COMPROBACIN DE HIPTESIS

QUE ES HIPOTESIS?:

DERIVACIN
La palabra hiptesis, como tal, proviene del latn hypothsis, y esta a su vez
del griego (hypthesis). Como tal, es una palabra que surge de la
combinacin de las races griegas - (hpo-), que significa debajo de, y
(thsis), conclusin o proposicin.

SIGNIFICADO:

Suposicin posible para sacar de ello una consecuencia.

Es una idea o un supuesto a partir del cual nos
preguntamos el porqu de una cosa, bien sea un
fenmeno, un hecho o un proceso.

DEFINICIN:
La hiptesis es una herramienta fundamental del pensamiento cientfico y
filosfico, que sirve de base para los modelos y proposiciones tericas, y
que funciona como piedra angular para la bsqueda y construccin de
respuestas en la generacin de conocimiento.

La hiptesis, no obstante, no se circunscribe nicamente al mbito

acadmico o escolar, sino que adems forma parte del lenguaje cotidiano
para expresar suposiciones o conjeturas.

QU ES COMPROBAR?

DERIVACIN:
Viene del latn comprobare y significa verificar, confirmar.

SIGNIFICADO:
Confirmar mediante pruebas o demostraciones de una cosa que se duda.

PASOS PARA LA COMPROBACIN DE

HIPTESIS:
1. DISEO DE PRUEBA:
Planteamiento acerca de los
medios con los que se va a poner a prueba las
predicciones.
2. EJECUCION DE LA PRUEBA:
Realizacin de las
operaciones y recoleccin de datos.
3. ELABORACIN DE LOS DATOS:
Clasificacin, anlisis,
evaluacin, reduccin de los datos empricos.
4. INFERENCI DE LA CONCLUSIN:
Interpretacin de los
datos a la luz del modelo terico.

LA COMPROBACIN CUALITATIVA
Una comprobacin cualitativa, aduce hechos pero confa la comprobacin al
raciocinio lgico ms que a una rgida evaluacin de los hechos observados.

John Stuart Mill (1806-1873).

En 1843, cuando Mill ya se haba recuperado de un terrible colapso mental
juvenil (tena entonces 37 aos de edad) apareci su libro System of logic
("El sistema de la lgica"), que representa su principal y casi nica
contribucin a la filosofa de la ciencia y que de toda su obra ser la que
comentaremos aqu. Es interesante saber que ste fue el primer libro
publicado por Mill y que escribirlo le cost trece aos de arduos trabajos. En
contra de lo que su ttulo sugiere, no se trata de un volumen sobre reglas o
estructura del pensamiento, sino que ms bien es el manifiesto ms
extremo del empirismo epistemolgico, basado a su vez en las profundas
convicciones liberales de su autor, quien usaba el trmino "empirista" en
sentido despectivo y lo contrastaba con "conocimiento cientfico".

METODOS DE COMPROBACIN

Canon I. Mtodo de Coincidencia:

Si dos o ms ejemplos de un fenmeno bajo investigacin poseen una sola

circunstancia en comn, esta nica circunstancia, presente en todos los
ejemplos, es la causa (o el efecto) del fenmeno mencionado.

El ejemplo usado por Mill para ilustrar este mtodo de coincidencia no fue
muy afortunado: pensando que el factor comn que poseen todas las
sustancias qumicas que cristalizan es que se precipitan de una solucin,
concluy que sta era una causa, o por lo menos un factor contribuyente,
del fenmeno de la cristalizacin. Como todos sabemos hoy (y los
alquimistas saban desde el Medievo), este ejemplo es falso; sin embargo,
es muy fcil pensar en otros ejemplos ilustrativos de este mtodo que s son
verdaderos.

Canon II. Mtodo de Diferencia:

Si una situacin en que ocurre el fenmeno en investigacin, y otra

situacin en que no ocurre, se parecen en todo excepto en una
circunstancia, que slo se presenta en la primera situacin, entonces esta
circunstancia, que es la nica diferencia, entre las dos situaciones es el
efecto, la causa, o una parte indispensable de la causa, del fenmeno
mencionado.

El ejemplo de Mill para ilustrar este mtodo de induccin por diferencia fue
muy dramtico, pero dada la importancia que le concedi posteriormente,
tambin fue desafortunado; Mill escribi que si un hombre en la plenitud de
la vida mora repentinamente, y su muerte estaba inmediatamente
precedida por un balazo en el corazn poda concluirse que el balazo era la
causa de la muerte, porque era lo nico diferente entre el hombre vivo y el
hombre muerto. Para los que hemos invertido casi toda nuestra existencia
trabajando cientficamente en la frontera que separa a la vida de la muerte,
el esquema de Mill se antoj grotescamente incompleto; desde luego que
las diferencias entre el mismo hombre, vivo y muerto, son mucho ms
numerosas y complejas que el orificio producido por la bala. De hecho, la
determinacin de la causa de la muerte (como la de la causa de la vida) es
enormemente compleja, no slo por razones empricas sino por
complicaciones filosficas.

Canon III. Mtodo Combinado: Coincidencia + Diferencia:

Si dos o ms ejemplos en los que el fenmeno ocurre muestran una sola

circunstancia en comn, mientras que dos o ms situaciones en las que el
fenmeno no ocurre slo comparten la ausencia de la circunstancia
mencionada, entonces tal circunstancia, la nica, en que difieren los

ejemplos mencionados, es el efecto, la causa, o una parte indispensable de

la causa, del fenmeno estudiado.

Tal como lo enuncia su nombre, este mtodo es la combinacin de los dos

anteriores, por lo que a l se aplican las mismas observaciones ya
mencionadas.

Canon IV. Mtodo de los Residuos:

Cuando se resta o sustrae de cualquier fenmeno la parte que por

inducciones previas se sabe que es el efecto de ciertos antecedentes, el
residuo del fenmeno es el efecto de los antecedentes restantes.

Como veremos en un momento, este mtodo (como todos los otros

propuestos por Mill) supone una relacin 1:1 entre causa y efecto; si Mill
hubiera sido un cientfico y no un filsofo, habra experimentado en carne
propia que este tipo de relaciones causales slo se da por excepcin en la
realidad, en fenmenos muy simples o al final de investigaciones
prolongadas y exitosas, cuando ya slo quedan problemas "residuales" por
resolver.

Canon V. Mtodo de las Variaciones Concomitantes:

Cuando un fenmeno vara de alguna manera particular, es causa o efecto

de otro fenmeno que vara de la misma o de otra manera, pero
concomitantemente.

Mill sostuvo que de los cinco mtodos resumidos arriba, el ms importante

era el canon II o mtodo de las diferencias. Sin embargo, para que este
mtodo funcionara, Mill reconoci que era necesario que entre una
observacin y otra del mismo fenmeno slo hubiera una diferencia, que
podra ser de tiempo o de espacio, pero nada ms; en otras palabras, Mill
pareca exigir un nivel de identidad entre sus dos observaciones que, en
sentido estricto, no puede darse en la realidad. Pero Mill tena clara
conciencia de este problema y seal que para el uso adecuado de su
mtodo de las diferencias, bastaba con que en las dos observaciones se
conservaran iguales slo las semejanzas relevantes entre ellas. Esto plantea

de inmediato los criterios para juzgar de la relevancia, que deben anteceder

a la comparacin entre las dos observaciones requeridas. En otras palabras,
el uso del mtodo de las diferencias requiere de un proceso previo, de
naturaleza indefinida pero no por eso menos importante, que no forma
parte de los esquemas de Mill.

COMPROBACIN CUANTITATIVA
Prueba de hiptesis:
Hay dos tipos de anlisis estadsticos que pueden realizarse para
probar hiptesis: los anlisis paramtricos y los no paramtricos.
Cada tipo posee sus caractersticas y presuposiciones que lo
sustentan; la Eleccin de qu clase de anlisis efectuar depende de
estas presuposiciones. De igual forma, cabe destacar que en una
misma investigacin es posible llevar a cabo anlisis paramtricos
para algunas hiptesis Y variables, y anlisis no paramtricos para
otras. Asimismo, los anlisis a realizar dependen de las Hiptesis que
hayamos formulado y el nivel de medicin de las variables que las
conforman.

Anlisis paramtricos:
Cules son los supuestos o las presuposiciones de la
estadstica paramtrica?
Para realizar anlisis paramtricos debe partirse de los siguientes
supuestos:
1. La distribucin poblacional de la variable dependiente es normal: el
universo tiene una distribucin normal.
2. El nivel de medicin de las variables es por intervalos o razn.
3. Cuando dos o ms poblaciones son estudiadas, tienen una varianza
homognea: las poblaciones en cuestin poseen una dispersin
similar en sus distribuciones (Wiersma y Jurs, 2008).
Ciertamente estos criterios son tal vez demasiado rigurosos y algunos
investigadores slo basan sus anlisis en el tipo de hiptesis y los
niveles de medicin de las variables. Esto queda a juicio del lector.
En la investigacin acadmica y cuando quien la realiza es una
persona experimentada, s debe solicitrsele tal rigor.
Cules son los mtodos o las pruebas estadsticas
paramtricas ms utilizadas?
Existen diversas pruebas paramtricas, pero las ms utilizadas son:

 Coeficiente de correlacin de Pearson y regresin lineal.

Prueba t.
Prueba de contraste de la diferencia de proporciones.
Anlisis de varianza unidireccional (ANOVA en un sentido o oneway).
Anlisis de varianza factorial (ANOVA).
Anlisis de covarianza (ANCOVA).
Algunos de estos mtodos se tratan aqu en este captulo y otros se
explican en el CD anexo Material Complementario Captulos
Captulo 8 Anlisis estadstico: segunda parte. Cada prueba obedece
a un tipo de hiptesis de investigacin e hiptesis estadstica distinta.
Las hiptesis estadsticas se comentan en el mencionado captulo 8
del CD anexo.
Qu es el coeficiente de correlacin de Pearson?
Definicin: es una prueba estadstica para analizar la relacin entre
dos variables medidas en un nivel por intervalos o de razn.
Se simboliza: r.
Hiptesis a probar: correlacional, del tipo de a mayor X, mayor Y ,
a mayor X, menor Y , altos valores en X estn asociados con altos
valores en Y , altos valores en X se asocian con bajos valores de Y .
La hiptesis de investigacin seala que la correlacin es
significativa.
Variables: dos. La prueba en s no considera a una como
independiente y a otra como dependiente, ya que no evala la
causalidad. La nocin de causa-efecto (independiente-dependiente)
es posible establecerla tericamente, pero la prueba no asume dicha
causalidad.
El coeficiente de correlacin de Pearson se calcula a partir de las
puntuaciones obtenidas en una muestra en dos variables. Se
relacionan las puntuaciones recolectadas de una variable con las
puntuaciones obtenidas de la otra, con los mismos participantes o
casos.
Nivel de medicin de las variables: intervalos o razn.
Interpretacin: el coeficiente r de Pearson puede variar de 1.00 a
+1.00, donde:
1.00 = correlacin negativa perfecta. (A mayor X, menor Y, de
manera proporcional. Es decir, cada vez que X aumenta una unidad, Y
disminuye siempre una cantidad constante.)Esto tambin se aplica a
menor X, mayor Y.

0.90 = Correlacin negativa muy fuerte.

0.75 = Correlacin negativa considerable.
0.50 = Correlacin negativa media.
0.25 = Correlacin negativa dbil.
0.10 = Correlacin negativa muy dbil.
0.00 = No existe correlacin alguna entre las variables.
+0.10 = Correlacin positiva muy dbil.
+0.25 = Correlacin positiva dbil.
+0.50 = Correlacin positiva media.
+0.75 = Correlacin positiva considerable.
+0.90 = Correlacin positiva muy fuerte.
+1.00 = Correlacin positiva perfecta. (A mayor X, mayor Y o a
menor X, menor Y, de manera proporcional. Cada vez que X
aumenta, Y aumenta siempre una cantidad constante.)
El signo indica la direccin de la correlacin (positiva o negativa); y el
valor numrico, la magnitud de la correlacin. Los principales
programas computacionales de anlisis estadstico reportan si el
coeficiente es o no significativo de la siguiente manera:
r = 0.7831 (valor del coeficiente)
So P = 0.001 (significancia)
N = 625 (nmero de casos correlacionados)
Si s o P es menor del valor 0.05, se dice que el coeficiente es
significativo en el nivel de 0.05 (95% de confianza en que la
correlacin sea verdadera y 5% de probabilidad de error). Si es menor
a 0.01, el coeficiente es significativo al nivel de 0.01 (99% de
confianza de que la correlacin sea verdadera y 1% de probabilidad
de error). O bien, otros programas como SPSS/PASW los presentan en
una tabla, se seala con asterisco(s) el nivel de significancia: donde
un asterisco (*) implica una significancia menor a 0.05 (quiere decir
que el coeficiente es significativo en el nivel de 0.05, la probabilidad
de error es menor de 5%) y dos asteriscos (**) una significancia
menor a 0.01 (la probabilidad de error es menor de 1%).

Correlaciones
Moral
Direccin

Moral
0.557**

Correlacin de Pearson

Sig. (Bilateral)
0.000
N

362

335
Direccin
1

Correlacin de Pearson

0.557**

Sig. (Bilateral)

0.000

335

373
** La correlacin es significativa al nivel 0.01 (bilateral, en ambos
sentidos entre las variables).

Qu es la regresin lineal?
Definicin: es un modelo estadstico para estimar el efecto de una
variable sobre otra. Est asociado con el coeficiente r de Pearson.
Brinda la oportunidad de predecir las puntuaciones de una variable
tomando las puntuaciones de la otra variable. Entre mayor sea la
correlacin entre las variables (covariacin), mayor capacidad de
prediccin.
Hiptesis: correlacionales y causales.
Variables: dos. Una se considera como independiente y otra como
dependiente. Pero, para poder hacerlo, debe tenerse un slido
sustento terico.
Nivel de medicin de las variables: intervalos o razn.
Procedimiento e interpretacin: la regresin lineal se determina
con base en el diagrama de dispersin. ste consiste en una grfica
donde se relacionan las puntuaciones de una muestra en dos
variables. Vemoslo con un ejemplo sencillo de ocho casos. Una
variable es la calificacin en Filosofa y la otra variable es la
calificacin en Estadstica; ambas medidas, hipotticamente, de 0 a
10.
Puntuaciones
Sujetos

Filosofa(X)

Estadstica (Y)

10

10

Qu es la prueba T?
Definicin: es una prueba estadstica para evaluar si dos grupos
difieren entre s de manera significativa respecto a sus medias en una
variable.
Se simboliza: t.
Hiptesis: de diferencia entre dos grupos. La hiptesis de
investigacin propone que los grupos difieren de manera significativa
entre s y la hiptesis nula plantea que los grupos no difieren
significativamente. Los grupos pueden ser dos plantas comparadas en
su productividad, dos escuelas contrastadas en los resultados a un
examen, dos clases de materiales de construccin cotejados en su
rendimiento, etctera.
Variables: la comparacin se realiza sobre una variable
(regularmente y de manera terica: dependiente).Si hay diferentes
variables, se efectuarn varias pruebas t (una por cada par de
variables), y la razn que motiva la creacin de los grupos puede ser
una variable independiente. Por ejemplo, un experimento con dos
grupos, donde a uno se le aplica el estmulo experimental y al otro no,
es decontrol.
Nivel de medicin de la variable de comparacin: intervalos o
razn.
Clculo e interpretacin: el valor t es calculado por el programa
estadstico, ya prcticamente no se determina manualmente.15 Los
programas, por ejemplo, SPSS/PASW, arrojan una tabla con varios
resultados, de los cuales los ms necesarios para interpretar son el
valor t y su significancia. Veamos primero un ejemplo y luego una
interpretacin de un resultado de un anlisis mediante SPSS.

La prueba t se basa en una distribucin muestral o poblacional de

diferencia de medias conocida como la distribucin t de Student que
se identifica por los grados de libertad, los cuales constituyen el

nmero de maneras en que los datos pueden variar libremente. Son

determinantes, ya que nos indican qu valor debemos esperar de t,
dependiendo del tamao de los grupos que se comparan. Cuanto
mayor nmero de grados de libertad se tengan, la distribucin t de
Student se acercar ms a ser una distribucin normal y usualmente,
si los grados de libertad exceden los 120, la distribucin normal se
utiliza como una aproximacin adecuada de la distribucin t de
Student (Wiersma y Jurs, 2008, Babbie, 2009).
Los grados de libertad se calculan con la frmula siguiente, en la que
n1 y n2 son el tamao de los grupos que se comparan:
Gl = (n1 + n2) 2
Vogt (1999) seala que los grados de libertad indican cuntos casos
fueron usados para calcular un valor estadstico en particular.
Los autores realizamos un anlisis por prueba t con poco menos de
medio milln de alumnos de una institucin pblica, con la finalidad
de comparar el desempeo entre mujeres y hombres respecto al
promedio general de la carrera, el valor obtenido fue de 22.802,
significancia = 0.000 (menor al0.01). El promedio de los estudiantes
fue de 6.58 (n = 302 272) y el de las estudiantes de 7.11 (n =193
436). Ante la interrogante: se observaron diferencias en el
desempeo acadmico por gnero? Se puede decir que las mujeres
obtienen mayor promedio que los hombres en una diferencia de 0.53
puntos, la cual es significativa al nivel del 0.01.
Consideraciones: La prueba t se utiliza para comparar los resultados
de una pre prueba con los resultados de una pos prueba en un
contexto experimental. Se comparan las medias y las varianzas del
grupo en dos momentos diferentes: X1 X2. O bien, para comparar
las pre-pruebas o pos-pruebas de dos grupos que participan en un
experimento:
G1

X1
T

G2

X1

O son el pos-prueba

Cuando el valor t se calcula mediante un paquete estadstico

computacional, la significancia se proporciona como parte de los
resultados y sta debe ser menor a 0.05 o 0.01, lo cual depende del
nivel de confianza seleccionado (en SPSS y Minitab se ofrece el
resultado en dos versiones, segn sea el caso, si se asumen o no
varianzas iguales).16 Lo ms importante es visualizar el valor t y su
significancia.

LIBRO CONSULTADO
METODOLOGA de la investigacin
Quinta edicin
MXICO BOGOT BUENOS AIRES CARACAS GUATEMALA
MADRID NUEVA YORK SAN JUAN SANTIAGO SO PAULO
AUCKLAND LONDRES MILN MONTREAL NUEVA DELHI
SAN FRANCISCO SINGAPUR ST. LOUIS SIDNEY TORONTO
Dr. Roberto Hernndez Sampieri Director del Centro de
Investigacin y del Doctorado en Administracin de la Universidad de
Celaya Profesor-investigador del Instituto Politcnico Nacional Director
del Centro de Investigacin en Mtodos Mixtos de la Asociacin
Iberoamericana de la Comunicacin
Dr. Carlos Fernndez Collado Profesor-investigador del Instituto
Politcnico Nacional Presidente de la Asociacin Iberoamericana de la
Comunicacin Director del Mster Universitario en Direccin de
Comunicacin y Nuevas Tecnologas de la Universidad de Oviedo
Dra. Mara del Pilar Baptista Lucio Directora del Centro Anhuac
de Investigacin, Servicios Educativos y Posgrado de la Facultad de
Educacin Universidad Anhuac
PAGINAS 311-312-314-31-320