LA PRUEBA DE HIPÓTESIS EN

LA INVESTIGACIÓN

Ing. Osmart Morales Chalco

 PRUEBA DE NORMALIDAD
DE LA MUESTRA

- Kolmogorov-Smirnov
- Shapiro Wilk

La distribución es La distribución no es
Normal Normal

Métodos Estadísticos Métodos Estadísticos

Paramétricos no Paramétricos
 Pruebas Paramétricas y No Paramétricas
• Condiciones para que una Prueba sea Paramétrica
1. La variable debe ser cuantitativa
2. La Muestra debe ser Normal
3. Las varianzas deben ser iguales ( Homogeneidad)

• Condiciones para una Prueba No Paramétrica.

• Es suficiente que no ocurra una de las condiciones

anteriores .
 • PROCEDIMIENTO PARA LA PRUEBA
• DE NORMALIDAD

1. Se formulan las hipótesis de normalidad

2. Se establece la significación adecuada

3. Se establece la regla de decisiones

4. Se selecciona la prueba estadística a usar

5. Se calcula la nueva significación en SPSS

6. Se comparan las significaciones de 2) y 5)

7. Interpretación (Conclusiones)
 • Hipótesis de Normalidad:
H 0 : La distribución es normal
Ha : La distribución no es normal
- Kolmogorov-Smirnov
(n>50) • Nivel de Significancia:  : (0    1)
- Shapiro Wilk • Decisión: p   : Se rechaza H
0
(n≤50)
p   : Se acepta H
0
• Cálculo de la Significación: p  Sig
• Interpretación
 HIPOTESIS ESTADISTICAS

Hipótesis Nula Hipótesis

(Ho) Alternativa (H1)
 DEFINICIONES BASICAS

Nivel de Nivel de
Valor Critico
Significancia aceptación
(Zα=1.96)
(α=5%) (Z=95%)

𝒁
se| acepta | H 0
 
Re gion de Re chazo  0.025 Re gion de Re chazo  0.025
2 2

z /2
 1.96 z /2
 1.96
PROCEDIMIENTOS PARA REALIZAR UNA
PRUEBA DE HIPOTESIS (Teórica)

Paso 1: Se plantean las hipótesis

nula e hipótesis alterna

Paso 2: Se selecciona el nivel de

significancia (α)

Paso 3: Se identifica el estadístico de

prueba

Paso 4: Se formula la regla de

decisión

Paso 5: Se decide: No se rechaza H0

o se rechaza H0
PROCEDIMIENTO PARA REALIZAR UNA PRUEBA DE
HIPOTESIS (Software Estadístico)

Paso 1: Se plantean las hipótesis nula Ho, e

hipótesis alterna H1

Paso 2: Se selecciona el nivel de significancia α

(Sig α=0,5)

Paso 3: Se halla la probabilidad de un valor

significativo: Sig=p

Paso 4: Regla de decisión: p<α,Se rechaza H0

p>α,Se acepta H0
 INVESTIGACIÓN DE
CORRELACIÓN ENTRE
VARIABLES
(Variables Cuantitativas)

La distribución no es Normal
La distribución es Normal
Prueba no Paramétrica
Prueba Paramétrica
(Numérica - Numérica)
(Numérica - Numérica)
(Numérica - Ordinal)

Coeficiente de correlación: Coeficiente de correlación:

Coeficiente de Pearson Coeficiente de Spearman
 • Hipótesis:

H 0 : X e Y son independiente o no es tan correlacionados

- Correlación de H1 : X e Y es tan correlacionados
Pearson (Normal)
• Nivel de Significancia:  (0    1)
- Correlación de
Spearman (No es • Valor Significativo: p  Sig
normal)
(Variables • Decisión:
Cuantitativas) p   : Se rechaza H
0
p   : Se acepta H
0
 INVESTIGACIÓN DE
CORRELACIÓN ENTRE
VARIABLES
(Variables Cualitativas)

Nominales – Nominales Ordinales – Ordinales

Nominales - Ordinales (Número de categorías
Cuadradas)

Coeficiente de correlación: Coeficiente de correlación:

Prueba de Chi - Cuadrado Tau-b de Kendall
 • Hipótesis:
H 0 : X e Y son independientes
H1 : X e Y son dependientes
- Prueba
Chi-Cuadrado • Nivel de Significancia:  (0    1)
- Tau-b de
• Valor Significativo: p  Sig
Kendall
• Decisión:
p   : Se rechaza H
0
p   : Se acepta H
0
CUADRO DE COEFICIENTES DE
CORRELACIÓN (Martínez. 2009)
Valor Significado
-1 Correlación negativa grande y perfecta
-0,9 a -0,99 Correlación negativa muy alta
-0,7 a 0,89 Correlación negativa alta
-0,4 a 0,69 Correlación negativa moderada
-0,2 a -0,39 Correlación negativa baja
-0,01 a -0,19 Correlación negativa muy baja
0 Correlación nula
0,01 a 0,19 Correlación positiva muy baja
0,2 a 0,39 Correlación positiva baja
0,4 a 0,69 Correlación positiva moderada
0,7 a 0,89 Correlación positiva alta
0,9 a 0,99 Correlación positiva muy alta
1 Correlación positiva grande y perfecta
SELECCIÓN DE UNA PRUEBA
ESTADISTICA
 Investigación Inferencial o Causal
Prueba de Hipótesis

1. Se formula las hipótesis estadísticas para la

Investigación

2. Se encuentra la correlación entre variables

3. Se trabaja la Regresión lineal

a). Se analiza la igualdad de varianzas de los grupos

b). Se analiza la tabla de Coeficientes y luego se
formula la ecuación de Regresión Lineal, se
interpreta.
 ANÁLISIS DE VARIANZAS
(ANOVA)
Prueba para dos o más
muestras

La distribución es Normal La distribución no es Normal

Prueba Paramétrica Prueba no Paramétrica

Prueba para varias muestras: Prueba para varias muestras:

ANOVA de un factor H de Kruskal Wallis
 ANOVA

• Es usada para descubrir el efecto

principal y los efectos de interacción
de variables categóricas
independientes (llamados factores)
sobre un intervalo de la variable
dependiente.
1. Se hace la prueba de Normalidad.

2. Se hace el contraste de hipótesis

1. PRUEBA DE NORMALIDAD
a. Se formulan las Hipótesis de Normalidad
Ho: La distribución de la muestra es Normal.
Ha: La distribución de la muestra No es Normal.

b. Sig: 0,05 ; Nivel de Confianza : 95% ; 1,96

c. Decisión : a). Si Sig.E< Sig.T entonces, se rechaza Ho.

b). Si Sig.E > Sig.T entonces, aceptamos Ho.

d. Correr el Programa SPSS

e. Escoger el estadístico a usar (Kolmogorov-S; Shapiro-W)

(n>50; n≤50)
f. Interpretación
 2. CONTRASTACIÓN DE HIPÓTESIS
Se escoge el estadístico a usar tomando los criterios:

a) Si la distribución de la muestra resultó Normal,

entonces el estadístico a usar será de Pearson.

b) Si la distribución resultó que No es Normal,

entonces el estadístico a usar será de Spearman .

b) Se Correr el Programa SPSS.

c) Se hace la Interpretación
 PRUEBA DE HIPÓTESIS DE
INVESTIGACIONES DE INFLUENCIA
Para probar la hipótesis de la investigación veremos:

1. Si las variables están relacionadas .

Para ello, primero se hace la prueba de
Correlación de Variables
2. Probaremos la Influencia de una variable
sobre la otra.
Se hace la prueba de Influencia a través de aplicar la
Regresión Lineal de las variables dependiente VD e
Independiente VI.
3. Se usa la Tabla de Rangos de correlaciones
como referencia.
1. RELACIÓN DE VARIABLES: CORRELACIÓN

• Hipótesis:
Ho: R = 0 ; V. D no está relacionada con la V. I.
Ha: R > 0 ; Las variables de trabajo están
relacionadas.

• Sig.T= 0,05 ; Nivel de aceptación : 95%

• Significancia y decisión
a). Si Sig.E< Sig.T , entonces se rechaza Ho.

b). Si Sig.E > Sig.T entonces, aceptamos Ho.

Correlación entre variables (SPSS)
Correlaciones
MARKETIN
EMOCIONAL FIDELIZACION DE LOS
(Agrupada) CLIENTES (Agrupada)
MARKETIN Correlación de
EMOCIONAL Pearson 1 ,593**
(Agrupada)
Sig. (bilateral) 0.000
N 100 100
FIDELIZACION Correlación de
,593** 1
DE LOS Pearson
CLIENTES Sig. (bilateral) 0.000
(Agrupada)
N 100 100
**. La correlación es significativa en el nivel 0,01 (bilateral).

INTERPRETACIÓN:--………
 RANGO DE CORRELACIONES
George y Mallery (2003, p. 231)

Si r = 0 No existe correlación

0.00 ≤ r < ± 0.20 Existe correlación no significativa

0.20 ≤ r < ± 0.40 Existe correlación baja

0.40 ≤ r < ± 0.70 Existe correlación significativa media

0.70 ≤ r < ± 1 Existe un alto grado de correlación

r=1 Existe correlación perfecta positiva

r = -1 Existe correlación perfecta negativa

 2. PRUEBA DE INFLUENCIA DE LA VI
SOBRE LA VD
Regresión Lineal de Variables
• Representamos en un gráfico los pares de
valores de una distribución bidimensional: la
variable "x" en el eje horizontal, y la variable
"y" en el eje vertical. Vemos que la nube de
puntos sigue una tendencia lineal.
El coeficiente de correlación lineal nos
permite determinar si, efectivamente, existe
relación entre las dos variables. Una vez que se
concluye que sí existe relación, la regresión nos
permite definir la recta que mejor se ajusta a
esta nube de puntos.

Una recta viene definida por la siguiente

fórmula: Y = Bo + B1X ; Y es la VD ; X es la VI.
Correlación- Regresión
Denota fuerza de relación entre
variables
 Resumen de Regresión Lineal
El Análisis de Regresión Lineal es una técnica estadística
que permite estudiar la relación entre una variable
dependiente (VD) y una variable independiente (VI) con
el doble propósito de:

1. Averiguar en que medida la VD puede estar

explicada por la(s) VI.

2. Obtener predicciones en la VD a partir de la(s) VI.

Este procedimiento implica obtener la Ecuación Lineal

que mejor expresa la relación entre VD y VI y estimar
mediante el Coeficiente de Determinación la calidad de
la Ec. De Regresión obtenida.
 PRUEBA DE HIPOTESIS DE LA
INVESTIGACIÓN
PRUEBA DE LA HIPOTESIS GENERAL O
ESPECÍFICA(S)

1. Se formula la Hipótesis General HG o Específica HE y las

hipótesis nula Ho y la alterna Ha, respectivamente.
2. Se hace la Regresión Lineal en SPSS.

3. Se analiza e interpreta las Tablas encontradas.

4. Se formula La ecuación lineal de la Recta de regresión y en ella

se remplazan la VD y la VI, interpreta

5. Se formula la Ecuación multi-lineal o econométrica, usando las

dimensiones de la VI (factores) y se interpreta.
TABLAS A DE REGRESIÓN LINEAL Y
SUS ELEMENTOS EN SPSS

1. Resumen de Modelo

2. Tabla ANOVA (Análisis de

Varianzas)

3. Tabla de Coeficientes
 1. Resumen del modelo
R Error
Mode R
R cuadrado estándar de
lo cuadrado
ajustado estimación
1 ,593a 0.352 0.345 0.73200
a. Predictores: (Constante), MARKETIN EMOCIONAL (Agrupada)

• R: Coeficiente de Correlación R de Pearson

entre variables, usar tabla de correlación.
• R cuadrado:- Coeficiente de Determinación
(Proporción de varianza de la VD en %)
• R cuadrado ajustado:- Coeficiente de
Determinación para varios factores o VI
 2. ANOVA (Análisis de Varianza)
HG: La fidelización de los clientes depende del
Marketing Emocional
Ho: La fidelización de los clientes no depende del
Marketing Emocional
Ha:.La fidelización de los clientes sí depende del
Marketing Emocional
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 28.477 1 28.477 53.144 ,000b
Residuo 52.513 98 0.536
Total 80.990 99
a. Variable dependiente: FIDELIZACION DE LOS CLIENTES (Agrupada)
b. Predictores: (Constante), MARKETIN EMOCIONAL (Agrupada)

• Sig: Se usa para comparar con la Sig = 0,05 dada

• F es el estadístico de varianza a comparar con el Límite de
Región de Aceptación ( 1,96; 95%)
 3.Tabla de Coeficientes y sus Componentes
Coeficientesa
Coeficientes no Coeficientes
estandarizados estandarizados
Error
Modelo B estándar Beta t Sig.
1 (Constante) 0.583 0.338 1.723 0.088
MARKETIN
EMOCIONAL 0.869 0.119 0.593 7.290 0.000
(Agrupada)
a. Variable dependiente: FIDELIZACION DE LOS CLIENTES (Agrupada)

• B: Coeficientes numéricos sirven para formular la Ecu. Lin.

• Beta: Valor que indica Intensidad o fuerza de variables y el signo
indica direccionalidad de variables.
• t : Estadístico de Regresión Lineal, sirve para comparar con el
Límite de la Región de Aceptación (1,96 ; 95%).
• Sig: Significación encontrada que se tiene que comparar con la sig
=0,05 y luego tomar decisión para aceptar o rechazar la Hi.
EJEMPLO DE UNA PRUEBA DE HIPÓTESIS
DE UNA INVESTIGACIÓN DE INFLUENCIA
• HG: Existe influencia directa entre el
Marketing emocional y la Fidelización de
los clientes de la empresa Lobitos…
• Ho: No Existe influencia directa entre el
Marketing emocional y la Fidelización de
los clientes de la empresa Lobitos…
• Ha: Sí Existe influencia directa entre el
Marketing emocional y la Fidelización de
los clientes de la empresa Lobitos…
Nota: IR A SPSS
 …Gracias

“Educar al hombre en todo cuanto

tiene de hombre”