Estadística inferencial

Prueba de hipótesis
La estadística inferencial es el proceso
de usar la información de una muestra
para describir el estado de una
población. Sin embargo, es frecuente
que usemos la información de una
muestra para probar un reclamo o
conjetura sobre la población.
El reclamo o conjetura se refiere a una
hipótesis. El proceso que corrobora si
la información de una muestra
sostiene o refuta el reclamo se llama
prueba e hipótesis.

En la prueba de hipótesis se pone a prueba un reclamo hecho sobre la naturaleza de una

población con base en la información de una muestra. El reclamo se llama hipótesis estadística.
 Investigación

Nula
Tipos de
hipótesis
Alternativa

Estadística
 Cuando formularlas
Alcance de estudio Formulación de hipótesis

Exploratorio No se formula hipótesis

Descriptivo Sólo se formulan hipótesis cuando se

pronostica un hecho o dato

Correlacional Se formula hipótesis correlacionales

Explicativo Se formula hipótesis causales

 Hipótesis nula
Son propensiones acerca de la relación entre variables para refutar o
negar lo que afirma la hipótesis.

Ho
Ejemplo:

Hi: La desintegración familiar de los padres esta relacionada con baja autoestima en
los hijos.

Ho: La desintegración familiar de los padres no esta relacionada con baja

autoestima en los hijos.
 Hipótesis alternativas
Son posibilidades alternas a la de investigación y la nula, es otra
explicación Ha, solo se pueden formular cuando existe otra posibilidad.
Ejemplos:

Hi: El candidato “A” obtendrá en la elección para la presidencia del consejo de estudiantes
entre 50 y 60% de la votación total.

Ho: El candidato “A” no obtendrá en la elección para la presidencia del consejo de estudiantes
entre 50 y 60% de la votación total.

Ha: El candidato “A” obtendrá en la elección para la presidencia del consejo de estudiantes
más del 60% de la votación total.

Ha: El candidato “A” obtendrá en la elección para la presidencia del consejo de estudiantes
menos del 50% de la votación total.
 Hipótesis estadística
Exclusiva del enfoque cuantitativo y representan la transformación de
la hipótesis de investigación, nula y alternativas en símbolos
estadísticos.
 Transformarla

Analizar cuál es la
Encontrar como se Traducir la hipótesis de
estadística a la que la
simboliza esa investigación a una
hipótesis hace
estadística forma estadística
referencia
Se puede subdividir en:

• 1) de estimación
• 2) de correlación
• 3) de diferencias de medias
 Hipótesis estadísticas de estimación
Corresponden a las que, al hablar de hipótesis de investigación, se les denomina
hipótesis descriptivas de un dato que se pronostica. Sirven para evaluar la
suposición de un investigador respecto del valor de alguna característica en una
muestra.

Ejemplo:

“El promedio mensual de fallas en la red del CICS será menor que 10”, se traduce:

Hi: "! < 10 Ho: "! > 10 Ha: "! = 10

 Hipótesis estadísticas de correlación
Estas hipótesis tienen por objetivo traducir en términos estadísticos una
correlación entre dos o más variables.

Ejemplo:
El tiempo de estudio está relacionado con el rendimiento académico en la carrera
de psicología en el CICS.

Se traduce:

Hi: rxy ≠ 0 Ho: rxy = 0

Hipótesis estadísticas de la diferencia de medias
Existe una diferencia significativa entre el promedio obtenido por estudiantes de psicología del turno
matutino al promedio obtenido por estudiantes del turno vespertino.

Se traduce:

Hi: "! 1 ≠ "! 2 Hi: "! 1 = "! 2

Redacta la hipótesis, con base en la pregunta de investigación.

• ¿Cuáles son las características de las adolescentes anoréxicas?

• ¿Existe relación entre inteligencia y rendimiento académico?
• ¿Son los hombres más agresivos que las mujeres?
• ¿Los programas de TV hacen que los niños sean más agresivos?
• ¿La terapia conductual es más efectiva que la centrada en el cliente, en
adolescentes pero no en adultos?
• ¿El uso de tabletas electrónicas afecta negativamente el desarrollo cognitivo de
los niños?
• ¿Existe una relación entre los trastornos alimentarios y el acceso a contenido
relacionado con la moda?
• ¿El consumo de marihuana tiene influencia en la interacción social de los
consumidores?
 Prueba de hipótesis

Una prueba de hipótesis, es una regla de decisión que permite rechazar o aceptar la H en
base a la información dada por la muestra aleatoria extraída de una población en estudio. La
prueba de hipótesis se centra en alguna afirmación sobre algún parámetro de la población.

El rechazo de la Ho implicará la aceptación Hi. Generalmente la hipótesis de investigación

representa la suposición que el investigador quiere probar, siendo Ho formulada con el
propósito expreso de ser rechazada.
 Nivel de significancia
El nivel de significancia es la probabilidad de rechazar la hipótesis nula cuando es verdadera.
Se le denota mediante la letra griega ⍺, también es denominada como error tipo I o nivel de
riesgo. En resumen, el estadístico controla el error tipo I y generalmente se toma el valor de
⍺ como 0.05 o si se quiere ser más riguroso 0.01.

Máxima cantidad de error que estamos dispuestos a aceptar

5 % o 1% Se maneja en terminos de probabilidad.

Si tenemos una probabilidad mayor al 5% de cometer un error aceptaremos la Ho.

 Prueba t de Student

• Prueba paramétrica.

• Prueba de diferencia de medias.

• Sólo hay una variable.

• Medida de intervalos o razón.

• Usa distribución t de Student. Con base en grados de libertad

(número de maneras en que los datos pueden variar libremente) y
el nivel de significancia elegido.

• Si el valor calculado (t) es mayor o igual al que aparece en la tabla

se acepta la hipótesis de investigación.
 Prueba t de Student

• Hipótesis de investigación. Es aquella que predice el investigador. Ejemplo: Hay una

diferencia significativa en los niveles de glucosa en un grupo de personas después de
un tratamiento de pérdida de peso.

• Hipótesis nula. Es la hipótesis contraria a la hipótesis de investigación. Ejemplo: No

hay una diferencia significativa en los niveles de glucosa en un grupo de personas
después de un tratamiento de pérdida de peso.

• Hipótesis alternativa: Son hipótesis alternas a la de investigación y la nula.

 Prueba t para muestras relacionadas

Prueba aplicada en diseños en los que los mismos individuos son observados antes y después de
una determinada intervención o tratamiento.

Ejemplo:

Hi: “Hay una diferencia significativa en los niveles de glucosa de un grupo de diabéticos tras un
programa cognitivo-conductual para pérdida de peso”.

Ho: “No hay una diferencia significativa en los niveles de glucosa de un grupo de diabéticos tras
un programa cognitivo-conductual para pérdida de peso”.
Prueba t para muestras relacionadas
Seleccionar variables emparejadas

Clic en aceptar
 n-1, sirve para
buscar el valor en
tabla.

Si es igual o mayor Menor a 0.05 se

al valor de la tabla, acepta hipótesis de
se acepta Hi. investigación
Alternativa no paramétrica

• Prueba de Wilcoxon
Prueba t para muestras independientes

Prueba donde se busca determinar si es significativa la diferencia que

presenta una variable numérica entre dos grupos.

Ejemplos:

Hi: “Hay una diferencia significativa en los niveles de glucosa de dos

grupos de diabéticos (mujeres y hombres)”.

Ho: “No hay una diferencia significativa en los niveles de glucosa de dos
grupos de diabéticos (mujeres y hombres)”.
Prueba t para muestras independientes
Seleccionar variables para contrastar y la variable de
agrupación.

Clic en aceptar
 n-2, sirve para
buscar el valor en
tabla.

Si es igual o mayor Menor a 0.05 se

al valor de la tabla, acepta hipótesis de
se acepta Hi. investigación
Alternativa no paramétrica

• Prueba U de Mann Whitney

ANOVA de una dirección:

-A diferencia de t se pueden comparar 3, 4 o más grupos.

-La hipótesis de investigación dice que los grupos difieren, la hipótesis nula que
no difieren.

-Hay una variable dependiente y una variable independiente.

Hi: “Hay una diferencia significativa en los resultados de un tratamiento de

ansiedad de acuerdo al tipo de intervención realizada: cognitivo conductual,
psicoanalítica o sistémica”.

Ho: “No hay una diferencia significativa en los resultados de un tratamiento de

ansiedad de acuerdo al tipo de intervención realizada: cognitivo conductual,
psicoanalítica o sistémica”.
Para realizar el contraste ANOVA, se requieren k muestras independientes de
la variable de interés. Una variable de agrupación denominada Factor y
clasifica las observaciones de la variable en las distintas muestras.
ANOVA de una dirección:

Para realizar el contraste ANOVA, se requieren k muestras independientes de

la variable de interés. Una variable de agrupación denominada Factor y
clasifica las observaciones de la variable en las distintas muestras.
Utilizamos los contrastes llamados comparaciones múltiples post-hoc o a posteriori para
saber qué media difiere de qué otra. Esas comparaciones permiten controlar la tasa de error
al efectuar varios contrastes utilizando las mismas medias. Elegir prueba de Tukey.
Si F calculado es menor o igual a
F de tabla se rechaza Hi (medias
iguales). Si es mayor se acepta Hi
(medias iguales)

Sig igual o menor a 0.05 se

acepta Hi, mayor a 0.05 se
rechaza Hi.
 Entre grupos: Número de grupos menos 1.

Intragrupos
Número de
casos menos
grupos.
Alternativa no paramétrica

• Prueba de Friedman
Chi cuadrada

Prueba estadística para evaluar hipótesis acerca de la relación entre

dos variables categóricas.

Se simboliza: X2
Hipótesis a probar: Correlacionales.

Variables involucradas: Dos. La prueba chi cuadrada no considera

relaciones causales.

Nivel de medición de las variables: Nominal u ordinal (o intervalos o

razón reducidos a ordinales).
Procedimiento: Se calcula por medio de una tabla de contingencia o
tabulación cruzada, que es un cuadro de dos dimensiones, y cada
dimensión contiene una variable. A su vez, cada variable se
subdivide en dos o mas categorías.
Hi: Relación entre variables.
Ho: No hay relación entra variables.

Si nuestro valor calculado de x2 es igual o superior al de la tabla,

decimos que las variables están relacionadas, (se acepta la Hi).

Sig menor a 0.05, existe una relación entre ellas (se acepta Hi).

Grados de libertad=(número de fila-1)x(número de columnas-1).

Procedimiento en SPSS
Elegir las variables categóricas.
Damos clic en estadísticos y elegimos chi cuadrada. Ponemos
continuar y luego aceptar.
 Si es igual o menor a 0.05
se acepta la Hi.
Dependencia y relación
entre variables.

Si es igual o mayor al valor de la

tabla, se acepta Hi. Dependencia y
relación entre variables.
Correlación
-El concepto de relación o correlación entre dos variables se refiere al grado de parecido o
variación conjunta existente entre las mismas.

Una relación lineal positiva entre dos variables X e Y significa que los valores de las dos
variables varían de forma parecida: los sujetos que puntúan alto en X tienden a puntuar
alto en Y y los que puntúan bajo en X tienden a puntuar bajo en Y. Una relación lineal
negativa significa que los valores de ambas variables varían justamente el revés.

La forma más directa de formarse una primera idea sobre el tipo de relación existente
entre dos variables cuantitativas es a través de un Diagrama de dispersión. Este tipo de
diagramas puede obtenerse mediante: Gráficos, en las diferentes opciones que tiene:
Generador de Gráficos, Cuadros de diálogo antiguos o en Gráficos interactivos. Ésta
última opción muestra el cuadro de diálogo de la figura 1:
Para poder cuantificar el grado de relación lineal existente entre dos variables cuantitativas,
así como medir el grado de ajuste de la nube de puntos a una recta, vamos a estudiar
coeficientes de correlación.

El procedimiento Correlaciones bivariadas ofrece tres tipos de coeficientes: de Pearson,

tau-b de Kendall y rho de Spearman. Para acceder a este procedimiento, elegir:
Analizar
Correlaciones
Bivariadas…
Coeficientes de Correlación. Pueden seleccionarse uno o más de los tres siguientes
coeficientes:

Pearson: Es una medida de la asociación lineal entre dos variables. Los valores del
coeficiente de correlación van de -1 a 1. El signo del coeficiente indica la dirección de la
relación y su valor absoluto indica la fuerza. Los valores mayores indican que la relación es
más estrecha.

Tau-b de Kendall: Es una medida no paramétrica de asociación para variables ordinales o

de rangos que tiene en consideración los empates. El signo del coeficiente indica la
dirección de la relación y su valor absoluto indica la magnitud de la misma, de tal modo que
los mayores valores absolutos indican relaciones más fuertes. Los valores posibles van de -1
a 1.

Spearman: Versión no paramétrica del coeficiente de correlación de Pearson, que se basa

en los rangos de los datos en lugar de hacerlo en los valores reales. Resulta apropiada para
datos ordinales, o los de intervalo que no satisfagan el supuesto de normalidad. Los valores
del coeficiente van de -1 a +1. El signo del coeficiente indica la dirección de la relación y el
valor absoluto del coeficiente de correlación indica la fuerza de la relación entre las
variables. Los valores absolutos mayores indican que la relación es mayor.
Pruebas
Prueba t muestras relacionadas
(aplicable a un grupo)
Prueba t para muestras independientes
(aplicable a dos grupos).
ANOVA de un factor
Chi cuadrada
Hipótesis
Hi. Hay una diferencia significativa
entre los niveles de X y los niveles
de Y en el grupo.
Ho. No hay una diferencia
significativa entre los niveles de X y
los niveles de Y en el grupo.
Hi. Hay una diferencia significativa
entre las medias de X en los grupos.
Ho. No hjay una diferencia
significativa entre las medias de X
en los grupos.
Hi. Los grupos difieren en cuanto a
las medias de X.
Ho. Los grupos no difieren en
cuanto a las medias de X.
Hi. Hay una dependencia entre las
variables X y Y, están relacionadas.
Ho. Hay independencia entre las
variables X y Y. No están
relacionadas.
Se acepta Hi Se acepta Ho Obtener gl
-Cuando t calculada es igual o mayor al -Cuando t calculada es menor al valor gl=N-1
valor de la tabla. de la tabla.
-Cuando sig es menor a 0.05. -Cuando sig es mayor a 0.05.
-Cuando t calculada es igual o mayor al -Cuando t calculada es menor al valor gl=N1+N2-2
valor de la tabla. de la tabla.
-Cuando sig es menor a 0.05. -Cuando sig es mayor a 0.05.
-Cuando F calculada es mayor al valor -Cuando F calculada es igual o menor al gl entre grupos=K-1
de la tabla. valor de la tabla.
gl intragrupos N-K
-Cuando sig es igual o menor a 0.05. -Cuando sig es mayor a 0.05.
-Cuando x2 calculado es igual o superior -Cuando x2 calculado es menor al valor gl=(número de fila-1)(número de
al valor de la tabla. de la tabla. columnas-1)
-Cuando sig es menor a 0.05. -Cuando sig es mayor a 0.05.