Tema 10 (II).
Fase 2.
Tras formular la H0 se calcula, mediante el estadístico de contraste más apropiados, la probabilidad de que los resultados observados puedan deberse al azar.
La elección del test más adecuado para realizar el contraste de hipótesis depende de los objetivos del análisis y de la comprobación. Tienen unas caracteristicas:
- La escala de medida y el tipo de variables.
- La independencia o dependencia de las medidas, debemos tener en cuenta si los datos proceden de participantes independientes.
- El aspecto de la distribución de la variable dependiente.
Estos supuestos son:
- Normalidad y distribución homogénea de las varianzas u homocedasticidad.
- Trabajar con una escala de medida de razón o de intervalo.
En el caso de que estos supuestos no se cumplan, se utiliza los contrastes no se cumplan, se utilizan los contrastes no paramétricos, que permiten poner a prueba hipótesis no referidas a parámetros poblacionales.
Fase 3.
Basándose en esta probabilidad, se decidirá rechazar o no la H0. Así, cuanto menor sea el valor de p, menor será la probabilidad de que los resultados obtenidos se deban al azar y mayor evidencia habrá en contra de la hipótesis nula.
Si el valor p obtenido es superior al limite critico, facilitan las tablas o la aplicación estadística para ese nivel de confianza, estaríamos en la región crítica y rechazamos la H0.
Si por el contrario el valor de p obtenido es inferior al del limite critico, estaríamos en la región de aceptación.
Error de hipótesis.
Toda inferencia estadística lleva implícito siempre el riesgo de cometer algún error. Todo depende de ese error, al que llamamos α. Por tanto, el error α es la probabilidad de equivocarnos al rechazar la H0.
Si el valor p obtenido es superior al limite critico, facilitan las tablas o la aplicación estadística para ese nivel de confianza, estaríamos en la región crítica y rechazamos la H0.
Si por el contrario el valor de p obtenido es inferior al del limite critico, estaríamos en la región de aceptación.
Error de hipótesis.
Toda inferencia estadística lleva implícito siempre el riesgo de cometer algún error. Todo depende de ese error, al que llamamos α. Por tanto, el error α es la probabilidad de equivocarnos al rechazar la H0.
A partir de los resultados de un estudio, puede llegarse a diferentes conclusiones:
- Puede concluirse que existen diferencias entre los grupos que componen la muestra.
- Puede concluirse que no hay diferencias entre los grupos que componen la muestra.
El error tipo 1: consiste en decir que existen diferencias estadísticamente significativas cuando realmente esto no es cierto. Al cometer este error, el investigador rechaza la H0. Este error se conoce como α.
El error tipo 2: en el que se indica que no existen diferencias, cuando realmente esto no es cierto. Al cometer este error, el investigador acepta la H0. Este error se conoce como β.
Tipos de errores en test de hipótesis.
El error tipo II es más problable que se cometa que el tipo I.
El error tipo β habitualmente se sitúa entre el 0,05 y el 0,2.
Si fijamos un error β del 20% (0,2), la potencia del estudio será de 0,80= (1-0,2), y eso significa que, si la diferencia realmente existe, el estudio tiene 80% de probabilidad de detectarla.
Si establecemos una significación estadística de α= 0,01, esa será la probabilidad de cometer el error tipo I. Pero disminuir la probabilidad de cometer el error tipo I, hace que aumente la probabilidad de cometer el error tipo II.
Tipos de errores en test de hipótesis.
El error tipo β habitualmente se sitúa entre el 0,05 y el 0,2.
Si fijamos un error β del 20% (0,2), la potencia del estudio será de 0,80= (1-0,2), y eso significa que, si la diferencia realmente existe, el estudio tiene 80% de probabilidad de detectarla.
Si establecemos una significación estadística de α= 0,01, esa será la probabilidad de cometer el error tipo I. Pero disminuir la probabilidad de cometer el error tipo I, hace que aumente la probabilidad de cometer el error tipo II.
