Ensayo Hipotesis Estadistica Lusneidy Delgado 13112024

REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN SUPERIOR

UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS CENTRALES
RÓMULO GALLEGOS
ÁREA DE CIENCIAS DE LA SALUD
PROGRAMA DE MEDICINA
UNIDAD CURRICULAR: ESTADÍSTICA
2DO AÑO, SECCIÓN 31
ENSAYO ESTADÍSTICA
(HIPÓTESIS)
PROFESOR: BACHILLER:
Dr. Jean Castro Delgado Lusneidy, V-23.802.410
San Juan de los Morros; 13 de Noviembre del 2024.
1
A propósito de adentrarnos en el tema denominado “hipótesis”, con referencia
a la unidad curricular estadística, es imperante que el futuro profesional inmerso en la
rama de la medicina y el área de ciencias de la salud, tenga la capacidad de analizar y
dar respuesta ante ciertas situaciones que se pueda presentar. Visto de esta forma, se
abordarán de una manera clara, concisa y práctica los tipos de hipótesis más comunes
empleadas en la rama de medicina.
En primer término, una hipótesis estadística es una suposición sobre una

característica de una población. Piensa en ella como una idea inicial que quieres
comprobar. Por ejemplo, podríamos tener la hipótesis de que el promedio de los
estudiantes universitarios de segundo año de medicina es de 9.81 puntos. Para
comprobar si esta hipótesis es cierta, se realiza un estudio estadístico, recopilando datos
de una muestra de estudiantes y analizando su altura promedio. El resultado de este
análisis nos permitirá confirmar o rechazar nuestra hipótesis inicial. A tales efectos,
dicha hipótesis se utiliza para verificar o rechazar una suposición mediante el análisis
de datos y la aplicación de técnicas estadísticas por lo que existen diferentes tipos de
hipótesis estadística, como hipótesis causales, correlacionales, diferencia de grupos y
descriptivas y estas ayudan a entender relaciones entre variables y a tomar mejores
decisiones en negocios y otros campos.
Dicho de otra manera, la hipótesis estadística es como una predicción educada

que hacemos sobre algo que queremos investigar. Nos ayuda a formular preguntas y a
buscar respuestas a través del análisis de datos. Sirve para guiar la investigación y para
determinar si nuestras ideas iniciales son correctas o no. En definitiva, dicho precepto
es la suposición de la característica o características que tiene una población. Su
función es verificar o rechazar dicha afirmación tras realizar el estudio estadístico
acordado para el análisis de dicha hipótesis.
2
Por otra parte, normalmente, una hipótesis nula es la suposición estándar que se
define como la predicción de que no hay interacción entre las variables. Por ejemplo,
la hipótesis nula indica que no hay una relación causal entre un tratamiento nuevo y
una reducción de los síntomas de la enfermedad. Dicho de otro modo: un tratamiento
nuevo no ofrece ninguna mejora con respecto al tratamiento de referencia, y cualquier
observación o mejora es fruto de la casualidad.
Una afirmación de este tipo se puede probar mediante un estudio científico,

como un ensayo clínico, y la aplicación de las pruebas estadísticas adecuadas. Si un
ensayo clínico descubre que realmente existe una relación y el nuevo tratamiento
produce una mejora, se demuestra que es falsa la hipótesis nula y se puede rechazar.
En este caso, se puede adoptar la hipótesis alternativa o de investigación; en este
ejemplo, significa que el nuevo tratamiento es mejor que el de referencia. Supongamos
que queremos investigar el porcentaje de analfabetismo de una ciudad. Para esto
podríamos partir de investigaciones que nos muestren porcentajes y plantear la
hipótesis de que: “El promedio de los salarios en ciudad x es de 500 dólares o más”.
Ahora bien, para saber si esta premisa es valedera podemos formular una
hipótesis nula, y aquí llegamos a su utilidad. La hipótesis nula podría ser: “El promedio
de los salarios en ciudad x no supera los 500 dólares”. Si las investigaciones acreditan
que efectivamente el promedio es de esa cifra o más, tu primera hipótesis
automáticamente quedará validada. En resumen, la hipótesis nula nos sirve para
comprobar si la hipótesis que queremos usar en nuestra investigación es realmente
sólida para empezar a desarrollar todo el proceso investigativo.
3
Otro dato de interés refiere a la hipótesis alternativa la cual representa la
conclusión que el investigador quiere demostrar o afirmar tras su estudio. Esta se
expresa con la expresión “H1” y va a representar, por lo general, lo contrario a la
hipótesis nula. El método científico, al contrario de lo que podría pensarse, no trata de
demostrar la hipótesis alternativa (conclusión alcanzada a través de la investigación).
Lo que pretende demostrar el método científico es que lo contrario a la hipótesis
alternativa (hipótesis nula) no es cierto. De esta manera, quedaría demostrada la
hipótesis alternativa.
Supongamos que un investigador ha realizado un estudio acerca del salario

medio mensual en un determinado barrio de una ciudad. Imaginemos que, de la
población de ese barrio, el investigador ha encuestado a 1.000 personas llegando a la
conclusión de que el salario medio mensual por habitante es de 1.500 u.m. (unidades
monetarias). Por tanto, el investigador quiere contrastar si ese salario medio mensual
es igual a 1.500 u.m. (conclusión del estudio y por ende hipótesis alternativa) o si por
el contrario el salario medio mensual es distinto a 1.500 u.m. (conclusión contraria a la
del estudio que se pretende negar y por ende hipótesis nula)
El contraste a realizar sería el siguiente:
H0: El salario medio mensual es distinto a 1.500 u.m.
H1: El salario mensual es igual a 1.500 u.m.
Seguidamente, el nivel de significancia, también denotado como alfa o α, es la

probabilidad de rechazar la hipótesis nula cuando es verdadera. Por ejemplo, un nivel
de significancia de 0.05 indica un riesgo de 5% de concluir que existe una diferencia
cuando en realidad no hay ninguna diferencia. Estos tipos de definiciones pueden ser
difíciles de entender debido a su carácter técnico. El nivel de significancia determina
qué tan lejos del valor de la hipótesis nula dibujaremos esa línea en la gráfica. Para
graficar un nivel de significancia de 0.05, debemos sombrear el 5% de la distribución
que está más alejado de la hipótesis nula.
4
A su vez, el nivel de confianza es la probabilidad de que el intervalo de
confianza contenga el valor real de un parámetro. Se expresa en porcentaje y se indica
como 1-α 100%. Un ejemplo de nivel de confianza es el 95%, que significa que, si una
prueba se realiza 100 veces, la hipótesis nula se rechazará de forma incorrecta 5 veces.
El nivel de confianza se utiliza en estudios estadísticos y, en general, oscila entre el
95% y el 99%.
El nivel de confianza se define como 1-alfa y sus valores más comunes son
90%, 95% y 99%. En estadística es común tener que estimar parámetros, los cuales,
nunca vamos a poder afirmar al 100% que son el valor real que buscamos. Por ejemplo,
observando a simple vista la altura de 10 alumnos en una clase podríamos estimar que
la altura está entre 1,70 y 1,75. Sería difícil saber con un 100% de certeza la altura
media si no medimos a cada alumno y hacemos los cálculos. Por el contrario, sí
podríamos acotar un intervalo y situar el valor dentro de este.
Por último, un error de tipo I, también conocido como error alfa, es un tipo de
error estadístico que se produce cuando se rechaza una hipótesis nula que es verdadera.
En otras palabras, es un falso positivo, es decir, cuando el resultado de una prueba es
positivo cuando en realidad es negativo. La probabilidad de cometer un error de tipo I
se representa con la letra griega alfa (α) y se conoce como nivel de significancia. El
investigador establece el valor de alfa antes de recopilar los datos, y lo habitual es que
sea de 0.05 o 0.01. Por ejemplo, un alfa de 0.05 significa que se está dispuesto a aceptar
un 5% de probabilidad de error al rechazar la hipótesis nula.
Para reducir el riesgo de cometer un error de tipo I, se debe hacer que el valor
de alfa sea lo más pequeño posible. Un ejemplo de error de tipo I es cuando un equipo
de emergencia cree que una víctima de un accidente de tráfico está muerta, cuando en
realidad está viva.
5
No obstante, un error de tipo II, también conocido como error de tipo beta (β),
es un tipo de error que se produce en un estudio de investigación cuando se acepta
incorrectamente una hipótesis nula que es falsa en la población. En otras palabras, un
error de tipo II se produce cuando se concluye que no hay efecto cuando en realidad sí
lo hay. También se le conoce como "resultado negativo falso". La probabilidad de
cometer un error de tipo II se indica en las pruebas estadísticas de hipótesis como (beta).
Para reducir el riesgo de cometer un error de tipo II, se puede aumentar la

potencia de la prueba, lo que se logra aumentando el tamaño de la muestra. Existen
algunos aspectos a tener en cuenta sobre los errores de tipo II: Existe un equilibrio entre
los errores de tipo 1 y de tipo 2. La probabilidad de un error de tipo 2 aumenta cuando
disminuye la probabilidad de un error de tipo 1, y viceversa. Los investigadores deben
hacer todo lo posible por reducir los errores de tipo 2 debido a sus potencialmente
perjudiciales repercusiones.

Ensayo Hipotesis Estadistica Lusneidy Delgado 13112024

Cargado por

Copyright:

Formatos disponibles

Ensayo Hipotesis Estadistica Lusneidy Delgado 13112024

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 Hipotesis Estadistica Lusneidy Delgado 13112024

Cargado por

Copyright:

Formatos disponibles

REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN SUPERIOR

San Juan de los Morros; 13 de Noviembre del 2024.

En primer término, una hipótesis estadística es una suposición sobre una

Dicho de otra manera, la hipótesis estadística es como una predicción educada

Una afirmación de este tipo se puede probar mediante un estudio científico,

Supongamos que un investigador ha realizado un estudio acerca del salario

El contraste a realizar sería el siguiente:

H0: El salario medio mensual es distinto a 1.500 u.m.

H1: El salario mensual es igual a 1.500 u.m.

Seguidamente, el nivel de significancia, también denotado como alfa o α, es la

Para reducir el riesgo de cometer un error de tipo II, se puede aumentar la

También podría gustarte