Contrastes 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 contrastes (test) de hipótesis la estrategia es la siguiente:
- Establecemos a priori una hipótesis cerca del valor del parámetro.
- Realizamos la recogida de datos.
- Analizamos la coherencia de entre la hipótesis previa 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.
Sean cuales sean los deseos de los investigadores, el test de hipótesis siempre va a contrastar la hipótesis nula.
Recordar el test para comprobar la normalidad
Dos pruebas de normalidad:
- Test de Kolmogorov-Smirnov: si el tamaño muestral es superior a 50
- Test de Shapiro-Wilks: si el tamaño muestral es inferior a 50
Son test no paramétricos.
Tipo de análisis estadísticos según el tipo de variables implicadas en el estudio:
Errores de hipótesis
El test de hipótesis mide la probabilidad de error que cometo si rechazo la hipótesis nula.
Con una misma muestra podemos aceptar o rechazar la hipótesis nula. Todo depende de una error, al que llamamos α.
El error α es la probabilidad de equivocarnos al rechazar la hipótesis nula.
El error α más pequeño al que podemos rechazar H0 es el error p. (p es sinónimo de α minimizada)
Habitualmente rechazamos H0 para un nivel α máximo del 5% (p< 0.05). Por encima del 5% de error, aceptamos la hipótesis nula. Por debajo de 0,05 rechazamos la hipótesis nula.Es lo que llamamos “significación estadística”.
Nosotros explicaremos tres test de hipótesis:
- Test chi-cuadrado
- Test T de Student
- Test Regresión Lineal
Test Chi Cuadrado
T de Student
Regresión Lineal
No hay comentarios:
Publicar un comentario