Preferencias de cookies
Usamos cookies para analítica. Política de privacidad Puedes aceptar o rechazar el seguimiento no esencial.
Guía práctica sobre «Discrepancia en la proporción de muestras: detección y causas fundamentales»: pasos clave, errores comunes e implementación con Calculadora A/B.
Ir a la herramienta
Significancia estadística (Z-test) e intervalos de confianza.
El Desajuste de la Proporción de Muestra (Sample Ratio Mismatch o SRM) significa que la división real entre los grupos de prueba no coincide con la división prevista. Usted configuró 50/50 pero obtuvo 51.2% de control y 48.8% de tratamiento. Esa diferencia de 1.2 puntos porcentuales parece pequeña, pero con 100,000 usuarios es estadísticamente imposible por casualidad.
El SRM invalida su prueba. Si los grupos son desiguales en tamaño por una razón *sistemática*, es probable que también difieran en composición. Cualquier diferencia de conversión observada puede provenir del sesgo, no de su cambio.
Utilice una prueba de bondad de ajuste de chi-cuadrado:
chi2 = sum((observed_i - expected_i)^2 / expected_i)
Ejemplo: 100,000 usuarios, esperado 50/50. Observado: 51,200 control, 48,800 tratamiento.
chi2 = (51200 - 50000)^2 / 50000 + (48800 - 50000)^2 / 50000
chi2 = 1440000/50000 + 1440000/50000 = 28.8 + 28.8 = 57.6
Con 1 grado de libertad, el valor crítico en p = 0.001 es 10.83. Nuestro 57.6 excede con creces esto: se confirma el SRM. En la Calculadora de Pruebas A/B puede ingresar los tamaños de muestra para verificar la proporción.
Escenario: su prueba muestra 52,100 vs 47,900 en una división de 50/50 en 100,000 usuarios.
chi2 = (2100^2 + 2100^2) / 50000 = 176.4: se confirma el SRM.Abra la Calculadora de Pruebas A/B y compare los tamaños de muestra de control/tratamiento. Si la proporción está desviada en más del 1%, investigue antes de confiar en los resultados.
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 «Cuándo detener una prueba A/B con poco tráfico»: pasos clave, errores comunes e implementación con Calculadora A/B.
Guía práctica sobre «Pruebas A/B bayesianas frente a frecuentistas para equipos de productos»: 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.