Contraste de hipótesis

1. Actividades

Actividad 1. Analiza la naturaleza de las demostraciones matemáticas por inducción completa. ¿Se usa
un razonamiento inductivo o deductivo? Ponerlo de manifiesto mediante un ejemplo.

Actividad 2. Elaborar una lista de teorías científicas que han sido admitidas, antes de su demostración,
a partir de un razonamiento inductivo y por la fuerza de su evidencia. Busca algún ejemplo dentro de
teorías científicas que hayan sido admitida en un principio a partir de un razonamiento inductivo y
posteriormente se haya mostrado su invalidez.

Actividad 3. Describe las etapas que, a tu juicio, debe recoger una investigación empírica completa y
señala en cuáles de ellas sería necesaria la colaboración del estadístico.

Actividad 4. Analizas las definiciones del término “hipótesis” que puedes obtener en un texto de
estadística y en un libro de metodología de investigación. Compara con el significado de las hipótesis
en otras ramas de las matemáticas (por ejemplo la geometría). ¿Piensas que los alumnos pueden tener
confusión debido a estos usos diferenciados?

Actividad 5. Analiza en algún libro de introducción a la estadística en ciencias sociales el uso que se
hace del término "probabilidad" en el tema de inferencia. ¿Se hace referencia a las probabilidades de
hipótesis o se restringe este uso a los sucesos de experimentos aleatorios? ¿Piensas que en algunos
casos el lenguaje empleado puede inducir confusión?

Actividad 6. En el contexto del diagnóstico médico, a veces se dice "la probabilidad de que tengas esta
enfermedad" es x. Analiza el empleo del término probabilidad en esta frase. ¿Cuáles son los
experimentos y poblaciones implicados? Busca otros ejemplos similares en diferentes contextos
profesionales.

Actividad 7. ¿Equivale la obtención de un resultado estadísticamente significativo a la refutación

lógica de la hipótesis nula? ¿Por qué?

Actividad 8. ¿Por qué no son lógicamente equivalentes el rechazo y la aceptación de una hipótesis en
un contraste estadístico? ¿Cuáles son las conclusiones cuando se obtiene un resultado que no es
estadísticamente significativo?

Actividad 9. ¿De qué factores depende el que un resultado sea estadísticamente significativo? (Por
ejemplo, la diferencia entre las medias de dos grupos en una misma población).

Actividad 10. Supongamos que obtenemos que un coeficiente de correlación es significativo al nivel
p=0.001. ¿Quiere decir esto que hay una relación muy intensa entre las variables?

Actividad 11. Supongamos que, sobre una misma muestra de estudiantes estudiamos las calificaciones
en 10 asignaturas diferentes y nos interesa analizar cuáles de estas calificaciones difieren
significativamente. Si usamos el test T de diferencias de medias relacionadas, a un nivel de
significación del 0.01. ¿Cuántas diferencias habría que esperar resultasen significativas, simplemente
por las fluctuaciones del muestreo, en el caso de que no existiese ninguna diferencia real entre las
calificaciones? ¿Cómo podríamos solucionar este problema?

Actividad 12. Elaborar una lista de los conceptos claves que intervienen en un contraste de hipótesis
según el modelo de Fisher y según el modelo de Neynan-Pearson y detectar las diferencias entre
ambos.

Actividad 12.. Analizar el concepto de potencia de un contraste y su relación con las probabilidades de
error. ¿En qué momentos de la investigación debiera hacerse un análisis de la potencia del contraste?
Actividad 13. Analizar el uso que se hace del nivel de significación en algunas publicaciones sobre
resultados experimentales. ¿Es posible detectar algunos errores de aplicación de este concepto? ¿A qué
crees pueden ser debidos?

Actividad 14. ¿Qué tipos de errores piensas están asociados al establecer las hipótesis en un contraste?

2. Items de evaluación

Item 1: Un nivel de significación del 5% significa que, en promedio 5 de cada 100 veces que
rechacemos la hipótesis nula estaremos equivocados (verdadero /falso). Justifica tu respuesta.

Item 2: Un nivel de significación del 5% significa que, en promedio, 5 de cada 100 veces que la
hipótesis nula es cierta la rechazaremos (verdadero / falso). Justifica tu respuesta.

Item 3: Un contraste estadístico de hipótesis correctamente realizado establece la verdad de una

de las dos hipótesis nula o alternativa. Analiza este enunciado y razona si es verdadero o falso.

Item 4: El nivel de significación en un contraste de hipótesis no puede ser justificado dentro de

la estadística y es una elección de los estadísticos. Analiza este enunciado y razona si es verdadero o
falso.

Item 5. ¿Qué ocurre cuando pasamos de un nivel de significación de 0.01 a otro de 0.05?
a. Hay menos riesgo de error Tipo I
b. Hay más riesgo de error Tipo I
c: Hay menos riesgo de error Tipo II

Item 6. ¿Cuál de los tipos de error en un contraste está sujeto a control por parte del
investigador?

Item 7. ¿Cuál es la diferencia entre significación estadística y significación práctica?

Item 8. ¿Cuál de las siguientes no es una hipótesis nula legítima?

a. x= 10; b.  x= 3; c. 1= 2; d. x 1= 35

Item 9. En una encuesta electoral, se desea averiguar si hay más candidatos a favor de la política
económica del presidente que en contra de la misma. Si p representa la probabilidad asociada a los
habitantes que están de acuerdo con dicha política económica y q= 1-p. ¿Cuál de las siguientes
hipótesis elegirías como hipótesis nula:
a: p>q; b: P=q=1/2; c: q>p

Item 10. Supongamos que el nivel de significación  de un contraste es = 0.01. Esto significa
que:
a. Si la hipótesis nula es cierta, tendremos una probabilidad igual a 0.01 de rechazarla.
b. Si la hipótesis nula es falsa, tendremos una probabilidad igual a 0.01 de aceptarla.
c. Hay una probabilidad 0.01 de que nuestro resultado sea correcto.
d. Si hemos rechazado la hipótesis nula, tenemos una probabilidad de error de 0.01.

Item 11. Si tomamos como hipótesis nula Ho = 100 y en una muestra de 30 elementos se
obtuvo una media x 1= 100, ¿qué decisión debemos tomar?
a. Aceptar la hipótesis nula, sabiendo que hemos tomado la decisión correcta.
b. Aceptar la hipótesis nula, aunque no sabemos si hemos tomado la decisión correcta.
c. Rechazar la hipótesis nula, ya que hemos obtenido un suceso improbable.
d. Necesitamos más información, ya que no conocemos la desviación típica de la población.

Item 12. La probabilidad de cometer ambos errores de tipo I y II en un contraste de hipótesis es:
a. 1; b. cero; c:  +; d: el producto de  y , ya que son independientes.
 Item 13. Un test de una cola es apropiado si:
a. Se desea estar seguro que los resultados serán significativos.
b. Si hay una buena razón para especificar una hipótesis alternativa direccional.
c. Si se quiere ser conservador respecto al nivel de significación.
d. Si se conoce el resultado del experimento antes de hacer el test.

Item 14. ¿Es posible que una hipótesis nula pueda ser rechazada en un test de dos colas y la
misma hipótesis con el mismo valor del estadístico muestral pueda ser aceptado en un test de una
cola?

Item 15. ¿Qué se puede concluir si el resultado en un contraste de hipótesis es significativo?

Item 16. Si al nivel de significación 0.05 la hipótesis nula se acepta. ¿Qué puede decirse de la
probabilidad de error tipo II?

Item 17. Seleccione verdadero o falso para cada una de las siguientes afirmaciones sobre la
probabilidad de cometer un error de tipo II (es decir, ).
a. La probabilidad de que la prueba rechace la hipótesis nula cuando es verdadera.
b. La probabilidad de que la prueba detecte una diferencia cuando realmente exista.
c. La capacidad que tiene la prueba para probar que sus datos son significativos.
d. La probabilidad de aceptar la hipótesis nula cuando esta es falsa.
e. 1 menos la probabilidad de error tipo 1 ( es decir 1- ).

Item 18. ¿Por qué es importante definir la probabilidad de error tipo II, es decir , antes de
recoger los datos? (verdadero o falso):
a. Para estar seguros de que su investigación producirá resultados significativos.
b. Para hallar un tamaño de muestra apropiado.
c. Para ver si el tiempo y dinero que usted planea gastar en la investigación le alcanzan.
d. Para asegurar una cierta probabilidad de hallar resultados significativos, si estos existen en
realidad.

Item 19. Para disminuir la probabilidad  de cometer error tipo II usted debería:
a. Aumentar el tamaño de la muestra.
b. Aumentar el error 
c. Aumentar la varianza poblacional
d. Aumentar la diferencia entre  y 0.

Item 20. Conteste verdadero o falso sobre las siguientes afirmaciones respecto al valor p:
a. Para calcular el valor p se necesita una muestra tomada y conocer la hipótesis nula.
b. Un valor p informa de la probabilidad de obtener una estadística tan extrema como la que
obtuvimos, dado un valor concreto del parámetro de interés.
c. El valor p se obtiene de una distribución de referencia basada en la hipótesis nula.
d. El valor p representa una porción del área de la distribución de referencia basada en la
hipótesis nula.
e. Un valor p mide la fuerza de la evidencia en contra de una hipótesis.
f. Si p es pequeño puede ser que la hipótesis nula es falsa o que ocurrió un suceso improbable.
g. Valores pequeños de p apoyan el rechazo de la hipótesis nula y soportan la hipótesis
alternativa.
h. Si p es grande, la hipótesis nula aún podría ser falsa pero el tamaño de n puede ser
demasiado pequeño para rechazar la hipótesis nula.
i. Una muestra más grande con la misma media muestral da lugar a un menor valor de p.
j. Un valor p indica la posibilidad de que exista un efecto, pero no nos indica qué tan grande
es.
k. Muestras muy grandes pueden dar un valor p muy pequeño para un efecto que no tiene
importancia práctica.
l. Un valor pe es la probabilidad de que la hipótesis nula sea verdadera.
 m. Un valor p de 0.0001 frente a otro de 0.05 implica que el efecto probable en el primer caso
es mucho mayor que en el segundo.
n. Un valor p grande, como 0,30 significa que la hipótesis nula es verdadera.

3. Recursos en Internet

3.1. Potencia de un test:

http://www.stat.sc.edu/~ogden/javahtml/power/power.html

Se ilustran 3 principios fundamentales a

partir del test Z sobre la media de una
población. El planteamiento es el siguiente:

A partir de n observaciones diferentes

de una distribución normal de media

desconocida, pero varianza conocida, hay
que decidir si se acepta una hipótesis nula
H0:  =  0
o si se rechaza la hipótesis nula a favor de
alguna hipótesis alternativa.

En la mayoría de las aplicaciones hay tres alternativas de interés:

1. Ha:  > 0
2. Ha:  < 0
3. Ha:    0

Es decir el test de “cola superior”, “cola inferior” o “dos colas”. Para llevarlos a cabo se calcula el
estadístico:

Para rechazar la hipótesis, dependiendo del caso se deben cumplir las siguientes condiciones:

1. ;
2. ;
3. ,

donde representa el punto crítico para un valor  en la distribución normal tipificada. El

procedimiento de prueba se establece para dar a la hipótesis nula el “beneficio de la duda”, es decir,
aceptaremos la hipótesis nula a menos que haya una fuerte evidencia a favor de la alternativa. Si H o es
cierta, el estadístico Z sigue una distribución normal estándar, de modo que la probabilidad de
rechazar Ho en caso de ser cierta es igual a . Si la hipótesis cierta es Ha, el estadístico Z seguirá una
distribución normal con diferente media y la probabilidad de rechazar la hipótesis nula
(correctamente) será mayor que . Esta probabilidad se conoce como potencia del test y depende del
verdadero valor de 
Claramente un test tendrá más potencia para un valor extremo de  que para un  muy cercano a  0.

Para usar este applet, debes especificar el valor de la hipótesis nula  0, la media verdadera , el valor
de , y seleccionar la hipótesis alternativa adecuada. Se obtiene un gráfico. La curva negra representa
la distribución del estadístico de prueba cuando la hipótesis nula es cierta. La porción sombreada en
rojo es la probabilidad de ir más allá del punto de corte (Error Tipo I , o ). La curva azul representa
la distribución del estadístico de prueba para el valor particular de . El área sombreada en azul
representa la potencia del test para este valor .

3.2. Efecto de las diferencias entre grupos: http://www.ruf.rice.edu/~lane/stat_sim/group_diff.html

Cada persona que aspira a un trabajo recibe

una serie de tests y entrevistas y, a partir de
ellas, se le asigna un número de “
adecuación” al trabajo que predice su éxito
y se usa como criterio para seleccionar un
aspirante.

Hay aspirantes de dos grupos que se

representan por las distribuciones rojas y
azul. En cada grupo hay igual número de
aspirantes.

La media de la distribución azul es 50 y la

de la roja 60. las desviaciones típicas de las
dos distribuciones son iguales a 10.

Se contrata a los aspirantes con puntuación

igual o mayor que 50.

La gráfica muestra que entre las personas contratadas hay 1.773 de la distribución roja para cada
persona de la azul. La diferencia de grupos explica el 20% de la varianza.

La media de la distribución azul y las desviaciones típicas de las dos distribuciones son fijas. Se
puede cambiar la media de la distribución roja y el criterio para contratar las personas.

Esto permite simular situaciones como el sesgo debido al sexo en los contratos. Por ejemplo, lo que
ocurre si la media de los varones es 1 punto mayor que la de las hembras.

Otros recursos

Recursos para la enseñanza y evaluación: http://www.gen.umn.edu/faculty_staff/delmas/stat_tools/

Potencia de un test: http://www.stat.sc.edu/~ogden/javahtml/power/power.html