Técnicas de Prueba de

Hipótesis
 Definición
 Una Técnica de prueba de hipótesis
consiste en una serie de procedimientos
que permiten “traducir” nuestros datos de
campo a valores de una variable conocida
(estadístico de Prueba) cuyas
probabilidades son conocidas.
 Así podremos asignar valores de
ocurrencia de nuestras observaciones
bajo la hipótesis.
 Estadístico de Prueba
 Es una variable cuya distribución o
densidad de probabilidad es conocida (la
hemos llamado modelo probabilístico) y es
la herramienta por la que podemos
conocer la probabilidad de ocurrencia de
nuestras observaciones.
 Características
 El estadístico de prueba se reconoce por
una función matemática que permite saber
el valor de esa variable conocida con base
(en función de) en los valores observados
en nuestros datos.
 Ejemplos
 Ejemplos de variables de distribución
conocida usados como estadísticos de
prueba son:
 Z (distribución normal estandar)
 T (t de student)
 F (F de Snedecor)
 Χ2 (Chi cuadrada)

 Entre varias otras

 De que depende la elección
 La elección de la técnica de prueba d
hipótesis que vamos a usar depende de
dos elementos
 La naturaleza de los datos
 El Objetivo de la Prueba
 Naturaleza de los datos
 En principio podemos dividir en dos a los
datos con base en su naturaleza:
 Datos de distribución normal
 Datos de otras distribuciones
 Proporciones o datos binarios.
 Datos de distribución normal

 Son datos que provienen de variables que

naturalmente tienen una distribución normal e.g.
datos morfológicos o fisiológicos. Cuya
distribución es claramente normal
 O bien son datos muy abundantes en los que se
puede apelar al Teorema del Límite Central.
 En estos datos se aplican las técnicas llamadas
paramétricas que suponen para su correcta
aplicación que los datos son de distribución
normal
 Datos de otras distribuciones
o de distribución libre
 Son datos que no cumplen con los
requisitos arriba apuntados y que
frecuentemente se presentan en muestras
pequeñas (n<30) por lo cual se viola el
supuesto de normalidad y las pruebas
pueden no ser tan eficientes.
 En este caso se usan las técnicas
llamadas NO PARAMÉTRICAS o de
distribución libre.
 Técnicas no paramétricas
 Estas técnicas son un poco menos
poderosas que las paramétricas (se tiene
un poco mayor de probabilidad de
cometer el error tipo II), pero son las
adecuadas ya que usar técnicas
paramétricas cuando no se cumplen los
supuestos es un error grave (se pueden
cometer ambos errores)
 Alternativas
 Por lo general existe una alternativa no
paramétrica a cada técnica paramétrica.

 De ahí que una vez que hemos visto la

elección de la técnica nuestro objetivo nos
dirá que prueba usar.
 Proporciones o datos binarios.
 Este tipo de datos considera una
problemática especial ya que se requiere
un muy grande tamaño de muestra para
poder recurrir al teorema Central del
Límite.
 Existen alternativas a las técnicas de
prueba de hipótesis para este tipo de
datos.
 De Acuerdo A los Objetivos
 Por lo general los objetivos se pueden
dividir de la siguiente manera:
 Comparaciones de medidas de tendencia
central de las poblaciones (Medias o
medianas)
 Comparaciones de las medidas de variación
de las Poblaciones (Variancias o
Desviaciones) [este punto no será cubierto en
el curso]
 Comparaciones de tendencia
Central
 Lo más común es querer comparar
valores de tendencia central de muestras
para saber si éstas pertenecen o no a la
misma población
 En otras palabras se compara el
estimador de la media para saber si hay
diferencias relevantes (significativas)
 Comparaciones de medias
 Cuando se comparan las medias se
pueden querer comparar:
 Una media contra un valor constante.
 Dos medias entre sí
 Más de dos medias.

 El Uso de la técnica de prueba de

Hipótesis estará acorde con este proceso.