Hipótesis

Conjetura conceptual con que pretende

resolver el problema científico planteado
 Lectura

A) Identificado el problema, el investigador

avanza una posible solución del mismo. De este
modo, la hipótesis es una propuesta o conjetura
conceptual sobre lo que se espera observar.

B) La solución a los problemas científicos no es la

única razón del enunciado de las hipótesis. Éstas,
con frecuencia, se derivan también de teorías.
Las teorías, a diferencia de las hipótesis,
representan los principios generales y sus
conexiones mediante reglas lógicas. Son
sistemas conceptuales que organizan las
creencias iniciales acerca de cómo funciona la
realidad o el mundo (Dooley, 1984).
La teoría sirve de guía de la investigación y
proporciona predicciones sujetas a prueba. Las
hipótesis se convierten, en esta segunda
acepción, en instrumentos de trabajo de la
teoría y son el puente entre los datos y los
esquemas conceptuales. Como destacan
Rosenthal y Rosnow (1991), las hipótesis están
más focalizadas, y están orientadas a la
confrontación empírica.
 UNIVERSO DE LAS HIPÓTESIS

Hipótesis teórica Problema

Hipótesis de
investigación

Hipótesis
operativa
Estructura jerárquica de las
hipótesis
Hipótesis
teórica

Hipótesis
de investigación

Hipótesis
operacional
Hipótesis teórica

Hipótesis del sistema: Supuesta

relación funcional entre variables
teóricas
 Hipótesis de investigación

Las hipótesis de investigación o empíricas

son predicciones hechas a partir de las
hipótesis teóricas. Son enunciados más
específicos y más fácilmente verificables
que se derivan de las propuestas o
enunciados teóricos.
A veces se plantean como una solución
directa a los problemas científicos.
 Ejemplos (hipótesis de investigación)

a) La actitud de los maestros afecta el

rendimiento académico de los escolares.
b) El estatus socioeconómico determina
el éxito social.
c) El tamaño de los jurados populares está
relacionado con el veredicto de
culpabilidad.
d) A mayor intensidad del estímulo
auditivo más rápida es la respuesta.
e) El incentivo es una factor determinante
de la productividad laboral.
f) Los repasos ayudan a memorizar el
material escrito.
g) La masificación de las aulas es causa
de un bajo rendimiento escolar
 Hipótesis operacional

La hipótesis operacional es una hipótesis de

investigación donde se han definido
operacionalmente todas sus variables.
En otras palabras, es aquella en que se aplica a
los términos de la hipótesis de investigación
definiciones reductivas ya sean de
manipulación o bien de medición.
 Definición operacional de las variables

La definición operacional especifica la clase de

operaciones que han de realizarse para
manipular o medir la variable en cuestión. La
definición operacional es un conjunto de
instrucciones que han de seguirse para el uso
científico de las variables. Pueden citarse, como
ejemplos de definiciones operacionales, la
especificación de la recompensa por la
cantidad de alimento, la inteligencia por las
puntuaciones de un test de inteligencia, el
neuroticismo por las puntuaciones del
cuestionario EPI, la ansiedad por cantidad de
amenaza, etc.
De los ejemplos citados, se concluye la
posibilidad de dos tipos de definiciones
operacionales: la definición operacional
experimental y la definición operacional de
medida (Kerlinger, 1964).
Ejemplo (hipótesis operacional)

Los individuos introvertidos tienen un

rendimiento más alto en tareas que
exigen estar atentos durante un
período de tiempo largo
Introversión medida por las
puntuaciones del Inventario de
Personalidad de Eysenck (EPI)
Tarea de atención cantidad de
faltas cometidas en un simulador de
conducción, durante media hora.
Criterios para la formulación
de las hipótesis científicas

A) Claridad
B) Comprobabilidad
C) Simplicidad
D) Relación entre variables
E) Coherencia
Cómo se formulan las hipótesis científicas)

A) Las hipótesis han de formularse con

claridad, en términos usuales y de forma
operacional. Han de evitarse términos tales
como personalidad, atención, rendimiento
escolar, etc. El enunciado de una hipótesis
requiere el uso de términos técnicos precisos y
definidos operacionalmente. Una hipótesis
como la personalidad influye en el rendimiento
escolar debería reformularse por la
personalidad medida por el Eysenck Personality
Inventory determina las puntuaciones
académicas obtenidas por los escolares en
una prueba de ejecución sensorio-motriz.
..//..
 B) Las hipótesis han de ser
comprobables. Esto requiere disponer de
los medios o instrumentos necesarios para
manipular o medir, de forma válida,
válidas de las variables implicadas.

C) Es propio de las hipótesis

correctamente formuladas establecer
relaciones entre las variables. En toda
hipótesis científica ha de quedar
reflejada, de forma explícita, la relación
entre las variables. Sea, por ejemplo, la
hipótesis de que a mayor cantidad de
ensayos mejor ejecución en una tarea de
coordinación sensorio-motora. ..//..
 D) Las hipótesis han de ser simples, es decir,
es preferible una hipótesis específica que
una hipótesis general. No obstante, es
posible derivar, a partir de un enunciado
amplio, hipótesis operacionales particulares.

E) Por último, las hipótesis tienen que ser

coherentes con el resto de los hechos
conocidos o hipótesis verificadas. Las
hipótesis previamente validadas no siempre
son consistentes con todos los hechos. En
estos casos, es aconsejable formular
hipótesis alternativas para eliminar la falta
de consistencia.
Clases de hipótesis

Asociativa

Hipótesis

Causal
Hipótesis asociativa

X Y

Los valores de la variable

X covarían con los valores
de la variable Y
 Ejemplos (hipótesis asociativas)

a) Hay una correlación entre el estilo de

dirección y la moral de los empleados
b) La visualización de los dibujos animados
está asociado con el comportamiento
agresivo de los niños.
c) La percepción de culpabilidad o
inocencia de los acusados está asociada
a los argumentos legales.
..//..
d) El consumo de heroína es función de la
clase social.
e) El consumo de tabaco está
positivamente relacionado con el nivel
de alerta en sujetos humanos.
g) Los niños sensibles al ritmo progresan
más en el aprendizaje de lectura.
Hipótesis causal

X Y
Los valores de la variable
X determinan los valores
de la variable Y
 Ejemplos (hipótesis causales)

a) Leer dos veces una lista de ítems

favorece su recuerdo.
b) La intensidad de un estímulo determina
una respuesta de discriminación más
rápida.
c) A mayor incentivo más rápido es el
aprendizaje de una actividad
académica.
..//..
d) El castigo genera respuesta de
evitación.
e) La frustración es causa de conductas
agresivas.
f) El nivel de alerta aumenta la
efectividad del rendimiento escolar.
g) El ejercicio aumenta el rendimiento en
una actividad motora.
Contextos de las hipótesis

Hipótesis Contexto
científico

asociativas correlacional

causales de manipulación
Qué añade la hipótesis al problema

Relación
VD funcional VI

y = f(x)
 Clasificación de las hipótesis de investigación

A) En función de los objetivos experimentales:

Hipótesis de investigación

Exploratorias Confirmatorias Cruciales

B) En función del grado de generalidad:

Hipótesis de investigación

Universales Existenciales
Nivel técnico-metodológico Fases

No experimental

Plan de Estrategias
Investigación recogida de
datos

Experimental
Lectura (nivel técnico-metodológico)

A este segundo nivel del Modelo general, se vinculan

los conceptos teóricos con la realidad empírica; es decir,
se fundamenta, mediante el anclaje empírico que
proporciona el método, la representación conceptual o
imagen teórica de lo real (Madsen, 1967). Se trata de
una fase cuya actividad principal es el contraste o
comprobación de la hipótesis de investigación (o
hipótesis empíricas), y la reducción de los elementos de
la hipótesis a referentes reales. ..//..
Este proceso de reducción - operativizar la
hipótesis- requiere la aplicación de las
correspondientes reglas de correspondencia
o definiciones operacionales.
Las actividades de esta segunda fase son: a)
la operativización de la hipótesis mediante
un plan de investigación, y b) la selección
de una adecuada estrategia de recogida
de datos o diseño de investigación.
Plan de investigación

Proceso de toma de decisiones relativo a:

1. variable independiente
2. variables extrañas
3. variable dependiente
4. variable de sujeto
5. variable de procedimiento y tarea
6. instrumentos de medida
Lectura (plan de investigación)

El plan de investigación es un proceso en el

que toman decisiones acerca de las
cuestiones más relevantes que afectan a su
puesta en práctica. Entre estas cuestiones
unas se refieren a cómo se han de definir las
variables independiente y dependiente,
cómo aplicar los tratamientos, cómo
controlar las posibles variables extrañas o
potenciales fuentes de confundido, cómo
administrar las tareas y cómo seleccionar y
tratas a los sujetos que van a ser objeto de
estudio o unidades de trabajo.
 Estrategias de investigación y control

Control de las variables

Estrategias Independiente Dependiente Extrañas
Investigación Nulo Mínimo Débil
de campo
Métodos de Nulo Regular Débil
encuesta
Manipulativas o Máximo Máximo Máximo
Experimentales
Reunión de datos

Sistemas de reunión de datos

a) Tablas
b) Gráficos
Tablas

Las tablas se usan en los informes científicos para

resumir los datos u otra información que no puede
ser presentada de forma conveniente en la
narrativa del texto.
Lecturas (tablas)

La tablas deben tener un título que informe

claramente sobre su contenido como por
ejemplo preferencias del partido político. Las
tablas estadísticas deberían informar
también sobre el número de observaciones
que se incluyen (frecuencia). La parte
superior de la columna del lado izquierdo de
la tabla es referida como título de filas e
informa sobre el contenido de las fila. El
cuerpo de la tabla contiene los datos de
interés. En el ejemplo propuesto se muestra el
número de individuos que prefieren cada
partido político. ..//..
Las tablas que se referien a una sola
variable son conocidas por
representaciones univariadas y las que
informan sobre dos variables,
representaciones bivariadas. En la
representaciones bivariadas una
variables está asociada a las filas y la
otra a las columnas y se conocen,
también, por tablas de contingencia.
Ejemplo de tabla bivariada en la que
relaciones la pertencia del partido
político y la afiliación religiosa (en
paréntesis están los porcentajes).
Ejemplos (tablas)
Ejemplos (tablas)
Gráficos

Con los gráficos se consigue una

representación visual de los datos, por lo
que es un procedimiento útil a la
investigación. Los gráficos captan mejor
la atención del lector, permite clarificar
los resultados y facilitar su interpretación
 Lectura (histograma de frecuencias o
gráfico de barras)

El histograma de frecuencias es un gráfico

que muestra la distribución de frecuencias
de una variable de intervalo. El eje horizontal
del histograma o gráfico de barras presenta
los intervalos y el eje vertical la cantidad de
puntuaciones de cada intervalo
(frecuencia). La altura de la barra indica la
frecuencia de casos de cada categoría. El
gráfico siguiente muestra la cantidad de
amigos reportados por estudiantes del un
College americano. ..//..
En el segundo ejemplo, se muestra un
gráfico de barras sobre el efecto de dos
drogas antiansiolíticas. Se trata de una
escala nominal y la diferencia entre el
primer y segundo panel estriba en la
forma de representar las unidades en el
eje vertical (unidades pequeñas en el
primer panel y punto cero y unidades
grandes en el segundo). Nótese que la
gran diferencia entre las dos drogas que
se observa en el primer panel y que
desaparece en la segunda
representación.
Cantidad de amigos reportados por estudiantes
de un College
Efectos de las drogas sobre la ansiedad
Lectura (polígono de frecuencias)

Es una forma alternativa de representa el

histograma de frecuencias. Así, en lugar
de barras se utilizan líneas que conectan
las frecuencias de los intervalos de clase.
En el ejemplo siguiente se muestra la
misma información sobre la cantidad de
amigos, pero utilizando el sistema de
líneas y no de barras. De igual modo, se
tiene el gráfico de la cantidad de
divorcios al aprobarse correspondiente
ley en el Estado de Nebraska.
Cantidad de amigos reportados por
estudiantes de un College
Cantidad de divorcios antes y después de su
promulgación en el Estado de Nebraska
Modelo estadístico

Y = f(X) + g(E)

V.Dep. Parte fija Parte

aleatoria
Lectura (modelo estadístico)

El modelo estadístico, o ecuación de

carácter lineal, asume que una observación
Y es el resultado de la combinación aditiva
de alguna función f de variables fijas y de
alguna función g de componentes aleatorios,
y que tanto f como g pueden tomar
parámetros conocidos o desconocidos.
Considerada esta ecuación como un modelo
estadístico general, se tiene que cualquier
observación es la suma de dos partes o
componentes: una parte fija o determinista,
f(X), y una parte aleatoria desconocida, g(E).
..//..
Los modelos que ajustan a la ecuación
propuesta parten de unos supuestos
teóricos, y describen cómo se
comportaría la variable dependiente (o
variable de medida), siempre y cuando
el azar haya tenido la oportunidad física
de actuar.
Hipótesis estadística (1)

H0: parámetro = 0
H0: β = 0
Lectura (hipótesis estadística)

En investigación del comportamiento,

interesan más los parámetros asociados a la
parte fija del modelo estadístico ya que
representan la magnitud de un cambio
(grado de asociación entre las variables) o el
efecto causal (el impacto de una variable
sobre la otra), en función de la estrategia de
recogida de datos. Es por ello, que el objetivo
de cualquier prueba de hipótesis es
determinar el nivel de significación de estos
parámetros.
Hipótesis estadística (2)

H0: μ1 = μ2
H0: μ1 μ2 = 0
Hipótesis nula: H0

En teoría estadística se asume,

inicialmente, la no-significación de
los parámetros (o de su diferencia),
siendo este supuesto la hipótesis que
se somete a prueba, conocida por
hipótesis nula (H0). Si se demuestra
que este supuesto no es aceptable,
se recurre a la hipótesis alternativa
como la explicación más plausible
de los datos.
Lectura (Prueba de la hipótesis estadística o
prueba de significación)

La prueba de significación estadística

contrasta la hipótesis de nulidad con los
datos del estudio. A partir del resultado de
la prueba de significación, se procede a
la toma de decisiones estadísticas. El
resultado de la prueba consiste, de forma
sucinta, en la aceptación o no de la
hipótesis de nulidad que asume la no-
relación entre la variable independiente
manipulada sobre la variable
dependiente observada o medida.
..//..
Cabe matizar, no obstante, que entre la
variable independiente y dependiente
pueden darse relaciones de asociación o
de causalidad, de modo que la posible
implicación de una variable sobre otra
depende del diseño utilizado (no-
experimental o experimental). La relación
de asociación es la magnitud de cambio
habido entre dos variables, mientras que
la relación de causalidad es el tamaño
del impacto de una variable sobre otra.
Inferencia de la hipótesis de nulidad

La inferencia de la hipótesis nulidad lleva a aceptar

que la variable independiente no tiene efecto
sobre la dependiente. En caso contrario, se toma la
decisión a favor de un modelo alternativo
asumiendo, como explicación más plausible (no
exenta de riesgo), el modelo de impacto o efecto
real. Al tomar esta decisión, se corre el riesgo de
que sea falsa. ..//..
Este riesgo se define, en teoría
estadística, en términos probabilísticos y
es conocido por nivel de significación. El
nivel de significación describe el grado
de credibilidad que merece la hipótesis
considerada. ..//..
Cuando la prueba lleva a la
aceptación de la hipótesis nulidad, se
concluye que la variable independiente
no tiene relación alguna con la
dependiente. En caso contrario, se
toma la decisión a favor de la hipótesis
alternativa asumiendo, como
explicación más plausible (no exenta de
riesgo), el hecho de una relación entre
ambas variables (de asociación o de
causalidad). ..//..
 Decisiones en torno a la Hipótesis de Nulidad

Rechazo o Aceptación

Cuando H0 Cuando H0 es Cuando H0 Cuando H0 es

es falsa verdadera es falsa verdadera

Decisión Decisión Decisión Decisión

correcta incorrecta incorrecta correcta

No error Error Tipo I Error Tipo II No error

Errores en el rechazo o aceptación de H0

Situación actual de la H0

Decisión Verdadera Falsa

Rechazo H0 Error Tipo I No error

Aceptación H0 No error Error Tipo II

 Error Tipo I y error Tipo II

A) Error Tipo I o decisión positiva falsa se

comete al rechazar la hipótesis de nulidad
cuando es verdadera; es decir, cuando se
toma una decisión positiva, en favor de la
existencia de un efecto de la variable
independiente cuando en realidad no existe
(falsa alarma).
La probabilidad de cometer este error es el
nivel de significación o valor α de la prueba
estadística.

..//..
B) Error Tipo II o decisión negativa falsa se
comete cuando la prueba lleva a la
aceptación de una hipótesis de nulidad
falsa. Se trata de aceptar un efecto nulo,
cuando en realidad no ocurre. El error de
Tipo II se define por la probabilidad β y
está asociado inversamente con la
probabilidad α y directamente con la
potencia de la prueba.
 Decisión estadística y error

Resultado Probabilidad Decisión

de la prueba de azar
estadística α = 0.05
Significativo p < α NA(H0)

H0

No significativo p > α A(H0)

Inferencia de H0

Probabilidad 1 Región de
de azar decisión

Si p > 0.05 A(H0)

α = 0.05
Si p < 0.05 NA(H0)
0
Lectura (probabilidad de azar y decisión)

Por hipótesis nula se asume que la única

razón por la que los datos del estudio varían
es el azar. De ahí, la hipótesis nula es la
hipótesis de la expectativa del azar. Todo
ocurre al azar hasta que no se demuestre lo
contrario. El resultado de la prueba
estadística señala cuál es la probabilidad de
que los datos hayan ocurrido al azar.
Entonces, asumiendo un determinado riesgo
de error (riesgo alfa), definido en términos
probabilísticos, es posible concluir la no
aceptación (cuando p<α) o la aceptación
(cuando p>α) de la hipótesis de nulidad.
 Discusión de los resultados

Interna Control

Validez

Externa Alcance
Lectura (discusión de los resultados)

En este estadio se distinguen dos actividades

básicas:

A) En primer lugar, se determina, en la medida

de lo posible, la aceptación de los presupuestos
teóricos que han inspirado la investigación. Esto
requiere interpretar los resultados y, al mismo
tiempo, inferir la hipótesis de investigación. Así,
con esta primera actividad, el investigador fija el
grado de validez interna de la investigación.
..//..
B) En segundo lugar, se especifica el
alcance de los resultados obtenidos, es
decir, para qué valores de las variables
implicadas y presentes en la situación es
vigente el efecto inferido. Se trata, por
tanto, de establecer el alcance de los
resultados (su generalización) y el grado
de validez externa del trabajo.
 Validez

Consistencia de un estudio o trabajo

científico. Puede entenderse como
consistencia interna (cohesión) y como
consistencia externa (ámbito de
aplicación)
 Validez interna

El grado en que se puede establecer de

forma exacta que la variable
independiente ha producido el
fenómeno observado o es causa de los
valores que toma la variable
dependiente
 Validez externa

El grado en que los resultados de un

estudio pueden generalizar a través de
las personas, contextos, tratamientos y
tiempos.
El alcance que tienen los resultados de
una investigación.
Interpretación de los resultados

Las actividades propias de la interpretación

de de los resultados son:
a) Inferir la hipótesis de investigación.
b) Examinar los resultados en función de
ésta hipótesis, extrayendo los contenidos
científicamente significativos.
c) Interpretar los resultados en términos de
hipótesis alternativas o rivales.
Generalización de los resultados

En la generalización se evalúa el alcance

de los resultados. Es decir, para qué
poblaciones son vigentes los supuestos
teóricos probados. La generalización de los
resultados suele realizarse, por lo común, con
la población de sujetos. No obstante, en
toda investigación está presente más de una
población: la población de tratamientos,
experimentadores, contextos y
emplazamientos, etc.
Lectura (generalización)

En este subapartado de la discusión, se evalúa

el alcance de los resultados. Es decir, para qué
poblaciones son vigentes los supuestos teóricos
probados. La generalización de los resultados
suele realizarse, por lo común, con la población
de sujetos. No obstante, en toda investigación
está presente más de una población: la
población de tratamientos, de
experimentadores, de emplazamientos, etc.
Convendría tener cuenta las diferentes
poblaciones para establecer los márgenes de
acción de los efectos constatados y el grado de
validez externa de la investigación.