Вы находитесь на странице: 1из 17

PRUEBAS DE HIPTESIS

Por
Pablo M. Antnez

RESUMEN

Medir el grado de fiabilidad o significacin de los resultados de un estudio es muy importante.


La estadstica se ha convertido en una herramienta metodolgica clave para estudiar e
interpretar los fenmenos y eventos en las diferentes disciplinas de la ciencia. Siendo la
estadstica inferencial, y, en particular, la prueba de hiptesis un instrumento fundamental para
tomar decisiones al examinar el atributo de una poblacin a partir de una muestra.
Con el fin de conocer qu es la prueba de hiptesis, para qu sirve, cules son sus
componentes principales y cundo se utiliza, se hizo una revisin de literatura acerca de las
bases tericas que sustentan el uso y la aplicacin de esta herramienta como criterio de validez
de los anlisis en los estudios.
Entre las conclusiones se destaca la importancia de conocer los fundamentos y la lgica que
subyace a las pruebas de hiptesis; los trminos y conceptos, as como los planteamientos
antagnicos que le dieron origen, para una aplicacin consciente y correcta en la
investigacin.

Palabras clave: Muestreo, comparacin de medias, nivel de significancia

CONTENIDO

ndice de contenido

pgina

Resumen

Introduccin

Antecedentes

Desarrollo del tema

i)

Ideas bsicas en la prueba de

hiptesis
ii)

Pruebas de hiptesis sobre la media de una poblacin

normal..
iii)

Error Tipo I, Error Tipo II y tamao de

muestra...
v)

Pruebas de hiptesis sobre la media de una poblacin usando

aproximacin normal
iv)

Comparacin de las medias de dos poblaciones con muestras

independientes

10

Conclusiones.

11

Bibliografa

14

INTRODUCCIN

Es indiscutible que la estadstica se ha convertido en una herramienta indispensable en las


ltimas dcadas, debido al papel que representa como herramienta metodolgica para estudiar
e interpretar adecuadamente los fenmenos, sucesos o eventos en las diferentes disciplinas de
la ciencia. Una de las ramas de mayor utilidad de esta disciplina es la estadstica inferencial o
inferencia estadstica. La estadstica inferencial estudia cmo sacar conclusiones con errores
mnimos acerca de una cualidad o atributo de una poblacin a partir del estudio de una
muestra, y cmo medir el grado de fiabilidad o significacin de los resultados del estudio.
La estadstica inferencial tiene dos propsitos primordiales: i) La estimacin de los parmetros
a partir de una medida de la muestra y ii) la prueba de hiptesis acerca de la afirmacin sobre
el parmetro de la poblacin (Pagano, 1999).
En la inferencia estadstica, el muestreo es un instrumento esencial para describir el estado de
una poblacin de inters, mediante la seleccin de sus elementos que tambin se usa para
probar un reclamo o conjetura de dicha poblacin formulando un enunciado que despus se
hace un procedimiento que corrobora si la informacin de la muestra sostiene o refuta el
reclamo, y esto se le llama prueba de hiptesis.
La prueba estadstica se inicia con una afirmacin o suposicin, sobre un parmetro de la
poblacin, cuya conclusin se basa en la evidencia de las muestras y la teora de probabilidad
(Anderson, Sweeney, Williams, Roa , 2001). Este es uno de los aspectos ms vitales de la
inferencia estadstica, puesto que muchos tipos de problemas de decisin pueden formularse
como problemas de prueba de hiptesis.

El propsito de la prueba de hiptesis es ayudar al investigador a tomar una decisin acerca de


una poblacin mediante el examen de una muestra representativa.
En este ensayo se describe y analiza acerca de la prueba de hiptesis, cuyo objetivo es conocer
las posiciones antagnicas que le dieron origen; su definicin, cundo se utiliza y cules son
sus componentes principales. Tambin se describen los planteamientos tericos elementales
que sustentan su aplicacin para comparar las medias poblacionales.
Como una rama inherente a las matemticas, su contenido concierne a las bases tericas
sustentadas en la teora de la probabilidad y estadstica bsica.

ANTECEDENTES

Los primeros ensayos lgicos relacionados con la prueba de hiptesis se remontan hacia
1857-1936 con la prueba de ji al cuadrado de Karl Pearson (Inzunsa-Cazares y JimnezRamrez, 2013), pero los planteamientos formales de la prueba de hiptesis se presentaron a
principios del siglo XVIII (Stigler, 1986; Lehman, 1993) y la propuesta metodolgica como
tal, se desarroll entre 1915 y 1933 como un resultado de anlisis de dos escuelas de
pensamiento, por un lado de Ronald Fisher (1890-1962) y por el otro de Jerzy Neyman (18941981) junto con Egon Pearson (1895-1980) (Lehman, 1993; Batanero, 2000).
Los procedimientos de Fisher y Neyman-Pearson se desarrollaron a partir de posiciones
filosficas antagnicas, por lo que la historia de las pruebas de hiptesis no ha sido exenta de
controversias, factor que ha conducido a diversas dificultades para su aplicacin e
interpretacin (Lehman, 1993; Levin, 1998; Monterrey y Gmez-Restrepo, 2007).

Batanero (2000) considera que la principal diferencia entre estas dos teoras no radica en los
clculos sino en las concepciones y el razonamiento subyacente. Por un lado, el enfoque de
Fisher se caracteriza por definir nicamente una hiptesis (hiptesis nula) y a partir de ella y
con base en la distribucin muestral del estadstico de prueba, se estima la probabilidad de una
muestra de datos para decidir sobre el rechazo o no rechazo de la hiptesis. El enfoque de
Neyman-Pearson, en cambio, se caracteriza por la adicin de una hiptesis alternativa en
contraposicin con la hiptesis nula, lo que conduce a la definicin de dos regiones: regin de
rechazo y de no rechazo, adems de los errores asociados a la decisin sobre la hiptesis nula
denominados errores Tipo I y Tipo II (Batanero, 2000; Inzunsa-Cazares y Jimnez-Ramrez,
2013).
La integracin de las dos propuestas mencionadas arriba, se hizo prctica comn por parte de
los estudiosos del tema desde 1935, al aplicar las pruebas de hiptesis combinando los dos
enfoques de manera selectiva (eclctica) (Batanero, 2000; Moran, 2004). Esta forma de uso
aparece explicada en muchos libros de estadstica y artculos acadmicos por ejemplo,
Lehman (1993), McLean y Ernest (1998), Pagano (1999), Hines y Montgomery (2002).
A pesar de la visin terica y las opiniones divididas de los estudiosos, una prueba de
hiptesis, sigue siendo un instrumento elemental del anlisis y de la calidad de un reporte
cientfico en la actualidad (Monterrey y Gmez-Restrepo, 2007).

DESARROLLO DEL TEMA

i)

Ideas bsicas de la prueba de hiptesis.

La primera pregunta que habra que responder es Qu es la prueba de hiptesis? Cada autor
lo define a su modo, pero en esencia, todas las definiciones refieren a un conjunto de
procedimientos que corrobora si la informacin de una muestra sostiene o refuta un hecho o
conjetura sobre la naturaleza de una poblacin.
El trmino estadstico que refiere la conjetura se conoce como hiptesis o hiptesis estadstica.
La hiptesis estadstica se plantea a manera de enunciado sobre la distribucin de probabilidad
de una variable aleatoria (Hines y Montgomery, 2002)
Por consiguiente, una prueba de hiptesis se inicia con una afirmacin o suposicin, sobre uno
o ms parmetros de una poblacin; por decir, la media aritmtica (Lind, Mason, Marchal,
2001).
Por ejemplo, supngase que interesa conocerse si la tasa promedio de eficiencia terminal ()
de las Universidades pertenecientes al Sistema de Universidades Estatales de Oaxaca
(SUNEO), es igual al total de estudiantes inscritos en el ltimo semestre en todas las carreras
del SUNEO.
Lo anterior se puede expresar de la siguiente forma: H0 : 100% de alumnos inscritos en el
ltimo semestre, H1 : 100% de alumnos inscritos en el ltimo semestre. H0 es la hiptesis
nula; H1 es la hiptesis alternativa y la tasa promedio de eficiencia terminal.

Una prueba de hiptesis est integrada de cuatro componentes principales: i) Hiptesis nula
(Ho) que especifica un valor del parmetro de la poblacin, cuando la hiptesis es simple o un
conjunto de valores cuando es compuesta; ii) Hiptesis alternativa (H1), es la contraparte
lgica de la hiptesis nula, es la que responde a nuestro cuestionamiento. Esta hiptesis se
establece con base a la evidencia que se tiene; iii) La estadstica de prueba, es un valor que se
calcula con base en la informacin de la muestra, y se utiliza para determinar si se rechaza o
no se rechaza la hiptesis nula; y iv) zona de rechazo, es el conjunto de valores que, si la
prueba estadstica cae dentro de este rango se rechaza la hiptesis nula.
Para probar una hiptesis es conveniente seguir una secuencia lgica de acciones y decisiones.
Un procedimiento de cinco pasos propone Lind et al. (2001) para una prueba de hiptesis: 1)
establecimiento de las hiptesis (nula y alterna); 2) seleccin de un nivel de significancia; 3)
identificacin de la estadstica de prueba; 4) formulacin de la regla de decisin; y, 5) toma de
decisin.
Debido a que rechazar H0 implica una conclusin fuerte, en tanto que no rechazarlo, puede ser
una conclusin dbil (a menos que se sepa que hay una posibilidad muy baja de cometer el
error de rechazar la hiptesis nula siendo sta falsa), es preferible construir hiptesis tales que
el enunciado en torno al cual se desea una conclusin fuerte, est en la hiptesis alternativa H1
(Hines y Montgomery, 2002); de modo que en toda prueba de hiptesis se presentan tres
zonas crticas o llamadas tambin zonas de rechazo de la hiptesis nula y que son las
siguientes: a) prueba bilateral, H0 : X; H1 : X; donde la zona de rechazo es dada por
el rea b) prueba unilateral con una cola hacia la derecha, H0 : X H1 : > X y la
zona de rechazo es el rea derecha definida por a la derecha; c) prueba unilateral con una

cola hacia la izquierda, H0 : X H1 : < X, la zona de rechazo es el rea de izquierda


definida por el nivel de significancia (.

ii)

Pruebas de hiptesis sobre la media de una poblacin normal

Para probar una hiptesis a partir de la media poblacional, debe tomarse en cuenta, si se
conoce la distribucin de los datos, el tamao de la poblacin, as como la variabilidad de los
datos, en trminos de varianza o desviacin estndar.

Con base a ello, se definir el

estadstico de prueba a utilizar


Supngase que X es una variable aleatoria con una distribucin normal o que, si no lo es, se
cumplen las condiciones del teorema central del lmite. Adems, considerando que se
desconoce la media () y se conoce la varianza ( 2). Se quiere probar la hiptesis de que es
igual a una constante El procedimiento de prueba para H0: 0 utiliza la estadstica de
prueba normal estandarizada cuya expresin es la siguiente:

Zo

(1)

Si la hiptesis nula es H0: 0 es cierta, entonces E( X )=0. Dado que la distribucin de Z o


tiene una media cero y una desviacin de uno, N(0,1). En consecuencia, si H0: 0es
verdadera, la probabilidad de que un valor de la estadstica de prueba Z o caiga entre Z / 2 y

Z / 2 es 1-donde Z / 2 es el punto porcentual de la distribucin normal estndar tal que

PZ Z / 2

= / 2 .

En el rea bajo la curva normal, es la probabilidad de que un valor de la estadstica de


prueba Z o caiga en la regin Z o > Z / 2 o Z o < Z / 2 cuando H0: 0 es verdadera. De tal
modo que se debe rechazar H0 si Z o > Z / 2 o si Z o < Z / 2 (Lind et al., 2001).
Los valores estandarizados de Z, se encuentran en la mayora de los libros de estadstica, sus
valores se basan en una mitad del rea bajo la curva, o 0.5000. Luego. 0.5000-0.005 es de
0.4950 en el cuerpo de la tabla (Hines y Montgomery, 2002)
En suma, cuando se conoce la desviacin estndar de la poblacin, si hay indicios de que la
poblacin no sigue una distribucin normal o si se desconoce su forma; o bien, si el tamao de
la muestra (n) es 30, se debe usar la distribucin normal estndar (Z) y la ecuacin 1.

iii)

Pruebas de hiptesis sobre la media de una poblacin usando aproximacin


normal

En el inciso b se trat de un tipo de prueba de hiptesis estadstico. Ahora supngase que X es


una variable aleatoria distribuida normalmente con media () y varianza ( 2) desconocidas. Se
desea probar la hiptesis de que es igual a una constante Esta situacin es similar al caso
expuesto en el inciso b, salvo en que ahora tanto como

son desconocidos. Supngase que

se dispone de una variable aleatoria de tamao n, X1, X2,,Xn, y sean X y S2 la media y la


varianza de la muestra, respectivamente; esto es si no se conoce la desviacin estndar de la
poblacin ( ), o bien , si la muestra es pequea (n<30).

El procedimiento de prueba se basa en la estadstica de t o :

to

X
s

(2)

que sigue la distribucin t con n-1 grados de libertad, si la hiptesis nula es H0: 0 es
verdadera. Para probar una hiptesis bilateral (dos colas): H0: 0, cuya contraparte es H1:
0, se calcula la estadstica de prueba usando la ecuacin 2 y se rechaza H0 si t o t / 2,n 1 o
si t o t / 2, n 1 . Donde t / 2,n 1 y t / 2,n 1 son los puntos porcentuales superior e inferior
de la distribucin t con n-1 grados de libertad.
Para probar la hiptesis de un lado (una cola): H0: 0 y las hiptesis alternativas H1: 0
y H1: < 0. La estadstica de prueba se calcula usando la ecuacin 2 y se rechaza H0 cuando

t o t ,n 1 para la primera hiptesis alternativa, o cuando t o t ,n 1 para la segunda hiptesis


alternativa.

iv)

Error Tipo I, Error Tipo II y tamao de muestra.

a) Tipos de errores.

En la seccin de Antecedentes se mencion que, los enfoques conceptuales sobre el


significado y desarrollo de las pruebas de hiptesis, parten de posiciones filosficas distintas
por un lado el planteamiento de Fisher y por el otro de Neyman-Pearson.

10

El enfoque de Fisher se caracteriza por definir nicamente una hiptesis (hiptesis nula) y a
partir de ella y con base en la distribucin muestral del estadstico de prueba, se estima la
probabilidad de una muestra de datos para decidir sobre el rechazo o no rechazo de la hiptesis
(Lehmann, 1993). Por lo que los datos solo permiten rechazar la hiptesis pero no pueden
confirmarla. En cambio en el enfoque de Neyman-Pearson, las pruebas de hiptesis se planten
como un proceso de decisin entre dos hiptesis, lo que conduce a la definicin de dos
regiones: de rechazo y no rechazo, y errores asociados a la decisin sobre H0 denominados
errores Tipo I y Tipo II.
Considerando el enfoque de Neyman-Pearson, es comn encontrar en la literatura los errores
Tipo I y tipo II al tomar una decisin a partir de la informacin obtenida en una muestra
aleatoria. El primero se comete cuando la hiptesis nula se rechaza, siendo verdadera. El error
tipo II se comete cuando no se rechaza la hiptesis nula siendo sta falsa y se denota con .
(Lind et al., 2001). En este ltimo error, en una investigacin, es equivalente a reportar un
hallazgo falso positivo, al concluir que existe una diferencia entre las hiptesis cuando en
realidad no existe.
La probabilidad de cometer un error Tipo I se conoce como nivel de significancia, se denota
con alpha () y es el tamao de la regin de rechazo (Pagano, 1999). Se refiere al nivel al cual
se desea limitar la probabilidad de cometer un error de tipo I. Por consiguiente, para mantener
baja la probabilidad de cometer el error tipo I, se debe escoger un valor pequeo de ; por
decir, si el investigador establece un significa que el investigador est dispuesto a
limitar la probabilidad de no aceptar la hiptesis nula cuando sea verdadera, a 5 veces en 100.

11

El nivel de significancia lo establece el investigador y es recomendable que se haga al inicio


del experimento. La tabla 1 resume las posibles conclusiones de una prueba de hiptesis.
Tabla 1.- Posible conclusiones al hacer una prueba de hiptesis

Si se rechaza H

Si no se rechaza H

H0es verdadera

H0 es falsa

Error tipo I

Decisin correcta

Decisin correcta

Error tipo II

b) Tamao de muestreo.

El muestreo es una herramienta vital en la estadstica y en la investigacin cientfica, cuya


funcin bsica es determinar qu parte de una poblacin debe examinarse Con el fin de hacer
inferencias sobre dicha poblacin.
La muestra debe lograr una representacin adecuada de la poblacin, en la que se
reproduzca de la mejor manera los rasgos esenciales de dicha poblacin que son importantes
para la investigacin. Para que una muestra sea representativa, y por lo tanto til, debe de
reflejar las similitudes y diferencias encontradas en la poblacin. El no definir adecuadamente
el tamao de muestra, nos conduce a dos escenarios: 1) Que el estudio se realice sin una
muestra representativa y habr imprecisin en la estimacin de los parmetros, 2) o que el
estudio se realice usando un nmero innecesario de elementos, lo cual implica prdida de
tiempo e incremento de recursos innecesarios.
Por ello, determinar el tamao de muestra adecuado, dos aspectos deben tomarse en cuenta: 1)
El estudio es para hacer inferencias a valores poblacionales como proporciones o medias? De

12

ser as, es necesario definir, entre otras cosas, el coeficiente de confianza (1- ), y conocer el
valor aproximado del parmetro que se quiere medir. 2) Si el estudio es para contrastar
hiptesis, en el cual se comparan si los parmetros de las muestras son diferentes, es
conveniente conocer la magnitud de la diferencia a detectar (que sea relevante para el estudio);
los valores aproximados de los parmetros de la variable que se estudia (de artculos o
estudios previos); y tomar en cuenta los aspectos implcitos como el riesgo de cometer algn
error, ya sea de tipo I o de tipo II o si la hiptesis es unilateral o bilateral (Hines y
Montgomery, 2002).

v)

Comparacin de las medias de dos poblaciones con muestras independientes

Para definir si las medias de dos poblaciones son iguales, se requieren dos muestras
independientes de cada poblacin y estas se ponen a prueba. El planteamiento para hacer dicha
comparacin se efecta de la siguiente forma: Supngase que hay dos poblaciones de inters
X1 y X2. Supngase que X1 tiene una media desconocida () y varianza conocida ( 1 ), y
2

que X2 tiene media desconocida (y varianza desconocida ( 22 ). Se interesa en la prueba de


la hiptesis de que las medias y sean iguales. Si las variables aleatorias X1 y X2 se
distribuyen normalmente, se usar el teorema central de lmite. El procedimiento de prueba se
basa en la distribucin de la diferencia de las medias de muestra X1 X2 . Por lo tanto, si la
hiptesis nula H0: es verdadera, la estadstica de prueba a usar ser:

13

Zo

X1 X 2

12
n1

22

(3)

n2

que tiene una media igual a cero una desviacin igual a uno N(0,1). En consecuencia, para
probar H0: siendo H1: la hiptesis alternativa, se calcula la estadstica de
prueba Z o en la ecuacin 3. Se rechaza H0 si Z o Z / 2 o si Z o Z / 2 . Las hiptesis
alternativas de una cola se analizan de manera similar. Para probar H0: H1: , se
calcula la estadstica de prueba Z o en la ecuacin 3 y se rechaza H0 cuando Z o Z . Caso
contrario; es decir, si H1: , se estima la estadstica de prueba Z o en la ecuacin 3 y se
rechaza H0 cuando Z o Z (Hines y Montgomery, 2002).

CONCLUSIONES

Comprender los fundamentos y la lgica que subyace a las pruebas de hiptesis es importante,
pues slo as se har una aplicacin consciente y correcta de esta herramienta en la
investigacin. Tambin es importante familiarizarse con los diversos trminos y conceptos que
involucran su enfoque hbrido de los dos planteamientos que le dieron origen, tales como el
nivel de significancia, la hiptesis nula, la hiptesis alternativa, el estadstico de prueba, entre
otros, as como distinguir las bondades que aporta, pero tambin las limitaciones como lo
sealan autores como Moran (2004), Monterrey y Gmez-Restrepo (2007), Inzunsa-Cazares y
Jimnez-Ramrez, 2013.

14

Debido al papel importante de las pruebas de hiptesis como criterio de validez de un anlisis
de muestras, se ha llegado al uso y abuso de la tcnica, advierten Monterrey y GmezRestrepo (2007). Por ello, al plantear una hiptesis, se debe tomar en cuenta las consecuencias
de un posible error para una prueba, porque los efectos de rechazar la hiptesis nula cuando
sea verdadera; es decir, cometer el error tipo I, pueden resultar costosos en la ciencia. Esta
advertencia ha sido manifestada por autores como Pagano (1999) o Moran (2004).
Resultara arriesgado, por ejemplo si se publica un artculo cientfico donde se rechaza la
hiptesis nula, y que otros investigadores usen los resultados y conclusiones como base para
sus experimentos, dando por hecho que el autor inicial tom una decisin correcta, o ms an,
que se usen los resultados para tomar decisiones equivocadas.
De modo que, para decidir acerca de la validez de una hiptesis, es deseable considerar la
posibilidad de plantear varias hiptesis estadsticas y considerar otras validaciones
complementarias como el intervalo de confianza, y sobre todo, juzgar y concluir en el marco
de la significacin de las mediciones y la interpretacin lgica del estudio.
Es recomendable tener especial cuidado al usar los paquetes estadsticos pues es comn
encontrar publicaciones acadmicas en cuyo contenido se observa cmo la prueba de hiptesis
es reducida a un mecanismo de toma de decisiones simples y dicotmicas, observando
nicamente el valor de p (p-value), sin que exista un esbozo y anlisis crtico que involucra
todo el proceso. Al respecto elMas et al. (1999), en Batanero (2000) advierten que el uso de
la tecnologa (paquetes estadsticos) en la investigacin no siempre ofrece la comprensin
efectiva de los resultados; ms an, Monterrey y Gmez-Restrepo (2007) insinan una posible
vulgarizacin de esta herramienta al generalizar la filosofa de la caja negra para el
anlisis, donde el investigador emplea tcnicas y conceptos que ni siquiera comprende.
15

Independiente de las advertencias, sugerencias, opiniones a favor y en contra en torno a la


prueba de hiptesis, esta herramienta sigue siendo un instrumento esencial para corroborar si
la informacin de la muestra sostiene o refuta el reclamo hecho sobre la naturaleza de una o
ms poblaciones.
De manera complementaria, cabe indicar que este documento se prepar siguiendo la
estructura del temario de la unidad 6 de la materia de Mtodos estadsticos, de la carrera de
Ingeniera Forestal, de la Universidad de la Sierra Jurez; no obstante, el orden (refiriendo la
unidad 6) no est acorde al planteamiento lgico de una prueba de hiptesis, pues es necesario
conocer primero los conceptos (por ejemplo el tamao de la muestra), as como los elementos
que componen la prueba de hiptesis, luego los tipos de errores que se pueden cometer y los
estadsticos de prueba y despus cmo hacer las comparaciones de las medias, tal como lo
presentan la mayora de los estadsticos, por ejemplo Pagano (1999), Triola (2000), Hines y
Montgomery (2002), Lind et al. (2001) por citar algunos.

BIBLIOGRAFA
Anderson, D. R., Sweeney, D. J., Williams, T. A. (2004). Estadstica para administracin y
economa. Mxico:International Thomson, 8va. edicin, 884p.
Batanero, C. (2000). Controversies around the role of statistical tests in experimental research.
Mathematical thinking and learning, 2(1-2), 75-97.
Hines, W., W., Monthomery D, C. (2002). Probabilidad y Estadstica para Ingeniera.
Mxico:compaa editorial continental, 11va. edicin, 834 p.

16

Inzunsa-Cazares, S., y Jimnez-Ramrez, J. V. (2013). Caracterizacin del razonamiento


estadstico de estudiantes universitarios acerca de las pruebas de hiptesis. Revista
latinoamericana de investigacin en matemtica educativa, vol. 16(2). 179-211.
Lehmann, E. L. (1993). The Fisher, Neyman-Pearson theories of testing hypotheses: One
theory or two?. Journal of the American Statistical Association, vol. 88(424), 12421249.
Levin, J. R. (1998). What If There Were No More Bickering About Statistical Significance
Tests? Research in Schools, vol. 5(2), 43-53.
Lind, D. A., Mason R. D., Marchal W. G. (2001). Estadstica para administracin y
economa. Mxico: McGraw-Hill/Interamericana editores: 3. edicin. 573p.
McLean, J. E., y Ernest, J. M. (1998). The role of statistical significance testing in educational
research. Research in the Schools, 5(2), 15-22.
Monterrey, P., y Gmez-Restrepo, C. (2007). Aplicacin de las pruebas de hiptesis en la
investigacin en salud. Estamos en lo correcto. Universitas Mdica, vol. 48(3), 193206.
Moran, JL.(2004) Point of view: A farewell to P values? Critical Care and Resuscitation.
Vol 6: 130-7.
Pagano, R. R. (1999). Estadstica para las ciencias del comportamiento. Mxico: International
Thomson, 5. edicin, 548p.
Stigler, S. M. (1986). The history of statistics: The measurement of the uncertainty before
1900. Massachussetts and London, England: Harvard University Press, pp.1-27.
Triola, M. F. (2000). Estadstica elemental. Mxico: Pearson Educacin, 7ma. edicin, pp. 344396.
17