Calculadora de prueba de Wald - Significancia estadística
Realiza una prueba de Wald para determinar si una estimación de parámetro es estadísticamente significativa: ingresa β̂, β₀, SE y α para obtener resultados al instante.
Ingresa la estimación del parámetro, el valor hipotetizado, el error estándar y el nivel de significancia. La calculadora devuelve la estadística de Wald, el z, el valor p y la decisión.
Calculadora de prueba de Wald - Significancia estadística
Realiza una prueba de Wald para determinar si una estimación de parámetro es estadísticamente significativa: ingresa β̂, β₀, SE y α para obtener resultados al instante.
Acerca de la calculadora de prueba de Wald
La prueba de Wald es una prueba estadística paramétrica que toma su nombre del estadístico Abraham Wald. Es una de las tres pruebas clásicas de hipótesis en la estimación por máxima verosimilitud, junto con la prueba de razón de verosimilitudes y la prueba de score (multiplicador de Lagrange). La prueba de Wald es, con mucho, la más común porque solo requiere la estimación misma y su error estándar —ambos suelen ser reportados por el software estadístico— sin necesidad de la función de verosimilitud completa.
La idea detrás de la prueba de Wald es sencilla. Si una estimación de parámetro β̂ está muy alejada del valor hipotetizado β₀ en relación con su precisión (medida por el error estándar SE), entonces la hipótesis nula H₀: β = β₀ es poco probable. La estadística de Wald es W = ((β̂ − β₀) / SE)², es decir, el z al cuadrado. Bajo la hipótesis nula y con una muestra lo suficientemente grande, W sigue una distribución chi-cuadrado con un grado de libertad. Equivalente a ello, el z con signo z = (β̂ − β₀) / SE sigue una distribución normal estándar, por lo que el valor p bilateral es 2 · (1 − Φ(|z|)), donde Φ es la CDF de la normal estándar.
El valor p responde a la pregunta: si la hipótesis nula fuera verdadera, ¿cuál es la probabilidad de observar una estadística al menos tan extrema como la calculada? Un valor p pequeño (por lo general por debajo del nivel de significancia α, a menudo fijado en 0.05 o 0.01) aporta evidencia contra H₀. Cuando p < α, el resultado se considera estadísticamente significativo y rechazamos la hipótesis nula. Cuando p ≥ α, no la rechazamos: no tenemos evidencia suficiente para concluir que el parámetro difiere de β₀, aunque eso no significa que H₀ sea verdadera.
La prueba de Wald es ubicua en la estadística aplicada. En regresión lineal y logística, los estadísticos t reportados para cada coeficiente son esencialmente z de Wald, y los valores p asociados prueban si cada coeficiente difiere significativamente de cero. En econometría, la prueba de Wald se usa para contrastar hipótesis conjuntas sobre múltiples coeficientes simultáneamente (con extensiones de álgebra matricial). En análisis de supervivencia, prueba si una covariable predice significativamente la tasa de riesgo. En genética, los estudios de asociación de genoma completo usan estadísticas de tipo Wald para evaluar millones de polimorfismos de un solo nucleótido.
Una limitación conocida de la prueba de Wald es que puede producir resultados distintos según cómo se parametrice un parámetro, porque depende de una aproximación cuadrática local de la verosimilitud. Para muestras pequeñas, a menudo se prefiere la prueba de razón de verosimilitudes porque es más precisa. La prueba de Wald es más confiable cuando el tamaño de muestra es grande, la estimación es aproximadamente normal (es decir, se cumplen las condiciones asintóticas) y el error estándar está bien estimado.
Ejemplos de la prueba de Wald
Tres escenarios realistas de economía, medicina y estadística general que muestran la prueba de Wald en acción.
| Entrada | Decisión | Detalles |
|---|---|---|
| β̂=2.5, β₀=0, SE=1.1, α=0.05 | Rechazar H₀ | z = 2.27, W = 5.17, p ≈ 0.023. La estimación está a más de 2 errores estándar de cero, así que rechazamos la hipótesis nula en α = 0.05. |
| β̂=0.08, β₀=0, SE=0.02, α=0.05 | Rechazar H₀ | Coeficiente de educación: z = 4.0, p < 0.001. Un año adicional de educación tiene un efecto distinto de cero y altamente significativo sobre los salarios. |
| β̂=−0.5, β₀=0, SE=0.2, α=0.01 | No rechazar H₀ | Eficacia del fármaco con α=0.01 estricto: z = −2.5, p ≈ 0.012. El efecto es significativo con α = 0.05, pero no con el umbral más estricto del 1%. |
Cómo usar la calculadora de prueba de Wald
- Ingresa la estimación del parámetro β̂ de tu salida de regresión o modelo estadístico.
- Ingresa el valor hipotetizado β₀; normalmente es 0 cuando se prueba si un coeficiente es distinto de cero.
- Ingresa el error estándar SE de la estimación, reportado en la misma salida estadística.
- Define el nivel de significancia α: usa 0.05 para el umbral convencional del 5% o 0.01 para un umbral más estricto del 1%.
- Haz clic en Calcular para obtener la estadística de Wald, el z, el valor p bilateral y la decisión de rechazar/no rechazar.
Preguntas frecuentes sobre la prueba de Wald
¿Qué mide la prueba de Wald?
La prueba de Wald mide qué tan lejos está una estimación de parámetro de un valor hipotetizado, expresado en unidades de error estándar. Evalúa si esa distancia es lo bastante grande como para concluir, con un nivel de significancia dado, que el parámetro verdadero difiere del valor hipotetizado.
¿Cuál es la diferencia entre la prueba de Wald y la t?
En muestras grandes son esencialmente equivalentes: ambas comparan una estimación con un valor nulo en unidades de error estándar. La diferencia principal es que la t usa una distribución t (teniendo en cuenta la incertidumbre de la varianza estimada), mientras que la prueba de Wald usa la distribución normal y, por tanto, es una prueba asintótica más adecuada para muestras grandes.
¿Por qué la hipótesis nula suele ser β₀ = 0?
Probar contra cero pregunta si un predictor tiene algún efecto. En regresión, un coeficiente de cero significa que la variable es irrelevante. Establecer β₀ = 0 es el uso más común, pero puedes probar contra cualquier valor; por ejemplo, verificar si un parámetro iguala un valor teóricamente esperado como 1 o −0.5.
¿Qué significa no rechazar H₀?
No rechazar H₀ significa que los datos no aportan evidencia suficiente para concluir que el parámetro difiere del valor hipotetizado. No prueba que H₀ sea verdadera. El resultado puede reflejar un efecto realmente nulo, o bien poca potencia estadística por una muestra pequeña o un error estándar grande.
¿Cuándo debería usar la prueba de razón de verosimilitudes?
La prueba de razón de verosimilitudes se prefiere cuando las muestras son pequeñas, cuando el parámetro está cerca del límite de su rango permitido o cuando los resultados de Wald dependen mucho de la parametrización elegida. Para muestras grandes y estimaciones con distribución suave, la prueba de Wald y la de razón de verosimilitudes dan valores p casi idénticos.
¿Qué nivel de significancia debo usar?
El umbral convencional es α = 0.05 (5%), lo que significa aceptar un 5% de probabilidad de rechazar por error una hipótesis nula verdadera. Para requisitos más estrictos —aprobación de dispositivos médicos, genómica o física— se usa α = 0.01 o incluso 0.001. En investigación exploratoria a veces se acepta α = 0.10. El nivel debe decidirse antes de ver los datos.