Una Hipótesis Nula

Una hipótesis nula es importante por varias razones:

Es una hipótesis que se acepta o se rechaza según el resultado de la investigación. El hecho de contar con una hipótesis nula ayuda a determinar si existe una diferencia entre los grupos, si esta diferencia es significativa, y si no se debió al azar.

No toda investigación precisa de formular hipótesis nula. Recordemos que la hipótesis nula es aquella por la cual indicamos que la información a obtener es contraria a la hipótesis de trabajo.

Al formular esta hipótesis, se pretende negar la variable independiente. Es decir, se enuncia que la causa determinada como origen del problema fluctúa, por tanto, debe rechazarse como tal.

Otro ejemplo:

Hipótesis: el aprendizaje de los niños se relaciona directamente con su edad.

Hipótesis nula: no existe diferencia significativa entre el aprendizaje en niños de diversas edades.

Hipótesis alternativa. Al responder a un problema, es muy conveniente proponer otras hipótesis en que aparezcan variables independientes distintas de las primeras que formulamos. Por tanto, para no perder tiempo en búsquedas inútiles, es necesario hallar diferentes hipótesis alternativas como respuesta a un mismo problema y elegir entre ellas cuáles y en qué orden vamos a tratar su comprobación.

PRUEBAS PARAMÉTRICAS

Se llaman así porque su cálculo implica una estimación de los parámetros de la población con base en muestras estadísticas. Mientras más grande sea la muestra más exacta será la estimación, mientras más pequeña, más distorsionada será la media de las muestras por los valores raros extremos.

Suposiciones que subyacen a la utilización de las pruebas paramétricas.

1. El nivel de medición debe ser al menos de intervalo. Debemos tomar una decisión a cerca de nuestra variable dependiente. ¿Es realmente un nivel de intervalo? Si es una escala no estandarizada, o si se basa en estimaciones o calificaciones con humanos. Frecuentemente aparecen como intervalo pero lo reducimos a nivel ordinal al darles rango.

2. Los datos de la muestra se obtienen de una población normalmente distribuida. Este principio suele mal entenderse como: la muestra debe distribuirse normalmente, "no es así". La mayoría de las muestras son demasiado pequeñas para siquiera parecerse a una distribución normal, la cual solo obtiene su característica en forma de campana con la acumulación de muchas puntuaciones.

3. La varianza de las 2 muestras no son significativamente diferentes, esto se conoce como el principio de homogeneidad de la varianza, Los especialistas en estadística han investigado más sobre ese requisito, el cual sabia exigir varianzas muy similares. Estos se ignoran cuando tratamos con muestras relacionadas sin gran riesgo de distorsionar nuestro resultado. Para muestras no relacionadas necesitamos ser más cuidadosos cuando los tamaños de las muestras sean bastante diferentes.

Ventajas de las Pruebas Paramétricas

• Más poder de eficiencia.

• Más sensibles a los rasgos de los datos recolectados.

• Menos posibilidad de errores.

• Robustas (dan estimaciones probabilísticas bastante exactas).

Desventajas de las Pruebas Paramétricas

• Más complicadas de calcular.

• Limitaciones en los tipos de datos que se pueden evaluar.

PRUEBAS NO PARAMÉTRICAS

Las pruebas no paramétricas nos permiten analizar datos en escala nominal u ordinal a pesar de que no se conozcan los parámetros de una población, utilizada para hacer un contraste de hipótesis.

Utilización:

• Cuando los datos puntualizan a las escalas nominal u ordinal.

• Se utiliza solo la frecuencia.

• Poblaciones

...