Las pruebas de hipótesis son un acto en estadísticas por la cual un analista prueba una suposición con respecto a un parámetro de población. La metodología empleada por el analista depende de la naturaleza de los datos utilizados y de la razón del análisis.
Las pruebas de hipótesis se utilizan para evaluar la plausibilidad de una hipótesis mediante el uso de datos de muestra. Dichos datos pueden provenir de una población más grande o de un proceso de generación de datos. La palabra «población» se utilizará para ambos casos en las siguientes descripciones.
- Las pruebas de hipótesis se utilizan para evaluar la plausibilidad de una hipótesis mediante el uso de datos de muestra.
- La prueba proporciona evidencia sobre la plausibilidad de la hipótesis, dados los datos.
- Los analistas estadísticos prueban una hipótesis midiendo y examinando una muestra aleatoria de la población que se analiza.
En las pruebas de hipótesis, un analista prueba una muestra estadística, con el objetivo de proporcionar evidencia sobre la plausibilidad de la hipótesis nula.
Los analistas estadísticos prueban una hipótesis midiendo y examinando una muestra aleatoria de la población que se analiza. Todos los analistas usan una muestra de población aleatoria para probar dos hipótesis diferentes: la hipótesis nula y la hipótesis alternativa.
La hipótesis nula suele ser una hipótesis de igualdad entre los parámetros de la población; Por ejemplo, una hipótesis nula puede indicar que el retorno medio de la población es igual a cero. La hipótesis alternativa es efectivamente lo opuesto a una hipótesis nula (por ejemplo, el retorno medio de la población no es igual a cero). Por lo tanto, son mutuamente excluyentes, y solo uno puede ser cierto. Sin embargo, una de las dos hipótesis siempre será cierto.
¿Cómo hacer un analisis de hipótesis?
Para realizar todos estos pasos, tomemos un ejemplo para comprender fácilmente.
Problema: Teniendo en cuenta a los adultos italianos del grupo de edad 18-30 que viven en Italia, ¿tienen los machos un índice de masa corporal (IMC) significativamente más alto que las mujeres?
Aquí la población es adultos italianos (18-30) en Italia y el parámetro de interés es el índice de masa corporal (IMC)
- NULL: No hay diferencia en el IMC medio H (0): U1 = U2 [U1 representa el IMC medio de la población para los hombres y U2 representa el IMC medio de la población para las hembras]
Aquí H (0) dice que son iguales entre sí - Alternativa: hay una diferencia significativa en el IMC medio H (A): U1 = U2 [U1 representa el IMC medio de la población para los hombres y U2 representa el IMC medio de la población para las hembras]
Aquí H (a) dice que no son iguales entre sí - Nivel de significancia = 5%
En este paso, los datos se filtraron para incluir solo adultos italianos que tenían entre 18 y 30 años. Después de esto, necesitamos hacer algunos cálculos de estadísticas como media, mínima, máxima, desviación estándar y tamaños de muestra para hombres y tamaños hembras.
Algunos de los supuestos que necesitamos verificar son los siguientes:
- NULL: No hay diferencia en el IMC medio H (0): U1 = U2 [U1 representa el IMC medio de la población para los hombres y U2 representa el IMC medio de la población para las hembras]
Aquí H (0) dice que son iguales entre sí - Alternativa: hay una diferencia significativa en el IMC medio H (A): U1 = U2 [U1 representa el IMC medio de la población para los hombres y U2 representa el IMC medio de la población para las hembras]
Aquí H (a) dice que no son iguales entre sí - Nivel de significancia = 5%
La estadística de prueba es una medida de cuán lejos está nuestra estadística de muestra de nuestro parámetro de población hipotética, en términos de errores estándar estimados.
¿Cómo hacer un análisis de una hipótesis?
El propósito de las pruebas de hipótesis estadística es usar una muestra para dibujar inferencias sobre una población.
Prueba de hipótesis de investigación requiere una serie de pasos:
El primer paso en cualquier prueba de hipótesis es identificar su hipótesis, que luego continuará probando. La forma en que define su hipótesis puede afectar el tipo de pruebas estadísticas que realiza, por lo que es importante tener claro al respecto. En particular, considere si va a plantear la hipótesis simplemente que existe una relación o especular sobre la dirección de la relación.
Existe una relación entre el género y el gusto del helado es una hipótesis no direccional. Simplemente ha especificado que hay una relación, no si a los hombres o mujeres les gusta más el helado.
Sin embargo, es más probable que a los hombres les guste el helado que las mujeres es direccional: ha especificado qué género es más probable que le guste el helado.
En general, es mejor no especificar la dirección a menos que esté moderadamente seguro al respecto.
La hipótesis nula es básicamente una declaración de lo que espera refutar: lo contrario de su «suposición» sobre la relación. Por ejemplo, en las hipótesis anteriores, la hipótesis nula sería:
No hay relación entre género y helado.
Esto también define su «hipótesis alternativa», que es su «hipótesis de prueba» (hombres como el helado más que las mujeres). Su hipótesis nula es generalmente que no hay diferencia, porque esta es la posición más simple.
¿Cómo se hace un análisis de hipótesis en Excel?
Las pruebas de hipótesis ayudan a identificar formas de reducir los costos y mejorar la calidad. Las pruebas de hipótesis hacen la pregunta: son dos o más conjuntos de datos iguales o diferentes, estadísticamente.
Para las empresas que trabajan para mejorar las operaciones, las pruebas de hipótesis ayudan a identificar las diferencias entre máquinas, fórmulas, materias primas, etc. y si las diferencias son estadísticamente significativas o no. Sin tales pruebas, los equipos pueden ejecutar la configuración cambiante de máquina, fórmulas, etc., causando más variación. Estas respuestas instintivas pueden amplificar la variación y causar más problemas que no hacer nada en absoluto.
- Método clásico: comparar una estadística de prueba con un valor crítico
- Método de valor P: la probabilidad de que una estadística de prueba sea contraria a la hipótesis nula
- Método del intervalo de confianza: es la estadística de prueba entre o fuera del intervalo de confianza
- Calcule un valor de P y compárelo con un nivel de significancia (a) o nivel de confianza (1-A).
- Interprete los resultados para determinar si «no puede rechazar la hipótesis nula (aceptar hipótesis nula)» o «rechazar la hipótesis nula».
- Simplemente ingrese sus datos en una hoja de cálculo de Excel y seleccione.
- Haga clic en el menú Macros QI, las herramientas estadísticas y la prueba que desea ejecutar (prueba t, prueba f, prueba z, ANOVA, etc.). Si no está seguro de qué prueba ejecutar, Qi Macros Stat Wizard analizará sus datos y ejecutará las posibles pruebas para usted.
- Qi Macros realiza todos los cálculos e interpreta los resultados para usted:
Qi Macros también dibujará gráficos para ayudarlo a visualizar las diferencias en sus conjuntos de datos
¿Cuándo se utiliza la herramienta Análisis de hipótesis?
Una hipótesis a menudo se describe como una «suposición educada» sobre un parámetro o población específica. Una vez que se define, se puede recopilar datos para determinar si proporciona suficiente evidencia de que la hipótesis es cierta.
En las pruebas de hipótesis, se evalúan dos declaraciones mutuamente excluyentes sobre un parámetro o población (hipótesis) para decidir qué declaración es mejor respaldada por datos de muestra.
En estadísticas, un parámetro es una descripción de una población, mientras que una estadística describe una pequeña porción de una población (muestra). Por ejemplo, si le pregunta a todos en su clase (población) sobre su altura promedio, recibe un parámetro, una verdadera descripción sobre la población, ya que se les pidió a todos. Si ahora desea adivinar la altura promedio de las personas en su grado (población) utilizando la información que tiene de su clase (muestra), esta información se convierte en una estadística.
Las pruebas de hipótesis que incluyen un parámetro específico se denominan pruebas paramétricas. En las pruebas paramétricas, se supone que la población tiene una distribución normal (por ejemplo, la altura de las personas en una clase).
En contraste, las pruebas no paramétricas (también pruebas libres de distribución) se utilizan cuando no se puede suponer que los parámetros de una población se distribuyan normalmente. Por ejemplo, el precio de los diamantes parece distribuido exponencialmente (abajo a la derecha). No paramétrico no significa que no sepa nada sobre una población, sino que normalmente no se distribuye.
¿Que son y para qué sirven las herramientas de análisis y si o de hipótesis?
Realizar el análisis What-if es una parte integral de los procesos A/LM y Presupuesto. Cuando se usa correctamente, el análisis de What if es una forma poderosa para que los tomadores de decisiones comprendan el impacto de los elementos bajo consideración en tiempo real. El desafío es que a menudo las personas se sumergen directamente en el modelado y los resultados, produciendo un proceso menos que óptimo. Considere aplicar un método científico al análisis de What if para ayudar a fortalecer el proceso de toma de decisiones.
El método científico es esencialmente una metodología impulsada por la hipótesis. Las hipótesis fuertes conducen a expectativas apoyadas o refutadas por análisis. Qué significa todo esto? Bueno, no es tan intimidante como podría parecer. Desde una perspectiva de modelado financiero, significa que no solo confíe ciegamente en los resultados del modelo.
Para ayudar a explicar más este concepto, considere una cooperativa de crédito de $ 1B que evalúa una estrategia de trasladar $ 10 millones desde las noches a hipotecas de tasa fija a 30 años:
Antes de realizar un método científico, sugiere que primero pregunta cómo espera que se vean los resultados y luego cree una hipótesis. Comience en términos generales con lo que generalmente espera que ocurra con las ganancias en el entorno de tarifas actuales y el riesgo. En este caso, el cambio de las noches a las hipotecas debería ayudar a las ganancias en el entorno de tarifas actuales, agregando el riesgo a medida que aumentan las tasas.
Después de identificar la amplia expectativa, tome el siguiente paso y haga algunas matemáticas aproximadas para estimar el impacto de retorno de los activos (ROA) del what if. Aquí, una institución de $ 1B que prueba una estrategia de mover el 1.00% de sus activos podría esperar una mejora de 3 masis en el ROA inicial (1% de los activos multiplicados por un aumento del 3% en el rendimiento):
En el lado del riesgo, puede hacer lo mismo con el impacto en los dólares del valor económico neto (NEV) ya que comprender el impacto de la valoración es relativamente sencillo. Las noches están a la par en todos los entornos de tarifas, mientras que las nuevas hipotecas de 30 años devalúan alrededor del 20% en un entorno de tasa de +300 puntos básicos (BPS). Por lo tanto, esperaría ver una disminución de aproximadamente $ 2 millones en sus dólares NEV en el entorno de tarifas de +300 bps:
El análisis y la observación son los próximos pasos importantes en el método científico. Ejecute What-if a través del modelo y analice los resultados en comparación con sus expectativas y matemáticas ásperas. ¿Los resultados de la hipótesis y, si no, por qué?
¿Cómo se usa el análisis de hipótesis en Excel Buscar objetivo?
Por lo general, cuando usa pruebas de hipótesis, tiene una idea de que el mundo es un poco sorprendente; que no es exactamente como dice la sabiduría convencional. Ocasionalmente, cuando usa pruebas de hipótesis, espera confirmar que el mundo no es sorprendente, que es como predecir la sabiduría convencional. Tenga en cuenta que en cualquier caso está preguntando: «¿Es el mundo diferente al de lo habitual, ¿es sorprendente?» Debido a que el mundo generalmente no es sorprendente y porque en estadísticas nunca está 100 % seguro de lo que una muestra le dice sobre una población, no puede decir que su muestra implica que el mundo es sorprendente a menos que esté casi seguro de que sí. El caso aburrido, insuficiente y habitual no solo gana si hay un empate, también tiene una gran ventaja. No se puede decir que el mundo es sorprendente, que la población es inusual, a menos que la evidencia sea muy fuerte. Esto significa que cuando organiza sus pruebas, debe hacerlo de una manera que sea difícil para el mundo inusual y sorprendente ganar apoyo.
El primer paso en el método básico de las pruebas de hipótesis es decidir qué valor tomaría alguna medida de la población si el mundo no fuera sorprendente. En segundo lugar, decida cómo se vería la distribución de muestreo de alguna estadística de muestra si la medida de la población tuviera ese valor sorprendente. En tercer lugar, calcule esa estadística de su muestra y vea si podría provenir fácilmente de la distribución de muestreo de esa estadística si la población no era sorprendente. Cuarto, decida si la población de la que proviene su muestra es sorprendente porque su estadística de muestra no podría provenir fácilmente de la distribución de muestreo generada por la población no sorprendente.
Todo eso suena complicado, pero es realmente bastante simple. Tiene una muestra y la media, o alguna otra estadística, de esa muestra. Con la sabiduría convencional, la hipótesis nula de que el mundo es aburrido, y no sorprendente, le dice que su muestra proviene de una determinada población. Combinando la hipótesis nula con lo que saben los estadísticos le dice de qué proviene la distribución de muestreo su estadística de muestra si la hipótesis nula es cierta. Si está casi seguro de que la estadística de muestra proviene de esa distribución de muestreo, la muestra admite el NULL. Si la estadística de muestra «probablemente vino» de una distribución de muestreo generada por otra población, la muestra respalda la hipótesis alternativa de que la población es «como algo más».
¿Dónde está analisis de hipótesis en Excel?
Paso 1: Escriba sus datos en una sola columna en Excel. Por ejemplo, escriba sus datos en las celdas A1: A40.
Paso 2: haga clic en la pestaña «Datos» y luego haga clic en «Análisis de datos». Si no ve el botón de análisis de datos, es posible que necesite cargar el análisis de análisis de datos.
Paso 3: haga clic en «Estadísticas descriptivas» y luego haga clic en «Aceptar». Cuando se abre el cuadro de diálogo Estadísticas descriptivas, haga clic en «Estadísticas de resumen» y luego escriba la ubicación para una celda donde desea que aparezca su resultado. Por ejemplo, escriba «B1».
Paso 4: haga clic en «Aceptar». Una variedad de estadísticas descriptivas, como la mediana y el modo, aparecerán comenzando en la celda B1.
Paso 5: Localice las celdas que tienen la media y el error estándar resulta en ella. Si escribió la celda B1 en el paso 3, su media estará en la celda C3 y su error estándar estará en la celda C4. Tome nota de esas ubicaciones celulares.
Paso 6: Escriba la siguiente fórmula en la celda D1 (suponiendo que su media esté en la celda C3 y su SE está en la celda C4; si no lo están, deberá ajustar la fórmula):
(C3-0)/C4
Cambie el «cero» para reflejar la media en su hipótesis nula. Por ejemplo, si su hipótesis nula establece que la media es de $ 7 por hora, cambie el 0 a «7».
Paso 7: Presione «Enter» para obtener el valor de la estadística de prueba. Compare el valor con el valor aceptado para su media de la Table Z*. Si la estadística de prueba cae en el rango aceptado, entonces no rechazará la hipótesis nula.
Advertencia: esta técnica realmente solo funcionará bien para tamaños de muestra más grandes (> 30).
¿Dónde podemos encontrar el análisis de hipótesis en Excel?
Para desarrollar análisis estadísticos o de ingeniería complejos, es posible acelerar el procedimiento utilizando las herramientas de análisis de componentes adicionales. Este componente incluye herramientas que analizan datos y parámetros y a través de las funciones de macro estadísticas o de ingeniería apropiadas calculan y muestran los resultados en una tabla de salida. Además de las tablas de salida, algunas de estas herramientas representan los resultados en gráficos.
Puede usar funciones de análisis de datos solo en una hoja de trabajo a la vez. Al realizar análisis de datos en grupos de hojas de trabajo, los resultados se mostrarán en la primera hoja de trabajo, mientras que las tablas formateadas vacías se mostrarán en las otras hojas. Para analizar los datos de las hojas de trabajo restantes, use la herramienta de análisis nuevamente para cada uno de ellos.
Los instrumentos de las herramientas de análisis de componentes adicionales se describen en las siguientes secciones. Para acceder a él, haga clic en el análisis de datos en el grupo de análisis de la hoja de datos. Si el comando de análisis de datos no está disponible, es necesario cargar las herramientas de análisis de componentes adicionales.
Haga clic en la pestaña Archivo, luego en las opciones y finalmente elija la categoría de componentes adicionales.
En el cuadro administrado, seleccione componentes adicionales de Excel y luego haga clic en Go.
Si usa Excel para Mac, en el menú Archivo, cambie a Herramientas> Componentes de Excel adicionales.
¿Cómo hacer un análisis y si en Excel?
En la pestaña de análisis de Excel What-if, tenemos una opción llamada Objetivo Seek en Excel. Esta opción ayuda al usuario a ejecutar todas las permutaciones y combinaciones posibles para generar o lograr un objetivo en la celda resultante.
Para entenderlo elaboradamente, consideremos un ejemplo de la siguiente manera. Aquí tenemos un conjunto de estudiantes, su lista de marcas y su agregado final.
Como puede ver, algunos estudiantes no tienen el agregado como 60% o más. Para obtener un puntaje del 60% o más, los candidatos deben escribir un examen de mejora y obtener ciertas marcas para lograr el objetivo del 60% o superior.
Podemos usar el análisis de Excel que if y emplear la búsqueda de objetivos en el método de Excel para predecir las marcas requeridas para lograr el 60% o más como el agregado objetivo. Para implementar la búsqueda de objetivos en Excel, debe seleccionar la celda de la columna agregada como se muestra a continuación.
Ahora, haga clic en la opción de datos en la barra de herramientas y vaya a la cinta de pronóstico y haga clic en el botón Excel What-if Analysis. Aparecerá una pequeña ventana, y debe elegir la segunda opción que lea la búsqueda de objetivos, como se muestra a continuación.
Aparecerá una pequeña ventana en la pantalla, y aquí debe especificar la ubicación de la celda de destino, el valor objetivo y la celda que desea cambiar. Aquí, su celda objetivo es M4, el valor objetivo es 60, y dado que desea escribir un examen de mejora para el asunto Engg 4, la dirección celular será i4.
Después de ingresar los valores, seleccione OK, y Excel ejecutará automáticamente todas las permutaciones y combinaciones y proporcionará el resultado. En este caso, el resultado o el resultado proporcionado es la puntuación objetivo que debe lograr en el sujeto «ENGG 4» sujeto para obtener un puntaje de 60% agregado.
¿Cómo se usa el analisis de hipótesis en Excel Buscar objetivo?
Hay muchos tipos diferentes de pruebas de hipótesis que puede realizar según el tipo de datos con los que está trabajando y el objetivo de su análisis.
Este tutorial explica cómo realizar los siguientes tipos de pruebas de hipótesis en Excel:
- Una muestra de T-test
- Dos pruebas t de muestra
- Muestras emparejadas testimas t
- Una proporción de prueba z
- Dos proporciones de prueba z
Una prueba t de una muestra se usa para probar si la media de una población es igual a algún valor.
Por ejemplo, suponga que un botánico quiere saber si la altura media de una determinada especie de planta es igual a 15 pulgadas.
Para probar esto, recoge una muestra aleatoria de 12 plantas y registra cada una de sus alturas en pulgadas.
Ella escribiría las hipótesis para esta prueba t de muestra en particular de la siguiente manera:
- Una muestra de T-test
- Dos pruebas t de muestra
- Muestras emparejadas testimas t
- Una proporción de prueba z
- Dos proporciones de prueba z
Consulte este tutorial para obtener una explicación paso a paso de cómo realizar esta prueba de hipótesis en Excel.
Se usa una prueba t de dos muestras para probar si los medios de dos poblaciones son iguales.
Por ejemplo, suponga que los investigadores quieren saber si dos especies diferentes de plantas tienen la misma altura media.
Para probar esto, recolectan una muestra aleatoria de 20 plantas de cada especie y miden sus alturas.
Los investigadores escribirían las hipótesis para esta prueba t de dos muestras en particular de la siguiente manera:
- Una muestra de T-test
- Dos pruebas t de muestra
- Muestras emparejadas testimas t
- Una proporción de prueba z
- Dos proporciones de prueba z
¿Qué es la búsqueda de objetivo en Excel?
Excel Solver pertenece a un conjunto especial de comandos a menudo denominados herramientas de análisis. Se propuso principalmente para la simulación y optimización de varios modelos comerciales e de ingeniería.
El complemento de Solucionador de Excel es especialmente útil para resolver problemas de programación lineal, también conocido como problemas de optimización lineal y, por lo tanto, a veces se denomina solucionador de programación lineal. Aparte de eso, puede manejar problemas suaves no lineales y no suaves. Consulte los algoritmos de Solucionador de Excel para obtener más detalles.
Si bien el solucionador no puede descifrar todos los problemas posibles, es realmente útil cuando se trata de todo tipo de problemas de optimización en los que necesita tomar la mejor decisión. Por ejemplo, puede ayudarlo a maximizar el retorno de la inversión, elegir el presupuesto óptimo para su campaña publicitaria, hacer el mejor horario de trabajo para sus empleados, minimizar los costos de entrega, etc.
El complemento del solucionador se incluye con todas las versiones de Microsoft Excel a partir de 2003, pero no está habilitado de forma predeterminada.
- En el cuadro de diálogo Opciones de Excel, haga clic en los complementos en la barra lateral izquierda, asegúrese de que se seleccione Add-Ins de Excel en el cuadro Administrar en la parte inferior de la ventana y haga clic en IR.
- En el cuadro de diálogo Add-Ins, marque el cuadro de complemento de solucionadores y haga clic en Aceptar:
Para obtener el solucionador en Excel 2003, vaya al menú Herramientas y haga clic en Administrados. En la lista de admites insportables, marque el cuadro de complemento de solucionadores y haga clic en Aceptar.
Nota. Si Excel muestra un mensaje de que el complemento del solucionador no está instalado actualmente en su computadora, haga clic en Sí para instalarlo.
¿Qué es el analisis de hipótesis en Excel?
Esencialmente, es una suposición educada, que podemos probar con observaciones o experimentando. Puede ser cualquier cosa, siempre que sea comprobable.
Cuando proponemos una hipótesis, escribimos una declaración de hipótesis.
En general, nos esforzamos por mantener esto en forma de «si… entonces…». Más específicamente,
«Si A ocurre con una variable independiente, B sucederá con la variable dependiente».
Hay algunas características para una declaración bien escrita:
- Como se mencionó, es una declaración if-Then;
- Podemos probar la declaración científicamente;
- Establece las variables independientes y dependientes.
Primero, definimos el problema que estamos analizando, y luego basamos nuestra declaración de hipótesis sobre este problema.
Es crucial recordar que la suposición subyacente puede ser sobre cualquier parámetro de la población, y puede ser cierto o no.
La mejor manera de evaluar una hipótesis sería revisar toda la población de los datos que estamos analizando. Sin embargo, esto generalmente resulta ser muy poco práctico, si no completamente imposible. Por lo tanto, típicamente evaluamos solo una muestra seleccionada al azar en lugar de toda la población.
Y si los datos dentro de la muestra no son consistentes con nuestra hipótesis, podemos rechazarlos.
Cuando realizamos un análisis estadístico, probamos una hipótesis evaluando una muestra aleatoria de toda la población. Prácticamente, probamos dos hipótesis:
- Como se mencionó, es una declaración if-Then;
- Podemos probar la declaración científicamente;
- Establece las variables independientes y dependientes.
Artículos Relacionados:
