Professional Documents
Culture Documents
Hipótesis
Hipótesis
17/05/2018 1
FORMULACIÓN O PLANTEAMIENTO DEL PROBLEMA DE
INVESTIGACIÓN
17/05/2018 2
FORMULACIÓN O PLANTEAMIENTO DEL PROBLEMA DE
INVESTIGACIÓN
EL INVESTIGADOR DEBE SER CAPAZ NO SÓLO DE CONCEPTUALIZAR
EL PROBLEMA SINO TAMBIÉN DE VERBALIZARLO EN FORMA CLARA,
PRECISA Y ACCESIBLE, ES NECESARIO REALIZAR UN ESFUERZO POR
COMUNICAR EL PENSAMIENTO EN TÉRMINOS COMPRENSIBLE
17/05/2018 3
PLANTEAMIENTO EL PROBLEMA
17/05/2018 4
PLANTEAMIENTO DEL PROBLEMA
17/05/2018 5
PLANTEAMIENTO DEL PROBLEMA
C) PLANTEAMIENTO DEFINITIVO: LUEGO DE REALIZAR UNA
DESCRIPCIÓN DE LA TEMÁTICA EXPONIENDO LOS ANTECEDENTES
TEÓRICOS Y EMPÍRICOS, SE PRECISA CUAL ES LA FINALIDAD DE
LA INVESTIGACIÓN.
17/05/2018 6
OBJETIVOS DE INVESTIGACIÓN
17/05/2018 7
HIPOTESIS DE INVESTIGACIÓN
17/05/2018 8
CRITERIOS PARA LA FORMULACIÓN DE UNA HIPÓTESIS:
17/05/2018 9
CARACTERÍSTICAS DE LAS HIPOTESIS
17/05/2018 10
ELEMENTOS QUE HAY QUE TENER EN CUENTA EN RELACION
CON LAS HIPOTESIS
17/05/2018 11
ESTUDIO DE LAS VARIABLES
EN LOS ESTUDIOS CUANTITATIVOS SE UTILIZAN VARIABLES DE
INVESTIGACIÓN
UNA VARIABLE ES UNA CARACTERÍSTICA QUE PUEDE ADOPTAR DISTINTOS
VALORES, ES DECIR, UNA CUALIDAD O ASPECTO EN EL CUAL DIFIEREN LOS
INDIVIDUOS, POR EJEMPLO, EL PESO, LA EDAD, LA INTELIGENCIA
DEFINICIÓN DE LAS VARIABLES:
17/05/2018 12
CLASIFICACIÓN DE LAS VARIABLES
SEGÚN CRITERIO METODOLÓGICO:
VARIABLES INDEPENDIENTES: FACTOR QUE EL INVESTIGADOR SE PROPONE OBSERVAR Y
MANIPULAR DE MANERA DELIBERADA PARA DESCUBRIR SUS RELACIONES CON LA
VARIABLE DEPENDIENTE. PUEDE SER UNA VARIABLE EXPERIMENTAL, MANIPULADA Y
CONTROLADA POR EL INVESTIGADOR. SON LA SUPUESTA CAUSA DE UNA MODIFICACIÓN
EN UNA RELACIÓN DE CAUSA-EFECTO
VARIABLES DEPENDIENTES:FENÓMENO QUE APARECE, DESAPARECE O CAMBIA CUANDO EL
INVESTIGADOR APLICA, SUPRIME O MODIFICA LA VARIABLE INDEPENDIENTE. EJ. EL
RENDIMIENTO ACADÉMICO. EL COMPORTAMIENTO DEL SUJETO, CONSIDERANDO LA CLASE
DE RESPUESTA EMITIDA, PUEDE SER: 1) CONDUCTA MANIFIESTA O DIRECTAMENTE
OBSERVABLE; 2) COMPORTAMIENTO O RESPUESTAS VERBALES; 3) RESPUESTAS
FISIOLÓGICAS. SEGÚN LA CLASE DE MEDIDA EN EL REGISTRO DE LA CONDUCTA SE PUEDE
OBSERVAR LA FRECUENCIA, LA LATENCIA, LA DURACIÓN Y LA AMPLITUD.
17/05/2018 13
LA HIPÓTESIS SE FORMULA EN RELACIÓN AL PROBLEMA DE INVESTIGACIÓN
PROBLEMA Hipótesis
¿Qué es “x” … NO REQUIERE
¿Cómo se viene dando “x” … NO REQUIERE
¿Cuáles son las características de “x” … NO REQUIERE
¿Desde cuándo se da “x” … NO REQUIERE
¿Cómo ha venido dándose “x” … NO REQUIERE
¿Qué relación existe entre “x” y “y” … Existe una relación directa y significativa entre
“x” y “y” …
¿Cuál es la relación que se da entre “x” y “y” … Existe una relación directa y significativa entre
“x” y “y” …
¿Cuáles son las causas de “y” … Las causas que generan “y” son …
¿Qué factores han generado “y” … “y” ha sido generado por “a”, “b” y “c”
¿Por qué “x” produce efectos en “y” … Los efectos producidos en “y” se deben a:
17/05/2018 14
Nivel explicativo
PROBLEMA HIPÓTESIS
¿Qué efectos produce “x” en “y” … “x” produce efectos significativos en “y”
…..
¿De qué manera influye “x” en “y” “x” influye significativamente en “y” …
…
¿Cómo influye “x” en “y” … “x” influye significativamente en “y” ….
¿En qué medida favorece “x” a “y” “x” favorece significativamente en “y” ….
…
¿En qué grado favorece “x” a “y” … “x” favorece significativamente en “y” …
17/05/2018 15
¿Qué es una prueba de hipótesis?
Es un proceso para determinar la validez de una
aseveración hecha sobre la población basándose en
evidencia muestral
Es una afirmación sobre la población, a nivel de sus
parámetros:
Media
Varianza o desvío estándar
Proporción
Debe plantearse antes de obtener la muestra
17/05/2018 16
Definiciones
Hipótesis de investigación (Hi): expresa el objetivo del investigador.
Hipótesis estadísticas:
La hipótesis nula, (Ho), es el status quo o estado actual (lo que
se cree hasta el momento), o la que asegura que no hay
diferencias en la población. Es la hipótesis de no efecto.
La hipótesis alternativa, (H1 Ó Ha), es lo opuesto a la hipótesis
nula; representa el cambio en la población que el investigador
espera sea verdadero (bajo Hi).
Nota: Las hipótesis nula y alternativa se refieren ambas a la
misma población.
17/05/2018 17
Definiendo las Hipótesis
¿La aspirina reduce el peligro de cáncer?
Un estudio sugiere que tomando una aspirina cada día por medio
durante 20 años puede reducirse el riesgo de enfermarse de cáncer
de colon. Por otro lado, según la Sociedad Americana de Cáncer, el
riesgo a sufrir de cáncer de colon es 1 en 20 en individuos mayores de
60 años.
Ho :
H1:
Ho :
H1:
17/05/2018 18
Definiendo las Hipótesis
¿La incorporación de vitamina E a la dieta es efectiva? Supongamos que se desea
determinar la efectividad de incorporar vitamina E a la dieta de cerdos a fin de
mejorar el aumento de peso, que actualmente es de 100g/día.
Ho :
H1:
Traduzcamos las hipótesis a lenguaje estadístico, usando
parámetros:
Ho :
H1
17/05/2018 19
Definiendo las Hipótesis
Ho :
H1:
17/05/2018 20
Pasos en una Prueba de hipótesis:
I. Planteo de las hipótesis
Establecer la hipótesis nula en términos de igualdad
Ho: = 𝜽 Ho: ≥ 𝜽 Ho: ≤ 𝜽
17/05/2018 21
Resumiendo
Se plantean dos hipótesis o aseveraciones
sobre valores de parámetros poblacionales
Las dos hipótesis son incompatibles
Las dos hipótesis se refieren a la misma
población
17/05/2018 23
III-Elegir el estadístico de prueba como
también los valores críticos.
17/05/2018 24
Estadístico de Prueba
17/05/2018 25
Características
El estadístico de prueba se reconoce por una
función matemática que permite saber el valor
de esa variable conocida con base (en función
de) en los valores observados en nuestros
datos.
17/05/2018 26
Ejemplos
Ejemplos de variables de distribución
conocida usados como estadísticos de prueba
son:
Z (distribución normal estándar)
T (t de student)
F (F de Snedecor)
Χ2 (Chi cuadrada)
17/05/2018 28
Naturaleza de los datos
17/05/2018 29
Datos de distribución normal
Son datos que provienen de variables que
naturalmente tienen una distribución normal
e.g. datos morfológicos o fisiológicos. Cuya
distribución es claramente normal
O bien son datos muy abundantes en los que
se puede apelar al Teorema del Límite
Central.
En estos datos se aplican las técnicas
llamadas paramétricas que suponen para su
correcta aplicación que los datos son de
distribución normal
17/05/2018 30
Datos de otras distribuciones
o de distribución libre
17/05/2018 31
Técnicas no paramétricas
Estas técnicas son un poco menos poderosas
que las paramétricas (se tiene un poco
mayor de probabilidad de cometer el error
tipo II), pero son las adecuadas ya que usar
técnicas paramétricas cuando no se cumplen
los supuestos es un error grave (se pueden
cometer ambos errores)
17/05/2018 32
Alternativas
Por lo general existe una alternativa no
paramétrica a cada técnica paramétrica.
17/05/2018 33
Proporciones o datos binarios.
Este tipo de datos considera una
problemática especial ya que se requiere un
tamaño muy grande de muestra para poder
recurrir al teorema Central del Límite.
Existen alternativas a las técnicas de prueba
de hipótesis para este tipo de datos.
17/05/2018 34
De Acuerdo A los Objetivos
Por lo general los objetivos se pueden dividir
de la siguiente manera:
Comparaciones de medidas de tendencia central
de las poblaciones (Medias o medianas)
Comparaciones de las medidas de variación de
17/05/2018 35
Comparaciones de tendencia Central
17/05/2018 36
Comparaciones de medias
Cuando se comparan las medias se pueden
querer comparar:
Una media contra un valor constante.
Dos medias entre sí
Más de dos medias.
17/05/2018 38
IV.-GRÁFICAR LA REGIÓN CRÍTICA Y NIVEL DE SIGNIFICACIÓN
=5%
No rechazo H0
H0: m=70
17/05/2018 39
Contrastes: unilateral y bilateral
La posición de la región crítica depende de la hipótesis alternativa
Unilateral Unilateral
H0: m=70
17/05/2018 41
Significación: p
No se rechaza
H0: m=70
H0: m=70
17/05/2018 X 72 42
Significación: p
Es la probabilidad que tendría una región crítica que comenzase exactamente en el valor del
estadístico obtenido de la muestra.
Es la probabilidad de tener una muestra que discrepe aún más que la nuestra de H0.
Es la probabilidad de que por puro azar obtengamos una muestra “más extraña” que la
obtenida.
p es conocido después de realizar el experimento aleatorio
El contraste es no significativo cuando p>
P
No se rechaza
H0: m=70
P
17/05/2018 43
X 72
Significación : p
X 85
17/05/2018 44
Significación : p
El contraste es estadísticamente significativo cuando p<
Es decir, si el resultado experimental discrepa más de “lo tolerado” a priori.
P
X 85
17/05/2018 45
Resumen: , p y criterio de rechazo
Sobre Sobre p
Es número pequeño, Es conocido tras realizar el
preelegido al diseñar el experimento
experimento
0
2 2
v / s 1
2 2
2
n 1S 2
2 n 1
2 12 2
2 12 idem
1
2 2
17/05/2018 47
Hipótesis Estadística de Prueba
m1 m 2 v / s m1 m 2 X 1
X 2 m1 m 2
t n1 n2 2
con 1 2
2 2
n1 n2
SP
desconocidas n1n2
m1 m 2 v / s m1 m 2 X 1
X 2 m1 m 2
t n1 n2 2
con 1 2
2 2
2 2
S1 S 2
SP
desconocidas n1 n2
2
S1
12 2 2 v / s 12 2 2 2
Fn1 1,n2 1
S2
X np0
p p0 v/s p p1 N 0,1
np0 1 p0
17/05/2018 48
V.-ubicar en el grafico los valores encontrados en el paso IV
No rechazo H0
H0: m=70
Unilateral Unilateral
17/05/2018 49
VI.-TOMAR LA DECISIÓN DE ACEPTAR O RECHAZAR 𝐻0
Si se rechaza Ho:
La evidencia muestral contradice Ho
hay pruebas concluyentes contra Ho la prueba es
significativa
Si no se rechaza Ho:
La evidencia muestral no contradice Ho (lo cual no prueba
que sea verdadera)
No hay evidencias contra Ho
La prueba no es concluyente
17/05/2018 50
Riesgos al tomar decisiones
Ejemplo 1: Se juzga a un individuo por la presunta comisión de un
delito Los datos pueden refutarla La que se
acepta si las pruebas no indican lo
H0 : Hipótesis nula contrario Rechazarla por error tiene
Es INOCENTE graves consecuencias
H1 : Hipótesis alternativa
No debería ser aceptada sin una
Es CULPABLE gran evidencia a favor. Rechazarla
por error tiene consecuencias
consideradas menos graves que la
anterior
17/05/2018 51
Tipos de error al tomar una decisión
REALIDAD
VE INOCENTE CULPABLE
RE INOCENTE OK ERROR
DIC (MENOS GRAVE)
TO
CULPABLE ERROR OK
(MUY GRAVE)
17/05/2018 52
Tipos de error al tomar una decisión
REALIDAD
Deci Ho verdadera Ho falsa
sión No rechazo OK ERROR de tipo II
Basa Ho Decisión correcta (MENOS GRAVE)
da el Probabilidad 1-∝ Probabilidad 𝜷
la
Rechazo ERROR de tipo I OK
mue
Ho Probabilidad ∝ Decisión correcta
stra
Aceptar H1 (nivel de Probabilidad 1-𝜷
significación) (potencia)
(MUY GRAVE)
17/05/2018 53
Definiciones
17/05/2018 54
¿Se puede calcular la potencia de una prueba?
Ho:
H1:
17/05/2018 22 55
Suponiendo Ho verdadera
Suponiendo Ho falsa
17/05/2018 56
Y si la nueva dieta produjera un aumento de 120 g/día ¿cuan
probable sería detectarlo mediante el ensayo?
Suponiendo Ho verdadera
Suponiendo Ho falsa
80 90
90 100 110 120 130
Suponiendo Ho falsa
17/05/2018 58
Supuestos
Para que las conclusiones sean válidas, se deben verificar los
supuestos de la prueba:
Para PH para una media con desvío poblacional conocido:
muestra aleatoria y observaciones independientes
distribución normal o tamaño de muestra suficientemente
grande
desvío poblacional conocido
Para PH para una media con desvío poblacional desconocido:
muestra aleatoria y observaciones independientes
distribución normal o tamaño de muestra suficientemente
grande
Para PH para una proporción:
muestra aleatoria y observaciones independientes
tamaño de muestra suficientemente grande; pn>5 y qn>5
17/05/2018 59
Las cinco claves para lograr algo son la fuerza de voluntad, la
capacidad para levantarte si te caes, la esperanza, el deseo y el
esfuerzo constante.
17/05/2018 60