HIPÓTESIS CIENTÍFICA

INTRODUCCIÓN

Muy a menudo, en la práctica, se tienen que tomar decisiones sobre poblaciones, partiendo de la información muestral de las mismas. Tales decisiones se llaman decisiones estadísticas. Por ejemplo, se puede querer decidir a partir de los datos del muestreo, si un suero nuevo es realmente efectivo para la cura de una enfermedad, si los niños de diferentes comunidades tienen la misma altura, si un sistema educacional es mejor que otro, etc(1).

Cualquier investigación implica la existencia de dos hipótesis o afirmaciones acerca de las poblaciones que se estudian. Tales afirmaciones que pueden ser o no ciertas se llaman hipótesis estadísticas (1).

La teoría debe orientar la investigación empírica y esta, a su vez, confirmar, reformular o anular los sistemas teóricos. Este permanente enlace ha permitido a las ciencias obtener hallazgos más significativos para su desarrollo.

Las hipótesis son el instrumento que hace factible esa conexión. Constituyen un puente entre la teoría y la investigación empírica y, y sin duda han, contribuido a encauzar y acelerar el desarrollo de las ciencias. Es necesario destacar, pues, que "la ciencia no se reduce a registrar o a acumular simplemente hechos, sino que ante todo, busca su sistematización, generalización e interpretación" a través de la comprobación de los cuerpos hipotéticos.

Las distribuciones de probabilidad están relacionadas con las distribuciones de frecuencias. Una distribución de frecuencias teórica es una distribución de probabilidades que describe la forma en que se espera que varíen los resultados. Debido a que estas distribuciones tratan sobre expectativas de que algo suceda, resultan ser modelos útiles para hacer inferencias y para tomar decisiones en condiciones de incertidumbre.

HIPÓTESIS CIENTÍFICA

Es una proposición aceptable que ha sido formulada a través de la recolección de información y datos, aunque no esté confirmada, sirve para responder de forma alternativa a un problema con base científica.

Es la sugerencia de una solución a un fenómeno inexplicado que no cabe dentro de la teoría científica aceptada. Una hipótesis es el pálpito de que una idea pude llegar a convertirse en una teoría científica, que es el siguiente paso dentro del método científico.

En el primer caso, el nivel de veracidad que se otorga a una hipótesis dependerá de la medida en que los datos empíricos apoyan lo afirmado en la hipótesis. Esto es lo que se conoce como contrastación empírica de la hipótesis o bien proceso de validación de la hipótesis. Este proceso puede realizarse mediante confirmación (para las hipótesis universales) o mediante verificación (para las hipótesis existenciales).

HIPÓTESIS ESTADÍSTICA:

La hipótesis estadística es aquella hipótesis que somete a prueba y expresa a las hipótesis operacionales en forma de ecuaciones matemáticas.

HIPOTESIS NULA.

La hipótesis nula (H0) constituye una parte esencial de cualquier diseño de investigación y siempre es puesta a prueba, aunque sea indirectamente.

La hipótesis nula (H0) es una hipótesis que el investigador trata de refutar, rechazar o anular.

Generalmente, "nula" se refiere a la opinión general de algo, mientras que la hipótesis alternativa es lo que el investigador realmente piensa que es la causa de un fenómeno.

La conclusión de un experimento siempre se refiere a la nula, es decir, rechaza o acepta la H0 en lugar de la H1.

A pesar de esto, muchos investigadores descuidan la hipótesis nula cuando están probando hipótesis, lo que constituye una práctica mala y puede tener efectos adversos.

LA HIPÓTESIS ALTERNATIVA.

Es cualquier hipótesis que difiera de la hipótesis nula. El planteamiento de la hipótesis alternativa nunca contiene un signo de igualdad con respecto al valor especificado del parámetro.

La distribución de muestreo de la estadística de prueba se divide en dos regiones, una región de rechazo (conocida como región crítica) y una región de no rechazo (aceptación). Si la estadística de prueba cae dentro de la región de aceptación, no se puede rechazar la hipótesis nula.

La región de rechazo puede considerarse como el conjunto de valores de la estadística de prueba que no tienen posibilidad de presentarse si la hipótesis nula es verdadera. Por otro lado, estos valores no son tan improbables de presentarse si la hipótesis nula es falsa. El valor crítico separa la región de no rechazo de la de rechazo.

PRUEBAS DE HIPOTESIS Y SIGNIFICADO O REGLAS DECISIÓN.

HIPOTESIS: Suposición o conjetura que el investigador formula acerca de los resultados que va a obtener, existen dos tipos principales de hipotesis:

HIPOTESIS NULA (Ho): se define como la negación de una relación significativa. Por ejemplo, si comparo dos series de datos (A y B), Ho supone que no difieren entre ellos significativamente, o sea que la diferencia observada es atribuible al azar del muestreo . El propósito del experimento es decidir sí la prueba tiende a apoyar o a refutar la hipótesis nula.

HIPOTESIS ALTERNA (H1): es la afirmación de que sí es significativa la diferencia o la relación entre A y B, es decir, que la diferencia no es atribuible al azar del muestreo.

La hipótesis alterna puede ser con dirección anticipada o sin ella, es decir, puedo suponer anticipadamente que A mayor que B o que A menor que B o bien, simplemente puedo suponer que A es diferente de B (sin anticipar cual de los dos es mayor)

La hipótesis con dirección anticipada se llaman también hipótesis de superioridad, porque el investigador anticipa que A es superior a B en la característica que está comparando. La hipótesis nula A = B también puede ser una hipótesis de equivalencia, pues me permite decir que los dos grupos son equivalentes.

Hipótesis de Equivalencia, bilateral o a dos colas

Si tomamos la media en consideración una hipótesis de equivalencia parte de:

Ho: La media de edad de los estudiantes niños y las estudiantes niñas de un colegio es la misma

Si tomamos una proporción en consideración.

Ho: la proporción (P) de enfermos curados ( C ) por dos fármacos es la misma.

Hipótesis de superioridad, unilateral o a una cola derecha

Si tomamos la media en consideración

Ho: la media de edad del grupo 1 es menor o igual que la media de edad del grupo 2

Hipotesis de superioridad, unilateral o a una cola izquierda

Hipótesis con valor nulo

Sucede cuando damos un valor determinado a o a la Proporción

Ejemplo:

El promedio total de proteínas en sangre en un adulto sano es de 7.25 g/dL. En un análisis de sangre, el técnico está contrastando, la siguiente hipótesis.

Cuando formulamos Ho y H1 debemos tener en cuenta tres afirmaciones generales:

• La hipótesis nula es la hipótesis de la “no diferencia”

• Se ha de hacer todo lo que sea posible por detectar o fundamentar la hipótesis alternativa. Es decir, llamar H1, a su teoría de investigación preconcebida.

• Las hipótesis estadísticas se formulan siempre con la esperanza de que sea posible rechazar Hoy por lo tanto, aceptar H1

ERRORES TIPO I Y TIPOS II:

EL ERROR DE TIPO I

También denominado error de tipo alfa (α)1 o falso positivo, es el error que se comete cuando el investigador no acepta la hipótesis nula ( ) 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.

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.

ERROR DE TIPO II,

También llamado error de tipo beta (β) (β es la probabilidad de que exista este error) o falso negativo, se comete cuando el investigador no rechaza la hipótesis nula siendo esta falsa en la población. Es equivalente a la probabilidad de un resultado falso negativo, ya que el investigador llega a la conclusión de que ha sido incapaz de encontrar una diferencia que existe en la realidad.

Se acepta en un estudio que el valor del error beta esté entre el 5 y el 20%.

Contrariamente al error tipo I, en la mayoría de los casos no es posible calcular la probabilidad del error tipo II. La razón de esto se encuentra en la manera en que se formulan las hipótesis en una prueba estadística. Mientras que la hipótesis nula representa siempre una afirmación enérgica (como por ejemplo «Promedio μ = 0») la hipótesis alternativa, debido a que engloba todas las otras posibilidades, es generalmente de naturaleza global (por ejemplo «Promedio μ ≠ 0» ). El gráfico de la derecha ilustra la probabilidad del error tipo II (rojo)

...