A menudo en la investigación científica es necesario tomar algunas decisiones o

sacar conclusiones acerca de una población, con base en los informes obtenidos a
partir de una muestra. Una manera por medio de la cual es posible extrapolar las
conclusiones obtenidas en una muestra a una población, es probando las hipótesis
planteadas en la fase inicial de un proceso investigativo.

Una hipótesis de investigación puede definirse como una proposición tentativa

acerca de las posibles relaciones entre dos o más variables. Si la hipótesis de
investigación establece la asociación de dos o más variables y posiblemente el
grado de dicha asociación, estaremos enfrentados a hipótesis de investigación de
tipo correlacional; por otra parte, si el objetivo de la investigación es comparar
grupos, estaremos ante el planteamiento de hipótesis de investigación que planteen
diferencias entre grupos. Las hipótesis de investigación se simbolizan por Hi o H 1
El reverso de las hipótesis de investigación son las hipótesis nulas, las cuales
refutan o niegan lo que afirma la hipótesis de investigación. Se denotan por Ho.

A manera intuitiva puede decirse que las hipótesis estadísticas son la transformaci
ón de las hipótesis de investigación y nulas en símbolos estadísticos, que pueden
ser formuladas solo cuando los datos del estudio que se van a recolectar y analizar
para probar o rechazar las hipótesis son cuantitativos (números, proporciones,
porcentajes, promedios). Es decir, el investigador traduce su hipótesis de
investigación y su hipótesis nula en términos estadísticos.

De manera formal, una hipótesis estadística, es una suposición teórica acerca del
valor de algún parámetro, la relación entre parámetros o la forma de la distribución.
Tenga en cuenta, que las hipótesis se plantean sobre los parámetros (que son los
valores desconocidos en la población, y de los cuales me interesa inferir) y no sobre
variables, por ejemplo X, ni sobre valores observados de la variable, por ejemplo x.
Cuando se dice distribución de una variable aleatoria se refiere al tipo de variable
aleatoria (Poisson, Binomial, Normal), o a los parámetros (media, varianza),
haciendo entre los parámetros suposiciones acerca del valor de algún parámetro o
función de los parámetros.

Al plantear hipótesis estadísticas tenga en cuenta, que la Ho siempre debe incluir la

igualdad (por formalismo matemático). Además, Ho se considerará como
verdadera a menos que exista suficiente evidencia en contra, siendo rechazada
solo si el juicio proporciona evidencia suficiente en contra de ésta.
Como la hipótesis de investigación refleja el valor o intervalo de valores posibles
en caso que la hipótesis nula sea falsa, en términos formales, a la hipótesis de
investigación también se le conoce con el nombre de hipótesis alternativa y se
denota por H 1 o H a
Una hipótesis estadística puede adoptar una de tres formas diferentes, se
ejemplificará utilizando hipótesis para la media poblacional (µ).
(
 I. H 0 : µ ≤ µ0 II. H 0 : µ ≥ µ 0 III. H 0 : µ = µ 0
Ha : µ 〉 µ0 Ha : µ 〈 µ 0 Ha : µ ≠ µ 0

El caso I se denomina Contraste con cola a la derecha, porque los valores caen en
el lado derecha de la recta real, es decir, rechazamos H 0 en favor de H a para valores
positivos grandes del estadístico de prueba. El caso II se denomina Contraste con
cola a la izquierda, porque los valores caen en el lado izquierdo de la recta real, es
decir rechazamos H 0 en favor de H a para valores negativos grandes del estadístico
de prueba. (Observe que en los casos I y II las hipótesis alternativas son
unilaterales).Generalemente, los casos I y II se plantean porque existe a priori una
información que sugiera su planteamiento.

En el caso III, el contraste se denomina Contraste con dos colas. Con éste último,
rechazamos la hipótesis nula para los valores inusualmente grandes o pequeños del
estadístico de prueba. (En este caso, la hipótesis alternativa es bilateral) .
El proceso mediante el cual enfrentamos o confrontamos las hipótesis tomando
como punto de apoyo los datos muestrales constituye lo que se denomina prueba o
contraste de hipótesis.

A manera descriptiva se dice que probar una hipótesis es proporcionar una decisión
entre H 0 en favor de H a; es decir, una vez establecidas las hipótesis H o y H a,
debemos tomar una decisión sobre la hipótesis nula basada en la evidencia que señ
alan los datos muestrales. Esta decisión se toma observando el valor de alguna
estadística cuya distribución de probabilidad, bajo la suposición de que H o es
cierta, se conozca. A tal estadística se le denomina Estadística de Prueba.
Al final de cualquier estudio de contraste de hipótesis nos veremos forzosamente
en una de las siguientes situaciones:
Rechazar H o siendo cierta; por tanto se habrá cometido lo que se conoce como
Error Tipo I.
Rechazar H o siendo la alternativa H a cierta y así se habrá tomado la decisión
correcta.
No rechazar H o siendo falsa, por lo tanto, habremos cometido lo que se conoce
como Error Tipo II.
No rechazar H o, siendo ésta cierta y se habrá tomado la decisión correcta
A la probabilidad de cometer un error Tipo I se le llama nivel de significancia, éste
se fija antes de realizar el experimento y se denota generalmente mediante la letra
alfa (α). La probabilidad de cometer un error Tipo II se denota por beta (β). L
La probabilidad de rechazar H o cuando ésta es falsa (H a es cierta) es 1 − β y se
denomina Potencia de la prueba (Se recomienda al lector consultar este
procedimiento en libros especializados de Estadística).
Al probar hipótesis estadísticas, cometer error tipo I se considera más serio que
cometer error tipo II, por esto, la hipótesis nula debe formularse en forma tal que é
sta se rechace si la evidencia experimental apoya ésta decisión. En otras palabras,
lo que realmente el investigador desea es concluir que la hipótesis alternativa es la
correcta y debe proporcionarse suficiente evidencia para rechazar la hipótesis nula.
Para lograr lo anterior de una manera eficiente, se recomienda escoger el tamaño
del error tipo I (α), antes de determinar el tamaño de la muestra aleatoria. Si
planteando previamente estas condiciones el reslutado es que la hipótesis nula no
puede rechazarse con el valor escogido de α, debe evitarse aumentar el tamaño de
α, con la idea de rechazar la hipótesis nula, porque se estaría cometiendo un grave
error, debido a que las condiciones en las que se ejecutó el estudio (principalmente
el tamaño de la muestra), no permiten llevar a cabo este tipo de manipulación. .
 Ejemplo 1.

Se está estudiando un nuevo medicamento para utilizarlo en el tratamiento de una

enfermedad en el ganado. Se espera que sea eficaz en la mayoría de los pacientes
sobre los que se aplica, la compañía que produce el medicamento quiere obtener
alguna prueba estadística que apoye tal afirmación. Sea p la proporción de
animales para los cuales el medicamento es efectivo. De esta manera las Hipótesis
nula y alterna son:

H0 : p ≤ .05
Ha : p > 0.5

Si se comete un error Tipo I, habremos rechazado H o siendo cierta. En términos prá

cticos, se habría concluido que el medicamento es eficaz para una mayoría de
animales enfermos cuando realmente no lo es. Este error puede conducir a la
comercialización de un medicamento que es inefectivo para la mayoría de los
animales enfermos. Se comete un error Tipo II si no rechazamos H o cuando H a es
cierta. En tal caso, se concluirá que la tasa de efectividad del medicamento es del
50% o menos cuando de hecho es efectivo para una mayoría de animales enfermos
a los que se la aplica. Este error puede conducir a la no comercialización de un
medicamento útil. Ambos errores son muy importantes. Recuerde: El error Tipo
I es el que generalmente se considera más grave. Para el ejemplo, resulta en una
dilatación del tratamiento apropiado de la enfermedad.

Pasos a seguir en una prueba de hipótesis

Para realizar una prueba de hipótesis se deben tener en cuenta los siguientes pasos:
1. Expresar la hipótesis nula, H o y alterna, H a.
2. Seleccionar el nivel de significancia (α).y el tamaño de la muestra (n).
3. Determinar la estadística de prueba adecuada y la distribución de probabilidad
bajo la veracidad de la hipótesis nula.
4. Establecer la región crítica o de rechazo.
5. Calcular el valor de la estadística de prueba y tomar la decisión estadística.
6. Expresar la decisión estadística en términos del problema.

El valor P.
Debido a que la forma habitual de probar hipótesis, en la mayoría de los casos
resulta algo cortante o seca la decisión final de rechazar o no una H 0 dad, y no
proprciona una medida real de la decisión en términos de probabilidad, se ha
sugerido el cálculo del valor p, es decir, utilizando este valor, también se toman
decisiones sobre una hipótesis.
El valor p, se define como la probabilidad de que la estadística de prueba tome un
valor mayor o igual que el calculado (para pruebas con cola a la derecha), un valor
menor o igual que el calculado (para pruebas con cola a la izquierda), un valor
menor o igual o mayor o igual que el calculado (para pruebas con dos colas), con
base en la muestra. Tenga en cuenta que en el caso de pruebas de dos colas el valor
p corresponde al doble del valor obtenido en una prueba de una cola.
El valor p puede además ser interpretado comparándolo con con la probabilidad de
cometer error tipo I o α, para lo cual se sugiere la siguiente regla: si el valor p es
menor o igual a α, se rechaza Ho; de otra forma no puede rechazarse la hipótesis
nula.
Por ser el valor otra alternativa de decisión sobre la hipótesis nula, muchos
paquetes estadísticos imprimen el valor p para casi todas las situaciones en las que
está involucrada una prueba de hipótesis estadística.

Enlaces

Applet de Test de proporciones