Principios generales
- Las calculadoras muestran resultados numéricos y, cuando procede, fórmulas y explicación de interpretación.
- Los tamaños muestrales se redondean hacia arriba para asegurar el mínimo requerido bajo los supuestos introducidos.
- Los intervalos y contrastes dependen de supuestos como independencia, aleatorización, normalidad aproximada o tamaños esperados suficientes.
- Los resultados deben revisarse con criterio metodológico, especialmente en estudios clínicos, regulatorios, financieros o de alto impacto.
Distribuciones y tablas
Las páginas de distribuciones de probabilidad calculan densidad o masa, probabilidad acumulada, colas e inversas cuando la distribución lo permite. Las tablas estadísticas ofrecen valores críticos y cuantiles para usos frecuentes en inferencia.
Para evitar errores de interpretación, revisa siempre la parametrización: por ejemplo, media y desviación típica en la normal, grados de libertad en t, chi-cuadrado y F, o tasa λ en Poisson y exponencial.
Intervalos, contrastes y tamaños muestrales
Los intervalos de confianza combinan estimación puntual, error estándar y valor crítico. Los contrastes de hipótesis comparan un estadístico observado con una distribución nula para obtener p-valor o región crítica. Las herramientas de tamaño muestral estiman el número mínimo necesario según confianza, margen de error, variabilidad, potencia y efecto mínimo detectable.
Si cambias el nivel de confianza, la potencia o el efecto mínimo detectable, el tamaño muestral puede variar de forma sustancial. Por eso es recomendable hacer análisis de sensibilidad antes de cerrar un diseño.
Precisión numérica y redondeos
Las operaciones se ejecutan en el navegador con JavaScript y bibliotecas estadísticas cuando son necesarias. Los resultados se formatean para lectura humana, por lo que pueden existir pequeñas diferencias respecto a software especializado por redondeo, precisión de coma flotante o parametrizaciones alternativas.
Cuando el resultado vaya a publicarse o usarse en una decisión relevante, contrástalo con una segunda herramienta o software estadístico y documenta las entradas usadas.
Limitaciones
- No todas las calculadoras cubren diseños complejos, estratificación, clustering, ponderaciones o correcciones por múltiples comparaciones.
- Un resultado estadísticamente significativo no implica relevancia práctica ni causalidad si el diseño no la justifica.
- En A/B testing, parar un experimento al observar significación puntual puede inflar falsos positivos.
- En muestras pequeñas o datos extremos, conviene revisar métodos exactos o simulaciones.