El pensamiento crítico no se reemplaza; se potencia. Como cualquier herramienta, esto existe para ampliar nuestras capacidades, no para sustituirlas. Al hacerse cargo de las tareas más mecánicas y repetitivas, nos libera para concentrarnos en aquello que genera verdadero valor: pensar, cuestionar, crear e innovar.
StatSim Pro no solo calcula. Explica y te acompaña. De la pregunta de investigación al resultado, te ayuda a decidir qué hacer, te explica por qué y convierte el análisis en un proceso guiado, comprensible y defendible. Ahí está la diferencia respecto a otras herramientas como SPSS, R o Jamovi. StatSim Pro no busca competir contra ellas, sino acompañar al investigador de otra manera. Mientras otras herramientas te dan una respuesta, StatSim Pro te enseña por qué esa respuesta es la correcta. Te enseña el camino, no solo el resultado.
Suite estadística y metodológica completa para tesis de psicología y ciencias sociales — 100 % en tu navegador.
De la simulación de datos a la redacción del marco teórico: genera bases de datos realistas —con la fiabilidad y las correlaciones que tú pides, verificadas una a una—, ejecuta análisis con rigor de SPSS, explora tus resultados en gráficos interactivos con análisis automático, busca antecedentes en las principales bases académicas, filtra por relevancia con IA y exporta capítulos completos en Word con formato APA 7 e interpretación pedagógica.
Implementado 100 % en el navegador. Sin frameworks, sin backend, sin instalación — y desde esta versión, sin librerías de gráficos externas: la visualización también es motor propio. ¡Pruébalo aquí 👇!
![Evidencia [SPSS] - Correlación.png](/JoelPasapera/StatSim-Pro/blob/main/Evidencia%20%5BSPSS%5D%20-%20Correlaci%C3%B3n.png){kind=link}
![Evidencia [SPSS] - Prueba de normalidad.png](/JoelPasapera/StatSim-Pro/blob/main/Evidencia%20%5BSPSS%5D%20-%20Prueba%20de%20normalidad.png){kind=link}
- Estudiantes de psicología, educación, sociología y ciencias de la salud que desarrollan su tesis
- Investigadores que necesitan análisis rápidos sin licencias de software propietario
- Docentes que buscan herramientas accesibles para enseñar estadística y metodología — y que necesitan bases de datos didácticas con parámetros conocidos (o con imperfecciones deliberadas para practicar la limpieza)
"Construido para resolver un problema que vivía todos los días: perder horas en SPSS sin entender qué hacía. Ahora el análisis y la interpretación están en un solo clic."
Los resultados arrojados por StatSim Pro fueron comparados directamente con los reportados por IBM SPSS Statistics (versión estándar de laboratorio) sobre la misma base de datos.
base_datos_simulada.csv— Base de datos simulada generada con el módulo interno de StatSim Pro (N = 300 participantes, variablesTotal_RyTotal_T).
| Métrica | StatSim Pro | IBM SPSS | Diferencia |
|---|---|---|---|
| ρ de Spearman | −0.0590 | −0.059 | 0.0000 |
| p-valor (bilateral) | 0.3088 | 0.309 | 0.0002 |
| N | 300 | 300 | — |
| Variable | Métrica | StatSim Pro | IBM SPSS | Diferencia |
|---|---|---|---|---|
| Total_R | Estadístico D | 0.0381 | 0.038 | 0.0001 |
| p-valor | 0.3599 | 0.200¹ | — | |
| Total_T | Estadístico D | 0.0803 | 0.080 | 0.0000 |
| p-valor | 0.0001 | < .001 | — |
¹ SPSS reporta p = 0.200 como límite inferior de la significación verdadera (ver pie de tabla en SPSS). StatSim Pro calcula el valor p exacto mediante la aproximación de Dallal-Wilkinson/Khorzad, arrojando un resultado más informativo (p = 0.3599).
Correlación de Spearman — StatSim Pro vs. SPSS
Pruebas de normalidad — StatSim Pro vs. SPSS
Además de la comparación con SPSS, cada módulo estadístico se verifica contra casos con solución conocida (valores de tabla, ejemplos resueltos a mano y recuperación exacta de coeficientes sintéticos), incluyendo estudios de calibración por simulación (p. ej., 300 réplicas normales para confirmar la tasa nominal de falsos positivos de Lilliefors ≈ 5 %).
El proyecto lleva sus propias pruebas dentro del código, ejecutables desde la consola del navegador (F12):
GeneradorDatos.autotest() // 12 comprobaciones del simulador
RedactorTeorico.autotest() // 11 comprobaciones del redactorCada comprobación corresponde a un fallo que ocurrió de verdad durante el desarrollo y que ya no debe repetirse: correlaciones exactas, fiabilidad autocalibrada, puntaje general derivado, matrices de correlación imposibles, ítems invertidos, valores perdidos, exportación limpia, conversión de citas… Con semilla fija, para que el resultado sea reproducible y no dependa del azar.
Sin librerías estadísticas externas: cada fórmula está escrita y verificada en el propio proyecto.
- Shapiro-Wilk — Algoritmo de Royston (1992, AS R94), el mismo que usan R y SPSS
- Kolmogorov-Smirnov — Corrección de Lilliefors (Dallal-Wilkinson / Khorzad)
- Correlación — Pearson y Spearman con intervalos de confianza (Fisher z; Bonett-Wright para Spearman)
- Pruebas t — Student (varianzas agrupadas) y Welch (Satterthwaite)
- ANOVA — Una vía con η²
- No paramétricas — U de Mann-Whitney (empates + corrección de continuidad) y Kruskal-Wallis con corrección de empates y ε²
- Levene — Homogeneidad de varianzas (centrado en la media, como SPSS)
- Chi-cuadrado — Independencia con V de Cramér
- Regresión — Lineal simple y múltiple (OLS matricial) con B, EE, β estandarizados, t, p, IC 95 %, R², R² ajustado, F del modelo y VIF por predictor
- Fiabilidad — Alfa de Cronbach (bruto con IC 95 % por el procedimiento de Feldt, y estandarizado), omega total de McDonald (solución unifactorial por ejes principales iterados), lambda 2 de Guttman y correlación media inter-ítem con su rango
- Comparaciones múltiples — Corrección de Holm
- Potencia post-hoc — Aproximación de Fisher para correlaciones
- p-valores — Beta y gamma incompletas regularizadas por fracción continua de Lentz (Numerical Recipes)
- Álgebra matricial propia — Descomposición de Cholesky (generación de datos correlacionados), rotación de Jacobi para autovalores y autovectores (corrección de matrices no definidas positivas) e inversión triangular
Desde esta versión, StatSim Pro ya no depende de D3.js: los gráficos se dibujan con statviz.js, un motor SVG ligero (~33 KB sin minificar, frente a ~280 KB de D3) escrito desde cero para el proyecto, que implementa exactamente el contrato que la app necesita:
- Escalas lineales (con
nice, ticks y formato adaptativo de decimales según el paso), de banda y secuenciales - Ejes con estilos legibles en tema oscuro, selecciones data-join (
data/enter/exit/join), generadores de línea y área con curvas B-spline (curveBasis) y cierre lineal - Histogramas con umbrales, jerarquías con empaquetado de círculos y proyección geográfica Natural Earth para el panorama mundial
- Verificado con una batería de regresión propia (jsdom) que cubre estadísticos, escalas, ejes, áreas de violín, empaquetado y geografía
Un simulador psicométrico que entrega exactamente lo que le pides, y que además puede ensuciar los datos a propósito para que la limpieza sea parte del aprendizaje.
Estructura del instrumento
- ✅ Cuadro de pruebas: declara cada test, la variable psicológica que mide y la correlación esperada entre sus dimensiones; ese cuadro alimenta el desplegable de la tabla de escalas
- ✅ Cada fila es una dimensión (ítems, media, DE, mínimo y máximo por ítem); el puntaje general de cada test se calcula solo como promedio de sus dimensiones (columna
General_), sin configurarlo a mano - ✅ Variables sociodemográficas personalizables (sexo, edad, carrera, etc.)
- ✅ Percentiles opcionales (
PC_) por escala y por puntaje general, calculados por rango medio - ✅ Guía de coherencia en vivo que avisa de configuraciones contradictorias, con desbloqueo progresivo de campos
Control psicométrico real
- ✅ Fiabilidad objetivo por escala: elige el coeficiente —α de Cronbach u ω de McDonald— y el generador se autocalibra para que el valor observado coincida con el pedido (el redondeo de los ítems Likert desviaba el resultado; ahora se corrige por bisección midiendo con el mismo estimador que usa el Analizador)
- ✅ Ítems invertidos: indica cuántos ítems de la escala se puntúan al revés. La base los entrega sin recodificar, como llegan de un cuestionario real: quien no los refleje antes de sumar verá caer la fiabilidad, igual que en la vida real
- ✅ Correlaciones objetivo entre dimensiones, sociodemográficas numéricas y puntajes generales derivados (la correlación pedida sobre un General se reparte matemáticamente entre sus dimensiones)
- ✅ Correlaciones exactas (activable): la muestra reproduce exactamente la correlación pedida (si pides r = 0.40, obtienes 0.40) en lugar de fluctuar por error de muestreo. Desactívalo para que los datos se comporten como una muestra recogida en campo
- ✅ Estructura factorial coherente: las dimensiones de un mismo test correlacionan entre sí como en un instrumento real, y cualquier pareja que fijes explícitamente siempre prevalece
- ✅ Detección de correlaciones imposibles: si la combinación pedida no puede existir en ninguna muestra (matriz no definida positiva), se identifican las tríadas en conflicto, se sustituye por la matriz válida más cercana y se informa cuánto se movió cada correlación — en lugar de forzarla en silencio
Realismo opcional (para enseñar limpieza de datos)
- ✅ Valores perdidos con mecanismo MCAR (al azar) o MAR (más frecuentes en quienes puntúan bajo en una variable observada), con regla del 80 %: si a una escala le falta más del 20 % de sus ítems su total queda vacío; si falta menos, se prorratea
- ✅ Respuestas descuidadas: participantes de línea recta (mismo valor en todos los ítems) o de respuesta al azar, con columna marcadora opcional para que el docente pueda corregir el ejercicio
- ✅ Errores de digitación: valores imposibles fuera de rango, el atípico más común en bases transcritas a mano
Verificación y flujo de trabajo
- ✅ Informe «pedido vs. obtenido»: tras generar, una tabla contrasta cada parámetro configurado (media, DE, α/ω y todas las correlaciones) con su valor medido en la base, con estado ✓/⚠ y descarga en CSV — la evidencia que respalda la simulación en el anexo metodológico
- ✅ Importar / Exportar por tabla y botones maestros que guardan o restauran toda la configuración del simulador en un solo archivo (parámetros generales, pruebas, escalas, sociodemográficos y correlaciones)
- ✅ Exportación a CSV (con BOM, compatible con Excel) y vista previa; los valores perdidos salen como celda vacía
- ✅ Carga de CSV propio o de los datos generados, con vista previa (N y variables)
- ✅ Etiquetas de variables: renombra puntajes de escala (
General_IE→ “Inteligencia emocional”) y toda la app y el Word usan el nombre legible. Las columnas se reconocen por prefijo (General_,Dimension_,Total_), de modo que una base exportada conserva su estructura aunque vuelva desde un CSV externo - ✅ Configuración de la investigación (título, unidad de análisis, contexto) y de dimensiones por variable
- ✅ Fiabilidad y consistencia interna: α de Cronbach con IC 95 %, α estandarizada, ω total de McDonald, λ₂ de Guttman y correlación media inter-ítem, con interpretación por umbrales
- ✅ Correlación bivariada (Pearson/Spearman elegido automáticamente según normalidad; bilateral o unilateral) con IC 95 %, interpretación de fuerza y dirección
- ✅ Comparación entre grupos con protocolo automático: la app evalúa normalidad por grupo + Levene y elige sola — t de Student, t de Welch o U de Mann-Whitney (2 grupos); ANOVA o Kruskal-Wallis (3+), con post-hoc por pares y corrección de Holm — explicando siempre por qué eligió esa prueba, con tamaños del efecto (d, r, η², ε²) y su magnitud
- ✅ Asociación de categóricas (Chi² con V de Cramér)
- ✅ Análisis multivariado: matriz de correlaciones interactiva para 2+ variables (método por par según normalidad, p corregidos por Holm) y regresión lineal múltiple con selector de dependiente + múltiples predictores, tabla completa de coeficientes, VIF, normalidad de residuos y efecto crudo vs. ajustado del predictor focal
- ✅ Lectura causal honesta: la sección “De la correlación al control estadístico” explica las tres condiciones causales y por qué un diseño transversal aporta asociación ajustada, necesaria pero no suficiente
- ✅ Criba automática de correlaciones por dimensiones para los objetivos específicos (priorizada y con Holm)
- ✅ Hallazgos según variables sociodemográficas (pruebas según la naturaleza de cada variable)
- ✅ Interpretaciones en lenguaje llano de cada resultado
- ✅ Marco metodológico asistido: pregunta, objetivo general, objetivos específicos, hipótesis H₀/H₁ y matriz de consistencia construida automáticamente
- ✅ Selector de variables con casillas: elige qué variables graficar (2–8) y todos los gráficos, junto con sus análisis, se redibujan al instante
- ✅ Distribución de puntajes: teórica vs. empírica — para cada variable, la curva normal N(μ, σ) (continua) se contrasta con la densidad empírica de los datos reales (KDE de Silverman, punteada): la comparación visual delata asimetrías y bimodalidades antes de las pruebas formales; con líneas de media, cursor en cruz con coordenadas y rejilla tenue
- ✅ Matriz de correlaciones exploratoria: paleta divergente diseñada para tema oscuro (sin celdas blancas), contraste del texto por luminancia real, celdas y tipografía adaptativas, etiquetas de variables completas y tooltip por celda con coeficiente (Pearson o Spearman según la normalidad de ese par), p aproximado, N, IC 95 % (Fisher) e interpretación en lenguaje natural
- ✅ Diagrama de caja investigable: lienzo proporcional al número de variables, etiquetas del eje en diagonal, tooltip con los estadísticos completos de cada caja (N, mediana, cuartiles, RIC, mínimo, máximo, atípicos) y ficha por cada punto atípico (valor, límites de Tukey e identificador del participante)
- ✅ Análisis automático bajo cada gráfico (
analisis-graficos.js): un párrafo con redacción científica publicable generado desde los datos vigentes — severidad de las desviaciones de normalidad (γ₁, γ₂) con dirección e implicación, dispersión relativa (CV), estructura correlacional (varianza compartida, cautela por comparaciones múltiples), atípicos con dirección, asimetría por mediana y bigotes, y recomendaciones condicionales (paramétricos vs. robustos; media/DE vs. mediana/RIC), con avisos automáticos por N reducido o escalas dispares - ✅ Ayudas pedagógicas: botón «?» junto a cada título abre una explicación en lenguaje coloquial de qué es el gráfico, para qué sirve y qué observar
- ✅ Todos los gráficos son responsive de verdad: el lienzo se ajusta exactamente al contenido y al marco que lo contiene, sin recortes ni superposiciones
- ✅ En el panel de normalidad: histogramas con curva normal y ejes numéricos, Q-Q plots; en correlación: dispersión con recta de mínimos cuadrados y banda de confianza al 95 %
- ✅ Documento .docx real con portada, resumen, índice con anclas y numeración APA de tablas y figuras
- ✅ Marco metodológico completo + matriz de consistencia
- ✅ Tabla sociodemográfica con interpretación pedagógica (categorías predominantes, lectura de f y %)
- ✅ Niveles por terciles explicados, descriptivos (M, DE, asimetría, curtosis) interpretados en llano
- ✅ Figuras exportadas como imagen (histogramas, Q-Q, dispersión) cada una con su explicación usando los valores reales — incluida la nota metodológica sobre por qué la vista del histograma puede no coincidir con la prueba de normalidad en muestras grandes
- ✅ Contraste de hipótesis y decisión estadística: H₀/H₁, α, estadístico, p, IC 95 %, decisión explícita (se rechaza / no se rechaza) y potencia post-hoc valorada contra el umbral de .80
- ✅ Matriz de correlaciones en tabla APA (triángulo inferior)
- ✅ Correlaciones de objetivos específicos con corrección de Holm y párrafo didáctico
- ✅ Sección de comparación entre grupos (descriptivos + supuestos + contraste + post-hoc + interpretación)
- ✅ Sección de análisis multivariado con el modelo que el investigador ejecutó (resumen, coeficientes, crudo vs. ajustado y precisión conceptual sobre causalidad)
- ✅ Referencias APA del capítulo
- ✅ Búsqueda simultánea en Scopus (rotación de múltiples claves API), PubMed, SciELO, ALICIA (Concytec), Google Scholar, OpenAlex y Crossref
- ✅ Búsqueda intensiva con IA: generación de criterios de inclusión/exclusión, expansión de la consulta en variantes (ES/EN) y paginación profunda
- ✅ Variantes propias: escribe tus propias variantes de búsqueda (una por línea) y se usarán tal cual, sin pasar por la IA; deja la caja vacía y se generan automáticamente
- ✅ Tope de búsquedas configurable (variantes × idiomas): decide cuántas búsquedas se lanzan, con aviso en vivo del coste y advertencia explícita si alguna variante quedaría fuera
- ✅ Análisis de relevancia con IA (escala 1–5 con justificación) vía Cloudflare Worker con rotación de hasta 10 claves gratuitas de Groq en paralelo, JSON estricto y reintentos con enfriamiento automático
- ✅ Filtro por umbral de relevancia que gobierna matriz, exportaciones y redacción
- ✅ Enriquecimiento automático por DOI en cascada: OpenAlex → Crossref → Semantic Scholar → Europe PMC → Scopus Abstract Retrieval → Unpaywall (rescata resúmenes que las APIs abiertas no traen, p. ej. Elsevier), con recuperación de autores y año
- ✅ Matriz de revisión bibliográfica de 15 columnas: Relevancia, Título, Autor, Año, Contexto (país), Objetivos, Muestra, Instrumentos, Resultados, Conclusiones, Revista, Cuartil, Indexación, Referencia APA y Link/DOI
- ✅ Métricas de revista (cuartil SJR e indexación) y detección de país y muestra desde el resumen
- ✅ Exportación a Excel (formato APA: Times 12, ajuste de texto, anchos calibrados) y CSV dual (ES con
;y coma decimal / internacional con,) - ✅ Referencias APA 7 correctas: apellidos e iniciales interpretados desde cualquier formato de las APIs (“Batbayar E.”, “E. Batbayar”, “EB Batbayar”…), “y” en español, cursivas de revista
- ✅ Identificación de variables de estudio a partir del problema (la IA propone, tú confirmas)
- ✅ Documento completo de 9 secciones: Planteamiento del problema, Estado de la cuestión, Antecedentes (en partes para cubrir todas las fuentes), Bases teóricas y Modelos teóricos por variable, Justificación y Definición conceptual de las variables — redactadas en paralelo por múltiples claves de IA
- ✅ Regla de oro inviolable: toda idea lleva cita — el modelo escribe con marcadores de evidencia y la app los convierte en citas APA reales tomadas de tu matriz, contando exactamente qué fuentes se usaron
- ✅ Caza de citas inventadas: cualquier referencia que no exista en la matriz se detecta y se reporta, tanto en forma parentética como narrativa
- ✅ Ficha de instrumentos extraída de tu propia matriz (nombre, sigla, constructo y familia teórica) que se inyecta en todas las secciones para que ningún test se describa midiendo lo que no mide, y que además detecta posicionamientos teóricos contradictorios entre secciones
- ✅ Filtro por relevancia (≥ 2 … ≥ 5) aplicable también a una matriz ya descargada que vuelvas a importar
- ✅ Saneado de la matriz en una sola puerta: caracteres corruptos del scraping, autores contaminados con nombres de revista, referencias APA reconstruidas cuando llegan rotas y posibles duplicados reportados —nunca borrados— para que decidas tú
- ✅ Cadena de respaldo ante límites de cuota: reintentos con espera respetando la ventana del proveedor y cambio automático a un segundo motor de IA, comprimiendo el material sin omitir ninguna fuente ni perder las cifras de los resúmenes
- ✅ Pase de coherencia: un botón revisa el documento y reescribe solo los pasajes que lo necesitan (cadenas de citas sin jerarquizar, muletillas repetidas, declaraciones de vacío duplicadas, modelo teórico contradictorio), con una garantía mecánica: si la reescritura altera las citas del párrafo, se rechaza
- ✅ Panel de diagnóstico al terminar: secciones, palabras, fuentes citadas, qué motor escribió cada sección, costura del texto, saneado de la matriz y alertas accionables
- ✅ Word .docx y PDF en formato APA 7: Times New Roman 12, doble espacio, sangrías, títulos centrados, numeración de páginas y Referencias finales solo de las fuentes realmente citadas, en orden alfabético con sangría francesa
- ✅ Botón de copiado íntegro al portapapeles y recuperación del último documento generado
- ✅ Aviso honesto permanente: es un borrador asistido — verifica cada cita contra la fuente original y reescríbelo con tu voz
- ✅ 100 % del procesamiento estadístico ocurre en tu navegador: tus datos nunca salen de tu equipo
- ✅ Sin backend propio ni base de datos; despliegue estático en GitHub Pages
- ✅ Vanilla JavaScript modular (sin frameworks) con motor de visualización propio (
statviz.js, sin D3 ni otras librerías de gráficos); ExcelJS, html-docx-js y jsPDF desde CDN solo para exportaciones - ✅ Las llamadas a IA (solo en el buscador/redactor) envían únicamente títulos y resúmenes de artículos públicos a través de Workers propios; las claves nunca se exponen en el cliente
- Abre la demo: joelpasapera.github.io/StatSim-Pro
- Simulador → declara tus pruebas y dimensiones, fija la fiabilidad y las correlaciones objetivo, y genera la base (o salta este paso si tienes la tuya). Revisa el informe pedido vs. obtenido y, si vas a enseñar limpieza de datos, activa las imperfecciones realistas
- Analizador → carga tu CSV o usa los datos generados; etiqueta tus variables; elige el análisis (fiabilidad, correlación, comparación de grupos, chi², multivariado) y ejecuta
- Explora el dashboard: selecciona variables con las casillas, pasa el cursor por la matriz y los diagramas de caja, investiga los atípicos y lee el análisis automático bajo cada gráfico
- Exporta el capítulo de resultados en Word APA con un clic
- Buscador → busca antecedentes (con tus propias variantes si quieres), analiza relevancia con IA, llena la matriz y expórtala
- Redactor → importa la matriz, filtra por relevancia, identifica variables, genera el marco teórico completo, pásale el pase de coherencia y descárgalo en Word o PDF APA
Para uso local: clona el repositorio y abre index.html (o sirve la carpeta con cualquier servidor estático).
git clone https://github.com/JoelPasapera/StatSim-Pro.git
cd StatSim-Pro
python -m http.server 8000 # o cualquier servidor estático| Módulo | Responsabilidad |
|---|---|
index.html, app.js, style.css |
Interfaz, navegación y orquestación |
generador-datos.js, guia-coherencia.js |
Simulación de datos: estructura del instrumento, fiabilidad autocalibrada, correlaciones exactas, imperfecciones realistas, informe pedido vs. obtenido y autotest |
analizador-estadistico.js |
Motor estadístico central (normalidad, correlaciones, Holm…) |
fiabilidad.js |
Consistencia interna: α con IC de Feldt, ω de McDonald, λ₂ de Guttman, inter-ítem |
comparacion-grupos.js |
Protocolo automático t/Welch/U/ANOVA/Kruskal-Wallis + post-hoc |
regresion-multiple.js |
Matriz multi-variable y regresión múltiple OLS (VIF, crudo vs. ajustado) |
statviz.js |
Motor de visualización propio (escalas, ejes, selecciones, curvas, histogramas, pack, geo) — reemplaza a D3 |
graficas.js |
Librería de gráficos científicos: distribución teórica vs. empírica (KDE), matriz de correlaciones, boxplot, Q-Q, dispersión con banda de confianza — responsive, tema oscuro, tooltips exploratorios y cursor de coordenadas |
analisis-graficos.js |
Análisis automático bajo cada gráfico: redacción científica condicional a los datos, extensible por registro |
interpretaciones-estadisticas.js |
Redacción en lenguaje llano de los resultados |
criba-correlaciones.js, criba-sociodemografica.js, analisis-dimensiones.js |
Objetivos específicos y hallazgos por sociodemográficos |
etiquetas-variables.js, matriz-consistencia.js |
Nombres legibles y matriz de consistencia |
exportador-word.js |
Capítulo de resultados .docx APA 7 con pedagogía |
antecedentes.js + scopus/pubmed/scielo/alicia/scholar-directo.js, proxies-cors.js |
Buscador multi-fuente, variantes propias y enriquecimiento por DOI |
ia-asistente.js |
Cliente de los Workers de IA (criterios, relevancia, redacción, pase de coherencia) con respaldo entre proveedores |
redactor-teorico.js |
Marco teórico completo con citas verificadas, pase de coherencia y exportación Word/PDF APA |
StatSim Pro automatiza cálculos y borradores, no el criterio del investigador. Los textos generados con IA son borradores de trabajo, y los análisis automáticos bajo los gráficos son lecturas descriptivas preliminares: contrasta cada cita con la fuente original, confirma los supuestos con las pruebas formales y reescribe con tu propia voz antes de incorporar cualquier resultado a tu tesis.
Las bases generadas por el Simulador son datos sintéticos: sirven para diseñar, enseñar y poner a prueba un procedimiento de análisis, nunca para sustituir datos reales ni para sostener conclusiones sustantivas sobre una población.
Hecho con ❤️ para la comunidad académica hispanohablante.