Hipotesis

MATERIA.

PROFESOR.

TEMA. UNIDAD V

INTEGRANTES.

HIPOTESIS
DEFINICIÓN.
Con origen en el término latino hypoth sis, que a su vez deriva de un concepto
griego, una hipótesis es la suposición de algo posible o imposible para sacar de ello
una consecuencia. Por otra parte, agrega el diccionario de la Real Academia
Española (RAE), una hipótesis de trabajo es aquella que se establece
provisionalmente como base de una investigación y que puede confirmar o negar la
validez de aquella. En el método científico, una hipótesis puede definirse como la
solución provisional o tentativa para un problema dado. El nivel de verdad asignado
a tal hipótesis dependerá de la forma en que los datos empíricos recogidos apoyen
o no lo afirmado en la hipótesis. Este proceso, conocido como contrastación
empírica dela hipótesis, puede llevarse a cabo mediante confirmación (para las
hipótesis universales) o verificación (para las hipótesis existenciales).Para la lógica
y la matemática, una hipótesis es una proposición de la que se parte para comprobar
la veracidad de una tesis mediante argumentos válidos. Las hipótesis son, por lo
tanto, el conjunto de afirmaciones adicionales que son añadidas al conjunto de
axiomas
HIPOTESIS ESTADISTICA.

Una hipótesis puede definirse como una solución provisional (tentativa) para un
problema dado. El nivel de verdad que se le asigne a tal hipótesis dependerá de la
medida en que los datos empíricos recogidos apoyen lo afirmado en la hipótesis.
Esto es lo que se conoce como contrastación empírica de la hipótesis o bien proceso
de validación de la hipótesis. Este proceso puede realizarse de uno o dos modos:
mediante confirmación (para las hipótesis universales) o mediante verificación (para
las hipótesis existenciales).

En general, en un trabajo de investigación se plantean dos hipótesis mutuamente

excluyentes: la hipótesis nula o hipótesis de nulidad ( ) y la hipótesis de
investigación. Además, es posible plantear hipótesis alternas o hipótesis
alternativas. El análisis estadístico de los datos servirá para determinar si se puede
o no aceptar Ho. Cuando se rechaza Ho, significa que el factor estudiado ha influido
significativamente en los resultados y es información relevante para apoyar la
hipótesis de investigación planteada. Es muy importante tener presente que la
hipótesis de investigación debe coincidir con la hipótesis alternativa. Plantear
hipótesis de investigación que coincidan con Ho supondría una aplicación incorrecta
del razonamiento estadístico.

Las hipótesis son proposiciones provisionales y exploratorias y, por tanto, su valor

de veracidad o falsedad depende críticamente de las pruebas empíricas. En este
sentido, la replicabilidad de los resultados es fundamental para confirmar una
hipótesis como solución de un problema. La hipótesis es el elemento que condiciona
el diseño de la investigación y responde provisionalmente al problema, verdadero
motor de la investigación.
El propósito de la prueba de hipótesis es determinar si el valor supuesto (hipotético
de un parámetro poblacional, como la medida de la población, debe aceptarse como
verosímil con base en evidencia muéstrales. Recuerda que sobre la distribución de
muestreo, se dijo que, en general, una media muestral diferirá en valor de la media
poblacional. Si el valor observado de una estadística muestral, como la media
muestral, el valor de la media poblacional.

Si el valor observado de una estadística muestral, se acerca al valor para métrico

supuesto y solo difiere de él en un monto que cabría esperar del muestreo aleatorio,
el valor hipotético no se rechaza. Si la estadística muestral difiere de la supuesta en
un monto que no es posible atribuir al azar, la hipótesis se rechaza por inverosímil.

Se han desarrollado tres procedimientos distintos para la prueba de hipótesis, todos

los cueles conducen a las mismas decisiones cuando se emplean los mismos
estándares de probabilidad (y riesgo). En este capítulo describiremos primeramente
el método del valor crítico para la prueba de hipótesis. De acuerdo con este método,
se determinan los así llamados valores críticos de la estadística de prueba que
dictarían el rechazo de una hipótesis, tras de lo cual la estadística de prueba
observada se compara con los valores críticos.

Este fue el primer método en desarrollarse, motivo por la cual buena parte de la
terminología de las pruebas de hipótesis se derivan de él. Más recientemente, el
método del valor P ha cobrado popularidad a causa de ser el más fácilmente
aplicable a software de computo. Este método se basa en la determinación de la
probabilidad condicional de que el valor observado de una estadística muestral
pueda ocurrir al zar, dado que su supuesto particular sobre el valor del parámetro
poblacional asociado sea en efecto correcto.

Finalmente, el método d intervalos de confianza se basa en la observación de si el

valor supuesto de un parámetro poblacional está incluido en el rango de valores que
define a un intervalo de confianza para ese parámetro.

PASOS PARA CONTRASTAR LA HIPÓTESIS

1. Formular la hipótesis nula a contrastar y la hipótesis alternativa.

2. Decidir un valor de probabilidad por debajo del cual se considerará que se dispone de
suficiente evidencia en contra de la hipótesis nula para rechazarla. Este valor es conocido
como el nivel de significación alfa. Por convenio se suele utilizar el valor 0,05.

3. A continuación, se calcula, mediante el test estadístico más adecuado (se verán

posteriormente) la probabilidad de que los resultados obtenidos puedan ser debidos al azar,
en el supuesto de que la hipótesis nula de no diferencia fuera cierta. Esta probabilidad es
el grado de significación estadística que se suele representar con la letra "p".
"p" es la probabilidad de que los resultados obtenidos puedan ser debidos al azar,
por lo que interesa que ese valor sea muy pequeño.

4. Finalmente, y en base a esta probabilidad, decidimos si se rechaza o no la hipótesis nula,

así cuando:

 "p" < a →se rechaza la Ho

 "p" > a →no puede rechazarse la Ho

Sea cual sea la decisión que se tome respecto a la hipótesis nula, se corre un cierto riesgo
de error.

En todo contraste de hipótesis se pueden cometer dos tipos de errores, I o II

Tipos de error en los contrastes de hipótesis.

DATOS EN LA POBLACIÓN
Ho FALSA Ho VERDADERA
RESULTADOS PRUEBA RECHAZO Ho CORRECTO ERROR TIPO I O
ESTADÍSTICA ERROR α
(p < α)
NO RECHAZO Ho ERROR TIPO II O CORRECTO
ERROR β
(p > α)

El error tipo I o alfa se comete cuando se rechaza la hipótesis nula siendo esta cierta
(estudio "falso positivo"), en este caso, este error viene medido por la "p".

El error tipo II o beta se comete cuando no se puede rechazar la hipótesis nula, y ésta en
realidad es falsa (estudio "falso negativo"). Este error es desconocido salvo que se haya
tenido en cuenta en el cálculo del tamaño muestral.

Es decir si:

"p" < a → se rechaza la Ho, si esta es verdadera, se comete un error tipo I, cuyo valor
es el valor de "p"

"p" > a → no se rechaza la Ho, si esta es falsa, se comete un error tipo II. No lo mide
la "p". Lo mide el error b

El complementario del error tipo II o b (1-b) se le denomina potencia o poder estadístico

de un estudio, el cual nos indica la capacidad que tiene un estudio para detectar una
diferencia cuando ésta existe en la realidad. Es fundamental tener una potencia o poder
estadístico adecuado (>80%). En el caso de no poderse rechazar la Ho, es decir de no
encontrar diferencias significativas, debemos tener una buena probabilidad de que esto no
ha podido deberse a falta de capacidad de nuestro estudio para detectar tales diferencias.

La única forma de reducir los dos errores al mismo tiempo, aunque no de eliminarlos, es
aumentar el tamaño muestra.
Resumiendo cuando hay diferencias estadísticas se tiene que dar el error α y cuando no
hay diferencias estadísticas se tiene que dar el error β

HIPOTESIS PARA MEDIA POBLACIONAL

Se utiliza una prueba de una muestra para probar una afirmación con respecto a
una media de una población única.

Nota: Se considera práctico utilizar la distribución t solamente cuando se requiera que el

tamaño de la muestra sea menor de 30, ya que para muestras más grandes los valores t y z
son aproximadamente iguales, y es posible emplear la distribución normal en lugar de la
distribución t.

HIPOTESIS PROPORCIÓN POBLACIONAL

 Se formula la hipótesis de que no más del 5% de la población de aves. En

una muestra aleatoria de n= 100 aves, 10 de ellas fueron encontradas
enfermas. Probare la hipótesis nula al nivel de significancia del 5%
 𝑯𝟎 : 𝝅 = . 𝟎𝟓 𝑯𝟏 ∶ 𝝅 > .05

𝝅𝟎 (𝟏−𝑯𝟎 ) (.𝟎𝟓)(.𝟗𝟓) .𝟎𝟒𝟕𝟓

𝝈𝑷̂ = √ =√ = √ = √. 𝟎𝟎𝟎𝟒𝟕𝟓 =. 𝟎𝟐𝟐
𝒏 𝟏𝟎𝟎 𝟏𝟎𝟎

̂ − 𝝅𝟎 . 𝟏𝟎−. 𝟎𝟓
𝒑 . 𝟎𝟓
𝒛= = = = +𝟐. 𝟐𝟕
𝝈𝒑̂ . 𝟎𝟐𝟐 . 𝟎𝟐𝟐

El valor calculado de z es de +2.27 el cual es mayor que el valor crítico de +1.645

de esta prueba de cola superior. Por lo tanto, con 10 aves de 100 detectadas como
enfermas, la hipótesis de que la proporción de aves enfermas de la población es de
o inferior a .05 se rechaza, con el uso en la prueba del nivel de significancia de 5%.

-3.0 -2.27 -1.645 0 +1.645 2.27 +3.0

 Una empresa de productos avícolas está interesada en lanzar un

nuevo producto al mercado. Tras realizar una campaña publicitaria, se toma
la muestra de 1 000 habitantes, de los cuales, 25 no conocían el producto. A un
nivel de significación del 1% ¿apoya el estudio las siguientes hipótesis?
 a. Más del 3% de la población no conoce el nuevo producto.
 b. Menos del 2% de la población no conoce el nuevo producto
Datos:
n = 1000
x = 25

Donde:
x = ocurrencias
n = observaciones

= proporción de la muestra

= proporción propuesta
Solución:
a)

a = 0,01

H0 es aceptada, ya que zprueba (-0,93) es menor que ztabla (2,326), por lo que no es
cierto que más del 3% de la población no conoce el nuevo producto
BIBLIOGRAFIA

 Leonard J. Kazmier.Estadística Aplicada a la Economía Mc Graw Hill. Paginas

consultadas de la 192- 198-199
 Azorín, F. y Sánchez-Crespo, J. L. (1994). Métodos y Aplicaciones del Muestreo.
Madrid: Alianza Universidad Textos
 Cánavos, G. C. (1999). Probabilidad y Estadística: Aplicaciones y Métodos.
México: McGraw-Hill.