Saltar al contenido
Omnikalc

Calculadora del factor de Bayes: ¿qué fuerza tiene la prueba a favor de una moneda trucada?

Introduce los éxitos, los ensayos y la probabilidad nula para obtener el factor de Bayes, la probabilidad a posteriori de la alternativa y el valor p exacto.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Factor de Bayes para la alternativa (BF₁₀)

2,21

Prueba anecdótica o no concluyente
Factor de Bayes para la hipótesis nula (BF₀₁)
0,45
Probabilidad de que la alternativa sea cierta, con probabilidades a priori iguales
68,9 %
log₁₀ de BF₁₀
0,35
Valor p bilateral (test binomial exacto)
0,0210

Un valor p dice lo sorprendentes que son tus datos si no pasa nada, pero no dice con qué fuerza respaldan un efecto real. La calculadora del factor de Bayes toma los éxitos, los ensayos y la probabilidad nula, y da el factor de Bayes para la alternativa, el factor de Bayes para la hipótesis nula, la probabilidad a posteriori de la alternativa, el log₁₀ del factor y el valor p bilateral exacto para comparar.

Cómo se hace el cálculo

  • Introduce el número de éxitos y el número de ensayos, por ejemplo 62 caras en 100 lanzamientos de moneda.
  • Introduce la probabilidad de éxito bajo la hipótesis nula, por ejemplo 0,5 para una moneda equilibrada.
  • La alternativa dice que la probabilidad es desconocida, siendo todos los valores de 0 a 1 igualmente probables al principio. El factor de Bayes BF₁₀ es la probabilidad de los datos bajo la alternativa dividida entre la de la hipótesis nula.
  • Con una distribución a priori uniforme, la probabilidad de los datos bajo la alternativa es 1 ÷ (n + 1), de modo que BF₁₀ = (1 ÷ (n + 1)) ÷ (C(n, k) × p₀ᵏ × (1 − p₀)ⁿ⁻ᵏ). Un valor de 3 a 10 es una prueba moderada, y por encima de 10 una prueba fuerte.

Ejemplo

En 100 lanzamientos de moneda, ves 62 caras. Con una moneda equilibrada, el test binomial exacto da un valor p bilateral de 0,0210, inferior a 0,05. El factor de Bayes, con una distribución a priori uniforme sobre la probabilidad de cara, es BF₁₀ = 2,21. Es solo una prueba anecdótica a moderada a favor de una moneda trucada, con un 68,9 % de probabilidad de que lo esté si se partiera de probabilidades relativas iguales. Un valor p cercano a 0,02 no indica una prueba fuerte, y por eso muchos estadísticos prefieren los factores de Bayes.

Por qué es útil

Poner el factor de Bayes junto al valor p revela hasta qué punto un resultado que parece significativo es a veces solo una prueba débil. También permite cuantificar el respaldo a la hipótesis nula, útil cuando se quiere mostrar que algo no tiene efecto. La comparación ayuda a leer los estudios con más cuidado.

Conviene saber

El cálculo vale para un test binomial con una distribución a priori uniforme sobre la probabilidad de éxito bajo la alternativa y una hipótesis nula puntual. Otros modelos y otras distribuciones a priori dan otros valores. La probabilidad a posteriori supone probabilidades relativas a priori iguales entre las dos hipótesis. El valor p exacto duplica la cola más pequeña, una convención habitual en un test bilateral.

Herramientas relacionadas

La calculadora del teorema de Bayes actualiza una probabilidad con nuevas pruebas, la de valor p convierte estadísticos en valores p, la de distribución binomial da la probabilidad de un número de éxitos y la de aproximación normal estima probabilidades binomiales para muestras grandes.

Preguntas frecuentes

¿Qué es un factor de Bayes?

Es el cociente de lo bien que dos hipótesis predicen los datos. Un factor de Bayes de 5 para la alternativa significa que los datos son cinco veces más probables bajo la alternativa que bajo la hipótesis nula. Indica cuánto actualizar las creencias: multiplica tus probabilidades relativas a priori por el factor para obtener las a posteriori.

¿En qué se diferencia de un valor p?

Un valor p es la probabilidad de obtener datos al menos tan extremos si la hipótesis nula es cierta. No dice nada directamente sobre la alternativa. Un factor de Bayes compara dos modelos y puede mostrar una prueba a favor de la hipótesis nula, algo que un valor p no puede hacer. Con los mismos datos, un valor p cercano a 0,05 corresponde a menudo a un factor de Bayes inferior a 3.

¿Qué significa aquí la distribución a priori?

La alternativa reparte aquí su creencia por igual entre todas las probabilidades de éxito de 0 a 1. Es una elección por defecto habitual en un test binomial. Otra distribución a priori, por ejemplo centrada cerca de la hipótesis nula, daría otro factor de Bayes, de modo que el resultado depende de esta elección.

¿Cómo se lee la escala?

Una escala habitual, debida a Harold Jeffreys, habla de prueba anecdótica de 1 a 3, moderada de 3 a 10, fuerte de 10 a 30, muy fuerte de 30 a 100 y extrema por encima de 100. Los mismos intervalos se aplican a la inversa para la hipótesis nula, con 1 dividido entre el factor. Las etiquetas son convenciones, no leyes.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.