Teoría General de Hipótesis

Las hipótesis son las herramientas más poderosas para lograr conocimientos
en los que confiar. Son afirmaciones que pueden someterse a prueba y mostrarse
como soluciones probablemente ciertas o no, sin que las creencias o los valores
del investigador interfieran en el proceso de su comprobación.

La hipótesis es una explicación sugerida para un fenómeno observable.

También puede ser una predicción razonada de una posible correlación causal
existente entre varios fenómenos, una hipótesis es un posible resultado, que
puede ser comprobado y refutado. Se basa en sugerencias, posibilidades
proyecciones o predicciones. El resultado, sin embargo, es incierto.

Según Izcara (2014), las hipótesis son explicaciones tentativas de un

fenómeno investigado, formuladas a manera de proposiciones. Una hipótesis debe
desarrollarse con una mente abierta y dispuesta a aprender, pues de lo contrario
se estaría tratando de imponer ideas, lo cual es completamente erróneo. Una
hipótesis no necesariamente tiene que ser verdadera (Laudo, 2012).

La hipótesis tiene que formularse después de haber revisado la bibliografía

acerca del tema, pues debe basarse en los descubrimientos de investigaciones
previas. Puede o no ser cierta, el proceso de investigación dará o no la razón.

Aun cuando una hipótesis es errónea, no por eso se debe decir que fue una
pérdida de tiempo haber planteado dicha hipótesis o que fue completamente
infructífera, pues es gracias a la prueba de las hipótesis que se llega
progresivamente a la verdad respecto a algún fenómeno. Al confirmar que una
hipótesis es falsa, se hace una contribución al conocimiento y es un paso más que
permite ir escalando en la búsqueda de la verdad (San Martín, 2014).
 Van Dalen (1981) conduce a una definición en la que se establece que las
hipótesis son posibles soluciones del problema que se expresan como
generalizaciones o proposiciones. Se trata de enunciados que constan de
elementos expresados según un sistema ordenado de relaciones, que pretenden
describir o explicar condiciones o sucesos aún no confirmados por los hechos.

A esta definición, se debe agregar que la hipótesis es más que una suposición
o conjetura y que su formulación implica y exige constituirse como parte de un
sistema de conocimiento, al mismo tiempo que ayuda a la construcción de ese
sistema. nCualquier investigador está obligado a formular hipótesis dentro de su
investigación, que una vez contrastadas, comprobadas o refutadas
metodológicamente, le permitirán generar conocimiento científico.

Para que una hipótesis sea aceptada como científica, debe ser algo que
puede ser apoyado o refutado a través del levantamiento de información por
medio de técnicas de investigación metodológicamente validadas, y su posterior
análisis.

Es por ello que la hipótesis en su planteamiento debe de considerar reunir

ciertas cualidades mínimas, las cuales son: el tener una respuesta probable, tener
una claridad conceptual, haciendo referencia a lo empírico y al cuerpo teórico de la
investigación, además, debe poder operacionalizarse y categorizarse
metodológicamente.

La Hipótesis, de acuerdo con Yuni y Urbano (2014), tienen las siguientes

funciones:
 Son guías de la investigación: formularlas ayuda a saber lo que se está
tratando de buscar, de probar. Proporcionan orden y lógica al estudio.
 Favorecen la descripción y explicación: mediante las hipótesis, el
investigador anticipa cuáles son los elementos constitutivos del fenómeno
bajo estudio, lo que contribuye a describir sus atributos o variables a partir
 de los valores y cualidades que los mismos poseen. También las hipótesis
pueden establecer cómo se relacionan esos atributos, tarea que favorece la
explicación. Cada vez que una hipótesis en estado de prueba recibe
evidencia empírica a su favor o en su contra, nos informa algo acerca del
fenómeno. Si la evidencia es a su favor, la información sobre los fenómenos
se incrementa. Aún, si la evidencia es en contra, descubrimos algo acerca
del fenómeno que no sabíamos antes, con lo cual se expande el
conocimiento del objeto.
 Permiten la prueba de las teorías: las hipótesis teóricas no se ponen a
prueba directamente, sino a través de las consecuencias lógicas que se
deducen de ellas. Las hipótesis de trabajo son las que efectivamente se
ponen a prueba, ya que ellas son las que admiten los casos particulares.
Sin embargo, cuando se aporta evidencia a favor de una hipótesis, se está
fortaleciendo la base conceptual, por lo que la verdad de su proposición se
vuelve más segura.
 Ayudan a sugerir o generar teorías: algunas hipótesis no están asociadas
con teoría alguna, pero puede ocurrir que, como resultado de la prueba de
una hipótesis, se construya una teoría o se sienten las bases de ella.

De acuerdo con las funciones relacionadas por estos autores, se puede inferir
que buscan construir relaciones significativas entre fenómenos y variables,
apoyándose en el conjunto de conocimientos constituidos y sistematizados. Las
hipótesis desarrollan un papel fundamental en la solución de contradicciones que
surgen entre los nuevos hechos que se descubren y las viejas representaciones
teóricas.

Utilidad de las hipótesis

Moreno (2013) considera que la importancia de la hipótesis en una
investigación proviene del nexo entre la teoría y la realidad empírica, entre el
sistema formalizado y la investigación y que, en tal sentido, la hipótesis sirve para
orientar y delimitar una investigación, dándole una dirección definitiva a la
búsqueda de la solución de un problema.
En efecto, uno de los propósitos cumplidos por las hipótesis es servir de ideas
directrices a la investigación. En consecuencia, cuando se emplean para
diseñarlas se llaman con frecuencia hipótesis de trabajo, puesto que el
investigador puede formular diversas hipótesis para ser sometidas a prueba.
Explica que cuando la hipótesis de investigación ha sido bien elaborada, y en ella
se observa claramente la relación o vínculo entre dos o más variables.

Hipótesis conceptos básicos

El Diccionario de la lengua española señala: etimológicamente tiene su origen

en los términos griegos: "hipo" y "thesis'' que equivalen a: "lo que se supone".
Según esta noción, la hipótesis representa una gran generalidad y desde este
punto de vista, es un enunciado teórico supuesto, no verificado pero probable,
referente a variables o relación entre variables.

Se trata de una explicación probable que busca responder de manera

científica una pregunta de investigación. Por lo tanto, deberá corroborarse durante
la misma. En este sentido, una hipótesis tiene que ser una afirmación clara y
precisa.

La hipótesis es una proposición que aún no ha sido corroborada y a partir de

la cual se puede desarrollar una investigación. Es decir, una hipótesis es una
afirmación que puede o no ser cierta. Sin embargo, se formula en base a un
indicio o a una serie de hechos, a los cuales se puede añadir determinados
supuestos.

La hipótesis puede fundamentarse en la evidencia científica o un conjunto de

argumentos que cuenten con sustento. De otro modo, no tendría sentido iniciar un
trabajo de análisis al respecto.
 Cabe destacar que la hipótesis es un elemento esencial en el método
científico, pues se parte de una hipótesis para, a través de la experimentación,
comprobarla o refutarla.

Vale aclarar, sin embargo, que el uso de las hipótesis no solo se enmarca en
el contexto académico, sino en el ámbito cotidiano. Por ejemplo, si un grupo de
amigos queda para reunirse en una cafetería y uno está tardando en llegar, los
que ya se encuentran congregados podrían lanzar hipótesis de lo que podría
haber pasado (un accidente, tráfico vehicular inesperado, la persona decidió a
último minuto que no iba a asistir, etc.).

Tipo de Hipótesis

Los investigadores trabajan con muchos tipos de hipótesis, dependiendo de lo

que estén buscando hallar y de las variables que consideren, Incluso, dentro de
una misma investigación se usan diferentes tipos de hipótesis.
Los tipos de hipótesis son:
 Hipótesis descriptiva: tipo de hipótesis que describe la relación entre
variables.
 Hipótesis correlacional: tipo de hipótesis que indica el grado de
correlación entre las variables de estudio.
 Hipótesis causal: tipo de hipótesis que establece una relación de causa-
efecto.
 Hipótesis estadística: tipo de hipótesis que supone el valor de un
parámetro estadístico.

Las hipótesis descriptivas: son un tipo de hipótesis que describen la relación

entre las variables de estudio, pero no explican sus causas.
Por ejemplo, la hipótesis «El consumo de comida rápida ha aumentado un 15%
respecto al año anterior» es una hipótesis descriptiva porque simplemente
describe un fenómeno.
 Es decir, las hipótesis descriptivas son afirmaciones que se limitan a señalar
una característica de la población de estudio, pero no indican el motivo de dicha
característica. Las hipótesis descriptivas se utilizan en los estudios descriptivos.
Hipótesis correlacional: son aquellas hipótesis que indican una relación entre
dos o más variables, pero no indican qué variable es la causa de la otra. Es decir,
una hipótesis correlacional expresa simplemente que dos o más variables están
relacionadas.
Por ejemplo, la hipótesis «A mayor nota en matemáticas, mayor nota en
estadística» es una hipótesis correlacional, porque manifiesta que la nota de
matemáticas y la nota de estadística están relacionadas, pero no indica cuál es la
causa y cuál es la consecuencia.

Por lo tanto, en una hipótesis correlacional no importa el orden en el que se

coloquen las variables, ya que no se expresa una relación de causalidad.

Las hipótesis correlaciónales se pueden clasificar en tres subtipos:

 Hipótesis correlacionales positivas: cuando una variable aumenta, la otra
variable también aumenta.
 Hipótesis correlacionales negativas: cuando una variable disminuye, la
otra variable también disminuye.
 Hipótesis correlacionales mixtas: cuando una variable aumenta, la otra
variable disminuye.

Hipótesis causal o hipótesis de causalidad: son un tipo de hipótesis que

proponen una relación causal entre dos o más variables. Es decir, una hipótesis
causal intenta explicar una relación de causa-efecto entre dos o más variables.
Por ejemplo, la hipótesis «La emisión de CO 2 causa un aumento de la
temperatura de la Tierra» es una hipótesis causal (o hipótesis de causalidad),
porque se trata de una hipótesis que indica una causa y su consecuencia.
 Por lo tanto, las hipótesis causales no solo indican una relación entre las
variables, sino que además indican cuál de las variables es la causa y cuál de las
variables es la consecuencia.

Se distinguen dos subtipos de hipótesis causales:

 Hipótesis causales bivariadas: en este tipo de hipótesis causales solo

intervienen dos variables, una de ellas es la causa y la otra variable es la
consecuencia
 Hipótesis causales multivariadas: en este tipo de hipótesis causales
participan más de dos variables, de manera que una variable provoca un
cambio en dos o más variables o, por otro lado, alterar dos o más variables
modifica el valor de una variable concreta.

Hipótesis estadística

Una hipótesis estadística es una suposición sobre el valor de un parámetro

estadístico. Es decir, las hipótesis estadísticas son afirmaciones que se hacen
sobre las características de una población. En estadística, una hipótesis se
rechaza o se acepta llevando a cabo una prueba de hipótesis

Por ejemplo, la hipótesis «La longitud media de las piezas fabricadas por una
máquina es de 12 cm» es una hipótesis estadística porque hace una suposición
acerca del valor de un parámetro poblacional, en concreto, afirma que la media de
la longitud de la población de las piezas es de 12 cm.

Generalmente, las hipótesis estadísticas se plantean cuando se tiene la

sospecha de que el valor de algún parámetro de la población es diferente al que
se esperaba. Una vez formulada la hipótesis estadística, se realiza un estudio
estadístico para rechazar o aceptar dicha hipótesis.
Las hipótesis estadísticas se clasifican en dos tipos:
 Hipótesis nula: es la hipótesis estadística que sostiene que la suposición
inicial que se tiene respecto a un parámetro poblacional es falsa. Por lo
tanto, la hipótesis nula es aquella hipótesis que se pretende rechazar.
 Hipótesis alternativa: es la hipótesis estadística de la investigación que se
pretende probar que es cierta. Es decir, la hipótesis alternativa es una
suposición previa que tiene el investigador y para intentar demostrar que es
verdadera llevará a cabo la prueba de hipótesis.


Nivel de significación
El nivel de significación (o nivel de α) es un umbral que permite determinar si el
resultado de un estudio se puede considerar estadísticamente significativo
después de realizar las pruebas estadísticas planificadas. El nivel de significación
se suele establecer en un 5% (o 0,05), aunque se pueden usar otros niveles en
función del estudio. Esto representa la probabilidad de rechazar la hipótesis nula
cuando es verdadera. Por ejemplo, un nivel de significación de 0,05 indica un
riesgo del 5% de concluir que existe una diferencia entre los resultados del estudio
y la hipótesis nula cuando en realidad no hay ninguna diferencia.
En estadística, el nivel de significación se representa con el símbolo
griego α (alfa). Por eso también se conoce como nivel alfa.

El nivel de significación se debe especificar en el protocolo del ensayo como

parte de la sección de estadística. La probabilidad de que un resultado se deba al
azar en lugar de a un fármaco u otra intervención investigados, si la hipótesis nula
es verdadera (es decir, si en realidad no hay ninguna diferencia real), se llama
«valor p». Un resultado es estadísticamente significativo si se corresponde con un
valor p igual o inferior al nivel de significación y, por tanto, no se considera una
casualidad. Esto se suele expresar como p ≤ 0,05.

Por ejemplo, si el nivel de significación es α=0,05, significa que la probabilidad

de rechazar una hipótesis cuando es cierta es del 5%. En otras palabras, la
probabilidad de hacer la estimación de un parámetro estadístico y equivocarnos
con un error mayor al margen de error es del 5%.

Por lo tanto, el nivel de significación marca el límite para determinar si un

resultado es estadísticamente significativo o no, de manera que si el p-valor es
menor que el nivel de significación, el resultado se considera estadísticamente
significativo.
Tabla de niveles de significación
Una vez hemos visto la definición de nivel de significación, a continuación se
muestra una tabla con los valores de los niveles de significación más habituales.

Nivel de confianza (1-α) Nivel de significación (α) Valor crítico (Z α/2)

0,80 0,20 1,282

0,85 0,15 1,440

0,90 0,10 1,645

0,95 0,05 1,960

0,99 0,01 2,576

0,995 0,005 2,807

0,999 0,001 3,291

Esta tabla te resultará muy útil para calcular los límites de un intervalo de
confianza.

Como se puede apreciar en la tabla, al aumentar el nivel de confianza se

disminuye el nivel de significación, lo que provoca un riesgo menor en cometer un
error al aceptar una hipótesis y, por otro lado, una menor precisión en la
estimación de un parámetro estadístico. En general, se suele utilizar un nivel de
significación del 5% (α=0,05)
Estadístico de prueba
Un estadístico de prueba es una variable aleatoria que se calcula a partir de
datos de muestra y se utiliza en una prueba de hipótesis. Puede utilizar los
estadísticos de prueba para determinar si puede rechazar la hipótesis nula. El
estadístico de prueba compara sus datos con lo que se espera bajo la hipótesis
nula. El estadístico de prueba se utiliza para calcular el valor p.

Un estadístico de prueba mide el grado de concordancia entre una muestra de

datos y la hipótesis nula. Su valor observado cambia aleatoriamente de una
muestra aleatoria a una muestra diferente, contiene información acerca de los
datos que es relevante para decidir si se puede rechazar la hipótesis nula. La
distribución del muestreo del estadístico de prueba bajo la hipótesis nula se
denomina distribución nula.

Cuando los datos muestran evidencia clara en contra de los supuestos de la

hipótesis nula, la magnitud del estadístico de prueba se vuelve demasiado grande
o demasiado pequeña dependiendo de la hipótesis alternativa. Esto hace que el
valor p de la prueba se vuelva lo suficientemente pequeño como para rechazar la
hipótesis nula.

Por ejemplo, el estadístico de prueba para una prueba Z es el estadístico Z, que

sigue la distribución normal estándar bajo la hipótesis nula. Supongamos que
usted realiza una prueba Z de dos colas con un nivel de significancia (α) de 0.05 y
un obtiene un estadístico Z (también denominado valor Z) de 2.5 basado en sus
datos. Este valor Z corresponde a un valor p de 0.0124. Puesto que este valor p es
menor que α, usted declara significancia estadística y rechaza la hipótesis nula.
 Las diferentes pruebas de hipótesis utilizan diferentes estadísticos de prueba
según el modelo de probabilidad asumido en la hipótesis nula. Las pruebas
comunes y sus respectivos estadísticos de prueba incluyen:

Prueba de hipótesis Estadístico de prueba

Prueba Z Estadístico Z

Pruebas t Estadístico t

ANOVA Estadístico F

Pruebas de chi-cuadrada Estadístico de chi-cuadrada

Valores Críticos de Z

El valor crítico es el punto en la distribución del estadístico de prueba que

separa la región de rechazo de la hipótesis nula de su región de aceptación. Es
decir, el valor crítico es aquel valor de la distribución de la prueba estadística que
marca el límite de la región de rechazo (o región crítica).

El valor Z es un estadístico de prueba para las pruebas Z que mide la

diferencia entre un estadístico observado y su parámetro hipotético de población
en unidades de la desviación estándar. Por ejemplo, un conjunto de moldes de
fábrica tiene una profundidad media de 10 cm y una desviación estándar de 1 cm.
Un molde con una profundidad de 12 cm tiene un valor Z de 2, porque su
profundidad es dos desviaciones estándar mayor que la media. La línea vertical
representa esta observación y su ubicación con respecto a toda la población:

La conversión de una observación a un valor Z se denomina estandarización.

Para estandarizar una observación de una población, reste la media de población
a la observación de interés y divida el resultado entre la desviación estándar de la
población. El resultado de estos cálculos es el valor Z asociado con la observación
de interés.

Puede utilizar el valor Z para determinar si puede rechazar la hipótesis nula.

Para determinar si puede rechazar la hipótesis nula, compare el valor Z con su
valor crítico, que se puede encontrar en una tabla normal estándar en la mayoría
de los libros de estadística. El valor crítico es Z1-α/2 para una prueba bilateral y
Z1-α para una prueba unilateral. Si el valor absoluto del valor Z es mayor que el
valor crítico, usted rechaza la hipótesis nula. De lo contrario, no puede rechazar la
hipótesis nula.

Por ejemplo, usted desea saber si un segundo grupo de moldes también tiene
una profundidad media de 10 cm. Usted mide la profundidad de cada molde en el
segundo grupo y calcula la profundidad media del grupo. Una prueba Z de 1
muestra calcula un valor Z de −1.03. Usted elige un nivel de significancia (α) de
0.05, lo que da como resultado un valor crítico de 1.96. Puesto que el valor
absoluto del valor Z es menor que 1.96, usted no puede rechazar la hipótesis nula
y no puede concluir que la profundidad media de los moldes es diferente de 10
cm.

Campana de Gauss

La noción de campana de Gauss alude a la representación gráfica de una

distribución estadística vinculada a una variable. Dicha representación tiene la
forma de una campana. La campana de Gauss grafica una función gaussiana, que
es una clase de función matemática. Esta campana muestra cómo se distribuye
la probabilidad de una variable continua.

Las funciones matemáticas

 El concepto de función matemática se puede definir como la relación entre
dos cantidades o magnitudes tal que una dependa del valor de la otra. Cada una
de ellas debe pertenecer a un conjunto diferente: uno se conoce con el nombre
de dominio, y el otro se llama codominio; a cada elemento del primero le
corresponde solamente uno del otro.

Podemos entender las funciones matemáticas con un simple ejemplo: la

duración de un viaje entre dos puntos geográficos depende de la velocidad a la
que se desplace el cuerpo, la cual deberá incluirse en una ecuación junto con la
distancia. En este caso particular, la velocidad y la duración varían de forma
inversamente proporcional: cuanto mayor sea una, menor será la otra.

La campana de Gauss y las variables continúas

Otro de los conceptos que aparece en el contexto de la campana de Gauss

es la variable continua. Para explicarlo es necesario comenzar definiendo variable
discreta, que es aquélla que no acepta un valor «intermedio» entre los expuestos
en un conjunto dado, sino solamente los que se observan en él; por ejemplo, si
deseamos contar el número de personas que hay en una habitación, el resultado
siempre será entero (como ser, 3 o 4, pero nunca 3.2).

La noción de variable continua, por otro lado, sí acepta estos valores, y por
eso su aplicación es muy diferente. Por ejemplo, la medición de la estatura de un
ser humano arroja una variable de este tipo, y la precisión del resultado depende
siempre del instrumento utilizado, razón por la cual debemos contemplar un cierto
margen de error.

La distribución de los valores

En la campana de Gauss se puede reconocer una zona media (cóncava y

con el valor medio de la función en su centro) y dos extremos (convexos y con
tendencia a acercarse al eje X). Esta distribución evidencia cómo se comportan los
valores de variables cuyos cambios obedecen a fenómenos aleatorios. Los valores
más comunes aparecen en el centro de la campana y los menos frecuentes, en los
extremos.

Con la campana de Gauss se puede analizar, por ejemplo, el ingreso

promedio de la población económicamente activa de una región X. Si bien hay
personas que en dicho territorio ganan 10 dólares por mes y otras que reciben
más de 1 000 000, la mayoría de los individuos obtienen entre 5 000 y 10 000
dólares. Esos valores se concentrarán en el centro de la campana de Gauss.

Otro nombre por el cual se conoce la campana de Gauss es distribución

normal.

Una de las razones de su importancia es que se relaciona con un método de

estimación muy significativo denominado mínimos cuadrados, usado durante
mucho tiempo para optimizar una serie de pares ordenados para hallar una
función continua que más se aproxime a ellos; en términos más sencillos, dado un
conjunto de datos, esta técnica busca «ajustarlos» a una línea «limpia»,
aceptando un cierto margen de error.

En un estudio de investigación, el error de tipo I, también denominado error de tipo alfa (α)
o falso positivo, es el error que se comete cuando el investigador rechaza la hipótesis
nula (H: el supuesto inicial) siendo esta verdadera en la población. Es equivalente a encontrar
un resultado falso positivo, porque el investigador llega a la conclusión de que existe una
diferencia entre las hipótesis cuando en realidad no existe. Se relaciona con el nivel
de significancia estadística.
 Representación de los valores posibles de la
probabilidad de un error tipo II (rojo) en el ejemplo de un test de significancia
estadística para el parámetro μ. El error tipo II depende del parámetro μ. Cuanto más cerca
se encuentre este del valor supuesto bajo la hipótesis nula, mayor es la probabilidad de
ocurrencia del error tipo II. Debido a que el verdadero valor de μ es desconocido al hacer la
presunción de la hipótesis alternativa, la probabilidad del error tipo II, en contraste con el
error tipo I (azul), no se puede calcular.
La hipótesis de la que se parte aquí es el supuesto de que la situación experimental
presentaría un «estado normal». Si no se advierte este «estado normal», aunque en realidad
existe, se trata de un error estadístico tipo I. Algunos ejemplos para el error tipo I serían:

 Se considera que el paciente está enfermo, a pesar de que en realidad está sano;
hipótesis nula: El paciente está sano.
 Se declara culpable al acusado, a pesar de que en realidad es inocente; hipótesis nula: El
acusado es inocente.
 No se permite el ingreso de una persona, a pesar de que tiene derecho a ingresar;
hipótesis nula: La persona tiene derecho a ingresar.

LÓPEZ CANO JOSÉ LUIS, MÉTODOS E HIPÓTESIS CIENTÍFICOS, EDITORIAL. TRILLAS, MÉXICO, SEXTA
REIMPRESIÓN, 1999
Campos, G. (2014). La estadística básica en la investigación social. México: Plaza y
Valdés. [ Links ]

Castillo Bautista, R. (2009). La hipótesis en investigación. Contribuciones a las

Ciencias Sociales. Recuperado a partir
de http://www.eumed.net/rev/cccss/04/rcb2.htm [ Links ]

Fernández Prados, J. (2012). Ciberactivismo: conceptualización, hipótesis y

medida. Arbor, 188 (756). http://dx.doi.org/10.3989/arbor.2012.756n4001 [ Links ]
Moreno Galindo, E. (2013). Importancia de hipótesis en una investigación. Recuperado
a partir de http://tesis-investigacion-cientifica.blogspot.com/2013/08/importancia-de-
hipotesis-en-una.html [ Links ]

Hipótesis - Qué es, definición y concepto | 2023 | Economipedia

Copyright © 2023 Probabilidad y Estadística

Conclusión

La hipótesis son los aportes más importantes para el avance del conocimiento, que
suelen ser sometidos a pruebas. instrumentos muy poderosos para el avance del
conocimiento pues, aunque sean formuladas por el hombre, pueden ser sometidas a
prueba y demostrarse como probablemente correctas o incorrectas sin que interfieran
los valores y las creencias del individuo. Dan solución a los diversos problemas
fácticos, en tanto significan instrumentos teóricos y metodológicos que guían y
orientan al investigador en las etapas de proceso de investigación.