Ensayo de Pruebas de Hipotesis

INSTITUTO TECNOLÓGICO SUPERIOR DE HOPELCHÉN
INGENIERIA EN INNOVACIÓN AGRICOLA SUSTENTABLE
ASIGNATURA:
METODOS ESTADISTICOS
ACTIVIDAD 1. ENSAYO
PRUEBA DE HIPOTESIS
ALUMNA:
JOSE RODOLFO UC CAL
MATRICULA:
6385
DOCENTE:
ING. JORGE RAYMUNDO COH TEC
GRADO Y GRUPO:
3 “B”
CICLO ESCOLAR:
2022-2023 N
08-09-022
INDICE
INTRODUCCION
En estadística hay un tema relevante que son las pruebas de hipótesis, en donde,
mencionaremos cuales son, cuáles son sus términos y sus inferencias de ambas.
Como menciona la hipótesis en la estadística es la suposición que se realiza
acerca de las características de una población. Es utilizada para verificarla o
rechazarla tras realizar el estudio estadístico pertinente. Tanto personas como
empresas estamos cada vez más acostumbrados a disponer y hacer uso de
multitud de datos. (cal j. r., 2022)
Mencionaremos sobre los tipos de hipótesis, como se mencionan.
Causales: Como su propio nombre indica, este tipo de hipótesis tienen el objetivo
de explicar los factores de causalidad existentes entre dos o más variables
estadísticas.
Correlacionales: Estas hipótesis tratan de establecer qué tipo de relación existe
entre dos variables. Por ejemplo, cuanto más deporte realice una persona, mejor
condición física tendrá.
Diferencia de grupos: Tienen el objetivo de crear una distinción entre dos o más
grupos estudiados en función de las características de los mismos.
Descriptivas: Son aquellas hipótesis que tienen la función de informar acerca de la
relación existente entre dos o más variables. Así como, la hipótesis nula y la
hipótesis alternativa. (cal j. r., https://www.diferenciador.com, 2022)
DESARROLLO
Las hipótesis podrán verificarse o rechazarse en función de los resultados que
arroje el estudio estadístico realizado. En este artículo te explicamos los diferentes
tipos de hipótesis que hay y un ejemplo para que lo entiendas a la perfección.
Las pruebas de hipótesis evalúan la probabilidad asociada a la hipótesis nula (H0)

de que no hay efecto o diferencia.
El valor de p obtenido refleja la probabilidad de rechazar la H0 siendo esta

verdadera; en ningún caso prueba que la hipótesis alternativa, de que si hay
efecto o diferencia, sea verdadera.
Error tipo I (α) es un falso negativo: rechazar H0 cuando esta es verdadera.
Error tipo II (β) es un falso negativo, aceptar H0 la cuando esta es falsa.
La potencia de un experimento o test describe la probabilidad de detectar una

diferencia verdadera de una determinada magnitud.
Los datos obtenidos en el transcurso de una investigación médica frecuentemente

son usados para comparar el efecto de diferentes maniobras o situaciones:
tratados versus no tratados, casos versus controles o normales versus enfermos.
Aunque existen numerosas alternativas para hacer esas comparaciones – que
dependerán fundamentalmente del diseño experimental, del tipo de datos y
escalas de medición, y del número de muestras – y a pesar de la enorme variedad
en el tipo de problemas médicos que pueden plantearse o de las soluciones
estadísticas que se aplique, existen básicamente dos aproximaciones: pruebas de
hipótesis y estimación. Vale la pena discutir algunos puntos de estas alternativas
antes de elaborar sobre las pruebas estadísticas propiamente tales.
Se puede describir formalmente los pasos a seguir:

1. Formular la hipótesis y su alternativa. Normalmente la hipótesis de trabajo
(por ejemplo, tal tratamiento es mejor que el control o tal procedimiento
tiene menos morbilidad) es contrastada con una hipótesis estadística que
supone que no existe tal efecto o tal diferencia. La razón para hacer esto es
que se puede calcular de antemano la distribución de probabilidades
asociadas con tal situación. Esta hipótesis se conoce con el nombre de
hipótesis nula que se abrevia como H0 (Nullus: Nula, falto de valor y fuerza
para obligar o tener efecto). La expresión matemática es H 0: 1= 2. La
hipótesis alternativa es que el efecto sí existe, que es distinto de cero, y que
en algunos casos se puede especificar el signo de esa diferencia.
Normalmente corresponde a la hipótesis de trabajo, se abrevia como H 1 y
tiene tres alternativas: µ 1≠ µ 2, µ 1< µ 2 o bien µ 1> µ 2.
2. Elegir la prueba estadística apropiada de acuerdo al diseño experimental, el
tipo de datos y el número de grupos que se comparan. La cifra que resulta
de usar la prueba (aplicar la o las fórmulas) en los datos recolectados se
conoce como el estadístico del test en cuestión: z; estadístico t o de
Student, la r de Pearson, F del análisis de varianza, 2. La distribución del
estadístico puede ser calculada de antemano cuando la H 0 es verdadera y
por lo tanto conocer los valores que delimitarán distintas porciones del área
bajo la curva de esa distribución; éstas se conocen como distribuciones de
muestreo. Vale la pena decir aquí, y lo reiteraremos luego, que las pruebas
de hipótesis en ningún caso prueban la veracidad de la hipótesis
alternativa o de trabajo, limitándose a decir que no hay suficiente evidencia
para rechazar la hipótesis nula basándose en un nivel preestablecido de
probabilidades.
3. Elegir el nivel de significación α de la prueba, el límite para rechazar H 0. En
general, se acepta α = 0,01 ó 0,05, cifras que implican un 1%, o un 5%
respectivamente, de posibilidades de equivocarse cuando se rechaza H 0,
de decir que hay una diferencia cuando en realidad no la hay. Este es el
llamado error tipo I.
4. Calcular el valor de P. Esta es la probabilidad de obtener los resultados
observados u otros más extremos si la H 0 es verdadera, cifra que es
determinada por el área de la distribución que queda más allá del valor
calculado.
5. Si p es menor que α, rechazar H 0 y aceptar la alternativa; en caso contrario,
se acepta la hipótesis nula. El conjunto de valores que resultarían en el
rechazo de H0 – calculados conociendo la prueba usada, α y el número de
observaciones – se conoce con el nombre de región crítica (Figura 1). Este
punto puede refrasearse así: se rechaza la H 0 si el estadístico cae en la
región crítica. En los apéndices de los textos de estadística aparecen tablas
con la distribución de estos estadísticos, dando el valor de p y donde el
tamaño de la muestra se considera en los grados de libertad.
Como se evalúa el estadístico calculando la probabilidad de observar el valor

encontrado u otro más extremo, el valor de P constituye la cola de la distribución.
Este concepto es importante pues permite entender qué significa un test de una
cola o de dos colas. Si la hipótesis de trabajo implica que existe una diferencia, sin
especificar la dirección de esa diferencia (1 ≠ µ 2) debe usarse una prueba de
dos colas. Si se es capaz de especificar de antemano el signo de ella (µ 1 <  2 o
bien µ 1> µ 2), se puede y se debe usar una prueba de una cola.
El valor de P es tan ubicuo y tan buscado en la literatura médica que ha llegado a

alcanzar poderes mágicos. Feinstein, en su estilo claro e irónico, comenta sobre
cómo un acto de juicio científico crítico se convirtió en un templo numérico
arbitrario, asombrándose que la comunidad científica haya aceptado tan
livianamente una guía que no es ni confiable ni efectiva. La P no es confiable
porque depende absolutamente del tamaño de la muestra y esto la hace
especialmente peligrosa en los trabajos epidemiológicos.
Estas pruebas también se denominan de significancia pues los valores de P por

sobre o debajo del límite se denominan como significativos, altamente
significativos o no significativos. Desgraciadamente, su connotación estadística ha
sido trasladada a la clínica, creando mucha confusión entre lo que es
estadísticamente significativo y lo que es clínicamente significativo. (cal, 2022)
CONCLUSIÓN
En conclusión, no hay diferencias (H0) o bien sí las hay (H1), las pruebas de
hipótesis pueden dar dos resultados: rechazar o aceptar H 0. En estas
circunstancias, en forma análoga a lo que sucede con los exámenes de laboratorio
diagnósticos, las alternativas son cuatro. Dos no constituyen más que la
coincidencia entre la realidad y el resultado de las pruebas: Se rechaza H 0 cuando
ésta es falsa, una diferencia verdadera es declarada estadísticamente significativa.
Es un verdadero positivo. Se acepta H 0 cuando ésta es verdadera, no hay una
diferencia estadísticamente significativa y en realidad no la hay. Un verdadero
negativo. Las otras alternativas implican una incongruencia entre la realidad y los
resultados y, por lo tanto, constituyen errores. Se rechaza H 0 cuando ésta es
verdadera, concluyendo que hay una diferencia que en realidad no existe, un falso
positivo. Se acepta H0 cuando en realidad es falsa, un falso negativo,

concluyendo que no hay diferencia cuando en realidad existe. Este es el error tipo
II (β), que la mayoría de las veces se debe a un tamaño insuficiente de la muestra.
Bibliografía
cal, j. r. (08 de 09 de 2022). https://economipedia.com. Obtenido de https://economipedia.com:
https://economipedia.com/definiciones/hipotesis-estadistica.html#:~:text=La%20hip
%C3%B3tesis%20estad%C3%ADstica%20es%20la,uso%20de%20multitud%20de%20datos.
cal, j. r. (08 de 09 de 2022). https://www.diferenciador.com. Obtenido de

https://www.diferenciador.com: https://www.diferenciador.com/tipos-de-hipotesis/
cal, j. u. (08 de 09 de 2022). https://revistachilenadeanestesia.cl. Obtenido de

https://revistachilenadeanestesia.cl: https://revistachilenadeanestesia.cl/inferencia-
estadistica-pruebas-de-hipotesis/#:~:text=La%20pruebas%20de%20hip%C3%B3tesis
%20eval%C3%BAan,efecto%20o%20diferencia%2C%20sea%20verdadera.

Ensayo de Pruebas de Hipotesis

Cargado por

Copyright:

Formatos disponibles

Ensayo de Pruebas de Hipotesis

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ensayo de Pruebas de Hipotesis

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO SUPERIOR DE HOPELCHÉN

INGENIERIA EN INNOVACIÓN AGRICOLA SUSTENTABLE

JOSE RODOLFO UC CAL

ING. JORGE RAYMUNDO COH TEC

Las pruebas de hipótesis evalúan la probabilidad asociada a la hipótesis nula (H0)

El valor de p obtenido refleja la probabilidad de rechazar la H0 siendo esta

Error tipo I (α) es un falso negativo: rechazar H0 cuando esta es verdadera.

Error tipo II (β) es un falso negativo, aceptar H0 la cuando esta es falsa.

La potencia de un experimento o test describe la probabilidad de detectar una

Los datos obtenidos en el transcurso de una investigación médica frecuentemente

Se puede describir formalmente los pasos a seguir:

Como se evalúa el estadístico calculando la probabilidad de observar el valor

El valor de P es tan ubicuo y tan buscado en la literatura médica que ha llegado a

Estas pruebas también se denominan de significancia pues los valores de P por

positivo. Se acepta H0 cuando en realidad es falsa, un falso negativo,

cal, j. r. (08 de 09 de 2022). https://www.diferenciador.com. Obtenido de

cal, j. u. (08 de 09 de 2022). https://revistachilenadeanestesia.cl. Obtenido de

También podría gustarte