Módulo 2 Cómo formular una hipótesis

Ahora que hemos identificado los pro-

blemas clave que vamos a investigar
–junto con las causas y los efectos– y
que hemos bosquejado nuestro plan-
teamiento del problema, podemos crear
una declaración para probar la condi-
ción a través de investigación adicional.
Esto es lo que se llama hipótesis.

Creswell define hipótesis como:

(…) predicciones que el in-

vestigador sostiene acerca de la
relación entre variables. Son es-
timaciones numéricas de valores
de la población, basados en datos
obtenidos a partir de muestras. La
prueba de hipótesis emplea pro-
cedimientos estadísticos en los
que el investigador desarrolla in-
ferencias acerca de la población a
partir de una muestra de estudio.
Normalmente se utilizan hipótesis
en experimentos en que los inves-
tigadores comparan grupos1.

Para que una hipótesis se considere científica, debe probarse y la mayoría de las hipótesis cien-
tíficas se construyen sobre preguntas que surgieron después de la investigación previa. Una
hipótesis hace una predicción bastante específica, mientras que una teoría es una explicación
generalizada que proporciona un marco para analizar un problema. A menudo, las teorías con-
tienen una serie de supuestos hipotéticos, que luego pueden probarse.

Hay dos tipos generales de hipótesis. El primer tipo es la hipótesis nula, a menudo escrita como
H0. La hipótesis nula establece que no existe una relación entre dos variables y, la mayoría de las
veces, contradice una teoría que un investigador puede estar tratando de probar.

Volvamos al ejemplo del caso que acabamos de presentar. La hipótesis nula, en este caso, es
que no habrá diferencias de salarios entre los grupos A y B.

H 0 : μ1 = μ2
Donde:
H0 = la hipótesis nula
μ1 = el promedio del salario de las mujeres en el grupo A.
μ2 = el promedio del salario de las mujeres en el grupo B.
El segundo tipo es la hipótesis alternativa, a menudo escrita como H1, que prueba el poder pre-
dictivo o explicativo de una teoría.

Un ejemplo de una hipótesis alternativa es que existen significativas diferencias de salario entre
las mujeres trabajadoras de las empresas que han aplicado la nueva ley chilena y aquellas que
no lo han hecho. Como vemos en el ejemplo, podemos probar una intervención con un grupo
de control. Si la hipótesis nula fuese verdadera, no habría ninguna diferencia entre los grupos.
Pero, si los datos muestran que podemos rechazar la hipótesis nula, podemos probar después
la hipótesis alternativa y medir, posiblemente, la magnitud del efecto de la intervención.

Es importante notar, sin embargo, que mientras la hipótesis alternativa puede ser más deseable;
la hipótesis nula es la que se acepta o se rechaza. Puesto que a menudo es posible que otras
variables no consideradas expliquen el rechazo de la hipótesis nula, los científicos solo pueden
declarar que la hipótesis alternativa puede ser cierta. En el módulo 3, veremos algunas pruebas
estadísticas que nos pueden ayudar a comprender el poder explicativo y predictivo de las hi-
pótesis alternativas.

Cuando formulamos una hipótesis es posible cometer errores. Los más comunes sonde Tipo I
y Tipo II:

• Un error de Tipo I se produce cuando una hipótesis nula se rechaza siendo, en realidad,
verdadera. Por ejemplo, se produciría un error de Tipo I si nuestra investigación mostrara
que los salarios de los dos grupos de mujeres son significativamente diferentes cuando,
de hecho, no hay diferencia entre ellos.

• Ocurre un error de Tipo II cuando la hipótesis nula no se rechaza, siendo realmente falsa.
En nuestro ejemplo, esto significaría que hemos concluido que los salarios de los grupos
A y B son equivalentes, pero en realidad difieren significativamente.

Debido a que la confiabilidad de las pruebas de hipótesis alternativas depende de rechazar la

hipótesis nula, los errores de Tipo I son más graves y deben tratar de evitarse.

Formular correctamente hipótesis y probarlas es muy importante también en política pública,

porque –a través de ellas– podemos comprobar la relación que existe entre el problema que
queremos solucionar y ciertas características de la población o entre dos aspectos diferentes
en los que queremos intervenir.

Referencias

1. Creswell, J. W. (2003). Research design: Qualitative, quantitative, and mixed method

approaches (2.a ed.). Thousand Oaks, Calif.: Sage Publications.