Puntos clave
- Las pruebas z necesitan una σ conocida o una muestra grande. La normal estándar es la distribución de referencia solo bajo esa condición.
- El denominador es el error estándar, no la desviación estándar de los datos brutos.
- Los valores p de una y de dos colas difieren en un factor de dos cuando el estadístico de prueba está fijado.
- Un valor p no es la probabilidad de que la hipótesis nula sea cierta.
- La significación estadística no es importancia práctica. Informa un tamaño del efecto y un intervalo de confianza.
- Mirar los datos sobre la marcha y detenerse cuando p < 0.05 infla la tasa de falsos positivos.
Qué hace una prueba z
Una prueba z es una prueba de hipótesis para una media o para una diferencia de medias que usa la distribución normal estándar como referencia. La hipótesis nula especifica un valor, como μ = 100 o μ₁ − μ₂ = 0. El estadístico de prueba mide cuántos errores estándar separan la estimación observada de ese valor, y el valor p es la probabilidad de obtener un resultado al menos tan extremo si la hipótesis nula fuera cierta.
La prueba es apropiada cuando se conoce la desviación estándar poblacional o cuando la muestra es lo bastante grande como para que la desviación estándar muestral sea un sustituto fiable. Supone observaciones independientes y una distribución muestral aproximadamente normal, que el teorema central del límite proporciona en muestras grandes incluso cuando los datos brutos son asimétricos.
Prueba z de una muestra
Para una media muestral x̄ de n observaciones independientes con desviación estándar conocida σ:
z = (x̄ − μ₀) ÷ (σ ÷ √n)
Error estándar = σ ÷ √n
Supón que una máquina está especificada para llenar botellas con una media de 100 mL y que σ = 15 mL se conoce por registros de producción prolongados. Una muestra de 36 botellas da una media de 104 mL. El error estándar es 15 ÷ 6 = 2.5, así que z = (104 − 100) ÷ 2.5 = 1.60. La media muestral está 1.6 errores estándar por encima del objetivo.
Para una prueba de dos colas con α = 0.05, los valores críticos son ±1.96. Como 1.60 cae dentro de ese rango, el resultado no es estadísticamente significativo al nivel del 5% y el valor p de dos colas es 0.1096.
Prueba z de dos muestras
Para dos muestras independientes con desviaciones estándar conocidas:
z = (x̄₁ − x̄₂) ÷ √(σ₁²/n₁ + σ₂²/n₂)
El grupo 1 tiene x̄₁ = 52, σ₁ = 10 y n₁ = 40. El grupo 2 tiene x̄₂ = 48, σ₂ = 12 y n₂ = 50. El error estándar es √(100/40 + 144/50) = √(2.5 + 2.88) = √5.38 = 2.319. La diferencia es 4, así que z = 4 ÷ 2.319 = 1.725.
El valor p de dos colas es 0.0846, por encima de 0.05, de modo que no se rechaza la hipótesis nula de medias iguales en ese nivel. El intervalo de confianza del 95% para la diferencia es 4 ± 1.96 × 2.319, que va de −0.55 a 8.55 e incluye el cero, en coherencia con la decisión de la prueba.
Una cola frente a dos colas
Una prueba de dos colas pregunta si la media difiere en cualquier dirección, así que reparte α entre ambas colas. Una prueba de una cola pregunta si la media es mayor (o menor) en una dirección especificada y coloca todo α en una sola cola. Para el ejemplo de una muestra, el valor p de la cola superior es 0.0548, la mitad del valor de dos colas, y el valor crítico con α = 0.05 es 1.645. El resultado sigue sin ser significativo al 5%, pero queda cerca.
Elige la dirección antes de ver los datos. Pasar de dos colas a una cola después de conocer los resultados es una forma de p-hacking. Los valores críticos habituales de dos colas son 1.645 al 90%, 1.960 al 95% y 2.576 al 99% de confianza.
Valores p e intervalos de confianza
El valor p es la probabilidad, calculada bajo la hipótesis nula, de observar un estadístico de prueba al menos tan extremo como el obtenido. No es la probabilidad de que la nula sea cierta, y 1 − p no es la probabilidad de que la alternativa sea cierta. Un valor p de 0.03 significa que un resultado así de extremo ocurriría cerca del 3% de las veces si la nula se cumpliera, no que haya un 97% de probabilidad de que el efecto sea real.
Un intervalo de confianza suele ser más informativo, porque muestra tanto la estimación como su incertidumbre. El intervalo del 95% para la media de las botellas es 104 ± 1.96 × 2.5, es decir, de 99.1 a 108.9 mL. Incluye el objetivo de 100, lo que concuerda con el hecho de no haber rechazado. Informa el intervalo, el tamaño de la muestra y el tamaño del efecto en conjunto.
Supuestos y diagnóstico
Las observaciones deben ser independientes. Las mediciones repetidas sobre la misma persona, el muestreo por conglomerados en aulas o clínicas y los datos de series temporales incumplen esta condición y exigen modelos que tengan en cuenta la dependencia. Las muestras deben extraerse sin sesgo, y la versión de dos muestras supone que los grupos son independientes entre sí.
La condición de σ conocida es estricta. En la práctica, σ casi siempre se estima a partir de la muestra, lo que convierte a la distribución t en la referencia correcta para n pequeña. Para n grande, la distribución t se aproxima a la normal estándar, así que la prueba z es una aproximación razonable para muestras grandes. Revisa si hay valores atípicos extremos, porque un solo valor desmedido puede mover mucho la media y la desviación estándar.
Cuándo usar una prueba t en su lugar
Usa una prueba t cuando σ es desconocida y se estima con s, sobre todo cuando n está por debajo de unos 30. El estadístico t de una muestra es t = (x̄ − μ₀) ÷ (s ÷ √n) con n − 1 grados de libertad. La versión de dos muestras tiene una forma de Welch que no supone varianzas iguales y es la opción predeterminada más segura.
Para el ejemplo de las botellas con s = 15 y n = 36, t = 1.60 y el valor p de dos colas es de aproximadamente 0.119, cercano al resultado de z porque la muestra es moderada. Con n = 8, el mismo estadístico t tendría una cola mucho más pesada y un valor p mayor. Usar z con una σ estimada en una muestra pequeña subestima el valor p.
Tamaño del efecto, potencia y pruebas múltiples
Un resultado significativo puede ser trivial. La d de Cohen = (x̄ − μ₀) ÷ σ = 4 ÷ 15 = 0.27 en el ejemplo de las botellas, un efecto pequeño. Con una muestra suficientemente grande, incluso una desviación de 0.1 mL puede producir un valor p diminuto, así que la relevancia práctica debe juzgarse frente al proceso y no solo frente al valor p.
La potencia es la probabilidad de detectar un efecto que realmente existe. Para una prueba bilateral con α = 0.05 y una potencia del 80%, el tamaño de muestra necesario es aproximadamente n = (1.96 + 0.84)² × (σ ÷ Δ)². Para detectar un desplazamiento de 5 mL con σ = 15, n = 7.85 × 9 ≈ 71 botellas. Probar muchas hipótesis sin ajuste también infla los falsos positivos; el α ÷ m de Bonferroni es una corrección sencilla y conservadora.
Errores frecuentes
- Usar s en lugar de σ con una muestra pequeña. Cambia a una prueba t.
- Dividir entre σ en lugar de entre σ ÷ √n. El error estándar se reduce a medida que crece la muestra.
- Duplicar un valor p de una cola cuando la dirección se especificó de antemano, o dividir a la mitad un valor p de dos colas después de ver los datos.
- Interpretar p como P(H₀ es cierta). Es P(datos así de extremos | H₀).
- Decir “se acepta la nula” en lugar de “no se rechaza”. La ausencia de evidencia no es evidencia de ausencia.
- Ignorar la dependencia o los conglomerados, lo que hace que el error estándar sea demasiado pequeño.
Advertencias prácticas
La prueba z es una herramienta para muestras grandes, y “grande” depende de la forma de los datos. Una muestra de 40 es grande para mediciones aproximadamente simétricas, pero puede ser insuficiente para datos de ingresos o de conteo muy asimétricos. Cuando la distribución muestral no se acerca a la normal, un bootstrap o una transformación pueden ser más fiables.
El software estadístico suele usar por defecto pruebas de dos colas y varianzas agrupadas o de Welch sin decirlo. Indica qué prueba, qué cola y qué desviación estándar usaste. Si el resultado influye en una decisión, preinscribe el análisis y evita detenerte antes de tiempo cuando el valor p cruza un umbral.
Preguntas frecuentes
¿Cuál es la diferencia entre una prueba z y una prueba t?
Una prueba z usa la distribución normal estándar y supone que la desviación estándar poblacional es conocida. Una prueba t estima la desviación estándar a partir de la muestra y usa colas más pesadas, lo que importa sobre todo en muestras pequeñas.
¿Puedo usar una prueba z con una muestra de 10?
Solo si σ se conoce de verdad y los datos son aproximadamente normales. Si σ se estima a partir de esas 10 observaciones, usa una prueba t.
¿Qué significa un valor p de 0.05?
Si la hipótesis nula fuera cierta, resultados al menos tan extremos como el observado ocurrirían cerca del 5% de las veces. Es una afirmación sobre los datos bajo un modelo, no sobre la probabilidad de que la nula sea cierta.
¿Por qué no coincidieron mis pruebas de dos colas y de una cola?
Responden a preguntas distintas y usan regiones críticas distintas. Un resultado puede ser significativo en una prueba de una cola y no serlo en una de dos colas con el mismo α. La dirección debe justificarse antes de recoger los datos.
¿Necesito tamaños de muestra iguales para una prueba z de dos muestras?
No. La fórmula usa el n y la σ propios de cada grupo. Tamaños iguales mejoran ligeramente la potencia cuando las varianzas son similares, pero no son obligatorios.
¿Y si mis datos no siguen una distribución normal?
En muestras grandes, el teorema central del límite suele hacer que la media muestral sea aproximadamente normal. En muestras pequeñas y asimétricas, usa una prueba t con cautela, transforma los datos o recurre a un bootstrap o a una prueba no paramétrica.


