Hipotesis Estadisticas Conceptos Generales

Una hiptesis puede definirse como una solucin provisional (tentativa) para un
problema dado. El nivel de verdad que se le asigne a tal hiptesis depender de la
medida en que los datos empricos recogidos apoyen lo afirmado en la hiptesis. Esto
es lo que se conoce como contrastacin emprica de la hiptesis o bien proceso de
validacin de la hiptesis. Este proceso puede realizarse de uno o dos modos:
mediante confirmacin (para las hiptesis universales) o mediante verificacin (para
las hiptesis existenciales).

En general, en un trabajo de investigacin se plantean dos hiptesis mutuamente

excluyentes: la hiptesis nula o hiptesis de nulidad ( ) y la hiptesis de investigacin (
). Adems, es posible plantear hiptesis alternas o hiptesis alternativas. El anlisis
estadstico de los datos servir para determinar si se puede o no aceptar Ho. Cuando
se rechaza Ho, significa que el factor estudiado ha influido significativamente en los
resultados y es informacin relevante para apoyar la hiptesis de investigacin
planteada. Es muy importante tener presente que la hiptesis de investigacin debe
coincidir con la hiptesis alternativa. Plantear hiptesis de investigacin que coincidan
con Ho supondra una aplicacin incorrecta del razonamiento estadstico.

Las hiptesis son proposiciones provisionales y exploratorias y, por tanto, su valor de

veracidad o falsedad depende crticamente de las pruebas empricas. En este sentido,
la replicabilidad de los resultados es fundamental para confirmar una hiptesis como
solucin de un problema. La hiptesis es el elemento que condiciona el diseo de la
investigacin y responde provisionalmente al problema, verdadero motor de la
investigacin.

El propsito de la prueba de hiptesis es determinar si el valor supuesto (hipottico de

un parmetro poblacional, como la medida de la poblacin, debe aceptarse como
verosmil con base en evidencia mustrales. Recuerda que sobre la distribucin de
muestreo, se dijo que, en general, una media muestral diferir en valor de la media
poblacional. Si el valor observado de una estadstica muestral, como la media
muestral, el valor de la media poblacional.

Si el valor observado de una estadstica muestral, muestral, se acerca al valor para

mtrico supuesto y solo difiere de l en un monto que cabria esperar del muestreo
aleatorio, el valor hipottico no se rechaza. Si la estadstica muestral difiere de la
supuesta en un monto que no es posible atribuir al azar, la hiptesis se rechaza por
inverosmil.

Se han desarrollado tres procedimientos distintos para la prueba de hiptesis, todos

los cueles conducen a las mismas decisiones cuando se emplean los mismos
estndares de probabilidad (y riesgo). En este captulo describiremos primeramente el
mtodo del valor crtico para la prueba de hiptesis. De acuerdo con este mtodo, se
determinan los as llamados valores crticos de la estadstica de prueba que dictaran
el rechazo de una hiptesis, tras de lo cual la estadstica de prueba observada se
compara con los valores crticos.

Este fue el primer mtodo en desarrollarse, motivo por la cual buena parte de la
terminologa de las pruebas de hiptesis se derivan de l. Ms recientemente, el
mtodo del valor P ha cobrado popularidad a causa de ser el ms fcilmente aplicable
a software de computo. Este mtodo se basa en la determinacin de la probabilidad
condicional de que el valor observado de una estadstica muestral pueda ocurrir al zar,
dado que su supuesto particular sobre el valor del parmetro poblacional asociado sea
en efecto correcto.

HIPOTESIS
QU ES UNA HIPTESIS? Una hiptesis es una proposicin aceptada, le que ha sido
formulada a travs de la relacin de informacin y datos aunque no est confirmada sirve
para responder de forma alternativa a un problema con base cientfica.

Cmo la puedo usar? Se puede usar como una propuesta provisional que no se
pretende demostrar estrictamente o puede ser una prediccin que debe ser verificada por el
mtodo cientfico. Los datos empricos apoyan a la hiptesis mediante una confirmacin.

Cmo se puede admitir una o ms hiptesis como cuerpo del conocimiento cientfico?

Caractersticas de la hiptesis
1.-Debe referirse a una situacin real, social realizable.
2.-Las variables de la hiptesis deben ser comprensibles, estar bien definidas y ser lo ms
concretas posibles.
3.-La relacin entre variable propuesta por una hiptesis deben ser claras y ser lo ms
concretas posibles.
4.-Los trminos de la hiptesis y la relacin planteada entre ellos deben ser observables y
medibles.
5.-La hiptesis debe estar relacionada con tcnicas disponibles para probarlas.

TIPOS DE HIPOTESIS SE REFIERE A EJEMPLO

. HIPTESIS DE Son proposiciones tentativas acerca de las Hi: La expectativa de ingreso
INVESTIGACIN posibles relaciones entre dos o ms variables mensual de los trabajadores de
y que cumplen con los cinco requisitos la Corporacin X oscila entre
anteriormente mencionados. Se les suele $50 000 y $60 000 pesos.
simbolizar como Hi o H , H , H Tambin se
1 2 3.

les denomina como hiptesis de trabajo.

. HIPTESIS NULAS Constituyen proposiciones acerca de la Ho: La expectativa de ingreso

relacin entre variables, slo que sirven para mensual de los trabajadores de
refutar o negar lo que afirma la hiptesis de la corporacin X no oscila entre
investigacin. Debido a que este tipo de $ 50,000 a $60,000
hiptesis resulta la contrapartida de la pesos. (Es una hiptesis nula
hiptesis de investigacin, hay descriptiva de una variable que
 prcticamente tantas clases de hiptesis se va a observar en un
nulas como de investigacin. Las hiptesis contexto.)
nulas se simbolizan as: Ho.
Ho: No hay relacin entre la
autoestima y el temor de
logro. (Hiptesis nula respecto
a una correlacin
HIPOTESIS ALTERNATIVAS Son posibilidades alternas ante la hiptesis Hi: El candidato A obtendr
de investigacin y nula. Se simbolizan como en la eleccin para la
Ha y slo pueden formularse cuando presidencia del consejo escolar
efectivamente hay otras posibilidades entre 50 y 60% de la
adems de las hiptesis de investigacin votacin total.
nula. De no ser as, no pueden existir. Ho: El candidato A no
obtendr en la eleccin para
presidencia del consejo escolar
50 y 60% de la votacin
total.

HIPOTESIS ESTADISTICAS Las hiptesis estadsticas son la Hi: El promedio mensual de

transformacin de las hiptesis de casos de trastorno
investigacin, nulas y alternativas en psiconeurtico caracterizados
smbolos estadsticos. Se pueden formular por reaccin astnica, que
slo cuando los datos del estudio que se van fueron atendidos en los
a recolectar y analizar para probar o rechazar hospitales de la ciudad de
las hiptesis son cuantitativos (nmeros, Linderbuck es mayor a 200.
porcentajes, promedios). Hay tres tipos de
hiptesis estadstica que corresponden a Hi: X > 200 (promedio
clasificaciones de las hiptesis de mensual de casos atendidos)
investigacin y nula: 1) de estimacin, 2) de
correlacin y 3) de diferencia de medias. La hiptesis estadstica nula
sera la negacin de la hiptesis
anterior:

Ho: X < 200 ( El promedio

mensual de casos es menor
que 200)

y la hiptesis alternativa sera:

Ha: X = 200 ( El promedio

Hiptesis estadsticas de estimacin

Sirven para evaluar la suposicin de un investigador respecto al valor de alguna caracterstica

de una muestra de individuos u objetos, y de una poblacin. Se basa en informacin previa. La
estimacin de estas hiptesis no se limita a promedios; puede incluirse cualquier estadstica
(porcentaje.

Hiptesis estadsticas de correlacin

Tienen por objeto traducir en trminos estadsticos una correlacin

entre dos o ms variables. El smbolo de una correlacin entre dos
variables es r (minscula) y entre ms de dos variables R
(mayscula). La hiptesis a mayor cohesin en un grupo, mayor
eficacia en el logro de sus metas primarias.Conceptos importantes
a tener en cuenta:
Cada estudio echar mano de los tipos de hiptesis que ms se adecuen al tipo de
investigacin.
Los tipos de estudio que no pueden establecer hiptesis son los exploratorios. No puede
presuponerse (afirmando) algo que apenas va a explorarse.
En realidad no podemos probar que una hiptesis sea verdadera o falsa, sino argumentar que fue
apoyada o no de acuerdo con ciertos datos obtenidos en una investigacin en particular.
Las hiptesis se someten a prueba en la realidad aplicando un diseo de investigacin,
recolectando datos a travs de uno o varios instrumentos de medicin y analizando e
interpretando dichos datos.

Las principales funciones de las hiptesis son:

1. Guas de una investigacin. Proporcionan orden y lgica al estudio. Las sugerencias formuladas
en las hiptesis pueden ser soluciones al (los) problema(s) de investigacin. Si lo son o no,
efectivamente es la tarea dek estudio. (Sellitz et al., 1965)
2. Tienen una funcin descriptiva y explicativa segn sea el caso.
3. Su tercera funcin es probar teoras.
4. Una cuarta funcin es sugerir teoras.
No siempre los datos apoyan las hiptesis. Pero que los datos no aporten evidencia a favor
de las hiptesis planteadas de ningn modo significa que la investigacin carezca de utilidad.
Tambin los datos en contra de una hiptesis proporcionan conocimiento. Lo importante es
analizar porque no se aport evidencia a favor de las hiptesis y contribuir al conocimiento del
fenmeno que se est investigando.
Sin definicin de las variables no hay investigacin. Al formular una hiptesis, es indispensable
definir los trminos o variables que estn siendo incluidos en ella. Esto es para que:
1. Todos le den el mismo significado a los trminos o variables (que todos hablemos de lo mismo).
2. Asegurarnos de que las variables pueden ser evaluadas en la realidad a travs de los sentidos.
3. Poder confrontar nuestra investigacin con otras similares.
4. Evaluar ms adecuadamente los resultados de nuestra investigacin.
5. Deben definirse de dos maneras:
Conceptual o constitutivamente: Define el trmino o variable con otros trminos
(definicin de diccionario).
Operacionalmente: Por ejemplo, la definicin operacional de la temperatura es el
termmetro. La definicin operacional de personalidad son los tests psicomtricos.

Importancia de la hiptesis
Las hiptesis son el punto de enlace entre la teora y la Observacin. Su
importancia est en que dan rumbo a la investigacin y sugiere los pasos y
Procedimientos que deben darse en la bsqueda del Conocimiento.
Cuando la hiptesis de investigacin ha sido bien elaborada, y en ella se
observa claramente la relacin o vnculo entre dos o mas variables, es factible
que el investigador pueda:

Elaborar el objetivo, o conjunto de objetivos que desea alcanzar en el

desarrollo de la investigacin.
Seleccionar el tipo de Diseo de investigacin factible con el problema
planteado.
 Seleccionar el mtodo, los instrumentos y las Tcnicas de
investigacin acordes con el problema que se desea resolver.
Seleccionar los Recursos, tanto humanos como materiales, que se
emplearn para llevar a feliz trmino la investigacin planteada.

Origen de la hiptesis
Una hiptesis puede estar basada simplemente en una sospecha, en los
resultados de otros estudios y la esperanza de que una relacin entre una o
mas Variables se den en el estudio en cuestin. O pueden estar basadas en un
cuerpo de teoras que, por un proceso de deduccin lgica, lleva a la prediccin
de que, si estn presentes ciertas condiciones, se darn determinados
resultados.
La elaboracin de una buena hiptesis tiene como punto de partida el
conocimiento del rea en la que se desea hacer la investigacin, sin este
conocimiento previo se corre el riesgo de recorrer caminos ya transitados y
trabajar en temas ya tratados que carecen de inters para la Ciencia.
Si la hiptesis se basa u origina de otros estudios, la investigacin estar en
clara relacin con un cuerpo de conocimientos ya existentes, probados, por lo
que el trabajo ser una contribucin que permitir reforzar ese cuerpo de
conocimientos.

REGRESION LINEAL (OTRO) :D

Historia[editar]
La primera forma de regresin lineal documentada fue el mtodo de los mnimos
cuadrados que fue publicada por Legendre en 1805, Gauss public un trabajo en donde
desarrollaba de manera ms profunda el mtodo de los mnimos cuadrados,1 y en dnde
se inclua una versin del teorema de Gauss-Mrkov.
El trmino regresin se utiliz por primera vez en el estudio de variables antropomtricas:
al comparar la estatura de padres e hijos, donde result que los hijos cuyos padres tenan
una estatura muy superior al valor medio, tendan a igualarse a ste, mientras que
aquellos cuyos padres eran muy bajos tendan a reducir su diferencia respecto a la
estatura media; es decir, "regresaban" al promedio.2 La constatacin emprica de esta
propiedad se vio reforzada ms tarde con la justificacin terica de ese fenmeno.
El trmino lineal se emplea para distinguirlo del resto de tcnicas de regresin, que
emplean modelos basados en cualquier clase de funcin matemtica. Los modelos
lineales son una explicacin simplificada de la realidad, mucho ms giles y con un
soporte terico mucho ms extenso por parte de la matemtica y la estadstica.
Pero bien, como se ha dicho, se puede usar el trmino lineal para distinguir modelos
basados en cualquier clase de aplicacin.

Regresin lineal
Expresndolo en forma simple, la regresin lineal es una tcnica que permite
cuantificar la relacin que puede ser observada cuando se grafica un diagrama de
puntos dispersos correspondientes a dos variables, cuya tendencia general es
rectilnea (Figura la); relacin que cabe compendiar mediante una ecuacin del mejor
ajuste de la forma:

y = a + bx (1)

En esta ecuacin, y representa los valores de la coordenada a lo largo del eje

vertical en el grfico (ordenada); en tanto que x indica la magnitud de la coordenada
sobre el eje horizontal (absisa). El valor de a (que puede ser negativo, positivo o
igual a cero) es llamado el intercepto; en tanto que el valor de b (el cual puede ser
negativo o positivo) se denomina la pendiente o coeficiente de regresin.

El modelo de regresin lineal[editar]

El modelo lineal relaciona la variable dependiente Y con K variables explcitas (k =
1,...K), o cualquier transformacin de stas que generen

un hiperplano de parmetros desconocidos:

(2)

donde es la perturbacin aleatoria que recoge todos aquellos factores de la realidad

no controlables u observables y que por tanto se asocian con el azar, y es la que confiere
al modelo su carcter estocstico. En el caso ms sencillo, con una sola variable explcita,
el hiperplano es una recta:

(3)
El problema de la regresin consiste en elegir unos valores determinados para los

parmetros desconocidos , de modo que la ecuacin quede completamente

especificada. Para ello se necesita un conjunto de observaciones. En una observacin i-
sima (i= 1,... I) cualquiera, se registra el comportamiento simultneo de la variable
dependiente y las variables explcitas (las perturbaciones aleatorias se suponen no
observables).

(4)

Los valores escogidos como estimadores de los parmetros , son los coeficientes de
regresin sin que se pueda garantizar que coincida n con parmetros reales del proceso
generador. Por tanto, en

(5)

Los valores son por su parte estimaciones o errores de la perturbacin aleatoria.

Tipos de modelos de regresin lineal

Existen diferentes tipos de regresin lineal que se clasifican de acuerdo a sus
parmetros:

Regresin lineal simple

La regresin lineal simple se basa en estudiar los cambios en una variable, no
aleatoria, afectan a una variable aleatoria, en el caso de existir una relacin
funcional entre ambas variables que puede ser establecida por una expresin
lineal, es decir, su representacin grfica es una lnea recta. Es decir, se esta
en presencia de una regresin lineal simple cuando una variable independiente
ejerce influencia sobre otra variable dependiente.
Ejemplo: Y = f(x)

Regresin lineal mltiple

La regresin lineal permite trabajar con una variable a nivel de intervalo o
razn, as tambin se puede comprender la relacin de dos o ms variables y
permitir relacionar mediante ecuaciones, una variable en relacin a otras
variables llamndose Regresin mltiple. O sea, la regresin lineal mltiple es
cuando dos o ms variables independientes influyen sobre una variable
dependiente.
Ejemplo: Y = f(x, w, z).

Propiedades descriptivas en la regresin lineal

simple
Las propiedades que se exponen a continuacin son propiedades derivadas exclusivamente de
la aplicacin del mtodo de estimacin por mnimos cuadrados al modelo de regresin lineal
simple, en el que se incluye como primer regresor el trmino independiente. 1. La suma de los
residuos mnimo-cuadrticos es igual a cero: 1 0 T t t u = =

Modelo de Regresin Lineal Mltiple

El modelo de regresin lineal mltiple es un modelo para la variable aleatoria Y cuando se
conocen X1, X2,...,Xp1 las variables regresoras. Los modelo es son parmetros (es decir,
nmeros) desconocidos, Xi1, Xi2,...,Xip1 son los valores de las variables predictoras medidas
en el isimo individuo (o isima repeticin del experimento o isima unidad experimental,
segn el caso) con 1 i n, n es el tamao de muestra, Yi es la variable respuesta medida en el
isimo individuo (observado) y i es el error para el individuo isimo, que no es observable.