Esquema general de la prueba de hipótesis

Pruebas de Hipótesis – Fundamentos

Referencias
LECCIÓN 1 de 2

Pruebas de Hipótesis – Fundamentos

Concepto y estrategia general de las pruebas de hipótesis

 Bibliografía básica

Para cumplir con los objetivos de la Unidad 2 del Programa, es necesario profundizar en los
temas desarrollados en el Capítulo 11 del texto de Berenson y Levine, (1996), relacionándolos
con los comentarios, ejemplos y recomendaciones de las lecturas del módulo.

Capítulos: 11 (Apartados 11.1, 11.2, 11.3, 11.4, 11.5, 11.6, 11.7, 11.8, 11.9, 11.10, 11.11, 11.12)

En algunas ocasiones, el estadístico debe proveer soporte para responder un interrogante sobre si es cierta o no
determinada idea previa que tenemos, por ejemplo, sobre el valor de algún parámetro.

Para poder dar respuesta, las pruebas de hipótesis tienen la siguiente lógica: si conocemos la distribución muestral de
un estadístico que relacione el parámetro sobre el cual nos interesa comprobar una afirmación, con un estimador del
mismo, podemos decidir que la afirmación es aceptable si en la muestra obtenemos un resultado razonablemente
cercano al previsto en la afirmación. Si por el contrario, la evidencia de la muestra arroja un valor muy alejado,
desconfiaremos de la validez de la idea supuesta sobre el valor del parámetro. Como puede verse, este tipo de
razonamiento es de lo más habitual en la forma de proceder y tomar decisiones a diario: someter nuestras ideas a
alguna evidencia (siempre parcial, limitada, accesible, como una muestra), y considerar válida la idea en el caso de
que la información recogida parezca consistente con ella, y descartarla en caso contrario.
Como permite ver esta estrategia, de lo más práctica por cierto, estamos dispuestos a asumir ciertos riesgos de
equivocarnos, justamente por basar nuestra decisión en información parcial. La realidad podría ser diferente a la
situación descripta por los datos que reunimos en nuestra muestra, y en definitiva, estar tomando una decisión
equivocada acerca del valor del parámetro poblacional. De estos aspectos se trata la unidad que comenzamos a
recorrer.

Algunas analogías útiles para comprender esta metodología

Antes de iniciar el abordaje estadístico de las pruebas de hipótesis, recorreré algunas comparaciones útiles que suelen
presentarse en la literatura:

1 Se desea informar sobre la presencia de alguien o algo en una habitación cerrada. Sólo podemos
observar por la rendija de la puerta (la zona que nos permite observar sería nuestra muestra). Si
alguien o algo es visible en ese sector, podemos tomar una decisión correcta. Si no aparece nada en la
muestra, podría ser tanto que efectivamente no hay nadie en la habitación, como que, hay alguien o
algo, pero se encuentra en una zona de la habitación no accesible desde nuestro punto de observación.
Este es uno de los errores de las pruebas estadísticas que estudiaremos.

Figura 1
Muestra:

Observación por la cerradura de una habitación cerrada.

Error posible:

Considerar que no hay nada o nadie por no observarlo en la muestra.

2 Otro ejemplo interesante es el vinculado con un juicio, donde se está analizando la culpabilidad o
inocencia de un acusado de un crimen. El proceso trata de reunir pruebas para determinar la
culpabilidad o inocencia del acusado. La decisión que se tome en base a la evidencia (muestral, de las
pruebas), puede ser correcta, si se lo declara inocente y efectivamente no cometió el crimen. También
es correcta si el acusado es culpable y el veredicto así lo determina.

Figura 2
Muestra:

Evidencia reunida por la fiscalía (o por los querellantes, de acuerdo con las reglas del proceso legal); o las coartadas
del acusado.

Errores posibles:

Declarar culpable a un inocente.

Declarar inocente a un culpable.

Sin embargo, hay dos situaciones que claramente reflejan errores (que nos harían pensar en “injusticias” en una
situación de juicio): si el acusado es culpable y se lo declara inocente, como también si el acusado es inocente y se lo
declara culpable). Los sistemas de justicia están diseñados de acuerdo a cuál de estos errores se desee minimizar,
cuando por ejemplo, “nadie es culpable hasta que se pruebe lo contrario”, o cuando un acusado debe “demostrar su
inocencia”.

3 Como estudiantes (en su caso) y como docente en el mío, la situación que les mencionaré ahora, es
una de las que más nos ocupa cotidianamente: establecer a través de un examen o evaluación, si los
alumnos comprendieron o aprendieron una serie de temas. Permanentemente en el sistema educativo
estamos emitiendo este tipo de juicios, basados en la evidencia de muestras (las evaluaciones mismas
son muestras donde se han seleccionado temas del conjunto total de tópicos incluidos en el temario a
evaluar, como también de ejercicios o competencias que resultan de interés). Por supuestos que si una
evaluación aprueba a un alumno que efectivamente conoce / comprende los temas, estamos tomando
 una decisión correcta. Idénticamente, si se reprueba a quien no sabe los contenidos. Los problemas
aparecen si un alumno que sabe los contenidos es reprobado en la evaluación, o bien, si se aprueba a
quien realmente no los conoce. En este caso también los docentes suelen definir sus estrategias
evaluativas de manera de minimizar el error que consideran más grave o dañino de los dos.

Figura 3

Hipótesis nula y alternativa

La primera tarea consiste en definir de manera correcta cuál va a ser la hipótesis que queremos someter a contraste o
prueba. Comenzaremos trabajando en este módulo con hipótesis referidas a valores de un parámetro poblacional en
particular.

En todos los problemas aparecen dos hipótesis contrapuestas: la hipótesis nula y la hipótesis alternativa. Cada una de
ellas representa un estado de la naturaleza que involucra valores del parámetro poblacional. En la hipótesis nula
siempre aparece un igual (ya sea un igual estricto o, un mayor o igual, o un menor o igual), referido a cierto valor del
parámetro. La hipótesis alternativa de cada caso respectivo siempre es una negación de la hipótesis nula, de manera
de resultar cierta siempre que sea falsa la hipótesis nula. La hipótesis alternativa nunca incluye el signo igual.

La hipótesis nula es la idea previa sobre el valor del parámetro que se va a probar. La hipótesis alternativa
(establecida siempre como lo opuesto a lo afirmado en la hipótesis nula) indica la conclusión que es verdadera si se
lograr rechazar la hipótesis nula.

La hipótesis nula se representa simbólicamente de la siguiente manera: Ho. La hipótesis alternativa se indica con
alguna de las simbologías: H1 ó Ha. Veamos algunos ejemplos.

Supongamos una prueba referida a la media poblacional µ:

Ho: µ =15

H1: µ ≠15

Ho: µ ≥15

H1: µ <15

Ho: µ ≤15

H1: µ >15

n las pruebas de hipótesis, a través de la evidencia muestral, se decidirá rechazar la hipótesis nula si así permiten los
datos analizados, o bien, no rechazarla. Observen atentamente que no decimos “aceptarla”, ya que no tenemos
información suficientemente contundente, por el hecho de ser muestral y estar por tanto sometida a los riesgos
vinculados con este tipo de información.
Tal como indican Berenson y Levine:

La metodología de prueba de hipótesis está diseñada de modo que nuestro rechazo de la hipótesis
nula esté basado en evidencias, aportadas por la muestra, de que es más probable de que nuestra
hipótesis alternativa sea verdadera. Sin embargo, el hecho de no rechazar la hipótesis nula no es
una prueba de que ésta sea verdadera.

Valor crítico del estadístico de la prueba

Cuando describimos en términos generales el procedimiento lógico implicado en las pruebas de hipótesis indicamos
que rechazaríamos la hipótesis nula si de la evidencia muestral resultara un valor muy alejado al hipotetizado, así
como no la rechazaríamos en caso de obtener de la muestra un valor relativamente cercano al establecido en la Ho.

Deberemos trabajar con las distribuciones correspondientes para establecer qué es demasiado cercano o demasiado
alejado de la idea previa explícita en la hipótesis nula.

El valor crítico definirá un punto de corte para tomar la decisión estadística, un valor que antes de considerar la
información muestral, será el criterio para definir la regla de decisión, estableciendo qué valores se tomarán como
cercanos al establecido en la hipótesis nula, y cuáles (por estar más allá del valor crítico) como demasiado alejados
del establecido en la Ho.

Determinación de las zonas de rechazo y no rechazo

Los (o el valor crítico, según se trate de una prueba bilateral o unilaterial) del estadístico van a determinar las zonas
de rechazo y no rechazo de la hipótesis nula en la distribución muestral del estadístico de prueba.
Si el estadístico de prueba calculado en base a los datos de la muestra, cae en la zona de rechazo, se tomará esa
decisión; y por el contrario, si el estadístico resulta más alejado del valor hipotético del parámetro (es decir, cae en la
zona de rechazo), se tomara esta otra decisión estadística, vale decir, rechazar la hipótesis nula.

Figura 4. Valores críticos y determinación de las zonas de rechazo y no rechazo

en una prueba bilaterial

La figura se muestra cómo se relacionan las zonas de rechazo en una prueba bilateral (donde aparece un signo de
igualdad estricta en la hipótesis nula y una desigualdad en la hipótesis alternativa) con los valores críticos.
LECCIÓN 2 de 2

Referencias

Berenson, M. L. y Levine, D. M. (1996). Estadística para administración y economía (6.a ed.). México D. F., MX:
Prentice Hall Hispanoamericana.

Levine, D. M.; Krehbiel, T. C. y Berenson, M. L. (2014). Estadística para administración. 6ta Edición. México:
Pearson.