Guía de Pruebas de Significación para Investigadores de Mercado

analisis
R
Author

Roberto Gil-Saura

Published

February 6, 2024

Introducción: Del “Qué” al “Y Qué Más Da” en el Análisis de Datos

Como analistas e investigadores de mercado, nuestro trabajo raramente termina al calcular un porcentaje o una media. La verdadera pregunta que nuestros clientes o directivos nos hacen es: ¿Y qué más da?. Si la satisfacción de los clientes del “Plan Premium” es de 8.2 y la de los del “Plan Básico” es de 7.9, ¿es esa diferencia de 0.3 puntos real? ¿O podría ser simplemente fruto del azar, del hecho de que hemos encuestado a una muestra y no a toda la población de clientes?

Las pruebas de significación estadística son el conjunto de herramientas que nos permiten responder a esa pregunta. Son el puente formal entre lo que observamos en nuestra muestra y lo que podemos inferir sobre la población total. Nos ayudan a gestionar la incertidumbre y a tomar decisiones basadas en evidencia, no en meras intuiciones.

Este post es la primera de dos partes. Aquí, sentaremos las bases teóricas, desglosando las pruebas más comunes en la investigación de mercados. En la segunda parte, aplicaremos toda esta teoría con ejemplos prácticos en R.

La Lógica Fundamental: Hipótesis Nula y el P-Valor

Toda prueba de significación se basa en un duelo de dos ideas:

  1. La Hipótesis Nula (H₀): Es la hipótesis del “statu quo” o de la “no diferencia”. Afirma que no hay un efecto, ni una relación, ni una diferencia real en la población. Cualquier cosa que vemos en nuestra muestra es solo ruido aleatorio. (Ej: “La satisfacción media es la misma entre hombres y mujeres”).
  2. La Hipótesis Alternativa (H₁): Es la hipótesis que el investigador suele querer probar. Afirma que sí hay un efecto o una diferencia real. (Ej: “La satisfacción media es diferente entre hombres y mujeres”).

El objetivo de la prueba no es “probar” la H₁, sino ver si tenemos suficiente evidencia en nuestra muestra para rechazar la H₀.

Aquí entra en juego el famoso p-valor: Es la probabilidad de observar los resultados de nuestra muestra (o resultados aún más extremos) si la Hipótesis Nula fuera cierta.

  • Un p-valor bajo (típicamente < 0.05) significa que nuestros datos son muy “sorprendentes” o improbables bajo la H₀. Por tanto, ganamos confianza para rechazar la H₀ y aceptar la H₁.
  • Un p-valor alto (≥ 0.05) significa que nuestros datos son bastante compatibles con la H₀. No tenemos suficiente evidencia para rechazarla.

El Arsenal del Analista: Pruebas Clave para Datos de Encuesta

A continuación, se presenta un resumen de las pruebas más utilizadas, la pregunta de negocio que responden y sus alternativas cuando los datos no cumplen ciertos supuestos.

1. Prueba Chi-Cuadrado de Independencia (χ²)

  • Pregunta clave que responde: “¿Existe una asociación o relación estadísticamente significativa entre dos variables categóricas?”
  • ¿Qué compara?: Las frecuencias observadas en una tabla de contingencia (ej. Marca Preferida vs. Grupo de Edad) contra las frecuencias que esperaríamos ver si no hubiera ninguna relación entre las variables (frecuencias esperadas).
  • Ejemplo de negocio (teórico): Una empresa de refrescos quiere saber si la preferencia por “Sabor Cola”, “Sabor Limón” o “Sabor Naranja” está relacionada con el género del consumidor (Hombre/Mujer). La H₀ sería: “La preferencia de sabor es independiente del género”.
  • Alternativa no paramétrica: La Prueba Exacta de Fisher, que se usa cuando las frecuencias esperadas en la tabla son muy bajas (típicamente, si más del 20% de las celdas tienen una frecuencia esperada menor a 5).

2. Prueba T para una Muestra (One-Sample t-test)

  • Pregunta clave que responde: “¿Es la media de una variable continua en nuestra muestra significativamente diferente de un valor de referencia o un estándar conocido?”
  • ¿Qué compara?: La media de una única muestra contra un valor hipotético.
  • Ejemplo de negocio (teórico): Un call center tiene como objetivo (KPI) un tiempo medio de resolución de incidencias de 10 minutos. Tras una semana de formación, toman una muestra de llamadas y quieren saber si la nueva media es significativamente inferior a 10 minutos. La H₀ sería: “La media del tiempo de resolución sigue siendo de 10 minutos”.

3. Prueba de Proporciones para una Muestra (One-Sample Proportion Z-test)

  • Pregunta clave que responde: “¿Es la proporción de una categoría en nuestra muestra significativamente diferente de una proporción de referencia?”
  • ¿Qué compara?: La proporción de una única muestra contra un valor hipotético.
  • Ejemplo de negocio (teórico): Históricamente, el 25% de los visitantes de una web se suscriben a la newsletter. Tras rediseñar el banner de suscripción, se toma una muestra de 500 visitantes y se observa que el 29% se suscribe. ¿Es este aumento del 4% estadísticamente significativo o podría ser azar? La H₀ sería: “La proporción de suscripción sigue siendo del 25%”.
  • Alternativa no paramétrica (o más exacta): La Prueba Binomial Exacta. De hecho, muchas funciones de software como prop.test() en R usan aproximaciones que son muy robustas o directamente recurren a métodos exactos cuando la muestra es pequeña.

4. Prueba de Proporciones para Muestras Independientes (Two-Sample Proportion Test)

  • Pregunta clave que responde: “¿Es la proporción de una característica significativamente diferente entre dos grupos independientes?”
  • ¿Qué compara?: La proporción de “éxitos” (ej. conversiones, menciones de una marca, etc.) en el Grupo 1 versus la proporción de “éxitos” en el Grupo 2. Es la prueba reina del A/B testing.
  • Ejemplo de negocio (teórico): Una web prueba dos versiones de un botón de compra (“Comprar ahora” vs. “Añadir al carrito”). En una muestra de 1000 visitantes, 500 ven la versión A (y el 10% hace clic) y 500 ven la B (y el 13% hace clic). ¿Es la proporción de clics de la versión B significativamente mayor que la de la A? La H₀ sería: “La proporción de clics es la misma para ambas versiones”.
  • Relación con Chi-Cuadrado: Para una tabla de 2x2 (ej. Grupo A/B vs. Hizo Clic/No Hizo Clic), el resultado de esta prueba es matemáticamente equivalente al de la prueba Chi-Cuadrado.
  • Alternativa no paramétrica: De nuevo, la Prueba Exacta de Fisher es la alternativa ideal para tablas 2x2, especialmente con muestras pequeñas.

5. Prueba T para Muestras Independientes (Independent Samples t-test)

  • Pregunta clave que responde: “¿Existen diferencias significativas en la media de una variable continua entre dos grupos independientes?”
  • ¿Qué compara?: Las medias de dos grupos que no tienen relación entre sí (ej. Hombres vs. Mujeres, Clientes vs. No Clientes, Grupo de Control vs. Grupo Experimental).
  • Ejemplo de negocio (teórico): Una empresa quiere saber si los usuarios que usan su app en iOS gastan, en promedio, más dinero que los usuarios que la usan en Android. La H₀ sería: “La media de gasto es la misma para usuarios de iOS y Android”.
  • Alternativa no paramétrica: La Prueba U de Mann-Whitney (también llamada Wilcoxon Rank-Sum Test). Se usa cuando la variable continua no sigue una distribución normal o cuando los tamaños de muestra son muy pequeños. Compara las medianas en lugar de las medias.

6. Prueba T para Muestras Dependientes o Pareadas (Paired Samples t-test)

  • Pregunta clave que responde: “¿Existe una diferencia significativa en la media de una variable continua para el mismo grupo de sujetos medido en dos momentos diferentes o bajo dos condiciones distintas?”
  • ¿Qué compara?: Las medias de un único grupo en dos ocasiones relacionadas.
  • Ejemplo de negocio (teórico): Se mide la “intención de compra” de un producto en un grupo de 50 personas. Luego, se les muestra un anuncio y se les vuelve a medir la “intención de compra”. ¿Ha aumentado significativamente la media tras ver el anuncio? La H₀ sería: “La media de la intención de compra es la misma antes y después de ver el anuncio”.
  • Alternativa no paramétrica: La Prueba de los Rangos con Signo de Wilcoxon. Se usa bajo las mismas condiciones que la U de Mann-Whitney (no normalidad, etc.).

Una decisión personal: ¿t-Test o ANOVA?

Esta es una de las dudas más comunes y cruciales en la práctica. Imaginemos que queremos comparar el gasto medio no entre dos grupos (iOS vs. Android), sino entre tres: iOS vs. Android vs. Web.

El Error Común: Realizar múltiples pruebas t: una para iOS vs. Android, otra para iOS vs. Web, y una tercera para Android vs. Web.

¿Por qué es un error? Porque infla la probabilidad de cometer un Error de Tipo I (un “falso positivo”). Si fijamos nuestro nivel de significación (α) en 0.05, tenemos un 5% de probabilidad de encontrar una diferencia que no existe en cada test. Al hacer tres tests, la probabilidad de cometer al menos un falso positivo no es del 5%, sino que se dispara a casi el 14% (1 - (0.95)^3).

La Solución Correcta: ANOVA (Análisis de la Varianza)

  1. Paso 1: La Prueba Ómnibus (ANOVA). El ANOVA es una prueba “paraguas”. Primero se realiza un único test ANOVA que responde a la pregunta: “¿Existe alguna diferencia significativa en algún lugar entre las medias de los tres (o más) grupos?”. La H₀ es: “Todas las medias de los grupos son iguales”.
  2. Paso 2: Las Pruebas Post-Hoc. Si (y solo si) el resultado del ANOVA es estadísticamente significativo (p < 0.05), entonces procedemos a realizar pruebas post-hoc (como la HSD de Tukey). Estas pruebas son esencialmente pruebas t modificadas que comparan cada par de grupos (iOS vs. Android, etc.) pero ajustando el p-valor para controlar la tasa de error y evitar los falsos positivos.

Así pues para comparar medias, la regla de oro es:

* 2 grupos: Prueba T para muestras independientes.

* 3 o más grupos: ANOVA seguido de pruebas post-hoc.

No obstante, es cierto que los investigadores prefieren tablas replicadas de su análisis bivariado, y por ello usan la prueba t integrada en esas mismas tablas. (Custom Tables en SPSS)

Las pruebas de significación no son meros rituales estadísticos; son herramientas de gestión del riesgo en la toma de decisiones. Nos proporcionan un marco riguroso para distinguir las señales reales del ruido aleatorio en nuestros datos. Comprender qué prueba usar en cada situación es una habilidad esencial que separa al analista novato del investigador de mercados experto.

En nuestro próximo post, pondremos toda esta teoría en práctica. Tomaremos un conjunto de datos de encuesta simulado y ejecutaremos cada una de estas pruebas paso a paso en R, interpretando los resultados en un contexto de negocio real.

Referencias

Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). Sage publications.

Moore, D. S., Notz, W. I., & Fligner, M. A. (2013). The basic practice of statistics. W. H. Freeman and Company.

Rossi, P. E., Allenby, G. M., & McCulloch, R. (2012). Bayesian statistics and marketing. John Wiley & Sons. https://doi.org/10.1002/9780470061578

Sawyer, A. G., & Peter, J. P. (1983). The significance of statistical significance tests in marketing research. Journal of Marketing Research, 20(2), 122-133. https://doi.org/10.1177/002224378302000202