Calculadora de Puntuación Z y Valor P

Esta calculadora realiza cálculos de la distribución normal estándar: convierte valores a puntuaciones z, puntuaciones z a valores p, y valores p a puntuaciones z. Es esencial para pruebas de hipótesis estadísticas y análisis de distribución normal.

¿Qué es una puntuación Z?

Una puntuación z (puntuación estándar) te dice cuántas desviaciones estándar está un valor de la media:

Donde:

• x = valor
• μ = media poblacional
• σ = desviación estándar poblacional

Ejemplo: Si la media es 100, σ=15, y tu puntuación es 130:

Tu puntuación está 2 desviaciones estándar por encima de la media.

Interpretando puntuaciones Z

• z = 0: Exactamente en la media
• z > 0: Por encima de la media
• z < 0: Por debajo de la media
• |z| > 2: Inusual (solo ~5% de datos)
• |z| > 3: Muy inusual (solo ~0.3% de datos)

¿Qué es un valor P?

El valor P es la probabilidad de obtener un resultado al menos tan extremo como el observado, asumiendo que la hipótesis nula es verdadera.

Tipos de valores P

Valor P de cola izquierda Probabilidad de obtener un valor menor o igual a z:

Valor P de cola derecha Probabilidad de obtener un valor mayor o igual a z:

Valor P de dos colas Probabilidad de obtener un valor al menos tan extremo en cualquier dirección:

Modos de cálculo

Modo 1: Z desde valor

Entrada: Valor (x), Media (μ), Desviación estándar (σ) Salida: Puntuación Z y valores P relacionados

Ejemplo: IQ de 130, media=100, σ=15

• z = 2.0
• Valor P de cola izquierda = 0.9772 (97.72%)
• Valor P de cola derecha = 0.0228 (2.28%)
• Valor P de dos colas = 0.0456 (4.56%)

Modo 2: Valor P desde Z

Entrada: Puntuación Z Salida: Valores P (cola izquierda, derecha, dos colas)

Ejemplo: z = 1.96

• Cola izquierda: 0.975 (97.5%)
• Cola derecha: 0.025 (2.5%)
• Dos colas: 0.05 (5%)

Este es el valor z crítico para el nivel de significancia del 5% (dos colas).

Modo 3: Z desde valor P

Entrada: Valor P de dos colas Salida: Puntuación Z correspondiente

Ejemplo: P = 0.05 (nivel de significancia del 5%)

• z ≈ ±1.96

Distribución normal estándar

La distribución normal estándar tiene:

• Media (μ) = 0
• Desviación estándar (σ) = 1
• Curva en forma de campana simétrica

Regla empírica (regla 68-95-99.7)

• 68% de datos dentro de z = ±1
• 95% de datos dentro de z = ±2
• 99.7% de datos dentro de z = ±3

Valores Z críticos comunes

Pruebas de hipótesis

Pasos

1. Establecer hipótesis

   • H₀ (nula): Sin efecto/diferencia
   • H₁ (alternativa): Hay efecto/diferencia

2. Elegir nivel de significancia

   • Comúnmente α = 0.05 (5%)

3. Calcular estadística de prueba

   • Típicamente una puntuación z

4. Encontrar valor P

   • Probabilidad bajo H₀

5. Decidir

   • Si P < α: Rechazar H₀ (estadísticamente significativo)
   • Si P ≥ α: No rechazar H₀ (no significativo)

Ejemplo

Una compañía afirma que el IQ promedio de sus empleados es 100. Una muestra de 25 empleados tiene media=108, σ=15. ¿Es esto estadísticamente significativo?

Hipótesis:

• H₀: μ = 100
• H₁: μ ≠ 100

Calcular: Error estándar = 15/√25 = 3 z = (108-100)/3 = 2.67 Valor P de dos colas ≈ 0.0076 (0.76%)

Conclusión: P < 0.05, entonces rechazar H₀. El IQ promedio es significativamente diferente de 100.

Interpretación del valor P

Nota: Estas son solo pautas. El contexto importa.

Intervalos de confianza

Un intervalo de confianza del 95% para la media:

Donde:

• x̄ = media muestral
• σ = desviación estándar poblacional
• n = tamaño de muestra
• 1.96 = valor z crítico para 95% de confianza

Ejemplo: Media muestral=108, σ=15, n=25

Errores comunes

1. Confundir significancia estadística con importancia práctica

   • P<0.05 no significa que el efecto sea importante

2. Usar puntuación z cuando se debería usar t

   • Usa t cuando σ es desconocida o n<30

3. Malinterpretar el valor P

   • NO es la probabilidad de que H₀ sea verdadera
   • Es P(datos | H₀)

4. Uso unidireccional vs bidireccional

   • Dos colas para "diferente de"
   • Una cola para "mayor que" o "menor que"

5. P-hacking

   • Probar múltiples hipótesis hasta encontrar P<0.05

Cuándo usar la distribución Z vs T

Usa la distribución Z cuando:

• σ poblacional es conocida
• n ≥ 30 (por Teorema del Límite Central)
• Distribución poblacional es normal

Usa la distribución t cuando:

• σ es desconocida (estimas con s muestral)
• n < 30
• Distribución poblacional es aproximadamente normal

Aplicaciones

Control de calidad

Detectar ítems defectuosos que están fuera de especificaciones (|z|>3)

Medicina

Probar efectividdad de tratamientos, valores de laboratorio anormales

Educación

Estandarizar puntuaciones de exámenes, comparar rendimiento de estudiantes

Negocios

Pruebas A/B, análisis de ventas, detección de fraude

Psicología

Pruebas estandarizadas, investigación experimental

Limitaciones

• Asume normalidad: Los datos deben ser aproximadamente normales
• Requiere independencia: Las observaciones no deben estar correlacionadas
• Tamaño de muestra: Muestras pequeñas pueden ser poco confiables
• Valores atípicos: Afectan en gran medida la media y desviación estándar

Resumen

Las puntuaciones Z y los valores P son herramientas fundamentales en estadística inferencial. Las puntuaciones Z estandarizan valores para comparación, mientras que los valores P cuantifican la fuerza de evidencia contra una hipótesis nula. Esta calculadora maneja las tres conversiones comunes: valor a z, z a P, y P a z. Comprender estas relaciones es esencial para realizar pruebas de hipótesis, crear intervalos de confianza e interpretar datos de investigación. Siempre recuerda que la significancia estadística (P<0.05) no implica automáticamente importancia práctica—contexto y tamaño del efecto también importan.