¿Qué es una prueba de hipótesis? Es cualquier afirmación acerca de una población y/o sus parámetros, consiste en contrastar dos hipótesis estadísticas. Tal contraste involucra la toma de decisión acerca de las hipótesis. La decisión consiste en rechazar o no una hipótesis en favor de la otra En realidad no se puede comprobar que una hipótesis sea verdadera o falsa, sino argumentar que de acuerdo con ciertos datos obtenidos en una investigación particular fue apoyada o no. Desde el punto de vista técnico no se acepta una hipótesis a través de un estudio sino que se aporta evidencia en su favor o en su contra. Prueba de una hipótesis se realiza mediante un procedimiento sistemático de cinco pasos: ¿Qué es una hipótesis? Es un supuesto acerca de un parámetro o de un valor estadístico de una población, y para verificar si la afirmación es razonable se usan datos. Una hipótesis estadística es un enunciado acerca de la distribución de probabilidad de una variable aleatoria. a menudo involucran uno o más características de la distribución, como por ejemplo forma o independencia de la variable aleatoria. Es importante recordar que las hipótesis son siempre enunciados relativos a la población o distribución bajo estudio, no enunciados en torno a la muestra. El valor del parámetro de la población especificado en la hipótesis suele determinarse de una de tres maneras: a. a. Puede resultar de la experiencia o conocimientos pasados del proceso, o incluso de experimentación previa. El objetivo entonces de la prueba de hipótesis suele ser entonces determinar si la situación experimental ha cambiado. b. b. Este valor puede determinarse a partir de alguna teoría o modelo con respecto al objeto que se estudia. Aquí el objetivo de la prueba de hipótesis es verificar la teoría o modelo. c. c. Surge cuando el valor del parámetro de la población es resultado de consideraciones experimentales, tales como especificaciones de diseño o ingeniería, o de obligaciones contractuales. En esta situación, el objetivo de la prueba de hipótesis es la prueba de conformidad. Hipótesis nula: La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de población, no a una estadística de muestra. La letra H significa hipótesis y el subíndice cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que "no hay cambio" Podemos rechazar o aceptar Ho. La hipótesis nula es una afirmación que no se rechaza a menos que los datos maestrales proporcionen evidencia convincente de que es falsa. El planteamiento de esta siempre contiene un signo de igualdad con respecto al valor especificado del parámetro. Hipótesis alternativa: La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Es una afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente de que la hipótesis nula es falsa. Se le conoce también como la hipótesis de investigación. El planteamiento de la hipótesis alternativa nunca contiene un signo de igualdad con respecto al valor especificado del parámetro. Nivel de significancia: Probabilidad de rechazar la hipótesis nula cuando es verdadera. Se le denota mediante la letra griega α, también es denominada como nivel de riesgo, este término es más adecuado ya que se corre el riesgo de rechazar la hipótesis nula, cuando en realidad es verdadera. Este nivel esta bajo el control de la persona que realiza la prueba. Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de significación indicará la probabilidad de no aceptarla, es decir, estén fuera de área de aceptación. El nivel de confianza (1-α), indica la probabilidad de aceptar la hipótesis planteada, cuando es verdadera en la población. P valor: El valor p y los intervalos de confianza son dos elementos imprescindibles para definir la validez estadística de los resultados de una investigación; precisa si éstos se deben o no a la presencia del azar y no hacen referencia a la validez interna o la calidad del diseño. Por lo tanto, considerados de manera aislada, son insuficientes para extrapolar o aplicar las conclusiones obtenidas en la muestra a la población. Es trascendental, en la evaluación crítica de los resultados, considerar el manejo que los investigadores dieron al control de sesgos, al azar y a los potenciales factores de confusión, antes de aventurarse a tomar decisiones con base en los conclusiones de cualquier investigación. Es el nivel más bajo con el cual no se puede aceptar H0, es decir un p valor es la probabilidad, calculada al asumir que Ho es cierta, de que la estadística de prueba tome valores tan extremos o más extremos que los calculados con la muestra actual, el hecho de que el p valor sea grande hace que Ho sea difícil de rechazar; por tanto es casi intuitivo, pero no valido, tomar al p valor como una medida de soporte en contra (o a favor) del rechazo de Ho. Cuáles son los tipos de error: Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de aceptación de la Ho o de la Ha, puede incurrirse en error: Un error tipo I se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y debía ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra alfa α Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es aceptada cuando de hecho es falsa y debía ser rechazada. En cualquiera de los dos casos se comete un error al tomar una decisión equivocada. En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las consecuencias posibles. Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que minimice los errores de decisión. En la práctica un tipo de error puede tener más importancia que el otro, y así se tiene a conseguir poner una limitación al error de mayor importancia. La única forma de reducir ambos tipos de errores es incrementar el tamaño 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 β, depende de la diferencia entre los valores supuesto y real del parámetro de la población. Como es más fácil encontrar diferencias grandes, si la diferencia entre la estadística de muestra y el correspondiente parámetro de población es grande, la probabilidad de cometer un error de tipo II, probablemente sea pequeña. El estudio y las conclusiones que obtengamos para una población cualquiera, se habrán apoyado exclusivamente en el análisis de una parte de ésta. De la probabilidad con la que estemos dispuestos a asumir estos errores, dependerá, por ejemplo, el tamaño de la muestra requerida. Las contrastaciones se apoyan en que los datos de partida siguen una distribución normal Que es la potencia de una prueba estadística: Cuando es necesario diseñar un contraste de hipótesis, sería deseable hacerlo de tal manera que las probabilidades de ambos tipos de error fueran tan pequeñas como fuera posible. Sin embargo, con una muestra de tamaño prefijado, disminuir la probabilidad del error de tipo i, α, conduce a incrementar la probabilidad del error de tipo ii, β. Usualmente, se diseñan los contrastes de tal manera que la probabilidad α sea el 5% (0,05), aunque a veces se usan el 10% (0,1) o 1% (0,01) para adoptar condiciones más relajadas o más estrictas. el recurso para aumentar la potencia del contraste, esto es, disminuir β, probabilidad de error de tipo ii, es aumentar el tamaño muestral, lo que en la práctica conlleva un incremento de los costes del estudio que se quiere realizar. De la probabilidad de cometer un error del tipo ii se conoce como potencia de una prueba estadística. La potencia de una prueba es la probabilidad de rechazar la hipótesis nula cuando de hecho esta es falsa y debería ser rechazada de una manera en que podemos.