Contraste de hipdtesis 3.1. La légica del contraste de hipétesis. 3.1.1. Las hipotesis estadisticas. 3.1.2. Los supuestos, 3.1.3. El estadistico de contraste. 3.1.4. La regla de decision. 3.1.5. La decisién Errores de tipo | y Il Potencia de un contreste. Nivel critico y tamafio del efecto. Contrastes bilaterales y unilaterales. Estimacién por intervalos y contraste de hipétesis. Apéndice 3. Curva de potencias. Efecto del tamafio de la muestra sobre la potencia. Ejercicios. LEwow BRaoNDebemos comenzar recordando que el objetivo iltimo del andlisis de datos es el de extraer conclusiones de tipo general a partir de unos pocos datos particulares. Es decir, el de extraer conclusiones sobre las propiedades de una poblacién a partir de la informacién contenida en una muestra procedente de esa poblacién. Ya hemos setalado que este salto de lo conereto (la muestra) a lo general (la poblacién) se conoce con el nombre de inferencia estadistica "Al comienzo del capitulo anterior hemos hecho referencia a dos formas basicas de inforencia estadistica: la estimacién de pardmetros y el contraste de hipétesis. Hemos estudiado en ese capitulo lo relativo a la estimacion de pardmetros, a la que hemos caracterizado como el proceso consistente en asignar a las propiedades deiconocidas de una poblacion las propiedudes conocidas de una mucstra extraida de esa poblacion. En este capitulo vamos a centrar nuestra atencién sobre el contraste de hipétesis, al que podemos comenzar refiriéndonos como un proceso mediante el cual se trata de comprobar si una afirmacién sobre alguna propiedad poblacional puede ser sostenida a la luz de la informacion muestral disponible En realidad, el contraste de hipétesis puede ser entendido como un método de tona de decisiones: un contraste de hip6tesis, también amado prueba de significa- cién © prueba estadistica, es un procedimiento que nos permite decidir si una proposicion acerca de una poblacién puede ser mantenida o debe ser rechazada Como tal, el contraste de hipdtesis debe ser ubicado en el propio corazén del método cientifico, formando parte esencial del mismo. Las lineas que siguen aclaran esia idea En la investigacin psicoldgica o de otro tipo, es frecuente encontrarse con problemas de conocimiento (ciertamente, no todos igual de relevantes) surgidos a partir de conocimientos ya existentes o a partir de Ia observacién de nuevas Situaciones: iproduce el estimulo a tiempos de reaccion mas cortos que el estimu- ob? (Es la técnica terapéutica a mas apropiada que la b para aliviar los sintomas de los pacientes depresivos? {Son los sujetos que se sienten inseguros mas agresivos ue los que se sienten seguros? {Rinden los sujetos motivados mejor que los no motivados? {Qué tipo de interaccién entre los miembros de un grupo favorece mis Ia cficacia en la resolucién de los problemas? :Difieren los varones y las mujeres en inteligencia?, ete. Estos interrogantes son solo un pequefio ejemplo de la multitud de problemas que se generan en la investigacién psicologica. Tales interrogantes surgen, en general, en el seno de una teoria que intenta dar cuenta de alguna (© Edione Prime128 / Anstsis de deter en psicologia tt Parcela de la realidad y se plantean con Ja intencién de cubrir alguna laguna conereta de conocimiento que esa teoria no cubre o para corroborar una parte o el total de esa teoria Surgido cl problema, el paso siguiente consiste en aventurar algin tipo de Solucién al mismo. Esta solucién provisional suele tomar forma de afirmacién directamente verificable (es decir, empiricamente contrastable; de no ser asi, nos ‘moveriamos en el terreno de la especulacién y no en el de la ciencia) en la que se establece de forma operativa el comportamiento de la variable o las variables involucradas en el problema. Esa afirmacién verificable recibe el nombre de hipétesis cientifica (ver Pereda, 1987, capitulo 5), Asi, ante la pregunta (problema de conocimiento) «¢difieren los varones y las mujeres en inteligencia?», podriamos ~aventurar la hipotesis de que «los varones y las mujeres no differen en inteligencian Por supuesto, deberiamos definir con precision (operativamente) qué entendemos or «inteligencia» y emo medirla. Sélo entonces nuestra afirmacién seria una hipotesis cientifica Hecho esto, estariamos ya en condiciones de iniciar el proceso de verificacién de esa hipétesis. ¥ el proceso de verificacion habitualmente utilizado en las ciencias empiricas sigue los pasos que en este capitulo vamos a describir bajo la denomina. cin de contraste de hipétesis’ 3.1. La légica del contraste de hipétesis 1) El primer paso del proceso de verficacién de una hipétesis consiste en formular estadisticamente la hipdtesis cientijica que se desea contrastar: es decit, en transfor. mar Ja hipétesis cientiiea en hipdtesis estadistica. Esto supone que una hipbtexis 0.5) ‘ASI pucs, resumiendo: Un contraste de hipdtesis es un proceso de decisiGn en el que una hipétesis formulada en términos estadisticos cs puesta en rclacion con los datos ‘empiricos para determinar si es 0 no compatible con ellos. Acabamos de exponer la ldgica general de ese proceso. Ahora vamos a profundi- zar en esa légica estudiando mas detalladamente cada uno de los pasos de que cconsta ese proceso’. et rh matizado mis dean, pete servimos como primera apron cin ala fogea del contrase de hipdtesis e ce Sie Et cei sn eto ny, on vi Gece come one isin ene Spee ssc tn cleo qh nea fanaa pais poblcin et contend en mors) oq hjeson en el qu, ners dea lfomacin ‘srao ac no d conasmcton peo, Caen sobre el sonra pt tl como ut ‘Spot aed aimee por Ron A Fae nants (92, ene cr) 7 Coftcldaan mi ade por Neymany Peon (195, 1959, deben ser enmareadet dio det enfogie (© Ediciones Ptmide Conraste de hipétesis | 131 a Las hipétesis estadisticas ‘Una hipétesis estadistica es una afirmacién sobre una o més distribuciones de probabilidad; més concretamente, sobre la forma de una o més distribuciones de probabilidad, o sobre el valor de uno o mis pardmetros de esas distribuciones. Las hipétesis estadisticas se suelen representar por la letra H seguida de una afirmacin que da contenido a la hipétesis: Hila variable X se distribuye normalmente con x = 100 y @ = 15 Hex =05 H: 4<30 H: Mdn, # Mdn HE py = Ba = Hs = Ha En general, una hipotesis estadistica surge a partir de una hipétesis cientifica Pero entre una hipdtesiscientifiea y una hipdtesis estadistica no existe una corres- pondencia exacta, La primera proporciona la base para la formulacién de la Segunda, pero no son la misma cosa. Mientras una hipétesis cientfica se refiere a algiin aspecto de fa realidad, una hipdtesis estadistica se refiere a algiin aspecto de tuna distribucion de probabilidad. Esto significa, por ejemplo, que la expresién | is = Him que hemos presentado anteriormente no es la nica formulacién estadistica posible de la hipétesis cientifica «los varones y las mujeres no difieren en inteligen- Gia». En lugar del promedio 4, podriamos utilizar el promedio Madn y establecer esta otra formulacidn estadistica: Man, = Mdn,. Y todavia podriamos transformar esa hipétesis cientifia en hipdtesis estadistica utilizando otras estrategias; por ejemplo: F(x) = Fa{x), es deci, la funcion de distribucién de la variable X = «inteligencia» cs la misma en la poblacion de varones y en la poblacién de mujeres. Lo cual signifi- a que, dado un valor cualquiera de la distribuciin de la variable inteligencia, el rimero de sujetos que hay por debajo de ese valor en la poblacién de los varones es el mismo que el nimero de sujetos que hay por debajo de ese valor en la poblacién dde las mujeres (lo que implica que los varones y las mujeres no difieren en inteligencia). “Vemos, por tanto, que existen varias formas diferentes de expresar estadistica~ mente una hipdtesis cientifica conereta. A lo largo de este capitulo y de los que siguen estudiaremos qué hipdtesis estadisticas podemos plantear, cémo debemos plantearlas y a qué tipo de hipétesis cientificas corresponden, De momento, basta on saber que el primer paso en el proceso de verificacién de una hipétesis consiste en formular en términos estadisticos la afirmacién contenida en la hipdtesis cientifiea que se desea verificar. Dicho esto, es necesario advertir que, aungte hasta ahora hemos venido proponiendo ejemplos en los que hemos formulado una sola hipétesis, 1o cierto es Que todo contraste de hipétesis se basa en la formulacién de dos hipotesis: 1. La hipétesis nula, representada por Hy. 2, La hipétesis alternativa, representada por Hy. © Biome Pride132 / Andisis de datos en psicologia 1a hipétesis mula Hy es la hipétesis que se somete a contraste. Consiste senpraliente en una afirmacién concreta sobre la forma de una distribute de Probabilidad o sobre el valor de alguno de los parimetros de esa distribacions Hoi La variable X se distribuye normalmente con p= 100 y @ = 15 Hem, = m3 {a hipotesis alteratioa H, es la negacién de la nula. H, incluye todo lo que Hy Steere Mientras He suele ser una hipotesis exacta (al eosa es igual a tal otto), Ay Sucle ser inexacta (tal cosa es distin, mayor 0 menor que tal otra} 114; La variable X no se distribuye normalmente con y= 100 y ¢ = 15 Hem >m Aimy o «>» decimos sue el Contraste es unilateral o unidireccional. Mas adclante trataremos detenide scare esta cuestlon, 428 hipotesis aula y alternativa suclen plantearse como hipdtesis rivales. Son Pp6tesis exhaustivas y mutuamente exclusivas, to cual implica que si wns ee Yeriadera, la otra es necesariamente fsa. Considerando los ejemplos que hemes Nipaegieomemando. podemos plantear, con lo que ya sabemos, las siguienies hipétesis: 9) He, = ty ea 1) Ho: Rasera $ 05 Hy Maceo > OS. Las hipétesis a se refieren al ejemplo sobre diferencias en inteligencia entre dion, mujeres. La hipotesis nula afirma que los varones y las mujeres no Aifieren en inteigencia; a hipétesis alternativa afirma que si exclusivas, , jombre de hndeis mula paral hpbtss que se somete a contraste se debe a que, cuando se stiabuando condos o mas pater My sce amar uel vlords cos ates ote = dei, quel ioronca ene cy als (© EeicionesPirimide Contraste de hivdtesis | 133 Conviene no pasar por alto un detalle de especial importancia: el signo «=», tanto si va solo (1, = jg) como si va acompatiado (x < 0,5), siempre va en la hipdtesis mula. Seguin hemos dicho, Ho es la hipétesis que se somete a contraste. Esto significa que es a partir de la afirmacién conereia establecida en Ho (y la inica afirmacién concreta establecida es la que corresponde al signo «= ») desde donde se inicia todo el proceso de contrastacién. Es decir, tanto si Hy es exacta (1, como si ¢s inexacta (x < 0,5), todo el proceso de decision va a estar basado en un modelo probabilistico construido a partir de la afirmacién concreta correspondiente al signo «=» de Ho, Ese modelo probabilistico, del que enseguida hablaremos, es del que nos vamos a servir més tarde para tomar una decision respecto a Ho (isiempre respecto a He!, como veremos repetidamente). 3.1.2. Los supuestos Para que una hipdtesis estadistica pueda predecit un resultado muestral con cierta exactitud es necesario, en primer lugar, que la distribucién poblacional con la que se va a trabajar esté completamente especificada, Por ejemplo, hipétesis del tipo: H: La variable X se distribuye normalmente con = 100 y o = 15 Hin =05 son hipétesis que especifican por completo las distribuciones poblacionales Jas que hacen referencia. La primera hipdtesis define una distribucién normal con arémetros conocidos. La segunda hipétesis permitiria especificar por completo una istribucién binomial una vez establecido el tamaiio de la muestra. A este tipo de hip6tesis se les llama simples Las hipétesis en las que la distribucién poblacional no queda completamente *specificada reciben el nombre de compuestas. Hipétesis del tipo: H: La variable X se distribuye normalmente con je = 100 H: x <0,50 son hip6tesis compuestas pues en ninguna de ellas quedan completamente especifi- cadas las distribuciones poblacionales a las que hacen referencia. La. primera hipétesis define una distribucién normal con media conocida pero con varianza desconocida. La segunda hipétesis, referida a una distribucién binomial, no define ‘na ‘nica distribucidn sino muchas diferentes. Lo ideal, por supuesto, seria poder plantear, siempre, hipétesis nulas simples, pues eso nos permitiia definir con precision Ia distribueién poblacional a parti de 11 cual se efectuardn las predicciones muestrales. Pero ocurre que ni los intereses del investigador se corresponden siempre con el contenido de una hipétesis simple, ni en todas las situaciones resulta posible formular hipétesis de es tipo. Esto significa uc, con frecuencia, 1a hipétesis nula plateada no serd simple, sino compuesta, Lo cual nos obligard a establecer un conjunto de supuestos que, junto con la hipotesis, Permitan especificar por completo la distribucion poblacional de referencia. Sélo (0 Becone Pirie134 / Anifsis de dstos en psicologi It entonces ser posible predecir con cierta precision qué es lo que podemos encon- trarnos al extracr una muestea aleatoria Ge exa poblacion, Un ejemplo seneillo nos ayudard a comprendet mejor extas ideas. Supongamos gue dessamos contrastar in hipsesis mula Ho: n= 30 frente a alersatiog Me #4 30, En ln hipdtesisnula se hace relerencia a una datbucion poblacenel media 30, pero nada mas; nada sabemos sobre su forma ni sobie ay vonanon oot tomar una decision respecto al valor de y.necesitamos recurie 4 la eoierees mesial En conereto, necesitamos exiraer tna muestra de tamuto nj calecher valor de X. Si el valor de es parccido a 30, diremor que la hipotene su planteada es compatible con los datos. Pero si el valor de X es muy diferente de 30 diremos que la hipétsisnula es incompatible con los datos, Ahors Easy gary decidir cudndo el valor tomado por X es lo bastante parecido a 30 debemos establocer, spin veremosensegulda na repla de design en timinos de prehatane dad. ¥ sein sabemos ya, para conocer les probabiidadesasodades& ke aie tes valores de X debemos servirnos de la distribucién muestral de _X. Esa distribu- cién muestra es normal con parimetros 1 y e/,/n. Como desconovemes «, pues tad ae ha dicho de ella en la hipdtesis, tendremes que estimana, en cuye cise Ia transformacién T= (& — p)(S,../g/n) seguird el modelo de probsbilded 1 de Student con n~ 1 grados de lbentad®, de modo que ia tandormesen Tos Permitiré conocer las probabilidades asociadas a los diferentes valores de X. Ahora bien, para poder uilizar esa transormacion, es deci, para que la tansormacioa se distrbuya segin la «de Student, es necesario que la distibucion poblaconel de patti sea normal y que la muestra ulzada para obtener seu slewotia dado aue nada de eso ests airmado en H, necestamos formulalo como supuese, Salo de este modo Ia distribucién poblacional de-purtida quedard completamente especifcada: se trataré de una distibuciOn normal, oon pardmetos po30'9 & desconocida pero estimada a partir del valor tomado por Si" cn’ vow muccre aleatoriaextraida de esa poblacin, Bajo estas condiciones la diribucion muceval de ¥ es conocida y, por tanto, susceptible de ser utilizada ‘para tomar una decision Sobre Hy en témings de probebiiged Otro'ejemplo. Recordemos al psiclogo supuestamente capaz de detecar trastonos de tipo neurbtco através de laeseritura Para veriiee a cl pecsloes osteo no esa eapacidad,plantedbamos las hipotesis estadisicas Ha see cS 4H Maan > 05. ¥ para contastar estas hipStess presentabamos al paclego 16 pares de muestas de ecritura. Pues bien silos 10 pares de mucstrs de coottne se Presentan de forma independiente y en cada presemacion s6lo hay dos econ Dosibls(acirto-error) con ryjyny = 0,5 en cada presentaion Ia varie nomen de ‘aciertos tendré una distribucién de probabilidad completamente especificada’ (la binomial, con parimetros n= 10 y x = 0,5) y eso nos permit poder tomte uve decsin respecto a Hp en términos de probabilidad, ‘Vemos, por tanto, ue ls supuestos do un contrase de hipétsis hacen releren $ Puede consutarse, en el capitulo 1, el apertado 1.3.2 sobre ia dsb 7 Puede consultarse, en el capitulo, el apartada 134 sobre Ia st roporcion, ‘muestral dela media eign muestal de la (© Bdisones Prime Conuaste de hipdtesis | 135 cia al conjunto de condiciones que deben cumplirse para poder tomar una decision sobre la hipétesis nula Hy basada cn una distribucién de probabilidad conocida. Pero ese conjunto de condiciones que hemos necesitado establecer no se refieren ‘inicamente a la distribucién poblacional de partida. También hacen referencia a Ciertas caracteristicas de los datos muestrales: si la muestra es aleatoria... si las presentaciones son independientes... Esto significa que, para apoyar nuestra decision en una distribucién de probabilidad conocida, necesitamos, por un lado, especificar por completo la distribucion poblacional @ partir de la cual se establecen las predicciones formuladas en Hg (normalidad, simetria, etc) y, por otro, definir las caracteristicas de los datos con los que se contrastarin esas predicciones (muestra aleatoria, nivel de medida, ete). Resumiendo: Los supuestos de un contraste de hipétesis son un conjunto de afirmaciones que necesitamos establecer (sobre la poblacion de partida y sobre la muestra utilizada) para conseguir determinar la distribucién de probabilidad en la que se basard nuestra decision sobre Hp. Algunos de estos supuestos son més restrictivos 0 exigentes que otros. Para contrastar la hip6tesis Ho: = 30 del primer ejemplo comentado hemos necesitado suponer que la distribucién poblacional de partida era normal y que la muestra extraida de ella cra aleatoria. Sin embargo, para contrastar la hipétesis Ho: Rice < 0,5 del segundo cjemplo, solo hemos necesitado suponer que las 10 presentaciones eran independientes (muestra aleatoria de 10 elementos) y que la probabilidad de acierto en cada presentacion era la misma (tye = 0,5). Es mas dificil conseguir que se cumplan los supuestos necesarios para contrastar Hy: = 30 que los necesarios para contrastar Tycens = 0,5 y, en ese sentido, decimos de {os supuestos del primer contraste que son mas restrictivos o exigentes que los del primero, Es importante tener presente que el incumplimiento de uno o varios supuestos Podria invalidar el contraste y llevarnos a una decisién errénea. Conviene, por tanto, que los supuestos sean pocos y poco exigentes. Aun asi, en muchas ocasiones ‘nos yeremos en Ia necesidad de establecer varios y muy exigentes. No obstante, veremos que existen procedimientos para comprobar el cumplimiento de la mayor parte de los supuestos que necesitemos establecer. 3.1.3. El estadistico de contraste Un estadistico de contraste es un resultado muestral que cumple la doble condicién de 1) proporcionar informacién empirica relevante sobre la afirma- cién propuesta en la hipétesis nula y 2) poseer una distribucién muestral conocida. (© Baiones Pemide136 / Andisis de datos en psicologis 11 Si la hipétesis que deseamos contrastar es Ho: = 30, debemos recurrir a un estadtstico que sea capaz de detectar cualquier desviacion empirica de la afirmacion establecida en H, Obviamente, ni S,, ni P, ni r,,, por citar algunos estadisticos conocidos, nos proporcionaran informacién relevante sobre j. Para contrastar la hipdtesis Ho: = 30, lo razonable serd utilizar la informacion muestral proporcio- nada por el estadistico X. Del mismo modo, si la hipdtesis que deseamos contrastar € Hg: x < 0,5, lo razonable seré recurrir a un estadistico que pueda proporcionar- nos informacién relevante sobre x, por ejemplo, X = «niimero de aciertos», 0 P = «proporcién de aciertos, etc. LLa segunda condicion que debe cumplir un resultado muestral para poder ser utilizado como estadistico de contraste es la de poseer una distribucién muestral conocida. Un estadistico, no lo olvidemos, es una variable aleatoria y, como tal, ticne su propia funcién de probabilidad a la que denominamos distribucion, ‘muestral. Es precisamente en la distribucion muestral del estadistico de contraste en, a que nos vamos a apoyar para tomar una decision respecto a Hy en términos de probabilidad. Por tanto, una vez planteadas las hipétesis, es necesatio seleccionar el estadist © de contraste capaz de proporcionarnos informacion relevante sobre ellas y establecer los supuestos necesarios para conseguir determinar la distribucién ‘muestral de ese estadistico. En nuestro ejemplo sobre el psicélogo supuestamente ‘capaz. de diagnosticar trastornos de tipo neurdtico a través de la escritura habiamos planteado las siguientes hipotesis: Hp: Meeny < 0,5; Hy: Raseto > 0,5. Existen dos estadisticas (en realidad los dos son el mismo, pues tno es transformacién lineal del otro} capaces de proporcionarnos informacién relevante sobre las hipdtesis plantea- das (utilizaremos T para referirnos, de forma genérica, a un estadistico de contraste cualquiera} T, =X (nlimero de aciertos © de diagnésticos correctos) T, = P (proporcién de aciertos o de diagnésticos correctos) Suponiendo, segin hemos sefialado antes, que las presentaciones de los 10 pares de muestras de escritura son independientes y que la probabilidad de cada uno de los dos resultados posibles (acierto-error) es la misma en cada presentacion, la distribucién muestral de las variables 0 estadisticos de contraste X’y P sera la binomial con parimetros n= 10 y x= 0,5. Segiin esto, la probabilidad asociada a cada uno de los valores de X y P (tabla 3.1) vendré dada por la funcién® (()et-ar= (assim Sos Por supuest, las probablidades asocindas a lox estadisticos X y P también pueden oblenerse & partir de la tabla de Ta Gistbucion binomial, con n= 10 y = = 0.5, in necsidad de realizar eculos. (© Besiones Pride Contaste de hipatests | 137 TABLA 3.1 Distribucién muestral de X y P con x= 0,5 y n= 10 fe) 001 p10 os ou 208 0246 (0.205 on oss p10 01 La distribucién muestral de X 0 de P (tabla 3.1) nos proporciona la probabili- dad asociada a cada uno de sus posibles valores bajo Ho: x =0,5. Vemos, por jemplo, que la probabilidad de encontrarnos, suponiendo x = 0,5, con 10 aciertos (es decir, con X = 10, 0 P= 1) vale 0,001. Y vemos también, por cjemplo, que la robabilidad de encontrarnos con 9 aciertos o mas (es decir, con X > 9, 0 P > 09), sicmpre suponiendo x =055, vale 0,010 + 0,001 = 0011. En estas probabilidades nos apoyaremos més tarde para tomar una decisi6n respecto a Hy ‘Asi pues, los estadisticos X y P sirven como estadisticos de contraste para poner a prueba la hipdtesis Ho’ Macerio 0,5 porque ambos cumplen las condiciones cxigidas a un estadistico de contraste: |) proporcionan informacién relevante sobre Hg y 2) su distribucion muestral es conocida, 3.1.4. La regla de decision La regla de decisi6n es el criterio que vamos a utilizar para decidir sila hipdtesis nnula planteada debe 0 no ser rechazada, Este criterio se basa en la particién de la distribucién muestral del estadistico de contraste en dos zonas mutuamente exclusi- vas: Ia zona de rechazo y la zona de aceptacién La zona de rechazo, también llamada zona critica, es el area de la distribucién ‘muestral que corresponde a los valores del estadistico de contraste que se encuen- tan tan alejados de la afirmacién establecida en Ho, que es muy poco probable que ‘ccurran si Hg, como se supone, es verdadera. Su probabilidad es a, valor al que ya en el capitulo anterior hemos llamado nivel de significacién 0 nivel de riesgo. La zona de aceptacisn es el area de la distribucién muestral que corresponde a (© Bicones Prime138 / Ansiisis de dotos en psicologte I los valores del estadistico de contraste proximos a la afirmacién establecida en Ho, Es, por tanto, el area correspondiente a los valores del estadistico de contraste que ¢s probable que ocurran si H, como se supone, es verdadera. Su probabilidad es 1 =, valor al que ya en el capitulo anterior hemos llamado nivel de confianza Definidas las zonas de rechazo y aceptacién: ‘La regla de decision consiste en rechazar Hy sil estadistico de contraste toma tun valor perteneciente a la zona de rechazo 0 critica; mantener Hy si el estadistico de contraste toma un valor perteneciente a la zona de aceptacin. Asi pues, se rechaza una hipdtesis sometida a contraste cuando el valor del estadistico de contraste cae en la zona critica; y se rechaza porque eso significa que l valor tomado por el estadistico de contraste sc alcja demasiado de la prediccién establecida en esa hipdtesis, es decir, porque, si la hipétesis planteada fuera verdadera, el estadistico de contraste no deberia haber tomado ese valor (seria muy poco probable que lo tomara}; como de hecho el estadistico ha tomado ese valor, la conclusién mas razonable sera que la hipétesis planteada no es verdadera. El tamaiio de las zonas de rechazo y aceptacién se determina fijando el valor de a, es decir, fijando el nivel de significacién con el que se desea trabajar. Por supuesto, si tenemos en cuenta que a e8 la probabilidad que vamos a considerar como lo bastante pequefia para que valores con esa probabilidad o menor no ‘ocurran bajo Ho verdadera, comprenderemos que « sera, necesariamente, un valor pequeiio. Cémo de pequeiio es algo que debe establecerse de forma arbitraria®, si bien los niveles de significacién habitualmente propuestos para a en la literatura estadistica y utilizados en la investigacién empirica son 0,01 y 0,05 (también referidos como 1 por 100 y 5 por 100, respectivamente). Recordemos ahora que, dependiendo de cdmo formulemos H,, los contrastes de hipétesis pueden ser bilaterales 0 wnilaterales: 1. Contraste bilateral: Ho! Hy = Hm Hy: By # Bm 2. Contraste unilateral: Ho Myce < O05 Hy Tacierto > OS: La forma de dividir la distribucién muestral en zona de rechazo o critica y zona de aceptacién depende de si el contraste es bilateral o unilateral. La zona critica debe estar situada alli donde puedan aparecer los valores muestrales incompatibles ccon Hy, es decir, alli donde puedan aparecer los valores muestrales que apunten en la direccion propuesta en H,. Asi, en el contraste 1, dada Ia afirmacién establecida en Hy, la zona critica debe recoger tanto los valores muestrales que vayan en Ia * Bn ocasiones, no tan arbitrariamente, Mis adelante veremos que, en todo contass, pueden ‘cometerse dor tipos de erore. Pues bien hay ocasionesen que el nivel de significcion x conviene Galo butesndo minimisar Ia probabilidad de comerter uno de esos dos errors. (© Baicnes Pride Contaste de hipétesis | 139 direccién X, — X,, > 0, como los que vayan en la direccion X, — X,, <0. Dicho de ‘otra forma: si Ho! Hy = jn €SFalsa, lo sera tanto si, €5 MAYOT GUE fig COMO Si CS MeNOF GUE fy, Por lo que la. zona critica deberd recoger ambas posibilidades. Por esta razon, en los contrastes bilaterales, la zona critica se encuentra, generaimente®, repartida a partes iguales entre las dos colas de (a distribucidn muestral (figura 3.1.A), Figura 21.—Ejemplo de zonas critas en un contraste bilateral (iguea A) y un contaste unilateral derecho (igure BY con una dstribucida muesral de forma normal En el contraste 2, por el contrario, los dnicos valores muestrales incompatibles con H, serin los que vayan en la direccién P > 0,5, que es la direcci6n apuntada en Hy, Los valores muestrales que estén por debajo de P =0,5 no seran incompati- bles con Hy y Ia zona critica deberd reflejar esta circustancia quedando ubicada en Ja cola derecha de la distribucion muestral. Por tanto, en los contrastes unilaterales, la zona critica se encuentra en una de las dos colas de ta distribucién muestral (igu- ra 3.1.) Segiin esto, las reglas de decision para cada uno de estos dos contrastes (para el referido a las diferencias en inteligencia entre varones y mujeres, y el referido al psicologo capaz de diagnosticar a través de la escritura) pueden concretarse de la siguiente manera: 1. Rechazar Ho: jig = fy Si el estadistico de contraste cae en la zona critica, es decir, si toma un valor mayor que el percentil 100{1 — a/2) 0 menor que el percentil 1004/2) de su distribucién muestral. bien: rechazar Ho: j= in Si el estadistico de contraste toma un valor tan grande o tan pequeio que la probabilidad de obtener un valor tan extremo 0 mas que ése es menor que a/2. 2. Rechazar Hy: Maso < 0.5 si el estadistico de contraste cac en la zona critica, es decir, si toma un valor mayor que el percentil 100(1 — a) de su distribucién muestral O bien: rechazar Hg: Zeno < 0.5 si el estadistico de contraste toma un valor tan grande que la probabilidad de obtener un valor como ése 0 mayor es menor que 2. Desimes goneraimente poraue, dependiendo del tipo de distibusién mucsral que tilicemos, nos ncontraremos con exccpciones exit eH (© ElicionesPirtmide140 / Anéisis de dotas en psicotogte 3.1.5. La decision Planteada la hipétesis, formulados los supuestos, definido el estadistico de contraste y su distribucién muestral, y establecida la regla de decisi6n, el paso siguiente consiste en obtener una muestra aleatoria de tamafio n, calcular el estadistico de contraste y tomar una decisién. Tal decision, ya lo sabemos, se toma, slempre, respecto a Ho, y consiste en rechazarla o mantenerla de acuerdo con el valor tomado por el estadistico de contraste y las condiciones establecidas en la regla de decisin: si el estadistico de contraste cae en la zona critica, se rechaza Ho: si el estadistico de contraste cae en la zona de aceptacién, se mantiene H. La decision, asi planteada, parece no revestir ningin tipo de problema, Pero eso no es del todo cierto, Conviene resaltar un aspecto importante de este proceso de decision que no siempre es adecuadamente tenido en cuenta en la investigacién empirica. Una decisi6n, en el contexto del contraste de hipétesis, siempre consis- te en rechazar 0 mantener una Ho particular. Si la rechazamos, estamos afirmando que esa hipdtesis es falsa; es decir, estamos afirmando, con una probabilidad a de equivocarnos, que hemos conseguido probar que esa hipétesis es falsa. Por el contrario, si la mantenemos, no estamos afirmando, ni mucho menos, que hemos probado que esa hipdtesis es verdadera; simplemente estamos afirmando que no isponemos de evidencia empirica suficiente para rechazarla y que, por tanto, podemos considerarla compatible con los datos! Asi pucs: Cuando decidimos mantener una hipdtesis nula, queremos significar con ello {que consideramos que esa hipétesis es compatible con los datos. ‘Cuando decidimos rehazar una hipétesis nula, queremos significar con ello que consideramos probado que esa hipdtesis es falsa, La razén de que esto sea asi es doble. Por un lado, dada Ia naturaleza inespecifica de H,, raramente es posible afirmar que H, no es verdadera; las desviaciones pequefas de Hy forman parte de H, por lo que al mantener una Ho particular, también se estén manteniendo, muy probablemente, algunos valores de +H; debe conclirse, por tanto, que se mantiene o no rechaza H, pero nunca que se acepta como verdadera. Por otto lado, en el razonamiento estadistico que lleva a la toma de una decision respecto a Hg, puede reconocerse el argumento deductivo modus tollens, aunque de tipo probabilitco: si Hy es verdadera, entonces, muy robablemente, el estadistico de contraste T tomard valores comprendidos entre a y b; T no toma un valor comprendido entre a yb: luego, muy probablemente, Hy no es verdadera. Este argumento es impecable, nada hay en él que lo invalide desde el I propio Fisher mantendrs una postura mis radial en este punt: si una hipbtesissometida a contraste no puede sr rechazad, debenos suspenderel juice, no decidir nada, porque nada podemos Drobar sobre sta hipotesi (Fisher, 1959, (© EeiioesPirtmide Convaste de hipsresie | 141 punto de vista logic. Sin embargo, si una vez establecida ln primera premisa se continéa de esta otra manera: T toma un valor comprendido entre a y b; luego Ho, ‘muy probablemente, es verdadera, se comete un error logico Hamado falacia de la afirmacién del consecuente: obviamente, T puede haber tomado un valor comprendi- do entre a y b por razones diferentes de las contenidas en H!?. Estas ideas proporcionan una valiosa pista a la hora de decidir cOmo plantear las hipétesis nula y alternativa en un contraste concreto. Si estamos interesados en determinar si una afirmacién sobre una distribucién poblacional es falsa, debemos plantear esa afirmacion como hipétesis nula; asi, si la rechazamos, podremos concluir que hemos probado que esa hipdtesis es falsa. Si, por el contrario, estamos interesados en determinar si esa afirmacion es verdadera, debemos plantearla como hipotesis alternativa; asi si rechazamos la hipétesis nula, lo hharemos en favor de la alternativa (pues la hipotesis alternativa es, recordémosto, la negacién de la nula). ‘Todo esto sin olvidar que el signo «=» siempre debe ir en la hipétesis nula, TEsewLo 2. Al deseibir cada uno de los pasos de que consta un contrast de hipbtesis hemos comentad, entre otros, un efmploreferido a un pscSlogosupuesa- mente eapaz de siagnostcartrastomos de lipo neurGico x través de Ia eseiur, Vamos aaa ahore ee mmo mp para rei fon poy dem pongamos que prsentimat al piclogo los 1 pares de muestas de exrtura (cecodemos que cn cada par de mocstas de extiturao pscélogo debe dvi euil de las dos eertrascoresponde al pacente con tastomnos de tip neurtico)y que éte cconsigue efectuar un diagndstico correcto en 7 de ellos. Con este resultado muestral, {qué podemos concluir sobre la supuesta capacidad del psicdlogo? 1, Hipotesis: Ho! Mugauo € 05. (Hp €l psicblogo no posse capacidad de diagnéstico). 1H Mane > 05. (Hy: el psic6logo posee capacidad de diagndstco}. 2 Supuestos: — 10 ensayos independientes con dos resultados posibles en cada ensayo: acierto y error, — La probabitidad de cada resultado permanece constante en cada ensayo; en CONEEELO, Ren = Feaoe = OS. 7 ie punto de vista, por oa parte, e perectamente coherent con el cominment aceptdo por los flésofor de la cieneia sobre la verificacion de una hipotess clentfiea: aunca podemos afirmar la ‘ard de a hips o cor cele, podeino,smplemensSentros mus sanros de ell «media Qs se va mostande weptdaente onforme con a vdense empliea en realidad, slo podemos Deslderris come protondientevrdadra Poppe, 198 Hempel, 1984 te) De ah quel abor Stvetigors deb fms oentada hac lsat rellacion do tors que has a vrieaion de issue (abr ct ein pds comune i dsann de Kisgman'y Ha 1987) (© Bicones Pietnide