Estadística en SigmaLab: dónde está cada análisis y qué decide por su cuenta

1 · Qué es

SigmaLab es un programa de análisis estadístico que se usa desde el navegador, sin instalar nada. Se carga una planilla (CSV, Excel o SPSS .sav), el programa reconoce el tipo de cada variable y, según las que se elijan, ofrece tablas, medidas de resumen, gráficos y pruebas de hipótesis. Cada resultado viene con una interpretación escrita.

Esas interpretaciones no salen de una inteligencia artificial: son plantillas armadas con reglas fijas, así que los mismos datos dan siempre el mismo texto. El diseño y la validación están en un reporte técnico citable (doi:10.5281/zenodo.21281757). La descripción del producto, con los planes, está en m3s.pro/sigmalab.

La diferencia con R, Python o SPSS no está en las cuentas, sino en que SigmaLab casi no tiene opciones: en lugar de preguntar qué prueba se quiere, mira los supuestos y la elige. Esta entrada explica esas reglas, porque son las que hacen que un resultado de SigmaLab no coincida con el de otro programa.

27:40

2 · Dónde está cada análisis

SigmaLab tiene cuatro pestañas: Tabla, Medidas de resumen, Gráficos y Pruebas de hipótesis. Lo que ofrece cada una depende del tipo de las variables seleccionadas en el panel de la izquierda: una cuantitativa, dos cualitativas, una de cada, etcétera.

El nivel de significación se elige entre tres valores: 0,01, 0,05 o 0,10.

3 · Lo que SigmaLab decide por su cuenta

Comparar grupos: la prueba depende de los supuestos

Con una variable cuantitativa y una cualitativa, SigmaLab aplica Shapiro-Wilk a cada grupo y Levene a las varianzas, y según eso decide:

Normalidad en todos los grupos	Varianzas iguales	Dos grupos	Tres o más
Sí	Sí	t de Student	ANOVA + Tukey
Sí	No	t de Welch	Kruskal-Wallis + Dunn
No	—	Mann-Whitney	Kruskal-Wallis + Dunn

Ingreso de patrones contra asalariados (41 contra 444):

Programa	Prueba	$p$
SigmaLab	Mann-Whitney, porque el ingreso no es normal	0,024
R, t.test por defecto	Welch	0,064
SciPy, ttest_ind por defecto	Student	0,00003

Tres programas, tres pruebas distintas y, al 5 %, dos conclusiones distintas. Ninguno se equivoca: cada uno contesta una pregunta un poco diferente. Welch y Student comparan medias. Mann-Whitney compara las distribuciones: pregunta si un ingreso tomado al azar de un grupo tiende a ser mayor que uno del otro. SigmaLab lo dice en la hipótesis que muestra («la distribución de ingreso difiere entre los dos grupos»), y conviene leerla antes de copiar la conclusión.

Un detalle de la tabla: con tres o más grupos, normalidad aceptada y varianzas distintas, SigmaLab va a Kruskal-Wallis. Otra opción razonable sería el ANOVA de Welch, que SigmaLab no ofrece. Para el ingreso según nivel educativo, Kruskal- Wallis da $H = 92{,}1$, idéntico al de kruskal.test en R.

Correlación: Pearson solo si las dos variables son normales

SigmaLab aplica Shapiro-Wilk a cada variable. Si las dos pasan, informa Pearson y muestra Spearman como dato complementario; si alguna no pasa, al revés.

Edad e ingreso de los 594 ocupados: la edad no pasa (con $p < 0{,}0001$, a pesar de ser bastante simétrica) y el ingreso tampoco. SigmaLab informa Spearman, 0,26. cor.test en R informa por defecto Pearson, 0,13. Las dos cifras son correctas y miden cosas distintas. Ver Pearson y Spearman.

Independencia: χ², Fisher o simulación

SigmaLab calcula las frecuencias esperadas y decide:

• Si no más del 20 % de las celdas tiene una esperada menor a 5, chi-cuadrado, con la corrección de Yates en las tablas de 2×2, igual que chisq.test. Sexo por secundario completo: 13,81 en los dos programas.
• Si la tabla es de 2×2 y no se cumple, prueba exacta de Fisher.
• Si la tabla es más grande y no se cumple, chi-cuadrado con el valor $p$ estimado por simulación (10.000 tablas al azar con los mismos totales).

Desocupación por sexo entre 62 jóvenes activos: dos de las cuatro esperadas están por debajo de 5 (3,5 y 2,5). SigmaLab pasa solo a Fisher, p = 0,689. chisq.test en R corre igual el chi-cuadrado, avisa con un warning que la aproximación puede ser incorrecta y devuelve p = 1. Ver prueba exacta de Fisher.

ANOVA de dos factores: tipo II

Con dos factores y grupos de distinto tamaño, el resultado depende del tipo de sumas de cuadrados, y cada programa usa uno distinto por defecto. Ingreso según sexo y nivel educativo, con la interacción en el modelo:

Programa	Tipo	$F$ del sexo
R, anova(lm(...))	I (depende del orden)	0,14
SigmaLab	II	2,72
SPSS	III	1,97

El tipo II evalúa cada factor ajustado por el otro y deja la interacción al final. Es lo que recomienda buena parte de la bibliografía cuando no hay una razón para preferir el III. En R se obtiene con car::Anova(modelo, type = 2), que da exactamente lo mismo que SigmaLab. Para comparar con un trabajo hecho en SPSS, hay que saber que no coinciden. Ver ANOVA de dos factores.

Regresión logística: qué categoría es el «1»

La regresión logística modela la probabilidad de una de las dos categorías. SigmaLab elige como evento la segunda en orden alfabético y lo escribe en la primera línea de la interpretación.

Con la condición de actividad («Desocupado» u «Ocupado») como dependiente, el evento es «Ocupado»: SigmaLab modela la probabilidad de estar ocupado, y sus coeficientes son los de R con el signo cambiado (secundario completo: +0,96 en SigmaLab, −0,96 en un glm sobre la desocupación). Es el mismo modelo leído desde el otro lado, pero un signo invertido en un informe es un error grave.

El intervalo para una proporción: Wilson

SigmaLab usa el intervalo de Wilson, el que mejor funciona con proporciones chicas o muestras chicas. Para 6 desocupados entre 62 jóvenes da 4,5 % a 19,5 %, igual que prop.test(6, 62, correct = FALSE). El prop.test de R por defecto agrega una corrección por continuidad (4,0 % a 20,5 %) y el proportion_confint de Python usa Wald (2,3 % a 17,0 %). Ver intervalo para una proporción.

4 · Lo que calcula igual que R

Cuando SigmaLab y R hacen la misma cuenta, el resultado es el mismo. En el extracto de Catamarca:

	SigmaLab	R
Desvío (divide por $n-1$)	14,6184	14,6184
Primer cuartil (tipo 7)	30,75	30,75
Regresión: pendiente y $R^2$	9.817,44 · 0,0167	9.817,44 · 0,0167
Kruskal-Wallis	92,1459	92,1459
Spearman	0,2616	0,2616
Valor $p$ de Mann-Whitney	0,02388	0,02388
Valor $p$ de Fisher	0,68858	0,68858

Dos diferencias de presentación que no son de cálculo:

• El estadístico de Mann-Whitney depende de qué grupo va primero. SigmaLab informa $U = 7.164$ y R $W = 11.040$: son los dos lados de la misma cuenta (suman $41 \times 444$), con el mismo valor $p$.
• La asimetría. SigmaLab informa la de SPSS y Excel (0,98 para las 12 edades del ejemplo). R no trae una de fábrica, y la del paquete psych, por defecto, usa otra fórmula y da 0,75 sobre los mismos datos. Con psych::skew(x, type = 2) coinciden. Ver asimetría.

Para reproducir en R lo que SigmaLab eligió en esta página:

wilcox.test(ingreso ~ grupo, data = d)                 # comparación de grupos
kruskal.test(ingreso ~ nivel, data = d)
cor.test(d$edad, d$ingreso, method = "spearman")      # correlación
fisher.test(table(d$sexo, d$desocupado))               # tabla 2x2 con esperadas < 5
car::Anova(lm(ingreso ~ sexo * nivel, data = d), type = 2)
prop.test(6, 62, correct = FALSE)$conf.int             # Wilson

5 · Lo que no hace

• No usa ponderadores. Trata cada fila como un caso. Con la EPH, o con cualquier encuesta con factores de expansión, los porcentajes y promedios que muestra son de la muestra, no de la población, y las pruebas suponen un muestreo aleatorio simple. Para eso hace falta análisis de encuestas complejas en R o en Stata.
• No reconoce los códigos de no respuesta de un CSV. Si el ingreso no declarado viene como −9, SigmaLab lo toma como un número. En los ocupados de Catamarca la media da $830.274 en lugar de $871.719: un 5 % menos, por 30 personas que «ganan» −9 pesos. El mínimo de las medidas de resumen (−9) delata el problema. Los perdidos declarados en un .sav sí se respetan, y el panel de variables muestra cuántos faltantes tiene cada una. Ver datos faltantes.
• No deja elegir la prueba. Si se quiere Welch con datos que no pasan Shapiro-Wilk, o Pearson con variables asimétricas, hay que ir a otro programa.
• Tiene topes. Compara hasta 8 grupos: si hay más, usa los 8 más numerosos y avisa cuántos dejó afuera. Los modelos admiten hasta 6 predictoras.

6 · Cuándo conviene

SigmaLab sirve para lo que fue pensado: analizar una planilla sin instalar nada, con la prueba elegida según reglas explícitas y una interpretación al lado de cada número. Es útil para aprender, para un primer análisis y para quien tiene que resolver el análisis de su tesis sin volverse programador.

Conviene pasar a R o Python cuando hacen falta ponderadores, cuando la prueba no es la que SigmaLab elegiría, o cuando el análisis tiene que quedar escrito en código para repetirse con datos nuevos.

7 · Errores frecuentes

• Copiar la conclusión sin leer qué prueba se aplicó. Si SigmaLab eligió Mann-Whitney, la conclusión es sobre las distribuciones, no sobre las medias.
• Comparar un resultado de SigmaLab con uno de R o SPSS sin mirar la prueba. Antes de pensar que uno está mal, verificar que hicieron lo mismo: casi siempre la diferencia está en la elección.
• Informar el signo de una logística sin mirar cuál es el evento. Está escrito en la primera línea de la interpretación.
• Cargar la EPH con los ponderadores como una columna más. SigmaLab no los usa; los resultados son de la muestra.
• Dejar los −9 y los 99 como números. Se recodifican como celdas vacías antes de cargar el archivo.
• Leer «se aparta de la normalidad» con 500 casos como un problema grave. Con muestras grandes, Shapiro-Wilk detecta desvíos que no le hacen nada a la prueba t.

@misc{estadistica_ar_estadistica_en_sigmalab,
  author       = {Montivero, Jorge Luis},
  title        = {{Estadística en SigmaLab: dónde está cada análisis y qué decide por su cuenta}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/estadistica-en-sigmalab}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-10-01}
}