Medidas de tendencia central y dispersión para la

psicología.
Prueba t de student
Hipótesis nula y alternativa

Contenido
Prueba t de student...........................................................................................................................1
Hipótesis nula y alternativa................................................................................................................1
INTRODUCCIÓN:.................................................................................................................................2
JUSTIFICACIÓN...................................................................................................................................2
MÉTODO............................................................................................................................................2
INSTRUMENTOS DE RECOLECCIÓN DE DATOS...................................................................................2
RESULTADOS......................................................................................................................................3
Análisis de los resultados:..................................................................................................................7
Reflexión............................................................................................................................................8
Importancia y utilidad de las medidas de tendencia central y dispersión para la psicología.............8
T Y P: EL TARARÍ Y TARARÁ DE UNA PRUEBA T.................................................................................13
LECTURA CRÍTICA EN PEQUEÑAS DOSIS...........................................................................................13
¿Qué significa realmente el valor de p?...........................................................................................13
Probabilidad p≤0,05.........................................................................................................................14
Cómo realizar una prueba t..............................................................................................................14
Cómo formular una hipótesis en la investigación científica en psicología........................................15
La hipótesis nula...........................................................................................................................17
Interpretación de la desviación estándar.........................................................................................18
REFERENCIAS:...................................................................................................................................19
INTRODUCCIÓN:
De acuerdo con la Dirección General de Comunicación Social (DGCS) en México, 15 de
cada 100 habitantes sufre depresión, y la cifra muy posiblemente es mayor ya que
algunas personas nunca han sido diagnosticadas y pueden pasar hasta 15 años sin
reconocer que tienen esta afección (DGCS, 2019). A pesar de que la población más joven
manifiesta una capacidad de afrontamiento y adaptación también presenta problemas de
salud mental que les afectan en sus relaciones académicas, familiares y sociales. La
mayoría de los trastornos emocionales generalmente tienen su debut durante la etapa
universitaria (Apaza, Seminario y Santa-Cruz, 2020). Ante el aumento del número de
estudiantes con trastornos graves que consultaban a los servicios de salud estudiantil en
el Reino Unido se realizó un estudio en el que se investigó si la ansiedad y la depresión
de los estudiantes aumentan tras su ingreso en la universidad, así como el impacto de la
ansiedad y la depresión en el rendimiento de los exámenes. Sus resultados evidenciaron
que, en esta población, la ansiedad y la depresión afectan diversas dimensiones como la
motivación, la concentración, la percepción de la autoestima y el estado de ánimo en los
estudiantes (Andrews y Wilding, 2004).

JUSTIFICACIÓN
Debido a las consecuencias de la ansiedad y depresión como bajo rendimiento
académico, impacto en las capacidades cognitivas de los estudiantes o en la calidad de
sus relaciones entre otros, se considera que la identificación temprana de es de suma
importancia, los estudios orientados a determinar la prevalencia y factores de riesgo son
una guía útil para este fin (Vásquez y Ríos, 2009). En el contexto universitario la salud
mental puede ser fundamental para determinar el desempeño académico y social de los
estudiantes.

MÉTODO
La presente investigación es de tipo descriptivo-correlacional y de diseño transversal. Su
objetivo principal consistió en determinar la presencia de depresión y ansiedad en
estudiantes de Psicología del SUAyED. En el estudio participaron 30 estudiantes a los
que se aplicó el Inventario para la depresión de Beck, Inventario de Depresión de Beck-II
(BDI-II) así como el Inventario de ansiedad de Beck (Beck Anxiety Inventory, BAI).

INSTRUMENTOS DE RECOLECCIÓN DE DATOS

El BAI es un instrumento de autoinforme de 21 ítems diseñado para evaluar la gravedad

de la sintomatología ansiosa. Cada ítem del BAI recoge un síntoma de ansiedad y para
cada uno de ellos la persona debe valorar el grado en que se ha visto afectado por el
mismo durante la última semana, utilizando para ello una escala tipo Likert de cuatro
puntos que va desde 0 (Nada en absoluto) hasta 3 (Gravemente, casi no podía soportarlo)
Cada ítem se valora de 0 a 3 puntos en función de la respuesta dada por el individuo y,
tras sumar directamente la puntuación de cada ítem, se obtiene una puntuación total que
varía de 0 a 63. En este estudio se utilizó la versión española del BAI de Sanz y Navarro
(2003).
El BDI consta de 21 ítems para evaluar la intensidad de la depresión. Cada ítem se valora
de 0 a 3 puntos en función de la alternativa escogida. La puntuación total de los 21 items
varía de 0 a 63.

RESULTADOS
Se obtuvieron las frecuencias de cada uno de los niveles de las variables dependientes
estudiadas en la muestra representativa.

Tabla 1

La calificación del (BDI-II) arroja los siguientes datos:

No depresión: 0-9 puntos (5,7,7,7,7,7,7,8,8,8) (10)

Depresión leve: 10-16 (11,12, 12) (3)
puntos
Depresión moderada: 17- (19,19,19,19,19, (15)
29 puntos 20,21,21,21,22,22,22,23,27,27
Depresión grave: 30-63 (30,30), (2)
puntos
Serie de datos ordenados de la calificación del instrumento: 5,7,7,7,7,7,7,8,8,8, 11,12, 12,
19,19,19,19,19, 20,21,21,21,22,22,22,23,27,27, 30,30
N= 30

Al analizar la variable depresión desde el modelo cognitivo-conductual de Aaron Beck, se

encontró que el 33% (10 sujetos) no presentan depresión, 3 sujetos (10%) presentan
depresión leve, el 50% (15 sujetos) depresión moderada y 2 estudiantes (6.6%)
presentaron depresión grave.

Figura 1
Distribución del nivel de depresión con base en el inventario de Beck (BDI-II)
 60

50
Porcentaje de la muestra

40

30

20

10

0
No Depresión Depresión Leve Depresión Moderada Depresión Grave

Tabla 2

Distribución de frecuencias para medidas de tendencia central

Datos Frecuencia Frecuencia Frecuencia Frecuencia

(Xi) Absoluta (ni) Absoluta Relativa Relativa
Acumulada (fi= ni /N) Acumulada
(Ni) % (Fi= Ni/N)
%
5 1 1 3.3 3.3
7 6 7 20 23.3
8 3 10 10 33.3
11 1 11 3.3 36.9
12 2 13 6.6 43.5
19 5 18 16.6 60.1
20 1 19 3.3 63.4
21 3 22 10 73.4
22 3 25 10 83.4
23 1 26 3.3 86.7
27 2 28 6.6 93.3
30 2 30 6.6 99.9

Tabla 3
Medidas de dispersión y tendencia central de la variable depresión en la muestra de
estudiantes
 N 30
MEDIA 16.23
MEDIANA 19
MODA 7
DESVIACIÓN ESTÁNDAR 7.87
RANGO 25
VARIANZA 61.4

Tabla 4
La calificación del BAI arroja los siguientes datos:

0- 7 puntos: (5,5,5,5,5,6,6,6,6,6,6,7,7,7,7) (15)

Ansiedad mínima
8-15 puntos: (9,9,9,9,9,9,9,11,11,11,11) (11)
Ansiedad leve
16-25 puntos: (16,16,16,16,) (4)
Ansiedad
moderada
26-63 puntos: (0) (0)
Ansiedad grave
Serie de datos ordenados de la calificación del instrumento: 5,5,5,5,5,6,6,6,6,6,6,7,7,7,7,
9,9,9,9,9,9,11,11,11,11, 16,16,16,16.
N= 30

Al analizar la variable ansiedad se encontró que el 50% (15 sujetos) presentan ansiedad
mínima,11 sujetos (36.6%) presentan ansiedad leve, y el 13.3% (4 sujetos) ansiedad
moderada.

Figura 2
Distribución del nivel de ansiedad con base en el inventario de Beck (BAI)
 60

50
Porcentaje de la muestra

40

30

20

10

0
Ansiedad mínima Ansiedad leve Ansiedad moderada Ansiedad grave
Nivel de Ansiedad

Tabla 5
Medidas de tendencia central y dispersión del Inventario de ansiedad de Beck (BAI)

Datos Frecuencia Frecuencia Frecuencia Frecuencia

(Xi) Absoluta (ni) Absoluta Relativa Relativa
Acumulada (fi= ni /N) Acumulada
(Ni) % (Fi= Ni/N)
%

5 5 5 16.6 16.6
6 6 11 20 36.6
7 4 15 13.3 49.9
9 7 22 23.3 73.2
11 4 26 13.3 86.5
16 4 30 13.3 99.8

Tabla 6
Medidas de dispersión y tendencia central de la variable ansiedad en la muestra de
estudiantes
 N 30
MEDIA 8.6
MEDIANA 8
MODA 9
DESVIACIÓN ESTÁNDAR 3.5
RANGO 11
VARIANZA 12.3

Análisis de los resultados:

La media del total del inventario de Beck (BDI-II) fue de 16.23, con una desviación
estándar de 7.87, evidenciando que los alumnos que presentan depresión se centran en
el nivel moderado. El valor que más se repitió (moda) fue de 7.
La DE nos dice cuanto se alejan los datos de su promedio. Y en este caso, la desviación
estándar (7.87) es alta, ya que los valores se alejan del promedio (16.23) debido a que el
rango es también elevado (25) y hay muchos datos alejados de la media. Esto nos indica
que existe alta variabilidad o dispersión o una baja homogeneidad en los datos obtenidos
en la medición de los niveles de depresión a través del BDI-II.
La media del total del BAI fue de 8.6, con una desviación estándar de 3.5, evidenciando
que los alumnos que presentan ansiedad se centran en el nivel de mínima ansiedad. El
valor que más se repitió (moda) fue de 9.
La DE nos dice cuanto se alejan los datos de su promedio. Y en este caso la desviación
estándar (3.5), es baja ya que los valores se acercan al promedio (8.6) y debido a que el
rango es también bajo (11) y no hay muchos datos alejados de la media. Esto nos indica
que existe alta homogeneidad o baja variabilidad o dispersión en los datos obtenidos en la
medición de los niveles de ansiedad a través del BAI.

La Desviación Estándar

La desviación estándar es un índice numérico de la dispersión de un

conjunto de datos (o población). Mientras mayor es la desviación estándar,
mayor es la dispersión de la población. La desviación estándar es un
promedio de las desviaciones individuales de cada observación con
respecto a la media de una distribución. Así, la desviación estándar mide el
grado de dispersión o variabilidad. En primer lugar, midiendo la diferencia
entre cada valor del conjunto de datos y la media del conjunto de datos.
Luego, sumando todas estas diferencias individuales para dar el total de
todas las diferencias. Por último, dividiendo el resultado por el número total
de observaciones (normalmente representado por la letra “n”) para llegar a
un promedio de las distancias entre cada observación individual y la media.
 Este promedio de las distancias es la desviación estándar y de esta
manera representa dispersión.

Matemáticamente, la desviación estándar podría, a primera vista, parecer

algo complicada. Sin embargo, es en realidad un concepto
extremadamente simple. En realidad no importa si usted no sabe calcular
con exactitud la desviación estándar, siempre y cuando usted comprenda
claramente el concepto.
La desviación estándar es un indicador en extremo valioso con muchas
aplicaciones. Por ejemplo, los estadísticos saben que cuando un conjunto
de datos se distribuye de manera “normal”, el 68% de las observaciones
de la distribución tiene un valor que se encuentra a menos de una
desviación estándar de la media. También saben que el 96% de todas las
observaciones tiene un valor no es mayor a la media más o menos dos
desviaciones estándar (la Figura 18 grafica esta información).

Reflexión
Las medidas de tendencia central nos permiten sintetizar la información de todo el
volumen de datos y así poder presentar una descripción a manera de un resumen del
conjunto de los datos obtenidos a través de valores representativos del conjunto de datos,
lo cual nos permite comprender de manera parcial la información obtenida a través del
instrumento, pero si no complementamos la información de las medidas de tendencia
central podemos perder detalles de toda la relevancia de la información que nos
proporcionan los datos y eso nos impide interpretar de manera completa la distribución de
los datos obtenidos con el instrumento. Por eso al utilizar las medidas de dispersión para
analizar los datos podemos conocer en mayor detalle los datos obtenidos como el nivel de
homogeneidad de los datos o su dispersión o variabilidad. Además, las medidas de
dispersión nos permiten cuantificar la variabilidad y así conocer más en detalle la
distribución de los datos ya que, por ejemplo, la media puede tener el mismo valor en
distintas series de datos como las siguientes: 8,8,8,8,8, y en 2, 3, 10, 10, 15, sin
embargo, la variabilidad o dispersión de los datos es diferente para cada serie de datos.
De tal forma que es necesario complementar las medidas de tendencia central con las de
dispersión ya que de otra forma la lectura de los datos únicamente con las medidas de
tendencia central medida a través de los cuestionarios puede ser engañosa de la realidad.

Importancia y utilidad de las medidas de tendencia

central y dispersión para la psicología.

Por ejemplo, en la evaluación de un tratamiento para medir la recuperación de un

paciente o evaluar si el grado de la mejoría del paciente o de un grupo de pacientes es
clínicamente significativa se requiere disponer de información sobre la distribución de los
valores estadísticos de tendencia central y de dispersión que se obtienen con el mismo
instrumento que vamos a aplicar para poder compararlos con los resultados en una
población ya evaluada y que se considera "normal" con el mismo instrumento utilizado.
Los datos obtenidos del paciente o de los pacientes a través de la evaluación nos van a
permitir realizar comparaciones de la eficacia del tratamiento con la puntuación media
obtenida de un grupo de referencia previamente evaluado y que se considera la "norma",
es decir, la comparación de la puntuación postratamiento del paciente con la media o la
mediana de un grupo considerado "normal".
Del archivo ACT 6 Silva R A.

La aplicación estadística t dio como resultado el rechazo de la hipótesis nula, Io

cual indica que la diferencia de los datos obtenidos se debe al tratamiento utilizado
en esta investigación.
En conclusión, se puede afirmar que la aplicación de la terapia de juego no
directiva fue relevante para la reducción de conductas inadaptadas en niños de
primaria, así mismo, en estos estudios es importante el trabajo de grupo, pues
permite una mayor interacción social de los niños, lo que da como consecuencia el
incremento de conductas adecuadas tanto sociales como académicas en un salón
de clases.

https://blog.minitab.com/es/que-son-los-valores-t-y-los-valores-p-en-estadistica
T y P están estrechamente relacionadas. Van cogidas del brazo, como Tararí y
Tarará. La razón es la siguiente.
Cuando se realiza una prueba t, por lo general se está tratando de hallar evidencia
de una diferencia significativa entre las medias de las poblaciones (t de 2
muestras) o entre la media de la población y un valor hipotético (t de 1
muestra). El valor t mide el tamaño de la diferencia en relación con la variación en
los datos de la muestra. Dicho de otro modo, T es simplemente la diferencia
calculada representada en unidades de error estándar. Cuanto mayor sea la
magnitud de T, mayor será la evidencia en contra de la hipótesis nula. Esto
significa que hay mayor evidencia de que existe una diferencia significativa.
Cuanto más cerca esté T del 0, más probable será que no exista una diferencia
significativa.
La parte más alta (pico) de la curva de distribución muestra dónde se puede
esperar que se encuentre la mayoría de los valores t. La mayoría de las veces, se
espera obtener valores t cercanos a 0. Eso tiene sentido, ¿cierto? Porque si se
seleccionan de forma aleatoria muestras representativas de una población, la
media de la mayoría de esas muestras aleatorias de la población debería estar
cerca de la media general de la población, haciendo que sus diferencias (y por
consiguiente los valores t calculados) estén cerca de 0.
LOS VALORES T, LOS VALORES P Y LAS MANOS DE PÓQUER
Los valores T de mayor magnitud (negativos o positivos) son menos probables.
Las "colas" en los extremos izquierdo y derecho de la curva de distribución
representan casos en los que se obtienen valores extremos de t, lejos del 0. Por
ejemplo, la región sombreada representa la probabilidad de obtener un valor t de
3,25 o superior. Imaginemos un dardo mágico que pudiéramos arrojar para que
cayera aleatoriamente en cualquier parte debajo de la curva de distribución. ¿Cuál
es la probabilidad de que caiga en la región sombreada? La probabilidad calculada
es de 0,002107.....que se redondea a 0.002...que es...¡el valor p obtenido en los
resultados de la prueba t!

En otras palabras, la probabilidad de obtener un valor t de 3,35 o superior, al

tomar las muestras de la misma población (en este caso, una población con una
media hipotética de 5), es de aproximadamente 0,002.
¿Qué tan probable es eso? ¡No muy probable! A efectos de comparación, la
probabilidad de obtener "3 del mismo tipo" en una mano de póquer de 5 cartas es
más de tres veces mayor (≈ 0,021).
Puesto que la probabilidad de obtener un valor tan alto como este o mayor al
tomar muestras de esta población es tan baja, ¿qué es lo más probable? Es muy
probable es que esta muestra no provenga de esta población (con la media
hipotética de 5). Es mucho más probable que esta muestra provenga de otra
población, una con una media mayor que 5.
Es decir: Puesto que el valor p es muy bajo (< nivel de significancia), usted
rechaza la hipótesis nula y concluye que existe una diferencia estadísticamente
significativa.
Por lo tanto, T y P están estrechamente relacionadas. Simplemente considere que
son dos maneras diferentes de cuantificar lo "extremo" de sus resultados bajo la
hipótesis nula. No se puede cambiar el valor de una sin cambiar la otra.
Cuanto mayor sea el valor absoluto del valor t, menor será el valor p, y mayor será
la evidencia en contra de la hipótesis nula (Esto se puede verificar ingresando
valores t más bajos y más altos para la distribución t en el paso 6, arriba).

. Hipótesis nula, alternativa, nivel de significancia y error tipo I y II La hipótesis nula

(Ho) es la que se somete a prueba y sobre ella se hace la decisión. Para los
propósitos de la prueba se asume como verdadera y se rechaza ó no se rechaza
como resultado del proceso de análisis. En la vida cotidiana, la pregunta o razón
por la cual se hace la prueba de hipótesis está más relacionada con la hipótesis
alternativa (Ha) que con la nula. Por ejemplo, si estamos interesados en saber si
un nuevo tratamiento pregerminativo es mejor que el utilizado actualmente, la
hipótesis nula se plantea en términos de no diferencia entre el método actual y el
nuevo. Por su parte, la hipótesis alternativa se plantearía de tal forma que indique
que el nuevo método es mejor que el utilizado actualmente.
Por otra parte si intentamos probar directamente la hipótesis alternativa Ha:μ <>
0.87, nos encontraríamos con el inconveniente de que no sabríamos donde se
centra la distribución muestral de las medias, lo único que podríamos afirmar es
que no se centra en el valor 0.87. Lo anterior imposibilita someter a prueba la
hipótesis alternativa y a la vez justifica la necesidad de probar la validez de la
hipótesis nula. Los términos no rechazar y rechazar sólo deben utilizarse
cuando nos referimos a la hipótesis nula; pues ésta es la que sometemos a
prueba. El hecho de rechazar Ho significa que los datos muestrales brindan
suficiente evidencia como para pensar que lo planteado por la hipótesis nula es
estadísticamente improbable a un nivel de significancia dado. De la misma manera
cuando no rechazamos Ho significa que los datos muestrales no brindan suficiente
evidencia como para pensar que lo planteado por la hipótesis nula sea improbable
a un nivel de significancia dado. Al analizar los resultados de una prueba de
hipótesis siempre debe considerarse el efecto de confusión derivado de la
presencia de variables no consideradas en el diseño original y que no se están
sometiendo a prueba. El nivel de significancia se designa con la letra griega α e
indica cuan rara (muy grande o muy pequeña) deber ser la diferencia con respecto
a lo planteado por la hipótesis nula como para que sea rechazada dado que sea
correcta (Fig. 2). Por ejemplo, si el volumen medio por hectárea de un bosque es
200 m3 /ha (Ho: μ = 200 m3 /ha) en cuánto debe diferir el volumen/ha de una
muestra para que se considere diferente de 200 m3 /ha.
Hipótesis nula (H0): conjetura de un parámetro que se quiere probar.
Generalmente la hipótesis nula consiste en la igualdad de un parámetro en las dos
muestras (ausencia de diferencia o efecto). En el caso de la prueba t Excel es la
igualdad de las medias en dos muestras.
Hipótesis alternativa (H1): conjetura de un parámetro que se cumple si se
rechaza la hipótesis nula. Generalmente consiste en la diferencia de un parámetro
en las dos muestras. Para la prueba t Excel es que sí existe una diferencia en las
medias de dos muestras.
6.2.3. Prueba T de Student para muestras relacionadas
Es la prueba paramétrica encargada de medir diferencias de medias en los casos
en que exista una variable independiente de 2 categorías relacionadas (por
ejemplo, rendimiento académico antes y rendimiento académico después). Un
ejemplo en el que se podría usar esta prueba estadística sería cuando queremos
conocer si existen diferencias significativas entre los estudiantes de 4º de
Educación Primaria en el rendimiento académico antes y después de haber
llevado a cabo una intervención educativa.
En SPSS Statistics, se accede a esta prueba a través de Analizar > Comparar
medias > Prueba T para muestras relacionadas. En el cuadro resultante,
introduciremos cuál es la variable inicial, y cuál es la variable contigua, para cada
par de variables. Tras este procedimiento se obtendrá una Tabla similar con algo
más de información a la que se muestra a continuación:

Volvemos a establecer la hipótesis nula de igualdad de medias y la hipótesis

alterna de diferencia de medias. Observamos que el p-valor es por poco superior
al valor crítico (p = .055), por lo que es necesario quedarse con la hipótesis nula,
afirmando que no existen diferencias significativas entre la fase pre y la fase post
en el rendimiento académico de los estudiantes de 4º de Educación Primaria, tras
haberse sometido a la intervención.
T Y P: EL TARARÍ Y TARARÁ DE UNA PRUEBA T
T y P están estrechamente relacionadas. Van cogidas del brazo, como Tararí y
Tarará. La razón es la siguiente.
Cuando se realiza una prueba t, por lo general se está tratando de hallar evidencia
de una diferencia significativa entre las medias de las poblaciones (t de 2
muestras) o entre la media de la población y un valor hipotético (t de 1
muestra). El valor t mide el tamaño de la diferencia en relación con la variación en
los datos de la muestra. Dicho de otro modo, T es simplemente la diferencia
calculada representada en unidades de error estándar. Cuanto mayor sea la
magnitud de T, mayor será la evidencia en contra de la hipótesis nula. Esto
significa que hay mayor evidencia de que existe una diferencia significativa.
Cuanto más cerca esté T del 0, más probable será que no exista una diferencia
significativa.
Recuerde que el valor t de la salida se calcula usando únicamente una muestra de
toda la población. Si tomara muestras aleatorias repetidamente de la misma
población, obtendría valores t ligeramente diferentes cada vez, debido al error de
muestreo aleatorio (que realmente no es ningún tipo de error; es solo la variación
aleatoria esperada en los datos).
¿Qué tan diferentes se puede esperar que sean los valores t de muchas muestras
aleatorias tomadas de la misma población? ¿Y cómo se compara el valor t de los
datos de la muestra con esos valores t esperados?
Puede utilizar una distribución t para averiguarlo.

LECTURA CRÍTICA EN PEQUEÑAS DOSIS

¿Qué significa realmente el valor de p?
https://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1139-
76322017000500014

todos estos métodos tienen en común y que sí creemos que comprendemos bien:
todos proporcionan un valor de p que, si es significativo (habitualmente menor de
0,05), nos indica que sí existe el efecto que estamos estudiando.
Y este es el valor de p: la probabilidad de obtener, por azar, una diferencia tan
grande o mayor de la observada, cumpliéndose que no haya diferencia real en la
población de la que proceden las muestras. Así, por convenio suele establecerse
que si este valor de probabilidad es menor del 5% (0,05) es lo suficientemente
improbable que se deba al azar como para rechazar con una seguridad razonable
la H0 y afirmar que la diferencia es real. Si es mayor del 5%, no tendremos la
confianza necesaria como para poder negar que la diferencia observada sea obra
del azar. Este es el significado de la ansiada p < 0,05 que muchas veces
buscamos con determinación al leer los trabajos de las revistas científicas (por no
hablar del empeño de los que hacen o financian el trabajo).
Como se puede ver, el valor de p es algo conceptualmente sencillo: una simple
medida de la probabilidad de que la diferencia de resultado se deba al azar. Sin
embargo, existe mucha confusión en cuanto a su significado. Podemos enumerar
una serie de errores habituales sobre lo que no representa el valor de p (Tabla 1)2:
Hasta aquí hemos descrito cuál es el significado exacto del valor de p y su relación
con la probabilidad de que las diferencias de efecto de nuestros estudios sean
debidas al azar. Este valor no está siempre relacionado con la importancia de los
resultados del estudio, de forma que el hallazgo de una p significativa no nos
garantiza que la conclusión del trabajo tenga relevancia clínica. Por todo ello,
podemos concluir que es aconsejable favorecer el uso de los intervalos de
confianza y definir con claridad cuál es la diferencia clínicamente importante.

Probabilidad p≤0,05 .
Se rechaza la hipótesis nula si el valor de p asociado al resultado observado es
igual o menor que el nivel de significación establecido, convencionalmente 0,05 ó
0,01. Es decir, el valor p nos muestra la probabilidad de haber obtenido el
resultado que hemos obtenido si suponemos que la hipótesis nula es cierta.
Significa que tenemos un 5% de probabilidades de error en las conclusiones

Cómo realizar una prueba t

Para todas las pruebas t que implican medias, el análisis conlleva los siguientes
pasos:
1. Defina su hipótesis nula (HoHo) y alternativa (HaHa) antes de reunir los
datos.
2. Decida el valor alfa (o valor α). Esto implica determinar el riesgo que desea
correr de llegar a una conclusión errónea. Por ejemplo, digamos que define
α=0,05 al comparar dos grupos independientes. En este caso decide correr
un riesgo del 5 % de concluir que las medias poblacionales desconocidas
son distintas cuando no lo son.
3. Revise posibles errores de datos.
4. Revise las asunciones de la prueba.
5. Haga la prueba y saque sus conclusiones. Todas las pruebas t de medias
implican calcular la estadística de la prueba. A continuación, compare la
estadística de la prueba con el valor teórico de la distribución t. El valor
 teórico implica tanto al valor alfa como a los grados de libertad de sus
datos. Para más detalles, visite las páginas de la prueba t de una muestra,
la prueba t de dos muestras y la prueba t pareada.

Cómo formular una hipótesis en la investigación

científica en psicología
Una hipótesis es una declaración tentativa sobre la relación entre dos o más
variables, por tanto es una predicción específica y comprobable sobre lo que
espera que suceda en un estudio.
En investigación es difícil comenzar sin poseer una base valida, por tanto, es
necesario construir una relación lógica entre varios fenómenos para iniciar a
trabajar en el estudio.
Esta relación lógica es importante para el tema de la investigación, dicha relación
lógica entre varios fenómenos es a lo que se denomina hipótesis.
Esta relación lógica o suposición comprobable da una dirección a la investigación,
especifica el enfoque de la investigación y ayuda a enmarcar las técnicas que se
deben emplear.
Por ejemplo, un estudio diseñado para observar la relación entre la privación del
sueño y una prueba de desempeño podría tener una hipótesis que afirme: «Este
estudio está diseñado para evaluar la hipótesis que las personas privadas del
sueño tendrán un peor rendimiento en una prueba que aquellas que no sufrieron
de privación del sueño.»
Características de la hipótesis
La hipótesis debe referirse a una situación real, estar bien definidas y ser
susceptibles de someterse a prueba, además deben cumplir las siguientes
características:
1. Comprobable empíricamente
2. Simple y clara
3. Específica y relevante
4. Previsible
5. Manejable
Pero ¿cómo se formula y se comprueba una hipótesis en la investigación científica
en psicología?
la hipótesis en el método científico en psicología
En lo que al método científico se refiere, ya sea que involucre investigación en
psicología, biología o alguna otra área, una hipótesis representa lo que los
investigadores creen que sucederá en un experimento determinado.
El método científico implica los siguientes pasos:
1. Formación de una pregunta de investigación
2. Revisión de los antecedentes de investigación
3. Formulación de una hipótesis
4. Diseño experimental
5. Recolección de datos
6. Análisis de resultados
7. Conclusiones
8. Comunicar los resultados
La hipótesis es lo que los investigadores predicen en la relación entre dos o más
variables, pero implica más que una simple conjetura.
La mayoría de las veces, la hipótesis comienza con una pregunta que luego se
explora a través de la investigación de antecedentes (revisión bibliográfica).
Es en este punto que los investigadores comienzan a desarrollar una hipótesis
comprobable.
Por ejemplo, en un estudio que explora los efectos de un medicamento en
particular, la hipótesis podría ser que el medicamento tenga algún tipo de efecto
sobre los síntomas de una enfermedad específica.
En psicología, la hipótesis podría centrarse en cómo un determinado aspecto del
entorno podría influir en un comportamiento particular.
A menos que esté diseñando un estudio de tipo exploratorio, la hipótesis siempre
debe explicar lo que se espera que suceda durante el curso del  experimento o
investigación.
Una hipótesis no tiene que ser correcta. Si bien la hipótesis predice lo que los
investigadores esperan descubrir, el objetivo de la investigación es determinar si
esta suposición es correcta o incorrecta.
Al realizar un experimento, los investigadores pueden explorar una serie de
factores para determinar cuáles podrían contribuir al resultado final.
En muchos casos, los investigadores pueden encontrar que los resultados de un
experimento no respaldan la hipótesis original.
Al redactar estos resultados, los investigadores podrían sugerir otras opciones que
deberían explorarse en estudios futuros.
Tipos de hipótesis en la investigación
Existen diversas formas de clasificar las hipótesis, aunque se reconocen cuatro
tipos principales:
1. Hipótesis de investigación
A lo largo de este artículo lo que se ha definido como hipótesis es en realidad la
hipótesis de investigación, la cual define como proposiciones tentativas sobre las
posibles relaciones entre dos o mas variables, también se le denominan “hipótesis
de trabajo” y a su vez se pueden clasificar como:
 Hipótesis descriptivas
 Hipótesis correlacionales
 Hipótesis causales (bivariadas y multivariadas)
 Hipótesis nula
La hipótesis nula establece que no hay relación entre las dos variables que
se estudian, en otras palabras, una variable no afecta a la otra.
Cuando la hipótesis nula se cumple se puede establecer que los resultados se
deben al azar y no son significativos en términos de no fundamenta la idea que
se está investigando.
La hipótesis nula es lo contrario de la hipótesis de investigación y sirve para refutar
o negar lo que esta afirma.

Ahora, regresando al ejemplo, ya tenemos el valor de t=6.297 y también el valor

crítico = 2.179. Ahora comparamos estos dos valores. Los criterios para saber si
se acepta o se rechaza la hipótesis nula son:
• • Si el valor de t es mayor o equivalente al valor crítico para el nivel de
significancia mostrado, entonces se rechaza la hipótesis nula y se acepta la
alterna.
• • Por el contrario, si el valor de t es menor al valor crítico para el nivel de
significancia mostrado, entonces se acepta la hipótesis nula y en consecuencia
se rechaza la hipótesis alterna.

La hipótesis nula establece que no hay relación entre las dos variables que se
estudian, en otras palabras, una variable no afecta a la otra.
Cuando la hipótesis nula se cumple se puede establecer que los resultados se
deben al azar y no son significativos en términos de no fundamenta la idea que se
está investigando.
Porque cuando la hipótesis nula se cumple se puede establecer que los resultados
la intervención enla variable ---no son significativos en términos de no fundamenta
la idea que se está investigando

2. Hipótesis alternativa
Este tipo hipótesis establece que existe una relación entre las dos variables que se
estudian, o sea, una variable tiene un efecto sobre la otra.
Establece que los resultados no se deben al azar y que son significativos en
términos de que apoyan la teoría que se está investigando.
La hipótesis alternativa como su nombre lo indica ofrece una opción distinta a la
que proponen la hipótesis de investigación y nula, por ejemplo, si la hipótesis de
investigación afirma: “la pelota es verde”, la hipótesis nula establece: “la pelota
no es verde”, la hipótesis alternativa plantea otra opción: “la pelota es roja”.
La hipótesis alternativa puede formularse solo cuando realmente existen
otras posibilidades diferentes además de las hipótesis de investigación y
nula, sino se cumple este requisito no se puede formular.
3. Hipótesis estadística
Son aquellas que son expresadas y puestas a prueba por medio de análisis y
ecuaciones de tipo matemático.
La gran ventaja de este tipo de hipótesis es que se pueden verificar
estadísticamente, lo cual implica el uso de técnicas cuantitativas para generar
datos estadísticos, las variables se trasforman en datos cuantificables que se
trataran matemáticamente.

Interpretación de la desviación estándar

La desviación típica como medida absoluta de dispersión, es la que mejor nos proporciona la
variación de los datos con respecto a la media aritmética, su valor se encuentra en relación directa
con la dispersión de los datos, a mayor dispersión de ellos, mayor desviación típica, y a menor
dispersión, menor desviación típica.

se puede afirmar que la diferencia en el número de surcos entre mellizos es

significativa y no debida al azar. El valor t 0.05, (12-1) = 2.20, se puede obtener
con la función DISTR.T.INV de Excel (Figura 1). La otra alternativa es hacer una
prueba de hipótesis. La hipótesis nula será H0:d - = 0 , la hipótesis alternativa es
HA:d - ≠ 0, el estadístico de prueba es t = d - -0 y la regla de decisión: si la
probabilidad del estadístico de prueba es inferior al 5% (0.05), se rechaza H0.

REFERENCIAS:

Andrews, B., y Wilding, J.M. (2004). The relation of depression and anxiety to life-stress and
achievement in students. British Journal of Psychology. 95(4). Recuperado de
https://pubmed.ncbi.nlm.nih.gov/15527535/

Apaza, C. M., Seminario, R. S., y Santa-Cruz, J. E. (2020) Factores psicosociales durante el

confinamiento por el Covid-19 – Perú. Revista Venezolana de Gerencia, 25 (90).
https://www.redalyc.org/journal/290/29063559022/29063559022.pdf

Dirección General de Comunicación Social (2019) De cada 100 mexicanos, 15 padecen Ddpresión.
Boletín UNAM-DGCS-455. Recuperado de
https://www.dgcs.unam.mx/boletin/bdboletin/2019_455.html

Sanz, J. y Navarro, M. E. (2003). Propiedades psicométricas de una versión española del Inventario
de ansiedad de Beck (BAI) en estudiantes universitarios. Ansiedad y Estrés, 9, 59-84.
Recuperado de
https://www.researchgate.net/publication/285908290_Propiedades_psicometricas_de_una
_version_espanola_del_Inventario_de_Ansiedad_de_Beck_BAI_en_estudiantes_universitari
os

Vásquez, C. y Ríos., J.R. (2009). Prevalencia de estrés, ansiedad y depresión en estudiantes de

postgrado. Revista Neurología, Neurocirugía y Psiquiatría. 42(1-4). Recuperado de
https://www.medigraphic.com/pdfs/revneuneupsi/nnp-2009/nnp091-4b.pdf