ASIGNATURA

MÉTODOS ESTADÍSTICOS

CONTENIDOS CONCEPTUALES:
Pruebas de Hipótesis

SEMANA 06

DOCENTE:
Mg. Allinson Pachas Ramos
Logro de la sesión:
Al finalizar la sesión, el estudiante será capaz de
plantear hipótesis estadísticas e identifica el nivel de
significancia y el valor p.
 PRUEBA DE HIPOTESIS
- Tenemos sospechas sobre cómo son las cosas y queremos ver si
los datos son compatibles con esas sospechas.

- Esas sospechas pueden provenir de una información parcial,

anecdótica, que queremos verificar.

- Esas sospechas se materializan en hipótesis: afirmaciones sobre

características de una población.

Es la parte de la inferencia estadística que se utilizará para probar la

validez de una afirmación acerca del valor del parámetro de la población.

CONTRASTE DE HIPOTESIS o DOCIMACIA DE HIPOTESIS

 ¿Qué es una prueba de hipótesis?
Es un proceso para determinar la validez de una aseveración hecha sobre
la población basándose en evidencia muestral.

Es una afirmación sobre la población, a nivel de sus parámetros:

 Media (μ)
 Proporción (P)
 Varianza (σ2) o desviación estándar (σ)

EJEMPLOS
- El administrador de un hospital supone que la duración promedio de la estancia
hospitalaria de los pacientes admitidos al hospital es de seis días. En este caso
estamos asumiendo que el valor de μ = 6
- Una enfermera puede asumir que, bajo determinadas condiciones, la proporción
de desnutridos en una comunidad es de 0,45. En este caso se está asumiendo
que P= 0,45
 HIPÓTESIS
ESTADÍSTICA

REALIZACIÓN DE
UNA HIPÓTESIS

TIPOS DE
TIPOS DE PRUEBAS DE REGLA DE
PRUEBAS DE TIPOS DE EROR
HIPÓTESIS HIPÓTESIS DECISIÓN
HIPÓTESIS

Prueba bilateral o
Hipótesis nula Error tipo I (α)
de dos colas

Prueba unilateral
Hipótesis alternativa de cola a la Error tipo II (β)
derecha

Prueba unilateral
de cola a la
izquierda
 TIPOS DE HIPÓTESIS
HIPOTESIS NULA: (Ho )
Es un supuesto de no diferencia, de no cambio, de no asociación.
Es una hipótesis conservadora y como habitualmente se investiga para observar
diferencias, cambios, asociaciones, la H 0 se plantea esperando sea rechazada (que
los datos muestrales no la apoyen) y es la que se somete a contrastación.
Ejemplo:
H0: µ1 = µ2 H0: µ1 ≥ µ2 H0: µ1 ≤ µ2
HIPOTESIS ALTERNA: ( H1 )
Si H0 es rechazada, entonces los datos apoyan al cumplimiento de la H 1. Se llama
también hipótesis de trabajo y es la hipótesis que el investigador espera que sea
apoyada por los datos muestrales.
Ejemplo:
H0: µ1 ≠ µ2 H0: µ1 < µ2 H0: µ1 > µ2
Identificando H0
Supuesto:
El colesterol medio para la dieta mediterránea es 6 mmol/l

Solución:

 Traducir a lenguaje estadístico:  6

 Establecer su opuesto:  6
 Seleccionar la hipótesis nula

H 0 :  6
T 1) PRUEBA BILATERAL O DE DOS COLAS TIPOS DE
I Las hipótesis son de la forma:
P
PRUEBA DE
O HIPOTESIS
S H 0 :   0 El tipo de prueba
H1 :   0
Punto critico
DE Punto critico depende básicamente
de la hipótesis
P alternativa.
R
2) PRUEBA UNILATERAL DE COLA A LA IZQUIERDA Si la alternativa es
U
Las hipótesis son de la forma: unilateral, la prueba
E
se denomina prueba
B
A H 0 :   0 de una cola.

DE H1 :   0 Si la alternativa
Punto critico
es bilateral, la
H
I prueba se
3) PRUEBA UNILATERAL DE COLA A LA DERECHA
P
Las hipótesis son de la forma:
denomina
O
T prueba de dos
E H 0 :   0 colas.
S
I H1 :   0 La posición de la
S Punto critico
región crítica
depende de la
 TIPOS DE ERRORES AL CONTRASTAR HIPÓTESIS:
PLANTEAMIENTO (SITUACION POBLACIONAL)

DECISIÓN Ho cierta Ho falsa

Error Tipo I Decisión acertada

Rechazar Ho
Probabilidad =  Probabilidad = (1-)
“Nivel de Significancia” “Potencia”

Decisión acertada Error Tipo II

No rechazar Ho
Probabilidad = (1-) Probabilidad = 
“Nivel de confianza”
α = P (rechazar H0/H0 cierta) ; β = P (aceptar H0/H0 falsa) ; Potencia =1- β = P (rechazar H0/H0 falsa)

Detalles a tener en cuenta: α y β están inversamente relacionadas. Pueden disminuirse

aumentando n.
 NIVEL DE SIGNIFICANCIA: α
La Probabilidad de cometer un error Tipo I se conoce como Nivel de Significancia, se
denota como α y es el tamaño de la región de rechazo.
El complemento de la región de rechazo es 1−α y es conocido como el Coeficiente de
Confianza.
En una prueba de Hipótesis de dos colas la región de no rechazo corresponde a un
intervalo de confianza para el parámetro en cuestión.

Nivel de significancia: α
 Número pequeño entre: 1% y 5%
 Fijado de antemano por el investigador
 Es la probabilidad de rechazar H0 cuando es
cierta
La Región de Rechazo es el conjunto de valores tales que si la prueba
estadística cae dentro de este rango, decidimos rechazar la Hipótesis Nula.
 NIVEL DE SIGNIFICACIÓN EMPÍRICO (p-valor)
 El p-valor es el nivel de significación empírico del contraste, que se obtiene a partir
del valor observado para el estadístico de prueba en la muestra seleccionada
(Programa Estadístico SPSS).
 P-valor: probabilidad de obtener, bajo H0, un valor igual o más extremo al
observado (gráficamente: área de la cola correspondiente a la RC a partir del valor
observado, o a las dos colas si el contraste es bilateral).

0 ≤ p-valor ≤ 1
 Permite al investigador decidir por sí mismo el nivel de riesgo α que está dispuesto a
asumir, y aplicar la siguiente regla de decisión:

Si p-valor < α, se rechaza H0 (contraste significativo)

Si p-valor > α, se acepta H0
 LA ESTADÍSTICA DE PRUEBA

La Estadística de Prueba es una estadística que se deriva del

estimador puntual del parámetro que estemos probando y en ella
basamos nuestra decisión acerca de rechazar o no rechazar la
Hipótesis Nula.

Siempre se calcula considerando la Hipótesis Nula como si fuera

verdadera.

También es conocido como variable aleatoria utilizada para tomar la

decisión "no se rechaza H0“ o bien "se rechaza H0".
 PRUEBAS PARAMÉTRICAS PRUEBAS NO PARAMÉTRICAS
 Se conoce el modelo de distribución de la
población objeto de estudio y se desconoce  Son métodos de distribución libre. No
un número finito de parámetros de dicha requieren conocer la distribución de la
distribución que hay que estimar con los datos muestra.
de la muestra.  Se utilizan estadísticos cuya distribución se
 Requieren conocer la distribución de la determina con independencia de cuál sea la
muestra para poder realizar inferencias sobre distribución de la población.
la población.

LAS PRUEBAS NO PARAMÉTRICAS: ¿Para qué se utilizan?

 Son una alternativa a las pruebas paramétricas cuando los datos no cumplen los requisitos de las
pruebas paramétricas.
 Permiten conocer cómo es la forma de la distribución de la población de la que se ha extraído la
muestra. Contrastes de Bondad de Ajuste para conocer la forma de la población que ha originado la
muestra.
 SUPUESTOS DE LAS PRUEBAS PARAMÉTRICAS

1. Normalidad: Las observaciones se extraen de poblaciones distribuidas según la Normal para

cada grupo. Pruebas de bondad de ajuste.
2. Homocedasticidad: Las varianzas de los diferentes grupos tienen que ser iguales.
(Homogeneidad de varianzas). El numerador y el denominador de la prueba F son
estimaciones de la misma varianza poblacional (Prueba de Levéne). Supuesto de esfericidad
respecto a la homogeneidad de varianzas-covarianzas (Prueba de Mauchley).
3. Respecto a los errores:
 Los errores son independientes entre sí.
 Se distribuyen según una Normal dentro de cada población del grupo N(0, 2 ). Es
decir, con media cero y varianzas equivalentes.
 La ecuación estructural del modelo refleja una composición aditiva.
 ESTADÍSTICA DE PRUEBA
Análisis Estadísticas Paramétricas Estadísticas No Paramétricas
Un grupo Prueba Z Binomial
T Student de una muestra X2 (Bondad de ajuste)
Rachas
Kolmogorov-Smirnov
Comparar 2 grupos T Student para muestras U-Mann Whitney
independientes X2 (Homogeneidad)
Levene para igualdad de varianzas Kolmogorov-Smirnov
Comparar 2 grupos T Student para muestras relacionadas Prueba de Wilcoxon
apareados Mc Nemar
Compara 3 o más ANOVA Kruskal-Wallis
grupos X2 (Homogeneidad)
Compara 3 o más ANOVA de factor Friedman
grupos apareados Q de Cochran
Correlación entre dos Pearson Spearman
variables
 LA REGIÓN DE RECHAZO
La Región de Rechazo es el conjunto de valores tales que si la prueba
estadística cae dentro de este rango, decidimos rechazar la Hipótesis
Nula.

Su localización depende de la forma de la Hipótesis Alternativa:

Si Si
H1 :   0 H1 :    0
Entonces la región se encuentra en la cola derecha Entonces la región se encuentra en la cola izquierda
de la distribución de la estadística de prueba. de la distribución de la estadística de prueba.

Si H1 :   0
Si entonces la región se divide en dos partes, una parte estará en la
cola derecha de la distribución de la estadística de prueba y la otra
en la cola izquierda de la distribución de la estadística de prueba.
PASOS PARA PROBAR UNA HIPÓTESIS ESTADÍSTICA
Paso 1.- Planteamiento de hipótesis.
H0 : Hipótesis Nula
H1 : Hipótesis Alternativa
Paso 2.- Niveles de significación. (teórico) ””
Paso 3.- Estadístico de prueba..
Se obtiene el valor de
significación practico «P -

SPSS valor» mediante el SPSS.

P - VALOR
P>0.05 No significativo
P<0.05 Significativo
P<0.01 Muy significativo
P<0.001 Altamente
Paso 4.- Formular la regla de decisión significativo

Si el p-valor <  Se rechaza H0

Si el p-valor ≥  No se rechaza H0
Paso 5.- Conclusión:
En este caso se especifica la hipótesis estadística que no ha sido
rechazada indicando el nivel de significancia teórico considerado (α)
DESARROLLAR LA
PRACTICA 07.
EN LOS SIGUIENTES ENUNCIADOS IDENTIFICAR EL PARÁMETRO DE INTERÉS Y PLANTEE LAS
HIPÓTESIS ESTADÍSTICAS Y DETERMINE LAS REGIONES DE RECHAZO Y ACEPTACIÓN CON LA
TABLA Z

1. Estamos estudiando el efecto del estrés sobre la presión arterial. Nuestra hipótesis es
que la presión media en varones jóvenes estresados es 17.5 cm de Hg. Estudiamos
una muestra de 25 sujetos y encontramos un valor promedio de 17 y S=1.4 Utilice un
α = 0,01
EN LOS SIGUIENTES ENUNCIADOS IDENTIFICAR EL PARÁMETRO DE INTERÉS Y PLANTEE LAS
HIPÓTESIS ESTADÍSTICAS Y DETERMINE LAS REGIONES DE RECHAZO Y ACEPTACIÓN CON LA
TABLA Z

2. Se está estudiando el efecto del estrés sobre la presión arterial. Exprese la hipótesis:
la presión sistólica media en varones jóvenes estresados es de 18 cm de Hg. Además,
si se estudia una muestra de 36 sujetos y encontramos promedio=18.5 y desviación
estándar 3.6 cómo plantearía su desarrollo para el contraste.
"Para el investigador no existe alegría comparable a
la de un descubrimiento, por pequeño que sea".
Alexander Fleming