Está en la página 1de 7

UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE HUMANIDADES ESCUELA DE PERIODISMO

ESTADSTICA SOCIAL APLICADA PRUEBAS DE HIPTESIS

La utilizacin de las pruebas de hiptesis se enmarcan principalmente en el anlisis inferencial o inductivo, cuyo objetivo es la generalizacin de los resultados obtenidos en el anlisis de una muestra, a la poblacin o universo de referencia. Por lo tanto, las pruebas de hiptesis utilizadas en el anlisis de los datos, y presentadas a continuacin, buscan precisamente realizar esta generalizacin. No obstante, antes de hacer referencia al anlisis de la informacin propiamente tal, es necesario recordar las decisiones de carcter metodolgico, adoptadas al momento de construir una muestra, a la cual, posteriormente, se le aplica un instrumento de medicin Este punto es relevante a la hora de determinar la forma en que se verificaran o comprueban las hiptesis de investigacin. En este sentido, es necesario indicar que, si a partir del anlisis de las caractersticas de la muestra, se espera realizar inferencias a la poblacin o conjunto de todos las unidades de observacin, entonces se debe indicar si se est en presencia de una muestra no probabilstica o probabilstica. Las muestras no probabilsticas, tambin conocidas como muestras dirigidas, suponen que el procedimiento utilizado para seleccionar los sujetos o casos, es ms bien informal y un poco arbitrario, en contraste con la rigurosidad de un procedimiento que se sostiene en un clculo estadstico del tamao de la muestra y aleatorio en la seleccin de sujetos (probabilstica).

De esta forma, la bibliografa especializada, respecto de las muestras no probabilsticas, sostienen que ...las muestras dirigidas tienen muchas desventajas. La primera es que, al no ser probabilstica, no podemos calcular con precisin el error estndar, es decir, no podemos calcular con qu nivel de confianza hacemos una estimacin. Esto es un grave inconveniente si consideramos que la estadstica inferencial se basa en la teora de la probabilidad, por lo que las pruebas estadsticas en muestras no probabilsticas tienen un valor limitado y relativo a la muestra en s, ms no a la poblacin. Es decir, los datos no pueden generalizarse...1 Sin embargo, una muestra no probabilstica tambin puede ser til para cierto tipo de estudios, especialmente para aquellos que requieren no tanto de una representatibidad de elementos de una poblacin, sino una cuidadosa y controlada eleccin de sujetos con ciertas caractersticas especificadas en el planteamiento del problema 2. Por ejemplo, este tipo de muestra se utiliza con frecuencia en estudios de opinin o en estudios de mercado. Al respecto, tambin se seala que, en alusin a los anlisis realizados a partir de muestras no probabilsticas o intencionadas no puede negarse, sin embargo, que pueden obtenerse conocimientos tiles a partir de comparaciones de esta clase3 Agregando adems que ...en los estudios cuyo principal objetivo est en obtener nociones valiosas que puedan llevarnos en ltima instancia a hiptesis verificables, el muestreo de probabilidad puede resultar demasiado caro.4 En sntesis, es necesario considerar que los resultados que se obtienen sobre la base de las pruebas de hiptesis en muestras no probabilsticas deben interpretarse, en trminos generales, como tendencias de la poblacin, manteniendo siempre presente las limitaciones estadsticas de este tipo de muestras.

Hernndez, Roberto; Fernndez, Carlos; Baptista, Pilar. Metodologa de la Investigacin. Ediciones McGraw-Hill. Mxico, 2000. 2 Ibidem. 3 Blalock, Hubert. Estadstica Social. Fondo de Cultura Econmica. Mxico. 1994. Quinta Parte: El Muestreo. 4 Ibidem.

Realizada esta aclaracin, a continuacin se presentan algunas pruebas de hiptesis utilizadas en el anlisis de la informacin cuantitativa, espacialmente cuando esta se obtiene a partir de la aplicacin de un cuestionario. Sin embargo, antes de describirlas, es necesario realizar una breve distincin entre las pruebas paramtricas y no paramtricas.

Pruebas Paramtricas: En primer lugar, es necesario indicar que los anlisis paramtricos respecto de los no paramtricos, se distinguen en funcin de las presuposiciones que las sustentan. De esta forma, en una misma investigacin es posible, en funcin de las caractersticas de las variables, realizar anlisis paramtricos en algunas, y no paramtricos en otras. Ahora bien, en el caso de la estadstica paramtrica, se debe partir de los siguientes supuestos: La distribucin poblacional de la variable dependiente es normal. Esto quiere decir que el universo tiene una distribucin normal. El nivel de medicin de la variable dependiente est en intervalos o en un nivel de razn. Cuando dos o ms poblaciones son estudiadas, tienen una varianza homognea. Es decir, las poblaciones en cuestin tienen una dispersin similar en sus distribuciones. Las pruebas estadsticas paramtricas ms utilizadas son: Pruebas Estadsticas Coeficiente de correlacin de Pearson Regresin Lineal Prueba t de Student Prueba de contraste de la diferencia de proporciones Anlisis de varianza unidireccional (ANOVA Oneway) (razn F) Anlisis de varianza factorial (ANOVA) Anlisis de covarianza (ANCOVA) Variables Medidas en intervalo o razn. Medidas en intervalos o razn. Medidas en intervalo o razn. Medidas en intervalos o razn, expresados en proporciones o porcentajes. Medidas en intervalo o razn. Medidas en intervalo o razn. Variables cuantitativa continuas.

Pruebas No Paramtricas: Las pruebas no paramtricas a diferencia de las paramtricas no requieren dentro de sus requisitos, suponer la que la distribucin de los datos es normal o que al menos la variable dependiente este expresada en un nivel de medicin de intervalos o razn. Estas pruebas, adems suponen una potencia menor, es decir, por el hecho de tener exigencias menos estrictas sus pruebas de significancia son menos poderosas que sus contrapartes paramtricas. De esta forma, para realizar anlisis no paramtricos debe partirse de las siguientes consideraciones: La mayora de estos anlisis no requieren de presupuestos acerca de la forma de la distribucin poblacional. Se aceptan distribuciones no normales. Las variables no necesariamente deben estar medidas en un nivel de medicin por intervalos o razn. Es decir, pueden analizarse datos nominales u ordinales. Las pruebas estadsticas no paramtricas ms utilizadas son: Pruebas Estadsticas Prueba de chi-cuadrado Coeficientes de Correlacin -V de Cramer - Gamma - Tau b de Kendall - D de Somers Kruskal-Wallis (alternativa a razn F) F de Friedman Variables Medicin nominal Medicin nominal Medicin ordinal Medicin ordinal Medicin ordinal Medicin ordinal Medicin ordinal

Ahora bien, al momento de realizar los anlisis debe tenerse presente que los distintos niveles de medicin (nominal, ordinal, intervalo y razn), forman ellos mismos una escala cumulativa o inclusiva. En efecto, la escala ordinal posee todas las propiedades de la escala nominal adems de la ordinal. A su vez la escala de intervalo posee todas las propiedades de las escalas nominal y ordinal y de la suya propia 5. De ello se desprende
5

Blalock, Hubert. Estadstica Social. Fondo de Cultura Econmica. Mxico. 1994. Introduccin: Medicin y estadstica.

entonces, que el nivel de medicin de proporcin o razn, rene todas las caractersticas de los cuatro niveles de medicin. Esta caracterstica es muy importante a la hora de realizar anlisis estadsticos, pues si se cuenta con una variable en un nivel de medicin de razn, ello implica que adems tenemos esa misma variable en un nivel de intervalo, ordinal y nominal. En otras palabras, es posible analizar esa variable, utilizando una prueba de hiptesis que se ajuste al nivel de medicin que mejor se adapte con la prueba de hiptesis que se quiera utilizar. s tenemos una escala de intervalo, tenemos al propio tiempo una escala ordinal, y podemos servirnos de esta circunstancia en nuestros anlisis estadsticos. Esto resulta a veces necesario, cuando no disponemos de tcnicas estadsticas o stas sean de algn modo deficientes en cuanto a manipular la variable como escala de intervalo.6 Realizadas estas aclaraciones preliminares, en la tabla que se muestra a continuacin se presentan algunas pruebas de hiptesis estadsticas utilizadas en el anlisis inferencial de los datos estadsticos.

Anlisis Paramtrico Pruebas Estadsticas Coeficiente de correlacin de Pearson (r de pearson) Objetivo Analizar la relacin entre dos variables. Nivel de Medicin Intervalo o Razn Interpretacin Varia de 1 a +1 Donde -1 es una relacin negativa perfecta (a mayor X menor Y o a menor X mayor Y) y; +1 una relacin positiva perfecta (A mayor X mayor Y o a menor X menor Y)

Regresin Lineal

T de Student
6

Dos variables, una se Intervalo o Razn considera independiente y otra dependiente. Evaluar si dos grupos Intervalos o Razn.

Significancia menor

Ibidem.

Anlisis de varianza unidireccional one way (F o razn F) (un Factor) (ANOVA one way)

difieren entre s de manera significativa respecto de sus medias Analizar si ms de dos grupos difieren entre s de manera significativa respecto de sus medias

o igual a 0,05, existen diferencias. Variable independiente nominal (grupos). Variable dependiente por intervalos o razn. Si los grupos difieren realmente entre s, sus medias variaran ms entre ellos que la variacin de sus propios integrantes (intragrupo)

Anlisis No Paramtrico Pruebas Estadsticas 1. Chi-cuadrado Objetivo Nivel de Medicin Interpretacin Significancia igual o menor a 0.5 o 0.1

Evaluar hiptesis Nominal u ordinal acerca de la relacin entre dos variables Coeficientes de correlacin (asociacin) (Tablas de Contingencia) 2. Fi o Phi 3. Coeficiente de contingencia Evaluar si las variables estn correlacionadas Evaluar si las variables estn correlacionadas Nominal Tablas de 2x2 Nominal Tablas de cualquier tamao

4. V de Cramer 5. Lambda

Evaluar si las variables estn correlacionadas Evaluar si las variables estn correlacionadas

Nominal Tablas mayores de 2x2 Nominal Tablas de cualquier tamao

6. Gamma

Evaluar si las variables estn correlacionadas Evaluar si las

Ordinal Cualquier tamao

7. Tau b de Kendall

Ordinal

0 igual ausencia de correlacin. 1 igual correlacin perfecta O igual ausencia de correlacin. 0.707 correlacin perfecta para 2x2 0,816 correlacin perfecta para 3x3 0 igual ausencia de correlacin. 1 igual correlacin perfecta Varia de 0 a 1. donde 1 significa que puede predecirse sin error a la variable dependiente sobre la base de la independiente Varia de 1 a +1 (-1 es una relacin negativa perfecta y +1 una relacin positiva perfecta Varia de 1 a +1 (-1

Pruebas Estadsticas

Objetivo variables estn correlacionadas

Nivel de Medicin Cualquier tamao, pero ideal para tablas cuadradas Ordinal Cualquier tamao

Interpretacin es una relacin negativa perfecta y +1 una relacin positiva perfecta Varia de 1 a +1 (-1 es una relacin negativa perfecta y +1 una relacin positiva perfecta

8. D de Somers

Evaluar si las variables estn correlacionadas