CONTRASTE DE HIPTESIS

MSc, Ps.
Pablo Prez Daz

PRINCIPIOS

VALOR DE SIGNIFICANCIA O P-VALUE

- Es un valor que nosotros definimos a priori de manera arbitraria, como el lmite
desde el cual una resultado pasar a ser estadsticamente significativo al momento
de contrastar la hiptesis nula.
- Usualmente el nivel Alfa () corresponde a 0.05, pero tambin puede fijarse un
nivel de significacin estadstico menos riguroso (0.10) o bien uno ms riguroso (0.01)
- 1- () corresponder entonces a la zona de aceptacin de la hiptesis nula, donde
no daremos por cierta (rechazaremos) a la hiptesis alternativa.
- Por lo general diremos que el resultado de un estadstico que tenga un p-value
bajo 0.05 es estadsticamente significativo y que por tanto un p-value bajo 0.01 es
muy o altamente significativo.

VALOR DE SIGNIFICANCIA O P-VALUE

- Lo que busca siempre el investigador es encontrar una diferencia entre las medias,
proporciones, frecuencias, etc que avale su (s) hiptesis alternativa (s) o de trabajo.
- Lo anterior no implica que investigaciones cuantitativas que no hallan resultados
significativos o donde la estimacin del estadstico cae en la zona de aceptacin de
la H0 no sirvan. Al contrario, sirven de fundamento en la lnea respecto a lo que no
vale la pena estudiar a futuro, siempre y cuando la metodologa del estudio sea la
adecuada.
- Si un estudio est bien estructurado metodolgicamente, entonces nos aportar
Evidencia en relacin hacia donde se podran orientar las futuras hiptesis
alternativas en trminos de su direccionalidad/causalidad/valor predictivo, as como
su capacidad de describir al parmetro de forma insesgada.

VALOR DE SIGNIFICANCIA O P-VALUE

*Extrado de Prtegas & Frnndez, 2003).

VALORES CRTICOS SEGN TIPO DE CONTRASTE Y

ERRORES ASOCIADOS (ALFA Y BETA)
Recordemos que en trminos
probabilsticos
ambos
errores se superponen, por
lo que si disminuimos ,
entonces aumentaremos y
si aumentamos , entonces
disminuiremos
.
Una
confiabilidad por intervalo
del 95% nos ofrece un buen
ajuste entre Error tipo I y II,
por ello es el IC ms
utilizado.

*Extrado de Prtegas & Frnndez, 2003).

MARGEN DE ERROR O ERROR MXIMO ESTIMADO

- En una muestra aleatoria, el margen de Error o E, corresponder a la diferencia
mxima probable entre la proporcin muestral y el valor real proporcional de la
poblacin. Se calcula multiplicando el valor crtico bilateral (Z/2) por la desviacin
estndar de las proporciones muestrales.

Ejemplo: Queremos saber el margen de error de una encuesta sobre el uso de drones
en la ciudad de P.M. a un intervalo de confianza del 95%; donde n: 829 y donde el
51% se opone a los drones. Entonces:
E = 1,96 (0.51) (0.49)/829 = 0.034. Luego podemos construir el I.C, restando y
sumando el error a p (proporcin poblacional).

DETERMINACIN DEL TAMAO MUESTRAL

Conociendo el margen de error podemos determinar el tamao muestral deseado;
para ellos tendremos la siguiente frmula que se deriva lgicamente de la anterior:

La frmula anterior se usar cuando se conoce el estimador, en caso contrario vamos

a asumir que no hay diferencias entre las proporciones, por lo que a ambas se les
asignar una proporcin igual, equitativamente (0.5). Entonces 0.5x0.5=0.25.

DETERMINACIN DEL TAMAO MUESTRAL

Ejemplo:

Tamao de una muestra para una encuesta para saber el % de utilizacin del correo
electrnico. Estimador: En un estudio previo se determin que el 16,9% de los
hogares Chilenos usaban el email a comienzos del 2000. El error mximo estimado
declarado es de 4%.
Entonces:
n = (Z/2) (^p ^q)/E

n = (1.96) (0.169) (0.831)/0.04

n = 338

Siguiendo la segundo frmula que desconoce el estimador n = 601

ELECCIN DE ESTADSTICO PARA CONTRASTE DE

HIPTESIS

Extraido de Estadstica, novena edicin (Triola, 2004).

ELECCIN DE ESTADSTICO PARA CONTRASTE DE

HIPTESIS
Eleccin en Z y T
Mtodo

Condiciones

Utilice la distribucin Deviacin estndar poblacional conocida y poblacin con distribucin normal
normal (Z)
o Deviacin estndar poblacional conocida y n > 30
Utilice la distribucin Deviacin estndar poblacional desconocida y poblacin con distribucin normal
T
o Deviacin estndar poblacional desconocida y n > 30

Utilice un mtodo no
paramtrico

La poblacin no se distribuy normalmente y n < 30

Extrado de Estadstica, novena edicin (Triola, 2004).

Z PARA UNA MUESTRA

T PARA UNA MUESTRA

Se usa para comparar el promedio de una muestra como hipottica representativa
de la poblacin. Por ejemplo, para determinar si el promedio de la presin arterial
de un grupo en particular difiere o no de una media poblacional (Recuerden Z para
una muestra, es la misma lgica).

Requisitos:
- La base de datos posee normalidad
- La escala de medida debe ser de tipo intervalo o de razn
- La muestra es aleatoria en relacin a una poblacin definida
H0: M - = 0, donde M es la media de la muestra y de la poblacin.

Z PROPORCIN PARA DOS POBLACIONES

Esta prueba se utiliza cuando se desea saber si la proporcin de respuesta o
frecuencia entre dos poblaciones en relacin a una misma variable categrica se
diferencia significativamente o no. Por ejemplo, si hay una proporcin de
vegetarianos igual o distinta entre los estudiantes de psicologa de la ULA y de la
UACH.

Requisitos:
- Una muestra aleatoria de cada uno
de las muestras poblacionales a ser comparadas.

- Datos categricos para la variable de inters.

H0: p1 - p2 = 0, donde p1 es la proporcin de la primera poblacin y p2 es la
proporcin de la segunda poblacin.

Z PROPORCIN PARA DOS POBLACIONES

LA DISTRIBUCIN T

LA DISTRIBUCIN T

T PARA DOS MEDIAS INDEPENDIENTES

Esta prueba se utiliza cuando se est trabajando con una variable numrica, como
por ejemplo la altura y se comparan los promedios (medias) de dos poblaciones o
grupos (por ejemplo hombres y mujeres).
Requisitos para ejecutar la prueba:

- Dos muestras independientes

- La base de datos posee normalidad
- Las dos muestras deben tener la misma varianza
H0: u1 - u2 = 0, donde u1 es la media de la primera poblacin y u2 es la media de
la segunda poblacin.

T PARA MEDIDAS REPETIDAS (RELACIONADAS)

Tambin se le llama T de muestras aparejadas. Se usa para comparar los promedios
de dos mediciones que estn directamente relacionadas la una con la otra. Por
ejemplo, podemos comparar los promedios de las notas de un mismo curso para
saber si existe alguna diferencia significativa entre la primera prueba y el examen,
hipotetizando que los estudiantes tendrn un mejor promedio al final del curso,
debido a que han aprendido en el transcurso de este.
Requisitos:
- La base de datos se encuentra normalmente distribuida
- La escala de medida debe ser de tipo intervalo o razn
- Las dos medidas estn relacionadas o aparejadas de alguna forma.
H0: UD = U1 - U2 = 0, donde UD es el promedio de la diferencia de medidas de la poblacin