Estadística II – Clase 3

14 de abril de 2021

Inferencia Estadística

Dócimas de hipótesis (1 muestra)

 las técnicas de estadísticas descriptivas, junto a la teoría de la Probabilidad y en particular

los modelos de distribución de probabilidad, permiten abordar el estudio de la inferencia
estadística.
 los métodos básicos de la inferencia estadística son la estimación y el contraste hipótesis
(en este se contrastan 2 hipótesis)  formularemos hipótesis en base a parámetros.
- parámetros: media aritmética, varianza, desviación típica.
- estadísticos: Media Aritmética. Varianza, Desviación Típica.

Hipótesis estadística

 es una afirmación respecto de una característica poblacional (forma de ella o valor de sus
parámetros), esta sentencia puede ser “docimada” (probada) en base a una muestra
aleatoria extraída de esa población.
 en cuanto a su simbología, definiremos:
- Ho (sub cero) = hipótesis nula o de igualdad (se considera verdadera)
- H1 (sub uno) = hipótesis alternativa o de investigación.
 se pueden clasificar como:
- prueba bilateral: se utiliza cuando se trabaja con diferencias (por ej. alumnos duermen
+ de 10 horas o duermen -).
- prueba unilateral a la izquierda: menor al dato (duermen – de 10 horas).
- prueba unilateral a la derecha: mayor al dato (duermen + de 10 horas).
 Inferencia estadística (dócimas)

2 tipos de errores que consideraremos

 deseamos que los errores no se cometan, pero la decisión será tomada bajo
incertidumbre, solo podemos pedir que la posibilidad de cometerlos sea pequeña.
 la filosofía para docimar cosiste en suponer que H0 es verdadera, hasta encontrar
evidencia muestral suficiente que permita decir lo contrario, si esta evidencia no existe no
podemos dudar de la afirmación contenida en H0. Así el error más grave que se puede
cometer es el Error Tipo I, que es el que tratamos de controlar. llamando:
- alfa = P (rechazar H0|H0 es verdadera)  tamaño del Error tipo I.
- beta = P (no rechazar H0|H0 es falsa)  tamaño del Error tipo II.

Procedimiento general para docimar una hipótesis

1. plantear en términos estadísticos las hipótesis (nula y alternativa).

2. definir significancia de la prueba (alfa).
3. decidir estadísticamente. estadístico de contraste (calcular p-valor).
4. concluir.
 estrategia de decisión:
- la regla de decisión es el criterio que utilizaremos para decidir si la hipótesis nula
planteada debe o no ser rechazada.
- si yo rechazo la hipótesis nula, confirmo la hipótesis alternativa; si yo confirmo la
hipótesis nula, confirmo la hipótesis alternativa (rechazar significa decir que es falsa).
- esta regla se basa en participar la distribución muestral de estadístico de contraste en
dos zonas exclusivas y exhaustivas. una de estas se denomina zona de rechazo de H0 o
región crítica.
 los programas de análisis de datos estadísticos nos entregan una probabilidad para decidir
(p-valor). es un indicador de discrepancia ente la hipótesis nula y los datos muestrales. de
esta manera, cuando esta probabilidad es menor al nivel de significancia establecido para
la prueba, se rechaza la hipótesis nula, en favor de la alternativa. es decir:

Si p<α entonces Se rechaza H o en favor de H 1

Si p ≥ α entonces No se Rechaza H o
 Dócimas para la media de una muestra (decisión mediante p-valor)

 así se hará en Jamovi.

 si la probabilidad (p) es MENOR a alfa, rechazaremos la hipótesis nula y nos quedaremos
con la alternativa.
 si la probabilidad (p) es IGUAL a alfa, no podemos rechazar la hipótesis nula, por lo que
nos quedamos con ella.
 si la probabilidad (p) es MAYOR a alfa, también nos quedamos con la hipótesis nula.
 (la igualdad debe ir en la hipótesis nula, ya que es la que se considera cierta – no puede ir
en la hipótesis alternativa).
 Jamovi: analyses – one sample t-test – ingreso variables – elegir test of normality (Shapiro
wilk) hypothesis (test value = el dato que plantea la hipótesis de investigación y si es que
sería mayor o menor a éste)
- si la probabilidad (p) es mayor a la significancia (alfa), entonces se asume que los
datos se comportan de forma normal.
- si la muestra no es normal no hay nada que hacer con las hipótesis que planteamos
(en este caso decimos que no hay fundamento que respalde lo que estoy haciendo),
ya que éstas están hechas para tratar con datos que se comportan de forma normal.