Para realizar una prueba de hipótesis en el mundo real, los investigadores obtendrán una muestra aleatoria de la población y realizarán una prueba de hipótesis en los datos de la muestra, utilizando una hipótesis nula y alternativa:
- Hipótesis nula (H0): los datos de la muestra ocurren puramente de Chance.
- Hipótesis alternativa (HA): los datos de la muestra están influenciados por alguna causa no aleatoria.
Si el valor p de la prueba de hipótesis es menor que algún nivel de significancia (por ejemplo, α = .05), entonces podemos rechazar la hipótesis nula y concluir que tenemos evidencia suficiente para decir que la hipótesis alternativa es cierta.
Los siguientes ejemplos proporcionan varias situaciones en las que se utilizan pruebas de hipótesis en el mundo real.
Las pruebas de hipótesis a menudo se usan en biología para determinar si algunos tratamiento nuevos, fertilizantes, pesticidas, químicos, etc. provocan un mayor crecimiento, resistencia, inmunidad, etc. en plantas o animales.
Por ejemplo, suponga que un biólogo cree que cierto fertilizante hará que las plantas crezcan más durante un período de un mes de lo que normalmente lo hacen, que actualmente es de 20 pulgadas. Para probar esto, aplica el fertilizante a cada una de las plantas en su laboratorio durante un mes.
Luego realiza una prueba de hipótesis utilizando las siguientes hipótesis:
- Hipótesis nula (H0): los datos de la muestra ocurren puramente de Chance.
- Hipótesis alternativa (HA): los datos de la muestra están influenciados por alguna causa no aleatoria.
Si el valor p de la prueba es menor que algún nivel de significancia (por ejemplo, α = .05), entonces puede rechazar la hipótesis nula y concluir que el fertilizante conduce a un aumento del crecimiento de las plantas.
¿Cuál es la importancia de la prueba de hipótesis?
Las pruebas de hipótesis son significativas para evaluar las respuestas a preguntas sobre muestras de datos.
Unahipótesis estadística es una creencia sobre un parámetro de población. Esta creencia puede o no tener razón. En otras palabras, la prueba de hipótesis es una técnica adecuada utilizada por los científicos para apoyar o rechazar hipótesis estadísticas. El enfoque ideal principal para decidir si una hipótesis estadística es correcta es examinar toda la población.
Como eso es frecuentemente poco práctico, normalmente tomamos una muestra aleatoria de la población e inspeccionamos el equivalente. Dentro del conjunto de datos de muestra de eventos no es estable con la hipótesis estadística, se rechaza la hipótesis.
Hay dos tipos de hipótesis y la hipótesis nula (HO) y la hipótesis alternativa (HA) deben ser eventos totalmente exclusivos.
- La hipótesis nula suele ser la hipótesis de que el evento no sucederá.
- La hipótesis alternativa es una hipótesis de que el evento ocurrirá.
Supongamos que una empresa necesita lanzar una nueva bicicleta en el mercado. Para esta situación, seguirán las pruebas de hipótesis por todas juntas, decide el éxito del nuevo producto en el mercado.
Cuando la probabilidad de que el producto sea ineficaz en el mercado se emprenda como la hipótesis nula y la probabilidad de que el producto sea rentable se lleva a cabo como una hipótesis alternativa. Siguiendo el proceso de prueba de hipótesis, preverán el logro.
¿Cuáles son las características de una prueba de hipótesis?
Una hipótesis generalmente se considera el instrumento principal en la investigación. Su función principal es sugerir nuevos experimentos y observaciones. De hecho, muchos experimentos se llevan a cabo con el objeto deliberado de probar hipótesis. Los tomadores de decisiones a menudo enfrentan situaciones en las que están interesados en probar hipótesis sobre la base de la información disponible y luego tomar decisiones sobre la base de tales pruebas. La hipótesis de un investigador es una pregunta formal que pretende resolver. Algunas de las características de la hipótesis son:
- La hipótesis debe ser clara y precisa. Si la hipótesis no es clara y precisa, las inferencias dibujadas sobre su base no pueden tomarse como confiables.
- La hipótesis debe ser capaz de ser probada. En un pantano de hipótesis no probables, muchas veces los programas de investigación se han empantanado. Los investigadores pueden realizar algunos estudios anteriores para que la hipótesis sea comprobable. Una hipótesis «es comprobable si se pueden hacer otras deducciones a partir de ello que, a su vez, puede confirmarse o refutarse mediante observación».
- La hipótesis debe establecer la relación entre las variables si es una hipótesis relacional.
- La hipótesis debe ser limitada en alcance y debe ser específica. Un investigador debe recordar que las hipótesis más estrechas son generalmente más comprobables y debe desarrollar tales hipótesis.
- La hipótesis debe establecerse en la medida de lo posible en la mayoría de los términos simples, de modo que todos los interesados sean fácilmente comprensibles. Pero uno debe recordar que la simplicidad de la hipótesis no tiene nada que ver con su importancia.
- La hipótesis debe ser consistente con los hechos más conocidos, es decir, debe ser consistente con un cuerpo sustancial de hechos establecidos. En otras palabras, debe ser uno que los jueces acepten como el más probable.
- La hipótesis debe ser susceptible de pruebas dentro de un tiempo razonable. No se debe usar ni siquiera una hipótesis excelente, si no se puede probar la misma en un momento razonable para uno, no puede pasar toda una vida recopilando datos para probarlo.
- La hipótesis debe explicar los hechos que dieron lugar a la necesidad de explicación. Esto significa que al usar la hipótesis más otras generalizaciones conocidas y aceptadas, uno debería poder deducir la condición del problema original. Por lo tanto, la hipótesis debe explicar lo que dice explicar; Debería tener la referencia empírica.
Referencias: Métodos y técnicas de metodología de investigación de C.R. Kothari
¿Qué tipos de pruebas de hipótesis se pueden realizar?
El objetivo de las estadísticas es hacer inferencias sobre una población basada en la información contenida en una muestra. Las medidas numéricas utilizadas para caracterizar las poblaciones se llaman parámetros. Los parámetros de la población son:
- μ: media
- M: mediana
- σ: desviación estándar
- π: proporción
La mayoría de los problemas inferenciales se pueden formular como una inferencia sobre uno de los parámetros anteriores de una población. Los métodos para hacer inferencias entran en una de dos categorías:
- μ: media
- M: mediana
- σ: desviación estándar
- π: proporción
Hay muchas pruebas que se pueden usar para probar hipótesis, pero ¿cuándo usamos qué prueba? Depende de la información que tengamos y qué hipótesis se debe probar. El diagrama de flujo a continuación proporciona un resumen de las diversas pruebas de hipótesis y cuándo debe usarse.
En este artículo, veremos la prueba t de muestra con más detalle.
La prueba t de muestra determina si la media de la muestra es estadísticamente diferente de una media de población conocida o hipotética.
Las hipótesis nulas y alternativas de la prueba t de dos colas son:
Hipótesis nula: la media de la muestra es igual a la media de la población propuesta
Hipótesis alternativa: la media de la muestra no es igual a la media de la población propuesta
Del mismo modo, podemos indicar la hipótesis para las pruebas de cola derecha y de cola izquierda. Las hipótesis nulas y alternativas se pueden resumir de la siguiente manera:
La estadística de prueba para una prueba t de una muestra se puede calcular utilizando la siguiente fórmula:
El valor t calculado se compara con el valor t crítico de la tabla de distribución t con grados de libertad df = n-1. Si el valor t calculado> valor t crítico, rechazamos la hipótesis nula.
¿Qué tipos de pruebas de hipótesis se utilizan en las estadísticas?
Inferir significa sacar una conclusión. Las estadísticas inferenciales permiten establecer conclusiones en una población de una muestra.
De hecho, cuando trabajamos desde una base de datos, incluso muy voluminosa, y que los recursos de TI nos permiten explorarlo rápidamente, obtenemos estadísticas descriptivas sobre una población total; Pero el caso es complicado cuando los datos son costosos o difíciles de obtener (datos primarios, en particular). Y aquí es donde entran las técnicas de muestreo, luego estadísticas inferenciales.
Del análisis de una muestra, existen varias técnicas para inferir conclusiones en toda la población.
También podemos establecer un intervalo de confianza en torno a un parámetro, es decir, un rango de valores en el que el verdadero parámetro de la población (desconocido) tiene una probabilidad dada de ser.
El enfoque bayesiano es una tercera técnica, basada en una estimación a priori del parámetro de población.
Finalmente, podemos realizar una prueba, es decir, poner una alternativa de dos hipótesis en un parámetro (igual o diferente, más alto o más bajo…) y de acuerdo con una probabilidad de error preestablecido, de validar o no uno de ellos.
Según el resultado de la prueba, el analista de datos toma una decisión (por ejemplo, rechaza dicha hipótesis). Es por eso que también estamos hablando de estadísticas de toma de decisiones.
Artículos Relacionados:
