1.

HIPÓTESIS EN INVESTIGACIÓN CIENTÍFICA (H NULA)

La hipótesis nula (H0) constituye una parte esencial de cualquier diseño de investigación y
siempre es puesta a prueba, aunque sea indirectamente.
La definición simplista de la hipótesis nula es casi contraria a la de la hipótesis
alternativa (H1), aunque el principio es un poco más complejo.
La hipótesis nula (H0) es una hipótesis que el investigador trata de refutar, rechazar o
anular.
Generalmente, "nula" se refiere a la opinión general de algo, mientras que la hipótesis
alternativa es lo que el investigador realmente piensa que es la causa de un fenómeno.

La conclusión de un experimento siempre se refiere a la nula, es decir, rechaza o acepta la

H0 en lugar de la H1.
A pesar de esto, muchos investigadores descuidan la hipótesis nula cuando están probando,
lo que constituye una práctica mala y puede tener efectos adversos.
Ejemplo
Un investigador puede postular una hipótesis:

H1: las plantas de tomate exhiben una mayor tasa de crecimiento cuando se plantan en
compost en lugar del suelo.

Y una hipótesis nula:

H0: las plantas de tomate no presentan una mayor tasa de crecimiento cuando se plantan en
el compost en lugar del suelo.

2. HIPÓTESIS EN INVESTIGACIÓN CIENTÍFICA (ALTERNA)

Se entiende por hipótesis alternativa a la suposición alternativa a la hipótesis

nula formulada en un experimento y/o investigación. Esta surge como resultado de una
determinada investigación realizada sobre una población o muestra.

Entendida de manera sencilla, la hipótesis alternativa representa la conclusión que el

investigador quiere demostrar o afirmar tras su estudio. Esta se expresa con la expresión
“H1” y va a representar, por lo general, lo contrario a la hipótesis nula.

pág. 1
El método científico, al contrario de lo que podría pensarse, no trata de demostrar la
hipótesis alternativa (conclusión alcanzada a través de la investigación). Lo que pretende el
método científico, es demostrar que lo contrario a la hipótesis alternativa (hipótesis nula),
no es cierto. De esta manera, quedaría demostrada la hipótesis alternativa.

3. HIPÓTESIS ESTADÍSTICO H NULA

La hipótesis nula indica que un parámetro de población (tal como la media, la desviación
estándar, etc.) es igual a un valor hipotético. La hipótesis nula suele ser una afirmación
inicial que se basa en análisis previos o en conocimiento especializado.

4. HIPÓTESIS ESTADÍSTICO ALTERNATIVA

La H1 establece que existen diferencias reales entre los grupos comparados; la relación
entre las variables se puede formular de dos modos.

La H1 bilateral o de 2 colas contempla la posibilidad de que la asociación entre variables

se produzca en cualquier sentido; por ejemplo, el ejercicio físico puede modificar
(aumentar o disminuir) la incidencia de infarto de miocardio3.

La H1 unilateral o de una cola afirma la asociación en un solo sentido o dirección que

puede ser de aumento o disminución; por ejemplo, el empleo de un nuevo tratamiento
aumenta la supervivencia media de los pacientes respecto al tratamiento anterior.

La elección del tipo de H1 (uni o bilateral) es anterior a la obtención de los datos. La

prueba unilateral se plantea cuando únicamente interesa la diferencia en un sentido; por
ejemplo, sólo interesa adquirir la patente de un nuevo producto si, realmente, es más eficaz
que el que está siendo utilizado.

pág. 2
 5. TIPOS DE ERRORES EN LA HIPÓTESIS ESTADÍSTICO

Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en

probabilidades, siempre existe la posibilidad de llegar a una conclusión incorrecta. Cuando
usted realiza una prueba de hipótesis, puede cometer dos tipos de error: tipo I y tipo II. Los
riesgos de estos dos errores están inversamente relacionados y se determinan según el nivel
de significancia y la potencia de la prueba. Por lo tanto, usted debe determinar qué error
tiene consecuencias más graves para su situación antes de definir los riesgos.
i. Error de tipo I
Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de tipo I. La
probabilidad de cometer un error de tipo I es α, que es el nivel de significancia que usted
establece para su prueba de hipótesis. Un α de 0.05 indica que usted está dispuesto a
aceptar una probabilidad de 5% de estar equivocado al rechazar la hipótesis nula. Para
reducir este riesgo, debe utilizar un valor menor para α. Sin embargo, usar un valor menor
para alfa significa que usted tendrá menos probabilidad de detectar una diferencia si está
realmente existe.

ii. Error de tipo II

Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II. La
probabilidad de cometer un error de tipo II es β, que depende de la potencia de la prueba.
Puede reducir el riesgo de cometer un error de tipo II al asegurarse de que la prueba tenga
suficiente potencia. Para ello, asegúrese de que el tamaño de la muestra sea lo
suficientemente grande como para detectar una diferencia práctica cuando esta realmente
exista.

La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este valor es la
potencia de la prueba.

Verdad acerca de la población

Decisión basada en la H0 es verdadera H0 es falsa

muestra

No Rechazar H0 Decisión correcta (probabilidad = Error tipo II - no rechazar

1 - α) H0 cuando es falsa (probabilidad =
β)

Rechazar H0 Error tipo I - rechazar H0 cuando Decisión correcta (probabilidad = 1

es verdadera (probabilidad = α) - β)

pág. 3
 Ejemplo de error de tipo I y tipo II
Para entender la interrelación entre los errores de tipo I y tipo II, y para determinar cuál
error tiene consecuencias más graves para su situación, considere el siguiente ejemplo.

Un investigador médico desea comparar la efectividad de dos medicamentos. Las Hipótesis

nula y alternativa son:

 Hipótesis nula (H0): μ1= μ2

Los dos medicamentos tienen la misma eficacia.
 Hipótesis alternativa (H1): μ1≠ μ2
Los dos medicamentos no tienen la misma eficacia.
Un error de tipo I se produce si el investigador rechaza la hipótesis nula y concluye que los
dos medicamentos son diferentes cuando, en realidad, no lo son. Si los medicamentos
tienen la misma eficacia, el investigador podría considerar que este error no es muy grave,
porque de todos modos los pacientes se beneficiarían con el mismo nivel de eficacia
independientemente del medicamento que tomen. Sin embargo, si se produce un error de
tipo II, el investigador no rechaza la hipótesis nula cuando debe rechazarla. Es decir, el
investigador concluye que los medicamentos son iguales cuando en realidad son diferentes.
Este error puede poner en riesgo la vida de los pacientes si se pone en venta el
medicamento menos efectivo en lugar del medicamento más efectivo.

Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores de tipo I y
tipo II. Si las consecuencias de cometer un tipo de error son más graves o costosas que
cometer el otro tipo de error, entonces elija un nivel de significancia y una potencia para la
prueba que reflejen la gravedad relativa de esas consecuencias.

6. PASOS PARA LA REALIZACIÓN DE UNA PRUEBA DE HIPÓTESIS

 Especificar las Hipótesis.
 Elegir un nivel de significancia (también denominado alfa o α).
 Determinar la potencia y el tamaño de la muestra para la prueba
 Recolectar los datos.
 Comparar el valor p de la prueba con el nivel de significancia.
 Decidir si rechazar o no rechazar la hipótesis nula.

7. CALCULO GENERAL DEL ESTADÍSTICO DE PRUEBA

Cuando el objetivo del muestreo es evaluar la validez de una afirmación con respecto a la
proporción de una población, es adecuado utilizar una prueba de una muestra.

pág. 4
La metodología de prueba depende de si el número de observaciones de la muestra es
grande o pequeño.
Como se habrá observado anteriormente, las pruebas de grandes muestras de medias y
proporciones son bastante semejantes. De este modo, valores estadísticos de prueba miden
la desviación de un valor estadístico de muestra a partir de un valor propuesto. Y ambas
pruebas se basan en la distribución normal estándar para valores críticos. Quizá la única
diferencia real entre las ambas radica en la forma corno se obtiene la desviación estándar de
la distribución de muestreo.
Esta prueba comprende el cálculo del valor estadístico de prueba Z

La primera alternativa establece una prueba de cola derecha, la segunda, izquierda y la

tercera, una prueba de dos colas.
Ejemplo
En un estudio se afirma que 3 de 10 estudiantes universitarios trabajan. Pruebe esta
aseveración, a un nivel de significación de 0,025, respecto a la alternativa de que la
proporción real de los estudiantes universitarios trabajan es mayor de lo que se afirma, si
una muestra aleatoria de 600 estudiantes universitarios revela que 200 de ellos trabajan. La
muestra fue tomato de 10000 estudiantes.

pág. 5
Los datos son:

Como en los datos aparece el tamaño de la población, se debe verificar si el tamaño de la

nuestra es mayor que el 5%. Se remplaza valores en la siguiente formula:

8. PRUEBAS DE HIPÓTESIS CON UNA MUESTRA (UTILIZANDO LA Z, LA

T PROPORCIONES).

a) Prueba de Hipótesis para dos tesis para dos muestras grandes, grandes,
desviaciones estándar de las poblaciones desiguales.
Las propiedades de la Distribución Normal son también sumamente útiles cuando
queremos encontrar si dos conjuntos de observaciones provienen de la misma
población o si hay diferencias entre dos procesos aplicados a los mismos datos o
individuos.
Lo que intentamos probar comúnmente es si la diferencia entre dos medias es igual
a cero, pero como en general no vamos a encontrar que la diferencia de dos medias

pág. 6
 muéstrales sea cero, aun cuando provengan de la misma población, tenemos que
buscar la forma de cuantificar qué tan seguros estamos de que la diferencia es
significativa.
Para ello usamos:
Donde
X1y X2 son las medias de nuestras observaciones
S1 y S2 son las desviaciones estándar muéstrales
N1Y N2 son los tamaños de cada muestra

x1 − x 2
z
= s1 2 s 2 2
n1 + n2
Ejemplo
para un nivel de confianza del 99% (o un nivel de significancia del 1% ) si se quiere
probar únicamente si hay diferencia:
|Z| > 2.57 Tenemos el 99% de confianza en que la diferencia existe es decir que las
muestras provienen de poblaciones diferentes
|Z| < 2.57 Tenemos el 99% de confianza en que la diferencia NO existe es decir
que las muestras provienen de la misma población
Para otros niveles de confianza se requiere usar el valor z crítico correspondiente.
El caso anterior se trata de una prueba de dos colas, pues sólo consiste en probar si
EXISTE la diferencia (es igual o no es igual a cero). En caso de que se trate de
probar si la diferencia puede ser mayor o menor que el postulado, se requiere de una
prueba de una cola, derecha o izquierda. El caso anterior se trata de una prueba de
dos colas, pues sólo consiste en probar si EXISTE la diferencia (es igual o no es
igual a cero). En caso de
que se trate de probar si la diferencia puede ser mayor o menor que el
Postulado, se requiere de una prueba de una cola, derecha o izquierda.

b) Prueba de Hipótesis para dos muestras, desviaciones estándar de las

poblaciones desconocidas y no iguales

En este caso empleamos

pág. 7
 Siendo S1 Y S2 las desviaciones estándar de la muestra

El valor de t para comparar y tomar la decisión se obtiene de la tabla con el nivel de

confianza (o significancia) dado y los grados de libertad se calculan por medio de:

c) Prueba de Hipótesis para dos muestras, desviaciones estándar de las

poblaciones desconocidas pero iguales

Existe la posibilidad de que las desviaciones estándar de las poblaciones sean

iguales, ya sea que se sepa de antemano o se haga una prueba F, en este caso se usa.

Donde

que es una forma de estimar la desviación poblacional

El valor de t para comparar y tomar la decisión se obtiene de la tabla con el nivel de
confianza o de significancia dado y los grados de libertad están dados por:
V= n1+n2-2

pág. 8
 Ejemplo
La duración media de una muestra de 300 focos producidos por una compañía
resulta ser de 1620 horas.

Como se tiene como dato el tamaño de la población se tiene que verificar si cumple
con la condición para utilizar el factor finito de corrección.

pág. 9
 d) Prueba de Hipótesis para dos muestras dependientes. Muestras pareadas.
En este caso se trata de dos muestras que pueden contener los mismos individuos en
dos condiciones que se trata de diferenciar, para ello se usa:

Donde
Đ es la media de las diferencias entre los valores de las muestras
Sd es la desviación estándar de las diferencias.
El valor de t para comparar y tomar la decisión se obtiene de la tabla con el nivel de
confianza o de significancia dado y los grados de libertad son iguales a v=n-1
Ejemplo
Una compañía desea comparar el aumento de peso en bebés que consumen su
producto contra los que consumen el competidor. Una muestra de 40 bebés de usan
la 1ª marca reveló un aumento de peso de 3.2 kg en los primeros tres meses después
de nacidos con 1.2 kg de desv est. Una muestra de 55 bebés que usan la 2ª marca
indica un aumento de 4.2 kg con desviación estándar de 1.4 kg. Con un nivel de
significancia de 0.05 ¿Es posible concluir que los bebés que consumieron el
producto de la marca 2 ganaron más peso? (μ1 - μ2 sería negativo)
Se usa la fórmula para desviaciones estándar desiguales.
Ho: μ1 - μ2 ≥ 0
H1: μ1 - μ2 < 0

x1 − x2
t= 2 2
s1 s2
n1 + n2
pág. 10
MEDIA 1= 3.2 MEDIA 2= 4.2
S1= 1.2 S2=1.4
N1= 40 N2= 55
Notar que decir μ1 - μ2 ≥ 0 es equivalente a μ1 ≥ μ2, Así como μ1 - μ2 = 0 es equivalente a
μ1 = μ2

y se busca el valor crítico para α = 0.05 (es de una cola) tc = -1.66

Como el valor de t calculado -3.74 cae en la región de rechazo de Ho, se rechaza la

posibilidad de que la diferencia sea nula (o mayor que cero) y se acepta que los bebés que
consumen la marca 1 ganan menos peso que los que consumen la marca 2 (diferencia
negativa).
e) PRUEBA DE HIPÓTESIS PARA DOS PROPORCIONES
Existen casos en donde queremos saber si dos muestras de proporciones provienen
de dos poblaciones diferentes o si hay diferencia estadística entre ellas. En este caso
empleamos:

ya que no se conoce la proporción de las poblaciones El valor del denominador se usa para
estimar la desviación estándar de la población, donde p c (proporción conjunta) está dado
por:

pág. 11
x 1 = número de casos favorables de la primera muestra
x 2 = número de casos favorables de la segunda muestra
n 1 = número de eventos de la primera muestra
n 2 = número de eventos de la segunda muestra
Ejemplo
Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren en sus
opiniones sobre la promulgación de la pena de muerte para personas culpables de asesinato.
Se preguntó a dos muestras aleatorias de 100 hombres y 100 mujeres su opinión sobre la
promulgación de la pena de muerte, y el 12% de los hombres adultos están a favor de la
pena de muerte, mientras que sólo 10% de las mujeres adultas lo están. Con un nivel de
significancia de 0.05 ¿Se puede afirmar que hay evidencia estadística de que las opiniones
difieren entre hombres y mujeres?
Ho: P1 = P2
H1: P1 ≠ P2

Bibliografía
http://economipedia.com/definiciones/hipotesis-alternativa.html
https://es.slideshare.net/irisyaninacamposjime/prueba-de-hiptesis-para-una-media-y-
proporcinestadistica
https://www.monografias.com/trabajos91/prueba-hipotesis-proporciones-z-y-ji-cuadrado-
empleando-excel-y-winstats/prueba-hipotesis-proporciones-z-y-ji-cuadrado-empleando-excel-y-
winstats.shtml
http://www.geociencias.unam.mx/~ramon/EstInf/Clase15.pdf
http://www.geociencias.unam.mx/~ramon/EstInf/Clase15.pdf
https://es.wikiversity.org/wiki/Prueba_de_hip%C3%B3tesis_(estad%C3%ADstica)

pág. 12