HEALTH SCIENCES

INVESTIGACIÓN
THIS IS THE TITLE
SUBTITLE

CINCO PASOS PARA VERIFICAR UNA HIPÓTESIS

Annie Pezalla, PhD, Core Faculty, The Richard W. Riley College of Education and Leadership
Walden University
January 2018

Si usted está interesado en llevar a cabo un estudio que examine la relación entre dos o más
variables cuantificables, lo más probable es que le pregunten por su hipótesis. Es decir, le pedirán
que articule su mejor estimación sobre el tipo de relación que encontrará entre sus variables de
interés. Para probar esta hipótesis, existe un procedimiento ampliamente reconocido que usted
puede seguir. Este procedimiento se puede aplicar independientemente del tipo de problema
que esté estudiando. Examinémoslo usando un ejemplo.

Es posible que desee comparar la efectividad de un nuevo analgésico con un grupo control al cual
se le administra paracetamol (acetaminofeno), un analgésico común. La variable independiente
sería el tipo de medicamento usado: el nuevo analgésico o el acetaminofeno estándar. La
variable dependiente podría ser el número de horas transcurridas hasta que el dolor de cabeza se
pasa. Para clarificar su pregunta, usted tendría que plantear su hipótesis. Ese es su primer paso.

1
© 2017 Laureate International Universities ®
 INVESTIGACIÓN
CINCO PASOS PARA VERIFICAR UNA HIPÓTESIS

1. Plantear la hipótesis.
Las hipótesis siempre son afirmaciones sobre poblaciones y usualmente sobre sus parámetros. Las
hipótesis nunca son afirmaciones declarativas sobre muestras. Si está interesado en examinar la
pregunta sobre la efectividad de este nuevo medicamento, usted usaría datos de su muestra (por
ejemplo, un grupo de 100 pacientes adultos en un hospital) para tratar de hacer inferencias sobre su
población de interés (por ejemplo, todos los pacientes adultos).

Para este escenario que compara un nuevo analgésico con paracetamol, usted necesitaría considerar
dos grupos: uno que tome el nuevo fármaco y otro que tome paracetamol (acetaminofeno). Luego,
usted necesitaría especular si habría diferencia entre los dos grupos con respecto al número de
horas que se demora en aliviarse el dolor de cabeza.

La hipótesis nula aquí es H_0:μ_(nuevo medicamento)=μ_acetaminofeno

La hipótesis alternativa es H_A:μ_(nuevo medicamento)≠μ_acetaminofeno

La hipótesis nula especifica que los dos grupos de la población no difieren en la cantidad de tiempo
promedio que tarda el dolor de cabeza en aliviarse. La hipótesis alternativa establece que existe una
diferencia entre los dos grupos con respecto al tiempo que lleva aliviar un dolor de cabeza. Usted
podría escoger ir más allá y ofrecer una hipótesis direccional, es decir, usted formula
específicamente una hipótesis que asevera que un grupo tendrá dolor de cabeza durante más o
menos tiempo que el otro grupo, de la siguiente manera: H_A:μ_1<μ_2. Este tipo de hipótesis se
llama hipótesis direccional porque no solo está especulando que existe una diferencia entre los dos
grupos; está especulando que hay una diferencia en particular. Usted cree que un grupo es mayor
que o menor que otro grupo en términos de una medida resultante con respecto a un resultado en
particular.

El segundo paso sería seleccionar la prueba estadística apropiada.

2. Seleccionar la prueba estadística apropiada.

Elegir una prueba estadística presenta un reto y, en ocasiones, podría haber múltiples alternativas para
considerar. En el caso de comparar la media de dos grupos de una población para una variable continua, la
prueba t para dos grupos independientes resulta ser una buena opción. Una consideración importante, sin
embargo, al escoger su prueba estadística, son los supuestos para la prueba. Los supuestos son premisas
matemáticas para las cuales debe asegurar cumplimiento para poder interpretar con confianza los resultados de
su prueba. Los supuestos para la prueba t incluyen:

• Muestreo aleatorio de observaciones provenientes de cada uno de los dos grupos de población;
• Varianzas de población iguales para los dos grupos (denominada homogeneidad de varianza); y
• Distribuciones normales de la variable dependiente dentro de cada una de las dos poblaciones.

Para determinar si se cumplen los supuestos, es necesario considerar tanto los procedimientos utilizados para
recopilar los datos así como también examinar las propiedades de estos. Por ejemplo, si está planeando
recolectar datos usando a sus amigos como participantes, existen buenas razones para desconfiar de la
aleatoriedad del proceso de reclutamiento. A menudo, una de las mejores maneras de determinar si sus datos
cumplen con los supuestos es simplemente examinando un histograma. Lo que está buscando, en preparación
para una prueba t independiente, son dos curvas con forma de joroba con pendientes relativamente iguales a
ambos lados de la joroba.

2
© 2017 Laureate International Universities ®
 INVESTIGACIÓN
CINCO PASOS PARA VERIFICAR UNA HIPÓTESIS

Si su estudio involucra la recolección, análisis y diseminación de datos de participantes humanos, necesitará

obtener la aprobación de un comité de revisión ética, como por ejemplo, un comité revisor institucional, para
asegurar que su estudio sigue los estándares éticos especificados por, digamos, el gobierno federal de Estados
Unidos y cualquier guía internacional aplicable. En la postulación a esta revisión de ética, deberá especificar la
prueba estadística que probablemente utilizará para analizar sus datos. Es una buena idea proponer ambas, una
prueba paramétrica y una prueba no paramétrica, dependiendo de las propiedades de sus datos.

Para nuestro ejemplo, que compara un nuevo fármaco para tratar el dolor de cabeza con paracetamol, si los
supuestos se cumplen, la prueba t sería apropiada. Observe que, en este caso, el muestreo aleatorio también
implicaría la asignación aleatoria de participantes al grupo experimental (nuevo fármaco) o de control
(paracetamol).

La lógica de verificar una hipótesis es creer en la hipótesis nula hasta tener evidencia para dejar de creer en ella.
¿Cuánta evidencia es suficiente para dejar de creer en la hipótesis nula? La respuesta se encuentra en el
coeficiente alfa, la pequeña posibilidad de rechazar la hipótesis nula, si es verdadera. El siguiente paso, entonces,
es calcular el coeficiente alfa.

3. Determinar alpha.
Alfa (α) es la probabilidad de un error Tipo I, rechazando la hipótesis nula si esta es verdadera, y a menudo se fija
igual a .05. Para nuestro ejemplo de comparar el tiempo de duración del dolor de cabeza en los dos grupos de
personas que toman diferentes medicamentos (el nuevo analgésico para el dolor versus acetaminofeno),
podríamos decidir que estamos conformes con un 5% de cometer un error Tipo I y fijar nuestro coeficiente alfa en
.05.

Sin embargo, otros valores para alfa, tales como .01 y .10, se utilizan a veces dependiendo de la naturaleza del
estudio. Por ejemplo, algunos investigadores deciden utilizar .10 para un estudio considerado de naturaleza
exploratoria; se sienten cómodos con un riesgo relativamente grande de error Tipo I. En otros casos, puede
utilizarse .01 si las consecuencias de cometer un error Tipo I son graves (por ejemplo, decir que un medicamento
es más eficaz que otro para el cáncer cuando, de hecho, no lo es). Como investigador, tendrá que decidir qué
valor elegir para alfa. Tenga en cuenta que cuanto menor sea el valor alfa (por ejemplo, .01 en lugar de .05), es
menos probable que rechace la hipótesis nula. Para la mayoría de los estudios, se considera una práctica estándar
usar .05 como su alfa.

El siguiente paso es calcular la prueba estadística.

4. Calcular la prueba estadística.

Aquí es donde realiza los cálculos, a menudo usando softwares estadísticos tales como SPSS. Cabe señalar que el
uso de SPSS requiere de una licencia que tiene un costo. Si usted o su universidad no tienen una licencia de SPSS,
y si usted no desea comprar esta licencia, Excel, o R, ambos gratuitos y universalmente disponibles, son
excelentes alternativas para calcular sus pruebas estadísticas. Abra cualquier buscador, tal como Google, y digite
"ejecutar una prueba t independiente con SPSS/Excel/R"; usted encontrará varios videos instructivos sobre cómo
calcular sus estadísticas utilizando el software que es más accesible o apropiado para sus necesidades.

Por último, debe evaluar sus resultados y determinar su conclusión.

3
© 2017 Laureate International Universities ®
 INVESTIGACIÓN
CINCO PASOS PARA VERIFICAR UNA HIPÓTESIS

5. Determinar su conclusión.
Esta es una pieza esencial y a menudo suele pasarse por alto. Es necesario interpretar el resultado en términos
del rechazo o no de la hipótesis nula. Esto se basa en la regla de decisión o la significancia dada en el resultado.
Tenga en cuenta que usted nunca prueba nada y que sus conclusiones siempre se expresan en términos de la
hipótesis nula y no de la hipótesis alternativa. Hay dos conclusiones posibles:

• No puede rechazar la hipótesis nula basada en un error Tipo I (α) de .05. Aquí también podría decir que
su muestra sugiere que el tiempo que dura el dolor de cabeza no difiere significativamente según la
medicina (acetaminofeno versus nuevo medicamento).
• Se rechaza la hipótesis nula basada en un error Tipo I (α) de .05. Aquí también puede decir que su
muestra sugiere que el tiempo de duración del dolor de cabeza sí difiere significativamente,
dependiendo de la medicina que se haya utilizado (acetaminofeno versus nuevo medicamento).

El primer paso en nuestro procedimiento de verificación de hipótesis fue establecer la hipótesis nula y la hipótesis
alternativa. En nuestro ejemplo, quisimos comparar un fármaco experimental con acetaminofeno. El paso final en
la verificación de una hipótesis es conectar el resultado estadístico con nuestra pregunta original. ¿Es el
medicamento experimental más efectivo que el acetaminofeno? Si la hipótesis nula ha sido rechazada, podemos
decir que hay una diferencia en la efectividad del nuevo fármaco en comparación con el acetaminofeno y que las
diferencias en la media indican que el nuevo fármaco es más efectivo. Hemos producido una pieza importante de
evidencia en favor del uso de la nueva droga. Por otra parte, si la hipótesis nula no es rechazada, no tenemos la
evidencia para hacer tal afirmación. Con un resultado indefinido, es necesario realizar más estudios o tal vez
debería detenerse la investigación sobre el fármaco.

Note que no usamos la palabra probar al conectar nuestro resultado estadístico con la pregunta de investigación.
Entonces no diríamos, por ejemplo, que nuestros resultados demuestran que los fármacos difieren en su
efectividad. Si rechazamos la hipótesis nula, existe la posibilidad, aunque pequeña, de haber cometido un error de
Tipo I. Si no rechazamos la hipótesis nula, existe la posibilidad de haber cometido un error Tipo II. En cualquiera
de estos casos, el uso de la palabra probar es demasiado fuerte.

Resumen
Los pasos presentados aquí están diseñados para ayudarle a verificar una hipótesis de una manera bien
organizada. Como síntesis, aquí están los pasos a seguir para verificar una hipótesis:
1. Plantee la hipótesis.
2. Seleccione la prueba estadística apropiada.
3. Determine alfa.
4. Calcule la prueba estadística.
5. Determine su conclusión.

Los cinco pasos son relativamente universales. En cualquier tipo de estudio que incluya la verificación de una
hipótesis, se espera que siga estos pasos para generar conocimientos que sean considerados confiables y
válidos.

4
© 2017 Laureate International Universities ®