Hypothesis testing sin humo: p-valor e intervalos de confianza
El p-valor es el número más citado y peor entendido de la experimentación. En esta lección vas a aprender qué afirma de verdad (y qué no), por qué «p < 0,05 significa un 95 % de probabilidad de que funcione» es falso, y cómo leer un intervalo de confianza como lo que es: el rango de efectos compatibles con tus datos. Con eso, el mismo +0,8 puntos te llevará a dos decisiones de producto distintas.
El hypothesis testing compara tus datos con lo que esperarías si el cambio no hiciera nada, y el intervalo de confianza resume qué tamaños de efecto siguen siendo compatibles con ellos.
Importa porque el p-valor se malinterpreta casi siempre, y esa confusión lleva a lanzar efectos que no compensan y a enterrar ideas que nunca se probaron bien.
La idea clave: un p-valor no es la probabilidad de que funcione; decide comparando el intervalo con el cero y con el efecto mínimo que le importa al negocio.
- Explicar con una frase correcta qué significa un p-valor concreto y corregir la lectura «95 % de probabilidad de que funcione».
- Interpretar un intervalo de confianza clasificándolo frente al cero y al efecto mínimo de negocio en una de cinco lecturas.
- Redactar la recomendación de producto de un readout, distinguiendo resultado no concluyente, mejora insuficiente y mejora que justifica lanzar.
Crea tu cuenta gratis para leer la lección entera
Crea una cuenta gratuita para acceder al contenido y guardar tu progreso.