2. Hipótesis: definición
✶ Son suposiciones que relacionan una
variable con otra y que serán probadas a
través de la investigación, 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.
3. Hipótesis: características
✶Puede ser o no verdaderas
✶Se refiere a una situación real
✶Se refiere a una sola relación entre
variables
✶Precisa, concreta, clara y lógica
✶Se refiere a variables y relaciones
observables y medibles
✶Consideran técnicas disponibles para su
contraste
4. Hipótesis: clasificación
✶de investigación (generales o
específicas), las cuales pueden
responder en forma amplia a las
interrogantes planteadas en el Marco
Teórico respecto al problema en estudio;
✶estadísticas, las que expresan la
relación en términos matemáticos.
5. Hipótesis: ejemplos
✶El índice de cáncer pulmonar es mayor
entre los fumadores que entre los no
fumadores
✶A mayor variedad en el trabajo, mayor
motivación intrínseca hacia él
✶Los accidentes de tránsito son más
frecuentes en varones que en mujeres
6. ¿Cuál es la hipótesis de nuestro
estudio?
✶En los estudios de prevalencia
(descriptivos), no hay hipótesis que
comprobar. Se desea estimar la prevalencia.
✶Puede medirse la asociación estadística
mediante pruebas
✶En los estudios analíticos (con hipótesis) se
mide la fuerza de la asociación entre dos
variables (factor y evento)
7. ¿Cuál es la hipótesis de nuestro
estudio?
✶en un único estudio no se pueden
comprobar todas las hipótesis que se
nos ocurran, sino un número limitado
✶Al usar pruebas estadísticas, para
comprobar hipótesis, las
probabilidades o p valores son guías, y
los resultados son orientativos, hasta
sun confirmación en otros estudios
8. Contraste de hipótesis
✶Una hipótesis estadística es una asunción relativa
a una o varias poblaciones, que puede ser cierta o
no. Las hipótesis estadísticas se pueden contrastar
con la información extraída de las muestras y
tanto si se aceptan como si se rechazan se puede
cometer un error.
✶La hipótesis formulada con intención de
rechazarla se llama hipótesis nula y se representa
por Ho. Rechazar Ho implica aceptar una
hipótesis alternativa (H1).
9. Contraste de hipótesis
Error tipo II (beta)
Decisión correcta
Ho no rechazada
Decisión correcta
Error tipo I (alfa)
Ho rechazada
Ho falsa
H1 cierta
Ho cierta
alfa = p (rechazar H0|H0 cierta)
beta = p (aceptar H0|H0 falsa)
Potencia =1- beta = p (rechazar H0|H0 falsa)
Detalles a tener en cuenta
alfa y beta están inversamente relacionadas.
Sólo pueden disminuirse las dos, aumentando n.
10. Los pasos necesarios para
realizar un contraste
✶Establecer la hipótesis nula
✶Establecer la hipótesis alternativa
✶Elegir un nivel de significación: nivel crítico para
alfa
✶Elegir un estadístico de contraste
✶Calcular el estadístico para una muestra aleatoria
y compararlo con la región crítica, o, calcular el
"valor p" (probabilidad de obtener ese valor, u
otro más alejado de la Ho, si Ho fuera cierta) y
compararlo con alfa.
11. Ejemplo
Estamos estudiando el efecto del estrés sobre
la presión arterial. La hipótesis: la presión
sistólica media en varones jóvenes
estresados es mayor que 18 cm de Hg.
Estudiamos una muestra de 36 sujetos y
encontramos promedio=18.5 y desviación
estándar 3.6
12. ¿Qué tipo de datos tenemos?
✶Cualitativos o cuantitativos
✶Independientes o no: los datos medidos en el
mismo individuo, o provenientes de estudios
apareados, no son independientes.
✶Por ejemplo, los datos provenientes de un ensayo
clínico cruzado, o de un estudio de caso y
controles, donde los últimos han sido apareados
por edad, sexo, área de residencia y clase social,
no son independientes.
13. ¿Qué tipo de prueba
estadística?
✶El tipo de prueba estadística a utilizar
depende del tipo de datos
✶Si son independientes, definir cuál es la
variable dependiente o explicada (Y) y cuál
la independiente o explicativa (X).
✶P.ej., en un ensayo clínico la variable
explicativa es el tipo de tratamiento y la
dependiente puede ser la presión arterial.
14. Ejemplo
✶En una muestra de 100 pacientes sometidos a un
cierto tratamiento se obtienen 80 curaciones.
Calcular el intervalo de confianza al 95% de la
eficacia del tratamiento.
✶¿Qué significa? La verdadera proporción de
curaciones está comprendida entre 72% y 88%
con un 95% de confianza.
✶¿Es suficientemente preciso? Habrá que juzgarlo
con criterios clínicos
15. Intervalos de confianza
✶La prevalenciaLa prevalencia y la
incidencia acumuladaLa prevalencia y la
incidencia acumulada son proporciones,
por tanto sus IC se calculan como tales
=
16. Ejemplo:
En una muestra aleatoria de 500 personas de
un área, hay 5 diabéticos. La prevalencia
estimada es
17. Y el intervalo de confianza
= 0,001 a 0,019
✶¿Qué significa? La verdadera prevalencia de
diabetes está comprendida entre 0,1% y 0,19%
con un 95% de confianza.
✶¿Es suficientemente preciso? Habrá que
juzgarlo con criterios clínicos