Contraste de hipótesis

La prueba de hipótesis es un método estadístico que permite determinar si existe evidencia suficiente para rechazar una hipótesis nula.

En la prueba de hipótesis:

• La hipótesis nula (H₀) supone que no existe ningún efecto ni diferencia.
• La hipótesis alternativa (H₁) sugiere que existe un efecto o una diferencia.

Una prueba t comprueba si las medias de dos grupos son significativamente diferentes.

data1 <- c(5.1, 6.2, 5.8, 6.5, 5.9)
data2 <- c(7.0, 6.8, 7.5, 7.1, 6.9)
t.test(data1, data2)

El valor p ayuda a decidir si se debe rechazar H₀:

• Si el valor p < 0.05, rechace H₀ (resultado significativo).
• Si el valor p > 0.05, no rechace H₀ (resultado no significativo).

La prueba de chi-cuadrado comprueba si las variables categóricas son independientes.

observed <- matrix(c(20, 30, 50, 40), nrow=2)
chisq.test(observed)

ANOVA compara las medias de varios grupos.

group1 <- c(5.1, 6.2, 5.8)
group2 <- c(7.0, 6.8, 7.5)
group3 <- c(4.9, 5.5, 5.2)
data <- data.frame(value = c(group1, group2, group3), 
                   group = rep(c('A', 'B', 'C'), each=3))
aov_test <- aov(value ~ group, data = data)
summary(aov_test)

El tamaño del efecto mide la magnitud de un resultado y ayuda a determinar su significación práctica.

La prueba de hipótesis se basa en ciertos supuestos y puede verse influida por el tamaño de la muestra y la calidad de los datos.

En esta lección, ha aprendido:

• Cómo realizar una prueba de hipótesis.
• Cómo utilizar pruebas t, chi-cuadrado y ANOVA.
• La importancia de los valores p y los tamaños del efecto.