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.