Las hipótesis se encuentran en todos los trabajos investigativos, pero en muchos otros no los encontramos, y esto no significa que el trabajo no esté completo o no

...

nivel aplicativo. El nivel exploratorio corresponde a la investigación cualitativa, en el nivel descriptivo existe unas sola variable analítica en la que inicia la investigación cuantitativa, en el nivel relacional ya existen 2 variables analíticas en donde se inicia el análisis entre ella, como la comparación y correlación. En el nivel explicativo se encuentran los análisis estadísticos multivariados, a diferencia del anterior que es bivariado, esto porque tiene más de dos variables. En el tercer criterio se usan dos tipos de diseño; el diseño de casos y controles, y el diseño de cohortes. Los dos tipos participan y se emplean en estudios racionales al tener dos variables. Pero el diseño de casos y controles es un estudio retrospectivo y transversal, y el diseño de cohortes es un estudio prospectivo y longitudinal.

El objetivo estadístico es una de los más importantes, ya que en éste se utilizan las tablas de contingencia para hacer el análisis de las variables, como la comparación, relación, concordancia. En la escala de la medición se usan por lo general la comparación, pero el tipo de estadístico que se le aplique va a depender del tipo de la variable. La variable aleatoria es categórica y se usara el estadístico de Ji cuadrada; en la variable numérica se utilizará el t de student para grupos independientes; y en una variable del tipo ordinaria se usa la prueba de U Mann Whitney. Por último el comportamiento de los datos de las variables, que podrán ser cualitativas y cuantitativas.

4. Lectura del p-valor

Anteriormente se calculaba el p-valor con la diferencia entre valores calculados y teóricos de distintos métodos, como es el de ji cuadrada o el t de student. El lado negativo de esto es que son métodos inexactos y no son tan didácticos y portables. Actualmente se usan software para calcular este valor y determinar si la hipótesis alterna es la verdadera y poder descartar la hipótesis nula.

Para cuantificar el error tenemos dos métodos con la ayuda de software, la significancia asintótica y la significancia exacta. La primera se calcula con la distribución normal Z, en la que la distribución nunca llega a tocar el eje de las abscisas y por ende tenemos infinitas posibilidades de ocurrencia con infinitas probabilidades aunque sean mínimas y muy cercanas a cero. Por otro lado, con el test exacto de Fischer podemos usar la distribución binomial que no deja lugar a infinitas posibilidades, si no que se reduce a probabilidades finitas. En ambos casos se trata de determinar p-valor y cualquier método sirve.

El p-valor es un número que lee como tal, y no se interpreta. Por ejemplo, tenemos que aplicar un examen y los posibles resultados son aprobado y no aprobado. Se hacen los estadísticos de prueba y se determina un p-valor de 10%. A nosotros no nos interesa la probabilidad de fallar, sino que nos interesa la probabilidad de aprobar y que sea verdadera nuestra hipótesis alterna, por ende se lee como “Se va a aprobar el examen con una probabilidad de error del 10%”.

Debemos de tomar en cuenta los programas estadísticos que nos arrojan la magnitud del error tipo 1, pues son los que nos van a servir para probar las hipótesis y tomar una decisión sobre la que nos servirá para nuestro trabajo de investigación. Basta con saber la prueba estadística para obtener el p-valor puesto que no se necesitan hacer cálculos manuales.

5. La toma de decisiones

Es en este paso donde vamos a decidir con que hipótesis quedarnos en base al p-valor obtenido. En la mayoría de los casos, sean o no de procesos estadísticos, tenemos que tomar decisiones dicotómicas, en las que tenemos opción a dos posibles resultados y elegimos uno en base al porcentaje de error que tenemos de cada uno. Es por tal motivo que la toma de decisiones es individual y cada quien tiene sus parámetros para elegir.

Los investigadores toman la decisión de cual hipótesis tomar. Si el p-valor obtenido es menor al del nivel de significancia preliminar del área de estudio, podemos tomar como verdadera la hipótesis alterna debido a que tiene un bajo porcentaje de error, que se encuentra en el rengo estándar. Pero si el p-valor es mayor al nivel de significancia sabremos que hay mucho error y tomamos la hipótesis nula. Que tomemos esta hipótesis no significa que sea la correcta, si no que no se ha podido descartar por el error obtenido. El nivel de significancia estándar es del 5% y por ende el p-valor debería ser menor que este para poder tomar la hipótesis H1.

Es muy distinto tomar la decisión sobre las hipótesis, que interpretar los resultados pues la interpretación sale a partir de la toma de decisión y no se determina en estos 5 pasos. La toma de decisión solo incluye decidir de acuerdo a los resultados obtenidos, sin darle un significado conciso.