ÍNDICE
- Significación estadística
- Contraste de hipótesis
- Errores de hipótesis
- Métodos de contraste de hipótesis
1. Significación estadística
Está relacionada con el resultado del estudio.
Así, cuando se dice que la p < 0.05, estamos afirmando que el resultado del
estudio se cumple, al menos, en el 95% de los casos. Una de las dos formas de inferencia estadística (la otra
es la estimación puntual y/o por intervalos). Permite contrastar hipótesis y relacionarlo con el método científico. Se parte de la hipótesis nula, frente a la hipótesis alternativa. Permite calcular el nivel de significación y tomar decisiones, cuantificando el error.
2. Contraste de hipótesis
Nos permite decidir si
los resultados obtenidos son fruto de la
causalidad (por una relación causa-efecto) o de
la casualidad (por azar). Son herramientas estadísticas para responder a preguntas
de investigación: permite cuantificar la compatibilidad entre
una hipótesis previamente establecida y los resultados
obtenidos. Sean cuales sean los deseos de los investigadores, el test de
hipótesis siempre va a contrastar la hipótesis nula (la que
establece igualdad entre los grupos a comparar, o lo que es lo
mismo, la no que no establece relación entre las variables de
estudio).
- La hipótesis nula (H0): no existen diferencias significativas entre los resultados obtenidos en la prac1ca y los resultados teóricos
- La hipótesis de investigación o alternativa (H1 o Ha): afirma que la media de la población es un valor diferente al hipotético.
Se utiliza la prueba estadística correspondiente y se mide la
probabilidad de error al rechazar la hipótesis nula, asociada al
valor de p. Según el nivel de significación que hayamos preestablecido
(habitualmente un 95%) las soluciones pueden ser:
- p>0,05: en este caso no podemos rechazar la hipótesis nula (no podemos decir que sea cierta, sino que no podemos rechazarla).
- p<0,05: en este caso rechazamos la hipótesis nula, por lo que debemos aceptar la hipótesis alternativa.
FASE 1
Formular nuestra hipótesis nula a partir de la hipótesis de investigación o alternativa.
• Hipótesis nula = nulas (no hay) diferencias. Normalmente se expresa de la siguiente forma, H0: μA = μB.
• Hipótesis de investigación o alterna,va (H1 o Ha) la que afirma que la media de la población es un valor diferente al hipotético. Se suele expresar de la siguiente forma, H1: μA ≠μB.
* Contraste bilateral:
Se presenta cuando la hipótesis nula es del tipo H0: μ = μ0 H0: p = p0
La hipótesis alternativa, por tanto, es del tipo H1: μ≠ μ0 H1: p≠ p0
El nivel de significación α se concentra en dos partes (o colas) simétricas respecto de la media.
* Formulación de H0: H0: μA ≤ μB (porque la H1: μA>μB)
La hipótesis nula postula entonces que B es igual de eficaz que A, lo que se expresa: H0: μA = μB
• Hipótesis nula = nulas (no hay) diferencias. Normalmente se expresa de la siguiente forma, H0: μA = μB.
• Hipótesis de investigación o alterna,va (H1 o Ha) la que afirma que la media de la población es un valor diferente al hipotético. Se suele expresar de la siguiente forma, H1: μA ≠μB.
* Contraste bilateral:
Se presenta cuando la hipótesis nula es del tipo H0: μ = μ0 H0: p = p0
La hipótesis alternativa, por tanto, es del tipo H1: μ≠ μ0 H1: p≠ p0
El nivel de significación α se concentra en dos partes (o colas) simétricas respecto de la media.
La hipótesis nula postula entonces que B es igual de eficaz que A, lo que se expresa: H0: μA = μB
FASE 2
H0 se calcula, mediante el estadístico de contraste más
apropiado, la probabilidad de que los resultados observados
puedan deberse al azar.
Un estadístico de contraste de hipótesis o de significación
estadística es una medida estandarizada de la discrepancia
que hay entre la hipótesis nula y el resultado de la diferencia
de medias obtenido en la muestra.
El estadístico de contraste se elige por:
- La escala de medida y el tipo de variables.
- La independencia o dependencia de las medidas.
- El aspecto de la distribución de la variable dependiente.
En el caso de que estos supuestos no se cumplan, se utilizan los contrastes
no paramétricos, que permiten poner a prueba hipótesis no referidas a
parámetros poblacionales (en estos casos la distribución de frecuencias de
la variable dependiente puede asemejarse a la distribución de Poisson o a la
de t de Student).
FASE 3
3. Errores de hipótesis
Con una misma muestra podemos
aceptar o rechazar la hipótesis nula,
todo depende de un error, al que llamamos α.
- El error α es la probabilidad de
equivocarnos al rechazar la hipótesis nula.
- El error tipo I que consiste en decir que existen diferencias estadísticamente
significativas (porque realmente síexisten en la muestra que se ha tomado)
cuando realmente esto no es cierto.
- El error tipo II en el que se indica que no existen diferencias (en la muestra no
se hallan diferencias estadísticamente significativas), cuando realmente esto
no es cierto. A este &po de error también se le conoce como error β.
- El error α más pequeño al que podemos rechazar H0 es el error p. Habitualmente rechazamos H0 para un nivel α
máximo del 5% (p<0,05). Es lo que llamamos “significación estadística”.
* Tipos de errores en test de hipótesis
4. Método de contraste de hipótesis
PASO 1
Expresar el interrogante de la investigación como una hipótesis estadística:
- H0: No hay diferencia
- H1: Hay diferencia
PASO 2
Decidir sobre la prueba estadística adecuada según la población y el tipo de variables.
* Tipos de análisis estadísticos según el tipo de variables implicadas en el estudio
PASO 3
Seleccionar el grado de significación para la prueba estadística. El grado de significación = alfa= probabilidad de rechazar de manera incorrecta H0 cuando sea cierta (normalmente 0.05, 0.01, 0.001).
PASO 4
Realizar los cálculos y exponer conclusiones.