Calculadora de la prueba exacta de Fisher (tabla 2×2)

La prueba exacta de Fisher comprueba si dos variables dicotómicas están asociadas cuando trabajas con una tabla 2×2 y las frecuencias son pequeñas. A diferencia de chi-cuadrado, no necesita aproximaciones asintóticas: calcula la probabilidad exacta de la tabla observada y de las más extremas usando la distribución hipergeométrica. Aquí tienes una calculadora que reproduce los resultados de R y scipy, con el p bilateral, los dos unilaterales y el odds ratio muestral.

Tabla de contingencia 2×2 con las celdas a, b, c y d

Tabla de contingencia 2×2 Éxito Fracaso Total Grupo A a b Total A Grupo B c d Total B Total Total Éxito Total Fracaso Total general Las celdas a, b, c y d representan las frecuencias observadas.

Tabla 2×2 (frecuencias observadas)

p bilateral: —
p unilateral (a menor de lo esperado): —
p unilateral (a mayor de lo esperado): —
Odds ratio (ad/bc): —
Acepta coma o punto decimal. Solo enteros ≥ 0. El p bilateral suma las tablas con probabilidad ≤ la observada (criterio de R y scipy).

Qué es la prueba exacta de Fisher

Es un contraste de independencia para tablas de contingencia 2×2 que calcula la probabilidad de la tabla observada bajo la hipótesis nula de independencia. La idea viene de un experimento con té que Ronald Fisher describió en The Design of Experiments (1935): una señora afirmaba distinguir si la leche se había echado antes o después del té, y Fisher planteó cuántas ordenaciones correctas haría falta para descartar el azar.

La probabilidad de una tabla concreta, fijados los totales de fila y columna, sigue una distribución hipergeométrica:

P(a) = C(a+b, a) · C(c+d, c) / C(n, a+c)

donde n = a + b + c + d y C(n, k) es el coeficiente binomial. Cada tabla compatible con los márgenes tiene su probabilidad; el contraste suma las que son tan o más extremas que la observada.

El supuesto que sostiene el cálculo es que los totales marginales están fijados por el diseño (por ejemplo, en un ensayo con 10 sujetos por grupo). Si en tu estudio solo se fijó el tamaño total de la muestra, el modelo correcto es la distribución multinomial condicionada, pero el resultado de Fisher coincide en la práctica con los márgenes observados. Por eso R y scipy aplican la misma fórmula aunque el diseño original no fuera de márgenes fijos.

Cuándo usarla en lugar de chi-cuadrado

La calculadora de chi-cuadrado aplica una aproximación asintótica que falla cuando la muestra es pequeña. La regla clásica de Cochran (1954) pide que ninguna frecuencia esperada sea menor que 1 y que no más del 20 % estén por debajo de 5. En tablas 2×2, muchos manuales recomiendan pasar directamente a Fisher cuando alguna esperada baja de 5.

  • Usa Fisher si n es pequeño, si alguna casilla tiene 0 o valores muy bajos, o si trabajas con datos de casos raros (ensayos clínicos pequeños, estudios de cohorte con pocos eventos).
  • Usa chi-cuadrado si todas las esperadas son ≥ 5 y n es razonable. Para tablas mayores de 2×2 no existe Fisher exacto clásico; ahí entra la versión de Fisher-Freeman-Halton.
  • Alternativa: la corrección de continuidad de Yates sobre chi-cuadrado se acerca a Fisher, pero no es idéntica y en tablas muy pequeñas sigue siendo conservadora.

Un caso típico de error: aplicar chi-cuadrado con una casilla a 0 y otra a 1, obtener un p de 0,04 y publicarlo sin revisar. Con esas frecuencias la aproximación no es fiable; Fisher suele dar un p mayor y más honesto. Al revés, en tablas grandes con todas las esperadas por encima de 20, Fisher y chi-cuadrado coinciden casi al decimal y no merece la pena cambiar.

Cómo interpretar los resultados

La calculadora devuelve cuatro cifras. Cada una responde a una pregunta distinta:

  • p bilateral: es el valor que se informa por defecto. Contrasta la hipótesis de independencia sin dirección. Se obtiene sumando las probabilidades de todas las tablas compatibles con los márgenes cuya probabilidad es menor o igual que la observada (con una tolerancia de 1e-7 para evitar problemas de coma flotante). Es el mismo criterio que aplican fisher.test() en R y scipy.stats.fisher_exact.
  • p unilateral (a menor): probabilidad acumulada de obtener un valor de a igual o menor que el observado. Se usa si tu hipótesis preveía esa dirección antes de ver los datos.
  • p unilateral (a mayor): acumulada por el otro lado.
  • Odds ratio muestral: calculado como ad/bc. Si b o c valen 0, el cociente no está definido y la herramienta muestra «no calculable». En ese caso, en la publicación se suele informar el OR con corrección de Haldane-Anscombe (sumar 0,5 a cada casilla) o indicar que el OR es infinito. Para más detalle sobre este estadístico, consulta la guía de odds ratio y riesgo relativo.

Un p bilateral por debajo de 0,05 se interpreta como evidencia de asociación. El OR indica la magnitud y la dirección: mayor que 1 sugiere mayor odds en la fila 1, menor que 1 sugiere lo contrario, e igual a 1 corresponde a independencia.

Ojo con el p unilateral: si lo usas sin haberlo planificado, el resultado pierde validez. La mayoría de revistas piden el bilateral por defecto y solo admiten el unilateral cuando el protocolo lo especifica.

Ejemplo resuelto

Supón un estudio piloto con dos grupos y un desenlace binario. Los datos precargados en la calculadora son:

EventoSin eventoTotal
Grupo A8210
Grupo B156
Total9716

Con a = 8, b = 2, c = 1, d = 5 y n = 16:

  • p bilateral = 0,0350
  • p (a menor de lo esperado) = 0,9991
  • p (a mayor de lo esperado) = 0,0245
  • odds ratio = (8·5)/(2·1) = 20

Resultados comprobados con scipy.stats.fisher_exact el 9/11/2026. La lectura: hay asociación significativa al 5 % (p = 0,035) y la odds de evento en el grupo A es 20 veces la del grupo B en esta muestra. Con un tamaño tan pequeño, el intervalo de confianza del OR sería muy amplio y conviene informarlo si publicas.

Fíjate en la diferencia entre el p bilateral (0,0350) y el unilateral «a mayor» (0,0245). El bilateral suma también las tablas extremas del lado contrario, por eso es mayor. Si hubieras planteado de antemano que el grupo A tendría más eventos, el unilateral sería defendible; si no, informa el bilateral.

Cómo usar la calculadora paso a paso

  1. Construye la tabla 2×2 con las frecuencias observadas. Coloca en a y b la primera fila (por ejemplo, grupo expuesto) y en c y d la segunda.
  2. Introduce los cuatro valores en las casillas. Acepta enteros con coma o punto decimal, pero deben ser números enteros ≥ 0.
  3. Pulsa «Calcular» o la tecla Intro. Los resultados aparecen debajo.
  4. Lee el p bilateral como referencia principal. Usa los unilaterales solo si la hipótesis direccional estaba fijada de antemano.
  5. Comprueba el odds ratio. Si aparece «no calculable», significa que b·c = 0 y el cociente no está definido.

Si ves un mensaje de error, revisa que ninguna casilla tenga decimales, texto o esté vacía, y que la suma total no sea 0.

Cómo informarlo en APA

El manual APA (7.ª edición) no impone una plantilla cerrada para Fisher, pero la convención en revistas es informar el estadístico con sus grados de libertad implícitos, el p exacto y el tamaño del efecto. Un ejemplo coherente con los datos anteriores:

Se realizó una prueba exacta de Fisher para examinar la asociación entre grupo y evento. La asociación fue significativa, p = .035, OR = 20,00.

Algunas revistas piden además el intervalo de confianza del OR o el tamaño del efecto complementario. Para tablas 2×2, la V de Cramer coincide con el coeficiente phi y se puede informar junto al p. Si el p es muy pequeño, APA permite redondear a p < .001. Nunca informes «p = 0,000»: si el software devuelve 0, escribe p < .001.

Si publicas en español, mantén la coherencia entre coma y punto decimal en todo el texto. APA usa punto decimal en inglés y coma en español; elige una y no mezcles.

Preguntas frecuentes

¿Qué diferencia hay entre el p bilateral y el unilateral?

El bilateral suma las tablas extremas en las dos direcciones; el unilateral solo en una. Usa el bilateral salvo que la dirección estuviera planteada antes de recoger los datos. Cambiar de unilateral a bilateral después de ver el resultado infla la tasa de falsos positivos.

¿Por qué mi resultado no coincide con el de SPSS?

SPSS ofrece el p exacto bilateral y el unilateral en el mismo cuadro. Si tu cifra difiere en el tercer o cuarto decimal, suele ser por redondeo o por la tolerancia al comparar probabilidades. La calculadora aplica el criterio de R y scipy (probabilidad ≤ observada · (1 + 1e-7)).

¿Puedo usar Fisher con tablas 3×2 o mayores?

No con esta herramienta. La versión exacta para tablas r×c es la prueba de Fisher-Freeman-Halton, disponible en R (fisher.test la admite) y en algunos módulos de jamovi. Para tablas mayores con muestras suficientes, chi-cuadrado suele ser adecuado.

¿Qué hago si el odds ratio sale «no calculable»?

Ocurre cuando b o c son 0. En la redacción puedes informar el OR con corrección de Haldane-Anscombe (sumando 0,5 a cada casilla) o describirlo como «no estimable por casilla vacía». No inventes un valor: indica la limitación.

¿Fisher sirve para datos apareados?

No. Para datos apareados (mismo sujeto medido dos veces, antes-después) la prueba adecuada es McNemar, que trabaja con las casillas discordantes b y c. Fisher asume independencia entre observaciones.

Esta guía forma parte de las herramientas de inferencia estadística. Si estás preparando un TFG o una tesis, revisa también las guías de metodología antes de elegir el contraste.