Informe de prueba de hipótesis
Una hipótesis es similar a una declaración del problema en el sentido de que ayuda al investigador a desarrollar “una declaración sobre un parámetro de población … con el propósito de las pruebas”. (Lind, et al, 2004, p. 317). La prueba de hipótesis es un procedimiento de cinco pasos que utiliza “evidencia de muestra y teoría de probabilidad para determinar si la hipótesis es una declaración razonable”. (Lind, et al, 2004, p. 318). Los cinco pasos utilizados son: “Hipótesis nula y alternativa del estado”, “seleccione un nivel de significancia”, “identificar la estadística de prueba”, “formular una regla de decisión” y “tomar una muestra, llegar a una decisión” (Lind,,, et al, 2004, p. 318). Muchos elementos se consideran en las pruebas de hipótesis, como la hipótesis nula, la hipótesis alternativa, el error de tipo I, el error de tipo II, las estadísticas de prueba, el valor crítico y más. Comprender el método para probar la hipótesis es esencial para el éxito.
Max Bazerman, un profesor de la Universidad de Harvard, dijo una vez que “las personas están” confididas “erróneamente en su conocimiento y subestiman las probabilidades de que su información o creencias se prueben Incorrecto. Tienden a buscar información adicional de manera que confirman lo que ya creían “. (Cooper y Schindler, 2006, p. 536). Esto nos lleva a comprender la importancia de la investigación objetiva y la cuidadosa consideración de una hipótesis para que incluya todas las posibilidades y al mismo tiempo ser “inclusivas y mutuamente excluyentes” (Pruebas de hipótesis, n.d., párr. 3). La hipótesis nula y la hipótesis alternativa son opuestos casi exactos entre sí. Por ejemplo, un investigador podría afirmar que la mayoría de las personas prefieren Pepsi sobre Coca -Cola y luego desarrollan una hipótesis que establece: “Las personas prefieren el sabor de los productos Pepsi sobre Coca -Cola” y la hipótesis alternativa sería: “Las personas prefieren el sabor de los productos de Coca -Cola sobre Pepsi. “
La declaración puede desarrollarse en base a datos secundarios, lo que demuestra que se venden más productos Pepsi que los productos de Coca -Cola. Esta información puede desarrollarse para determinar qué bebida llevar en un restaurante, y podría basarse en las preferencias de la comunidad y las ventas de tiendas locales. El siguiente paso sería determinar el “nivel de significación” que determina los factores de riesgo involucrados en la información de investigación que no contiene los parámetros adecuados y el desarrollo del análisis incorrecto. Un error de tipo I es “rechazar la hipótesis nula cuando es verdadera” y un error de tipo II es “aceptar la hipótesis nula cuando es falsa” (Lind, et al, 2004). En el escenario de Pepsi versus Coca -Cola, los resultados de la evaluación comparativa pueden determinar que la preferencia de bebida no influye en gran medida en el número de consumidores interesados en un restaurante; Por lo tanto, cualquier error puede no afectar en gran medida el éxito del restaurante. Sin embargo, si la situación fuera más perjudicial para los consumidores, necesitaría un nivel de confianza más alto, como el 99% o mejor, como es el caso con una hipótesis, que establece “el producto A, el champú, es tanto hipoalergénico y no irrita la piel sensible. ” Un tipo I podría costar a los consumidores y a la empresa (ramificaciones legales y pérdida de confiabilidad de la marca), mientras que un error de tipo II puede costar la investigación y la financiación de desarrollo de la compañía. Comprender estos posibles errores permitirá al investigador desarrollar posibles escenarios de lo que podría ocurrir.
El paso 3 es el “Estadístico de prueba: un valor, determinado a partir de la información de la muestra, que se utiliza para determinar si rechazar la hipótesis nula. ” (Lind, et al, 2004, p. 321). Este paso implica el uso de una fórmula para permitirnos desarrollar información recopilada y pasar al paso final. Las pruebas paramétricas también se conocen como “prueba z” o la “prueba t” y examinan la “significación estadística entre una media de distribución de muestra y un parámetro de población” (Cooper y Schindler, 2006, p. 550). Como un censo, o un estudio de toda la población, rara vez es compatible para un estudio, estos medios permiten que la población se estudie como una muestra cuando la desviación estándar no se conoce o si el tamaño de la muestra es grande. Por ejemplo, si usamos una muestra de diez panes de pan, por turno, solo serían 30 panes de pan por día y serían una desviación estándar de muestra. Como hipótesis de calidad, que demostrará la calidad del producto producido por ese fabricante de pan, un nivel de confianza del 99% sería importante; y usaríamos la prueba t debido al tamaño de muestra más pequeño.
La selección de las pruebas correctas es esencial para el éxito de la prueba de hipótesis. Es importante saber cuántas muestras están involucradas, si las muestras son “independientes o relacionadas”, o si la “escala de medición [es] nominal, ordinal, intervalo o relación” (Cooper y Schindler, 2006, p. 548) . Estos factores determinan si utilizaremos una muestra de dos muestras de dos, dos muestras de dos muestras de K-independientes, pruebas de muestras relacionadas con K (Cooper y Schindler, 2006). Por ejemplo, un investigador podría usar las pruebas de dos muestras de dos independientes para evaluar los resultados de dos programas de dieta diferentes en grupos objetivo similares. Los resultados podrían adaptarse para evaluar la reacción al programa, el impacto en el estilo de vida y las tasas de éxito.
En el siguiente paso, desarrollamos una regla de decisión: “Una regla de decisión es una declaración de las condiciones específicas bajo que se rechaza la hipótesis nula y las condiciones bajo las cuales no se rechazan “. (Lind, et al, 2004, p. 321). Este paso incluye un valor crítico que es “[t] el punto divisivo entre la región donde se rechaza la hipótesis nula y la región donde no se rechaza”. (Lind, et al, 2004, p. 321). El uso de las pruebas apropiadas permite analizar las condiciones y el valor crítico se determinará. Del ejemplo anterior, el programa de dieta, podríamos establecer la hipótesis nula, ya que “no hay diferencia entre los dos programas de dieta”. La hipótesis alternativa podría indicar que un programa de dieta es mejor que el otro. Se utilizaría una prueba t porque las muestras son independientes y los datos son intervalo. A continuación, calcularíamos el valor utilizando una prueba de una cola para el nivel de significación de 0.05. Finalmente, iríamos al último paso: interpretar los resultados.
El paso final es “calcular la estadística de prueba, compararlo con el valor crítico y tomar la decisión de rechazar o no rechazar el nulo hipótesis.” (Lind, et al, 2004, p. 322). Esto ocurre cuando se evalúan todos los resultados, la hipótesis se rechaza o acepta, y se informan los resultados. Un grupo focal, que utiliza un soporte de prueba de sabor como prueba de una muestra, puede determinar que la comunidad local prefiere Pepsi sobre Coca-Cola. Después de desarrollar la información, es importante evaluarla con una mente objetiva para garantizar que los resultados sean precisos y evitar el error como lo describe el profesor Bazerman, en el que se recopila información para mostrar resultados sesgados.
“. Nunca podemos saber con certeza si algo es cierto, pero podemos hacer declaraciones de probabilidad basadas en los procedimientos de hipótesis nulos, y esto es casi tan bueno “. (Prueba de hipótesis, n.d., párr. 2). Las pruebas de hipótesis se utilizan para desarrollar declaraciones precisas y permitir a las empresas tomar decisiones educadas sobre la gestión de proyectos. Recopilar, analizar e interpretar datos requiere una base sólida y una comprensión de las preguntas que necesitan responder. Si bien es imposible desarrollar estadísticas utilizando poblaciones completas, como la calidad de cada barra de pan producida, o el número exacto de personas que comprarán un automóvil nuevo en 2009, es posible usar una muestra de la población para estimar ambos de estos escenarios.
Referencias:
Cooper, D. y Schindler, P. (2006). Investigación de mercado. Nueva York, NY: McGraw-Hill Irwin.
Prueba de hipótesis. (Dakota del Norte.). Universidad de Phoenix. Recuperado el 15 de marzo de 2008, de la Universidad
de Phoenix, Eresource.
Lind, D., Marchal, W. y Wathen, S. (2004). Técnicas estadísticas en negocios y economía,
12e . Recuperado el 2 de marzo de 2008, de la Universidad de Phoenix, Eresurce.
