Documentos de Académico
Documentos de Profesional
Documentos de Cultura
HIPÓTESIS
Tipos de hipótesis
Las hipótesis pueden clasificarse de muchas formas, entre las que destacan las
siguientes:
Los pasos para formular una hipótesis, lo cual generalmente constituye el inicio de
toda investigación, son los siguientes:
Ejemplos de hipótesis
CONTRASTE DE HIPÓTESIS
Hipótesis nula: “no hay diferencias de eficacia entre A y B”, o lo que es lo mismo,
la diferencia de proporciones no es distinta de 0.
Contamos con varias pruebas con las que calcular esta probabilidad. Una de las
pruebas es la aproximación a la distribución normal de la diferencia de
proporciones, cuyo error estándar es:
EE diferencia proporciones =√p̂1(1−p̂1)n1+p̂2(1−p̂2)n2 EE diferencia proporciones
=p̂1(1−p̂1)n1+p̂2(1−p̂2)n2
Podríamos realizar los cálculos por nosotros mismos, con el error estándar y
nuestros conocimientos de la distribución normal, algo que no recomendamos.
Otra cuestión que hay que advertir es que si en los cálculos de la potencia
queremos usar riesgos alfa o beta alternativos (por ejemplo, riesgo alfa 0,01 o
riesgo beta 0,10), los umbrales de cálculo de probabilidad cambiarán. Si
disminuimos el riesgo alfa aumentará el beta y viceversa; solo aumentando el
tamaño muestral disminuirán los dos.
En la elección del test estadístico tendremos que considerar los siguientes factores:
Qué escalas de medida siguen las variables implicadas (nominal, ordinal, continua
normal, continua no normal).
El nivel de significancia determina qué tan lejos del valor de la hipótesis nula
dibujaremos esa línea en la gráfica. Para graficar un nivel de significancia de 0.05,
debemos sombrear el 5% de la distribución que está más alejado de la hipótesis
nula.
En la gráfica anterior, las dos áreas sombreadas son equidistantes del valor de la
hipótesis nula y cada área tiene una probabilidad de 0.025, para un total de 0.05.
En estadística, nos referimos a estas áreas sombreadas como la región
crítica para una prueba de dos colas. Si la media de la población es de 260,
esperaríamos obtener una media de la muestra que estuviera en la región crítica el
5% de las veces. La región crítica define qué tan lejos debe estar nuestro estadístico
de muestra del valor de la hipótesis nula para que podamos decir que es lo
suficientemente inusual como para rechazar la hipótesis nula.
Los valores p son la probabilidad de obtener un efecto por lo menos tan extremo
como el de los datos de la muestra, asumiendo que la hipótesis nula es verdadera.
Tenga en cuenta que no existe un nivel de significancia mágico que distinga entre
los estudios en los que tenemos un efecto real y aquellos en los que no con 100%
de precisión. Los valores comunes de alfa de 0.05 y 0.01 se basan simplemente en
la tradición. Para un nivel de significancia de 0.05, espere obtener medias de la
muestra en la región crítica el 5% de las veces cuando la hipótesis nula sea
verdadera. En esos casos, usted no sabrá que la hipótesis nula es verdadera, pero la
rechazará porque la media de la muestra se encuentra en la región crítica. ¡Por eso
es que el nivel de significancia también se conoce como una tasa de error!
La noción de potencia estadística
Una noción misteriosa en Estadística es la noción de potencia. Pero es una noción muy
importante que conviene delimitar con mucha precisión.
El error de tipo II, por el contrario, no está prefijado. La distribución del estadístico
de test tiene una dispersión muy distinta dependiendo de la dispersión de la
variable estudiada y del tamaño de muestra; o sea, dependiendo del Error estándar.
Pero esa distribución será distinta según sea cierta la Hipótesis nula o lo sea la
Hipótesis alternativa. Y, además, esas distribuciones al aumentar el tamaño de
muestra con la que nos basamos para tomar decisiones, van segregándose, van
separándose más. Esto hace cambiar el error de tipo II porque al optar por
mantener la Hipótesis nula la probabilidad de que la Hipótesis alternativa sea cierta
se reduce muchísimo. En definitiva, el error de tipo II viene dado por las
condiciones concretas del test. Al tratar con muestras pequeñas el Error estándar es
alto y las distribuciones bajo la Hipótesis nula y bajo la Hipótesis alternativa se
solapan mucho. Sin embargo, al tratar con muestras grandes el Error estándar se
reduce mucho y esas misma distribuciones se separan y es más factible tomar
decisiones con menos posibilidades de error de tipo II.
La potencia es el complementario de ese error de tipo II. Potencia más Error de tipo
II suman 1 ó, en tanto por ciento, suman 100. Por lo tanto, minimizar el error de
tipo II supone, automáticamente, maximizar la Potencia.