Lógica central de la prueba de hipótesis

 La prueba de hipótesis es un procedimiento

sistemático para determinar si los resultados de un
experimento a través del cual se analiza una
muestra, sustentan una teoría o innovación
práctica determinada que se aplica a una
población.
 La prueba de hipótesis involucra un grupo de
ideas que, contempladas separadamente, no tienen
mucho sentido.
 Existe un método estándar para encarar un
problema de prueba de hipótesis.
 Uno de los fundamentos de este método es que
podemos determinar directamente la probabilidad
de obtener un resultado experimental determinado
sí la situación de que no se produzca diferencia es
verdadera.
EJEMPLO DE PRUEBA DE HIPOTESIS

Durante varios años se ha desarrollado un gran proyecto de investigación. En el contexto del proyecto, se ha
administrado a bebés recién nacidos una vitamina especial, y luego se ha controlado su desarrollo durante los
primeros dos años de vida. Hasta ahora, la vitamina no ha acelerado el desarrollo de los bebés
EJEMPLO DE PRUEBA DE HIPOTESIS

Durante varios años se ha desarrollado un gran

proyecto de investigación. En el contexto del
proyecto, se ha administrado a bebés recién nacidos
una vitamina especial, y luego se ha controlado su
desarrollo durante los primeros dos años de vida.
Hasta ahora, la vitamina no ha acelerado el
desarrollo de los bebés. La distribución de la edad
en la que éstos y todos los bebés comienzan a
caminar está representada por la figura 6-1. En ella
observamos que la media es 14 meses, el desvío
estándar es de 3 meses, y las edades siguen una
curva normal
Mirando la curva podemos observar que menos del
2% de los bebés comienzan a caminar antes de los 8
meses de edad (estos bebés se encuentran 2 desvíos
estándar por debajo de la media de edad para
comenzar a caminar).
(La distribución qué analizamos, si bien es ficticia, en
realidad es bastante similar a la distribución que los
psicólogos han probado en el caso de bebés europeos,
aunque esa distribución real es levemente asimétrica
hacia la derecha
Uno de los investigadores del proyecto ha tenido una idea. Sobre la base de algunas nuevas teorías, razona que si la
vitamina que toman los bebés estuviera más refinada, su efecto podría ser notablemente mayor, y que los bebés que
tomaran la versión con alto grado de refinamiento deberían comenzar a caminar mucho antes que los otros bebés.
(Supondremos que el proceso de purificación no podía de ningún modo hacer que la vitamina fuera dañina para los
bebés). Sin embargo, refinar la vitamina de este modo eleva en gran medida el costo 'de cada dosis; por lo tanto, el
equipo de investigación decide probar el procedimiento con dosis suficientes para un sólo bebé. Entonces, se
selecciona al azar un bebé del proyecto para suministrarle la versión altamente refinada de la vitamina, y se realiza un
seguimiento de su progreso junto con el de todos los otros bebés de mismo proyecto. ¿Qué tipo de resultado llevaría a
los investigadores a sacar la conclusión de que la vitamina altamente purificada hace que los bebés caminen a más
temprana edad? Lo que acabamos de describir es el ejemplo de un problema que se resuelve a través de la prueba de
hipótesis. Los investigadores pretenden sacar una conclusión acerca de si la vitamina purificada hace que los bebés en
general caminen antes de lo esperado. La conclusión referida a los bebés en general, sin embargo, se basará en los
resultados obtenidos, estudiando sólo una muestra. (En este extraño ejemplo, la muestra es un sólo bebé).
EL PROCESO DE LA PRUEBA DE
HIPÓTESIS

Volveremos a analizar la solución del problema de prueba de hipótesis que utilizamos como ejemplo estudiando
cada paso con mayor detalle, así como también algunos de los términos especiales que se han utilizado. Al
hacerlo, presentaremos un procedimiento de cinco pasos que se utilizará en el resto del libro.
Pasos de la prueba de hipótesis

1. Replantear el problema sobre las poblaciones en función de la investigación y de la hipótesis nula

Primero, tengamos en cuenta que los investigadores están interesados en los efectos provocados en los bebés en
general (no sólo en el bebé en particular que ellos estudian). Por lo tanto, será útil volver a plantear el problema
en función de poblaciones. Con el propósito de analizar esta situación, podemos decir que los bebés se dividen
en dos grupos:
 Población 1: bebés que toman la vitamina especialmente purificada.
 Población 2: bebés que no toman la vitamina especialmente purificada.
 La población 1 se refiere a aquellos que reciben el tratamiento experimental
 La población 2 representa una especie de línea de base de lo conocido. O sea de la edad promedio en que
comienzan a caminar los bebes de la población en general.
La población 1 se refiere a aquellos que reciben el tratamiento experimental. En nuestro
ejemplo, existe sólo un caso real de población 1. Sin embargo, ese único bebé representa un futuro grupo de
muchos bebés que aún no han nacido, y a quienes los investigadores pretenden aplicar sus resultados.
La población 2 representa una especie de línea de base de lo conocido.
La predicción del investigador está basada en una teoría acerca de cómo funcionan las vitaminas de este tipo. La
predicción es que los bebés de la población 1 (aquellos que toman la vitamina especialmente purificada) en
general caminarán antes que los de la población 2 (aquellos que no toman la vitamina especialmente purificada).
Una afirmación de este tipo, acerca de la diferencia entre poblaciones predichas sobre la base de una teoría (o
basada en la experiencia práctica), se denomina hipótesis de investigación.
 La hipótesis de investigación y la hipótesis nula son completamente opuestas. Si una es verdadera, a otra no
puede serlo.
 Esta oposición, y la concentración directa en la hipótesis nula, es un punto central de la lógica de la prueba
de hipótesis. Por ese motivo, la hipótesis de investigación, que finalmente es lo que realmente nos interesa,
con frecuencia se denomina “hipótesis alternativa”.
 Desde el punto de vista de nuestro interés en el asunto, lo que más nos importa es la hipótesis de
investigación. Sin embargo, desde el punto de vista de la prueba de hipótesis, el papel principal de la
hipótesis de investigación es su condición de alternativa de la hipótesis nula.
 Algunas veces consideraremos que la hipótesis nula implica que las dos poblaciones son esencialmente
iguales, y otras veces consideraremos que implica que una población e igual u opuesta a la hipótesis de
investigación.
 Ahora siguiendo el paso 1 y según la teoría planteémonos las hipótesis.
 Hi= Los bebés que toman la vitamina especialmente purificada caminarán antes que los que aquellos que no
toman la vitamina especialmente purificada.
 Ho= tantos los bebes que tomen la vitamina especialmente purificada, como los bebes que no tome la
vitamina altamente purificada caminaran al mismo tiempo.
O también podemos plantear la Ho de esta manera:
Ho= no existe ninguna diferencia entre la población 1 y 2
Paso numero 1.

 Veamos entonces en resumen como queda el paso 1 de este ejemplo:

Población 1: bebés que toman la vitamina especialmente purificada.
Población 2: bebés que no toman la vitamina especialmente purificada.
Hi= Los bebés que toman la vitamina especialmente purificada caminarán antes que los que aquellos que no
toman la vitamina especialmente purificada.
Ho= tantos los bebes que tomen la vitamina especialmente purificada, como los bebes que no tomen la vitamina
altamente purificada caminaran al mismo tiempo.
Paso numero 2.

 Una vez que hemos planteado la situación en términos de elección entre una hipótesis de investigación y una
hipótesis nula, el siguiente paso es analizar cómo podríamos utilizar la información que obtenemos sobre una
muestra para realizar esta elección.
 La pregunta que planteamos es la siguiente: dado un determinado resultado muestral (en este caso, una
observación), ¿qué probabilidad teníamos de obtener ese resultado si la hipótesis nula fuera verdadera?
 Para responder esta pregunta, debemos saber cómo sería la situación si la hipótesis nula fuera verdadera. Es
decir, necesitamos conocer los detalles de la distribución de la población de la cual proviene la muestra si la
hipótesis nula fuera verdadera.
 Si conocemos la distribución de la que proviene nuestra muestra, y sabemos que se trata de una distribución
normal, nos encontramos en una buena posición: podemos determinar directamente la probabilidad de
obtener cualquier valor determinado de esa distribución utilizando una tabla de áreas bajo la curva normal.
Paso numero 2.

 ¿Cómo podemos conocer los detalles de la población de la

cual proviene nuestra muestra si la hipótesis nula es
verdadera? Esto es posible porque, si la hipótesis nula es
verdadera, ambas poblaciones son iguales.
 Generalmente conocemos una de las poblaciones (población
2); por lo tanto, si la hipótesis nula es verdadera y las dos
poblaciones son iguales, también conocemos la otra
población (población 1).
 En nuestro ejemplo, si la hipótesis nula es verdadera, ambas
poblaciones siguen la curva normal, y presentan una media
de 14 meses y un desvío estándar de 3 meses (véase figura 6-
 En el ejemplo que estamos tratando, la distribución
comparativa es igual a la distribución de valores de la
población 2, la población a la que no se le ha aplicado el Figura 6-1. Distribución de edades en que los bebés
procedimiento experimental. comienzan a caminar (datos ficticios).
3o paso: determinar el valor muestra! de corte en la distribución comparativa,
en e! que debería rechazarse la hipótesis nula

Lo ideal sería que antes de realizar un estudio, los investigadores establezcan un objetivo con el cual comparar su resultado, es
decir, qué valor extremo necesitaría tener la muestra para poder sacar una conclusión confiable.
Específicamente, determinar el valor que necesitaría arrojar la muestra para decidir rechazar la hipótesis nula, cuán extremo
debería ser ese valor para que resulte demasiado improbable que pudiera obtenerse tal valor extremo si la hipótesis nula fuera
verdadera.
A esto se lo denomina punto muestra] de corte (también se conoce con el nombre de “punto crítico”).
Analicemos nuestro ejemplo de la vitamina purificada, en el que la hipótesis nula implica que no importa si un bebé recibe la
vitamina especialmente purificada o no.
Los investigadores podrían decidir que si la hipótesis nula fuera verdadera, sería muy improbable que un bebé camine a los 8
meses o antes.
Tratándose de dos desvíos estándar por debajo de la media (caminar a los 8 meses), sólo podría ocurrir menos de un 2% de las
veces. Por lo tanto, basándose en la distribución comparativa, los investigadores establecen su punto maestral de corte incluso
antes de realizar el estudio. Lo que están haciendo es decidir por adelantado que, si el resultado de su estudio es un bebé que
camina antes de los 8 meses, rechazarán la hipótesis nula. Si el bebé comienza a caminar antes de los 8 meses, los investigadores
Entonces podrán decir que “se sostiene la hipótesis de investigación”
Por otro lado, si el bebé no comienza a caminar sino hasta después de los 8 meses, no podrán rechazar la hipótesis nula.
Cabe notar, sin embargo, que en este caso no podrán decir “se sostiene la hipótesis nula", ya que no rechazar la hipótesis
nula crea una situación ambigua.
No pueden sacarse conclusiones, excepto, concluir que se necesita realizar una mayor investigación. Más adelante
continuaremos tratando este tema.
Al establecer por adelantado cuán extremo deberá ser un valor para rechazar la hipótesis nula, los investigadores no
utilizan por lo general un número real de unidades de la escala directa de medición (en este caso, meses).
En cambio, establecen cuán extremo debería ser un valor en términos de una probabilidad y de la puntuación Z que
corresponde a dicha probabilidad.
En nuestro ejemplo de la vitamina purificada, los investigadores podrían decidir que sí la verosimilitud de un resultado
fuera menor del 2% (la probabilidad), rechazarían la hipótesis nula.
Estar dentro del 2% inferior de una curva normal significa tener una puntuación Z de aproximadamente -2 ó menor. Por lo
tanto, los investigadores establecerían -2 como la puntuación Z de corte en la distribución comparativa para decidir que un
resultado es Jo suficientemente extremo como para rechazar la hipótesis nula. Supongamos que los investigadores
Supongamos que los investigadores son todavía más cautelosos en cuanto al
rechazo de la hipótesis nula. En ese caso, podrían decidir que rechazarán la
hipótesis nula sólo si obtienen un resultado cuyas chances de ocurrir son del 1%
o menos.
Entonces podrían calcular la puntuación Z de corte correspondiente al 1%.
Conforme a la tabla de áreas bajo la curva normal, para tener un valor dentro del
1 % inferior de una curva normal, se necesita una puntuación Z de -2,33 o
menor. (En nuestro ejemplo, a la puntuación Z de -2,33 corresponde a 7 meses).
En la figura 6-2 hemos sombreado el 1% de la distribución comparativa, en el
que una muestra sería considerada tan extrema que se rechazaría la posibilidad
de que surgiera de una distribución como esa.
En general, los investigadores psicológicos utilizan un corte en la distribución
comparativa que coincide con una probabilidad del 5% de que un valor sea al
menos tan extremo.
En la figura 6-2 hemos sombreado el 1% de la distribución comparativa, en el
que una muestra sería considerada tan extrema que se rechazaría la posibilidad
de que surgiera de una distribución como esa.
 4o paso: determinar el valor muestral en la distribución
comparativa

El siguiente paso es realizar el estudio y encontrar el resultado real de la muestra. El investigador calcula la
puntuación Z correspondiente a la puntuación original de la muestra basándose en la media y el desvío estándar
de la distribución comparativa.
 4o paso: determinar el valor muestral en la distribución
comparativa

o Supongamos que los investigadores de nuestro ejemplo

realizaron el estudio, y que el bebé que tomó la vitamina
especialmente purificada comenzó a caminar a los 6
meses. La media de la distribución comparativa con la
que estamos comparando estos resultados es de 14
meses y el desvío estándar de 3 meses.
o Por lo tanto, un bebé que camina a los 6 meses se ubica
8 meses por debajo de la medía, lo que implica un
desvío estándar de 2 2/3 por debajo de la media La
puntuación Z correspondiente al bebé de la muestra en
la distribución comparativa es —2,67- La figura 6-3
muestra el valor correspondiente al bebé de la muestra
en la distribución comparativa.
5o paso: decidir si se rechaza o no la hipótesis nula

 Una vez que tenemos claro a) qué puntuación Z debe tener la muestra en la distribución comparativa para poder rechazar
la hipótesis nula (paso 3) y b) la puntuación Z real de la muestra ( paso 4), esta decisión es completamente mecánica.
 Para determinar si se rechaza o no la hipótesis nula, debemos comparar la puntuación Z necesaria con la puntuación Z
real Supongamos que en nuestro ejemplo los investigadores determinaron que se rechazaría la hipótesis nula si la
puntuación Z de la muestra era menor a -2. Debido a que el resultado real fue -2,67, que es menor a -2, se rechazaría la
hipótesis nula.
 Supongamos que hubieran elegido utilizar el nivel de significación más conservador del 1%. En ese caso, la puntuación
Z necesaria hubiera sido -2,33. Siendo la puntuación Z real igual a -2,67, aun con este criterio más conservador se
rechazaría la hipótesis nula. Si los investigadores
 Si los investigadores rechazan la hipótesis nula, lo que queda es la hipótesis de investigación. En este ejemplo, los
investigadores pueden inferir que los resultados de su estudio sostienen la hipótesis de investigación que indica que los
bebés que toman la vitamina especialmente purificada comienzan a caminar antes que los otros bebés.
 ¿Qué implica rechazar“ o no la hipótesis nula?

o En primer lugar supongamos que rechazamos la hipótesis nula y que los resultados sostienen la hipótesis de
investigación (como en nuestro ejemplo de la vitamina). Los investigadores aún no dirían que el resultado
“prueba” la hipótesis de investigación o que los resultados muestran que la hipótesis es “verdadera”. Esas
palabras son demasiado fuertes en este caso, ya que las conclusiones a las que se llega a través de estudios de
investigación siempre se basan en probabilidades.
 (Es correcto usar la palabra “verdadero” cuando se habla hipotéticamente, por ejemplo, “si la hipótesis fuera
verdadera, entonces...”, pero no al hablar de una conclusión real).
o En segundo lugar, y tal como lo mencionamos anteriormente, cuando un resultado no es lo suficientemente
extremo como para que rechacemos la hipótesis nula, no decimos que el resultado “sostiene la hipótesis
nula”. Un resultado que no es lo suficientemente determinante como para que rechacemos la hipótesis nula
sólo Implica que el estudio no fue concluyente.
Resumen de los pasos de la Prueba de Hipótesis

A continuación presentamos un resumen de los cinco pasos de la prueba de hipótesis:

1. Replantear el problema en función de la hipótesis de investigación e hipótesis nula de las poblaciones.
2. Determinar las características de la distribución comparativa.
3. Determinar el punto muestra! de corte en la distribución comparativa, a partir del cual debería rechazarse la
hipótesis nula.
4. Determinar el valor muestral en la distribución comparativa.
5. Comparar los valores de los pasos 3 y 4 para decidir si se rechaza o no la hipótesis nula.
 PRUEBAS DE HIPÓTESIS PE UNA Y DOS COLAS

Hipótesis direccional y pruebas de una cola

Es importante observar que cuando un investigador propone una hipótesis direccional, la hipótesis nula
correspondiente es, también, en cierto sentido direccional.
Ejemplo Si la hipótesis de investigación establece que obtener 1 millón de dólares hará más feliz a una persona,
la hipótesis nula establece que el dinero no producirá ningún efecto o hará menos feliz a esa persona.
 Siempre que una hipótesis de investigación establezca una diferencia, sin indicar la dirección de esa
diferencia, se la denomina hipótesis no direccional.
 Para probar la significación de una hipótesis no direccional, uno debe analizar si un valor es extremo en
cualquiera de las dos colas de la distribución comparativa. Por lo tanto, a esta prueba se la denomina prueba
de dos colas.
 PRUEBAS DE HIPÓTESIS E UNA Y DOS COLAS
Las pruebas de dos colas presentan una complicación
especial.
Supongamos que el investigador selecciona un nivel
de significación del 5%. En una prueba de una cola, el
investigador rechaza la hipótesis nula si la
observación muestral se ubica dentro de uno de los
extremos que contiene el 5% de la distribución
comparativa
En una prueba de dos colas, podría suponerse que el investigador
utilizaría el 5% superior cuando el valor es extremo en dirección hacia
arriba, y el 5% inferior cuando el valor es extremo en dirección hacia
abajo.
Sin embargo, si el investigador hiciera esto, existiría un total del 10%
de la distribución comparativa dentro del cual la hipótesis nula podría
ser rechazada. El nivel de significación en realidad sería del 10%,
porcentaje que la mayoría de los investigadores consideraría muy
peligroso. (Es decir, con un 10% de nivel de significación, uno podría
rechazar la hipótesis nula con mucha facilidad aun cuando ésta fuera
verdadera).
Existe una solución para este problema. Al realizar una prueba de dos
colas, se divide el porcentaje de significación entre las dos colas. Con
un nivel de significación del 5%, se rechazaría la hipótesis nula sólo si
la muestra fuera tan extrema que se ubicara dentro del 2 1/2 %
superior o dentro del 2 1/2 % inferior.
De este modo, la posibilidad total de que la hipótesis nula sea
verdadera, determinada con anterioridad a la realización del estudio, se
mantiene en un total del 5%.
 ¿Cuándo utilizar pruebas de una o dos colas?

 En principio, se planifica una prueba de una cola cuando se trabaja con una hipótesis claramente direccional,
y de dos colas cuando se trabaja con una hipótesis claramente no direccional.
 ¿Cuándo se considera muy extremo un resultado?

 Los psicólogos usualmente consideran un resultado como muy extremo si presenta menos de un 5% de
posibilidades, aunque algunas veces se utiliza un corte más riguroso, del 1%. Estos porcentajes pueden
aplicarse a la probabilidad de que un resultado sea extremo en una dirección predicha (prueba direccional o
de una cola), o a la probabilidad de que sea extremo en cualquiera de las dos direcciones posibles (prueba no
direccional o de dos colas). Para aplicar una política más conservadora, los psicólogos utilizan con
frecuencia las pruebas de dos colas aun cuando ya tengan una predicción específica.