Sei sulla pagina 1di 5

Hipótesis: Una sola muestra

PRUEBAS DE HIPOTESIS CON UNA MUESTRA


3.1 METODOLOGIA PARA LA PRUEBA DE HIPOTESIS
Dentro del estudio de la inferencia estadística, se describe como se puede tomar una

muestra aleatoria y a partir de esta muestra estimar el valor de un parámetro poblacional en la


cual se puede emplear el método de muestreo y el teorema del valor central lo que permite
explicar cómo a partir de una muestra se puede inferir algo acerca de una población, lo cual nos
lleva a definir y elaborar una distribución de muestreo de medias muéstrales que nos permite
explicar el teorema del límite central y utilizar este teorema para encontrar las probabilidades de
obtener las distintas medias maestrales de una población.

Pero es necesario tener conocimiento de ciertos datos de la población como la media, la


desviación estándar o la forma de la población, pero a veces no se dispone de esta
información. En este caso es necesario hacer una estimación puntual que es un valor que se usa
para estimar un valor poblacional. Pero una estimación puntual es un solo valor y se requiere un
intervalo de valores a esto se denomina intervalo de confianza y se espera que dentro de este
intervalo se encuentre el parámetro poblacional buscado. También se utiliza una estimación
mediante un intervalo, el cual es un rango de valores en el que se espera se encuentre el
parámetro poblacional En nuestro caso se desarrolla un procedimiento para probar la
validez de una aseveración acerca de un parámetro poblacional este método es denominado
Prueba de hipótesis para una muestra hipótesis y prueba de hipótesis Tenemos que empezar por
definir que es una hipótesis y que es prueba de hipótesis. Hipótesis es una aseveración de una
población elaborado con el propósito de poner a prueba, para verificar si la afirmación es
razonable se usan datos. En el análisis estadístico se hace una aseveración, es decir, se plantea
una hipótesis, después se hacen las pruebas para verificar la aseveración o para determinar que
no es verdadera, por tanto, la prueba de hipótesis es un procedimiento basado en la evidencia
muestral y la teoría de probabilidad; se emplea para determinar si la hipótesis es una afirmación
razonable .Prueba de una hipótesis: se realiza mediante un procedimiento sistemático de cinco
paso:

Conceptos básicos

La Prueba de Hipótesis es un procedimiento basado en evidencia muestral y en la teoría de la


probabilidad para la aceptación o rechazo de hipótesis de investigación.
Se dice que está basado en evidencia muestral porque a partir de una muestra se obtienen la media y
la desviación estándar requerida para hacer los cálculos, o bien, las proporciones requeridas.
Se dice que está basado en la teoría de la probabilidad porque durante el procedimiento se requiere
hacer uso de la "Distribución Normal" ó de la "Distribución t de Student".
Existen diferentes métodos o procedimientos para realizar una Prueba de Hipótesis, dependiendo del
tipo de problema y de la información con que se cuenta. Sin embargo, todos los procedimientos
incluyen los siguientes 5 pasos:

Paso 1: Plantear Hipótesis Nula e Hipótesis Alternativa.

Paso 2: Determinar Nivel de Significancia.


Paso 3: Evidencia de la Muestra.

Paso 4: Aplicación de la Distribución de Probabilidad apropiada.

Paso 5: Toma de decisión.

Prueba de hipótesis
Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar
una afirmación acerca de una población dependiendo de la evidencia proporcionada
por una muestra de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se
probará. Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o
"no hay diferencia". La hipótesis alternativa es el enunciado que se desea poder
concluir que es verdadero de acuerdo con la evidencia proporcionada por los datos
de la muestra.

Con base en los datos de muestra, la prueba determina si se puede rechazar la


hipótesis nula. Usted utiliza el valor p para tomar esa decisión. Si el valor p es menor
que el nivel de significancia (denotado como α o alfa), entonces puede rechazar la
hipótesis nula.

Un error común de percepción es que las pruebas estadísticas de hipótesis están


diseñadas para seleccionar la más probable de dos hipótesis. Sin embargo, al
diseñar una prueba de hipótesis, establecemos la hipótesis nula como lo que
queremos desaprobar. Puesto que establecemos el nivel de significancia para que
sea pequeño antes del análisis (por lo general, un valor de 0.05 funciona
adecuadamente), cuando rechazamos la hipótesis nula, tenemos prueba estadística
de que la alternativa es verdadera. En cambio, si no podemos rechazar la hipótesis
nula, no tenemos prueba estadística de que la hipótesis nula sea verdadera. Esto se
debe a que no establecimos la probabilidad de aceptar equivocadamente la hipótesis
nula para que fuera pequeña.

Entre las preguntas que se pueden contestar con una prueba de hipótesis están las
siguientes:

¿Tienen las estudiantes de pregrado una estatura media diferente de 66 pulgadas?

¿Es la desviación estándar de su estatura igual a o menor que 5 pulgadas?

¿Es diferente la estatura de las estudiantes y los estudiantes de pregrado en


promedio?

¿Es la proporción de los estudiantes de pregrado significativamente más alta que la


proporción de las estudiantes de pregrado?
Interpretación del nivel de significancia
El nivel de significación (o nivel de α) es un umbral que permite determinar si el
resultado de un estudio se puede considerar estadísticamente significativo después
de realizar las pruebas estadísticas planificadas. El nivel de significación se suele
establecer en un 5% (o 0,05), aunque se pueden usar otros niveles en función del
estudio. Esto representa la probabilidad de rechazar la hipótesis nula cuando es
verdadera. Por ejemplo, un nivel de significación de 0,05 indica un riesgo del 5% de
concluir que existe una diferencia entre los resultados del estudio y la hipótesis nula
cuando en realidad no hay ninguna diferencia.

El nivel de significación se debe especificar en el protocolo del ensayo como parte


de la sección de estadística. La probabilidad de que un resultado se deba al azar en
lugar de a un fármaco u otra intervención investigados, si la hipótesis nula es
verdadera (es decir, si en realidad no hay ninguna diferencia real), se llama «valor
p». Un resultado es estadísticamente significativo si se corresponde con un valor p
igual o inferior al nivel de significación y, por tanto, no se considera una casualidad.
Esto se suele expresar como p ≤ 0,05.

Selección de un nivel de significancia


En contra de cierta práctica estadística, desgraciadamente bastante extendida, en
realidad no puede responderse a esta pregunta dando simplemente un valor al nivel
de significación.

Si se consultan publicaciones científicas aplicadas para conocer qué α emplear, en


la mayoría de estudios se obtendrá que el más utilizado es α = 0,05 (5 % de error),
siendo el segundo puesto ex aequo α = 0,01 (1 %) y α = 0,1 (10 %). Estos son los
niveles aconsejados en muchos textos elementales de estadística. Veamos por qué
se han venido aconsejando estos valores.

Antes de la universalización del empleo del ordenador, los cálculos estadísticos se


completaban mediante diferentes tablas para hallar las fronteras de la región crítica y
decidir qué hipótesis aceptar. Los valores 5 %, 1 % y 10 % fueron inicialmente
elegidos como los más representativos en las colecciones de tablas, ya que no
resultaba práctico publicar tablas para cualquier α. Así, estos valores se fueron
convirtiendo, con el paso del tiempo, en una convención más. Se ha llegado a
producir el efecto perverso, en algunos campos del conocimiento, de que algunos
editores mal informados sólo acepten trabajos con un 5 % de significación.

Sin embargo, no hay ninguna razón científica que indique que estos valores son
forzosamente los más adecuados. Ya hemos visto que la potencia tiene también una
importancia capital a la hora de calificar la bondad del test, sin olvidar la influencia
que tiene a su vez el tamaño de la muestra sobre 1 − β.

La metodología más razonable es obtener el p-valor y, si es posible, definir antes de


la obtención de la muestra una diferencia mínima significativa que garantice la
potencia deseada (definiremos a continuación estos dos conceptos). Sólo con estas
tres cantidades el contraste queda satisfactoriamente planteado.

Desde nuestro punto de vista, hoy en día, exponer las conclusiones de cualquier
estudio sólo a partir de un nivel de significación fijo para todos los contrastes es un
procedimiento estadístico muy rudimentario.

Tipo de distribución usar en la prueba de hipotesis

Prueba de hipótesis para la media de una población


En vez de estimar el valor de un parámetro, a veces se debe decidir si una
afirmación relativa a un parámetro es verdadera o falsa. Es decir, probar una
hipótesis relativa a un parámetro. Se realiza una prueba de hipótesis cuando se
desea probar una afirmación realizada acerca de un parámetro o parámetros de una
población.

Una hipótesis es un enunciado acerca del valor de un parámetro (media, proporción,


etc.).

Prueba de Hipótesis es un procedimiento basado en evidencia muestral (estadístico)


y en la teoría de probabilidad (distribución muestral del estadístico) para determinar
si una hipótesis es razonable y no debe rechazarse, o si es irrazonable y debe ser
rechazada.

La hipótesis de que el parámetro de la población es igual a un valor determinado se


conoce como hipótesis nula. Una hipótesis nula es siempre una de status quo o de
no diferencia

Prueba en la escala de la variable original


Un fabricante surte los ejes traseros para los camiones del Servicio Postal de
Estados Unidos. Estos ejes deben soportar 80,000 libras por pulgada cuadrada en
pruebas de carga, pero un eje excesivamente fuerte eleva los costos de producción
de manera significativa. La larga experiencia indica que la desviación estándar de la
resistencia de sus ejes es 4,000 libras por pulgada cuadrada. El fabricante
selecciona una muestra de 100 ejes de la producción, los prueba y encuentra que la
capacidad de carga media de la muestra es 79,600 libras por pulgada cuadrada.

Prueba usando la escala estandarizada