Académique Documents
Professionnel Documents
Culture Documents
Hay tres tipos de hipótesis estadística que corresponden a clasificaciones de las hipótesis de
investigación y nula, éstas son:
1. Hipótesis estadística de estimación.
2. Hipótesis estadística de correlación
3. Hipótesis estadística de diferencia de medias.
Prueba de hipótesis
Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de aceptación
de la Ho o de la Ha, puede incurrirse en error:
Un error tipo I se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y debía
ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra alfa α
Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es aceptada
cuando de hecho es falsa y debía ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las
consecuencias posibles.
Para que cualquier ensayode hipótesis sea bueno, debe diseñarse de forma que minimice los
errores de decisión. En la práctica un tipo de error puede tener más importancia que el otro,
y así se tiene a conseguir poner una limitación al error de mayor importancia. La única
forma de reducir ambos tipos de errores es incrementar el tamaño de la muestra, lo cual
puede ser o no ser posible.
HIPOTESIS NULA
Las hipótesis nulas son proposiciones que sirven para refutar o negar lo que afirma la
hipótesis de investigación. Las hipótesis nulas se simbolizan de la siguiente manera Ho
Ejemplos:
“No hay relación entre la autoestima y el temor de logro”. (Hipótesis nula respecto a una
correlación).
Al contrastar una cierta hipótesis, la máxima probabilidad con la que estamos dispuestos a
correr el riesgo de cometer un error de tipo I se llama nivel de significancia. Esta
probabilidad se denota por , se suele especificar antes de la muestra, de manera que los
resultados no influyan en nuestra elección.
En la práctica es frecuente un nivel de significancia de 0.05 ó 0.01, si bien se usan otros
valores. Si, por ejemplo, se escoge un nivel de significancia del 5% ó 0.05 al diseñar una
regla de decisión entonces hay unas cinco oportunidades entre cien de rechazar la hipótesis
cuando debiera haberse aceptado; es decir, tenemos un 95% de confianza de que hemos
adoptado la decisión correcta. En tal caso decimos que la hipótesis a sido rechazada al nivel
de significancia 0.05 lo cual quiere decir que la hipótesis tiene una probabilidad del 5% de
ser falsa.
P valor:
Una vez obtenida la muestra, se puede calcular una cantidad que sí que permite resumir el
resultado del experimento de manera objetiva. Esta cantidad es el p-valor que corresponde
al nivel de significación más pequeño posible que puede escogerse, para el cual todavía se
aceptaría la hipótesis alternativa con las observaciones actuales. Cualquier nivel de
significación escogido inferior al p-valor (simbólicamente pv) comporta aceptar H0.
Obviamente, al ser una probabilidad, se cumple que:
0 ≤ pv ≤ 1
El p-valor es una medida directa de lo verosímil que resulta obtener una muestra como la
actual si es cierta H0. Los valores pequeños indican que es muy infrecuente obtener una
muestra como la actual, en cambio, los valores altos que es frecuente. El p-valor se emplea
para indicar cuánto (o cuán poco) contradice la muestra actual la hipótesis alternativa.