HIPOTESIS Y PRUEBA DE HIPOTESIS Tenemos que empezar por definir que es una hip tesis y que es prueba de hiptesis.

Hiptesis es una aseveracin de una poblacin elaborado con el propsito de poner aprueba, para verificar si la afirmacin es razonable se usan datos. En el anlisis estadstico se hace una aseveracin, es decir, se plantea una hipte sis, despus se hacen las pruebas para verificar la aseveracin o para determinar que no es verdadera. Por tanto, la prueba de hiptesis es un procedimiento basado en la evidencia muestral y la teora de probabilidad ; se emplea para determi nar si la hiptesis es una afirmacin razonable. Prueba de una hiptesis: se realiza mediante un procedimiento sistemtico de cinco paso:

Siguiendo este procedimiento sistemtico, al llegar al paso cinco se puede o no rechazar la hiptesis, pero debemos de tener cuidado con esta determinacin ya que en la consideracin de estadstica no proporciona evidencia de que algo sea verdadero. Esta prueba aporta una clase de prueba ms all de una duda razonable. Analizaremos cada paso en detalle Objetivo de la prueba de hiptesis. El propsito de la prueba de hiptesis no es cuestionar el valor calculado del estadstico (muestral), sino hacer un juicio con respecto a la diferencia entre estadstico de muestra y un valor planteado del parmetro. 3.- Procedimiento sistemtico para una prueba de hiptesis de una muestra .Paso 1: Plantear la hiptesis nula Ho y la hiptesis alternat iva H1. Cualquier investigacin estadstica implica la existencia de hiptesis o afirmaciones acerca de las poblaciones que se estudian. La hiptesis nula (Ho) se refiere siempre a un va lor especificado del parmetro de poblacin, no a una estadstica de muestra. La letra H significa hiptesis y el subndice cero no hay diferencia. Por lo general hay un "no" en la hiptesis nula que indica que "no hay cambio" Podemos rechazar o aceptar Ho. La hiptesis nula es una afirmacin que no se rechaza a menos que los datos maestrales proporcionen evidencia convincente de que es falsa. El planteamiento de la hiptesis nula siempre contiene un signo de igualdad con respecto al valor especificado del parmetro. La hiptesis alternativa (H1) es cualquier hiptesis que difiera de la hipt esis nula. Es una afirmacin que se acepta si los datos maestrales proporcionan evidencia suficiente de que la hiptesis nula es falsa. Se le conoce tambin como la hiptesis de investigacin. El planteamiento de la hiptesis alternativa nunca contiene un signo de igualdad con respecto al valor especificado del parmetro.

Paso 2: Seleccionar el nivel de significancia. Nivel de significacia: Probabilidad de rechazar la hiptesis nula cuando es verdadera. Se le denota mediante la letra griega , tambi n es de nominada como nivel de riesgo, este termino es mas adecuado ya que se corre el riesgo de rechazar la hiptesis nula, cuando en realidad es verdadera. Este nivel esta bajo el control de la persona que realiza la prueba. Si suponemos que la hiptesis planteada es verdadera, entonces, el nivel de significacin indicar la probabilidad de no aceptarla, es decir, estn fuerade rea de aceptacin. El nivel de confianza (1- ), indica la probabilidad de aceptar la hiptesis planteada, cuando es verdadera en la poblacin.

La distribucin de muestreo de la es tadstica de prueba se divide en dos regiones, una regin de rechazo (conocida como regin crtica) y una regin de no rechazo (aceptacin). Si la estadstica de prueba cae dentro de la regin de aceptacin, no se puede rechazar la hiptesis nula. La regin de rechazo puede considerarse como el conjunto de valores de la estadstica de prueba que no tienen posibilidad de presentars e si la hiptesis nula es verdadera. Por otro lado, estos valores no son tan improbables de presentarse si la hiptesis nula es falsa. El valor crtico separa la regin de no rechazo de la de rechazo. Tipos de errores Cualquiera sea la decisin tomada a pa rtir de una prueba de hiptesis, ya sea de aceptacin de la Ho o de la Ha, puede incurrirse en error: Un error tipo I se presenta si la hiptesis nula Ho es rechazada cuando es verdadera y deba ser aceptada. La probabilidad de cometer un error tipo I se d enomina con la letra alfa Un error tipo II, se denota con la letra griega se presenta si la hiptesis nula es aceptada cuando de hecho es falsa y deba ser rechazada. En cualquiera de los dos casos se comete un error al tomar una decisin equivocada. En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las consecuencias posibles.

Para que cualquier ensayo de hiptesis sea bueno, debe disearse de forma que minimice los errores de decisin. En la prctica un tipo de error puede tener ms importancia que el otro, y as se tiene a conseguir poner una limitacin al error de mayor importancia. La nica forma de reducir ambos tipos de e rrores es incrementar el tamao de la muestra, lo cual puede ser o no ser posible. La probabilidad de cometer un error de tipo II denotada con la letra griega beta depende de la diferencia entre los valores supuesto y real del parmetro de poblacin. Como es ms fcil encontrar diferencias grandes, si la diferencia entre estadstica de muestra y el correspondiente parmetro de poblacin es grande, probabilidad de comet er un error de tipo II, probablemente sea pequea. , la la la

El estudio y las conclusiones que obtengamos para una poblacin cualquiera, se habrn apoyado exclusivamente en el anlisis de una parte de sta. De la probabilidad con la que estemos dispuestos a asumir e stos errores, depender, por ejemplo, el tamao de la muestra requerida. Las contrastaciones se apoyan en que los datos de partida siguen una distribucin normal Existe una relacin inversa entre la magnitud de los errores y : conforme a aumenta, disminuye. Esto obliga a establecer con cuidado el valor de a para las pruebas estadsticas. Lo ideal sera establecer y .En la prctica se establece el nivel y para disminuir el Error se incrementa el nmero de observaciones en la muestra, pues as se acortan los limites de confianza respecto a la hiptesis planteada .La meta de las pruebas estadsticas es rechazar la hiptesis planteada. En otras palabras, es deseable aumentar cuando sta es verdadera, o sea, incrementar lo que se llama poder de la prueba (1- ) La aceptacin de la hiptesis planteada debe interpretarse como que la informacin aleatoria de la muestra disponible no permite detectar la falsedad de esta hiptesis. Paso 3: Clculo del valor estadstico de prueba Valor determinado a partir de la informacin muestral, que se ut iliza para determinar si se rechaza la hiptesis nula., existen muchos estadsticos de prueba para nuestro caso utilizaremos los estadsticos z y t. La eleccin de uno de estos depende de la cantidad de muestras que se toman, si las muestras son de la prue ba son iguales a 30 o mas se utiliza el estadstico z, en caso contrario se utiliza el estadstico t. Tipos de prueba a) Prueba bilateral o de dos extremos: la hiptesis planteada se formula con la igualdad

Ejemplo H0 : = 200 H1 : 200

b) Pruebas unilateral o de un extremo: la hiptesis planteada se formula con o H0 : 200 H0 : 200 H1 : < 200 H1 : > 200

En las pruebas de hiptesis para la media ( ), cuando se conoce la desviacin estndar ( ) poblacional, o cuando el valor de la muestra es grande (30 o ms), el valor estadstico de prueba es z y se determina a partir de:

El valor estadstico z, para muestra grande y desviacin estndar poblacional desconocida se determina por la ecuacin:

En la prueba para una media poblaciona l con muestra pequea y desviacin estndar poblacional desconocida se utiliza el valor estadstico t.

Paso 4: Formular la regla de decisin SE establece las condiciones especficas en la que se rechaza la hiptesis nula y las condiciones en que no se rechaza la hiptesis nula. La regin de rechazo define la ubicacin de todos los valores que son tan grandes o tan pequeos, que la

probabilidad de que se presenten bajo la suposicin de que la hiptesis nula es verdadera, es muy remota

Distribucin muestral del valor estadstico z, con prueba de una cola a la derecha Valor critico: Es el punto de divisin entre la regin en la que se rechaza la hiptesis nula y la regin en la que no se rechaza la hiptesis nula. Paso 5: Tomar una decisin. En este ltimo paso de la prueba de hiptesis, se calcula el estadstico de prueba, se compara con el valor crtico y se toma la decisin de rechazar o no la hiptesis nula. Tenga presente que en una prueba de hiptesis solo se puede tomar una de dos decisiones: aceptar o rechazar la hiptesis nula. Debe subrayarse que siempre existe la posibilidad de rechazar la hiptesis nula cuando no debera haberse rechaza do (error tipo I). Tambin existe la posibilidad de que la hiptesis nula se acepte cuando debera haberse rechazado (error de tipo II). 4.- Ejemplo en la cual se indica el procedimiento para la prueba de hiptesis Ejemplo El jefe de la Biblioteca Especializada de la Facultad de Ingeniera Elctrica y Electrnica de la UNAC manifiesta que el nmero promedio de lectores por da es de 350. Para confirmar o no este supuesto se controla la cantidad de lectores que utilizaron la biblioteca durante 30 das. Se considera el ni vel de significancia de 0.05 Datos: Da 1 2 3 4 5 6 7 Usuarios 356 427 387 510 288 290 320 Da 11 12 13 14 15 16 17 Usuarios Da 305 413 391 380 382 389 405 21 22 23 24 25 26 27 Usuario 429 376 328 411 397 365 405

8 9 10

350 403 329

18 19 20

293 276 417

28 29 30

369 429 364

Solucin: Se trata de un problema con una media poblacional: muestra grande y desviacin estndar poblacional desconocida. Paso 01: Seleccionamos la hiptesis nula y la hiptesis alternativa Ho: 350 Ha: 350 Paso 02: Nivel de confianza o significancia 95% 0.05 Paso 03: Calculamos o determinamos el valor estadstico de prueba De los datos determinamos: que el estadstico de prueba es t, debido a que el numero de muestras es igual a 30, conocemos la media de la poblacin, p ero la desviacin estndar de la poblacin es desconocida, en este caso determinamos la desviacin estndar de la muestra y la utilizamos en la formula reemplazando a la desviacin estndar de la poblacin.

Calculamos la desviacin estndar muestral y la media empleando Excel, lo cual se muestra en el cuadro que sigue.

de

la

muestra

Columna1
Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra 372.8 9.56951578 381 405 52.4143965 2747.26897 0.36687081 0.04706877

Rango Mnimo Mximo Suma Cuenta

234 276 510 11184 30

Nivel de confianza (95.0%) 19.571868 Paso 04: Formulacin de la regla de decisin. La regla de decisin la formulamos teniendo en cuenta que esta es una prueba de dos colas, la mitad de 0.05, es decir 0.025, esta en cada cola. el rea en la que no se rechaza Ho esta entre las dos colas, es por consiguiente 0.95. El valor critico para 0.0 5 da un valor de Zc = 1.96. Por consiguiente la regla de decisin: es rechazar la hiptesis nula y aceptar la hiptesis alternativa, si el valor Z calculado no queda en la regin comprendida entre 1.96 y +1.96. En caso contrario no se rechaza la hiptesis nula si Z queda entre -1.96 y +1.96. Paso 05: Toma de decisin. En este ultimo paso comparamos el estadstico de prueba calculado mediante el Software Minitab que es igual a Z = 2.38 y lo comp aramos con el valor critico de Zc = 1.96. Como el estadstico de prueba calculado cae a la derecha del valor critico de Z, se rechaza Ho. Por tanto no se confirma el supuesto del Jefe de la Biblioteca.

En inferencia estadstica se llama estimacin al conj unto de tcnicas que permiten dar un valor aproximado de un parmetro de una poblacin a partir de los datos proporcionados por una muestra. Por ejemplo, una estimacin de la media de una determinada caracterstica de una poblacin de tamao N podra ser l a media de esa misma caracterstica para una muestra de tamao n.1 La estimacin se divide en tres grandes bloques, cada uno de los cuales tiene distintos mtodos que se usan en funcin de las caractersticas y propsitos del estudio: Estimacin puntual:2 Mtodo de los momentos; Mtodo de la mxima verosimilitud; Mtodo de los mnimos cuadrados; Estimacin por intervalos. Estimacin bayesiana.

TIPOS DE MUESTREO Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo probabilsticos y mtodos de muestreo no probabilsticos. I. Muestreo probabilstico Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilid ad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser seleccionadas. Slo est os mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos: 1.- Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenad or, etc.) se eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que estamos manejando es muy grande. 2.- Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin,

pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que es un nmero elegido al azar, y lo s elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n -1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y k. El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de los dos sexos. 3.- Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamao dado de la muestra. Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la pro fesin, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters estarn representados adecuadamente en la muestra. Cada estrato

funciona independienteme nte, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los elementos concretos que formarn parte de la muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,...). La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos: Afijacin Simple: A cada estrato le corresponde igual nmero de mustrales. elementos

Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato. Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la proporci n y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la desviacin. 4.- Muestreo aleatorio por conglomerados: Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los elementos de la poblacin, es decir, que las unidades mustrales son los elementos de la poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son hablarse de reas geogrficas suele

"muestreo por reas". El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar despus todos los elementos pertenecientes a los conglomerados elegidos. II. Mtodos de muestreo no probabilsticos A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo consc ientes de que no sirven para realizar generalizaciones (estimaciones inferenciales sobre la poblacin), pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de s e elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la muestra sea representativa. En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver los problemas de representatividad aun en situaciones de muestreo no probabilstico, por ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la poblacin. Entre los mtodos de muestreo no probabilsticos ms utilizados en investigacin encontramos: 1.- Muestreo por cuotas: Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms "representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin. 2.- Muestreo intencional o de conveniencia: Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la i nclusin en la muestra de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto. Tambin puede ser que el investigador seleccione directa e intencion adamente los individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). 3. - Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, dete rminados tipos de enfermos, etc. 4.- Muestreo Discrecional A criterio del investigador los elementos son elegidos sobre lo que l cree que pueden aportar al estudio