...
De lunes a viernes, de 10:00 a 14:00 y de 16:30 a 20:00

Por Titulema Academia Universitaria / noviembre 10, 2026

Saber interpretar el p-valor es imprescindible en cualquier TFG cuantitativo, porque pocas expresiones aparecen tanto como «p < 0,05» y pocas se malinterpretan tanto. Muchos estudiantes saben que un p-valor menor que 0,05 indica un resultado «significativo», pero no qué significa exactamente. Esa confusión suele aflorar en la defensa, cuando el tribunal pregunta por la interpretación.

En esta guía te explicamos de forma sencilla qué es el p-valor, cómo interpretarlo, qué no significa, cómo leerlo en SPSS y cómo redactarlo en tu TFG junto al tamaño del efecto y los intervalos de confianza.

Resumen rápido: El p-valor es la probabilidad de obtener un resultado igual o más extremo que el observado si la hipótesis nula fuera cierta. Si es menor que el nivel de significación fijado, normalmente 0,05, se rechaza la hipótesis nula. No indica la probabilidad de que la hipótesis sea verdadera ni la importancia del efecto, por lo que debe acompañarse del tamaño del efecto.

Puntos clave

  • El p-valor mide la incompatibilidad de los datos con la hipótesis nula.
  • Si p es menor o igual que 0,05, se rechaza la hipótesis nula.
  • No es la probabilidad de que la hipótesis sea cierta.
  • Un «,000» en SPSS se escribe p < .001, nunca p = .000.
  • Acompáñalo siempre del tamaño del efecto y del intervalo de confianza.

¿Qué es exactamente el p-valor?

Es la probabilidad de obtener unos datos tan extremos como los observados, o más, suponiendo que la hipótesis nula es cierta. Dicho de forma sencilla, mide cuán sorprendentes serían tus resultados en un mundo donde no existe el efecto o la relación que investigas. Cuanto más pequeño es, más incompatibles son tus datos con esa hipótesis nula.

La American Statistical Association publicó en 2016 una declaración oficial con seis principios sobre el p-valor, motivada por su mal uso generalizado en la investigación [Wasserstein y Lazar, 2016]. El primero de ellos recuerda que el p-valor indica el grado de incompatibilidad entre los datos y un modelo estadístico concreto, normalmente el que representa la hipótesis nula.

Imagina un TFG que compara la ansiedad ante los exámenes de dos grupos. La hipótesis nula sostiene que no hay diferencias. Si obtienes p = 0,02, significa que, si de verdad no hubiera diferencias, solo en torno al 2 % de las muestras similares mostraría una diferencia igual o mayor que la tuya. Es un resultado poco compatible con la ausencia de diferencias.

¿Cómo se interpreta un p-valor menor o mayor que 0,05?

Si el p-valor es menor o igual que el nivel de significación, habitualmente 0,05, se rechaza la hipótesis nula y se habla de resultado estadísticamente significativo. Si es mayor, no se rechaza, lo que no equivale a demostrar que la hipótesis nula sea cierta. Simplemente, los datos no aportan evidencia suficiente contra ella con esa muestra y ese diseño.

Ese umbral se llama nivel de significación o alfa (α) y debe fijarse antes de analizar los datos, no después. Representa el riesgo que estás dispuesto a asumir de cometer un error de tipo I, es decir, rechazar la hipótesis nula cuando en realidad es cierta. Con α = 0,05, aceptas ese riesgo en un 5 % de las ocasiones a largo plazo.

Lectura práctica del p-valor con un nivel de significación de 0,05
P-valor Decisión sobre H0 Cómo redactarlo
0,003 Se rechaza Diferencia estadísticamente significativa
0,048 Se rechaza Significativa, aunque cercana al umbral
0,051 No se rechaza No significativa; evita decir «casi significativa»
0,320 No se rechaza Sin evidencia suficiente de diferencias
SPSS muestra ,000 Se rechaza Escribe p < .001, nunca p = .000

¿De dónde sale el umbral de 0,05 y por qué es convencional?

El 0,05 se popularizó a partir de la obra de Ronald Fisher en los años veinte, que lo propuso como un punto de referencia práctico, no como una frontera infranqueable. Es una convención útil, pero arbitraria: un p = 0,049 y un p = 0,051 aportan una evidencia prácticamente idéntica, aunque uno quede por debajo del umbral y el otro por encima.

Con los años, ese criterio se convirtió en una regla rígida que muchos investigadores aplican de forma mecánica. En Titulema insistimos en que el umbral de Fisher es una convención útil para decidir, no una prueba de que un efecto exista.

En 2019, más de 800 investigadores respaldaron un comentario en Nature que pedía abandonar la «significación estadística» como frontera dicotómica [Amrhein et al., 2019]. No proponían eliminar el p-valor, sino dejar de clasificar los resultados en «significativos» y «no significativos» como si fueran categorías opuestas. Para tu TFG, la lección práctica es clara: informa del p-valor exacto e interprétalo con matices.

¿Qué no significa el p-valor?

No es la probabilidad de que la hipótesis nula sea verdadera, ni la probabilidad de que el resultado se deba al azar, ni mide la importancia del efecto. Tampoco un p-valor no significativo demuestra que no exista efecto. Son las cuatro malinterpretaciones más comunes y las que más preguntas generan durante la defensa ante el tribunal.

«Los p-valores no miden la probabilidad de que la hipótesis estudiada sea cierta, ni la probabilidad de que los datos se hayan producido solo por azar».

— Principio 2 de la declaración de la ASA, Wasserstein y Lazar (2016), traducción propia

Las malinterpretaciones más frecuentes

Un equipo de estadísticos encabezado por Sander Greenland recopiló hasta 25 interpretaciones erróneas frecuentes del p-valor, los intervalos de confianza y la potencia estadística [Greenland et al., 2016]. Estas son las que más vemos en los TFG:

  • «p = 0,03 significa que hay un 3 % de probabilidad de que la hipótesis nula sea cierta». Incorrecto: el p-valor se calcula suponiendo que la hipótesis nula es cierta.
  • «p = 0,03 significa que hay un 97 % de probabilidad de que mi hipótesis sea correcta». También incorrecto.
  • «Como p > 0,05, se demuestra que no hay diferencias». No: solo no hay evidencia suficiente.
  • «Cuanto menor es p, mayor es el efecto». No necesariamente, porque depende mucho del tamaño de la muestra.

¿Por qué un resultado significativo no siempre es importante?

Porque el p-valor depende en gran medida del tamaño de la muestra. Con muestras muy grandes, diferencias minúsculas y sin relevancia práctica pueden resultar significativas; con muestras pequeñas, efectos importantes pueden no alcanzar la significación. Por eso la significación estadística debe complementarse siempre con el tamaño del efecto, que indica la magnitud real de la diferencia o relación.

Supón que un programa de tutoría mejora la nota media en 0,1 puntos sobre 10 en una muestra de 5.000 estudiantes. Probablemente obtendrás un p-valor muy pequeño, pero ¿merece la pena implantar el programa por una décima? La significación estadística no responde a esa pregunta; el tamaño del efecto y el criterio profesional, sí.

El problema de la reproducibilidad ilustra el riesgo de confiar solo en el p-valor. En un gran proyecto de replicación en psicología, el 97 % de los estudios originales había obtenido resultados significativos, pero solo el 36 % de las réplicas lo consiguió [Open Science Collaboration, 2015]. Es una razón de peso para interpretar cada p-valor con prudencia.

¿Te está costando avanzar con el análisis de tus datos?

Un profesional de tu área te acompaña a partir de tus indicaciones, y dos revisores más lo repasan contigo en cada fase.

Ver ayuda con el análisis estadísticoEscríbenos por WhatsApp

¿Cómo se lee el p-valor en las tablas de SPSS?

SPSS no usa la etiqueta «p-valor», sino «Sig.», «Sig. (bilateral)» o «Significación asintótica (bilateral)», según la prueba. Ese es el valor que debes interpretar. Cuando SPSS muestra «,000», no significa que el p-valor sea cero, sino que es menor que 0,0005 y se redondea; en tu TFG debes escribir p < .001.

Ten en cuenta también si la prueba es bilateral o unilateral. SPSS ofrece por defecto el p-valor bilateral, que es el adecuado cuando tu hipótesis no especifica la dirección del efecto. Si tu hipótesis es direccional y lo justificaste antes de recoger los datos, algunas pruebas permiten obtener el valor unilateral, pero conviene consultarlo con tu tutor.

Checklist antes de interpretar un p-valor

  • ☐ Fijaste el nivel de significación antes de analizar los datos.
  • ☐ Has localizado la columna «Sig.» correcta en la tabla de SPSS.
  • ☐ Sabes si el valor es bilateral o unilateral.
  • ☐ Has calculado el tamaño del efecto correspondiente.
  • ☐ No interpretas un p mayor que 0,05 como prueba de que no hay efecto.

Si estás empezando con el programa, en Titulema te explicamos cada salida de SPSS dentro de nuestro servicio de análisis estadístico.

¿Cómo se redacta el p-valor en el TFG según APA?

APA 7 recomienda informar del p-valor exacto con dos o tres decimales, por ejemplo p = .032, salvo cuando es menor que .001, en cuyo caso se escribe p < .001. La p va en cursiva, no se pone cero delante del punto decimal y siempre se acompaña del estadístico de la prueba, sus grados de libertad y el tamaño del efecto.

Errores de formato frecuentes

  • Escribir p = .000 en lugar de p < .001.
  • Poner un cero delante del punto decimal en la p.
  • Informar solo de «p < 0,05» sin el valor exacto.
  • Mezclar el punto y la coma decimal en el mismo trabajo.

El Manual de publicaciones recoge estas pautas en su capítulo dedicado a la presentación de estadísticos [American Psychological Association, 2020]. Compara una redacción débil y una adecuada:

Débil: «Los resultados fueron significativos (p = .000)».

Adecuada: «El grupo experimental obtuvo puntuaciones de comprensión lectora más altas que el grupo control, t(58) = 2.21, p = .031, d = 0.58, lo que indica un efecto de tamaño mediano».

— Ejemplo de redacción elaborado por Titulema

Si tu facultad exige la coma decimal del español, aplícala de forma coherente: «p = 0,031». Lo importante es no mezclar criterios. Para presentar varios resultados a la vez, una tabla APA bien construida es mucho más clara que un párrafo lleno de cifras; puedes ver cómo hacerla en nuestra guía de tablas y figuras según normas APA.

¿Qué debe acompañar al p-valor para que tu interpretación sea sólida?

Necesita tres elementos. El tamaño del efecto indica la magnitud del resultado, y el intervalo de confianza muestra el rango de valores plausibles para ese efecto. Además, hace falta una interpretación sustantiva que conecte el dato con tu pregunta de investigación y con la literatura previa. Por sí solo, el p-valor es la parte menos informativa.

Qué incluir junto a cada p-valor

  • El estadístico de la prueba y sus grados de libertad.
  • El tamaño del efecto con su interpretación.
  • El intervalo de confianza al 95 %.
  • Una frase que explique el resultado en lenguaje claro.

La declaración de la ASA lo resume en uno de sus principios: las conclusiones científicas no deberían basarse únicamente en si un p-valor supera un umbral concreto [Wasserstein y Lazar, 2016]. En la práctica, tu discusión debe responder a tres preguntas: ¿hay efecto?, ¿de qué tamaño es? y ¿qué importancia tiene en tu contexto?

Por último, recuerda que un resultado no significativo también es un resultado. Informa de él con la misma claridad, comenta el tamaño del efecto observado y valora si la muestra pudo ser insuficiente. Un tribunal valora mucho más la honestidad metodológica que una interpretación forzada. Y todo empieza por una hipótesis bien formulada antes de recoger los datos.

Preguntas frecuentes

¿Qué significa p < 0,05 en un TFG?

Significa que, si la hipótesis nula fuera cierta, sería poco probable obtener unos datos como los tuyos, por lo que se rechaza esa hipótesis con un nivel de significación del 5 %. No indica la magnitud ni la importancia práctica del efecto.

¿Puedo decir que un resultado es «casi significativo»?

Es preferible evitarlo. Si fijaste α = 0,05 y obtienes p = 0,06, el resultado no es significativo según tu criterio. Puedes informar del p-valor exacto, comentar el tamaño del efecto y sugerir que futuros estudios con más muestra lo comprueben. Así el lector valora el resultado con información completa.

¿Por qué SPSS da un p-valor de ,000?

Porque redondea a tres decimales. Un «,000» significa que el p-valor es menor que 0,0005, nunca exactamente cero. En el TFG debes escribir p < .001 o p < 0,001, según el criterio decimal que siga tu facultad. Mantén ese formato en todas las tablas y en el texto.

¿Es mejor un p-valor más pequeño?

Un p-valor más pequeño indica mayor incompatibilidad de los datos con la hipótesis nula, pero no un efecto más grande ni más importante. Con muestras grandes, efectos mínimos dan p-valores muy bajos. Por eso debe interpretarse siempre junto al tamaño del efecto.

¿Qué es un intervalo de confianza y por qué acompaña al p-valor?

Es un rango de valores compatibles con tus datos para el efecto que estudias, normalmente con un nivel de confianza del 95 %. A diferencia del p-valor, informa de la magnitud y de la precisión de la estimación: un intervalo estrecho indica una estimación precisa, y uno amplio, mucha incertidumbre.

Referencias

American Psychological Association. (2020). Publication manual of the American Psychological Association (7.ª ed.). https://doi.org/10.1037/0000165-000

Amrhein, V., Greenland, S. y McShane, B. (2019). Scientists rise up against statistical significance. Nature, 567(7748), 305–307. https://doi.org/10.1038/d41586-019-00857-9

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N. y Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3

Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), Artículo aac4716. https://doi.org/10.1126/science.aac4716

Wasserstein, R. L. y Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108

¿Quieres defender tus resultados con seguridad?

Entender el p-valor te permite interpretar tus resultados con rigor y defenderlos con seguridad ante cualquier pregunta del tribunal. Si quieres asegurarte de que tu análisis estadístico y su redacción están a la altura, en Titulema revisamos tus salidas de SPSS, comprobamos la interpretación de cada prueba y te ayudamos a presentar los resultados con claridad.

Escríbenos por WhatsApp y revisamos contigo la interpretación de tus resultados.

Si prefieres no hacerlo solo

Te respondemos en el mismo día laborable con una propuesta a medida. Trabajamos a partir de tus indicaciones y con tres pares de ojos en cada fase.

Ayuda con el análisis estadísticoEscríbenos por WhatsApp

También te puede interesar: acompañamiento en el TFG. Si lo prefieres, llámanos al 602 44 46 52.

Scroll al inicio