1 La Estadística y El Metodo Cientifico

INSTITUTO DE MATEMÁTICA Y FISICA
La Estadística y el Método Científico
DOCENTE Gloria Correa Beltrán

Apunte basado en:
De Martha Aliaga
• Mendoza, Argentina
• Ph.D. Estadística, University of Michigan, 1986.
• M.A. Estadística. CIENES. Universidad de Chile. Chile, 1967.
• B.A. Matemática, Universidad de Buenos Aires, Argentina.
http://dta.utalca.cl/estadistica/
¿Por qué necesitamos del conocimiento científico?
El hombre aspira a captar el orden que existe en el mundo de los

fenómenos para hacerlos inteligibles, dar una explicación racional de
ellos y hacerlos manejables o previsibles una vez que conoce sus
causas.
La palabra ciencia viene del latín “scientia” que significa Conocimiento.
¿Cómo logramos ese conocimiento?

R. A través del Método Científico
…
El Método Científico es un conjunto de principios y procedimientos para la
búsqueda sistemática del conocimiento.
El método científico, en conjunto con la estadística, nos provee de este

conjunto procedimientos para obtener y resumir información para
tomar decisiones.
Etapas del Método Científico
Características de método científico:
• El método científico es un proceso iterativo de aprendizaje
• Los resultados no dan respuestas definitivas.
• Los resultados pueden sugerir nuevas hipótesis
• Una decisión puede tomarse ahora pero puede estar sujeta a

prueba en un tiempo más
• Es un proceso que nunca termina

¿Qué es la Estadística?
La Estadística es “la ciencia de la recolección y análisis de datos para la

toma de decisiones”.
Es la ciencia de los datos1.
Recolección
Análisis
Interpretación
Presentación
de resultados
1Ferreiro, O. y Fernández de la Reguera, P. (1988) “La estadística, una ciencia en la controversia”. Revista
Universitaria 25: 13-17. http://www.educandus.cl/estadistica/
¿Estadística y Método Científico?
• La Estadística y el Método Científico nos proveen una colección de

principios y procedimientos para obtener información, resumirla y
tomar decisiones.
• Este es un proceso de aprendizaje iterativo del mundo que nos

rodea.
Conceptos Básicos
• Población es el grupo de objetos o individuos bajo estudio, acerca

de los cuales queremos obtener información.
• Muestra es una parte de la población de la cual se obtiene

información.
• Inferencia Estadística es el
proceso de sacar
conclusiones acerca de
una población basados en
información de una
muestra de esa población.
Conceptos Básicos
El lenguaje de toma de decisiones en Estadística
¿Debo tomar Aspirina o Migranol para el dolor de cabeza?
• Laboratorios Bayer me dice que

tome Aspirina Teoría antigua
• Laboratorios Migra me dice que

tome Migranol Teoría nueva
Tenemos dos teorías que compiten…
En estadística las vamos a llamar HIPÓTESIS

Hipótesis
La hipótesis es una explicación posible a la situación problema o una
respuesta posible a la pregunta planteada
• Se expresa en términos afirmativos.

• Se basa en el conocimiento científico existente, en la experiencia
previa del investigador, o en la observación de hechos relacionados
con el problema.
• Las dos teorías que compiten se denominan:
- hipótesis nula
- hipótesis alternativa.
• Al proceso de decidir entre la hipótesis nula y la alternativa, se le
denomina: Prueba de hipótesis
Test de hipótesis
Contraste de hipótesis o
Docimacía de Hipótesis
Tipos de hipótesis
• Hipótesis nula (H0): Establece que nada va a suceder, no hay efecto, no

hay diferencia, no hay cambio en la población. Es el “status quo”, lo
convencional, lo que sabemos de la población, lo aceptado hasta el
momento.
La hipótesis nula se va a considerar como cierta hasta que se tenga

suficiente evidencia de lo contrario
• Hipótesis alternativa (H1): Es una alternativa a la hipótesis nula.

Establece lo que el investigador espera que sea verdad, el cambio en la
población que el investigador espera encontrar.
H0: La Aspirina es mejor (o igual) que el Migranol para el dolor de

cabeza
H1: El Migranol es mejor que la Aspirina para el dolor de cabeza

Ejemplo
H0: El hábito de fumar no afecta la memoria en fumadores excesivos

mayores de 43 años
H1: El hábito de fumar produce problemas en la memoria en fumadores
excesivos mayores de 43 años
Ejemplo
H0: El consumo de bebidas gaseosas con altos niveles de acidez, no

afecta el esmalte de los dientes.
H1: El consumo de bebidas gaseosas con altos niveles de acidez, daña el
esmalte de los dientes.
La prueba de hipótesis se parece a un juicio penal
En éste, se parte del supuesto de que el acusado es inocente. La

hipótesis nula es de inocencia.
Lo contrario de la hipótesis nula es la hipótesis alternativa, la cual

expresa una creencia de culpabilidad.
Por lo tanto, las hipótesis en un juicio criminal se escribirían:
H0: El acusado es inocente

H1: El acusado es culpable
Para probar las aseveraciones o hipótesis se lleva a cabo un juicio.

H0: El acusado es inocente
H1: El acusado es culpable
El testimonio y las pruebas obtenidas durante el juicio equivalen a la

información de la muestra.
Si la información de la muestra concuerda con la hipótesis de

inocencia, no se puede rechazar la hipótesis nula que el consignado
es inocente.
Sin embargo, si la información muestral no es consistente con la

hipótesis de inocencia, se rechazará la hipótesis nula.
En este caso la acción a tomar se basará en la hipótesis alternativa

de que el acusado es culpable.
Los abogados defensores y querellantes presentan sus casos.
El juez debe ponderar la evidencia presentada y decidir si es

suficiente para declarar culpable al inculpado.
Pero el sistema de justicia no es perfecto.
Sea cual sea la decisión va a existir la probabilidad de cometer un

error.
¿Qué errores se pueden cometer?
•Declararlo culpable cuando en realidad es inocente.
•Declararlo inocente cuando el inculpado era en realidad culpable.
Estos tipos de error tienen un nombre especial

Error Tipo I (α: alpha):
rechazar la hipótesis nula H0 cuando es verdadera
Error Tipo II (β:beta):

aceptar la hipótesis nula H0 cuando es falsa
La “Verdad”
H0 Verdadera H0 Falsa
Decisión Error
Rechazar H0
basada tipo I
en los Error
datos Aceptar H0
tipo II
Se puede cometer Error Tipo I sólo si rechazamos Ho.

Se puede cometer Error Tipo II sólo si NO rechazamos Ho.
Probando un nuevo medicamento
H0: La Aspirina es mejor (o igual) que el Migranol para el dolor de cabeza

¿Cuáles son los dos tipos de errores que se pueden cometer al decidir
entre las dos hipótesis?
Error Tipo I: Concluir que el Migranol es más efectivo que la

Aspirina, cuando no es así.
Concluir que la Aspirina es más efectiva que el
Error Tipo II:
Migranol, cuando en realidad no es así.
¿Cuáles son la consecuencias del error tipo I?

¿Cuáles son la consecuencias del error tipo II?
¿Cuál error es más grave desde un punto de vista ético?
Si el Error Tipo I es considerado grave, ¿porque no hacerlo cero?
Probando un nuevo medicamento
H0: La Aspirina es mejor (o igual) que el Migranol para el dolor de cabeza

Una manera posible de no cometer el error tipo I sería no rechazar

nunca la hipótesis nula.
Pero si hacemos esto nunca vamos a aceptar una teoría nueva.

Tenemos que correr un pequeño riesgo.
Conceptos básicos
En estadística, la probabilidad de cometer el error tipo I se llama Nivel de

significancia y se denota por la letra griega alfa (  ).
La probabilidad de cometer el error tipo II se denota por

la letra griega beta, 
= Nivel de significancia
= Probabilidad de cometer el error tipo I
= Probabilidad de cometer el error tipo II

Significancia estadística
Los datos que obtenemos de una muestra serán estadísticamente

significativos, si las observaciones son muy poco probables cuando H0 es
verdadera.
Si los datos son estadísticamente significativos, entonces rechazamos H0.
Generalmente queremos proteger lo que ya conocemos reduciendo la

probabilidad de cometer el Error Tipo I.
Una manera de no cometer el error tipo I sería nunca rechazar la hipótesis

nula. Pero si hacemos esto nunca vamos a aceptar una teoría nueva.
Tenemos que correr un pequeño riesgo.
Sea cual sea nuestra decisión siempre existirá una pequeña probabilidad
de cometer error.
¿Qué hay en la bolsa?
Se tienen dos bolsas idénticas. Cada bolsa contiene 20 vales. El

contenido de cada bolsa es:
Contenido de las Bolsas
A B
- $560.000 $1.890.000
La misión es decidir entre la bolsa A o la B a partir de la selección de UN
vale. El riesgo mayor es elegir la bolsa A pues nos ganaríamos una
“deuda”.
Para este caso las hipótesis son:
H0: la bolsa que me están mostrando es la BOLSA A
H1: la bolsa que me están mostrando es la BOLSA B
¿Cuál es el error tipo I?
Error tipo I = rechazar H0 cuando H0 es Verdadera

= quedarse con la bolsa creyendo que no es A pero es A
= ganar una deuda de $560.000
¿Cuál es el error tipo II?

Error tipo II = aceptar H0 cuando H0 es Falsa
= rechazar la bolsa creyendo que es A, pero es B
= pierde de ganar $1.890.000
Para este caso las hipótesis son:
H0: la bolsa que me están mostrando es la BOLSA A
H1: la bolsa que me están mostrando es la BOLSA B
¿Cómo tomamos la decisión?
Las elecciones obvias:
-$1000 => es la Bolsa A => acepto H0

$1000 => es la Bolsa B => rechazo H0
Pero si me sale un vale de $10 ó de $20 ó …. ó de $60 ¿qué hacemos?

Regla de Decisión
Un regla de decisión es una regla formal que establece

cuando rechazar H0, basados en los datos
Examinemos las probabilidades de cada vale:
La dirección del extremo corresponde a la posición de los

valores que son más probables bajo H1 que bajo H0.
Región de rechazo, Región de aceptación, valor crítico
Una regla de decisión tiene tres elementos:
Una región de rechazo es un conjunto de valores para los

cuales rechazamos H0.
Una región de aceptación es un conjunto de valores para

los cuales aceptamos H0.
Un valor crítico es el valor que marca el punto inicial del

conjunto de valores de la región de rechazo.
Región de rechazo, Región de aceptación, valor crítico
Una región de rechazo se llama unilateral o de una cola:
si el conjunto de valores extremos están todos en una dirección,

ya sea a la derecha (cola superior) o a la izquierda (cola
inferior).
Una región de rechazo se llama bilateral o de dos colas:
si el conjunto de valores extremos están en las dos direcciones

derecha e izquierda.
Para determinar la regla de decisión veremos tres opciones rechazar Ho si
bono seleccionado es de:
$40 mil o más
$50 mil o más
$60 mil o más
Regla de decisión:
Rechazar H0 si el vale seleccionado es de $ 40 mil o más.
H0: la bolsa que me están mostrando es la Bolsa A

H1: la bolsa que me están mostrando es la Bolsa B
Región de Rechazo:
Vales  $ 40 mil
Región de Aceptación:
Vales < $ 40 mil
Valor Crítico:
$40 mil
Calcularemos Error tipo I (α):

α: P(rechazar Ho / Ho es Verdadera)
α: Probabilidad de seleccionar $40, $50, $60 o $1.000 de A
α: 4/20 = 0,20
Calcularemos Error tipo II (β):

β : P(aceptar Ho / Ho es Falsa)
β : Probabilidad de seleccionar $30, $20, $10 o -$1.000 de B
β : 4/20 = 0,20
Regla de decisión:

Región de Rechazo:
Vales  $ 50 mil
Vales < $ 50 mil
Valor Crítico:
$50 mil

α: Probabilidad de seleccionar $50, $60 o $1.000 de A
α: 2/20 = 0,10

β : Probabilidad de seleccionar $40, $30, $20, $10 o -$1.000 de B
β : 6/20 = 0,30
Regla de decisión:

Región de Rechazo:
Vales  $ 60 mil
Vales < $ 60 mil
Valor Crítico:
$60 mil

α: Probabilidad de seleccionar $60 o $1.000 de A
α: 1/20 = 0,05

β : Probabilidad de seleccionar $50, $40, $30, $20, $10 o -$1.000 de B
β : 12/20 = 0,60
Resumen de α y β para las tres reglas de decisión:
Región de
Valor Crítico α β
Rechazo
$60 mil $60 o más 0,05 0,60
$50 mil $50 o más 0,10 0,30
$40 mil $40 o más 0,20 0,20
Conclusión: …
El valor p : ¿qué tan raros son los datos?
Nos vamos a enfocar en lo que los datos observados nos dicen.
Partimos con el supuesto de que H0 es verdadera.
Nos preguntamos:
Si H0 es verdadera (la Bolsa es la A) ¿cuál es la probabilidad de obtener el

valor observado en la muestra o uno aún más extremo?
Esta probabilidad se llama valor - p

El valor-p es la probabilidad de obtener el valor observado o uno más
extremo, bajo el supuesto que Ho es Verdadera
Entendemos que a menor valor-p, mayor es la evidencia de los datos en
contra de la hipótesis nula.
Cálculo del valor p
Ejemplo 1:
Suponga que usted selecciona un vale de $30 mil y la regla de decisión es
rechazar H0 si el vale seleccionado es de $ 50 mil o más.
Es decir un nivel de significancia α de 0,10
¿Qué decidimos?
No rechazar Ho pues el valor observado no cayó en la Región Crítica
Región de Aceptación Región de Rechazo

Ejemplo 1 (continuación)
Ahora llegaremos a la misma conclusión pero a partir del valor p.
α = 0,10
¿cuál es la probabilidad de obtener el valor observado ($30) o uno aún

más extremo?
valor-p = 6/20=0,30
valor p = 0,30 > α = 0,10
La decisión estadística es No rechazar H0

Cálculo del valor p
Ejemplo 2:
Suponga que usted selecciona un vale de $60 mil y la regla de decisión es
rechazar H0 si el vale seleccionado es de $ 50 mil o más.
Es decir un nivel de significancia α de 0,10
¿Qué decidimos?
Rechazar Ho pues el valor observado cayó en la Región Crítica
Región de Aceptación Región de Rechazo

Ejemplo 2 (continuación)
Ahora llegaremos a la misma conclusión pero a partir del valor p.
α = 0,10
¿cuál es la probabilidad de obtener el valor observado ($60) o uno aún

más extremo?
valor-p = 1/20=0,05
valor p = 0,05 < α = 0,10
La decisión estadística es Rechazar H0

Resumen del valor p para los dos ejemplos
α Valor p Conclusión
0,30 NO se rechaza Ho
0,10
0,05 Se rechaza Ho
Si valor p > α NO rechazamos Ho

(los datos NO son estadísticamente significativos)
Si valor p < α Rechazamos Ho

(los datos son estadísticamente significativos)
Ejercicio 1: Se tienen dos bolsas A y B, cada una tiene 30 vales. A usted le
muestran una bolsa y tiene que decidir si el la bolsa A o la bolsa B. Las
hipótesis son:
Se debe sacar un vale para luego tomar la decisión.
a) ¿Se trata de una prueba

Unilateral o Bilateral?
Justifique.
R. Es una prueba bilateral

porque los valores más
probables para la hipótesis
alternativa están en ambos
extremos.
hipótesis son:
b) Establezca la Regla de Decisión.
Región de Rechazo:
Vales ≤ $ 20 mil y Vales  $ 90 mil
$20 mil < Vales < $ 90 mil
Valores Críticos:
$20 y $90 mil
hipótesis son:
c) Calcule el nivel de significancia.
α: 6/30 = 0,20
hipótesis son:
d) Calcule el Error tipo II.
β: P(aceptar Ho / Ho es Falsa)
β: 12/30 = 0,40
hipótesis son:
e) ¿Cómo puedo reducir β?
R. Aumentando α
hipótesis son:
f) Calcule el valor p si el vale que

se sacó es $40 mil
R. ¿cuál es la probabilidad de
obtener el valor observado
($40) o uno aún más extremo?
valor-p = 10/30 * 2 = 0,33 * 2
valor p = 0,67 > α = 0,20
La decisión estadística es
NO Rechazar H0
hipótesis son:
g) Calcule el valor p si el vale que

se sacó es $100 mil
R. ¿cuál es la probabilidad de
obtener el valor observado
($100) o uno aún más
extremo?
valor-p = 1/30 * 2 = 0,033 * 2
valor p = 0,067 < α = 0,20
La decisión estadística es
Rechazar H0
Resumen
del
Capítulo
http://dta.utalca.cl/estadistica/
http://www.educandus.cl/estadistica/

1 La Estadística y El Metodo Cientifico

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

1 La Estadística y El Metodo Cientifico

Uploaded by

Copyright:

Available Formats

INSTITUTO DE MATEMÁTICA Y FISICA

La Estadística y el Método Científico

DOCENTE Gloria Correa Beltrán

El hombre aspira a captar el orden que existe en el mundo de los

¿Cómo logramos ese conocimiento?

El método científico, en conjunto con la estadística, nos provee de este

• El método científico es un proceso iterativo de aprendizaje

• Los resultados no dan respuestas definitivas.

• Los resultados pueden sugerir nuevas hipótesis

• Una decisión puede tomarse ahora pero puede estar sujeta a

• Es un proceso que nunca termina

La Estadística es “la ciencia de la recolección y análisis de datos para la

Es la ciencia de los datos1.

• La Estadística y el Método Científico nos proveen una colección de

• Este es un proceso de aprendizaje iterativo del mundo que nos

• Población es el grupo de objetos o individuos bajo estudio, acerca

• Muestra es una parte de la población de la cual se obtiene

¿Debo tomar Aspirina o Migranol para el dolor de cabeza?

• Laboratorios Bayer me dice que

• Laboratorios Migra me dice que

Tenemos dos teorías que compiten…

En estadística las vamos a llamar HIPÓTESIS

• Se expresa en términos afirmativos.

• Hipótesis nula (H0): Establece que nada va a suceder, no hay efecto, no

La hipótesis nula se va a considerar como cierta hasta que se tenga

• Hipótesis alternativa (H1): Es una alternativa a la hipótesis nula.

H0: La Aspirina es mejor (o igual) que el Migranol para el dolor de

H1: El Migranol es mejor que la Aspirina para el dolor de cabeza

H0: El hábito de fumar no afecta la memoria en fumadores excesivos

H0: El consumo de bebidas gaseosas con altos niveles de acidez, no

En éste, se parte del supuesto de que el acusado es inocente. La

Lo contrario de la hipótesis nula es la hipótesis alternativa, la cual

Por lo tanto, las hipótesis en un juicio criminal se escribirían:

H0: El acusado es inocente

Para probar las aseveraciones o hipótesis se lleva a cabo un juicio.

El testimonio y las pruebas obtenidas durante el juicio equivalen a la

Si la información de la muestra concuerda con la hipótesis de

Sin embargo, si la información muestral no es consistente con la

En este caso la acción a tomar se basará en la hipótesis alternativa

El juez debe ponderar la evidencia presentada y decidir si es

Pero el sistema de justicia no es perfecto.

Sea cual sea la decisión va a existir la probabilidad de cometer un

•Declararlo culpable cuando en realidad es inocente.

•Declararlo inocente cuando el inculpado era en realidad culpable.

Estos tipos de error tienen un nombre especial

Error Tipo II (β:beta):

Se puede cometer Error Tipo I sólo si rechazamos Ho.

H0: La Aspirina es mejor (o igual) que el Migranol para el dolor de cabeza

Error Tipo I: Concluir que el Migranol es más efectivo que la

¿Cuáles son la consecuencias del error tipo I?

H0: La Aspirina es mejor (o igual) que el Migranol para el dolor de cabeza

Una manera posible de no cometer el error tipo I sería no rechazar

Pero si hacemos esto nunca vamos a aceptar una teoría nueva.

En estadística, la probabilidad de cometer el error tipo I se llama Nivel de

La probabilidad de cometer el error tipo II se denota por

= Probabilidad de cometer el error tipo I

= Probabilidad de cometer el error tipo II

Los datos que obtenemos de una muestra serán estadísticamente

Si los datos son estadísticamente significativos, entonces rechazamos H0.

Generalmente queremos proteger lo que ya conocemos reduciendo la

Una manera de no cometer el error tipo I sería nunca rechazar la hipótesis

Se tienen dos bolsas idénticas. Cada bolsa contiene 20 vales. El

¿Cuál es el error tipo I?