Free Tool
A/B Test Statistical Significance
Calculator
¿Vas a realizar una prueba A/B test? Calcula la significancia de tus resultados con nuestra calculadora bayesiana, diseñada para equipos que optimizan con datos: experimentación, CRO y UX.
P-Value
(Desde 0-1)0.334
Significancia
No
Peek inside Wingify's testing brain
Solicita una demoAutomatiza la significancia y crea tests fiables
Explora parámetros estadísticos avanzados como ROPE, MDR y FPR
Profundiza en Sequential Testing, Corrección de Bonferroni y Fixed Horizon Tests.
¿Qué es la significancia estadística?
La significancia estadística indica si un resultado se debe al azar o a un cambio real. Usa esta calculadora para interpretar tus resultados con confianza y tomar decisiones más inteligentes para optimizar tu página web.
Different approaches to calculate statistical
significance
Los dos métodos más utilizados son el frecuentista y el bayesiano, que impulsan distintos tipos de calculadoras de estadística de prueba. A continuación, una breve descripción de cada uno.
Frecuentista
La estadística frecuentista analiza la frecuencia con la que ocurren los eventos. Se centra en cuántas veces sucede algo en una situación determinada.
Bayesiano
Bayesian statistics is all about changing your opinion. It starts with an initial belief called the prior, which comes from domain expertise. Then, you gather evidence to support or challenge that belief. After examining the evidence, your opinion should be updated based on the new information you’ve acquired.
¿Cómo calculamos la significancia estadística?
Así es como puedes calcular la significancia estadística utilizando los enfoques frecuentista y bayesiano.
Enfoque frecuentista
The Frequentist approach to statistical significance is based on the p-value. To determine the p-value using the Frequentist approach, you will need the following key pieces of information:
- La diferencia media entre las dos hipótesis
- La desviación estándar de la diferencia entre las dos hipótesis
- El tamaño de muestra de cada hipótesis
Once you have gathered this necessary data, you can easily compute the p-value using a significance testing tool or significance level calculator. If the p-value you get is 0.05, the probability of the variation is 5%.
Enfoque bayesiano
En este enfoque, el cálculo de la significancia estadística se realiza mediante la probabilidad posterior. La probabilidad posterior considera los datos disponibles y representa la probabilidad de que la hipótesis A o B sea verdadera. Este enfoque tiene en cuenta tanto las creencias previas como la evidencia observada en los datos.
To calculate the posterior probability, Bayes' theorem is employed. Bayes' theorem is a mathematical formula that combines the prior probability of a hypothesis with the likelihood of the data to derive the updated or posterior probability.
A posterior probability of greater than 95% is considered to be strong evidence in favor of the hypothesis.
Know more about our Bayesian approach in the article series we created on Bayesian A/B testing at Wingify.
¿Por qué usamos estadística bayesiana?
Informes de tests intuitivos
At Wingify, we recognize that non-statistical users often misinterpret the frequentist p-value as a Bayesian posterior probability, which leads to incorrect conclusions about the superiority of one variation over another. To address this issue, we developed the industry's first Bayesian statistical engine.
Nuestro motor estadístico bayesiano ofrece resultados fáciles de comprender, eliminando el riesgo de cometer errores al realizar pruebas A/B relacionadas con los ingresos u otros indicadores clave (KPI). Al adoptar un enfoque más intuitivo, garantizamos que nuestros usuarios obtengan conclusiones precisas con nuestra calculadora de significancia estadística.
Con nuestra solución, puedes confiar en la significancia estadística de tus resultados y tomar decisiones informadas para optimizar tus pruebas, aumentar los ingresos y mejorar la experiencia general del usuario. Di adiós a las interpretaciones erróneas y aprovecha el poder de la calculadora bayesiana de pruebas A/B para obtener resultados fiables y accionables.
Comparaciones claras con la línea base
Identifica si las variaciones superan, igualan o tienen un rendimiento inferior a la línea base con nuestro motor estadístico avanzado. Los resultados se muestran con un umbral de probabilidad del 95 %. Los gráficos detallados ofrecen una visión clara para tomar decisiones rápidas y con fundamento.
Resultados procesables, más rápidos
Wingify offers two testing objectives, "Better" and "Better or Equivalent," both built on ROPE (Region of Practical Equivalence), which offers asymmetric power in tests.
El objetivo “Mejor” te ayuda a identificar rápidamente las variaciones con bajo rendimiento, acelerando las evaluaciones y la implementación de cambios exitosos.
El objetivo “Mejor o Equivalente” ofrece resultados más rápidos cuando buscas una mejora o un rendimiento estable respecto a la línea base.
Show your shoppers what they came for.
Preguntas frecuentes
Esto es lo que suelen preguntar los equipos antes de empezar
La hipótesis nula establece que no existe diferencia entre el control y la variación. Esto significa que la tasa de conversión de la variación será similar a la tasa de conversión del control.
El valor p se define como la probabilidad de obtener resultados al menos tan extremos como los observados, teniendo en cuenta que la hipótesis nula es correcta (siendo la hipótesis nula en A/B testing la idea de que la variación y el control son lo mismo).
La significancia estadística cuantifica si un resultado obtenido se debe probablemente al azar o es fruto de un factor relevante. Cuando se establece que un descubrimiento es estadísticamente significativo, esto quiere decir que puedes tener la certeza de que la diferencia es real, y no que simplemente tuviste suerte (o mala suerte) a la hora de escoger la muestra.
El poder estadístico es la probabilidad de detectar un efecto cuando dicho efecto es real. Por lo tanto, un poder estadístico del 80 % significa que de 100 tests en los que las variaciones son diferentes, hay 20 en los que las variaciones son lo mismo y, como consecuencia, no existe efecto.
