Mdulo 2

Cmo formular una hiptesis

Ahora que hemos identificado los problemas clave que vamos a investigar
junto con las causas y los efectos y
que hemos bosquejado nuestro planteamiento del problema, podemos crear
una declaracin para probar la condicin a travs de investigacin adicional.
Esto es lo que se llama hiptesis.
Creswell define hiptesis como:

() predicciones que el investigador sostiene acerca de la
relacin entre variables. Son estimaciones numricas de valores
de la poblacin, basados en datos
obtenidos a partir de muestras. La
prueba de hiptesis emplea procedimientos estadsticos en los
que el investigador desarrolla inferencias acerca de la poblacin a
partir de una muestra de estudio.
Normalmente se utilizan hiptesis
en experimentos en que los investigadores comparan grupos1.

Para que una hiptesis se considere cientfica, debe probarse y la mayora de las hiptesis cientficas se construyen sobre preguntas que surgieron despus de la investigacin previa. Una
hiptesis hace una prediccin bastante especfica, mientras que una teora es una explicacin
generalizada que proporciona un marco para analizar un problema. A menudo, las teoras contienen una serie de supuestos hipotticos, que luego pueden probarse.
Hay dos tipos generales de hiptesis. El primer tipo es la hiptesis nula, a menudo escrita como
H0. La hiptesis nula establece que no existe una relacin entre dos variables y, la mayora de las
veces, contradice una teora que un investigador puede estar tratando de probar.
Volvamos al ejemplo del caso que acabamos de presentar. La hiptesis nula, en este caso, es
que no habr diferencias de salarios entre los grupos A y B.
H 0 : 1 = 2
Donde:
H0 = la hiptesis nula
1 = el promedio del salario de las mujeres en el grupo A.
2 = el promedio del salario de las mujeres en el grupo B.

El segundo tipo es la hiptesis alternativa, a menudo escrita como H1, que prueba el poder predictivo o explicativo de una teora.
Un ejemplo de una hiptesis alternativa es que existen significativas diferencias de salario entre
las mujeres trabajadoras de las empresas que han aplicado la nueva ley chilena y aquellas que
no lo han hecho. Como vemos en el ejemplo, podemos probar una intervencin con un grupo
de control. Si la hiptesis nula fuese verdadera, no habra ninguna diferencia entre los grupos.
Pero, si los datos muestran que podemos rechazar la hiptesis nula, podemos probar despus
la hiptesis alternativa y medir, posiblemente, la magnitud del efecto de la intervencin.
Es importante notar, sin embargo, que mientras la hiptesis alternativa puede ser ms deseable;
la hiptesis nula es la que se acepta o se rechaza. Puesto que a menudo es posible que otras
variables no consideradas expliquen el rechazo de la hiptesis nula, los cientficos solo pueden
declarar que la hiptesis alternativa puede ser cierta. En el mdulo 3, veremos algunas pruebas
estadsticas que nos pueden ayudar a comprender el poder explicativo y predictivo de las hiptesis alternativas.
Cuando formulamos una hiptesis es posible cometer errores. Los ms comunes sonde Tipo I
y Tipo II:

Un error de Tipo I se produce cuando una hiptesis nula se rechaza siendo, en realidad,
verdadera. Por ejemplo, se producira un error de Tipo I si nuestra investigacin mostrara
que los salarios de los dos grupos de mujeres son significativamente diferentes cuando,
de hecho, no hay diferencia entre ellos.

Ocurre un error de Tipo II cuando la hiptesis nula no se rechaza, siendo realmente falsa.
En nuestro ejemplo, esto significara que hemos concluido que los salarios de los grupos
A y B son equivalentes, pero en realidad difieren significativamente.

Debido a que la confiabilidad de las pruebas de hiptesis alternativas depende de rechazar la

hiptesis nula, los errores de Tipo I son ms graves y deben tratar de evitarse.
Formular correctamente hiptesis y probarlas es muy importante tambin en poltica pblica,
porque a travs de ellas podemos comprobar la relacin que existe entre el problema que
queremos solucionar y ciertas caractersticas de la poblacin o entre dos aspectos diferentes
en los que queremos intervenir.

Referencias
1. Creswell, J. W. (2003). Research design: Qualitative, quantitative, and mixed method
approaches (2.a ed.). Thousand Oaks, Calif.: Sage Publications.