Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GUAYAQUIL
FACULTAD DE CIENCIAS
TAREA 6
Nombre: Daniela Irene Castro Loor
Fecha: 06/09/2022
Según las variables del estudio y los datos obtenidos de cada uno se plantean hipótesis
que pueden ser corroboradas mediante pruebas estadísticas. Los valores de p indican el
uso de pruebas de hipótesis en los parámetros de las poblaciones de interés. A partir de
los resultados de las muestras seleccionadas en un estudio, se derivan conclusiones para
las poblaciones de interés.
La estadística parte del supuesto de que la hipótesis nula (que niega lo esperado por el
investigador) es verdadera, evalúa en términos de probabilidad la validez del supuesto, a
la luz de la información contenida en la(s) muestra(s). Si la probabilidad de validez del
supuesto es muy pequeña, se concluye que la hipótesis nula es falsa (existe asociación),
y se acepta el enunciado establecido por la hipótesis alterna (la conclusión esperada); en
otro caso, no puede argumentarse la falsedad de la hipótesis nula y, por lo tanto, no se
rechaza.
Error tipo I: falso positivo. Consiste en rechazar una hipótesis nula a pesar de
que es verdadera, conocido como error alfa (α).
Error tipo II: falso negativo. Consiste en no rechazar una hipótesis nula aun
cuando es falsa, se le conoce como error beta (β).
Es preciso definir un umbral por debajo del cual se rechace la hipótesis nula. Este
umbral recibe el nombre de nivel de significación, y representa el máximo nivel en
términos de probabilidad que el investigador está dispuesto a cometer un falso positivo
(α). En la bibliografía científica los niveles de significación comúnmente utilizados son
0,10, 0,05 y 0,01. Para establecer una conclusión se compara el valor de p y el nivel de
significación alfa fijado antes.
El rechazo de la hipótesis nula depende del tamaño de la muestra: cuando es grande casi
siempre permitirán rechazar la hipótesis nula, mientras que cuando es pequeño,
difícilmente podrán concluir significación estadística.
Tamaño de la muestra
1. Los índices máximos aceptables de error tipo I y error tipo II. Entre menores
sean, mayor debe ser el tamaño de la muestra.
2. La diferencia mínima a detectar: a menor diferencia se requiere mayor número
de pruebas, lo que conlleva un mayor tamaño de la muestra.
3. La variabilidad de la variable de interés. Cuando la característica de interés en el
estudio es poco homogénea, es necesario un mayor tamaño de la muestra.