Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Usamos los valores de la muestra (estadísticos) para hacer estimaciones sobre los valores
(parámetros) de la población
Muestra Población
Pruebas de hipótesis
Partimos de hipótesis sobre los valores de la población (parámetros) y decimos que tan
probable serían los resultados (valores) de la muestra asumiendo que el parámetro es
cierto
Población Muestra
• La pregunta que debemos plantear aquí es: dado un resultado como el que observamos
en la muestra, ¿Qué probabilidad teníamos de obtener ese resultado si la hipótesis nula
fuera verdadera?
Para calcular probabilidades asociadas a los valores de una variable aleatoria continua
debemos convertir el valor en puntaje z Luego comparamos el valor observado en la
muestra con la distribución
3ª Paso: Determinar los puntos de corte (niveles de significación) para rechazar H0 Los
valores muestrales que superen ±1,96 son valores muy extremos, es decir, valores “poco
probables” de encontrar si H0 fuera cierta. Por lo tanto, rechazaremos H0
Los valores muestrales inferiores a o comprendidos entre -1,96 y 1,96 son valores poco
extremos, es decir, valores “muy probables” de encontrar si H0 fuera cierta.
Por lo tanto aceptaremos H0. Los valores z -1,96 y 1,96 se denominan “valores críticos”,
ya que son los criterios que utilizaremos para la decisión de aceptar o rechazar H0. La
probabilidad 0,05 (valores superiores a ±1,96 ) se nominan niveles de significación (se
indica con la letra α), y dependen de la elección del investigador.
•Error tipo II: Consiste en aceptar la hipótesis nula cuando ésta es falsa. Intuitivamente
puede equipararse a los “falsos negativos”.
•La prueba de hipótesis sobre dos poblaciones permiten analizar si dos poblaciones son
iguales o no respecto del parámetro bajo análisis
•Los procedimientos que comparan grupos tienen una gran difusión en la investigación
• Error tipo II: Consiste en aceptar la hipótesis nula cuando ésta es falsa. Intuitivamente
puede equipararse a los “falsos negativos”.
• El ANOVA constituye un procedimiento que permite comparar varios grupos (tres o más)
en los valores promedios de una variable cuantitativa
ANOVA: ejemplo
Se pretende comparar si existen diferencias en la felicidad laboral entre trabajadores del
sector público, privado, y ONGs.
• La lógica que subyace al ANOVA reside en considerar que las diferencias observadas
estarán dadas parcialmente por los diferentes grupos (niveles del factor) y parcialmente
por otros factores (características individuales, por ejemplo)
El vocabulario de ANOVA
• El análisis de varianza mide la distancia que hay entre un sujeto y el promedio general.
• Se rechazará H0 cuando las diferencias debidas a los grupos (varianza explicada) sea
significativamente mayor a las diferencias debidas a otros factores (varianza residual).
Para compararlas debemos calcular el cociente entre ambas.
Resumen
• El análisis de varianza permite comparar tres o más grupos en los valores promedios de
una variable cuantitativa
• Contrasta la hipótesis nula que las medias de las poblaciones son iguales
– Se espera que la dirección de una relación sea la misma para todo el rango de las
variables
• No Monótonas (o no Lineales):
Resumen
Nivel de medición Coeficiente Rango de valoración Lectura
Nominal Chi-cuadrado [0, ∞] Dificultades para
interpretar la
intensidad de la
relación.
Nominal C de Pearson [0 ,1] Más intensa si es
V de Cramer próximo a 1
Ordinal R de Spearman Desde [–1, 1] El signo indica la
Intervalar y R de Pearson Desde [–1,1] dirección, positivo
proporcional es directa, negativo
(continuas) es inversa. Fuerte si
es cercano a -1 o 1,
débil si está cerca
de 0