HIPOTESIS

HIPOTESIS

1. Explicación anticipada Suposición de la relación de hechos o fenómenos Eslabón entre teoría e investigación Lleva al descubrimiento de nuevas aportaciones Su respuesta conduce al planteamiento de nuevas hipótesis

   • Las hipótesis son conjeturas o suposiciones para explicar algo que va ha ser objeto de instigación, éstas no se inventan o imaginan simplemente, sino que se obtienen en base de informaciones o experiencias válidas.

2. La hipótesis debe referirse a una situación “real”. Las variables o términos de la hipótesis deben ser comprensibles, precisos y lo más concretos posible. La relación entre variables propuesta por una hipótesis debe ser clara y verosímil (lógica). Los términos o variables de la hipótesis deben ser observables y medibles. Las hipótesis deben estar relacionadas con técnicas disponibles para probarlas

3. HIPOTESIS NULA

   • Hipótesis nula La hipótesis nula es una declaración que no anticipa ningún efecto o diferencia significativa en un estudio. Representa el estado inicial de la creencia antes de la recolección de datos. Es una afirmación de que cualquier tipo de efecto o diferencia observada en el estudio es producto del azar o de variaciones naturales en los datos. Por lo tanto, la hipótesis nula generalmente se formula para poder ser probada y potencialmente refutada con evidencia empírica.
   • HIPOTESIS ALTERNATIVA
     • Hipótesis alternativa (alterna) La hipótesis alternativa es la contraparte de la hipótesis nula. Propone que existe un efecto o una diferencia significativa. Es la declaración que el investigador pretende demostrar con los datos recolectados. La hipótesis alternativa se acepta cuando la evidencia estadística es suficientemente fuerte para rechazar la hipótesis nula.

4. FORMULACION DE TEORIA. RECOGIDA DE DATOS. RESUMEN DE LOS DATOS. INTERPRETACION DE LOS DATOS

   • ERROR TIPO 1 SE COMETE CUNADO RECHAZAMOS LA HIPOTESIS NULA
     • En estadística existen dos elementos fundamentales que nos permiten tomar una decisión: P-valor: es la probabilidad de equivocarse al aceptar la hipótesis del investigador como verdadera, es decir, la probabilidad de cometer un error tipo I. El nivel de significancia (nivel de significación): es la máxima cantidad de error que estamos dispuestos a aceptar para dar como válida la hipótesis del investigador, a. Lo que pretende el investigador es rechazar la hipótesis nula (H0), para quedarse con la hipótesis alterna (H1) y de este modo poder corroborar su teoría
       • Si el P-valor es menor al nivel de significancia, rechazamos la hipótesis nula (H0) y concluimos que la hipótesis del investigador (H1) es verdadera. Si el P-valor no es menor al nivel de significancia no podemos rechazar la hipótesis nula (H0) y por consiguiente no se puede comprobar la teoría del investigador.
   • ERROR TIPO 2 SE COMETE CUANDO ACEPTAMOS LA HIPOTESIS NULA

5. INTERVALOS DE CONFIANZA

   • Si extraemos infinitas muestras de una población, los promedios de estas muestras se distribuirían acorde a la curva normal, lo que posibilita lo siguiente: Cuando se estima un valor poblacional, esta estimación tiene un margen de error derivado del hecho de que no se trabaja con el total poblacional. Al tratarse de una distribución normal, el margen de precisión de la estimación del parámetro puede asignarse de antemano. De esto se deduce que para la estimación de un parámetro debe asumirse previamente un nivel de significación (o significancia) conocido como α (alfa). De esta manera 1 – α corresponde al nivel de confianza (o seguridad) de la estimación del parámetro. En conclusión, la estimación de un parámetro con un nivel de significación de 0,05 (α = 0,05) implica que existe un 95% de seguridad de estimar acertadamente el valor del parámetro.