Dato
Valor p frente a intervalo de confianza: lo que te indica cada uno
Un valor p pregunta si los datos parecen sorprendentes bajo un modelo nulo. Un intervalo de confianza pregunta qué tamaños de efecto siguen siendo plausibles.
Los valores p y los intervalos de confianza responden a preguntas diferentes. Usa el valor p como evidencia contra un modelo nulo, y el intervalo para el tamaño y la incertidumbre del 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
Pensar que el valor p y el intervalo de confianza son intercambiables porque ambos suelen aparecer en la misma tabla de estudio.
La breve
Un comienza con un modelo nulo, como la ausencia de diferencia entre dos grupos, y pregunta cuán inusuales serían los datos observados si ese modelo fuera verdad. Un comienza con una estimación, como una diferencia de , y un rango de tamaños del efecto que siguen siendo plausibles bajo el método utilizado. El primero trata principalmente sobre la sorpresa bajo un modelo. El segundo trata principalmente sobre la magnitud y la precisión.
Comparación rápida
Valor p
Intervalo de confianza
A qué responde
Si no hubiera una mejora real, ¿cuán inusual sería este resultado?
¿Qué tamaños de mejora se ajustan todavía a los datos?
Error común
Tratar p como la probabilidad de que la afirmación sea falsa.
Tratar el 95% como una probabilidad personal para un intervalo final.
Usar cuando
Necesitas evidencia en contra de un modelo nulo específico.
Necesitas el tamaño, la dirección y la precisión del efecto.
Ejemplo práctico
Supón que un estudio estima que un tratamiento mejora una puntuación en 4 puntos, con un del 95% de 1 a 7 puntos y p = 0.02 para la de mejora cero. El indica que unos datos al menos tan favorables serían inusuales si la mejora real fuera exactamente cero bajo el modelo probado. El intervalo indica que el efecto se estima en torno a 4 puntos, pero los valores de 1 a 7 siguen siendo compatibles con el procedimiento.
En qué se equivoca la gente
El error común es leer p = 0.02 como una del 98% de que la afirmación sea verdadera, o leer un del 95% como una probabilidad personal del 95% de que el intervalo final contenga el valor real. Ninguna de las dos redacciones es la definición frequentista. Otro error es ignorar el : un diminuto puede provenir de una enorme y un efecto trivial, mientras que un intervalo ancho puede mostrar que un estudio no ha determinado con precisión el tamaño práctico del efecto.
Cuándo se aplica
Usa un cuando la pregunta sea si los datos observados son difíciles de conciliar con un modelo nulo específico. Usa un cuando la pregunta sea cuán grande podría ser razonablemente el efecto. En la mayoría de las lecturas aplicadas, querrás ambos: el valor p puede señalar un patrón sorprendente, mientras que el intervalo te ayuda a juzgar si el patrón es lo suficientemente grande, preciso y útil como para importar.
Nota sobre las fuentes
La declaración de la ASA establece los límites de la interpretación del , especialmente la advertencia de que los valores p no miden la de que una hipótesis sea verdadera ni el tamaño de un efecto. Morey y sus colegas discuten directamente las falacias comunes de los intervalos de confianza. Juntas, esas fuentes respaldan la regla práctica de la página: usa los valores p y los intervalos como resúmenes complementarios, no como máquinas de pruebas intercambiables.
Pruébalo
Valor p frente a intervalo de confianza
Mueve la estimación y observa cómo cambian ambos resúmenes.
estimación: 1.5
valor nulo
estimación
-0.5 to +3.5
intervalo del 95%
.134
valor p
Con una estimación de 1.5, el intervalo del 95% todavía abarca el valor nulo y p = .134. Ambos coinciden: un intervalo que incluye el 0 es exactamente el caso en que p se mantiene por encima de 0,05.
Preguntas frecuentes
¿Es un intervalo de confianza mejor que un valor p?
No es simplemente mejor; responde a una pregunta diferente. Un intervalo de confianza proporciona el tamaño del efecto y la incertidumbre, mientras que un valor p resume la sorpresa bajo un modelo nulo.
¿Puede un resultado ser estadísticamente significativo pero no importante?
Sí. Con una muestra lo suficientemente grande, incluso un efecto diminuto puede producir un valor p pequeño. El intervalo de confianza y el contexto práctico te indican si el efecto importa.
Comprobación rápida
¿Qué resultado muestra el rango de tamaños del efecto que sigue siendo compatible con los datos?
A
El intervalo de confianza
B
El valor p por sí solo
C
La media aritmética de la muestra por sí sola
Fuentes
Confidence interval
Explicador secundario
Wikipedia · Accedido 2026-06-16
The ASA's Statement on p-Values: Context, Process, and Purpose
Fuente autorizada
The American Statistician · Accedido 2026-06-20
The fallacy of placing confidence in confidence intervals
Fuente primaria
Psychonomic Bulletin & Review · Accedido 2026-06-20
p-value
Explicador secundario
Wikipedia · Accedido 2026-06-16
¿Conoces a alguien a quien le pueda gustar esto?
Leer siguiente
Un intervalo de confianza del 95% no es una promesa del 95%
Un intervalo de confianza del 95% significa que el método funciona el 95% de las veces en muestras repetidas, no que este rango exacto tenga ahora un 95% de probabilidad de contener la verdad.
Comparaciones relacionadas
Media aritmética frente a mediana: ¿qué promedio debes usar?
La media aritmética y la mediana son medidas de tendencia central, pero la media aritmética es arrastrada por valores extremos mientras que la mediana rastrea la observación del medio.
Riesgo relativo frente a riesgo absoluto: la diferencia que cambia las decisiones
El riesgo relativo puede hacer que los cambios pequeños parezcan grandes. El riesgo absoluto devuelve el cambio a una escala real, como cuando 2 de cada 100 pasan a ser 3 de cada 100.
Correlación frente a causalidad: por qué moverse juntos no es una prueba
La correlación es un patrón. La causalidad es una afirmación sobre un mecanismo. Para pasar de una a otra, necesitas cronología, una comparación justa y descartar explicaciones alternativas.
Error estándar vs desviación estándar: dispersión vs precisión
La desviación estándar trata sobre la variabilidad en los datos. El error estándar trata sobre la variabilidad en una estimación a través de muestras repetidas.
Conceptos
Intervalos de confianza
Un intervalo de confianza es un rango producido por un método que captura el valor real una proporción establecida de las veces en muestras repetidas. Describe la incertidumbre en el método de estimación, no una garantía personal de que un intervalo ya calculado contenga la verdad.
Valores p
Un valor p es la probabilidad de ver datos al menos tan extremos si un modelo nulo específico fuera verdadero. No es la probabilidad de que la afirmación sea falsa, ni la posibilidad de que el resultado haya sido aleatorio, ni una medida de cuán grande o importante es el efecto.
Incertidumbre
El margen honesto que queda tras los límites de medición, las elecciones de modelos y la información faltante. Un solo número puede ser útil como punto medio, pero las decisiones suelen necesitar también valores altos y bajos plausibles. Las buenas estimaciones exponen los supuestos que moverían la respuesta.
Lecciones
Una p pequeña no es una prueba
Un valor p pequeño dice que los datos serían sorprendentes bajo un modelo nulo, no que la afirmación sea probablemente verdadera o importante.
La incertidumbre necesita rangos
Un número medido suele ser la mejor estimación con oscilación de muestreo a su alrededor, por lo que las comparaciones honestas necesitan rangos además de estimaciones puntuales.