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).