Prueba de hipótesis: qué, cómo y por qué [+ 5 recursos de aprendizaje] (2023)

La prueba de hipótesis es un método utilizado por muchos analistas en los sectores privado y gubernamental para hacer declaraciones o suposiciones probables sobre los datos de población.

Si ha estado tratando o estudiando datos de población, debe haber encontrado esta herramienta vital de prueba de hipótesis.

Se pueden emplear muchos métodos para hacer suposiciones, pero no todos brindan mayor precisión.

Y si no está seguro acerca de sus datos pero aún desea usarlos, podría ser riesgoso para su organización.

La prueba de hipótesis es una buena estrategia para lograr un mayor nivel de precisión. Ha sido fundamental en el análisis de la población.

En este artículo, discutiré qué es la prueba de hipótesis, cómo funciona, sus beneficios y sus casos de uso.

Entonces, sin más preámbulos, ¡comencemos!

What is Hypothesis Testing?

La prueba de hipótesis es un método de inferencia estadística que utilizan los analistas para probar si los datos de población disponibles respaldan suficientemente una hipótesis dada y hacen suposiciones a partir de ella.

A través de este método, los analistas pueden evaluar fácilmente una hipótesis y determinar qué tan precisa es la suposición en función de los datos disponibles.

En palabras simples, es un proceso de prueba basado en estadísticas inferenciales que le permite llegar a un veredicto sobre los datos de población en función de los datos de muestra recopilados.

En general, es casi imposible para los analistas encontrar propiedades o algún parámetro en particular de toda la población. Pero a través de la prueba de hipótesis, puede hacer una predicción y una decisión informadas basadas en los datos de la muestra y su precisión.

Types of Hypothesis Testing

Los diferentes tipos de pruebas de hipótesis son:

• Hipótesis nula: Las estadísticas muestran que los datos de muestra son abruptos y que no hay correlación entre las dos variables en los datos de muestra dados.
• Hipótesis alternativa: Demuestra la tesis primaria y se opone a la hipótesis nula. Es la principal fuerza impulsora en el proceso de prueba porque muestra una correlación entre dos variables en los datos de muestra.
• Hipótesis no direccional: Este tipo de prueba de hipótesis sirve como una hipótesis de dos colas. Representa que no hay dirección entre dos variables en los datos de muestra y que el valor real no es el mismo que el valor predicho.
• Hipótesis direccional: La hipótesis direccional representa alguna relación entre dos variables. Aquí, una variable en los datos de una muestra puede influir en las otras variables.
• Hipótesis estadística: Ayuda a los analistas a evaluar si los datos y el valor satisfacen una determinada hipótesis. Es muy útil para hacer afirmaciones y suposiciones con respecto al resultado de un parámetro de población de muestra.

A continuación, analicemos los métodos de prueba de hipótesis.

Methods of Hypothesis Testing

Para evaluar si una hipótesis específica es verdadera o no, como analista, necesitará mucha evidencia plausible para concluir. En este proceso de prueba, se establece una hipótesis nula y alternativa antes de iniciar la evaluación.

La prueba de hipótesis no involucra un solo método sino muchos para evaluar si los datos de la muestra son favorables. Como analista, debe considerar los datos y el tamaño de la muestra y elegir qué método de prueba de hipótesis le conviene.

Pruebas de normalidad

Es un método de prueba de hipótesis estándar para analizar la distribución regular en datos de muestra. Durante el proceso de prueba, se verifica si los puntos de datos agrupados alrededor de la media están por debajo o por encima de la media.

En esta prueba estadística, la posibilidad de que los puntos estén por encima o por debajo de la media es igualmente probable. Se forma una curva de campana y se distribuye por igual a ambos lados de la media.

Prueba Z-Test

Es otro tipo de prueba de hipótesis que se utiliza cuando los datos de la población se distribuyen normalmente. Comprueba que la media de dos parámetros de población separados es diferente cuando usted conoce la varianza de los datos.

Durante el análisis de datos de población, es muy probable que utilice este tipo cuando el tamaño de la muestra de datos sea superior a treinta. Además, el teorema del límite central es otra razón que hace que la prueba Z sea adecuada, ya que el teorema establece que cuando aumenta el tamaño de las muestras, las muestras se distribuyen normalmente.

Prueba de prueba T

Usted utilizará la prueba de hipótesis T-Test cuando el tamaño de la muestra sea limitado y generalmente esté distribuido. En general, cuando el tamaño de la muestra es inferior a 30 y usted desconoce la desviación estándar del parámetro, se aplica principalmente.

Cuando realiza una prueba T, lo hace para calcular los intervalos de confianza de datos de población específicos.

Prueba de chi-cuadrado

La prueba de chi-cuadrado es un proceso popular de prueba de hipótesis que a menudo se usa para evaluar la idoneidad y la integridad de una distribución de datos.

Sin embargo, la razón principal por la que utilizará este tipo de hipótesis es cuando desee probar la varianza de la población frente a una varianza de la población de un valor supuesto o conocido. Se realizan diferentes pruebas de Chi-Cuadrado, pero el tipo más común es el Chi-Square prueba de varianza e independencia.

Pruebas ANOVA

Abreviado como Análisis de varianza, es un método de prueba estadístico que ayuda a comparar los conjuntos de datos de dos muestras. Sin embargo, le permite comparar más de dos medias a la vez.

También explica una variable dependiente y una variable independiente de datos de muestra. El uso de ANOVA es bastante similar al uso de Z-Test y T-Test, pero los dos últimos están limitados a solo dos medios.

How Does Hypothesis Testing Work?

Todos los analistas que utilizan pruebas de hipótesis utilizan datos de muestras aleatorias para el análisis y la medición. Durante la prueba, los datos de la muestra aleatoria se utilizan para probar la hipótesis nula y la hipótesis alternativa.

Como hemos discutido anteriormente, la hipótesis nula y la hipótesis alternativa son totalmente excluyentes entre sí, y durante el resultado de la prueba, solo una puede ser verdadera.

Sin embargo, hay algunos casos en los que se rechaza la hipótesis nula; la hipótesis alternativa no siempre es cierta.

valor p: Mientras comienza el proceso de prueba, el valor p o valor de probabilidad está involucrado y muestra si el resultado es significativo o no. No solo eso, sino que el valor p también muestra la probabilidad de que ocurra un error al descartar o no descartar una hipótesis nula durante la prueba. El valor p resultante es 0 o 1, que luego se compara con el nivel de significación o el nivel alfa.

El nivel de significación aquí define el riesgo aceptable al rechazar una hipótesis nula durante la prueba. Es importante recordar que el resultado de la prueba de hipótesis puede dar lugar a dos tipos de errores:

• Error tipo 1 ocurre cuando el resultado de la prueba descarta la hipótesis nula a pesar de que es verdadera.
• Error tipo 2 aparece cuando la hipótesis nula es aceptada por el resultado de la muestra a pesar de ser falsa.

Todos los valores que provocan el rechazo de la hipótesis nula se almacenan en la región crítica. Y es el valor crítico el que separa las regiones críticas de otras.

Steps to Perform Hypothesis Testing

La prueba de hipótesis implica principalmente cuatro pasos:

• Definir hipótesis: En el primer paso, su trabajo como analista es definir las dos hipótesis para que solo una sea cierta. La hipótesis nula indicará que no hay diferencia en el IMC medio, mientras que la hipótesis alternativa indicará que hay una diferencia significativa en el IMC medio.
• Programa: En el siguiente paso, deberá diseñar un plan de análisis sobre cómo puede analizar los datos de muestra. Es vital que realice un muestreo y recopile los datos de la muestra para asegurarse de que esté diseñado para probar su hipótesis.
• Analizar datos de muestra: Después de decidir cómo evaluará los datos, es hora de comenzar con el proceso. Deberá analizar los datos de la muestra físicamente para que no haya redundancia. Mientras analiza los datos, debe verificar que las muestras sean independientes entre sí y que ambos tamaños de muestra sean lo suficientemente grandes.
• Calcular estadísticas de prueba: En esta etapa, deberá calcular las estadísticas de prueba y encontrar el valor p. El valor p se determinará asumiendo que la hipótesis nula es verdadera.
• Evalúe el resultado: En el paso final, deberá evaluar el resultado de la prueba de hipótesis. Aquí, decidirá si rechaza la hipótesis nula o declara su plausibilidad en función de los datos de la muestra.

Ahora, exploraremos los beneficios de la prueba de hipótesis.

Benefits of Hypothesis Testing

Los beneficios de la prueba de hipótesis son:

• Le ayuda a analizar la fuerza de su reclamo en una decisión de datos.
• Como analista, le permite crear un entorno fiable para decidir sobre datos de muestra.
• Le permite determinar si los datos de muestra involucrados en la prueba de hipótesis son estadísticamente significativos.
• Es beneficioso para evaluar la confiabilidad y validez de los resultados de las pruebas en cualquier proceso de prueba sistemático.

Le ayuda a extrapolar los datos de una etapa de muestra a una población más grande según el requisito.

Use Cases of Hypothesis Testing

La prueba de hipótesis se utiliza en varios sectores para adivinar la precisión de los datos de muestra de manera adecuada. Algunos ejemplos del mundo real de pruebas de hipótesis son:

#1. Ensayos clínicos

La prueba de hipótesis se utiliza ampliamente durante los ensayos clínicos porque ayuda a los profesionales médicos a decidir si un nuevo fármaco, tratamiento o procedimiento será efectivo o no en base a datos de muestra.

Un médico puede pensar que un tratamiento podría aliviar los niveles de potasio en algunos pacientes. El médico puede medir el nivel de potasio de un grupo de pacientes antes de realizar el tratamiento y verificar el nivel nuevamente.

A continuación, el médico realiza una prueba de hipótesis donde H0: Udespués = Uantes, y denota que el nivel de potasio es el mismo que antes después de aplicar el tratamiento. Otra hipótesis indica Ha: Udespués < Uantes, lo que significa que el nivel de potasio ha disminuido después de aplicar el tratamiento.

Entonces, si el valor p es menor que el nivel de significación, el médico puede concluir que el tratamiento puede reducir el nivel de potasio.

#2. Fabricación Industrial

La prueba de hipótesis se utiliza en las plantas de fabricación para ayudar a los supervisores a decidir si el nuevo método o técnica es efectivo o no.

Por ejemplo, algunas unidades de fabricación pueden usar pruebas de hipótesis para determinar si el nuevo método les está ayudando a reducir la cantidad de productos defectuosos por lote. Suponga que el número de productos defectuosos es de 300 por lote.

El fabricante tiene que determinar la media del número total de productos defectuosos producidos antes y después de usar el método. Pueden realizar pruebas de hipótesis y usar hipótesis H0: Udespués = Uantes, donde la media de productos defectuosos producidos después de aplicar un nuevo método es la misma que antes.

Otra hipótesis muestra que HA: Uafter no es igual a Ubefore, lo que significa que el número total de productos defectuosos producidos después de aplicar el nuevo método no es el mismo.

Después de la prueba, cuando el valor p es menor que el nivel de significancia, la unidad de fabricación puede concluir que la cantidad de productos defectuosos producidos ha cambiado.

#3. Agricultura

La prueba de hipótesis se usa a menudo para averiguar si el fertilizante o el pesticida están causando el crecimiento y la inmunidad en las plantas. Los biólogos pueden usar las pruebas para demostrar que una determinada planta podría crecer más de 15 pulgadas después de aplicar el nuevo fertilizante.

El biólogo podría aplicar el fertilizante durante un mes para recopilar datos de muestra. Cuando el biólogo realiza una prueba, una hipótesis es H0 U=15 pulgadas, lo que indica que el fertilizante no mejora el crecimiento medio de la planta.

Otra hipótesis muestra HA: U> 15 pulgadas, lo que significa que los fertilizantes mejoran el crecimiento medio de la planta. Después de probar cuándo el valor p es menor que el nivel de significancia, el biólogo ahora puede probar que los fertilizantes causan más crecimiento que antes.

Learning Resources

#1. Estadísticas: una introducción paso a paso de Udemy

Udemy ofrece un curso de estadísticas en el que aprenderá una introducción paso a paso a las estadísticas, que cubre la prueba de hipótesis. Este curso tiene ejemplos y lecciones de un ex científico de datos de Google para ayudarlo a dominar los intervalos de confianza, las pruebas de hipótesis y más.

#2. Estadísticas esenciales para el análisis de datos de Udemy

Este curso de Udemy sobre estadísticas esenciales para el análisis de datos te ayudará a aprender estadísticas con proyectos del mundo real, actividades divertidas, pruebas de hipótesis, distribuciones de probabilidad, análisis de regresión y más.

#3. Estadísticas para ciencia de datos y análisis empresarial

Udemy ofrece este curso sobre estadísticas para ciencia de datos y análisis empresarial que lo ayudará a aprender a probar hipótesis. Cubre diferentes temas de estadísticas, lo que permite a los científicos de datos y analistas de negocios aprenderlos y dominarlos. Cubre estadísticas inferenciales y descriptivas junto con análisis de regresión.

#4. Prueba de hipótesis por Jim Frost

Este libro está disponible en Amazon y es una guía intuitiva para ayudar a los analistas a tomar decisiones basadas en datos.

Vista previa	Producto	Clasificación	Precio
	Prueba de hipótesis: una guía intuitiva para tomar decisiones basadas en datos		$23.98	Comprar en Amazon

Cubre el funcionamiento de las pruebas de hipótesis, por qué las necesita, cómo usar de manera efectiva los intervalos de confianza, los valores p, los niveles de significancia y muchos más temas.

#5. Prueba de hipótesis por Scott Hartshorn

Este libro es único con sus ejemplos visuales y es mejor para los principiantes que buscan una guía rápida sobre la prueba de hipótesis.

Vista previa	Producto	Clasificación	Precio
	Prueba de hipótesis: una introducción visual a la significación estadística		$9.75	Comprar en Amazon

Le presentará la importancia de las estadísticas, los tipos y su funcionamiento. No es necesario que tengas un conocimiento previo profundo de estadísticas, sino que lo explica todo de manera intuitiva.

Última Palabra

La prueba de hipótesis ayuda a verificar una suposición y luego desarrolla datos estadísticos basados ​​en la evaluación. Se está utilizando en muchos sectores, desde la fabricación y la agricultura hasta los ensayos clínicos y la TI. Este método no solo es preciso, sino que también lo ayuda a tomar decisiones basadas en datos para su organización.

A continuación, consulte el recursos de aprendizaje para convertirse en analista de negocios.