PRUEBAS DE HIPÓTESIS 1

TAREA 4.2 PRUEBAS DE HIPÓTESIS.

Sandra E. Centeno Torres
National University College – División Online

Dr. Walter López Moreno

Programa Graduado de Administración de Empresas

Recursos Humanos

29 de septiembre de 2020

scenteno7091@stu.nuc.edu
PRUEBAS DE HIPÓTESIS 2

Hipótesis nula vs alternativa

Hipótesis nula: la hipótesis nula esencialmente representa la posición dentro de un experimento

de que no existen desviaciones o variaciones significativas que prueben diferencias o

desigualdades entre dos mediciones comparativas (Lopez, 2014, P. 98). Suponga que el

experimento no muestra una diferencia significativa entre las dos medidas. En ese caso, la

hipótesis nula no puede rechazarse (pero esto tampoco significa que sea aceptada) y, por lo tanto,

el experimento no revela ninguna variación subyacente dentro de los datos de observación.

Ejemplo: si intentáramos demostrar que los millennials usan sus teléfonos durante más tiempo

que los baby boomers comparando el uso promedio diario del teléfono de cada grupo, la

hipótesis nula sería la siguiente: Ho: los millennials están en sus teléfonos por lo mismo duración

del tiempo como boomers. Por lo tanto, la hipótesis nula representa la posición que se debe

tomar si los datos no pueden probar que hay una diferencia lo suficientemente significativa entre

los dos tiempos medios de uso del teléfono (si NO está por debajo del nivel alfa, claro está).

Hipótesis alternativa: la hipótesis alternativa representa la posición adoptada cuando un

experimento arroja resultados significativos en términos de variación, diferencias o

desigualdades entre dos medidas de comparación (generalmente una medida del centro como la

media) (López, 2014. P. 101). Cuando un resultado experimental apunta hacia un conjunto de

datos significativamente diferente de otro conjunto de datos (generalmente por debajo del nivel

alfa de probabilidad), la hipótesis nula se rechaza. La hipótesis alternativa es aceptada ante

información nueva y significativa. Ejemplo: digamos una vez más que estamos tratando de

demostrar que los millennials pasan más tiempo en sus teléfonos por día en promedio que los

baby boomers. Nuestra hipótesis alternativa sería la siguiente:

PRUEBAS DE HIPÓTESIS 3

HA: Los millennials pasan más tiempo en sus teléfonos en promedio por día que los baby

boomers. Por lo tanto, la hipótesis alternativa representa la posición adoptada cuando un

conjunto de datos tiene una probabilidad extremadamente baja de ocurrir, dados los datos

históricos con los que se debe comparar (cuando su valor p cae por debajo del nivel de

probabilidad alfa, una vez más). Por lo tanto, la hipótesis nula debe rechazarse debido a las

variaciones significativas entre los datos observados e históricos o dos conjuntos de datos

diferentes en este caso.

Rechazo versus falta de hipótesis nula:

Como se mencionó anteriormente, la hipótesis nula se rechaza solo cuando se ha demostrado que

los datos en cuestión muestran una desviación, variación o desigualdad significativa al tener una

probabilidad de ocurrencia significativamente baja, o por debajo del nivel alfa de probabilidad

para ser precisos. Por lo general, así es como se ve cada hipótesis:

HO: las dos medidas son iguales / no son significativamente diferentes entre sí.

HA: medir 1 [<,>, ≤, ≥, ≠] para medir 2

La hipótesis alternativa postula alguna forma de desigualdad entre las dos medidas de

comparación, mientras que la hipótesis nula postula que son iguales o no tienen diferencias

significativas.

El nulo se rechaza cuando un experimento no arroja diferencias o desigualdades significativas

entre dos medidas, lo que se espera que suceda la mayor parte del tiempo (probabilidad 1-α de

esto). Por otro lado, si efectivamente se prueban y encuentran diferencias significativas en dos

medidas, se rechaza el nulo y se acepta la alternativa, algo que se espera que suceda en ocasiones

poco frecuentes (probabilidad α de esto). El nulo se rechaza si el valor p es menor que su nivel
PRUEBAS DE HIPÓTESIS 4

alfa, lo que indica diferencias significativas dentro de los conjuntos de datos. Una persona

generalmente verá los símbolos [<,>, ≤, ≥, ≠] para la hipótesis alternativa ya que denotan

desigualdades o diferencias inherentes entre dos medidas. Una persona también verá solo el

símbolo [=] para la nula hipótesis ya que postula una diferencia insignificante entre medidas de

centro o igualdad con diferencias insignificantes.

Pruebas de hipótesis diferentes: pruebas Z

Este tipo de prueba, que también es el tipo más común utilizado en problemas estadísticos debido

a su funcionalidad como función de distribución normal, compara dos medidas de muestra.

Pocas postulaciones diferencian las pruebas z de la prueba t y la prueba p, principalmente la

primera debido a sus muchas similitudes (López, 2014. P. 128): Debe conocerse la desviación

estándar de la población. Las dos muestras comparativas suelen ser promedios u otras medidas

concretas, NO proporciones ni rangos. El tamaño de la muestra es mayor o igual a 30 (Teorema

del límite central) para estandarizar el conjunto de datos y hacer que funcione como una curva de

distribución normal. La muestra representa menos del 10% de la población total. Una persona

debe conocer: la desviación estándar de la muestra y la población, ambos conjuntos de medias

muestrales (u otras medidas de promedio), el tamaño de la muestra (solo si es mayor de 40) y el

nivel alfa (generalmente 5%) para encontrar el Pruebe el estadístico z y compárelo con el valor

crítico z, o z-crítico para abreviar. Por lo general, se realiza una prueba de 1 muestra o una

prueba z de 2 muestras para conjuntos de datos independientes.

Pruebas T - Este tipo de prueba a menudo se confunde con la prueba z debido a sus muchas

similitudes. Sin embargo, este tipo de prueba solo se realiza con tamaños de muestra mucho más

pequeños que las pruebas z, entre otras diferencias (López, 2014. P.132): El tamaño de la

muestra debe ser menor que 30 (por lo tanto, el teorema del límite central no se puede aplicar y
PRUEBAS DE HIPÓTESIS 5

se debe utilizar una curva t para este conjunto de datos en lugar de una curva de distribución

normal). No se conoce la desviación estándar de la población. La muestra representa menos del

10% de la población total. Las dos desviaciones estándar de la muestra, las medias de dos

muestras, el tamaño de la muestra de menos de 30, los grados de libertad (generalmente el

tamaño de la muestra menos 1) y el nivel alfa (generalmente el 5%) deben conocerse para

calcular esta estadística de prueba y compararla. al valor t-crítico, o t-crítico para abreviar. Por lo

general, una prueba t de 1 muestra, una prueba t de pares coincidentes o una prueba t de 2

muestras prueba entre conjuntos de datos independientes (pruebas t de 1 muestra y 2 muestras) y

dependientes (prueba t de pares apareados). Pruebas P (proporciones) Este tipo de prueba,

también conocida comúnmente como prueba de proporciones, compara dos proporciones de

muestra diferentes, ya sea observacional o una proporción históricamente aceptada y otra

observacional, para probar diferencias significativas entre ellas. Este tipo de prueba solo se

realiza cuando se proporciona una proporción en lugar de una medida de desviación central y

estándar, las cuales deben calcularse por separado utilizando solo la proporción de respuestas

"exitosas" o deseadas observadas en toda la población. Los prerrequisitos de este tipo de prueba

suelen ser los siguientes (López, 2014. p. 143): Debe haber una o dos proporciones dadas, la

porción de aquellas con resultados deseados están representadas por la letra [P] y las demás están

representadas como [Q], por lo tanto [Q = 1 - P] Cada proporción debe tener un tamaño de

muestra de al menos 5 para una prueba z de proporción. De lo contrario, se debe realizar una

parte de la prueba t. La muestra representa menos del 10% de la población total. La desviación

estándar debe calcularse con la ecuación: √ ((p * (1-p)) / n) El tamaño de la muestra (n), la

proporción de resultados deseados (P) y la proporción del resto de las respuestas ( Q), cuando se

toma el producto de estos tres números (n * p * (1-p)), si el número es mayor que 10, la
PRUEBAS DE HIPÓTESIS 6

distribución es aproximadamente normal, y una prueba z de proporción 1 o 2 puede ser

realizado. De lo contrario, se debe realizar una prueba t de 1 o 2 proporciones.

PRUEBAS DE HIPÓTESIS 7

References

Driscoll P, Lecky F, Crosby, M. An introduction to statistical inference—3Emergency Medicine

Journal 2000;17:357-363. Recovered from https://emj.bmj.com/content/17/5/357.citation-tools

López Moreno, W. (2014). Practical statistics: application and analysis for decision-making in
companies. Humacao, Puerto Rico, Puerto Rico: University of Puerto Rico. Recovered from
https://elibro.net/en/ereader/nuc/34605?

Rowntree, D. (2000). Statistics without tears. Penguin.

Weiss, N. A. (2017). Introductory statistics. Pearson.

Weisstein, E. W. (N.D.) "Hypothesis Testing." From MathWorld--A Wolfram Web Resource.

Recovered from https://mathworld.wolfram.com/HypothesisTesting.html