ae i inoj
(1) DOCIMASIA DE HIPOTESIS Li Cc. e inal os a!
Hipstesis se define como una afirmacién 0 suposicién que esta sujeta a verificacion o co
__ hecho establecido).
Por ejemplo:
1.- Un investigador puede proponer la hipotesis de que para ensefiar biologia ¢l método A es superior al
método B.
Las hipétesis establecidas en esta forma proporcionan, con frecuencia, motives para realizar una
investigacién, la que puede basarse en la experiencia y la observacién, en la experimentacién 0 en la
m,
intuicién, y se denominan Hipétesis de Investiga
Generalmente hay que volver a plantear las hipétesis de investigacién antes de verificarlas estadisticamente.
Cuando ya se han planteado en forma conveniente de tal forma que se puedan comprobar, por medio de los
métodos estadisticos, las hipétesis se llaman: Hip6tesis Estadisticas,
Las Hipétesis Estadisticas son afirmaciones sobre uno 0 més parémetros de una o mis poblaciones.
ae
‘ HIPOTESIS. NUL
HIPOTESIS ESTADISTICAS ruta (Ff)
HIPOTESIS ALTERNA (H])
Hy &s la hipdtesis que se debe comprobar, es una afirmacién en la que se dice que no hay ninguna
diferencia entre dos poblaciones, entre dos parametros poblacionales o entre el valor verdadero de algin
parémetro y su valor hipotético.
Para verificar una hipétesis examinamos los datos de la muestra tomada de la poblacién pertinente Y
determinamos si son 0 no compatibles con la hipétesis nula,
Si Jos datos de la muestra no son compatibles con FJ, => F{, se rechaza.
Si los datos de Ja muestra son compatibles con. FJ, => FJ, nose rechaza.
Si JJ, no se rechaza, decimos que los datos particulares de la muestra no dan suficiente evidencia como
ppara que concluyamos que JY, ¢s falsa. Si F{, se rechaza, decimos que los datos particulares de 1a
muestra sf dan suficiente evidencia como para hacernos concluir que la hipétesis nula es falsa y que la
hip6tesis alterna es verdadera,
s hipétesis del ejemplo anterior seria:
Hy = He
>f, Elmétodo Ada un puntaje promedio mayor que el método B,
‘ ‘Li Gomal A, Hinojosa Maria
ECONOMISTA
CEO- FCO -281
Escaneado con CamScannerPROCEDIMIENTO
(1) Planteamiento de las hip6tesis ath tee
Generalmente queremos obtener una conclusién rechazando 1,, es decir preferimos que los-datas.de
nuestra muestra apoyen a H;. En consecuencia, al determinar lo que debe ser la hipétesis alterna,
debemos preguntamos jqué deseo coneluir? 0 zqué creo que es verdadero? La respuesta a estas
preguntas constituye Ia expresién de #7, Fl planteamiento complementario de Z, sive de Hy.
(2) Seleceién del nivel de significacién
De los resultados que se obtienen en el anilisis de los datos de la muestra, rechazamos no Ja hipétesis
ula,
DECISION ESTADISTICA CERTEZA DE. A,
Verdadera Falsa
Rechazo de H, Error Tipo I Decisién correcta
Noein es ir, Decisién Correcta Error Tipo Il
a= P(cometer Error Tipo 1)= P(Rechazo de H,/H, es verdadero)
B=P(cometer Error Tipo II)= P(Aceptacién de H,/ Hy es. falsa)
Para la verificacién de una hipétesis determinada prefeririamos que alfa y beta fueran pequefios. En
Virtud de la relacién entre estas dos probabilidades, enconitramos que, para un tamafio de muestra dado,
una disminucién de a = aumento de 8 y viceversa. Siendo esto asf, parece prudente que, en una
situacién determinada, tratemos de minimizar la probabilidad de cometer el error més serio.
Desafortunadamente en muchas areas de investigaci6n, es dificil o imposible evaluar los dos tipos de
error en cuanto a la seriedad de cada uno de ellos. Entonces lo que se hace es seleccionar algiin valor
pequefio para @ digamos 0,05 6 0,01 , el que se denomina nivel de significacién.
Cuando se escoge un nivel de significacién iguala @ y se rechaza H, decimos que los resultados de
Ja muestra son significativos.
(8) Deseripeién de la poblacional que interesa y planteamiento de las suposiciones necesarias.
Los procedimientos para la verificacién de hipdtesis dependen de las caracteristicas de la distribucién
muestral (que est implicita) las que dependen en parte de la naturaleza de la poblacién muestreada. Por
esta raz6n, debemos investigar la naturaleza de la poblacién muestreada para justificar la seleccién del
procedimiento.
Generalmente nos interesamos en conocer el tamafio aproximado de la poblacién y en saber si se puede
considerar distribuida aproximadamente normal. También deseamos establecer el hecho de que sea
razonable suponer que la muestra tomada constituye una m.a.s. de la poblacién de interés,
(4) Especificacién del estadistico de prueba y consideracién de su distribueién
Un estadistico de prueba es una cantidad numérica que se calcula a partir de los datos de una muestra y
que se utiliza para tomar la decisién de rechazar 0 no una hip6tesis nula,
nes de las regiones de rechazo y aceptacion
i6ni de rechazo: consta de todos aquellos valores del estadistico de prueba que son de tal magnitud
lor observado del estadistico de prueba igual a uno de ellos, Ia hipdtesis nula se rechaza,
Escaneado con CamScannerPor ejemplo
Con el propésito de verificar una hipdtesis sobre una media Poblacional
poblacién normalmente distribuida con varianza conocida, 8 extrae una muestra de una
‘Reon teaching Retlon ad acentdston
[Hah RA
VBA oy OS
yee
wee
p>
Vator ciftics * Vator eritieo:
bea locas |
Ur valor calculado de zeta es significativo si nos lleva a rechazar una hipétesis nula.
Llamamos valores criticos de un estadistico de prueba a aquellos valores que separan una regién de rechazo
de una region de aceptacién.
Un valor " p" es el valor mas pequefio de ccon el que se puede rechazar la hipétesis nula.
Escaneado con CamScanner4
) Recoleccién de datos y célculo de los estadisticos necesarios
Los datos que se necesitan para verificar las hipdtesis fo i
" mud ne
necesarias de la prueba, se deben recolectar en una forma ndecunda, Una vet soe an sop, calcula
cl estadistico apropiado y el estadistico de prucha, ested
(7) Decisiin estadistica
Se compara el valor real calculado del estadistico de prueba con el valor eritico de éste, Si el valor calculado
esté en la regién de rechazo, entonces se rechaza Hy; de lo contraio, no se rechaya
(8) Conelusién
La decision se expresa en funcién del estadistico de prueba, y la conclusién, en funcién del pardmetro o la
poblacién a que se refiere la prueba. :
EJEMPLO 1
En una reunién informativa, el gerente de un hotel “Concepeién”, indicé que el mimero promedio de
habitaciones arrendadas por noche es mayor que 212. Uno de los funcionarios considera que esta cifra
Puede estar algo sobreestimada. Una muestra de 150 noches produce uria media de 222,7 habitaciones y una
Gesviacién estindar de 45,5 habitaciones. Si estos resultados sugieren que el gerente ha “inflado” su
informacién, serd amonestado severamente. {Cudl es el destino del gerente?
(1) Planteamiento de Ia hipétesis
Hy: eS212
Hy:u>212
(2) Seleccién del nivel de significacion
@=0,05
3) Deseripeién de la poblacional que interesa y planteamiento de las suposiciones necesarias
X =mimero de habitaciones arrendadas por noche
X-2 pero n=150230
(A) Especificacion del estadistico de prueba y consideracion de su distribucién
Xa Hy
a. ~ N(01)
Escaneado con CamScanner(8) Especificaciones de las regiones de rechazo y aceptacién
Vale too
| Meal eéstsion |. cpesitn de recat
RC ={z/z>1,645} RC = REGION CRITICA 0 REGIONDRECHAZO
(6 Recoleccién de datos y calculo de los estadisticos necesarios
dy _ 222,7-212
455
150
= 2,88
(7) Decision estadistica
Z, =2,88¢ RC = RECHAZAMOS x,
(8) Conclusion
El mimero promedio de habitaciones arrendadas por noche es mayor que 212 eon p = 0,002
Parece que el gerente no se ha excedido al estimar su tasa de ocupacién y aparentemente no recibiré una
reprimenda.
Escaneado con CamScannerpJEMPLO 2
superiores em
un especialista en lectura cree que los estudiantes de clas
t s i¢S No programadas obti i
re de compres de esta gue os etudlantes de cae programadss, El penaje medio obtenid0,
Er resin de Tectura por los estudiantes de clases programad
: programadas que entraron a cu!
durante to a ea anteriores fue de 4,25; un grupo de 81 estudiantes que ‘aie clases no program:
dara 3 primers aiios,cbtuvo um puntaje en fa prucba de comprension de leetura de 5,30; con Wik
desviain tiea de 18. ¢ Poporcioian esos datos evideneia sfcene como para apy a hipsesis
vuntaje de prueba de comprensidn de lectura de estudiante de clase no programada
Hy: us 4,25
Hy: >4,25
@=0,05
X~2 pero n=812>30
Metiin derechar9
Rapién de scaptacién
RC ={z/z >1,645}
Z, =5,25€ RC = RECHAZAMOS 11,
El puntaje promedio obtenido por los estudiantes de clases no programadas es mayor que 4,25 con p
aproximadamente 0. Por lo tanto estos datos apoyan al especialista.
a
Escaneado con CamScannera
f i
jyemPLO 3
lev a cabo una encuesta entre los ancianos de una comunidad para comparar los niveles de amor
propio ente 10s que vivian y los que no vivian en asilos (Solos con parintes). Se led a cada uno una
prueba para medir su amor propio. Se obtuvieron los siguientes resultados;
n_| Puntaje promedio | Varianza de la Muestra
65 100.
88 90.
Personas que viven enasilos | 50
Personas que no viven en asilos | 30
{Proporcionarén estos datos evidencia suficiente como para deducir que los ancianos que no viven en los
asilos tienen un puntaje promedio superior de amor propio a los que viven.en asilos?
puntaje de prueba que mide el amor propio de persona que vive en asilo
puntaje de prueba que mide el amor propio de persona que no vive en asilo
@=0,05
X-2 pero, =50230
Repita de rechaso ezlbn’ 4@weentation
RC = {2/2 <-1,645}
(%—%)- (4-2) _ (65-88)=0) _ 19,285
Co a
an 50 30
Z, =-10,285€ RC => RECHAZAMOS H,
as personas que no viven en los asilos tienen puntaje promedio superior de amor propio a los que viven en
asilos.
Escaneado con CamScanner