{"id":4278,"date":"2022-03-02T07:01:26","date_gmt":"2022-03-02T07:01:26","guid":{"rendered":"https:\/\/vwo.com\/glossary\/statistical-significance\/"},"modified":"2025-06-05T08:49:34","modified_gmt":"2025-06-05T08:49:34","slug":"significacion-estadistica","status":"publish","type":"post","link":"https:\/\/vwo.com\/glossary\/es\/significacion-estadistica\/","title":{"rendered":"Significaci\u00f3n estad\u00edstica"},"content":{"rendered":"\n

Las empresas digitales han empezado a adoptar una cultura de experimentaci\u00f3n que permite tomar decisiones basadas en datos para mejorar sus KPI. Sin embargo, antes de adentrarte en la experimentaci\u00f3n<\/a> y probar nuevas ideas, es fundamental comprender qu\u00e9 significa que un resultado sea estad\u00edsticamente significativo. En una prueba de hip\u00f3tesis, un resultado tiene significaci\u00f3n estad\u00edstica si se puede creer que no ocurri\u00f3 solo por casualidad y se puede atribuir a un efecto real. Cuando se obtiene un resultado significativo, puedes tener confianza en que el efecto observado es real y que no fue una mera cuesti\u00f3n de suerte (o mala suerte) al elegir la muestra. Incluso al aceptar o rechazar una hip\u00f3tesis, nunca se puede estar 100\u202f% seguro del resultado. Pero s\u00ed se puede trabajar con un cierto nivel de confianza, o dicho de otro modo, establecer un nivel de significaci\u00f3n con el cual desees estar en lo correcto.\u00a0<\/p>\n\n\n\n

En un marco estad\u00edstico, un resultado se considera estad\u00edsticamente significativo si el p-valor (la probabilidad de observar un resultado en ausencia de efecto) cae por debajo del umbral de nivel de significaci\u00f3n elegido. En la pr\u00e1ctica, se suele acordar un nivel de significaci\u00f3n \u0251 (generalmente 0.05 o 5\u202f%) como est\u00e1ndar recomendado en la industria. Contar con una significaci\u00f3n estad\u00edstica permite tener cierto grado de confianza en que el efecto observado es real y no producto del azar.<\/p>\n\n\n\n

\u00bfC\u00f3mo se utiliza la significaci\u00f3n estad\u00edstica en pruebas?<\/strong><\/h2>\n\n\n\n

Un A\/B Testing<\/a> o MVT consiste en una comparaci\u00f3n controlada del rendimiento de distintas variantes en torno a una m\u00e9trica concreta, como la tasa de conversi\u00f3n, el ingreso promedio, etc. Antes de tomar decisiones cr\u00edticas como desplegar una variante que presenta mejores resultados, es fundamental asegurarse de que esos resultados sean estad\u00edsticamente significativos.<\/p>\n\n\n\n

Existen dos dominios en estad\u00edstica \u2014frecuentista y bayesiano\u2014 que ofrecen enfoques alternativos para las pruebas de hip\u00f3tesis. El enfoque frecuentista asume que una m\u00e9trica de inter\u00e9s tiene un \u00fanico valor, mientras que el enfoque bayesiano la describe como una distribuci\u00f3n de valores posibles con un cierto grado de creencia asociado a ellos.<\/p>\n\n\n\n

En la estad\u00edstica frecuentista, al hacer pruebas contra la hip\u00f3tesis nula (que dice que no hay efecto entre las variantes), se calcula la probabilidad de obtener un resultado que sea al menos tan extremo como el que se observ\u00f3. Esta estad\u00edstica se conoce como valor p (p-value) en el dominio frecuentista y proporciona una medida de evidencia contra la hip\u00f3tesis nula. Cuanto menor sea el valor, m\u00e1s s\u00f3lida es la evidencia en contra de la hip\u00f3tesis nula. Una vez que se ha recolectado el tama\u00f1o de muestra necesario<\/a> en el experimento, si el valor p est\u00e1 por debajo del nivel de significaci\u00f3n establecido, el resultado observado se considera estad\u00edsticamente significativo.<\/p>\n\n\n\n

\u00bfC\u00f3mo calcula VWO la significaci\u00f3n estad\u00edstica?<\/strong><\/h2>\n\n\n\n

VWO es una de las principales plataformas de experimentaci\u00f3n que se ajusta a la estad\u00edstica bayesiana<\/a>. Dos estad\u00edsticas que VWO calcula para cada variante en una prueba son la Probability to be Best (PBB) y el Potential Loss (PL).<\/p>\n\n\n\n