Lo que el p-valor no dice

1 · Por qué hace falta esta entrada

El valor p es el concepto peor interpretado de la estadística. Está documentado que la mayoría de los investigadores —y de los docentes— lo explican mal, y varias de las interpretaciones erróneas aparecen impresas en manuales.

2 · “Es la probabilidad de que la hipótesis nula sea cierta”

Falso. El valor p se calcula suponiendo que $H_0$ es cierta: no puede ser a la vez una medida de su probabilidad. Sería como preguntar por la probabilidad de un supuesto que ya se dio por dado.

Para obtener $P(H_0 \mid \text{datos})$ hace falta una probabilidad previa y el teorema de Bayes, que es precisamente lo que la estadística frecuentista no hace.

En su lugar: “si $H_0$ fuera cierta, un resultado así de extremo aparecería el 2,3 % de las veces”.

3 · “Es la probabilidad de haberse equivocado”

Falso. Bajo las mismas suposiciones, la probabilidad de equivocarse al rechazar es $\alpha$, no $p$, y esa es una propiedad del procedimiento a la larga, no de este estudio.

Además, la probabilidad de que un hallazgo significativo sea falso depende de la potencia y de cuántas hipótesis nulas ciertas se pusieron a prueba —exactamente como el valor predictivo de una prueba diagnóstica depende de la prevalencia—. En un campo donde se exploran muchas hipótesis improbables, una proporción alta de los $p < 0{,}05$ son falsos positivos.

4 · “Un valor p chico significa un efecto grande”

Falso. El valor p depende de tres cosas: el tamaño del efecto, la variabilidad y el tamaño de la muestra.

Situación	Efecto	$n$	Valor p
Brecha de ingresos por sexo, EPH	$d = 0{,}29$ (chico)	15.448	$< 10^{-70}$
Dos grupos comparados en un estudio chico	$d = 0{,}80$ (grande)	12 + 12	0,063

En su lugar: reportar el tamaño del efecto y el intervalo de confianza.

5 · “Si p > 0,05, no hay efecto”

Falso. Ausencia de evidencia no es evidencia de ausencia.

Un resultado no significativo es compatible con dos escenarios muy distintos: que no haya efecto, o que el estudio no haya tenido potencia suficiente para detectarlo. El valor p solo no permite distinguirlos.

Lo que sí permite distinguirlos es el intervalo de confianza: si es angosto y alrededor de cero, hay evidencia de que el efecto es chico; si es ancho, el estudio simplemente no alcanzó para decir nada.

En su lugar: “no se encontró evidencia de diferencia (IC 95 %: −0,3 a 1,1), lo que es compatible tanto con la ausencia de efecto como con un efecto moderado no detectado”.

6 · “p = 0,049 es significativo y p = 0,051 no”

Falso como dicotomía. Los dos resultados son prácticamente idénticos; el umbral 0,05 es una convención sin justificación teórica.

Tratarlo como una frontera natural produce el sesgo de publicación —los estudios con $p$ apenas por encima no se publican— y el p-hacking —se prueban análisis hasta cruzarla—. La acumulación de valores p apenas por debajo de 0,05 en la literatura publicada es un fenómeno medible.

7 · “Un p chico prueba que la teoría es correcta”

Falso. Rechazar la nula dice que los datos son incompatibles con ella, no que la explicación propuesta sea la correcta. Un sesgo de selección, una variable de confusión o un error de medición producen valores p chicos sin ningún efecto real detrás.

8 · Resumen

Se dice	Habría que decir
“Probabilidad de que $H_0$ sea cierta”	“Probabilidad de estos datos si $H_0$ fuera cierta”
“Probabilidad de equivocarme”	“Tasa de error del procedimiento: $\alpha$”
”$p$ chico ⇒ efecto grande”	”$p$ chico ⇒ evidencia contra $H_0$”
”$p > 0{,}05$ ⇒ no hay efecto”	“No hay evidencia suficiente; ver el IC”
“Significativo”	“Significativo al 5 %, con $d = \dots$ e IC $\dots$”

@misc{estadistica_ar_interpretaciones_erroneas_del_p_valor,
  author       = {Montivero, Jorge Luis},
  title        = {{Lo que el p-valor no dice}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/interpretaciones-erroneas-del-p-valor}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-18}
}