El Elefante Económico
¿El ticket promedio de tu negocio es realmente de 100 €? ¿Cuánto podés confiar en una encuesta de satisfacción respondida por 40 clientes? ¿El cambio de proveedor mejoró de verdad los tiempos de entrega, o fue casualidad? Casi todas las decisiones de una empresa se toman con muestras, no con la población completa, y la inferencia estadística es la disciplina que dice cuánto se puede confiar en lo que una muestra muestra.
En este post trabajamos con las dos herramientas centrales de la inferencia: los intervalos de confianza y los tests de hipótesis. Y las entendemos con dos simuladores: uno donde se toman cientos de muestras y se ve cuántas veces el intervalo «acierta», y otro donde se pone a prueba una hipótesis y se descubre qué son realmente el p-valor, el error de tipo I y la potencia.
1. El problema: de la muestra a la población
Supongamos que una tienda quiere conocer su ticket promedio de compra. Revisar todas las ventas históricas puede ser inviable, así que se toma una muestra de, por ejemplo, 40 tickets y se calcula su promedio (x̄). Pero ese promedio cambiaría si se tomara otra muestra. La pregunta es: ¿qué se puede afirmar sobre el promedio real de la población (μ), que nunca se observa?
2. Intervalos de confianza
Un intervalo de confianza acompaña a la estimación con un margen de error:
x̄ ± t* · s / √n
donde s es el desvío estándar de la muestra, n su tamaño y t* un valor crítico de la distribución t de Student que depende del nivel de confianza elegido (por ejemplo 95%).
La interpretación correcta es sutil: si se repitiera el procedimiento muchas veces, el 95% de los intervalos construidos así contendría al valor real. Para un intervalo concreto, ya calculado, el valor real está dentro o no lo está; no tiene sentido decir que «tiene 95% de probabilidad» de estar dentro. El simulador lo muestra con claridad.
3. Tests de hipótesis
Un test responde preguntas del tipo «¿los datos son compatibles con que el ticket promedio sea 100?». Se plantean dos hipótesis:
- H₀ (hipótesis nula): la situación de referencia, por ejemplo μ = 100.
- H₁ (hipótesis alternativa): lo que se quiere detectar, por ejemplo μ ≠ 100 (bilateral) o μ > 100 (unilateral).
Se calcula el estadístico t = (x̄ − μ₀) / (s / √n) y su p-valor: la probabilidad de obtener, solo por azar y si H₀ fuera cierta, un resultado al menos tan extremo como el observado. Si el p-valor es menor que el nivel de significación elegido (α, habitualmente 5%), se rechaza H₀.
Como toda decisión bajo incertidumbre, un test puede equivocarse de dos maneras:
- Error de tipo I: rechazar una H₀ verdadera (un falso positivo). Su probabilidad es α.
- Error de tipo II: no rechazar una H₀ falsa (no detectar un efecto que existe). Su complemento es la potencia del test.
4. Simuladores
Probá estos experimentos. Para los primeros cuatro, usá la parte 1 del simulador:
- Tomá una muestra con 95% de confianza. En la vida real nunca sabrías si el intervalo contiene a μ; acá sí: azul si lo contiene, rojo si no.
- Simulá 100 muestras: alrededor de 95 intervalos deberían contener a μ y unos 5 fallar.
- Subí el nivel a 99%: fallan menos intervalos, pero son más anchos. Es el costo de tener más confianza.
- Bajá n a 5 y cambiá el método a «z con desvío muestral»: la cobertura cae por debajo del nivel. Con la distribución t se corrige.
Para los siguientes, pasá a la parte 2:
- Con μ real = 105 y μ₀ = 100, tomá varias muestras: a veces el test rechaza H₀ y a veces no, aunque H₀ sea falsa.
- Simulá 1000 tests: la proporción de rechazos es la potencia. Probá subir n y mirá cómo aumenta.
- Igualá μ₀ al μ real (H₀ verdadera) y simulá: la proporción de rechazos se acerca a α, ese es el error de tipo I, y los p-valores se reparten parejos entre 0 y 1.
5. Intervalo y test: dos caras de la misma moneda
Para un test bilateral, ambos resultados coinciden: si el intervalo de confianza del (1 − α) no contiene a μ₀, el test rechaza H₀ al nivel α, y viceversa. El intervalo aporta más información, porque además de decir si se rechaza muestra el tamaño plausible del efecto. Es una buena razón para reportar siempre ambos.
6. Errores frecuentes
- Confundir el p-valor con la probabilidad de que H₀ sea cierta. El p-valor se calcula suponiendo que H₀ es cierta; no dice qué tan probable es que lo sea.
- Interpretar «no rechazar H₀» como «H₀ es verdadera». Puede deberse simplemente a una muestra chica con poca potencia. Probalo en el simulador.
- Confundir significativo con importante. Con muestras enormes, diferencias irrelevantes en la práctica resultan significativas.
- Decir que un intervalo «tiene 95% de probabilidad» de contener a μ. La confianza se refiere al procedimiento, no a un intervalo ya calculado.
- Hacer muchos tests y mostrar solo los significativos. Con α = 5%, uno de cada 20 tests saldrá «significativo» por puro azar aunque no haya ningún efecto.
- Olvidar los supuestos: muestras aleatorias e independientes, y distribución aproximadamente normal (o muestras grandes). Con datos muy asimétricos o con valores extremos, los resultados pueden ser engañosos.
7. Aplicaciones en la empresa
- Control de calidad: verificar que el peso promedio de un envase coincide con lo declarado.
- Auditoría por muestreo: estimar el valor promedio de un universo de facturas o saldos sin revisarlo completo.
- Pruebas A/B: decidir si un cambio de precio o de diseño mejoró realmente las ventas o fue casualidad.
- Encuestas de clientes: acompañar cada porcentaje o puntaje con su margen de error.
- Cumplimiento de acuerdos de servicio: comprobar si el tiempo medio de entrega cumple con lo prometido.
8. ¿Y en Excel?
El intervalo de confianza para una media se obtiene con INTERVALO.CONFIANZA.T(alfa; desv_estándar; tamaño), que devuelve el margen de error para sumar y restar al PROMEDIO. Para el test t de una muestra, calculá el estadístico como (PROMEDIO(datos) − μ₀) / (DESVEST.M(datos) / RAIZ(n)), el p-valor bilateral con DISTR.T.2C(ABS(t); n − 1) y el valor crítico con INV.T.2C(alfa; n − 1). Para comparar dos grupos, la función PRUEBA.T devuelve directamente el p-valor.
Este simulador tiene fines educativos. Los datos son ficticios y se generan al azar en tu navegador cada vez que se pulsa un botón, por eso los resultados varían. Con datos reales, revisá siempre los supuestos antes de decidir.