Hipótesis nula: Es una suposición que se utiliza para negar o afirmar un suceso en
relación a algún o algunos parámetros de una población o muestra, se encarga de
hacer afirmaciones sobre un parámetro determinado de la población, es una afirmación que no se rechaza jamás, a no ser que los datos de la muestra empleada evidencien lo contrario. Hipótesis alternativa: Se entiende por hipótesis alternativa a la suposición alternativa a la hipótesis nula formulada en un experimento y/o investigación. Esta surge como resultado de una determinada investigación realizada sobre una población o muestra. Entendida de manera sencilla, la hipótesis alternativa representa la conclusión que el investigador quiere demostrar o afirmar tras su estudio. Esta se expresa con la expresión “H1” y va a representar, por lo general, lo contrario a la hipótesis nula. Nivel de significancia: Es la probabilidad de rechazar la hipótesis nula cuando es verdadera. Por ejemplo, un nivel de significación de 0.05 indica un riesgo del 5% de concluir que existe una diferencia cuando no hay una diferencia real. Es comúnmente representado por el símbolo griego α (alfa). Son comunes los niveles de significación del 0.05, 0.01 y 0.001. Si un contraste de hipótesis proporciona un valor p inferior a α, la hipótesis nula es rechazada, siendo tal resultado denominado “estadísticamente significativo”. Error tipo I: También denominado error de tipo alfa (α) o falso positivo, es el error que se comete cuando el investigador no acepta la hipótesis nula siendo ésta verdadera en la población. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadística. Error tipo II: También llamado error de tipo beta (β) o falso negativo, es el error que se comete cuando el investigador no rechaza la hipótesis nula siendo esta falsa en la población. Es equivalente a la probabilidad de un resultado falso negativo, ya que el investigador llega a la conclusión de que ha sido incapaz de encontrar una diferencia que existe en la realidad. Contrariamente al error tipo I, en la mayoría de los casos no es posible calcular la probabilidad del error tipo II. La razón de esto se encuentra en la manera en que se formulan las hipótesis en una prueba estadística. Mientras que la hipótesis nula representa siempre una afirmación enérgica. Valores críticos: Un valor crítico es un punto en la distribución del estadístico de prueba bajo la hipótesis nula que define un conjunto de valores que apoyan el rechazo de la hipótesis nula. Este conjunto se denomina región crítica o de rechazo. Por lo general, las pruebas unilaterales tienen un valor crítico y las pruebas bilaterales tienen dos valores críticos. Los valores críticos se determinan de manera que la probabilidad de que el estadístico de prueba tenga un valor en la región de rechazo de la prueba (cuando la hipótesis nula sea verdadera) sea igual al nivel de significancia (denotado como α o alfa).