Hiptesis Estadstica:

Al intentar alcanzar una decisin, es til hacer hiptesis (o conjeturas) sobre la poblacin aplicada.
Tales hiptesis, que pueden ser o no ciertas, se llaman hiptesis estadsticas.
Son, en general, enunciados acerca de las distribuciones de probabilidad de las poblaciones.

Hiptesis Nula.
En muchos casos formulamos una hiptesis estadstica con el nico propsito de rechazarla o invalidarla. As,
si queremos decidir si una moneda est trucada, formulamos la hiptesis de que la moneda es buena (o sea p
= 0,5, donde p es la probabilidad de cara).
Analgicamente, si deseamos decidir si un procedimiento es mejor que otro, formulamos la hiptesis de que
no hay diferencia entre ellos (o sea. Que cualquier diferencia observada se debe simplemente a fluctuaciones
en el muestreo de la misma poblacin). Tales hiptesis se suelen llamar hiptesis nula y se denotan por Ho.
Para todo tipo de investigacin en la que tenemos dos o ms grupos, se establecer una hiptesis nula.
La hiptesis nula es aquella que nos dice que no existen diferencias significativas entre los grupos.
Por ejemplo, supongamos que un investigador cree que si un grupo de jvenes se somete a
un entrenamiento intensivo de natacin, stos sern mejores nadadores que aquellos que no recibieron
entrenamiento. Para demostrar su hiptesis toma al azar una muestra de jvenes, y tambin al azar los
distribuye en dos grupos: uno que llamaremos experimental, el cual recibir entrenamiento, y otro que no
recibir entrenamiento alguno, al que llamaremos control. La hiptesis nula sealar que no hay diferencia en
el desempeo de la natacin entre el grupo de jvenes que recibi el entrenamiento y el que no lo recibi.
Una hiptesis nula es importante por varias razones:
Es una hiptesis que se acepta o se rechaza segn el resultado de la investigacin.
El hecho de contar con una hiptesis nula ayuda a determinar si existe una diferencia entre los grupos, si esta
diferencia es significativa, y si no se debi al azar.
No toda investigacin precisa de formular hiptesis nula. Recordemos que la hiptesis nula es aquella por la
cual indicamos que la informacin a obtener es contraria a la hiptesis de trabajo.
Al formular esta hiptesis, se pretende negar la variable independiente. Es decir, se enuncia que la causa
determinada como origen del problema flucta, por tanto, debe rechazarse como tal.
Otro ejemplo:
Hiptesis: el aprendizaje de los nios se relaciona directamente con su edad.

Hiptesis Alternativa.
Toda hiptesis que difiere de una dada se llamar una hiptesis alternativa. Por ejemplo: Si una hiptesis es p
= 0,5, hiptesis alternativa podran ser p = 0,7, p " 0,5 p > 0,5.
Una hiptesis alternativa a la hiptesis nula se denotar por H1.
Al responder a un problema, es muy conveniente proponer otras hiptesis en que
aparezcan variables independientes distintas de las primeras que formulamos. Por tanto, para no
perder tiempo en bsquedas intiles, es necesario hallar diferentes hiptesis alternativas como respuesta a un
mismo problema y elegir entre ellas cules y en qu orden vamos a tratar su comprobacin.
Las hiptesis, naturalmente, sern diferentes segn el tipo de investigacin que se est realizando. En los
estudios exploratorios, a veces, el objetivo de la investigacin podr ser simplemente el de obtener los
mnimos conocimientos que permitan formular una hiptesis. Tambin es aceptable que, en este caso,
resulten poco precisas, como cuando afirmamos que "existe algn tipo de problema social en tal grupo", o que
los planetas poseen algn tipo de atmsfera, sin especificar de qu elementos est compuesto.
Los trabajos de ndole descriptiva generalmente presentan hiptesis del tipo "todos los X poseen, en alguna
medida, las caracterstica Y". Por ejemplo, podemos decir que todas las naciones poseen
algn comercio internacional, y dedicarnos a describir, cuantificando, las relaciones comerciales entre ellas.
Tambin podemos hacer afirmaciones del tipo "X pertenece al tipo Y", como cuando decimos que
una tecnologa escapital - intensiva. En estos casos, describimos, clasificndolo, el objeto de nuestro inters,
incluyndolo en un tipo ideal complejo de orden superior.

Por ltimo, podemos construir hiptesis del tipo "X produce (o afecta) a Y", donde estaremos en presencia de
una relacin entre variables.
Errores de tipo I y de tipo II.
Si rechazamos una hiptesis cuando debiera ser aceptada, diremos que se ha cometido un error de tipo I.
Por otra parte, si aceptamos una hiptesis que debiera ser rechazada, diremos que se cometi un error de
tipo II.
En ambos casos, se ha producido un juicio errneo.
Para que las reglas de decisin (o no contraste de hiptesis) sean buenos, deben disearse de modo que
minimicen los errores de la decisin; y no es una cuestin sencilla, porque para cualquier tamao de la
muestra, un intento de disminuir un tipo de error suele ir acompaado de un crecimiento del otro tipo. En la
prctica, un tipo de error puede ser ms grave que el otro, y debe alcanzarse un compromiso que disminuya
el error ms grave.
La nica forma de disminuir ambos a la vez es aumentar el tamao de la muestra que no siempre es posible.

Niveles de Significacin.
Al contrastar una cierta hiptesis, la mxima probabilidad con la que estamos dispuesto a correr el riesgo de
cometern error de tipo I, se llama nivel de significacin.
Esta probabilidad, denota a menudo por se, suele especificar antes de tomar la muestra, de manera que los
resultados obtenidos no influyan en nuestra eleccin.
En la prctica, es frecuente un nivel de significacin de 0,05 0,01, si bien se une otros valores. Si por
ejemplo se escoge el nivel de significacin 0,05 ( 5%) al disear una regla de decisin, entonces hay unas
cinco (05) oportunidades entre 100 de rechazar la hiptesis cuando debiera haberse aceptado; Es decir,
tenemos un 95% de confianza de que hemos adoptado la decisin correcta. En tal caso decimos que la
hiptesis ha sido rechazada al nivel de significacin 0,05, lo cual quiere decir que tal hiptesis tiene una
probabilidad 0,05 de ser falsa.
Prueba de Uno y Dos Extremos.
Cuando estudiamos ambos valores estadsticos es decir, ambos lados de la media lo llamamos prueba de uno
y dos extremos o contraste de una y dos colas.
Con frecuencia no obstante, estaremos interesados tan slo en valores extremos a un lado de la media (o
sea, en uno de los extremos de la distribucin), tal como sucede cuando se contrasta la hiptesis de que un
proceso es mejor que otro (lo cual no es lo mismo que contrastar si un proceso es mejor o peor que el otro)
tales contrastes se llaman unilaterales, o de un extremo. En tales situaciones, la regin crtica es una regin
situada a un lado de la distribucin, con rea igual al nivel de significacin.

Errores de tipo I y de tipo II

(Redirigido desde Error tipo I y tipo II)

En un estudio de investigacin, el error de tipo I tambin denominado error de tipo alfa ()1 o falso
positivo, es el error que se comete cuando el investigador no acepta la hiptesis nula (

) siendo esta

verdadera en la poblacin. Es equivalente a encontrar un resultado falso positivo, porque el investigador

llega a la conclusin de que existe una diferencia entre las hiptesis cuando en realidad no existe. Se
relaciona con el nivel de significancia estadstica.

Representacin de los valores posibles de la probabilidad de un error tipo II (rojo) en el ejemplo de un test
de significancia estadstica para el parmetro . El error tipo II depende del parmetro . Mientras ms cerca se
encuentre este del valor supuesto bajo la hiptesis nula, mayor es la probabilidad de ocurrencia del error tipo II.
Debido a que el verdadero valor de es desconocido al hacer la presuncin de la hiptesis alternativa, la
probabilidad del error tipo II, en contraste con el error tipo I (azul), no se puede calcular.

La hiptesis de la que se parte

aqu es el supuesto de que la situacin experimental presentara un

estado normal. Si no se advierte este estado normal, aunque en realidad existe, se trata de un error
estadstico tipo I. Algunos ejemplos para el error tipo I seran:

Se considera que el paciente est enfermo, a pesar de que en realidad est sano; hiptesis
nula: El paciente est sano.

Se declara culpable al acusado, a pesar de que en realidad es inocente; hiptesis nula: El

acusado es inocente.

No se permite el ingreso de una persona, a pesar de que tiene derecho a ingresar; hiptesis
nula: La persona tiene derecho a ingresar.

En un estudio de investigacin, el error de tipo II, tambin llamado error de tipo beta () ( es la
probabilidad de que exista este error) o falso negativo, se comete cuando el investigador no rechaza
la hiptesis nula siendo esta falsa en la poblacin. Es equivalente a la probabilidad de un resultado falso
negativo, ya que el investigador llega a la conclusin de que ha sido incapaz de encontrar una diferencia
que existe en la realidad.
Se acepta en un estudio que el valor del error beta est entre el 5 y el 20%.

Contrariamente al error tipo I, en la mayora de los casos no es posible calcular la probabilidad del error
tipo II. La razn de esto se encuentra en la manera en que se formulan las hiptesis en una prueba
estadstica. Mientras que la hiptesis nula representa siempre una afirmacin enrgica (como por
ejemplo

Promedio = 0) la hiptesis aternativa, debido a que engloba todas las otras

posibilidades, es generalmente de naturaleza global (por ejemplo

Promedio 0 ). El grfico

de la derecha ilustra la probabilidad del error tipo II (rojo) en dependencia del promedio desconocido.
El poder o potencia del estudio representa la probabilidad de observar en la muestra una determinada
diferencia o efecto, si existe en la poblacin. Es el complementario del error de tipo II (1-).

Tamao de la muestra

En estadstica el tamao de la muestra es el nmero de sujetos que componen la muestra extrada de

una poblacin, necesarios para que los datos obtenidos sean representativos de la poblacin.

Contraste de hiptesis[editar]
Para conocer el tamao de la muestra en un estudio de investigacin en el que queremos conocer las
diferencias existentes entre dos hiptesis, debemos conocer previamente:

error tipo I y tipo II: Hay que establecer el riesgo de cometer un error de tipo I que se est
dispuesto a aceptar. Normalmente de forma arbitraria se acepta un riesgo del 5%. Adems hay que
establecer el riesgo que se acepta de cometer un error tipo II, que suele ser entre el 5 y el 20%.

Si la hiptesis es unilateral o bilateral: El planteamiento de una hiptesis bilateral o "de dos

colas" requiere mayor tamao muestral.

Definir la Magnitud de la diferencia efecto o asociacin que se desea detectar: A mayores

diferencias preestablecidas en el planteamiento de la hiptesis, menor tamao muestral, y a menor
diferencia, mayor espacio muestral.

Conocer la variabilidad del criterio de evaluacin en la poblacin.

Anlisis de datos categricos (1)

El estudio de la Estadstica Inferencial no slo se ocupa de variables cuyo comportamiento est

determinado por ciertos parmetros que la definen. Se ocupa tambin de variables cuya
distribucin no es conocida, pero con las cuales se podra formular ciertas hiptesis que pueden
ser validadas con ayuda de las distribuciones como la Distribucin Chi Cuadrado, que
proporciona una colaboracin eficiente para estos temas. Por otro lado, no siempre el anlisis
estadstico se realiza sobre datos cuantitativos, en muchos casos stos son de naturaleza
cualitativa.

El conjunto de estas variables se clasifican por categoras, cada una de las cuales pueden
pertenecer a una determinada poblacin. Si bien el anlisis comparativo de dos poblaciones lo
cubre la diferencia de medias o proporciones poblacionales, en este caso estamos hablando de
una comparacin de ms de dos poblaciones. De manera que, an en el caso de que tuviramos
variables con un determinado comportamiento, se trata de plantear comparaciones de mltiples
variables cada una de las cuales podran tener una distribucin conocida: Se pueden realizar
pruebas de Bondad de Ajuste para variables multinomiales, para variables normales o con una
distribucin de Poisson. Tambin se puede probar la afirmacin de que un conjunto de datos se
ajusta a una de estas distribuciones conocidas.

Por ello estamos interesados en medir la independencia de estas variables categricas; se trata de
analizar su homogeneidad o el tipo de ajuste que pudieran tener. Esto significa realizar prueba de
hiptesis para la independencia de variables, para la homogeneidad de las mismas o, probar la
bondad de su ajuste hacia alguna distribucin conocida.

Por otro lado, desde el punto de vista de la estadstica, luego de conocer el valor del estadstico en
una muestra, interesa medir el desvo que presentan respecto de su valor esperado; es decir,
interesa medir, por ejemplo

, en el caso de la media. Y como esta diferencia puede ser cero

(como en este), es ms importante analizar

errores en la estimacin del parmetro.

que constituye la suma de los

La distribucin Chi Cuadrado ser un instrumento que nos permitir evaluar este tipo de
comparaciones y determinar la aceptacin o rechazo de las hiptesis de igualdad, como lo
veremos en las siguientes secciones.

Dubraska

aqu

esta

el

trabakjo

que

te

dije

de

los

graficos

http://www.biostat.jhsph.edu/~lcollado/Courses/MEyAdDG/day2/Pruebas%20de
%20Hip%C3%B3tesis.pdf