El lenguaje de la prueba de hipótesis

La teoría de la prueba de hipótesis estadística fue desarrollada a principios del 20^º siglo, y ha sido el pilar de estadísticas prácticos desde entonces. Fue diseñado para aplicar el método científico a situaciones que implican datos con fluctuaciones aleatorias (y casi todos los datos del mundo real tiene fluctuaciones aleatorias). Los siguientes son algunos términos que se utilizan comúnmente en la prueba de hipótesis.

• Hipótesis nula (H abreviado₀): La afirmación de que ningún efecto aparente que se ve en los datos no refleja ningún real efecto en la población, sino que es meramente el resultado de fluctuaciones aleatorias en su muestra.

  Video: Prueba Chi Cuadrado | Contraste de hipótesis

• hipótesis alternativa (H abreviado₁ o H_alt): La afirmación de que en realidad es algún efecto real en sus datos, por encima de todo lo que es atribuible a las fluctuaciones aleatorias.

• Prueba de significación: Un cálculo diseñado para determinar si H₀ razonablemente puede explicar lo que se ve en los datos.

• Significado: La conclusión de que las fluctuaciones aleatorias por sí solos no pueden dar cuenta de la magnitud del efecto se observa en los datos, por lo que H₀ debe ser falsa, y usted acepta H_alt.

  Video: Prueba de hipótesis: Desviación estándar desconocida- P1

• Estadística: Un número que obtenga o calcular a partir de sus datos.

• Estadística de prueba: Un número, calculado a partir de los datos, por lo general con el propósito de la prueba H₀. Es a menudo - pero no siempre - calcula como el cociente de un número que mide el tamaño del efecto (la señal) dividido por un número que mide el tamaño de las fluctuaciones aleatorias (el ruido).

• valor de p: La probabilidad de que las fluctuaciones aleatorias solos en ausencia de cualquier efecto real (en la población) podrían haber producido un efecto observado al menos tan grande como lo que se observa en la muestra. El valor p es la probabilidad de fluctuaciones aleatorias que hacen la estadística de prueba al menos tan grande como lo que se calcula a partir de los datos (o, más precisamente, al menos, tan lejos de H₀ en la dirección de H_alt).

• Error de tipo I: Conseguir un resultado significativo cuando, de hecho, ningún efecto real es presentes fluctuaciones aleatorias, única.

• Alfa: La probabilidad de cometer un error tipo I.

• error de tipo II: El no poder obtener un resultado significativo cuando, de hecho, algún efecto está realmente presente.

• Beta: La probabilidad de cometer un error tipo II.

• Poder: La probabilidad de obtener un resultado significativo cuando algún efecto está realmente presente.