CONTRASTE DE HIPÓTESIS.

Para controlar los errores aleatorios, además del cálculo de intervalos de confianza, contamos con una segunda herramienta en el proceso de inferencia estadística: los test o contrastes de hipótesis.

Con los intervalos nos hacemos una idea de un parámetro de una población dando un par de números entre los que confiamos que esté el valor desconocido.

Con los contrastes (test) de hipótesis la estrategia es la siguiente:

•  Establecemos a priori una hipótesis acerca del valor del parámetro.
•  Realizamos la recogida de datos.
•  Analizamos la coherencia de entre las hipótesis previas y los datos obtenidos.

Los test de hipótesis son herramientas estadísticas para responder a preguntas de investigación: permite cuantificar la compatibilidad entre una hipótesis previamente establecida y los resultados obtenidos.

Se utiliza la prueba estadística correspondiente y se mide la probabilidad de error al rechazar la hipótesis nula, asociada al valor de p.

Según el nivel de significación que hayamos preestablecido (habitualmente un 95%) las soluciones pueden ser:

• El valor de p >0,05: en este caso no podemos rechazar la hipótesis nula (no podemos decir que sea cierta, sino que no podemos rechazarla). Si tenemos p=0,07 aceptamos la hipótesis nula.
• P<0,05: en este caso rechazamos la hipótesis nula, por lo que debemos aceptar la hipótesis alternativa. Rechazamos la nula y aceptamos la alternativa.

P es el error al rechazar la hipótesis nula.

El nivel de significación que también se llama error tipo I o alfa:

•  Debe estar en un número pequeño: 1 en 100, 5 en 100.
•  El nivel de significación lo fija el investigador de antemano
•  Es la probabilidad de cometer el error al rechazar la hipótesis nula cuando es cierta.
•  Es la probabilidad de que, por azar, se obtenga una muestra “más rara” que la obtenida.

Si tenemos una p =5%, dividimos por la mitad.

Hay pruebas de hipótesis que son bilaterales y unilaterales. Normalmente trabajamos con hipótesis bilaterales.

El error alfa es un número muy pequeño que se determina cuando se diseña el estudio. Normalmente lo prefijamos en el 5%. Conociendo alfa conocemos la región de rechazo.

El error p es el resultado. Si el valor está en la región p, aceptamos hipótesis nula. Si p< alfa, rechazamos hipótesis.