Preferencias de cookies
Usamos cookies para analítica. Política de privacidad Puedes aceptar o rechazar el seguimiento no esencial.
Guía práctica sobre «Pruebas A/B bayesianas frente a frecuentistas para equipos de productos»: pasos clave, errores comunes e implementación con Calculadora A/B.
Ir a la herramienta
Significancia estadística (Z-test) e intervalos de confianza.
Usted realizó una prueba A/B. Control: 1,000 usuarios, 50 conversiones (5.0%). Variante: 1,000 usuarios, 65 conversiones (6.5%). ¿Es la variante B mejor? La respuesta depende del marco que utilice.
La prueba frecuentista pregunta: "Si no hubiera una diferencia real, ¿con qué frecuencia veríamos datos tan extremos?"
Para el ejemplo anterior, una prueba z de dos proporciones da:
La salida es binaria: significativo o no. El p-valor NO es la probabilidad de que B sea mejor — es la probabilidad de ver estos datos (o más extremos) asumiendo que B es idéntico a A.
La prueba bayesiana pregunta: "Dados los datos, ¿cuál es la probabilidad de que B sea mejor que A?"
Utilizando una prior Beta(1,1) (no informativa), las distribuciones posteriores son:
La simulación de Monte Carlo (o cálculo de forma cerrada) da: P(B > A) = 93.8%.
La salida es continua: "Hay una probabilidad del 93.8% de que la variante B tenga una tasa de conversión más alta." También puede calcular: "El aumento esperado es +1.4 pp, con un intervalo creíble del 90% [-0.1 pp, +3.0 pp]."
Frecuentista es mejor cuando:
Bayesiano es mejor cuando:
Con los mismos datos anteriores:
Ninguna de las respuestas es "incorrecta" — responden a preguntas diferentes. Use Calculadora de pruebas A/B para calcular ambas perspectivas sobre sus datos.
Ingrese sus datos de control y variante en Calculadora de pruebas A/B y compare el p-valor frecuentista con la probabilidad bayesiana de mejora.
Este artículo es revisado por el equipo editorial de Tools Hub para validar precisión, relevancia práctica y consistencia con los flujos actuales del producto.
Última revisión:
Guía práctica sobre «Discrepancia en la proporción de muestras: detección y causas fundamentales»: pasos clave, errores comunes e implementación con Calculadora A/B.
Guía práctica sobre «Cuándo detener una prueba A/B con poco tráfico»: pasos clave, errores comunes e implementación con Calculadora A/B.
Guía práctica sobre «Pruebas secuenciales y la trampa de las miradas»: pasos clave, errores comunes e implementación con Calculadora A/B.
Guía práctica sobre «Pruebas multivariadas versus pruebas A/B: un marco de decisión»: pasos clave, errores comunes e implementación con Calculadora A/B.