PRUEBAS DE HIPTESIS. Introduccin.

En este texto de Mtodos Cuantitativos aplicados a los estudios en Psicologa, intenta describir en forma clara y precisa, los principales elementos bsicos estadsticos de las pruebas que se emplean en las mediciones cuantitativas de sta ciencia social. Se plantea el clculo, la interpretacin y la aplicacin de los estadsticos o pruebas estadsticas ms empleadas en la prctica. Planteando la estadstica descriptiva e inferencial destinada principalmente a estudiantes del segundo semestre de la carrera de psicologa, reseando los contrastes paramtricos y no paramtricos de mayor aplicacin, en la que se mencionan las principales caractersticas que los identifican; lo que ayudar al estudiante a poder seleccionarlos de acuerdo a estudio que realizan. Definicin: La estadstica se puede conceptualizar como un conjunto de mecanismos o procesos para: a) Obtener informacin. b) Interpretar la informacin (analizar). c) Inferir sobre la toma de decisin. Mtodo: 1. Diseo. 2. Tipo de Estudio. 3. Variable involucrada. 4. Unidades experimentales. 5. Respuesta a: 6. Contraste de hiptesis. 7. Prueba estadstica empleada. 8. Nivel de significacin. 9. Distribucin muestral. 10. Regin de Rechazo. PRUEBAS PARAMTRICAS. Las pruebas paramtricas son los estadsticos ms confiables, ya que poseen un alto grado de potencia estadstica. En este tipo de pruebas no se utilizan los datos obtenidos del estudio en forma directa, sino que se les tiene que dar un tratamiento, es decir, se tienen que determinar los estimadores de la distribucin en cuestin. Las pruebas paramtricas ms comunes son: 1) Prueba Z 2) Prueba t de Student. 3) ANOVA (anlisis de varianza). 4) Prueba F de Snedecor.

DISTRIBUCIN NORMAL (Prueba Z).

DISTRIBUCIN t DE STUDENT. El estadstico W.S. Gosset, desarroll una familia de distribuciones, llamadas distribuciones t de Student que contienen un reconocimiento inherente de las limitaciones impuestas por las muestras pequeas. En la realidad de la investigacin psicolgica se hace necesario a veces trabajar con muestras pequeas para efectuar estudios preliminares o estudios piloto, que le permitan eliminar las trabas de los procedimientos experimentales y tambin le den una idea acerca de cuales podran ser los resultados en un experimento ms completo. Propiedades. La distribucin t de Student, est asociada al concepto de grados de libertad. Para expresarlo en forma simplificada, los grados de libertad constituyen el nmero de maneras de cmo los datos pueden variar libremente. Entre mayor sea el nmero de grados de libertad que se tengan, la distribucin t, se acercar ms a la forma de una distribucin normal; los grados de libertad as asociados a una distribucin, se determinan por el nmero de variables presentes. En sntesis la t de Student, es una prueba estadstica paramtrica que nos permite saber si dos grupos difieren entre s de manera significativa respecto a sus medias. La ventaja de la t radica en la reduccin de los errores de tipo I que resultan del empleo con muestras pequeas. Hiptesis. La hiptesis de investigacin propone que los grupos difieren significativamente o convincentemente entre s y que la hiptesis nula propone, que los dos grupos no difieren significativamente en relacin con la variable que se mide. Variables Involucradas. La comparacin se realiza sobre una sola variable. Si se estn manejando diferentes variables, se debern efectuar varias aplicaciones de la prueba t, una por cada variable. (Ejemplo: Un experimento con dos grupos, a uno de los cuales se aplica un estmulo experimental y el otro se emplea como grupo control). Niveles de Medicin de la Variable.

Los niveles de medicin para esta prueba son de Intervalo y de Razn. Siendo la primera de estos niveles, aquella en donde a la propiedad se le asignan nmeros y la escala se caracteriza por tener unidades constantes. La segunda se emplea para medir propiedades. Muestras. El tipo de muestras que se pueden trabajar con esta prueba son: Correlacionadas o pareadas, as como no correlacionadas o no pareadas, tambin llamadas independientes.

ANLISIS DE VARIANZA (anova). El anlisis de varianza no es solamente un mtodo estadstico. Es una tcnica y una forma de pensar. Es tambin una de las muchas expresiones de lo que se llama modelo lineal general. La cuestin es que las medidas de la variable dependiente se conciben como aquellas que tienen dos o ms componentes y la tarea del anlisis de varianza consiste en determinar las contribuciones relativas de estos componentes a la variacin de la variable dependiente. Es decir, es una prueba para analizar s ms de dos grupos de estudio difieren significativamente entre s, en cuanto a sus medias y varianzas. Propiedades. La ventaja de ste mtodo es que toma en cuenta el total de las interrelaciones de los grupos y por tanto, no es necesario realizar varios clculos para las diferentes combinaciones. El anlisis de varianza permite el empleo de una cantidad de diseos sofisticados de los cuales podemos obtener un mximo de informacin. La prueba de ANOVA tiene dos estimadores (media y desviacin estndar); las varianzas <Dentro> y <Entre> de la misma poblacin, siendo esto la dispersin de las medias de los grupos, es decir, la dispersin de las puntuaciones en cada grupo en particular. Hiptesis. El anlisis de varianza exige el cumplimiento de varias hiptesis. La hiptesis de investigacin a la cual llamaremos general en este proceso, establece que existe diferencia entre las medias de los distintos grupos. Las hiptesis 1 y 3 dependen de los adecuado del diseo experimental; la 2 hiptesis de la homogeneidad de la varianza. La hiptesis nula propone que los grupos no difieren en forma alguna entre sus medias de forma significativa entre s.

Variables Involucradas. Las variables que estn relacionadas con ANOVA, son del tipo independientes y dependientes. Niveles de Medicin. La variable independiente es categrica y la dependientes de intervalo o de razn. Significa que la variable independiente puede formar grupos diferentes, as mismo puede ser una variable nominal, ordinal, por intervalos o de razn, pero en estos ltimos dos casos, la variable debe reducirse a categrica, por ejemplo: nivel socioeconmico (muy alto, alto, medio, bajo etc.); antigedad en la empresa (de 0 a 1 ao, ms de 5 aos, etc.). Anlisis de Varianza para una Clasificacin Simple y bivariada. El ANOVA se puede describir mediante la siguiente forma del modelo lineal: X=+t+E X-=t+ E El cual revela que cualquier medicin dada (x) difiere de la media poblacional () en una cantidad que se debe a los efectos combinados del tratamiento (t) el cual se someti a la unidad experimental y de la variacin natural o residuo (E), por lo tanto si el tratamiento no produce efectos, entonces t ser nulo. El ANOVA unidimensional produce un valor conocido como F o razn F (Snedecor) que se basa en una distribucin muestral. TIPO DE DISEOS. I.- Diseo Aleatorizado. En el modelo aleatorizado, primero se selecciona la muestra por un nmero de individuos y luego son asignados aleatoriamente a los grupos de estudio. 2.- Diseo Estratificado. El diseo estratificado o jerrquico es muy til en numerosas situaciones de investigacin psicolgica. Bsicamente este diseo es una extensin del anlisis del anlisis de varianza simple. Este diseo forma parte de los diseos de experimentos ms sofisticados, utilizados comnmente para el anlisis.

3.- Diseo de Bloques Aleatorios. Este tipo de diseo de ANOVA, tiene sus orgenes en la investigacin agronmica, la cual se emplea para reducir el error que proviene de la heterogeneidad de los factores ambientales en el terreno experimental. Aplicado a psicologa, se toman del mismo modo los factores ambientales, en una gran muestra representativa de alguna poblacin afectada por algn fenmeno psicolgico, que se desea estudiar. En ciertos casos experimentales, ste diseo de bloques, puede ayudar a reducir la suma de los cuadrados (sc) de los residuos y aumenta la posibilidad de detectar diferencias reales entre las medias de los tratamientos. Por ejemplo, al examinar las diferencias entre los efectos de cuatro tipos de factores, los bloques pueden establecerse en el rea experimental y cada uno de ellos cuatro factores puede ser asignado aleatoriamente a cada uno de los cuatro factores experimentales que conforman el bloque. 4.- Diseo Factorial. El anlisis factorial de la varianza, es un mtodo estadstico que analiza los efectos independientes e interactuantes de dos o ms variables independientes sobre una variable dependiente. El modelo matemtico se apoya en un modelo lineal siendo de la siguiente forma: Y = a0 + A + B + AB + e En el caso de dos variables; donde y es el puntaje de un individuo sobre la variable dependiente, a0 es el trmino comn a todos los sujetos, la media general A es el efecto de la variable independiente; B es el efecto de otra variable independiente. AB es el efecto de ambas variables trabajando conjuntamente o interactuando y e es el error. Un modelo de tres variables independientes tendra la siguiente forma: Y = a0 + A + B + C + AB + AC + BC + ABC + e La diversidad de los experimentos factoriales que pueden encontrarse en la experimentacin psicolgica es muy grande. Un diseo factorial permite en esencia la separacin y la evaluacin de los factores de cada uno de los dos (o ms) factores que afectan una sola unidad experimental. Adems, esto permite la deteccin de los efectos de interaccin, entre dos o ms factores, entendindose por interaccin, que el factor A puede tener efectos distintos cuando acta en presencia del factor B, que cuando no esta presente.

PRUEBAS NO PARAMTRICAS. En las pruebas no paramtricas, no se hace referencia acerca de la forma exacta de la poblacin de la que se obtienen las muestras. Las hiptesis que se establecen van relacionadas a: 1. Considerar que la distribucin es continua. 2. Que las poblaciones tienen la misma forma. 3. Qu las distribuciones son simtricas respecto al mismo punto. Sin embargo, estas hiptesis nunca determinan por completo la distribucin de la poblacin como lo es el caso de la curva normal. Ventajas y Desventajas de estas pruebas. 1. Simplicidad de deduccin. (Se requieren pocos conocimientos matemticos). 2. facilidad de aplicacin. (Operaciones: restas, sumas, rangos, conteo etc.). 3. Rapidez de aplicacin. (Debido al tamao de la muestra). 4. Campo de aplicacin (Hiptesis menos detalladas). En conclusin, las pruebas no paramtricas son: 1. Son ms sencillas de aplicar. 2. Validas para datos expresados en rangos. 3. tiles cuando dos conjuntos de observaciones proceden de distintas poblaciones. 4. nica posibilidad de uso, cuando el tamao de la muestra es pequeo. 5. tiles a un nivel de significacin determinado. PRUEBA U DE MANN WHITNEY, La prueba U de Mann Whitney es una de las pruebas no paramtricas mas poderosas y constituye una alternativa cuando el investigador desea evitar suposiciones que otro tipo de pruebas exige o en el caso de que la investigacin sea ms vaga que la escala de intervalo. Cuando se ha logrado por lo menos una medida ordinal, la U puede emplearse para probar si dos grupos independientes han sido tomados de la misma poblacin, es decir, se aplica con muestras aleatorias extradas independientemente, cuyos tamaos no requieren ser el mismo; pero si se requiere que las variables que representan a dichas mediciones (porcentajes u observaciones) sean variables continuas. La existencia o no de empates de los intervalos

jerarquizados (rangos) no influye o altera el resultado. Aunque tiene muchas ventajas, una desventaja es que posee una baja efectividad estadstica. Propiedades. La U elimina parcialmente la prdida de informacin, causada por algunas pruebas estadsticas como lo sera la de Signos, cuando se compara a dos distribuciones poblacionales, ya que est ignora las magnitudes de las observaciones pareadas provocando desviaciones con respecto a la hiptesis nula (Ho:). El estadstico U emplea las magnitudes relativas de las observaciones y es equivalente a la propuesta en forma independiente a la propuesta en forma independiente de Wilcoxon. Todas las puntuaciones de la distribucin en conjunto, se ordenan por rangos de acuerdo a valores crecientes en magnitud, teniendo en cuenta el signo algebraico para los valores negativos. Sustituto. La prueba U es el equivalente no paramtrico de la prueba t de Student, para datos independientes bajo las siguientes circunstancias: 1. Cuando los datos estn solamente en un nivel Ordinal. 2. Si los datos son de intervalo o de razn, pero estn distribuidos anormalmente (Ejemplo: estn severamente sesgados). 3. Si los datos son de intervalo o de razn, pero las varianzas de las dos muestras no cumplen con una igualdad de la prueba de la varianza. Hiptesis. Supongamos que tenemos muestras de dos poblaciones A y B. La hiptesis nula supondr que A y B tienen la misma distribucin. Mientras que la hiptesis de investigacin (H1:), frente a la cual probamos la hiptesis nula (H0:), establece que A es estocasticamente mayor que B, una hiptesis direccional. Por supuesto, se puede predecir que B es estocasticamente ms grande que A, luego entonces la hiptesis de investigacin ser: p(a > b) > , la confirmacin de esta hiptesis implicara una capacidad de B ms alta que la de A. Para una prueba de dos colas, para una prediccin de diferencias que no asevera la direccin, la hiptesis de investigacin sera p (a > b ) . Si el valor observado de U tiene una probabilidad asociada igual o menor que , se rechaza la H0: y se acepta la H1:.

La hiptesis nula establece la analoga de las distribuciones poblacionales y en cierta forma la igualdad de las dos medias o medianas. Si las dos distribuciones poblacionales son ms o menos similares, tanto en forma como en variabilidad, la U es una prueba excelente de la tendencia central. En la que se establece: No hay diferencia estadsticamente significativa entre los valores de ambos grupos.

Variables Involucradas y Escalas. La prueba se emplea cuando los datos que se comparan en los dos subconjuntos corresponden a una medicin ordinal (ejemplo: escalas de actitudes). En la escala nominal se atribuyen nmeros de categoras mutuamente excluyentes. Entonces podemos llamar a un grupo 1 y al otro grupo 2, y cuantificar el nmero de elementos existente en 1 y 2. La escala nominal se emplea en variables que resultan imposibles contar en forma como el genero, color de piel, cuando se pueden hacer comparaciones de mayor y menor o superior e inferior. Los tipos de variables en este proceso no paramtrico son del tipo Nominales y Ordinales; la primera establece orden y jerarqua entre las categoras con intervalos iguales de medicin y la segunda puede aplicar operaciones matemticas. Desarrollo. Sea n1, el nmero de casos del ms pequeo de los dos grupos independientes y n2 el nmero de casos del ms grande, Considerando n1 el grupo experimental y n2 el grupo control. La prueba U aplica combinando las observaciones o puntajes, de ambos grupos para clasificarlos de menor a mayor. Para determinar la asignacin del valor observado de U, dependen del tamao de n2 de la siguiente forma: a) Si n2 es de ocho o menor, la probabilidad exacta asociada con un valor tan pequeo como el valor observado de U aparece en la tabla correspondiente a este caso. Para una prueba de dos colas, se aplica el valor de p obtenido en la tabla. Si la U observada no aparece en la tabla, se deber calcular la y transformarse en U, con la siguiente formula: U = n1n2- b) Si n2 est entre 9 y 20 datos, la asignacin de cualquier valor de U, puede determinarse con la tabla correspondiente. Cuando el valor observado de U sea mayor que n1n2/2, se trata de y hay que usar la formula anterior para su transformacin.

c) Si n2 es mayor que 20 la probabilidad asociada con el valor tan extremo como el valor observado de U, puede determinarse calculando el valor de Z dado en la formula y se compara. Para una prueba de dos colas, se duplica la p que aparece en la tabla. PRUEBA T DE WILCOXON. Esta prueba propuesta por Wilcoxon, considera la magnitud relativa, as como la direccin de las diferencias, es decir, da mayor peso al par que muestra una diferencia grande entre las dos condiciones qu el par que exhibe una diferencia pequea. Propiedades. La prueba T de Wilcoxon de rangos igualados y rangos sealados, es la de mayor utilidad para el cientfico conductual. Con datos conductuales de esta disciplina, no es raro que el investigador pueda: a) Saber cual de los dos miembros de un par es mayor, es decir, indicar el signo de la diferencia en cualquier par. b) Clasificar las diferencias por orden de tamao absoluto, es decir, puede hacer el juicio de mayor que entre las ejecuciones de cualquier par y tambin entre los puntajes de dos diferencias cualesquiera, procedente de dos pares. Con tal informacin, el investigador puede usar esta prueba. La prueba de la suma de rangos propuesta por Wilcoxon, puede usarse para analizar un experimento de diferencias pareadas o correlacionadas, a travs de las diferencias pareadas de los tratamientos A y B. Del mismo modo el estadstico T puede emplearse en muestras para datos no pareados empleando el estadstico U. Sustituto. Esta prueba para datos correlacionados es un sustituto no paramtrico de la prueba t de Student, para datos pareados. Este estadstico tiene un alto grado de eficiencia entre las pruebas no paramtricas. Hiptesis. Si partimos de que los tratamientos A y B son equivalentes, entonces Ho: es verdadera. Es decir, algunos de los rasgos mayores procedern de las diferencias positivas mientras que otros procedern de las diferencias negativas. Pero si la suma de los rangos positivos es diferente a la de los rangos negativos, se puede deducir que el tratamiento A difiere del tratamiento B, de esta manera rechazamos la Ho:.

Para probar la hiptesis nula, de que las frecuencias relativas de las dos poblaciones son iguales, se emplea el estadstico T, que corresponde a la menor de las sumas de los rangos ordenados. Si el valor de T es menor, mayor ser el peso de la evidencia a favor del rechazo de la hiptesis nula. Variables y Escalas. El requisito de informacin es Ordinal, no slo dentro de los pares, sino tambin de las diferencias entre los pares, esto parece equivalente a pedir una medicin con la fuerza de una escala mtrica ordenada. En cuanto a su fuerza una escala mtrica ordenada se halla entre una escala ordinal y una escala de intervalos. Mtodo. Para efectuar la prueba de Wilcoxon, se calculan las diferencias de los n pares. Si alguna de las diferencias son nulas, se eliminan y se reduce el valor de n. A la diferencia cuyo valor absoluto es menor se le asigna el rango 1, a la siguiente el 2, etc. Ahora se calcula la suma de los rangos asignados de las diferencias positivas y la suma de los rangos asignados a las diferencias negativas. Para probar la hiptesis nula de que los histogramas de frecuencias relativas de las dos poblaciones son iguales, se deber encontrar la regin de rechazo para T. Anlisis de Varianza No Paramtrico. Si no se cumplen las suposiciones del anlisis de varianza del mtodo paramtrico, tales como: la normalidad y la homogeneidad de las varianzas de los tratamientos en su lugar se puede emplear estadsticos no paramtricas. Los mtodos no paramtricos de anlisis de varianza, al igual que muchos otros no paramtricos dependen de la asignacin del rango. Aqu se estudian dos formas bsicas: los anlisis de varianza unidimensional y bidimensional o de medidas repetidas. PRUEBA H DE KRUSKALL WALLIS. El Mtodo de Kruskall Wallis, es similar al anlisis de varianza unidimensional. Es sencillo y efectivo. Existen en ocasiones situaciones de investigacin en las cuales la nica forma de medicin posible es el orden por rangos o medicin ordinal. La prueba de Kruskall Wallis es de gran utilidad en esas situaciones, pero tambin es til cuando los datos son irregulares, aunque sujetos al rango. Es decir, en situaciones en las cuales el

experimentador quiere expresar respuestas cualitativas en trminos cuantitativos. Propiedades. La H, se emplea cuando se desea saber, si existe diferencia entre grupos; apoyada en un modelo para evaluar el significado de esas diferencias. Es importante recordar el hecho de que este mtodo pierde importancia estadstica, a medida que el nmero de grupos disminuye. La H se distribuye aproximadamente como la Chi Cuadrada ( 2 ), por lo tanto sta es una prueba de apoyo para la significacin. Sustituto. Esta prueba para datos no correlacionados es un sustituto no paramtrico de la prueba anlisis de varianza bidimensional Aleatorizado. Hiptesis. La hiptesis nula establece que no existe diferencia alguna entre las medidas de los distintos grupos. El caso contrario la hiptesis de investigacin dir, al menos un grupo es diferente. Variables Involucradas. La variable relacionada con esta prueba es del tipo Ordinal, evaluando con una escala arbitraria tal como 1,2,3 y 4.

PRUEBA 2 DE FRIEDMAN. Cuando los mismos sujetos son observados ms de una vez, se puede utilizar una forma de anlisis de varianza unidimensional. Tambin puede emplearse un anlisis de varianza bidireccional del orden de rangos. El orden por filas (hileras) prueba la diferencia entre las columnas; si por el contrario el orden de los rangos se da en las columnas, se prueba la diferencia entre las filas. Propiedades. El anlisis de varianza de dos clasificaciones es til para probar la hiptesis nula de un nmero k de muestras, que han sido extradas de la misma poblacin, cuando los datos estn por lo menos en una escala Ordinal. Puesto que las muestras han sido igualadas, el nmero de casos es el mismo en cada una de las muestras. La igualacin puede hacerse

estudiando el mismo grupo de sujetos en cada una de las k condiciones o se puede obtener varios conjuntos. Sustituto. Esta prueba para datos no correlacionados es un sustituto no paramtrico de la prueba anlisis de varianza bidimensional por bloques. Hiptesis. La regin de rechazo consiste en que todos los valores de 2 son tan grandes, que la probabilidad asociada con su ocurrencia conforme a la hiptesis nula es igual o menor que alfa igual a 0.05. Al calcularse 2 su distribucin muestral es aproximadamente como la de la prueba Chi cuadrada con grados de libertad K-1, cuando N o K o ambas son grandes. Variables y Escalas. El requisito de la escala es Ordinal, as como de una escala de intervalo. Mtodo. Para la prueba de Friedman, los datos se colocan en una tabla de dos clasificaciones con N filas y K columnas. Las filas representan a los diferentes sujetos o conjuntos de sujetos igualados y las columnas representan las diferentes condiciones. PRUEBA 2 CHI O JI CUADRADA. Es una medida de la discrepancia que existe entre las frecuencias observadas y las esperadas. Esta tcnica no paramtrica es esencial cuando se trabaja con variables categricas y no variables cuantitativas, es decir, cuando no estamos midiendo una cantidad para cada elemento de la muestra, sino que estamos contando; cuntos elementos puede incluirse en cada una de varias categoras descriptivas. Las comparaciones ms sencillas se relacionan con solamente dos categoras, por ejemplo: hombre/ mujer; si/no; aprueba/reprueba; sencillo/complejo, etc. Propiedades. La primera es que es una variable aleatoria y no asume valores negativos. La segunda es que la distribucin Chi cuadrada, slo depende de los grados de libertad y la tercera es que la distribucin

Chi Cuadrada, est siempre sesgada a la derecha. Cuanto mas grados de libertad se tienen, menos sesgo se presenta. La aplicacin se lleva a cabo a dos grupos o variables las cuales arrojan datos, segn una escala de actitud. Para el caso en que slo intervenga el azar, las frecuencias esperadas se determinan asignando la mitad de las respuestas <si> y la mitad de las respuestas <no> a cada uno de los dos grupos, puesto que ambos son de igual tamao. El estadstico 2 se emplea para comprobar si una distribucin difiere de alguna distribucin terica previamente establecida, es decir, si hay asociacin entre dos variables cualitativas. Grados de Libertad. Son el nmero N de observaciones independientes en la muestra ( es decir, el tamao muestral) menos el nmero K de parmetros de la poblacin que deben estimarse a partir de las observaciones de la muestra. En el caso de este estadstico, el nmero de observaciones independientes en la muestra es N, con las cuales se calcula el valor de s. Los grados se determinan en general, mediante la expresin: gl = (r-1) (c-1) siendo: r = El nmero de renglones o filas de la tabla y c = El nmero de columnas de la tabla de contingencia. Sustituto. Parecido sin tener ninguna relacin con el anlisis de varianza factorial, debido a los datos categricos. Hiptesis. La hiptesis nula establece que no hay diferencia en la proporcin de la variable en todos los grupos, y para cuando se analizan variables establece que no hay asociacin entre las variables. Variables y Escalas. Las variables y las escalas que maneja est prueba son del tipo categricas es decir, Nominales y Ordinales.