan contexto sobre el diseño, el tamaño del efecto y la réplica.

Un valor p es una prueba de sorpresa: pregunta con qué frecuencia aparecería un resultado así de extremo si realmente no hubiera ningún efecto. No te dice la probabilidad de que tu resultado sea incorrecto.

Un valor p te indica cuán inusuales serían los datos bajo un supuesto inicial elegido, a menudo 'sin efecto'. No te dice si una afirmación es verdadera ni cuán grande es el efecto.

Por el equipo editorial de Math Says Yes

Revisado por humanos según nuestros estándares de fuentes y corrección.

Cómo revisamos el contenido

LA TRAMPA

Un número pequeño parece una puntuación directa de si una afirmación es verdadera. No lo es: el cálculo comienza con un supuesto y comprueba cuán sorprendentes serían los datos.

Una etiqueta con un valor p pequeño junto a la curva de un modelo nulo con la cola resaltada.

Lo que dice el valor p

Comienza con un ejemplo cotidiano. Una moneda cae en cara 60 veces en 100 lanzamientos. Un responde a una sola pregunta limitada: si la moneda fuera justa, ¿con qué frecuencia ocurrirían 60 o más caras? Alrededor del 2,8% de las veces. Cuanto menor sea ese número, más sorprendente será el resultado bajo el supuesto de una 'moneda justa'. En los estudios, el supuesto inicial suele ser 'sin diferencia' o 'sin efecto'. Los estadísticos lo llaman el modelo nulo.

Lo que muestran los números

alrededor de 3 tiradas con 60 o más caras

alrededor de 97 tiradas con menos de 60 caras

De cada 100 lotes de 100 lanzamientos de una moneda justa, unos 3 producen 60 o más caras.

Lo que no dice

El no es la de que la sea verdadera. No es la probabilidad de que el resultado haya ocurrido por pura suerte. No es la probabilidad de que la afirmación de la investigación sea falsa. Tampoco es una medida del . Un valor p diminuto puede provenir de una enorme que detecta una diferencia mínima, mientras que un efecto real pero ruidoso puede producir un valor p grande en un estudio pequeño.

Por qué parece una prueba

Los números pequeños se sienten decisivos. Un resultado etiquetado como p < 0,05 también recibe una palabra especial, , que suena a importante o demostrado. El cerebro entonces invierte la dirección de la pregunta: en lugar de preguntar cuán sorprendentes son los datos si el modelo nulo fuera cierto, pregunta cuán probable es el modelo nulo después de ver los datos. Esa segunda pregunta necesita un contexto que el no contiene.

Cómo utilizarlo

Lee el junto con el , el , el diseño del estudio, el y el número de pruebas realizadas. Pregunta si la hipótesis se planeó antes de examinar los datos y si los estudios independientes ven el mismo patrón. Un valor p pequeño puede ser evidencia útil en contra de un modelo nulo. Solo se vuelve engañoso cuando se le asciende de una pista a un veredicto.

Ejemplo práctico

Imagina que un modelo de moneda justa predice unas 50 caras en 100 lanzamientos y observas 62. Un pregunta con qué frecuencia el modelo de moneda justa generaría un resultado al menos así de inusual según la definición de la prueba. No pregunta si la moneda es justa después de ver los datos. Esa segunda pregunta requiere expectativas previas, posibles modelos alternativos y el costo de equivocarse.

Cuándo se aplica

Los valores p son útiles cuando el modelo nulo se especifica antes de observar los datos y el diseño del estudio hace que la prueba sea significativa. Sé mucho más cauto cuando se probaron muchas hipótesis, cuando el límite se eligió después de ver los resultados, o cuando el en el muestreo o la medición podría explicar el patrón. Un puede señalar tensión entre los datos y el modelo; no puede rescatar una pregunta vaga o una sesgada.

En qué se equivoca la gente

A menudo la gente traduce p = 0.03 como "hay un 97% de de que el resultado sea real". Eso invierte la condición. El comienza suponiendo un modelo y luego mide cuán sorprendentes serían los datos bajo ese modelo. No actualiza la probabilidad del modelo en sí.

Nota sobre la fuente

La declaración de la Asociación Estadounidense de Estadística de Wasserstein y Lazar respalda la principal advertencia de esta página: un no es la de que una hipótesis sea verdadera, ni la probabilidad de que el resultado sea ruido aleatorio, ni un sustituto del , la calidad del diseño o el criterio científico. La fuente de la enciclopedia se utiliza como trasfondo para la definición básica.

Preguntas frecuentes

¿Qué es un valor p en español sencillo?

Es la probabilidad de ver datos al menos tan extremos si el modelo nulo probado fuera verdadero. Mide cuán sorprendentes son los datos bajo ese modelo.

¿Por qué p = 0.05 no es un umbral de prueba?

Porque el límite es una convención, no una ley de la naturaleza. Los resultados justo por debajo y justo por encima de 0.05 pueden ser prácticamente similares, y ambos necesitan contexto sobre el diseño, el tamaño del efecto y la réplica.