UNIVERSIDAD ALAS PERUANAS

ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

PRUEBA DE HIPÓTESIS
I. DISTRIBUCIÓN DE FRECUENCIAS, TABULACIÓN CRUZADA Y PRUEBA DE
HIPÓTESIS

El siguiente paso es el análisis de datos para obtener conclusiones y tomar decisiones.

El análisis puede ser tan complejo como lo sean los objetivos y la metodología del estudio.

a) DISTRIBUCIÓN DE FRECUENCIAS

La distribución de frecuencias es una de las primeras formas de presentar la información

para analizarla. Su objetivo es obtener el conteo de un número de respuestas asociadas
con diferentes valores de una variable que se expresa en números o porcentajes. Una
distribución de frecuencias para una variable produce una tabla de frecuencias.

b) VALORES ESTADÍSTICOS DE LA DISTRIBUCIÓN DE FRECUENCIA

Se le llama distribución de frecuencias a la agrupación de datos en categorías

mutuamente excluyentes que indican el número de observaciones en cada categoría.
Esto proporciona un valor añadido a la agrupación de datos. La distribución de
frecuencias presenta las observaciones clasificadas de modo que se pueda ver el
número existente en cada clase.

II. MEDIDAS DE TENDENCIA CENTRAL

Este tipo de medidas corresponden a la investigación descriptiva (es decir, muestra lo que
está ocurriendo, cómo vamos, en dónde nos encontramos, sin preocuparnos por el por qué).
Es el tipo de investigación que genera datos de primera mano para realizar luego un análisis
general del problema.

Las medidas de tendencia central suelen localizarse al centro de la distribución de los

datos. Por lo tanto, los hallazgos que obtenemos en este tipo de medidas corresponden a la
investigación descriptiva. Las medidas de tendencia central son la media, la mediana y la
moda.

a) MEDIA
- La media es el promedio o medida de tendencia central que se usa con más
frecuencia.
- Se le representa de la siguiente manera:
- Se calcula sumando un grupo de números y dividiéndolos entre el total de dichos
números.
POR EJEMPLO:

Para hallar el promedio de 2, 3, 3, 5, 7 y 10 necesitamos su suma, que es 30. Esto

dividido entre 6 es 5.

b) LA MEDIANA

1
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

Es el número intermedio de un grupo de datos; es decir, la primera mitad de los

números son inferiores a la mediana y la segunda mitad de dichos números tiene
valores superiores a la mediana.

POR EJEMPLO:

La mediana de 2, 3, 3, 5, 7 y 10 es 4.

Si el número de datos es impar, la mediana será el valor central; si es par,

tomaremos como mediana la media aritmética de los dos valores centrales.

c) LA MODA

Es el valor que aparece con mayor frecuencia en una distribución o en un grupo le

números. En otras palabras, representa la cima de la distribución.

POR EJEMPLO:

- La moda de 2, 3, 3, 5, 7 y 10 es 3.

III. MEDIDAS DEDISPERSION

Las medidas de dispersión también forman parte de la investigación descriptiva y
son complementarias a las medidas de tendencia central. Su aplicación es
importante porque, además de saber cómo están agrupados los latos, también
necesitamos conocer la forma cómo éstos se dispersan en su distribución respecto
del promedio, afin de tener una visión más acorde con la realidad en el momento de
describirlos e interpretarlos para la toma dedecisiones.
En otras palabras, mientras las medidas de tendencia central tienen como objetivo
sintetizar los datos en un valor representativo, las de dispersión nos dicen hasta qué
punto las medidas de tendencia central se representan como síntesis de la
información. Las medidas de dispersión cuantifican la separación, la variabilidad de
los valores de la distribución respecto al valor central.
a) LA VARIANZA
Es una medida de dispersión definida como la esperanza del cuadrado de la
desviación de dicha variable respecto a su media.

2
La varianza s se define como la media de las diferencias al cuadrado de n.

b) LA DESVIACIÓNESTÁNDAR

La desviación estándar o desviación típicaes la medida de la dispersión de los

valores respecto a la media o el valor promedio. Dicho de otra manera, la desviación
estándar es el promedio o variación esperada en relación con la media aritmética.
SE REPRESENTA POR LAFÓRMULA:

 xx 
n
S i1 i 2

n1
2
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

IV. TABULACIÓNCRUZADA
Representa una extensión de la tabulación unidimensional que sólo muestra la
distribucióndeunavariableodeunatributoentregrupos.
POREJEMPLO:
Enlapregunta: ¿Qué tan probable es que usted inscriba a su hijo al Colegio Y?,
tenemos la tabulación de las siguientesrespuestas:

Muy
Ciudad 1 Ciudad2 13.3% Ciudad3 Ciudad4
pocoprobable
¿Que tan Poco probable 25.2%
Muy pocoprobable 19.2%
Nosé 16.8% 2.7% 13.3%
Pocoprobable 30.8%
Probable 14.7%
33.6% 13.3% 25.2%
Nose 11.6% 28.0% 26.7% 16.8%
Muyprobable 11.1%
Probable 32.5% 29.3% 42.7% 33.6%
Muyprobable 6.0% 28.0% 14.7% 11.1%

Sin embargo, esto no ofrece suficiente información sobre las razones por las que los padres
o sus hijos se inscribirían o no. Pero cuando agregamos la variable ciudad encontramos que
la mayor proporción de encuestados que responde de manera favorable está en la Ciudad 2.

Para diseñar las tabulaciones cruzadas, es requisito indispensable tener cuidado para
relacionar de manera acertada la información con datos que en realidad expliquen el
fenómeno. En este caso, la variable ciudad, asociada con la distancia, sí tiene un grado de
relevancia.

Las tabulaciones cruzadas quizá no revelen suficientes relaciones entre las variables. La
introducción de una tercera variable puede ayudar a confirmar o rechazar la relación original.
Pueden añadirse variables adicionales siempre y cuando haya datos y la muestra sea lo
bastante grande para que las fracciones permanezcan significativas. El cuadro siguiente
añade el grupo de estudiantes entrevistados. Podemos encontrar que sí existe un interés
mayor entre los habitantes de una ciudad, ya que los estudiantes vienen a confirmar

3
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

V. ¿QUÉ ES UNA HIPÓTESIS?

Podemos definir la hipótesis como un intento de explicación o una respuesta provisional a
un fenómeno. Su función consiste en delimitar el problema que se va a investigar según
algunos elementos, como lugar, tiempo o características de los sujetos, entre otros.

El objetivo primordial de todo estudio que pretenda explicar algún campo de la realidad es
comprobar, o rechazar, la hipótesis que se elaboró con antelación, confrontando su
enunciado teórico con los hechos empíricos.

Para plantear una hipótesis adecuada debemos tener en cuenta los siguientes puntos:

1. Los términos que empleen sobre las hipótesis deben ser claros y concretos para poder
definirlos de manera operacional, a fin de que cualquier especialista que quiera
replicar la investigación, pueda hacerlo.

2. Las hipótesis que no tienen una referencia empírica constituyen un juicio de valor. Si
una hipótesis no puede ser sometida a verificación empírica, desde el punto de vista
científico no tiene validez. La verificación empírica toma sus datos y fundamenta sus
conclusiones en la observación ordenada y sistemática de la realidad.

3. Las hipótesis deben ser objetivas y no llevar juicios de valor; es decir, no debe
definirse el fenómeno con adjetivos tales como mejor o peor, sino tal y como
pensamos que sucede en la realidad.

4. Deben ser específicas, no sólo en cuanto al problema, sino en cuanto a los

indicadores que se van a emplear para medir las variables que estamos estudiando.
He aquí algunos ejemplos de indicadores:

La importancia relativa del patrocinio de una universidad extranjera.

La preocupación por la seguridad entre ambos grupos: padres o hijos.

La relevancia de las actividades extracurriculares como complemento a la

educación integral de los estudiantes.

5. Deben estar relacionadas con los recursos y las técnicas disponibles. Esto quiere
decir que cuando el investigador formule su hipótesis debe saber si los recursos que
posee son adecuados para su comprobación.

6. Deben ser producto de la observación objetiva y su comprobación, así como estar al

alcance del investigador.

a) REQUISITOS DE LAS HIPÓTESIS

1. Las hipótesis deben establecer las variables a estudiar.

 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

2. Establecer las relaciones entre variables.

3. Mantener la consistencia entre hechos e hipótesis, ya que éstas se fundamentan,
al menos en parte, en hechos ya conocidas.
Por lo tanto, las hipótesis no deben establecer implicaciones contradictorias o
inconsistentes con lo ya verificado en forma objetiva.

b) TIPOS DE HIPÓTESIS

i. HIPÓTESIS NULA
Es aquella por la cual indicamos que la información a obtener es contraria a la
hipótesis a la hipótesis de trabajo. Pretende negar la variable independiente. Es decir,
se enuncia que la causa determinada como origen del problema debe rechazarse
como tal.
POR EJEMPLO:
Si un investigador cree que si un grupo de jóvenes se somete a un entrenamiento
intensivo de natación, éstos serán mejores nadadores que aquellos sin entrenamiento.
Para demostrar su hipótesis nula señalará que no hay diferencia en el desempeño de
la natación entre el grupo de jóvenes que recibió el entrenamiento y el que no lo
recibió. Una hipótesis nula es importante porque ayuda a determinar si existe una
diferencia entre los grupos, si esta diferencia es significativa y si no se debió al azar.

ii. HIPÓTESIS DE TRABAJO

Es aquella que le sirve al investigador como base de su investigación, o sea, trata de

dar una explicación tentativa al fenómeno que se está investigando. Esta es la
hipótesis que el especialista tratará de aceptar como resultado de su investigando,
rechazando la hipótesis nula. Se dice que la hipótesis de trabajo es operacional
porque presenta de manera cuantitativa la hipótesis conceptual o general.

C)MÉTODO PARA ACEPTAR LA HIPÓTESIS

Antes de plantear la hipótesis nula y de trabajo, es importante mencionar el error tipo I

y el error tipo II. Ambos son tan sólo la consecuencia de las decisiones.
 ERROR TIPO I
Ocurre cuando los resultados de la muestra revelan evidencia suficiente para el
rechazo de la hipótesis nula, aunque en realidad sea verdadera. En el caso de la
Universidad X, el error tipo I consistiría en que la institución no invirtiera en el nuevo
campus, a pesar de que el estudio nos dice que el 11.1% de los padres entrevistados
contestó que en definitiva sí inscribiría a sus hijos.

 ERROR TIPO II.

Ocurre cuando, con base en los resultados de la muestra, no se rechaza la hipótesis
nula, aunque en realidad sea falsa. En nuestro ejemplo, el error consistiría en tomar
el riesgo de la diferencia entre 11.1% y 10%, invertir en la construcción del nuevo
campus y que la verdadera proporción de la población fuera menor a 10%. Siguiente
el método tenemos.
c) Diferencia de proporciones:
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

Paso 1: Plantear las hipótesis nula y detrabajo.

Ho: Menos de 10% de los padres entrevistados van a contestar que en definitiva sí
inscribirían a sushijos.
p estimada es < que0.10

Ht: Cuando menos del 10% de los padres entrevistados contestan en forma
categórica que sí inscribirían a sushijos.

p estimada es >= que0.10

En otra palabras, la proporción muestral observada de posibles inscripciones es p
= 1.111 ¿Es ésta bastante superior a la proporción mínima de la que se formó la
hipótesis, P = 0.10, Como para asegurar que está cerca de la proporción real, o esa
desviación podría ser imputable a una variación demuestreo?
Aun si la porporción del universo real de posibles inscriptores fuera de 0.10, con
mucha dificultad se encontraría una porporción muestral que fuera con exactitud
0.10. La duda es si la proporción muestral observada de p = 0.111 es
estadísticamente significativa, en el sentido de indicar fuera de toda duda que la
proporción del universo que va a inscribirse es de0.10.
Para resolver este problema es necesario considerar un valor hipotético específico
para p, la proporción de personas es de 0.10. La hipótesis de trabajo P = 0.10,
será considerada porque éste es el valor mínimo propuesto por los directivos
financieros de launiversidad.
Supongamos que esta hipótesis es cierta, o sea, que P = 0.10. ¿Es la proporción
muestral observada, p = 0.111, compatible con la hipótesis de que P = 0.10? Si la
variación en el muestreo al azar produjera a menudo una proporción muestral,
cuando menos como la observada, no hay razón para dudar de la veracidad de la
hipótesis, P = 0.10.

Paso 2: Se obtiene el error estándar de laproporción.

A la desviación estándar de las proporciones de todas la muestras posibles del mismo
tamaño, extraídas de una población, se le llama error estándar de la proporción. Asimismo, a
la desviación estándar de las medias de todas las muestras posibles del mismo tamaño
extraídas de una población se le llama error estándar de la media. Además, la diferencia
entre los términos desviación estándar y error estándar es que la primera se refiere a los
valores originales, mientras que el último está relacionado con valores calculados. La fórmula
para obtener el error estándar de la proporción es:

sp pq
n
Endonde:
sp es el error estándar de la proporción entre p yq
p = proporción de que ocurra el evento inscribir a sus hijos = 0.111
q = 1- p =0.889
n = tamaño de la muestra
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

Paso 3. Se realiza la pruebaestadística.

Para realizar este tipo de prueba se utilizan los valores de una cola, ya que equivale
a afirmar que los valores reales deben ser iguales o mayores a10%.

Recordemos que para diferentes niveles de confianza se tienen distintos valores de

intervalo de confianza, al que se le conoce como k. Esta información aparece de
manera gráfica en la figura8.1.
• 50% de confianza, k =0.674
• 90% de confianza, k =1.645
• 95% de confianza, k =1.96
• 99% de confianza, k =2.576
Los intervalos de confianza de la media nos dan los porcentajes de seguridad que
hacen a la media muestral representativa de la media del universo, lo cual viene
dado por estafórmula:
p±k(s)))
Endonde:
p proporciónestimada
k = intervalo deconfianza
s = error estándar de lamuestra

Para 90% de confianza: p±k(s) Para 95% de confianza p±k(s)

.111 + - 1.645(0.0104) .111 + -1.96(0.0104)
.111 +0.01708 =0.12808 .111 + 0.020384=0.131384
.111 0.01708 =0.09392 .111 0.020384=0.090616

Paso 4. Se acepta o se rechaza la hipótesisnula.

De acuerdo con estos cálculos, hay 90% de probabilidad de que la verdadera
proporción de aceptación (de a población), se encuentre entre 9.39 y 12.81%, y que
existe 95% de probabilidad de que la verdadera proporción esté entre 9.06 y
13.13%. Esto significaría que si el hallazgo fue de 11.1 %, habría que rechazar la
hipótesis nula, ya rué este valor es mucho mayor que el de la hipótesisplanteada.

d) Diferencia demedias
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

¿Qué sucede cuando la hipótesis no se plantea en términos de proporciones, sino de

medias? En otras palabras, ¿cómo aceptamos o rechazamos una hipótesis cuando
ésta nos plantea un promedio poblacional y un promedio estimado? Básicamente,
seguimos los mismospasos.
En el ejemplo de la Universidad X, los directivos también plantean la hipótesis de que
los alumnos que se inscriban deben estar dispuestos a pagar una colegiatura
mensual de cuando menos 6000 unidades moneterias. Esta cifra se ha establecido a
partir de que la universidad tiene la necesidad de percibir un mínimo de 1,200,000
unidades moneterias mensuales, que pueden provenir de 200 alumnos inscritos en el
siguiente periodo escolar, cuyos padres puedan pagar la colegiaturamencionada.

 Ho. Los padres entrevistados van a contestar que sólo pueden pagar menos de
6 000 pesos decolegiatura.
 Ht. Los padres entrevistados contestarán que pueden pagar 6 000 pesos o más
decolegiatura.
Al realizar el cálculo de la media y el error estándar de la muestra encontremosque:
 u = 5 683 unidadesmonetarias
 s = 1 441.10 unidadesmonetarias

Para 90% de Para 95% de confianza p±k(s)

confianza: p± k(s) .u±k(s)
u±k(s) 5683 + 1.96(1441.10)
5683 ±1645(1441.10) 5683 + 2824.56 =8507.56
5683 + 2360.71=8043.71 5683 - 0.0172 =2628.44

Estos resultados revelan que hay 90% de probabilidad de que la verdadera media de
las colegiaturas se encuentre entre 3 322 y 8 044 pesos, y 95% de probabilidad de que
esté entre 2 628 y 8 508 pesos, lo cual abre mucho el rango deincertidumbre.
Esto significaría que si la media de la muestra fue de 5683, habría que aceptar la
hipótesis nula si, ya que este valor es mucho menor que el de la hipótesis planteada.
Sin embargo, hay que recordar que el tamaño de muestra fue de sólo 191 padres de
familia de los 450 que respondieron el cuestionario. Por ello, valdrá la pena ampliar el
tamaño de muestra de 191 a 450, a fin de realizar una nueva prueba dehipótesis.
Tipos distintos de diseños muéstrales exigen el uso de fórmulas diferentes para calcular
el error estándar. Por ejemplo, las muestras pequeñas (inferiores a 25), se ven
afectadas con detalles atípicos, por lo que no puede utilizarse distribución normal para
hacer los cálculos, ya que las medias de muestras pequeñas siguen una distribución
del tipot.

VI. Uso de software

Todo este trabajo puede realizarse en la actualidad con gran rapidez y total precisión
mediante el uso de programas de cómputo. El más popular esSPSS.
El SPSS ver 20 (Statistical Product and Service Solutions) es un programa estadístico
informático muy usado en las ciencias sociales y empresas de investigación de
mercados. En un principio, SPSS era el acrónimo de Statistical Package for the Social
Sciences. En la actualidad la sigla designa tanto al programa como a la empresa que lo
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS

produce provee toda una serie capacidades adicionales a las existentes en el sistema
base. Algunos de los módulos disponiblesson:

 VALIDACIÓN DE DATOS.Permite al usuario realizar revisiones lógicas la

información contenida en un archivo .sav y obtener reportes de 1 valores
considerados extraños.

 TABLAS.También ayuda a dar un formato especial a las salidas de los datos

para su uso posterior, a fin de crear todo tipo detablas.

 CÁLCULOS ESTADÍSTICOS.El SPSS v20 permite llevar a cabo todo tipo de

cálculos estadísticos, desde los más sencillos hasta los máscomplejos.

CONCLUSION

 En conclusión, podemos decir que la distribución de frecuencias es una

forma de organizar un conjunto de datos, así Como clasificándolas en
categorías o clases.

 La prueba de hipotesis es un procedimiento basado en la evidencia

muestral y la teoría de probabilidad emplea para determinar si la hipotesis
es una afirmación razonable.
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y FINANCIERAS
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y
FINANCIERAS
 UNIVERSIDAD ALAS PERUANAS
ESCUELA ACADÉMICO PROFESIONAL DE CIENCIAS CONTABLES Y
FINANCIERAS