# Calculadora de Contraste de Hipótesis (A/B Test) Online
Tomar decisiones basadas en intuiciones es peligroso; tomarlas basadas en datos puros es el camino al éxito. La Calculadora de Contraste de Hipótesis (A/B Test) es la herramienta definitiva para analistas, marketers e investigadores que necesitan validar si la diferencia entre dos grupos es estadísticamente significativa o simplemente fruto del azar.
# ¿Por Qué Dividimos los Test en Conversiones y Medias?
Dependiendo de la naturaleza de tu estudio, la métrica de éxito cambiará. Nuestra herramienta soporta de forma nativa los dos tipos de test estadísticos más utilizados en la industria:
Test de Proporciones (Conversiones)
Compara porcentajes o tasas de éxito entre dos grupos.
- Ideal para Marketing (Clics, Ventas, Suscripciones)
- Usa Casos Totales (n) y Éxitos (x)
- Aplica Z-Test de dos proporciones
Test de Medias Continuas
Compara valores numéricos promedio entre dos grupos.
- Ideal para Ticket Medio, Tiempo en Web o Pruebas Clínicas
- Usa Media (μ) y Desviación Típica (σ)
- Aplica aproximación normal robusta para muestras (Z/T)
# Cómo Interpretar los Resultados: El P-Valor es tu Guía
El corazón de esta calculadora es el famoso P-Valor (o p-value). Este número te indica la probabilidad de haber obtenido estas diferencias observadas si la Hipótesis Nula (que postula que "ambos grupos son iguales") fuera cierta.
| P-Valor Observado | Significado Práctico | Decisión Estándar |
|---|---|---|
| Mayor a 0.05 (Alta) | La diferencia es pequeña frente a la varianza. El azar podría explicarlo perfectamente. | NO Rechazar la Hipótesis Nula. No hay mejora real probada. |
| Menor a 0.05 (Baja) | Es extremadamente improbable que el azar cause tanta diferencia. Hay un efecto real. | Rechazar la Hipótesis Nula. ¡La variante B es mejor! |
| Menor a 0.01 (Muy Baja) | La evidencia a favor del cambio es aplastante (99% de confianza). | Rechazar con firmeza. Éxito rotundo del experimento. |
Corrección para Muestras Pequeñas
Si tus grupos procesan menos de 30 sujetos y los resultados están muy al límite, la herramienta imprimirá un aviso de "Muestra Pequeña". En estos escenarios liminales, la aproximación normal clásica pierde precisión; recomendamos usar herramientas metodológicas específicas de Test de Student exacto o Fisher.
# Entendiendo el Gráfico Visual (Campanas de Gauss Superpuestas)
No solo te damos números; dibujamos las dos curvas de probabilidad de los grupos A y B. Cuanto más lejos esté una montaña de la otra, y menos área compartan (menos "solapamiento"), más confianza estadística existirá. Si una gráfica absorbe a la otra visualmente, tus datos te están gritando que no hay diferencia real.
# Glosario del A/B Testing
- Grupo de Control (A)
- La versión original o la línea base contra la cual vas a medir tu experimento.
- Variante (B)
- La nueva versión modificada que esperas que mejore las métricas.
- Lift (Mejora Relativa)
- Porcentaje de cambio entre el desempeño del Grupo B respecto a la base del Grupo A.
- Nivel de Significancia (α)
- El umbral de error que estás dispuesto a aceptar (normalmente 5% o 0.05).