Hipótesis Estadistica

1. Hipótesis Estadística

Desde una perspectiva etimológica, el termino hipótesis deriva del griego “upo”, que significa “lo que se pone a base de algo”, lo cual remite a la idea de apoyo de algo, en el mismo sentido de termino latino suppositio, suposición. Esta definición permite un primer acercamiento intuitivo al concepto de hipótesis y su utilización en el campo científico. Por lo general se formula una hipótesis como una forma de predicción que describe de un modo concreto lo que se espera que suceda con determinado objeto de estudio si se cumplen ciertas condiciones.

En lo que se refiere al campo estadístico, las hipótesis son supuestos que el investigador establece acerca de uno o más parámetros poblacionales y que necesitan ser verificadas, su comprobación se realiza sometiéndola a una prueba de significación estadística. Además una hipótesis estadística es una asunción relativa a una o varias poblaciones, que puede ser cierta o no. Las hipótesis estadísticas se pueden contrastar con la información extraída de las muestras y tanto si se aceptan como si se rechazan se puede cometer un error.

Cuando se estudian fenómenos que obedecen a leyes estadísticas se busca establecer relaciones numéricas bastante regulares, siendo más significativa esta regularidad cuando mayor es el numero de fenómenos o la población (el alcance de su carácter cuantitativo), perdiendo cierta validez el criterio estadístico cuando la muestra tiende a ser poco significativa desde una perspectiva numérica.

Las hipótesis estadísticas son la hipótesis nula y la hipótesis alterna.

2. Hipótesis Nula

Se denomina hipótesis nula H0, a la hipótesis que se desea contrastar. El nombre de nula indica que H0, representa la hipótesis que mantendremos a no ser que los datos indiquen su falsedad, y puede entenderse, por tanto, en el sentido de neutra. La hipótesis H0, nunca se considera probada, aunque puede ser rechazada por los datos.

Este tipo de hipótesis es la afirmación de uno o más valores exactos para parámetros poblacionales. La H0 no siempre refleja las expectativas del investigador. Sin embargo, muchos investigadores la utilizan debido a que puede expresar una diferencia o relación entre variables.

La importancia de la hipótesis nula en toda investigación radica en que es de directa comprobación, es decir, se acepta o se rechaza según el resultado de la prueba realizada, además de contribuir a determinar las diferencias entre los grupos sometidos a prueba (El experimental y el control), y si dichas diferencias son significativas.

Ej. : (X1) = (X2); no existe relación en los promedios obtenidos por los estudiantes entrenados en técnicas de estudio (X1) y los no entrenados (X2)

3. Hipótesis alternativa

La hipótesis alternativa es la complementaria y opuesta a la hipótesis nula. Es aquella donde se afirma la diferencia.

Es representada por H1, ya que establece la relación entre variables o la diferencia entre los tratamientos experimentales. La H1 es la afirmación (expresada en la hipótesis de investigación) que el investigador espera apoyar, aunque su verdad no pueda demostrarse. La H1 es la alternativa a la H0.Juntas forman la serie de probabilidades lógicas para las relaciones bajo estudio.

El enfoque actual considera siempre una hipótesis alternativa a la hipótesis nula. De manera explícita o implícita, la hipótesis nula, se enfrenta a otra hipótesis que como ya se menciona anteriormente se denomina hipótesis alternativa. En los casos en los que no se especifica H1, de manera explícita, podemos considerar que ha quedado definida implícitamente como H0, es falsa.

Ej.: X1 > X2; los alumnos sometidos a entrenamientos en técnicas de elaboración de resumen (X1) obtuvieron mejor promedio de rendimiento que aquellos alumnos que no recibieron ningún tipo de entrenamiento (X2).

4. Errores del tipo I y tipo II

• Error de Tipo I: Se comete este error al rechazar una hipótesis nula correcta. El error de tipo I también denominado error de tipo alfa (α) o falso positivo, es el error que se comete cuando el investigador no acepta la hipótesis nula siendo ésta 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.

El error de Tipo I se considera importante. La probabilidad de un error de Tipo I es igual a α y se denomina nivel de significacion del contraste.

α = P (rechazar la nula|H0 es correcta)

• Error de Tipo II: Ttambién llamado error de tipo beta (β) o falso negativo, es el error que se comete cuando el investigador no rechaza la hipótesis nula siendo ésta 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.

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.

En la mayoría de los campos de la ciencia, los errores de tipo II no son considerados tan problemáticos como los errores de tipo I. En el caso del error de tipo II, se pierde la posibilidad de rechazar la hipótesis nula y no se desprende ninguna conclusión de la hipótesis nula no rechazada. El error de tipo I es más grave, ya que se habrá rechazado erróneamente la hipótesis nula.

Al no rechazar una hipótesis nula incorrecta, la probabilidad de un error de Tipo II es igual a β.

β = P (no rechazar la nula|H1 es correcta)

5. Niveles de Significancia

Se denomina nivel de significancia a la probabilidad de rechazar la hipótesis nula cuando esta es verdadera. Estos niveles se representan mediante la letra σ, algunas veces también a este se lo denomina nivel de riesgo, por que eventualmente se corre

...