Hiptesis nula

En estadstica, una hiptesis es una afirmacin sobre un parmetro de

la poblacin. La hiptesis nula es una afirmacin que no se rechaza a menos
que los datos de la muestra parezcan evidenciar que es falsa. Para afirmar
que la hiptesis nula es verdadera se requiere estudiar a toda la poblacin.
La hiptesis nula generalmente incluye un no en su enunciado.
Ejemplos
H0: La duracin promedio de una batera no es diferente de 6 horas.
Matemticamente: =6 horas. La hiptesis alternativa es H1: La duracin
promedio de la batera es diferente de 6 horas.

Hiptesis estadsticas
Se les denomina as a los supuestos (hiptesis) realizados con
respecto a un parmetro o estadstico (media, proporcin, entre otros).

En este paso se definen dos tipos de hiptesis:

Ho: Hiptesis nula
H1: Hiptesis alterna (de la cual se sospecha pudiera ser cierta, es
planteada por el investigador)

Hiptesis alternativa (H1)

La hiptesis alternativa indica que un parmetro de poblacin es ms
pequeo, ms grande o diferente del valor hipottico de la hiptesis nula. La
hiptesis alternativa es lo que usted podra pensar que es cierto o espera
probar que es cierto.

Distribuciones t de Student
Las distribuciones t de Student fueron descubiertas por William S.
Gosset (1876-1937) en 1908 cuando trabajaba para la compaa de
cervezas Guinness en Dubln (Irlanda). No pudo publicar sus
descubrimientos usando su propio nombre porque Guinness haba prohibido
a sus empleados que publicaran informacin confidencial. Gosset firm sus
publicaciones usando el nombre de "Student". Gosset tena buena relacin
con Karl Pearson que haba sido su maestro. Necesitaba una distribucin
que pudiera usar cuando el tamao de la muestra fuera pequeo y la
varianza desconocida y tena que ser estimada a partir de los datos. Las
distribuciones t se usan para tener en cuenta la incertidumbre aadida que
resulta por esta estimacin. Fisher comprendi la importancia de los trabajos
de Gosset para muestras pequeas.
Si el tamao de la muestra es n entonces decimos que la distribucin t
tiene n-1 grados de libertad. Hay una distribucin t diferente para cada
tamao de la muestra. Estas distribuciones son una familia de distribuciones
de probabilidad continuas. Las curvas de densidad son simtricas y con
forma de campana como la distribucin normal estndar. Sus medias son 0 y
sus varianzas son mayores que 1 (tienen colas ms pesadas). Las colas de
las distribuciones t disminuyen ms lentamente que las colas de la
distribucin normal. Si los grados de libertad son mayores ms prxima a 1
es la varianza y la funcin de
densidad es ms parecida a la
densidad normal.
Cuando n es mayor que 30,
la diferencia entre la normal y la
distribucin t de Student no suele
ser muy importante. En la imagen
podemos ver varios ejemplos de
funciones de distribucin
acumulada.
 Distribuciones t-Student: Funciones de distribucin acumulada. Con
grados de libertad mayores que 30 la distribucin t-Student es semejante a la
normal estndar

En Probabilidades en Distribuciones t-Student puedes ver una

comparacin ms precisa entre las distribuciones t-Student y la normal
estndar.

Significacin estadstica

En estadstica, un resultado o efecto es estadsticamente significativo

cuando es improbable que haya sido debido al azar. Una "diferencia
estadsticamente significativa" solamente significa que hay evidencias
estadsticas de que hay una diferencia; no significa que la diferencia sea
grande, importante o radicalmente diferente.
El nivel de significacin de una prueba estadstica es un concepto
estadstico asociado a la verificacin de una hiptesis. En pocas palabras, se
define como la probabilidad de tomar la decisin de rechazar la hiptesis
nula cuando sta es verdadera (decisin conocida como error de tipo I, o
"falso positivo"). La decisin se toma a menudo utilizando el valor p (o p-
valor): si el valor p es inferior al nivel de significacin, entonces la hiptesis
nula es rechazada. Cuanto menor sea el valor p, ms significativo ser el
resultado.
En otros trminos, el nivel de significacin de un contraste de hiptesis
es una probabilidad p tal que la probabilidad de tomar la decisin de rechazar
la hiptesis nula - cuando sta es verdadera - no es mayor que p.

Cundo se debe aplicar la T de student?

Se utiliza para determinar si hay una diferencia significativa entre las

medias de dos grupos, es decir que se utiliza cuando deseamos comparar
dos medias.
Se utiliza para la comparacin de dos medias de poblaciones independientes
y normales.
Existen 2 tipos de prueba t de Student
Test t para diferencia par ( grupos dependientes, test t correlacionado) :
df= n (nmero de pares) -1
Esto se refiere a la diferencia entre las cuentas medias de una sola
muestra de individuos que se determina antes del tratamiento y despus del
tratamiento. Puede tambin comparar las cuentas medias de muestras de
individuos que se aparean de cierta manera (por ejemplo los hermanos,
madres, hijas, las personas que se emparejan en trminos de las
caractersticas particulares).

Test t para muestras independientes

Esto se refiere a la diferencia entre los promedios de dos poblaciones.

Bsicamente, el procedimiento compara los promedios de dos muestras que
fueron seleccionadas independientemente una de la otra.

Un ejemplo sera comparar cuentas matemticas de un grupo experimental

con un grupo de control.
Cmo decido qu tipo de t-prueba a utilizar?
Error tipo I:

Rechaza una hiptesis nula que sea realmente verdad. La probabilidad de

hacer un error tipo I depende del nivel alfa que se seleccion.
Si se fij la probabilidad alfa en p < 05, entonces existe un 5% de
posibilidades de hacer un error de tipo I.
Se puede reducir la posibilidad de hacer un error tipo I fijando un nivel alfa
ms pequeo (p < .01). El problema haciendo esto es que se aumenta la
posibilidad de un error tipo II.

Error tipo II:

Falla en rechazar una hiptesis nula que sea falsa.

La idea bsica para calcular una prueba de Student es encontrar la
diferencia entre las medias de los dos grupos y dividirla por el error estndar
(de la diferencia), es decir la desviacin de estndar de la distribucin de las
diferencias.
Un intervalo de confianza para una prueba t con dos colas es calculado
multiplicando los valores crticos por el error de estndar y agregando y
restando eso de la diferencia de las dos medias.
El efecto tamao se utiliza para calcular la diferencia prctica. Si existen
varios miles de pacientes, es muy fcil encontrar una diferencia
estadsticamente significativa
Saber si esa diferencia es prctica o significativa es otra pregunta.

Con los estudios implicando diferencias de grupo, el tamao del efecto es

la diferencia de las dos medias dividido por la desviacin estndar del grupo
control (o la desviacin estndar media de ambos grupos si no hay grupo de
control).
Generalmente, el tamao del efecto es solamente importante si existe una
significacin estadstica.
Un efecto tamao de 2 se considera pequeo, 5 se considera medio, y 8
se considera grande.

Formula de T
1- las puntuaciones en un test que mide la variable creatividad siguen, en la
poblacin general de adolescentes, una distribucin Normal de media 11,5.
En un centro escolar que ha implantado un programa de estimulacin de la
creatividad una muestra de 30 alumnos ha proporcionado las siguientes
puntuaciones:
11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8,
23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.
A un nivel de confianza del 95% Puede afirmarse que el programa es
efectivo?
Solucin:
1 Ho m = 11,5
2 H1 m > 11,5

3 El estadstico de contraste en este caso es:

4 La media muestral es 12,47 y la desviacin tpica de la muestra es 5,22,
sustituyendo en el estadstico estos valores se obtiene:

5 Como el contraste es unilateral, buscamos en las tablas de la t de Student,

con 29 grados de libertad, el valor que deja por debajo de s una probabilidad
de 0,95, que resulta ser 1,699
6 El valor del estadstico es menor que el valor crtico, por consiguiente se
acepta la hiptesis nula.
7 La interpretacin sera que no hay evidencia de que el programa sea
efectivo.
2- En una muestra de 1000 nacimientos el nmero de varones ha sido 542
Puede considerarse, con un nivel de significacin del 10%, que en general
nacen ms nios que nias?
Solucin:
1 La hiptesis nula sera que nacen igual nmero de nios que de nias, o lo
que es lo mismo que la proporcin de nios nacidos es igual 1/2.
Por consiguiente: Ho P = 0,5
2 H1 P > 0,5
3 El estadstico de contraste es :
4 Como la proporcin muestral es 542/1000 = 0,542, sustituyendo se
obtiene el valor del estadstico:

5 Como el contraste es unilateral, buscamos en las tablas de la Normal el

valor de la variable que deja por debajo de s una probabilidad de 0,9, este
valor es 1,282.
6 El valor del estadstico 2,66 es mayor que el valor crtico 1,282 por
consiguiente, se rechaza la hiptesis nula.
7 Efectivamente, nacen en mayor proporcin nios que nias.

Alfa que es

Determinar Nivel de Significancia. (Rango de aceptacin de

hiptesis alternativa).
Se considera: 0.05 para proyectos de investigacin. 0.01 para
aseguramiento de calidad. 0.10 para encuestas de mercadotecnia y polticas

reas acumuladas de la distribucin T-STUDENT

1. Cmo se usa la tabla de la distribucin T-STUDENT para averiguar ,
1 2 t ?
Supongamos un riesgo del 5% ( o un nivel de confianza del 95% ), =0.05, y
grados de libertad =10.
Utilizaremos /2 ya que dejamos el mismo espacio correspondiente a la
regin de rechazo por ambos
lados. Cul es el valor, pues, de 2
0.975,10 t ? Se busca la interseccin y el resultado es 2.228. ste es el valor
crtico para rechazar la hiptesis alternativa.
Qu significan los grados de libertad?

Los grados de libertad representan un tema central en la estadstica

moderna, sin embargo su concepto se explica poco en los libros de texto. A
pesar de que Gauss los us por primera vez al estimar las distancias entre
las estrellas, no aparece formalmente hasta los escritos de Gosset (Student)
en 1908. El concepto de grados de libertad se puede entender desde un
punto de vista geomtrico, algebraico e incluso intuitivo. La geometra nos
describe a los grados de libertad como espacios e hiperespacios de libertad
a travs de los cuales una medida de resumen puede moverse y tomar
diferentes valores. El punto de vista algebraico los describe como el nmero
de ecuaciones que se establecen usando los datos.
Ambos puntos de vista estn relacionados y ayudan a comprender con
mayor profundidad el concepto de grados de libertad. La aplicaciones de los
grados de libertad estn extendidas a travs de toda la estadstica, el clculo
de la desviacin estndar y la prueba t de Student son solo algunos
ejemplos.

Grados de libertad para la distribucin t de Student

La distribucin t sirve para probar la hiptesis de igualdad de las medias
de dos grupos de datos. Se empieza teniendo dos grupos, el primero de ellos
tiene n elementos, y el segundo n , se hallan las 1 2 medias muestrales de
ambos, X y X respectivamente. Por lo tanto, 1 2 cada grupo ha reducido sus
dimensiones de libertad tras calcular las medias, y los nuevos grados de
libertad son entonces (n -1) y (n -2). 1 2
Para hallar la desviacin estndar (y la varianza), solamente se obtiene
el promedio a partir de ambas varianzas ponderadas segn sus grados de
libertad:
 Y cuando se busca en la tabla de valores para la distribucin t de
Student se considera como los grados de libertad la suma total de los grados
de libertad de ambos grupos. Podemos apreciar mejor esto si ponemos un
ejemplo. Se desea conocer si la presencia de parsitos intestinales interfiere
con la absorcin de hierro y por consiguiente producen niveles bajos de
hemoglobina. Se pone a prueba la hiptesis nula de no diferencia del nivel de
hemoglobina promedio de dos grupos de personas, el primer grupo procede
de un rea con alta prevalencia de parasitosis intestinal y el segundo grupo
procede de un rea con baja prevalencia. Si el nmero muestral del grupo
uno es de 20 sujetos, y el tamao del segundo es de 28, entonces los grados
de libertad asociados a la prueba t son:
GL = (20 - 1) + (28 - 1 ) = 46

Y tendremos en cuenta a los 46 grados de libertad cuando hallemos el

punto crtico para el rechazo de la hiptesis nula.