Corporación Universitaria Minuto de Dios

Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020

TALLER INFERENCIAL

NOMBRES: Sandra Milena Chizabas ID:643364

ASIGNATURA: Estadistica Inferencial NRC:14939

OBJETIVO: Retroalimentar los conceptos básicos de prueba de hipótesis

Responde a las siguientes preguntas

1. ¿Cuáles es la utilidad de la estadística inferencial?
 Es la encargada de hacer deducciones, es decir, inferir propiedades, conclusiones y
tendencias, a partir de una muestra del conjunto. Su papel es interpretar, hacer proyecciones
y comparaciones. La estadística inferencial emplea usualmente mecanismos que le permiten
llevar a cabo dichas deducciones, tales como pruebas de estimación puntual (o de intervalos
de confianza), pruebas de hipótesis, pruebas paramétricas (como de media, de diferencia de
medias, proporciones, etc.) y no paramétricas (como la prueba del chi-cuadrado, etc.).
También le son útiles los análisis de correlación y de regresión, las series cronológicas, el
análisis de varianza, entre otros.
2. ¿Cuáles son los tipos de hipótesis, cite 3 ejemplos diferentes.
 Tipos de hipótesis que se usan en un estudio científico
Hay varios criterios que se pueden seguir a la hora de clasificar los tipos de hipótesis que se
usan en ciencia. Los conoceremos a continuación.
1. Hipótesis nula
La hipótesis nula hace referencia a que no existe ninguna relación entre las variables que
han sido objeto de investigación. También es llamada “hipótesis de no relación”, pero no
debe ser confundida con una relación negativa o inversa. Simplemente, las variables
estudiadas parecen no seguir ningún patrón concreto.
Se acepta la hipótesis nula si el estudio científico da como resultado que las hipótesis de
trabajo y alternativas no son observadas.
Ejemplo
“No hay relación entre la orientación sexual de las personas y su poder adquisitivo”.
2. Hipótesis generales o teóricas
Las hipótesis generales o teóricas son las que los científicos establecen de forma previa al
estudio y conceptualmente, sin cuantificar las variables. Generalmente, la hipótesis teórica
nace de procesos de generalización a través de ciertas observaciones preliminares sobre el
fenómeno que desean estudiar.

Ejemplo

“A mayor nivel de estudios, mayor sueldo”. Existen varios subtipos dentro de las hipótesis
teóricas. Las hipótesis de diferencia, por ejemplo, concretan que hay una diferencia entre

1
Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020
dos variables, pero no miden su intensidad o magnitud. Ejemplo: “En la facultad de
Psicología hay un mayor número de alumnas que de alumnos”.
3. Hipótesis de trabajo
La hipótesis de trabajo es la que sirve para intentar demostrar una relación concreta entre
variables a través de un estudio científico. Estas hipótesis se verifican o se refutan por
medio del método científico, por lo que en ocasiones también se conocen como “hipótesis
operacionales”. Generalmente, las hipótesis de trabajo nacen de la deducción: a partir de
ciertos principios generales, el investigador asume ciertas características de un caso
particular. Las hipótesis de trabajo tienen varios subtipos: asociativas, atributivas y causales.
3.1. Asociativa
La hipótesis asociativa concreta una relación entre dos variables. En este caso, si conocemos
el valor de la primera variable, podemos predecir el valor de la segunda.
Ejemplo
“Hay el doble de matriculados en primero de bachillerato que en segundo de bachillerato”.
3.2. Atributiva
a hipótesis atributiva es la que se usa para describir los hechos que ocurren entre las
variables. Se usa para explicar y describir fenómenos reales y mensurables. Este tipo de
hipótesis solo contiene una variable.
Ejemplo
“La mayoría de personas sin hogar tienen entre 50 y 64 años de edad”.
3.3. Causal
La hipótesis causal establece una relación entre dos variables. Cuando una de las dos
variables aumenta o disminuye, la otra sufre un aumento o disminución. Por tanto, la
hipótesis causal establece una relación causa-efecto entre las variables estudiadas. Para
identificar una hipótesis causal se debe establecer un vínculo de causa efecto, o relación
estadística (o probabilística). También es posible verificar esta relación a través de la
refutación de explicaciones alternativas. Estas hipótesis siguen la premisa: “Si X, entonces
Y”.
Ejemplo
“Si un jugador entrena 1 hora adicional cada día, su porcentaje de acierto en los
lanzamientos se incrementa un 10%”.

4. Hipótesis alternativas
Las hipótesis alternativas intentan ofrecer una respuesta a la misma pregunta que las
hipótesis de trabajo. No obstante, y tal como se puede deducir por su denominación, la
hipótesis alternativa explora relaciones y explicaciones distintas. De este modo es posible
investigar acerca de distintas hipótesis durante el transcurso de un mismo estudio científico.
Este tipo de hipótesis también puede subdividirse en atributivas, asociativas y causales.
Más tipos de hipótesis usados en ciencia
Existen otros tipos de hipótesis no tan comunes, pero que también son usados en distintos
tipos de investigaciones. Son los siguientes.

5. Hipótesis relativas
Las hipótesis relativas dan constancia de la influencia de dos o más variables sobre otra
variable.
Ejemplo
2
 Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020
“El efecto del descenso del PIB per cápita sobre el número de personas que tienen planes de
pensiones privados es inferior al efecto de la caída del gasto público sobre la tasa de
malnutrición infantil”.
Variable 1: descenso del PIB
Variable 2: caída del gasto público
Variable dependiente: número de personas que tienen plan de pensión privado.

6. Hipótesis condicionales
Las hipótesis condicionales sirven para señalar que una variable depende del valor de otras
dos. Se trata de un tipo de hipótesis muy parecido a las causales, pero en este caso existen
dos variables “causa” y solo una variable “efecto”.
Ejemplo
“Si el jugador recibe una tarjeta amarilla y además es apercibido por el cuarto árbitro,
deberá ser excluido del juego durante 5 minutos”.
Causa 1: recibir tarjeta amarilla
Causa 2: ser apercibido
Efecto: ser excluido del juego durante 5 minutos. Como vemos, para que la variable
“efecto” se dé, no solo es necesario que se cumpla una de las dos variables “causa”, sino
ambas.

7. Hipótesis probabilísticas
Este tipo de hipótesis indican que hay una relación probable entre dos variables. Es decir, la
relación se cumple en la mayoría de casos estudiados.
Ejemplo
“Si el estudiante no dedica 10 horas al día a leer, (probablemente) no aprobará el curso”.

8. Hipótesis determinísticas
Las hipótesis determinísticas indican relaciones entre variables que se cumplen siempre, sin
excepción.
Ejemplo
“Si un jugador no lleva botas con tacos, no podrá disputar el partido”.

3. ¿Qué es una distribución normal y como es su gráfica y explicación?

 Distribución Normal:

3
 Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020

La distribución normal es un ejemplo importante referido a una variable aleatoria continua

(la variable puede tomar cualquier valor real)
Podemos usar la distribución normal como una herramienta para calcular probabilidades.
Por ejemplo, puede usarse para aproximar la distribución binomial (calcular
probabilidades de la distribución binomial con números 'grandes' no ha sido tarea
sencilla). Esta propiedad está en el origen de la curva normal.

Aproximación normal a la distribución Binomial

En algunos casos, una distribución Binomial puede aproximarse con una distribución
Normal con la misma media y varianza.

La función de densidad de una distribución normal tiene forma de campana. Es simétrica

en torno a la media. El área total bajo la curva es 1 (como corresponde a una función de
densidad).

La densidad está concentrada en torno a la media y se hace muy pequeña conforme nos
alejamos del centro por la derecha o la izquierda (las 'colas' de la distribución). Cuanto
más alejado es el valor del centro de la función de densidad menos probable es observar
ese valor.

Dos parámetros determinan una distribución normal: la media y la desviación estándar.

Por tanto, puede ser adecuado hablar de las distribuciones normales, en plural, y decir
que son una familia biparamétrica de distribuciones. Luego veremos que la más simple de
ellas juega un papel destacado.

Si una variable aleatoria sigue una distribución normal podemos escribirlo con esta
notación:
4
 Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020

La media de la distribución determina el centro de la gráfica de la función de densidad.

Si cambiamos la media la forma de la gráfica no cambia, simplemente se traslada a

derecha o izquierda.

La función de densidad tiene dos puntos de inflexión que están localizados a una
distancia de la media de una desviación típica (más y menos).

Aumentando la desviación estándar (si no modificamos la media, el centro de la gráfica

no cambia) la forma de la curva cambia. La curva se hace más ancha y menos alta, es
decir, la dispersión aumenta. Cuanto mayor es la desviación estándar mayor es la
dispersión de la variable.

5
 Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020

Si la desviación estándar es pequeña la curva es más alta y estrecha. La dispersión de la

variable es menor.

El ejemplo más sencillo es la llamada distribución normal estándar. Es el caso especial

cuando la media es igual a 0 y la varianza es 1.

Juega un papel importante en los cálculos a través de un proceso que llámanos

estandarización o tipificación de la variable.

La función de distribución (a veces se añade la palabra 'acumulada') tiene forma de S. A

cada valor de x le corresponde la probabilidad de que la variable aleatoria X tome valores
menores o iguales a x. A partir de la función de densidad (en nuestro caso, la 'campana'),
para calcular los valores de la función de distribución se calcula el área bajo la curva

6
 Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020
desde menos infinito hasta x. Se trata de una integral que, en el caso de la
distribución normal, sólo puede hacerse numéricamente.

El caso particularmente importante es el de la distribución normal estándar. Usamos

tablas y ordenadores para hacer estos cálculos. Una notación habitual para este caso de
la función de distribución es:

7
 Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020

La media está representada por un triángulo y se puede interpretar como un punto de

equilibrio. Al arrastrarlo se modifica también la media.

Arrastrando el punto sobre la curva (que es uno de los dos puntos de inflexión de la
curva) se modifica la desviación típica.

Podemos ver la función de distribución acumulada y cómo cambia al modificar la media

(simple traslación) y la desviación típica (reflejando la mayor o menor dispersión de la
variable).

Los puntos rojos controlan la escala vertical y horizontal de la gráfica.

4. ¿cómo se halla el número Z crítico y el Z de prueba?

El valor crítico se designa mediante z α/2 .
P(Z > zα/2) = α/2
P[-z α/2 < z < z α/2] = 1 − α
α es rl nivel de significación.
1 − α es el nivel de confianza, que es la probabilidad de que el parámetro a estimar se
encuentre en el intervalo de confianza.
Los niveles de confianza más usuales son: 90%; 95% y 99%.
PRUEBA.Z (función PRUEBA.Z)

Probar hipótesis en las que la estadística de prueba es discreta, la región crítica se puede
elegir de forma arbitraria y determinar su tamaño. Si es demasiado grande, se puede reducir
al hacer un ajuste en el valor crítico. Puede ser necesario aumentar el tamaño de la muestra
para compensar la disminución que ocurre de manera automática en la potencia de la prueba
(probabilidad de rechazar Ho dado que una alternativa específica es verdadera).
Por generaciones enteras de análisis estadístico, se ha hecho costumbre elegir un nivel de
significancia de 0.05 ó 0.01 y seleccionar la región crítica en consecuencia. Entonces, por
supuesto, el rechazo o no rechazo estricto de Ho dependerá de esa región crítica. En la
estadística aplicada los usuarios han adoptado de forma extensa la aproximación del valor P.
La aproximación se diseña para dar al usuario una alternativa a la simple conclusión de
"rechazo" o "no rechazo".
La aproximación del valor P como ayuda en la toma de decisiones es bastante natural pues
casi todos los paquetes de computadora que proporcionan el cálculo de prueba de hipótesis
entregan valores de P junto con valores de la estadística de la prueba apropiada.
Un valor P es el nivel (de significancia) más bajo en el que el valor observado de la
estadística de prueba es significativo.
8
 Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020
El valor P es el nivel de significancia más pequeño que conduce al rechazo de la
hipótesis nula Ho.
El valor P es el mínimo nivel de significancia en el cual Ho sería rechazada cuando se utiliza
un procedimiento de prueba especificado con un conjunto dado de información. Una vez que
el valor de P se haya determinado, la conclusión en cualquier nivel particular resulta de
comparar el valor P con:
Valor P Þ rechazar Ho al nivel .
 Valor P > Þ No rechazar Ho al nivel
5. ¿qué consideraciones se hacen para rechazar la hipótesis?
 Formular la hipótesis y su alternativa. Normalmente la hipótesis de trabajo (por
ejemplo, tal tratamiento es mejor que el control o tal procedimiento tiene menos
morbilidad) es contrastada con una hipótesis estadística que supone que no existe
tal efecto o tal diferencia. La razón para hacer esto es que se puede calcular de
antemano la distribución de probabilidades asociadas con tal situación. Esta
hipótesis se conoce con el nombre de hipótesis nula que se abrevia como H0
(Nullus: Nula, falto de valor y fuerza para obligar o tener efecto). La expresión
matemática es H0: 1= 2. La hipótesis alternativa es que el efecto sí existe,
que es distinto de cero, y que en algunos casos se puede especificar el signo de
esa diferencia. Normalmente corresponde a la hipótesis de trabajo, se abrevia
como H1 y tiene tres alternativas: µ 1≠ µ 2, µ 1< µ 2 o bien µ 1> µ 2.

Elegir la prueba estadística apropiada de acuerdo al diseño experimental, el tipo de

datos y el número de grupos que se comparan. La cifra que resulta de usar la
prueba (aplicar la o las fórmulas) en los datos recolectados se conoce como el
estadístico del test en cuestión: z; estadístico t o de Student, la r de Pearson, F del
análisis de varianza, 2. La distribución del estadístico puede ser calculada de
antemano cuando la H0 es verdadera y por lo tanto conocer los valores que
delimitarán distintas porciones del área bajo la curva de esa distribución; éstas se
conocen como distribuciones de muestreo. Vale la pena decir aquí, y lo
reiteraremos luego, que las pruebas de hipótesis en ningún caso prueban la
veracidad de la hipótesis alternativa o de trabajo, limitándose a decir que no hay
suficiente evidencia para rechazar la hipótesis nula basándose en un nivel
preestablecido de probabilidades.

Elegir el nivel de significación α de la prueba, el límite para rechazar H0. En

general, se acepta α = 0,01 ó 0,05, cifras que implican un 1%, o un 5%
respectivamente, de posibilidades de equivocarse cuando se rechaza H0, de decir
que hay una diferencia cuando en realidad no la hay. Este es el llamado error tipo
I.

Calcular el valor de P. Esta es la probabilidad de obtener los resultados

observados u otros más extremos si la H0 es verdadera, cifra que es determinada
por el área de la distribución que queda más allá del valor calculado.

9
Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020
Si p es menor que α, rechazar H0 y aceptar la alternativa; en caso contrario, se
acepta la hipótesis nula. El conjunto de valores que resultarían en el rechazo de H0
– calculados conociendo la prueba usada, α y el número de observaciones – se
conoce con el nombre de región crítica (Figura 1). Este punto puede refrasearse
así: se rechaza la H0 si el estadístico cae en la región crítica. En los apéndices de
los textos de estadística aparecen tablas con la distribución de estos estadísticos,
dando el valor de p y donde el tamaño de la muestra se considera en los grados de
libertad.

10
 Corporación Universitaria Minuto de Dios
Unidad de Ciencias Básicas. ELAB: Marco A Barrero C 2020

BIOBLIOGRAFIA

https://concepto.de/estadistica-inferencial/#ixzz6G8sxvaRe
http://www.matematicasvisuales.com/html/probabilidad/varaleat/normal.html
https://psicologiaymente.com/psicologia/tipos-de-hipotesis
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap02c.html

11