Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística
inferencial y contraste de
hipótesis
Análisis de Datos
Análisis de Datos
Departamento de Psicología
Análisis de Datos
ÍNDICE
2
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu
Análisis de Datos
Media ̅
Proporción
Varianza
Desviación típica
Correlación
Los estadísticos calculados en las muestras se comportan como una variable. Es necesario
asumir que los estadísticos encontrados en la muestra siguen una determinada distribución de
probabilidad en la población. Una distribución de probabilidad es un modelo teórico simplificado
acerca del comportamiento real de una variable (ej., la distribución normal). Este hecho posibilita
conocer las características de los datos sin realizar laboriosas comprobaciones, ya que estas
distribuciones teóricas tienen propiedades conocidas.
3
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu
Análisis de Datos
Para entender mejor esta explicación veamos el ejemplo de Píldoras Matemáticas (16 abril
2017) video disponible en YouTube. Imaginemos que queremos conocer cuál es la media de la
estatura en la población adulta española (µ). Lo más adecuado sería medir la estatura de todos y
cada uno de los adultos españoles y calcular la media. Sin embargo, como sabemos, este
procedimiento es logísticamente imposible. En este sentido, la estadística nos aporta la solución de
estimar lo que vale la media en la población mediante la media obtenida en una muestra aleatoria
representativa ( ̅ ) ¿Cómo es esto posible?
Como sabemos, la altura en la población sigue una distribución normal, es decir hay un gran
número de personas que tienen estaturas en torno a la media y son cada vez menos aquellos que
presentan estaturas inferiores o superiores a la media. Imaginemos que se conociera y que la
estatura media de la población española fuera de 170 cm, con una desviación típica de 12, por lo
tanto la distribución poblacional de la variable altura se representaría como N(170, 12).
4
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu
Análisis de Datos
decir, aunque es poco probable escoger una persona al azar de la población que presente un valor
de estatura extremo (195 cm) no es imposible pues existen personas muy altas, sin embargo escoger
una muestra que tuviera como media 195 cm es prácticamente imposible. Es por ello que la
desviación típica de la distribución de las medias (denominada error típico en este caso) sería igual a
la desviación típica de la población dividida por la raíz del tamaño de las muestras ( ).
√
5
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu
Análisis de Datos
2. Contraste de hipótesis
Las hipótesis estadísticas son afirmaciones acerca de los valores que tomarán los parámetros
en la población. Siguiendo con el ejemplo, la hipótesis estadística sería: “la media de rendimiento de
los alumnos motivados será superior a la media de los alumnos desmotivados”. La hipótesis se
representa con la letra H seguida de la afirmación en términos matemáticos, en el ejemplo:
La hipótesis nula H0: siempre se expresa en términos de igualdad. Por ejemplo, cuando se
trata de estimar el valor de un parámetro será la hipótesis que mantenga que el parámetro es
igual a ese valor, o cuando se trata de comparar los valores de dos parámetros, será la
hipótesis que afirme que no hay diferencias entre los mismos (que ambos son iguales).
6
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu
Análisis de Datos
afirma que un parámetro es igual a otro, la hipótesis alternativa afirmará que uno de los
parámetros es diferente, mayor o menor que otro.
Siguiendo con el ejemplo este sería el planteamiento del contraste de hipótesis en una
investigación que pretende comprobar si el rendimiento de los alumnos motivados es superior al de
los desmotivados:
Vemos que la hipótesis nula afirma que el rendimiento de los motivados es menor o igual que
el de los no motivados, mientras que la alternativa afirma que el rendimiento de los motivados es
mayor que el de los no motivados. Como se puede deducir, estas dos hipótesis son complementarias
y mutuamente excluyentes, aceptar una implica necesariamente rechazar la otra. En este sentido,
los contrastes de hipótesis pueden ser bilaterales o unilaterales:
Contraste bilateral: Este tipo de contraste plantea si existen o no diferencias entre los
parámetros o entre el parámetro y un valor, sin especificar el sentido de tales diferencias. La
hipótesis nula afirma que los parámetros son iguales o que el parámetro es igual a un valor,
conteniendo el símbolo (=), mientras que hipótesis alternativa afirma que los parámetros son
diferentes o que el parámetro es diferente a un valor, conteniendo el símbolo (≠). Un ejemplo
sería:
Contraste unilateral izquierdo: Este tipo de contraste si plantea el sentido de las diferencias.
La hipótesis nula afirma que un parámetro es igual o mayor que otro, o que un parámetro es
igual o mayor que un valor, conteniendo el símbolo (≥), mientras que la hipótesis alternativa
afirma que los parámetros son diferentes o que el parámetro es diferente a un valor,
conteniendo el símbolo (<).
7
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu
Análisis de Datos
Contraste unilateral derecho: Este tipo de contraste también plantea el sentido de las
diferencias. La hipótesis nula afirma que un parámetro es igual o inferior que otro, o que un
parámetro es igual o inferior que un valor, conteniendo el símbolo (≤), mientras que la
hipótesis alternativa afirma que los parámetros son diferentes o que el parámetro es
diferente a un valor, conteniendo el símbolo (>).
Es importante señalar que la hipótesis acerca de la cual se toma una decisión (aceptar o
rechazar) es la hipótesis nula. Si los datos muestrales aportan suficientes pruebas a favor de la
hipótesis nula esta tendrá que ser mantenida, por el contrario, si se obtiene suficiente evidencia en
contra de la hipótesis nula, esta será rechazada. Aceptar o rechazar la hipótesis nula no implica
necesariamente que esta sea verdadera o falsa.
3. El valor p de un estadístico
Llegado este momento, ¿de qué forma vamos a contrastar la veracidad de la hipótesis nula?
Lo primero que necesitamos será el estadístico de contraste (como sabemos el cálculo de
estadísticos en las muestras nos permite hacer inferencias probabilísticas acerca de los valores de los
parámetros en la población). El estadístico tiene que cumplir con dos propiedades:
8
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu
Análisis de Datos
Ya podemos intuir que para realizar el contraste tipificaremos los estadísticos y les
asignaremos su probabilidad de ocurrencia valiéndonos de su correspondiente distribución muestral.
Pero ¿cómo de pequeña debe ser esa probabilidad para considerar el rechazo de la hipótesis
nula? Evidentemente será necesario un criterio. Esta probabilidad, es denominada nivel de
significación (α) y es prefijada por el investigador, utilizándose en psicología generalmente un valor
de 0,05. Por lo tanto, cuando los estadísticos de contraste tienen asociados p-valores (probabilidades
de ocurrencia) inferiores o iguales a 0,05 se rechaza la hipótesis nula y se acepta la alternativa. Por el
contrario se aceptará la hipótesis nula si la probabilidad de ocurrencia el estadístico toma un valor
superior a 0,05.
El error Tipo I se comete cuando se decide rechazar una H0 que en realidad es verdadera. La
probabilidad de cometer este error es igual a α. Por lo tanto es conocida ya que viene fijada
RV
de antemano por el investigador.
9
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu
Análisis de Datos
El error Tipo II es el que ocurre cuando se decide aceptar una H0 que en realidad es falsa. La
VR
probabilidad de cometer este error es desconocida y se representa como β.
Hipótesis Nula
5. Referencias bibliográficas
10
Marina Iniesta Sepúlveda - Tlf: (+34) 968 278 788 - miniesta@ucam.edu