Prueba de hiptesis.

Hiptesis:

Es una proposicin que establece relaciones, entre los hechos; para otros es una posible
solucin al problema; otros ms sustentan que la hiptesis no es ms otra cosa que una
relacin entre las variables, y por ltimo, hay quienes afirman que es un mtodo de
comprobacin.

- Son suposiciones que relacionan una variable con otra y que sern probadas a travs
de la investigacin, con el fin de ser aceptadas o rechazadas por medio de los
resultados obtenidos.
- Son ante todo, enunciados que expresan afirmaciones o negaciones sobre la
realidad.

Una prueba de hiptesis es una prueba estadstica que se utiliza para determinar si
existe suficiente evidencia en una muestra de datos para inferir que cierta condicin es
vlida para toda la poblacin. La prueba de hiptesis examina dos hiptesis opuestas sobre
una poblacin: la hiptesis nula y la hiptesis alternativa. La hiptesis nula es el enunciado
que se probar. Por lo general, la hiptesis nula es un enunciado de que "no hay efecto" o
"no hay diferencia". La hiptesis alternativa es el enunciado que se desea poder concluir
que es verdadero.

Supongamos que el administrador de una empresa, establece que la eficiencia de trabajo

promedio de sus empleados es de al menos 90%. Cmo podemos probar la validez de su
hiptesis? Utilizando mtodos de muestreo, se podra calcular la eficiencia de una muestra
de sus empleados. Si se hiciera esto y el estadstico de la muestra resultara ser 95%,
aceptaramos sin demora la afirmacin del administrador. Sin embargo, si el estadstico de
la muestra resultara ser de 46% rechazaramos su afirmacin por falsa.

No podemos aceptar o rechazar una hiptesis sobre un parmetro de poblacin solo

por intuicin. Ms bien, necesitamos aprender como decidir objetivamente si aceptamos
o rechazamos una corazonada, con base en la informacin de la muestra.

Planteamiento de la hiptesis estadstica

Aquella hiptesis que se desea contrastar se llama hiptesis nula (Ho), por tanto, la que
se acepta o rechaza como conclusin del contraste. La hiptesis nula suele ser una
estrategia o medio del que se sirve el investigador para probar la alternativa. Suele ir
acompaada por la hiptesis alternativa o hiptesis experimental, simbolizada por H1. La
hiptesis alternativa es la que se verifica cuando no se verifica la hiptesis nula. El
planteamiento de Ho permite elaborar un modelo Probabilstico a partir del cual podemos
llegar a la decisin final.

~1~
 A su vez, al plantear una hiptesis, esta puede ser simple o compuesta. Una hiptesis es
simple si se especifica exactamente el valor del parmetro. Una hiptesis es compuesta, si
contiene dos o ms valores del parmetro. La hiptesis nula (Ho) por ser ms concreta suele
ser simple y la alternativa, compuesta. Es frecuente plantearlas como complementarias.

Ejemplos de hiptesis nula y alternativa:

1. Hiptesis nula.

La expectativa de ingreso mensual de los trabajadores de una corporacin no oscila entre

50 000Bs a 60 000Bs (es una hiptesis nula descriptiva de una variable que se va a observar
en un contexto).

2. Hiptesis alternativa.

El promedio de horas laboradas por parte del empleado de una empresa es de 8 horas
diarias.

Pasos bsicos en la prueba de hiptesis.

- Formular las hiptesis nula y alternativa.

- Especificar el nivel de significancia que habr de usarse.
- Elegir el estadstico de prueba.
- Establecer el valor o los valores crticos del estadstico de prueba.
- Determinar el valor del estadstico de prueba.
- Tomar la decisin.

Contraste de hiptesis.

Los contrastes de hiptesis o de significacin permiten verificar la veracidad de alguna

hiptesis establecida acerca de una poblacin, determinando si los valores difieren
significativamente de los esperados por la hiptesis, o si las diferencias observadas se
deben al azar. La tcnica de Contraste de Hiptesis es precisa para establecer
procedimientos para aceptar o rechazar hiptesis estadsticas emitidas acerca de un
parmetro, u otra caracterstica de la poblacin.

La nica forma de saber con certeza absoluta que una hiptesis estadstica es verdadera,
es examinar toda la poblacin. Pero esto, en la mayora de los casos resulta, imposible (por
falta de medios econmicos, imposibilidades tcnicas, etc.). Por lo tanto, la decisin debe
adoptarse a partir de los resultados de una muestra de la poblacin (supuesta
representativa), que nos inducir a tomar la decisin sobre la verdad o falsedad de la
hiptesis. Pero es difcil sta decisin, porque aunque sepamos exactamente el valor del
parmetro de la poblacin, en las muestras es muy difcil que se verifique ese valor exacto,

~2~
por lo que debemos decidir unos lmites de valores del parmetro en la muestra, que nos
puedan llevar a la decisin de aceptar el valor del parmetro poblacional.

Los pasos a seguir en un contraste de hiptesis son:

1) Describir las caractersticas de la poblacin acerca de la cual se va a probar la

hiptesis (establecer si se cumplen los supuestos del contraste).
2) Formular las hiptesis nula y alterna (Ho y Ha).
3) Escoger un nivel de significacin o probabilidad de Error Tipo I, a.
4) Seleccionar el estadstico de contraste cuya distribucin muestral sea conocida en el
supuesto de que Ho sea verdadera, pero sin hacer clculos.
5) Determinar la regin crtica o de rechazo, misma que depende del tipo de hiptesis,
de la probabilidad del Error Tipo I y del estadstico de contraste.
6) Calcular el estadstico de contraste.
7) Tomar una decisin de rechazar Ho o no rechazarla.
8) Dar una conclusin al problema.

Ejemplo: Un auditor extrae una muestra aleatoria de tamao 36 y calcula la media muestral
porque desea probar la suposicin de que el valor medio de todas las cuentas por cobrar en
una determinada empresa sea de 2.600Bs, el auditor desea rechazar este valor supuesto de
2.600Bs solo si la media muestral lo contradice claramente.

Ho: = 2.600Bs

Ha: 2.600Bs

Errores en los contrates de hiptesis

Cuando se realiza un contraste de hiptesis, siempre debemos tener en cuenta que cuando
aceptamos o rechazamos una hiptesis puede que estemos cometiendo un cierto error.
Cuando Rechazamos Ho, significa que Ho es falsa y cuando aceptamos Ho, significa que
Ho es verdadera. Por tanto, se pueden considerar, dos tipos de errores que se pueden
cometer cuando se realiza un contraste:

- Error tipo I (): Es el error que se comete en la decisin del contraste cuando se rechaza
la hiptesis nula (Ho), siendo correcta (cierta).

Ejemplo: se considera que una empresa est en quiebra, a pesar de que est operativa
(hiptesis nula: la empresa est operativa)

- Error tipo II (): Es el error que se comete en la decisin del contraste cuando se acepta
la hiptesis nula (Ho), siendo falsa.

~3~
Ejemplo: se cree que no se han cancelado las facturas de la empresa, cuando si se han
cancelado. (Hiptesis nula: no se han cancelado las facturas)

Importancia de las pruebas de hipotesis en la administracin y contadura.

Para un administrador (a) o contador (a), la realizacin de pronsticos es de suma

importancia ya que son tiles para prevenir los cambios del entorno, de manera que
anticipndose a ellos sea ms fcil la adaptacin de las organizaciones y la integracin de
los objetivos y decisiones de las mismas. A travs de los pronsticos, se pueden prever las
perdidas en los resultados de los estados financieros futuros, y de esta manera se pueden
tomar decisiones bien sea la reduccin de costos y gastos, planear estrategias que ayuden al
mejoramiento de la compaa, y que se cumpla con el objetivo de toda empresa que es la
de generar dinero. Por ejemplo, con base en un anlisis de rotacin de inventarios se puede
tomar la decisin de aumentar o sacar del mercado un determinado producto.

Anlisis de varianzas (ANOVA)

El modelo de ANOVA (Analisis of variance) son tcnicas estadsticas que sealan si dos
variables (una independiente y otra dependiente) estn relacionadas en base a si las medias
de la variable dependiente son diferentes en las categoras o grupos de la variable
independiente. Es decir, seala si las medias entre dos o ms grupos son similares o
diferentes.

Los modelos ANOVA permiten, bsicamente, comparar los valores medios que toma la
variable dependiente en J poblaciones en las que los niveles de factores son distintos, con
la finalidad de determinar si existen diferencias significativas segn dichos niveles o si, por
el contrario, la respuesta en cada poblacin es independiente de los niveles de factores. Se
trata, por tanto, de un contraste paramtrico que extiende al caso de J poblaciones el
contraste de la igualdad de medias entre dos poblaciones independientes.

Aunque existen muchos y muy diferentes modelos de ANOVA, puede obtenerse una
clasificacin bastante simple de los mismos atendiendo a tres criterios: el nmero de
factores, el tipo de muestreo efectuado sobre los niveles de los factores y el tipo de
aleatorizacin utilizada para seleccionar las muestras representativas de cada poblacin y
agrupar sus elementos (o unidades experimentales) en los distintos grupos que se desea
comparar.

Segn el nmero de factores, se llama ANOVA de un factor al modelo en el que existe

una nica variable independiente; en cambio, si el modelo consta de ms de un factor se le
denomina modelo factorial o se habla de Anlisis de Varianza Factorial.

~4~
 En cuanto al muestreo de niveles, se refiere a la forma de establecer los niveles de cada
factor. Esto depende, normalmente, de los intereses del investigador. Si se fijan nicamente
aquellos niveles del factor que realmente interesa estudiar, estamos ante un modelo de
ANOVA de efectos fijos (tambin llamado modelo I) mientras que si los niveles se
seleccionan aleatoriamente de entre todos los posibles, se trata de un modelo ANOVA de
efectos aleatorios (o modelo II).

Las distinciones basadas en el tipo de aleatorizacin, son equivalentes a las que se

establecen al hablar de muestras independientes y muestras relacionadas. Como en todo
experimento estadstico en el que no resulta posible trabajar con la poblacin en su
totalidad, se deben elegir muestras aleatorias y asignarse tambin aleatoriamente sus
elementos a los diferentes niveles o tratamientos, para asegurar que no se cometan errores
sistemticos. Si las unidades experimentales reaccionan o responden a los tratamientos de
la misma manera, se dice que son homogneas. Por el contrario si responden de diferente
manera a los tratamientos debido a sus diferencias intrnsecas, se dirn heterogneas. Por
otra parte, el tamao de las muestras puede ser o no el mismo. Diremos que un diseo es
equilibrado o balanceado si todas las muestras tienen el mismo tamao y no equilibrado o
no balanceado en caso contrario.

El ANOVA trata de determinar si los niveles de factores pueden conllevar

diferencias en la respuesta en los distintos grupos o poblaciones, contrastando la
igualdad de medias de la variable dependiente en dichos grupos. Para ello, se basa en
el estudio de la varianza.

Ejemplo: al director de una empresa le gustara saber si cualquiera de cinco procesos para
montar componentes aumenta la productividad por hora y reduce el nmero de
componentes defectuosos.

Para realizar el anlisis de varianza a un estudio se siguen diez pasos

1) Descripcin de datos.
2) Supuestos
3) Hiptesis
4) Estadstica de prueba
5) Distribucin de la estadstica de prueba
6) Regla de decisin
7) Clculo de la estadstica de prueba
8) Decisin de estadstica
9) Conclusin
10) Calculo del valor p (probabilidad)

CARACTERSTICAS PRINCIPALES

~5~
 1. Es aplicable slo cuando las unidades experimentales son homogneas (verificar si
existe tal homogeneidad de los datos, todos provienen de la misma distribucin y no hay
datos atpicos).

2. Los tratamientos pueden tener igual o diferente nmero de unidades experimentales.

3. La distribucin de los tratamientos es al azar en las unidades experimentales. El nmero

de tratamientos est en funcin del nmero de unidades experimentales que se dispone. Es
conveniente tener pocos tratamientos y ms unidades experimentales que muchos
tratamientos con pocas unidades experimentales.

VENTAJAS

Fcil de planear y analizar; adems es flexible en el empleo del nmero de tratamientos y

repeticiones, solo est limitado por el nmero de unidades experimentales disponibles.

Permite verificar si hay diferencias estadsticamente significativas entre medias cuando

tenemos ms de dos muestras o grupos en el mismo planteamiento.

DESVENTAJA

La principal desventaja que presenta este diseo est relacionada a la homogeneidad del
material experimental; el cual es difcil de encontrar en experimentos de campo, por lo que
su uso se restringe con mucha frecuencia a experimentos de laboratorio o donde se pueda
tener control de los efectos no considerados en el estudio (ambiente, temperatura, luz, entre
otros)

~6~
Links

https://es.slideshare.net/Gavi8a/error-tipo-i-y-ii

~7~