Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una prueba de hipótesis estadística es una conjetura de una o más poblaciones. Nunca se
sabe con absoluta certeza la verdad o falsedad de una hipótesis estadística, a no ser que se
examine la población entera. Esto por su puesto sería impráctico en la mayoría de las
situaciones. En su lugar, se toma una muestra aleatoria de la población de interés y se utilizan
los datos que contiene tal muestra para proporcionar evidencia que confirme o no la hipótesis.
La evidencia de la muestra que es un constante con la hipótesis planteada conduce a un
rechazo de la misma mientras que la evidencia que apoya la hipótesis conduce a su aceptación.
Hipótesis Estadística
Al intentar alcanzar una decisión, es útil hacer hipótesis (o conjeturas) sobre la población
aplicada. Tales hipótesis, que pueden ser o no ciertas, se llaman hipótesis estadísticas. Son, en
general, enunciados acerca de las distribuciones de probabilidad de las poblaciones.
Una hipótesis nula es una hipótesis construida para anular o refutar, con el objetivo de apoyar
una hipótesis alternativa. Cuando se la utiliza, la hipótesis nula se presume verdadera hasta
que una evidencia estadística en la forma de una prueba empírica de la hipótesis indique lo
contrario. El uso de la hipótesis nula es polémico.
Toda hipótesis que difiere de una dada se llamará una hipótesis alternativa. Por ejemplo: Si
una hipótesis es p = 0,5, hipótesis alternativa podrían ser p = 0,7, p " 0,5 ó p > 0,5.
Las hipótesis, naturalmente, serán diferentes según el tipo de investigación que se esté
realizando. En los estudios exploratorios, a veces, el objetivo de la investigación podrá ser
simplemente el de obtener los mínimos conocimientos que permitan formular una hipótesis.
También es aceptable que, en este caso, resulten poco precisas, como cuando afirmamos que
"existe algún tipo de problema social en tal grupo", o que los planetas poseen algún tipo de
atmósfera, sin especificar de qué elementos está compuesto.
Tipos de error
Si se rechaza una hipótesis cuando debiera ser aceptada se diría que se ha cometido un error
de tipo I. Por otra parte si se acepta una hipótesis que debiera ser rechazada, se diría que se ha
cometido un error de tipo II. En ambos casos se ha producido un juicio erróneo.
Para que las reglas de decisión sean buenas, deben diseñarse de modo que minimicen los
errores de decisión, y no es una cuestión sencilla, por que para cualquier tamaño de la
muestra, un intento de disminuir un tipo de error suele ir acompañado de un crecimiento del
otro tipo. En la práctica un tipo de error puede ser más grave que el otro, y debe alcanzarse un
compromiso que disminuya el error más grave, la única forma de disminuir ambos a la vez es
aumentar el tamaño de la muestra, que no siempre es posible.
Nivel De Significancia
Al contrastar una cierta hipótesis, la máxima probabilidad con la que estamos dispuestos a
correr el riesgo de cometer un error de tipo I se llama nivel de significancia. Esta probabilidad
se denota por , se suele especificar antes de la muestra, de manera que los resultados no
influyan en la elección.
En la práctica es frecuente un nivel de significancia de 0.05 ó 0.01, si bien se usan otros
valores. Si, por ejemplo, se escoge un nivel de significancia del 5% ó 0.05 al diseñar una regla
de decisión entonces hay unas cinco oportunidades entre cien de rechazar la hipótesis cuando
debiera haberse aceptado; es decir, se tiene un 95% de confianza de que se ha adoptado la
decisión correcta. En tal caso se dice que la hipótesis a sido rechazada al nivel de significancia
0.05 lo cual quiere decir que la hipótesis tiene una probabilidad del 5% de ser falsa.
Definición Operacional
Una definición operacional es una demostración de un proceso tal como una variable, un
término o un objeto en términos de proceso o sistema específico de pruebas de validación,
usadas para determinar su presencia y cantidad. El término fue acuñado por Percy Williams
Bridgman. Las características descritas de este modo deben ser suficientemente accesibles, de
modo que personas diferentes del definidor puedan medirlas y probarlas
independientemente. La mayor definición operacional es un proceso para identificar un objeto
distinguiéndolo de su entorno formado por la experiencia empírica.
Cuando el investigador tiene varias alternativas para definir operacionalmente una variable,
debe elegir la que proporcione mayor información sobre la variable, capte mejor la esencia de
ella, se adecue más a su contexto y sea más precisa. Los criterios para evaluar una definición
operacional son básicamente tres: “adecuación al contexto”, “confiabilidad” y “validez”. De
ellos se hablará en el apartado “Elaboración de los instrumentos de recolección de los datos”.
Una correcta selección de las definiciones operacionales disponibles o la creación de la propia
definición operacional está muy relacionada con una adecuada revisión de la literatura.
Cuando ésta ha sido cuidadosa, se puede tener una gama más amplia de definiciones
operacionales para elegir o más ideas para crear una nueva.
Hay algunas variables que no requieren que su definición conceptual sea explicitada en el
reporte de investigación, porque esta definición es relativamente obvia y compartida. El
mismo título de la variable la define (por ejemplo, sexo que es diferente a “‘práctica sexual”,
“edad”, “ingreso”). Pero son pocas las variables que no requieran una definición operacional
para que puedan ser evaluadas empíricamente, aun cuando en el estudio no se formulen
hipótesis. Siempre que se tengan variables, se deben definir operacionalmente.