Está en la página 1de 5

Elección de pruebas de Hipótesis

Dr. Jesús Tánori Quintana

Población (universo)

Muestras

- Muestras aleatorias
- Muestras no aleatorias

Datos: son las observaciones recolectadas en forma numérica (en la mayoría de las veces a través
de encuestas, cuestionarios o escalaras)

Parámetro: es un valor numérico que describe unas características de una población

Estadístico: es un valor numérico que describe unas características de una muestra.

Estadística

- Descriptiva: conocer el tipo de distribución (conocer la frecuencia en como aparece el


gráfico), representación gráfica, obtener medidas de tendencia central, calcula medidas
de variabilidad.
- Inferencial: serie de estrategias que permiten generalizar (inferir, inducir), las propiedades
de un conjunto de datos empíricos (muestra) al conjunto total de datos (población) a los
que representa (GENERALIZAR PARA EL RESTO DE LA POBLACIÓN).
o Sus aplicaciones son:
 Comparar parámetros
 Aplicar pruebas de hipótesis, que plantean la diferencia o relación entre
los datos (variables)

Escala tipo Likert: la mediana se puede utilizar para sustituir datos discretos.

No paramétrico: basada en frecuencia, porcentajes y rangos. No cumplen con la distribución de


normalidad, son muestras pequeñas (menos de 30 personas por cada grupo o subgrupo).

Paramétricas: basada en la distribución normal (supuesto de normalidad es más fuerte que la


muestra). Muestras seleccionadas por aleatoriedad. Muestras grandes.

*** Siempre debe ir argumentado***

Variables fenómenos medibles que varían a través del tiempo o que difieren independiente
(predictiva, predice la variación en y) y dependiente (criterio, se quiere explicar su variación).
Datos números recolectados cuantitativos (representan mediciones) y cualitativos
(categóricas, atributo).

** Las escalas de medición van de menos a más (nominal, ordinal, intervalar, y de razón) **

exhaustuvidad
nominal
exclusividad
ordinal
Escalas de
medición
Intervalo

Razón

***Potencia estadística y el tamaño del efecto para saber si la diferencia fue verdadera***

Tipo de frecuencia/ distribución


NOTA: se puede utilizar
Frecuencia absoluta: muestra la cantidad de objetivos o sujetos contenidos en la variable la mediana y la media,
categorías. pero se recomienda
utilizar la media para
Frecuencia relativa: muestra la frecuencia en porcentajes sustituir datos.

Frecuencias ajustadas: muestra la frecuencia en porcentajes, porcentajes validos Nota: se puede


sustituir el 3% de las
Frecuencia acumulada: porcentaje acumulado, hasta llegar el 100% muestras grandes, y el
5% parapara muestras
Variables categorías gráfica de barras y graficas de sectores pequeñas.

Variables escalares histograma (límite inferior del intervalo) y polígono de frecuencia

Diagramas cajas: muestra la distribución de cuartiles

Sesgo: se presenta cuando la distribución no es simétrica y se extiende más hacia aun lado de la
curva normal.

Una distribución es simétrica si la mitad de su histograma es como un espejo de su mitad derecha


(buscar imágenes para presentación en laboratorio).
n>50
Kolmogorov-
Smirnov p <.05
pruebas de <.01
normalidad

Shapiro Wilks n<30

Cuando se trate muestra relacionadas (pre-post) se sacan la diferencia de las medias y se realiza el
análisis de normalidad.

Sesgos y curtosis= 0

Sesgo -.05 a +.05 y curtosis 2 a 4= normalidad

Sesgo -2 a 2 y curtosis -2 a 2= se presume normalidad

Prueba de hipótesis

Estadística inferencial se basa en la corroboración de hipótesis estadísticas y esto lo hace a través


del procedimiento denominado: prueba de hipótesis, que es la comprobación de que las hipótesis
planteada inicialmente (predicción de una población), es congruente con los datos obtenidos en la
muestra.

**Paradigma hipotético-deductivo pruebas de hipótesis**

- Hipótesis nula (Ho): asegura que no hay diferencia o relación entre las variables en la
población, es la hipótesis de no efecto.
Ho:
- Hipótesis alternativa (Ha): es lo opuesto a la hipótesis nula; se representa la relación o
diferencia de las variables que el investigador espera sea verdadero.
Expresión: Se rechaza la hipótesis nula….
Estadística paramétrica

- Distribución normal
- Homogeneidad de la varianza
- Selección y asignación aleatoria

Prueba Objetivo Nivel de medición Diseño


Prueba de t de Comparar dos grupos La variable De dos muestras
student = el valor independiente es independiente.
entre más alto sea es categórica y la Dos muestras
mucho mejor . dependiente escalar relacionadas pre-post
test (estudios
longitudinales)
Coeficiente de Relacionar las Escalares De una sola muestra
correlación de variables
Pearson
ANOVA ( análisis de Compara tres o más La variable Tres o más muestras
varianza) grupos dependiente debe ser independientes.
escalar y las
independientes
categoriales
Prueba de levene: igualdad de varianza se requiere que no sea significativa para asumir que hay
igualdad de varianza

Correlación de Pearson

Busca medir el nivel de relación entre las variables; asimismo indica la dirección de la asociación a
través del signo, así como la veracidad de la asociación.

Característica: los puntajes deben alinearse lo más posible, es decir, que se agrupen alrededor de
una recta, ya sea directamente proporcional.

- Dos sentidos relación directamente proporcional


- Relación indirectamente proporcional

Fuerza: grado de relación entre dos variables 0 a 1 o 0 a -1.

.40 baja

.40 a .79 media

.80 a 1 alta

Dirección: signo positivo o negativo

Significancia: indica la probabilidad de aceptar o rechazar una hipótesis nula. Correlaciones


espurias ( se deben al azar, cuando no existe diferencia significativa)
Correlación no paramétrica r de spearman

Relación entre 2 variables en escala ordinal, es el sustituto no paramétrico de la correlación de


Pearson, por tanto su interpretación es la misma.

Características

- Prueba que puede aplicarse con al menos 4 sujetos y no tiene un número máximo
- Busca asociación entre variables ordinales para poder asignar rangos.