You are on page 1of 5

Contraste de hiptesis

Dentro de la inferencia estadstica, un contraste de hiptesis (tambin denominado test de hiptesis o prueba
de signicacin) es un procedimiento para juzgar si una
propiedad que se supone en una poblacin estadstica es
compatible con lo observado en una muestra de dicha poblacin. Fue iniciada por Ronald Fisher y fundamentada
posteriormente por Jerzy Neyman y Karl Pearson.

de hiptesis es importante puesto que muchos problemas


de contraste de hiptesis respecto a un parmetro son, en
realidad, problemas de estimacin, que tienen una respuesta complementaria dando un intervalo de conanza
(o conjunto de intervalos de conanza) para dicho parmetro. Sin embargo, las hiptesis respecto a la forma de
la distribucin se suelen utilizar para validar un modelo
Mediante esta teora, se aborda el problema estadstico estadstico para un fenmeno aleatorio que se est estuconsiderando una hiptesis determinada H0 y una hip- diando.
tesis alternativa H1 , y se intenta dirimir cul de las dos
es la hiptesis verdadera, tras aplicar el problema estadstico a un cierto nmero de experimentos.
2 Planteamiento clsico del conEst fuertemente asociada al concepto estadstico de
traste de hiptesis
potencia y a los conceptos de errores de tipo I y II, que denen respectivamente, la posibilidad de tomar un suceso
Se denomina hiptesis nula H0 a la hiptesis que se desea
falso como verdadero, o uno verdadero como falso.
contrastar. El nombre de nula signica sin valor, efecto
Los tipos ms importantes son los test centrados, de hi- o consecuencia, lo cual sugiere que H0 debe identicarptesis y alternativa simple, aleatorizados, etc. Dentro de se con la hiptesis de no cambio (a partir de la opinin
los tests no paramtricos, el ms extendido es probable- actual); no diferencia, no mejora, etc. H0 representa la
mente el test de la U de Mann-Whitney.
hiptesis que mantendremos a no ser que los datos indiquen su falsedad, y puede entenderse, por tanto, en el
sentido de neutra. La hiptesis H0 nunca se considera probada, aunque puede ser rechazada por los datos.
1 Introduccin
Por ejemplo, la hiptesis de que dos poblaciones tienen la
Si sospechamos que una moneda ha sido trucada para que misma media puede ser rechazada fcilmente cuando amse produzcan ms caras que cruces al lanzarla al aire, po- bas dieren mucho, analizando muestras sucientemente
dramos realizar 30 lanzamientos, tomando nota del n- grandes de ambas poblaciones, pero no puede ser demero de caras obtenidas. Si obtenemos un valor dema- mostrada mediante muestreo, puesto que siempre cabe
siado alto, por ejemplo 25 o ms, consideraramos que el la posibilidad de que las medias dieran en una cantidad
resultado es poco compatible con la hiptesis de que la lo sucientemente pequea para que no pueda ser demoneda no est trucada, y concluiramos que las obser- tectada, aunque la muestra sea muy grande.
vaciones contradicen dicha hiptesis.

A partir de una muestra de la poblacin en estudio, se


extrae un estadstico (esto es, una valor que es funcin
de la muestra) cuya distribucin de probabilidad est relacionada con la hiptesis en estudio y sea conocida. Se
toma entonces como regin de rechazo al conjunto de valores que es ms improbable bajo la hiptesis, esto es, el
conjunto de valores para el que rechazaremos la hiptesis
nula si el valor del estadstico observado entra dentro de
l.

La aplicacin de clculos probabilsticos permite determinar a partir de qu valor debemos rechazar la hiptesis
garantizando que la probabilidad de cometer un error es
un valor conocido a priori. Las hiptesis pueden clasicarse en dos grupos, segn:
1. Especiquen un valor concreto o un intervalo para los parmetros del modelo.
2. Determinen el tipo de distribucin de
probabilidad que ha generado los datos.

La probabilidad de que se obtenga un valor del estadstico


que entre en la regin de rechazo an siendo cierta la hiptesis puede calcularse. De esta manera, se puede esUn ejemplo del primer grupo es la hiptesis de que coger dicha regin de tal forma que la probabilidad de
la media de una variable es 10, y del segundo que la cometer este error sea sucientemente pequea.
distribucin de probabilidad es la distribucin normal.
Siguiendo con el anterior ejemplo de la moneda trucada,
Aunque la metodologa para realizar el contraste de hi- la muestra de la poblacin es el conjunto de los treinta
ptesis es anloga en ambos casos, distinguir ambos tipos lanzamientos a realizar, el estadstico escogido es el n1

ENFOQUE ACTUAL DE LOS CONTRASTES DE HIPTESIS

mero total de caras obtenidas, y la regin de rechazo est


constituida por los nmeros totales de caras iguales o superiores a 25. La probabilidad de cometer el error de admitir que la moneda est trucada a pesar de que no lo est
es igual a la probabilidad binomial de tener 25 "xitos
o ms en una serie de 30 ensayos de Bernoulli con probabilidad de "xito 0,5 en cada uno, entonces: 0,0002,
pues existe la posibilidad, aunque poco probable, que la
muestra nos d ms de 25 caras sin haber sido la moneda
trucada.

Procedimientos de prueba

en datos muestrales es que debido a la variabilidad en el


muestreo puede resultar una muestra no representativa.
Un buen procedimiento es aquel para el cual la probabilidad de cometer cualquier tipo de error es pequea. La
eleccin de un valor particular de corte de la regin de
rechazo ja las probabilidades de errores tipo I y II. Estas probabilidades de error son representadas por y ,
respectivamente.

4 Enfoque actual de los contrastes


de hiptesis

Un procedimiento de prueba es una regla con base en daEl enfoque actual considera siempre una hiptesis altertos muestrales, para determinar si se rechaza H0 .
nativa a la hiptesis nula. De manera explcita o implcita, la hiptesis nula, a la que se denota habitualmente
Ejemplo
por H0 , se enfrenta a otra hiptesis que denominaremos
hiptesis alternativa y que se denota H1 . En los casos en
Una prueba de H0 : p = 0.10 contra H1 : p <
los que no se especica H1 de manera explcita, pode0.10, podra estar basada en el examen de una
mos considerar que ha quedado denida implcitamente
muestra aleatoria de n = 200 objetos. Reprecomo H0 es falsa.
sentamos con X el nmero de objetos defectuosos de la muestra, una variable aleatoria biSi por ejemplo deseamos comprobar la hiptesis de que
nomial; x representa el valor observado de X.
dos distribuciones tienen la misma media, estamos implsi H0 es verdadera, E(X) = np = 200*(0.10)
citamente considerando como hiptesis alternativa am= 20, mientras, podemos esperar menos de 20
bas poblaciones tienen distinta media. Podemos, sin emobjetos defectuosos si H1 es verdadera. Un vabargo considerar casos en los que H1 no es la simple
lor de x ligeramente debajo de 20 no contranegacin de H0 . Supongamos por ejemplo que sospedice de manera contundente a H0 as que es
chamos que en un juego de azar con un dado, este est
razonable rechazar H0 solo si x es consideratrucado para obtener 6. Nuestra hiptesis nula podra ser
blemente menor que 20. Un procedimiento de
el dado no est trucado que intentaremos contrastar, a
prueba es rechazar H0 si x15 y no rechazar
partir de una muestra de lanzamientos realizados, contra
H0 de otra forma. En este caso, la regin de
la hiptesis alternativa el dado ha sido trucado a favor
rechazo est formada por x = 0, 1, 2, , y 15.
del 6. Cabra realizar otras hiptesis, pero, a los efecH0 no ser rechazada si x= 16, 17,, 199 o
tos del estudio que se pretende realizar, no se consideran
200.
relevantes.
Un test de hiptesis se entiende, en el enfoque moderno,
Un procedimiento de prueba se especica por lo siguiencomo una funcin de la muestra, corrientemente basada
te:
en un estadstico. Supongamos que se tiene una muestra
t
X = (X1 , X2 , ...Xn ) de una poblacin en estudio y
1. Un estadstico de prueba: una funcin de
que se han formulado hiptesis sobre un parmetro relos datos muestrales en los cuales se basa
lacionado con la distribucin estadstica de la poblacin.
la decisin de rechazar H0 o no rechazar
Supongamos que se dispone de un estadstico T (X) cuya
H0 .
distribucin con respecto a , F (t) se conoce. Supongamos, tambin, que las hiptesis nula y alternativa tienen
2. Una regin de rechazo, el conjunto de tola formulacin siguiente:
dos los valores del estadstico de prueba
para los cuales H0 ser rechazada.
{
H0 : 0
Entonces, la hiptesis nula ser rechazada si y solo si el
H1 : 1
valor observado o calculado del estadstico de prueba se
ubica en la regin de rechazo
Un contraste, prueba o test para dichas hiptesis sera
En el mejor de los casos podran desarrollarse procediuna funcin de la muestra de la siguiente forma:
mientos de prueba para los cuales ningn tipo de error es
posible. Pero esto puede alcanzarse solo si una decisin se
{
basa en un examen de toda la poblacin, lo que casi nunca
1 si T (X)
(X) =
es prctico. La dicultad al usar un procedimiento basado
0 si T (X)
/

5.2

Contraste uniformemente ms potente

{
H0 : = 0
Donde (X) = 1 signica que debemos rechazar la hiH1 : = 1
ptesis nula, H0 (aceptar H1 ) y (X) = 0 , que debemos aceptar H0 (o que no hay evidencia estadstica
contra H0 ). A se la denomina regin de rechazo. En Se trata de escoger entre todos los contrastes posibles con
esencia, para construir el test deseado, basta con escoger prejado aquel que tiene mayor potencia, esto es, menor
el estadstico del contraste T (X) y la regin de rechazo probabilidad de incurrir en el error de tipo II.
.
En este caso el Lema de Neyman-Pearson garantiza la
Se escoge de tal manera que la probabilidad de que existencia de un contraste de mxima potencia y deterT(X) caiga en su interior sea baja cuando se da H0 .
mina cmo construirlo.

Errores en el contraste

5.2 Contraste uniformemente ms potente

En el caso de que las hiptesis sean compuestas, esto es,


Una vez realizado el contraste de hiptesis, se habr opta- que no se limiten a especicar un nico posible valor del
do por una de las dos hiptesis, H0 o H1 , y la decisin parmetro, sino que sean del tipo:
escogida coincidir o no con la que en realidad es cier{
ta. Se pueden dar los cuatro casos que se exponen en el
H0 : 0
siguiente cuadro:
H1 : 1
Si la probabilidad de cometer un error de tipo I est unvocamente determinada, su valor se suele denotar por la donde 0 y 1 son conjuntos de varios posibles valores,
letra griega , y en las mismas condiciones, se denota por las probabilidades y ya no estn unvocamente determinadas, sino que tomarn diferentes valores segn los
la probabilidad de cometer el error de tipo II, esto es:
distintos valores posibles de . En este caso se dice que
un contraste (X) tiene tamao si
P (escoger H1 |H0 es cierta) =
P (escoger H0 |H1 es cierta) =
= max0 P ((X) = 0)
En este caso, se denomina Potencia del contraste al valor 1-, esto es, a la probabilidad de escoger H1 cuando esto es, si la mxima probabilidad de cometer un error
de tipo I cuando la hiptesis nula es cierta es . En estas
sta es cierta
circunstancias, se puede considerar como una funcin
de , puesto que para cada posible valor de en la hiP (escoger H1 |H1 es cierta) = 1 .
ptesis alternativa se tendra una probabilidad distinta de
cometer un error de tipo II. Se dene entonces
Cuando es necesario disear un contraste de hiptesis,
sera deseable hacerlo de tal manera que las probabilida() = P ((X) = 1) 1
des de ambos tipos de error fueran tan pequeas como
fuera posible. Sin embargo, con una muestra de tamao y, la funcin de potencia del contraste es entonces
prejado, disminuir la probabilidad del error de tipo I, ,
conduce a incrementar la probabilidad del error de tipo
Pot() = 1 () 1
II, .
Usualmente, se disean los contrastes de tal manera que
la probabilidad sea el 5% (0,05), aunque a veces se usan
el 10% (0,1) o 1% (0,01) para adoptar condiciones ms
relajadas o ms estrictas. El recurso para aumentar la potencia del contraste, esto es, disminuir , probabilidad de
error de tipo II, es aumentar el tamao muestral, lo que
en la prctica conlleva un incremento de los costes del
estudio que se quiere realizar.

5.1

Contraste ms potente

esto es, la probabilidad de discriminar que la hiptesis


alternativa es cierta para cada valor posible de dentro
de los valores posibles de esta misma hiptesis.
Se dice que un contraste es uniformemente ms potente
de tamao cuando, para todo valor 1 Pot()
es mayor o igual que el de cualquier otro contraste del
mismo tamao. En resumen, se trata de un contraste que
garantiza la mxima potencia para todos los valores de
en la hiptesis alternativa.

Es claro que el caso del contraste uniformemente ms potente para hiptesis compuestas exige el cumplimiento
El concepto de potencia nos permite valorar cual entre de condiciones ms exigentes que en el caso del contrasdos contrastes con la misma probabilidad de error de tipo te ms potente para hiptesis simples. Por ello, no existe
I, , es preferible. Si se trata de contrastar dos hiptesis un equivalente al Lema de Neyman-Pearson para el caso
general.
sencillas sobre un parmetro desconocido, , del tipo:

10

Sin embargo, s existen muchas condiciones en las que,


cumplindose determinadas propiedades de las distribuciones de probabilidad implicadas y para ciertos tipos
de hiptesis, se puede extender el Lema para obtener el
contraste uniformemente ms potente del tamao que se
desee.

Aplicaciones de los contrastes de


hiptesis

Los contrastes de hiptesis, como la inferencia estadstica


en general, son herramientas de amplio uso en la ciencia
en general. En particular, la moderna Filosofa de la ciencia desarrolla el concepto de falsabilidad de las teoras
cientcas basndose en los conceptos de la inferencia estadstica en general y de los contrastes de hiptesis. En
este contexto, cuando se desea optar entre dos posibles
teoras cientcas para un mismo fenmeno (dos hiptesis) se debe realizar un contraste estadstico a partir de los
datos disponibles sobre el fenmeno que permitan optar
por una u otra.
Las tcnicas de contraste de hiptesis son tambin de
amplia aplicacin en muchos otros casos, como ensayos
clnicos de nuevos medicamentos, control de calidad,
encuestas, etctera.

Test estadsticos

Vase tambin
Errores de tipo I y de tipo II
Estadstica
Estadstico muestral
Falso negativo
Falso positivo
Intervalo de conanza
Muestreo estadstico
Prueba de Kolmogrov-Smirnov
Prueba de (Chi-cuadrado)
Test de la t de Student o t-test
Signicacin estadstica
Diseo experimental

REFERENCIAS

9 Enlaces externos
Inferencia estadstica, apuntes del Departamento de
Matemticas de la Universidad de La Corua
HESTADIS - Clculo del contraste de hiptesis para
la media con varianza poblacional conocida (gratuito)
Carlos Reynoso - Atolladeros del pensamiento aleatorio: Batallas en torno de la prueba estadstica.

10 Referencias
[1] NIST handbook: Two-Sample t-Test for Equal Means
[2] NIST handbook: F-Test for Equality of Two Standard Deviations (Testing standard deviations the same as testing
variances)
[3] Steel, R.G.D, and Torrie, J. H., Principles and Procedures
of Statistics with Special Reference to the Biological Sciences., McGraw Hill, 1960, page 288.)

11
11.1

Origen del texto y las imgenes, colaboradores y licencias


Texto

Contraste de hiptesis Fuente: https://es.wikipedia.org/wiki/Contraste_de_hip%C3%B3tesis?oldid=92138657 Colaboradores: Joseaperez, Jagarsoft, Califasuseso, Niqueco, RobotQuistnix, LuchoX, Yrbot, Mxcatania, Folkvanger, CEM-bot, Fenicio, Davius, Alakasam, Isha, Cgb, JAnDbot, Raimundo Pastor, Hidoy kukyo, Pabloallo, Plux, Jmvkrecords, LauraFarina, VolkovBot, WarddrBOT, Matdrodes,
AlleborgoBot, Muro Bot, Loveless, Sageo, Hu12, STBot~eswiki, Varyatanil, Elpolaco08, Juan Mayordomo, UA31, AVBOT, Louperibot,
MastiBot, Ialad, DumZiBoT, CarsracBot, Arjuno3, Luckas-bot, NACLE, Lloux, SuperBraulio13, Xqbot, RedBot, Jorge c2010, Crackeber,
Jcaraballo, Rezabot, AvocatoBot, Acratta, Addbot, Mettallzoar, Grup2UOC, Amelio147, Ferd823, Yogohurt, Shantalavila439 y Annimos:
51

11.2

Imgenes

11.3

Licencia del contenido

Creative Commons Attribution-Share Alike 3.0