El p-valor es uno de los elementos más malinterpretados de la estadística. Y aunque lo usamos a diario… muchos no entienden bien qué significa ni cómo se debe usar. Y eso tiene consecuencias: decisiones mal tomadas, resultados sobreinterpretados y modelos que no funcionan.
El p-valor es el elemento sorpresa de la estadística.
Un p-valor < nivel significación (e.g. alfa = 0.05) te dice:
“Oye, si el mundo fuera como tú creías (hipótesis nula + supuestos)… esto que estás viendo sería MUY raro”.
Y ahí es cuando toca replantearse las cosas.
¿Qué NO es un p-valor?
No te dice si una hipótesis es cierta o falsa.
No mide la probabilidad de que un resultado se deba “al azar”.
No es un certificado de “verdad estadística”.
¿Qué SÍ es?
El p-valor es la probabilidad de observar un resultado tan extremo (o más) como el que obtuviste, asumiendo que la hipótesis nula (y los supuestos de la prueba) es cierta.
No mide si tu hallazgo es “real”, sino cuán compatible es con el mundo que propones (H0).
Y el problema no es el p-valor… sino cómo lo usamos.
¿Qué puedes hacer mejor?
- Informa los resultados exactos, no uses estrellitas.
- Utiliza medidas de efecto.
- Piensa en términos de coste-beneficio y riesgo, no solo en “significativo o no”.
- Considera el tamaño muestral
Y sobre todo: interpreta con cabeza y contexto.
El p-valor no dicta la verdad: te ayuda a calibrar tu sorpresa ante lo que ves.
Y tú decides cuánta sorpresa estás dispuesto a tolerar.
¿Te sorprende tanto como para cambiar de rumbo?
¿O todavía es un desvío tolerable?
Te dejo otros malentendidos comunes sobre el p-valor (algunos te pueden sorprender).
¿Qué es un p-valor? youtube.com/watch?v=RVxHls
Uso de p-valores lakens.github.io/statistical_in
Los p-valores no deben interpretarse como medidas de evidencia daniellakens.blogspot.com/2021/11/why-p-
La alternativa práctica al p-valor es usarlo correctamente
No hay comentarios:
Publicar un comentario