La <em>d</em> de Cohen es un estimador <strong>sesgado al alza</strong>. Con ocho grados de libertad sobrestima un 10 %, y eso no lo arregla ni una muestra más grande ni un análisis mejor: se arregla multiplicando por un factor. Ese factor es la <em>g</em> de Hedges.
g = d · J, con J = 1 − 3 / (4·gl − 1)
El sesgo no viene de la diferencia de medias, que es insesgada: viene del denominador. La desviación típica agrupada de la muestra subestima ligeramente la de la población, y al dividir por un número más pequeño de la cuenta, el cociente sale más grande de la cuenta.
El sesgo depende solo de los grados de libertad, así que se puede corregir sin tocar los datos. Hedges dio el factor exacto con funciones gamma; la aproximación J = 1 − 3/(4·gl − 1) que usa esta página es la que se emplea en todos los metaanálisis y coincide con la exacta hasta el cuarto decimal.
Como el sesgo es siempre al alza, la corrección siempre baja el número. No hay caso en que la g salga mayor que la d.
Por debajo de veinte por grupo, siempre. Ahí la corrección pasa del 2 % y ya no se puede llamar redondeo.
En cualquier metaanálisis, siempre. Los estudios pequeños son los que más sesgo aportan y además suelen ser los que más efectos grandes publican; sin corregir, ese sesgo se agrega y el resultado del metaanálisis sube.
Y cuando la revista lo pide, que cada vez son más. Muchas revistas de psicología y de biomedicina ya nombran la g explícitamente en sus normas.
Con muestras grandes la corrección es irrelevante, pero tampoco molesta: reportar g siempre es una decisión defendible y no tener que decidir cada vez ahorra tiempo.
No arregla la falta de potencia. Una g corregida con un intervalo de confianza de [0,05, 1,55] sigue siendo un estudio que no distingue un efecto pequeño de uno enorme.
Ni el sesgo de publicación. Ése es de la literatura, no del estimador, y se mira con otras herramientas: funnel plot, trim-and-fill, p-curve.
Ni un diseño que no permite la comparación. Si los grupos no eran equivalentes al principio, corregir el estimador no hace equivalente el diseño.
Si lo que te falta es la d de partida, sale de la t en de t a d de Cohen, que ya devuelve la g corregida de paso.
Las trece conversiones entre tamaños del efecto, agrupadas por para qué sirve cada una, están en el índice.
Si la usas en tu tesis o en un artículo, cítala: así quien lea tu Método sabe con qué se hizo el cálculo.
Ciudad-Fernández, V. (2026). Conversor de d de Cohen a g de Hedges [Aplicación web]. Ciudad Science. Recuperado el 14 de octubre de 2026, de https://analisisdedatospsicologia.com/convierte/d-a-g-de-hedges
Para tu apartado de Método: La d de Cohen se corrigió por sesgo de muestra pequeña para obtener la g de Hedges (Hedges, 1981), con el Conversor de d de Cohen a g de Hedges de Ciudad Science (Ciudad-Fernández, 2026).
@misc{ciudadfernandez2026convdagdehedges,
author = {Ciudad-Fern{\'a}ndez, V{\'i}ctor},
title = {{Conversor de d de Cohen a g de Hedges}},
year = {2026},
publisher = {Ciudad Science},
howpublished = {Aplicación web},
url = {https://analisisdedatospsicologia.com/convierte/d-a-g-de-hedges},
urldate = {2026-10-14},
note = {Consultado el 2026-10-14},
}Los del contraste: n₁ + n₂ − 2 en muestras independientes, y N − 1 en muestras relacionadas, donde N es el número de pares. Usar la N total en un diseño pre-post corrige de menos.
No, y es una confusión antigua. Cohen usó la letra g para su estimador sin corregir; hoy «g de Hedges» significa siempre la versión corregida por sesgo, y es lo que entiende cualquier revisor.
Sí: los dos límites se multiplican por el mismo J. Corregir el punto y dejar el intervalo sin corregir produce un intervalo que ya no está centrado en su estimación.
La corrección multiplica, así que un cero sigue siendo cero. El factor J solo cambia la magnitud, nunca el signo ni la significación.