Introducción a la Estadística

Sesión 1 Semana 5:

Inferencia estadística. Hipótesis estadística y

contraste de hipótesis. Estadística
paramétrica, no paramétrica y robusta.
Magnitud del efecto.
Profesores:
Carlos Portocarrero, Johanna Kohler,
Mayte Casaño, Jhonatan Navarro, Juan Kaneko, Fernando
Mosquera, Sixto Salazar, Víctor Paliza y Ambrosio Tomás
2023-2
Facultad de Psicología

Introducción a la estadística

Sesión 1 - Semana 5

2023-2
 El estudiante conoce aspectos
LOGRO conceptuales sobre el contraste de
hipótesis estadística
Para iniciar la sesión de hoy hay que ver el siguiente video

Descargar video del siguiente link:

https://www.youtube.com/watch?v=9_IOs5MzI2g&t=80s
(Ver hasta el minuto 4:14)
Situación 1

¿qué podemos afirmar de la imagen?

Respuesta 1
Respuesta 2 Todas estas respuestas las podemos
Respuesta 3 conocer como HIPÓTESIS, las cuales
. necesitan ser contrastadas con la
realidad para saber si se aceptan o se
. rechazan
.
Respuesta n

Hipótesis: La maestra está molesta con el niño

porque no cumplió con sus actividades.
Situación 2

La maestra está Este evento da

molesta porque el evidencia que apoya
niño no cumplió con la hipótesis planteada
sus actividades
 Pero… ¿todas las
maestras de Lima se
molestan con sus alumnos
cuando no cumplen con
sus actividades?

INVESTIGACIÓN
CIENTÍFICA
¿Qué es la evidencia científica?

• Uso consciente, explícito y juicioso de datos válidos y disponibles

procedentes de la investigación científica (Sackett et al., 2016).

• Información de un artículo científico publicado en una revista de

revisión por pares, con calidad metodológica aceptable y que
aborda un problema específico (Hume et al., 2021).
Inferencia estadística
Conjunto de métodos estadísticos que permiten deducir cómo se
distribuye la población e inferir las relaciones entre variables a partir
de la información que proporciona la muestra recogida (Wassertheil-
Smoller, 2004).

Es el proceso de evaluar la fuerza de la evidencia sobre si un conjunto

de observaciones es consistente o no con un mecanismo hipotético
particular que podría haber producido esas observaciones (Harradine et
al., 2011, véase Makar & Rubin, 2018)

Sus objetivos son la estimación y el contraste de hipótesis (Seoane et

al., 2007)
 Población es un conjunto de casos,
definido, delimitado y accesible
Son importantes los (García-García et al., 2013)
criterios de inclusión
y exclusión

Procedimientos de selección
probabilísticos y no
probabilísticos (García-García
et al., 2013)
 Contraste de hipótesis
“Una hipótesis en el contexto de la estadística inferencial es una
proposición respecto a uno o varios parámetros y lo que el
investigador hace por medio de la prueba de hipótesis es determinar
si la hipótesis poblacional es congruente con los datos obtenidos en la
muestra” (Gordon, 2010, véase Hernández et al., 2014, p. 306).

JUEGA UN PAPEL FUNDAMENTAL EN EL AVANCE DE CUALQUIER

DISCIPLINA
 ¿Qué es una hipótesis estadística?
Es una conjetura o supuesto que el investigador plantea para un parámetro,
que puede o no ser verdadera, relativa a una o más poblaciones.
SE PLANTEAN ANTES DE HACER EL ANÁLISIS.

Media (de una variable)

Desviación estándar (de una variable)
Relación (entre variables)

Diferencia entre personas respecto a una variable

 En estadística, ¿Qué es una hipótesis?

Existen diferencias
H  M
Existe relación estadísticamente
estadísticamente  XY  0 significativa entre varones y
mujeres respecto a su
significativa entre la
autoestima general y la autoconcepto físico
propia valoración del cuerpo
físico

El promedio de la
autoestima general es
estadísticamente μ ≠ 15
diferente de 15

Existen diferencias estadísticamente

significativas entre estudiantes de
psicología, administración e ingeniería
respecto a la valoración de la competencia
intelectual

 ps  adm  ing
 En estadística, Hipótesis ALTERNA

Existe relación entre la
autoestima general y la  XY  0
propia valoración del
cuerpo físico
El intensidad de la
autoestima general
será mayor a 15
H  M
Existen diferencias
entre varones y
mujeres respecto a su
autoconcepto físico
Esta es la manera estadística de
simbolizar la hipótesis planteada por
el investigador (Hipótesis
alternativa)
μ ≠ 15

Existen diferencias entre estudiantes

de psicología, administración e
ingeniería respecto a la valoración de
la competencia intelectual
 ps  adm  ing
 En estadística, Hipótesis NULA vs ALTERNATIVA

H = M H  M

 XY = 0  XY  0

Esta es la manera estadística de

simbolizar la hipótesis CONTRARIA a
planteada por el investigador (Hipótesis
μ = 15 μ ≠ 15
nula)

 ps = adm = ing  ps  adm  ing El aspecto central de la estadística

inferencial es el rechazo de la
Hipótesis nula porque se asume
como cierta.
El contraste de hipótesis se realiza a través de los siguientes pasos:

1. Identificar la
2. Proporcionar la
afirmación que será 4. Seleccionar el nivel
forma simbólica de la 3. Identificar la Ho y H1
probada y expresarla en de significancia
afirmación
forma simbólica

6. Interpretar el 5. Identificar el
6. Tomar una decisión
estadístico de prueba estadístico de prueba
 ¿CUÁLES SON LOS CRITERIOS PARA
RECHAZAR O ACEPTAR UNA HÍPÓTESIS?

• Se establecen criterios cuantitativos para saber si aceptamos

o rechazamos una hipótesis.
• Recordar, que se hacen hipótesis SOBRE la población, pero
obteniendo información DE la muestra.
• Pero siempre hay un riesgo de equivocarnos al hacer esta
inferencia, y por lo tanto se debe establecer la probabilidad
de errar al aceptar o rechazar una hipótesis.
 ¿Cuál es ese criterio cuantitativo que lleva
a aceptar o rechazar la hipótesis?
Prueba de significancia de la hipótesis nula (PSHN)

Valor p

Probabilidad de obtener un resultado raro en la muestra actual

suponiendo que la Ho es correcta.

Es fijado a priori por el investigador

 p < 0.05 p < 0.01 p < 0.001 p < 0.000…

p < 0.05 = rechazar la Ho

Valores más usados en ciencias sociales
y de la salud
p > 0.05 = Aceptar la Ho

Un valor p < 0.05 significa que existe menos del 5% de probabilidad de que ese resultado
sea al azar y por lo tanto representa algo que ocurre en la población. Por el contrario, un
valor p > 0.05 indica que no existe la confianza necesaria para afirmar que los datos NO son
producto del azar (Molina, 2017), es decir, no representa algo que ocurre en la población.
Recordar:

1. Identificar la
2. Proporcionar la 4. Seleccionar el nivel
afirmación que será
forma simbólica de la 3. Identificar la Ho y H1 de significancia
probada y expresarla en
afirmación
forma simbólica

6. Interpretar el 5. Identificar el
6. Tomar una decisión
estadístico de prueba estadístico de prueba
1. Se desea saber si la edad promedio de ingreso a la universidad
es diferente entre varones y mujeres. Para esto se seleccionó
una muestra representativa de la población.

2. M varones ≠ M mujeres
3. Plantear las hipótesis:

Ho = La edad media de H1 = La edad media de ingreso

ingreso a la universidad en a la universidad es diferente
igual en varones y mujeres en varones y mujeres

M varones = M mujeres M varones ≠ M mujeres

4. Podemos utilizar la prueba t student (más adelante veremos esta prueba)

5. M varones = 19.5
M mujeres = 17.5
p < 0.05
 El valor p < 0.05 indica que los resultados
obtenidos no son debidos al azar, por el
contrario, reflejan algo que ocurre en la
población. Por lo tanto, hay evidencia para
indicar que se tiene que rechazar la Ho y que
existe diferencia entre la edad promedio de
ingreso a la universidad entre varones y
mujeres.
Según la hipótesis planteadas se eligirán los
estadísticos de prueba mas adecuados. Las
pruebas estadísticas se agrupan en dos grandes
grupos estadísticos paramétricos y no
paramétricos, cada uno tiene características
particulares
 ESTADISTICOS PARAMÉTRICOS Y NO
PARAMÉTRICOS
Los estadísticos paramétricas se basan en la media,
desviación estándar y requieren el cumplimiento de
ciertas condiciones como el de la distribución normal,
independencia de los datos, homocedasticidad o
varianzas iguales, entre otros, para su aplicación. Se
utilizan para el análisis de variables en escala de
medición de intervalo razón.
Se acompañan de los intervalos de confianza.
 ESTADISTICOS PARAMÉTRICOS Y NO
PARAMÉTRICOS

Los estadísticos no paramétricas no requieren de

ninguna distribución teórica. Se utilizan para el
análisis de variables en escala de medición
nominal u ordinal. Carecen de intervalos de
confianza.
 ESTADISTICOS PARAMÉTRICOS Y NO
PARAMÉTRICOS
CONDICIÓN PARAMÉTRICA NO PARAMÉTRICA
“t” Student para grupos
Para 2 grupos Independientes La “U” de Mann-Whitney
independientes
“t” Student para grupos Prueba de Rangos asignados
Para 2 grupos Dependientes
relacionados de Wilcoxon
Más de 2 F de análisis de varianza
Prueba “H” de Kruskal-Wallis
grupos independientes (ANOVA)
Más de 2 Grupos dependientes Análisis de varianza con
Prueba de Friedman
medidas repetidas (ANOVA MR)
Para analizar relación de 2 Prueba de Correlación
Prueba de Correlación PEARSON
variables de Spearman
Para analizar la relación de más
Prueba de Correlación Múltiple Prueba “W” de Kendall
de 2 variables
 Sin embargo, las condiciones para la
aplicación de las pruebas paramétricas no
siempre se cumplen, ante ello, surgen los
métodos robustos
 ESTADISTICA ROBUSTA

Los estadísticos robustos son menos potentes que los

paramétricos, no obstante, se muestran superiores a los no
paramétricos.
Su principal ventaja es que no se ven afectados por los
valores extremos (outliers) y no requieren de las condiciones
para la aplicación de las pruebas paramétricas.
Los métodos estadísticos permiten realizar inferencia sin
eliminar los datos “anómalos” y reduciendo su influencia.
Para la siguiente sesión:

Leer y realizar un análisis de lectura: When null hypothesis

significance testing is unsuitable for research: a reassessment
(Cuando la prueba de significación de hipótesis nula no es
adecuada para la investigación: una reevaluación).

Extraer las ideas principales en un PPT u organizador gráfico

para presentarlas en grupo la siguiente clase, se terminará de
desarrollar la siguiente clase.
¿alguna pregunta?
Referencias
Arias –Gómez, J., Villais-Keever, M. A., & Miranda, M. G. (2016). El protocolo de investigación III: la población de estudio. Revista Alergia México, 63(2), 201-226.
Blanco, C. (2016). Encuesta y Estadística. Métodos de investigación cuantitativa en ciencias sociales y comunicación. Editorial Brujas.
Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-2909.112.1.155
Coolican, H. (2009). Research Methods and Statistics in Psychology. Hooder Education.
García-García, J A., Reding-Bernal, A. R., & López-Alvarenga, J. C. (2013). Cálculo del tamaño del amuestra en investigación en educación Médica. Investigación en
Educación Médica, 2(8), 217-224.
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodología de la Investigación. McGraw-Hill.
Hume, K., Steinbrenner, J. R., Odom, S. L., Morin, K. L., Nowell, S. W., Tomaszewski, B., ... & Savage, M. N. (2021). Evidence-based practices for children, youth, and
young adults with autism: Third generation review. Journal of Autism and Developmental Disorders, 51(11), 4013-4032.
Makar, K., & Rubin, A. (2018). Learning about statistical inference. International handbook of research in statistics education, 261-294.
Molina, M. (2017). ¿Qué significa realmente el valor p? Pediatría Atención Primaria, 19(6), 377-381.
Ramalle-Gómara, E., & Andrés de Llano, JM (2003). Utilización de métodos robustos en la estadística inferencial. Atención primaria , 32 (3), 177–
182. https://www.elsevier.es/es-revista-atencion-primaria-27-articulo-utilizacion-metodos-robustos-estadistica-inferencial-13049898
Triola, M. F. (2018). Estadística. Pearson.
Torres, J. (2019). Estadística aplicada a ciencias de la salud. Dextra Editorial.
Sackett, D. L., Rosenberg, W. M., Gray, J. M., Haynes, R. B., & Richardson, W. S. (1996). Evidence based medicine: what it is and what it isn't. Bmj, 312(7023), 71-72.
Wassertheil-Smoller, S. (2004). Biostatistics and Epidemiology: A Primer for Health and Biomedical Professionals. New York.