Nombre de la institución: Instituto Tecnológico Superior de Mulege

Carrera: Ingeniería Industrial

Semestre: 5to

Nombre del alumno: Eddy Misael Martinez Mayoral

Numero de control: 181061042

Tema: Actividad 8

Materia y Grupo: Estadística Inferencial 1

Nombre del docente: Jorge Carlos Calleros Gastelum

Lugar: Santa Rosalía. Bajá California Sur

Fecha: 15/01/21
Hipótesis estadísticas
Un principio general de la investigación científica es escoger siempre la
hipótesis más simple capaz de explicar la realidad observada. La razón es que
una hipótesis simple es más fácil de contrastar empíricamente y descubrir sus
deficiencias, lo que permite aprender de los datos con mayor rapidez y
seguridad.

Este principio justifica que muchas investigaciones estadísticas tengan por

objeto contrastar una hipótesis simplificadora del tipo: una población es idéntica
a otra de referencia (el efecto de un medicamento nuevo es igual a otro
existente…); dos o más poblaciones son iguales entre sí…

Una hipótesis se contrasta comparando sus predicciones con la realidad: si

coinciden, dentro del margen de error admisible, mantendremos la hipótesis; en
caso contrario, la rechazaremos.

Una hipótesis estadística es una afirmación que se hace sobre una o más
características de una población (decir que la vida media de una batería son x
horas, que un tratamiento reduce el dolor, que un determinado producto hace
adelgazar, que a la gente le gusta mayoritariamente el morbo…).
Un test o contraste de hipótesis es algún procedimiento para aceptar o rebatir
dicha hipótesis o afirmación.

Confiabilidad
Probabilidad de que la estimación efectuada se ajuste a la realidad. Cualquier
información que queremos recoger está distribuida según una ley de probabilidad
(Gauss o Student), así llamamos nivel de confianza a la probabilidad de que el
intervalo construido en torno a un estadístico capte el verdadero valor del
parámetro.

Significación
En estadística, un resultado o efecto es estadísticamente significativo cuando
es improbable que haya sido debido al azar. Una «diferencia estadísticamente
significativa» solamente significa que hay evidencias estadísticas de que hay una
diferencia; no significa que la diferencia sea grande, importante o radicalmente
diferente.
El nivel de significación de una prueba estadística es un concepto estadístico
asociado a la verificación de una hipótesis. En pocas palabras, se define como la
probabilidad de tomar la decisión de rechazar la hipótesis nula cuando ésta es
verdadera (decisión conocida como error de tipo I, o falso positivo). La decisión se
toma a menudo utilizando el valor p: si el valor p es inferior al nivel de
significación, entonces la hipótesis nula es rechazada. Cuanto menor sea el
valor p, más significativo será el resultado.
En otros términos, el nivel de significación de un contraste de hipótesis es una
probabilidad p tal que la probabilidad de tomar la decisión de rechazar la hipótesis
nula —cuando esta es verdadera— no es mayor que p.

Error estándar o estadístico

El error estándar es la desviación estándar de la distribución muestral de un
estadístico muestral. El término se refiere también a una estimación de la
desviación estándar, derivada de una muestra particular usada para computar la
estimación.

Errores de tipo I y de tipo II

En un estudio de investigación, el error de tipo I, también denominado error de
tipo alfa (α)1 o falso positivo, es el error que se comete cuando el investigador

rechaza la hipótesis nula ( : el supuesto inicial) siendo esta 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.
Representación de los valores posibles de la probabilidad de un error tipo II (rojo)
en el ejemplo de un test de significancia estadística para el parámetro μ. El error
tipo II depende del parámetro μ. Cuanto más cerca se encuentre este del valor
supuesto bajo la hipótesis nula, mayor es la probabilidad de ocurrencia del error
tipo II. Debido a que el verdadero valor de μ es desconocido al hacer la
presunción de la hipótesis alternativa, la probabilidad del error tipo II, en contraste
con el error tipo I (azul), no se puede calcular.

La hipótesis de la que se parte aquí es el supuesto de que la situación

experimental presentaría un «estado normal». Si no se advierte este «estado
normal», aunque en realidad existe, se trata de un error estadístico tipo I. Algunos
ejemplos para el error tipo I serían:

• Se considera que el paciente está enfermo, a pesar de que en realidad

está sano; hipótesis nula: El paciente está sano.
• Se declara culpable al acusado, a pesar de que en realidad es inocente;
hipótesis nula: El acusado es inocente.
• No se permite el ingreso de una persona, a pesar de que tiene derecho
a ingresar; hipótesis nula: La persona tiene derecho a ingresar.
En un estudio de investigación, el error de tipo II, también llamado error de tipo
beta (β) (β es la probabilidad de que exista este error) o falso negativo, 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.
De forma general y dependiendo de cada caso, se suele aceptar en un estudio
que el valor del error beta esté entre el 5 y el 20%.
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 (como por ejemplo «Promedio μ

= 0») la hipótesis alternativa, debido a que engloba todas las otras posibilidades,

es generalmente de naturaleza global (por ejemplo «Promedio μ ≠ 0» ). El

gráfico de la derecha ilustra la probabilidad del error tipo II (rojo) en dependencia
del promedio μ desconocido.
El poder o potencia del estudio representa la probabilidad de observar en
la muestra una determinada diferencia o efecto, si existe en la población. Es el
complementario del error de tipo II (1 − β).

Potencia
La potencia del contraste es la probabilidad de detectar efectos estadísticamente
significativos, esto es, la probabilidad de rechazar la Hipótesis Nula cuando es
falsa, que se simboliza 1-beta, y es igual a la probabilidad de ocurrencia de
valores del estadístico en la región de rechazo bajo el supuesto que H1 (la
Hipótesis Alternativa) sea verdadera.