Qué hace la Calculadora de Valor Crítico
Esta calculadora determina el valor crítico que necesitas para un contraste de hipótesis o un intervalo de confianza. El valor crítico es el punto de corte de una distribución de probabilidad que separa la región donde rechazas la hipótesis nula de la región donde no la rechazas. En lugar de consultar las clásicas tablas estadísticas, basta con que introduzcas unos pocos datos para obtener una cifra exacta en la distribución normal (Z), t de Student, chi-cuadrado (χ²) o F.
Los datos de entrada, explicados
- Nivel de confianza (%): por ejemplo, 95. La herramienta lo convierte en el nivel de significación alfa mediante \( \alpha = \frac{100 - \text{Nivel de confianza}}{100} \). Un nivel del 95 % da \( \alpha = 0{,}05 \).
- Tipo de distribución: elige entre Normal (Z), t de Student, chi-cuadrado (χ²) o F.
- Grados de libertad: necesarios para las distribuciones t, chi-cuadrado y F. En el caso de la F corresponden a los grados de libertad del numerador.
- Grados de libertad (denominador): solo se usan en la distribución F.
La fórmula que hay detrás
La calculadora aplica la función de distribución acumulada inversa (la función cuantil) de la distribución elegida:
- Normal y t (dos colas): \( \text{valor crítico} = \left| \text{CDF}^{-1}\!\left(\tfrac{\alpha}{2}\right) \right| \). El alfa se reparte entre las dos colas.
- Chi-cuadrado y F (cola derecha): \( \text{valor crítico} = \text{CDF}^{-1}(1 - \alpha) \), con todo el alfa situado en la cola superior.
Ejemplo resuelto
Imagina que realizas una prueba t de dos colas con un nivel de confianza del 95 % y 20 grados de libertad. \( \alpha = \frac{100 - 95}{100} = 0{,}05 \), por lo que \( \tfrac{\alpha}{2} = 0{,}025 \). La calculadora evalúa la CDF inversa de la distribución t con 20 grados de libertad en 0,025 y devuelve el valor absoluto, lo que da un valor crítico de aproximadamente 2,086. Si tu estadístico de contraste supera 2,086 en valor absoluto, rechazas la hipótesis nula.
Para una prueba chi-cuadrado al 95 % con 10 grados de libertad, calcula \( \text{CDF}^{-1}(0{,}95) \approx \) 18,31.
Interpretación de Tu Valor Crítico
El valor crítico es el límite de la región de rechazo — el punto en el eje horizontal de la distribución más allá del cual un estadístico de prueba se considera demasiado extremo para atribuirse al azar únicamente en tu nivel de significancia elegido \(\alpha\).
Las reglas de decisión
- Prueba Z o t de dos colas. Rechazar la hipótesis nula \(H_0\) cuando \(|\text{estadístico de prueba}| \ge\) valor crítico; de lo contrario, no rechazar. La región de rechazo son ambas colas, cada una conteniendo área \(\alpha/2\).
- Prueba Z o t de una cola. Para una alternativa de cola derecha, rechazar cuando el estadístico \(\ge +\) valor crítico; para una alternativa de cola izquierda, rechazar cuando el estadístico \(\le -\) valor crítico. La cola única contiene el área completa \(\alpha\).
- Pruebas de chi-cuadrado y F. Se utilizan como pruebas de cola superior: rechazar \(H_0\) cuando el estadístico excede el valor crítico superior, de lo contrario, no rechazar. Ambos estadísticos son no negativos, y valores más grandes significan una mayor desviación de la nula.
La regla del p-valor equivalente
Comparar un estadístico con un valor crítico y comparar un p-valor con \(\alpha\) son dos descripciones de la misma decisión, y siempre coinciden:
$$\text{rechazar } H_0 \iff |T| \ge c_{\alpha} \iff p \le \alpha$$Esto se cumple porque el valor crítico \(c_{\alpha}\) se define como el estadístico cuya probabilidad de cola es exactamente \(\alpha\). En \(T = c_{\alpha}\) el p-valor es exactamente \(\alpha\); un estadístico más profundo en la cola tiene un p-valor más pequeño, y uno más cerca del centro tiene uno más grande. Por ejemplo, con una prueba z de dos colas con confianza del 95%, \(z = 2.30\) excede 1.960 y su p-valor de dos colas es aproximadamente 0.021, que está por debajo de 0.05 — el mismo rechazo de cualquier manera.
Lo que el tamaño del valor crítico te indica
- Un valor crítico más grande significa una prueba más estricta. Elevar el nivel de confianza reduce \(\alpha\) y empuja el límite hacia afuera: 2.576 al 99% frente a 1.960 al 95%. Un estadístico de 2.10 rechaza al 95% pero no al 99%, por lo que el nivel de significancia debe fijarse antes de observar los datos.
- Los valores críticos de t se reducen hacia Z a medida que aumentan los grados de libertad. Con pocos grados de libertad el error estándar se estima deficientemente, por lo que la distribución t tiene colas más pesadas y exige más evidencia: 2.571 con df = 5 frente a 2.042 con df = 30 y 1.960 en el límite.
- Los puntos de corte de chi-cuadrado y F dependen de df en la dirección opuesta para chi-cuadrado — suben con df porque el estadístico suma más términos, entonces un chi-cuadrado de 20 es extremo con df = 5 (punto de corte 11.070) pero no con df = 20 (punto de corte 31.410).
Lo que significa una falta de rechazo y lo que no significa
No rechazar \(H_0\) no es prueba de que \(H_0\) sea verdadero. Significa que los datos no proporcionaron evidencia suficiente en su contra en el nivel de significancia \(\alpha\) elegido — un resultado igualmente consistente con una hipótesis nula verdadera, con un efecto real demasiado pequeño para detectar, o con una muestra demasiado pequeña para tener potencia adecuada. Una prueba solo puede rechazar o no rechazar; nunca confirma.
Vínculo con intervalos de confianza
El mismo valor crítico que define la región de rechazo también establece el ancho del intervalo de confianza coincidente:
$$\text{estimación} \pm c_{\alpha} \times \text{error estándar}$$Una prueba de dos colas al nivel \(\alpha\) rechaza \(H_0: \mu = \mu_0\) exactamente cuando el intervalo de confianza del \(100(1-\alpha)\%\) excluye \(\mu_0\). Con una media muestral de 52.0, un error estándar de 1.5 y \(z_{\alpha/2} = 1.960\), el intervalo del 95% es \(52.0 \pm 1.960 \times 1.5 = 52.0 \pm 2.94\), es decir, 49.06 a 54.94 — entonces un valor nulo de 50 no sería rechazado, mientras que un valor nulo de 48 sí sería.
Preguntas frecuentes
¿Por qué el resultado de Z/t es de dos colas? La herramienta divide alfa entre dos para las distribuciones normal y t, tal como se hace en el contraste bilateral habitual. Para una prueba de una sola cola, introduce un nivel de confianza ajustado en consecuencia (por ejemplo, usa el 90 % para reproducir un límite unilateral del 95 %).
¿Necesito los grados de libertad para la distribución normal? No. El valor crítico Z depende únicamente del nivel de confianza. Los grados de libertad solo importan en las distribuciones t, chi-cuadrado y F.
¿Cuándo debo rellenar los grados de libertad del denominador? Solo para la distribución F, que necesita tanto los grados de libertad del numerador como los del denominador (algo habitual en el ANOVA y en las comparaciones de varianzas).