¿Qué es una hipótesis estadística? [Ejemplos, Formulación y Contraste]

La estadística es fundamental ya que nos proporciona las herramientas necesarias para cuantificar la realidad que nos rodea. 

A través de la estadística, podemos  identificar tendencias, detectar patrones y establecer relaciones significativas en un conjunto de datos que provienen de poblaciones. Uno de los instrumentos fundamentales en este proceso es la hipótesis estadística. 

Acompáñanos en este artículo para profundizar en el fascinante mundo de las hipótesis estadísticas y descubrir cómo desvelan secretos ocultos en los datos.

¿Qué es una hipótesis estadística?

En el campo de la investigación, existen numerosos tipos de hipótesis, una de las más esenciales y poderosas es la hipótesis estadística, especialmente relevante en el contexto de los estudios estadísticos. 

La hipótesis estadística es una afirmación que propone predicciones específicas, en la distribución de una o más variables dentro de una población (Farji-Brener, 2004). 

La hipótesis se formula basándose en teorías existentes y se diseña para ser sometida a prueba a través del análisis estadístico (CEPAL, s/f; Quevedo Ricardi, 2011).

Ejemplo de hipótesis estadística

Imaginemos un estudio sobre los efectos del sueño en la productividad laboral. Se quiere comprobar que hay una relación directa entre la cantidad de horas de sueño y la productividad laboral de los empleados. Específicamente, se plantea la siguiente hipótesis estadística:

En este caso:

• Variable independiente: La cantidad de horas de sueño por noche.
• Variable dependiente: La productividad laboral de los empleados.
• Predicción: dormir 8 horas conduce a un aumento del 20% en la productividad laboral.

Formulación de hipótesis estadísticas

Para hacer una hipótesis estadística hay que redactar una declaración afirmativa que contenga una predicción de comportamiento. Además, usa verbos que indiquen la relación entre las variables. 

Puedes guiarte de la siguiente tabla:  

‍

Luego de redactar tu hipótesis estadística, debes escribir tu Hipótesis Nula (H0) La hipótesis nula propone que no existe una relación significativa o efecto en el fenómeno estudiado. Esencialmente, actúa como la antítesis de la hipótesis de investigación y se formula con el objetivo de ser sometida a prueba y potencialmente refutada (Icart Isern, et al.,2006).

Observa el siguiente ejemplo de una hipótesis estadística junto con su correspondiente hipótesis nula:

Ten en cuenta que en los estudios estadísticos a la hipótesis de investigación se le suele llamar hipótesis alternativa, que se designa como Ha. Pero, en otros contextos, Ha se considera como un planteamiento distinto, a la hipótesis nula y a la hipótesis de investigación. Por ello, es importante que definas claramente los términos y el marco de cada estudio estadístico para evitar confusiones.

Contraste de hipótesis estadística

Las hipótesis estadísticas se someten a pruebas para evaluar si la hipótesis de investigación es respaldada por los datos de la muestra, utilizando una hipótesis nula como punto de referencia.

En una prueba de hipótesis, se utiliza un contraste para evaluar si los datos de una muestra apoyan o refutan una hipótesis establecida sobre una población. 

Cada tipo de contraste (bondad de ajuste, conformidad, homogeneidad e independencia) se enfoca en aspectos específicos de las hipótesis, como la distribución de la población, parámetros poblacionales, comparación entre grupos o la relación entre variables. 

Estos contrastes son herramientas esenciales en el proceso de realizar pruebas de hipótesis en estadística (Gil Pascual, 2011; Martínez Bencardino, 2021)

A continuación te presentamos los 4 tipos de contraste de hipótesis: 

1. Contrastes de bondad de ajuste

Son pruebas que se utilizan para determinar si una muestra de datos se ajusta a una distribución específica, es decir, se compara la distribución observada de los datos con la distribución teórica esperada. 

Si las diferencias entre estas distribuciones son pequeñas, se puede concluir que los datos se ajustan a la distribución teórica. 

• Ejemplo: Supongamos que un fabricante de caramelos declara que en cada bolsa hay un 30% de caramelos rojos, un 20% azules, un 30% verdes y un 20% amarillos. Para comprobar esta afirmación, se podría tomar una muestra representativa de varias bolsas y contar la cantidad de caramelos de cada color. Luego, se aplicaría un test estadístico, para comparar las proporciones observadas de cada color con las proporciones anunciadas por el fabricante. Si las diferencias no son estadísticamente significativas, se confirma que la distribución de colores en las bolsas de caramelos coincide con la especificada por el fabricante.

2. Contrastes de conformidad

Se utilizan para verificar si un parámetro específico de la población, como la media o la varianza, coincide con un valor teórico o esperado. 

• Ejemplo: si un fabricante de baterías afirma que la duración media de sus baterías es de 100 horas, podrías realizar un contraste de conformidad para comprobar esta afirmación. Esto implicaría tomar una muestra de baterías, medir su duración y luego usar un test estadístico, para determinar si la duración media observada en la muestra difiere significativamente de las 100 horas afirmadas. Si no hay una diferencia estadísticamente significativa, se podría concluir que la afirmación del fabricante sobre la duración media de las baterías es acertada.

3. Contrastes de homogeneidad

Se utilizan para comparar dos o más poblaciones en relación con algún parámetro específico, como la media o la proporción. 

• Ejemplo: imaginemos que queremos comparar dos marcas de bombillas para ver si tienen la misma duración promedio. Recogemos una muestra de bombillas de ambas marcas, medimos su duración y luego utilizamos un test estadístico para determinar si hay diferencias significativas en la duración promedio entre las dos marcas. Si el test muestra que no hay diferencias significativas, podemos concluir que ambas marcas tienen una duración promedio similar.

4. Contrastes de independencia

Se utilizan para evaluar si hay una relación entre dos variables dentro de una población. Esto implica investigar si los cambios en una variable están asociados con cambios en la otra.

• Ejemplo: si queremos saber si hay relación entre el género de los estudiantes y su preferencia por una asignatura específica. Recogeremos datos sobre el género de los estudiantes y su asignatura favorita, y luego aplicaríamos el test para ver si hay una asociación significativa entre estas dos variables. Si el resultado muestra que no hay relación significativa, concluimos que la preferencia por la asignatura es independiente del género del estudiante.

Tipos de hipótesis estadística

Si alguna vez te preguntaste ¿cuáles son los tipos de hipótesis en estadística?, te contamos que existen las siguientes clasificaciones:

1. Hipótesis de estimación
2. Hipótesis de correlación
3. Hipótesis de diferencia de medias

Veámoslo en detalle.

Hipótesis de estimación

Se utiliza para traducir afirmaciones descriptivas en términos cuantitativos. En otras palabras, buscan cuantificar las afirmaciones de las hipótesis descriptivas.  

Ejemplo:  El número de accidentes de tráfico en una ciudad durante el año 2023 será un 15% menor que en el año 2020. 

Una hipótesis de estimación puede ser mediante (Ocaña Peinado, s/f):

• Estimación puntual: Es una suposición sobre un número que no conocemos exactamente. Imagina que quieres adivinar el peso promedio de todos los infantes en una ciudad, pero no puedes pesar a todos. Entonces, tomas el peso promedio de algunos(as) niños(as) de la muestra y dices, "El peso promedio de todos los niños y las niñas en la ciudad es de alrededor de 22 kilogramos".
• Estimación por intervalo: En lugar de adivinar un número exacto, decimos que el número podría estar en un rango específico. Por ejemplo, "El peso promedio de todos los niños y las niñas en la ciudad podría estar en cualquier intervalo entre 21.3 y 23.3 kilogramos, con una confianza de 98%”.

_Publicidad

Hipótesis de correlación

Busca determinar si existe una correlación estadísticamente significativa entre las variables, es decir, si los cambios en una variable están relacionados con cambios en la otra variable (Espinoza Freire, 2018). 

Ejemplo: Existe una correlación negativa significativa entre la cantidad de ejercicio físico semanal y el nivel de obesidad en adultos, lo que sugiere que a medida que aumenta la cantidad de ejercicio, el nivel de obesidad tiende a disminuir.

Las hipótesis estadísticas de correlación se expresan típicamente en términos de la fuerza y dirección de la relación entre las variables (Hernández Lalinde, et al., 2018; Rowntree, 1984):

• Fuerza de la correlación: Esta parte de la hipótesis indica si la correlación es fuerte o débil. Una correlación fuerte implica que los cambios en una variable están fuertemente relacionados con los cambios en la otra variable, mientras que una correlación débil sugiere una relación más tenue.
• Dirección de la correlación: La dirección puede ser positiva o negativa. Una correlación positiva significa que, a medida que una variable aumenta, la otra también tiende a aumentar. Por otro lado, una correlación negativa indica que a medida que una variable aumenta, la otra tiende a disminuir.

Hipótesis de diferencia de medias

Se utiliza para investigar si existen diferencias significativas entre las medias o promedios de dos o más grupos en un estudio. En otras palabras, se utiliza para determinar si los grupos son estadísticamente distintos en lo que respecta a la variable en estudio (Levin y Rubin, 2004; Vargas Sabadías, 1995). 

Ejemplo: Existe una diferencia significativa en la pérdida de peso promedio entre los individuos que siguen la dieta A y aquellos que siguen la dieta B. 

Las hipótesis estadísticas de diferencias de medias se expresan en términos de las medias poblacionales que representan a cada grupo y se someten a pruebas estadísticas para evaluar si las diferencias observadas entre las muestras son estadísticamente significativas.

Aplicación de las hipótesis estadísticas

Si alguna vez te has preguntado ¿dónde se aplica la hipótesis estadística?, debes saber que tiene una aplicación diversa, como se muestra a continuación:

• Ciencias Naturales: se utilizan para explorar fenómenos naturales. Ejemplo: Las plantas expuestas a luz artificial durante 8 horas al día crecen un 30% más rápido que las que reciben luz natural.
• Ciencias de la Salud: sirven para evaluar la eficacia de nuevos tratamientos o medicamentos. Ejemplo: El tratamiento con el nuevo antidepresivo reduce la severidad de los síntomas en pacientes con depresión moderada en un 25% más que el tratamiento estándar.
• Ciencias Sociales: sirven para analizar el impacto de políticas o comprender dinámicas sociales. Ejemplo: La introducción de un impuesto al carbono reduce la emisión de CO2 de las industrias en un 15% en el primer año.
• Negocios y Administración: permiten evaluar estrategias y prácticas, como el impacto de una campaña de marketing digital en las ventas. Ejemplo: Una campaña de marketing digital aumenta en un 20% las ventas de un producto específico en comparación con el periodo anterior sin la campaña.
• Ingeniería y Tecnología: se aplican para mejorar procesos y productos. Ejemplo: Las piezas de automóviles fabricadas con el nuevo material compuesto tienen, en promedio, una durabilidad mayor en al menos 2 años en comparación con las piezas fabricadas con material tradicional.

Referencias bibliográficas

• Comisión Económica para América Latina y el Caribe (CEPAL) (s/f). Las pruebas de hipótesis ¿El valor observado es lo suficientemente cercano al valor hipotético, como para no rechazar la hipótesis planteada? [PDF] Ver enlace.
• Espinoza Freire, E. (2018). La hipótesis en la investigación. Mendive, 16 (1), 122-139. Ver enlace.
• Farji-Brener, A. G. (2004). ¿Son hipótesis las hipótesis estadísticas? Ecología austral, 14(2), 201-203. Ver enlace.
• Gil Pascual, J. (2016). Técnicas e instrumentos para la recogida de información. Universidad Nacional de Educación a Distancia
• Hernández Lalinde, J. D., Espinosa Castro, F., Rodríguez, J. E., Chacón Rangel, J. G., Toloza Sierra, C. A., Arenas Torrado, M. K., Carrillo Sierra, S. M., y Bermúdez Pirela, V. J. (2018). Sobre el uso adecuado del coeficiente de correlación de Pearson: definición, propiedades y suposiciones. Archivos Venezolanos de Farmacología y Terapéutica, 37(5),587-595. Ver enlace.
• Icart Isern, T., Fuentelsaz Gallego, C., Pulpón Segura, A. (2006). Elaboración y presentación  de un proteyecto de investigación y una tesina. Universitat de Bacerlona. 
• Izcara Palacios, S. P. (2014). Manual de investigación cualitativa. Ediciones Fontamara.
• Levin, R., y Rubin, S. (2004). Estadistica para administracion y economía. Pearson Educación
• Martínez Bencardino, C. (2021). Estadística Básica Aplicada. Ecoe.
• Ocaña Peinado, F. (s.f.). Análisis de variables relacionadas con la docencia e investigación en la Fac. farmacia. Ver enlace.
• Quevedo Ricardi, F. (2011). La prueba de la hipótesis. Medwave.
• Rowntree, D. (1984). Introducción a la estadística: un enfoque no matemático. Norma.
• Vargas Sabadías, A. (1995). Estadística descriptiva e inferencial. Universidad de Castilla-La Mancha.

_{*Este artículo tiene un propósito orientativo y educativo. Si surgen preguntas o dudas sobre el contenido presentado, se recomienda encarecidamente consultar la bibliografía propuesta o buscar la orientación de un tutor o experto en el campo correspondiente para obtener una comprensión más completa y precisa.}