Prueba de hipótesis para la correlación

Veamos la prueba de hipótesis para la correlación, incluida la prueba de hipótesis para el coeficiente de correlación, la prueba de hipótesis para la correlación negativa y la hipótesis nula para la prueba de correlación.

Pruéablo tú mismo

Scan and solve every subject with AI

Try our homework helper for free Homework Helper
Avatar

Millones de tarjetas didácticas para ayudarte a sobresalir en tus estudios.

Regístrate gratis

Achieve better grades quicker with Premium

PREMIUM
Karteikarten Spaced Repetition Lernsets AI-Tools Probeklausuren Lernplan Erklärungen Karteikarten Spaced Repetition Lernsets AI-Tools Probeklausuren Lernplan Erklärungen
Kostenlos testen

Geld-zurück-Garantie, wenn du durch die Prüfung fällst

Did you know that StudySmarter supports you beyond learning?

SS Benefits Icon

Find your perfect university

Get started for free
SS Benefits Icon

Find your dream job

Get started for free
SS Benefits Icon

Claim big discounts on brands

Get started for free
SS Benefits Icon

Finance your studies

Get started for free
Sign up for free and improve your grades

Review generated flashcards

Regístrate gratis
Has alcanzado el límite diario de IA

Comienza a aprender o crea tus propias tarjetas de aprendizaje con IA

Equipo editorial StudySmarter

Equipo de profesores de Prueba de hipótesis para la correlación

  • Tiempo de lectura de 10 minutos
  • Revisado por el equipo editorial de StudySmarter
Guardar explicación Guardar explicación
Sign up for free to save, edit & create flashcards.
Guardar explicación Guardar explicación
  • Fact Checked Content
  • reading time10 min
Tarjetas de estudio
Tarjetas de estudio
  • Fact Checked Content
  • Last Updated: 01.01.1970
  • reading time10 min
  • Content creation process designed by
    Lily Hulatt Avatar
  • Content cross-checked by
    Gabriel Freitas Avatar
  • Content quality checked by
    Gabriel Freitas Avatar
Sign up for free to save, edit & create flashcards.
Guardar explicación Guardar explicación

¡Gracias por tu interés en el aprendizaje por audio!

Esta función aún no está lista, pero nos encantaría saber por qué prefieres el aprendizaje por audio.

¿Por qué prefieres el aprendizaje por audio? (opcional)

Enviar comentarios
Reproducir como pódcast 12 minutos

¿Qué es la prueba de hipótesis para el coeficiente de correlación?

Cuando se da una muestra de datos bivariantes (datos que incluyen dos variables), es posible calcular lo linealmente correlacionados que están los datos, utilizando un coeficiente de correlación.

El coeficiente de correlación producto-momento (CCMP) describe en qué medida una variable está correlacionada con otra. En otras palabras, la fuerza de la correlación entre dos variables. El PMCC de una muestra de datos se denomina r, mientras que el PMCC de una población se denomina ρ.

La PMCC se limita a valores entre -1 y 1 (incluido).

  • Sir=1existe una correlación lineal positiva perfecta. Todos los puntos se sitúan en una línea recta con gradiente positivo, y cuanto mayor es una de las variables, mayor es la otra.

  • Sir=0no hay correlación lineal entre las variables.

  • Sir=-1, existe una correlación lineal negativa perfecta. Todos los puntos se sitúan en una línea recta con pendiente negativa, y cuanto mayor es una de las variables, menor es la otra.

Correlación no equivale a causalidad, pero una PMCC cercana a 1 o -1 puede indicar que hay una mayor probabilidad de que dos variables estén relacionadas.

estadística datos bivariados correlación nulo positivo negativo gráficos StudySmarter

Quieres ver ésta y muchas más ilustraciones?

Regístrate gratis
Datos bivariantes sin correlación, correlación positiva y correlación negativa

El PMCC debería poder calcularse con una calculadora gráfica hallando la recta de regresión de y sobre x y, por tanto, hallando r (este valor lo calcula automáticamente la calculadora), o utilizando la fórmular=SxySxxSyyque figura en el cuadernillo de fórmulas. Cuanto más se acerque r a 1 o -1, más fuerte será la correlación entre las variables y, por tanto, más estrechamente asociadas estarán. Debes ser capaz de realizar pruebas de hipótesis sobre una muestra de datos bivariantes para determinar si podemos establecer una relación lineal para toda una población. Calculando el PMCC, y comparándolo con un valor crítico, es posible determinar la probabilidad de que exista una relación lineal.

¿Cuál es la prueba de hipótesis para la correlación negativa?

Para realizar una prueba de hipótesis, hay que comprender una serie de palabras clave:

  • Hipótesis nula ( H0): la hipótesis que se supone correcta hasta que se demuestre lo contrario

  • Hipótesis alternativa ( H1): la conclusión a la que se llega siH0 se rechaza.

  • Prueba de hipótesis: procedimiento matemático para examinar el valor de un parámetro de la población propuesto por la hipótesis nula en comparación con la hipótesis alternativa.

  • Estadístico de prueba: se calcula a partir de la muestra y se comprueba en tablas de probabilidad acumulada o con la distribución normal como última parte de la prueba de significación.

  • Región crítica: el intervalo de valores que conducen al rechazo de la hipótesis nula.

  • Nivel de significación: el nivel de significación real es la probabilidad de rechazarH0 cuando en realidad es cierta.

La hipótesis nula también se conoce como "hipótesis de trabajo". Es lo que suponemos que es cierto a efectos de la prueba, o hasta que se demuestre lo contrario.

La hipótesis alternativa es lo que se concluye si se rechaza la hipótesis nula. También determina si la prueba es de una o dos colas.

Una prueba de una cola permite la posibilidad de un efecto en una dirección, mientras que las pruebas de dos colas permiten la posibilidad de un efecto en dos direcciones, es decir, tanto en la dirección positiva como en la negativa. Método: Para determinar la existencia de una relación lineal entre 2 variables hay que seguir una serie de pasos. 1. Escribe las hipótesis nula y alternativa (H0andH1). La hipótesis nula es siempreρ=0mientras que la hipótesis alternativa depende de lo que se pregunte en la pregunta. Ambas hipótesis deben enunciarse sólo con símbolos (no con palabras).

2. Utilizando una calculadora, calcula el valor de la PMCC de los datos de la muestra, r.

3. Utiliza el nivel de significación y el tamaño de la muestra para calcular el valor crítico. Lo encontrarás en la tabla PMCC del cuadernillo de fórmulas.

4. Toma el valor absoluto de la PMCC y r, y compáralos con el valor crítico. Si el valor absoluto es mayor que el valor crítico, debes rechazar la hipótesis nula. En caso contrario, acepta la hipótesis nula.

5. Escribe una conclusión completa en el contexto de la pregunta. La conclusión debe exponerse completa: tanto en lenguaje estadístico como con palabras que reflejen el contexto de la pregunta. Una correlación negativa significa que se rechaza la hipótesis alternativa: la falta de una variable se correlaciona con una mayor presencia de la otra variable, mientras que, cuando hay una correlación positiva, la presencia de una variable se correlaciona con la presencia de la otra.

Cómo interpretar los resultados a partir de la hipótesis nula

A partir de los resultados observados (estadístico de la prueba), hay que tomar una decisión, determinando si se rechaza o no la hipótesis nula.

prueba de hipótesis para la probabilidad de correlación del resultado observado studysmarter

Quieres ver ésta y muchas más ilustraciones?

Regístrate gratis
Imagen: Repapetilto CC BY-SA 3.0,

Prueba de hipótesis para la correlación prueba de dos colas StudySmarter

Quieres ver ésta y muchas más ilustraciones?

Regístrate gratis
Prueba de dos colas aplicada a la distribución normal. Imagen: dominio público

Tanto la prueba de una cola como la de dos colas se muestran con un nivel de significación del 5%. Sin embargo, el 5% se distribuye tanto en el lado positivo como en el negativo en la prueba de dos colas, y sólo en el lado positivo en la prueba de una cola.

A partir de la hipótesis nula, el resultado podría situarse en cualquier parte del gráfico. Si el resultado observado se encuentra en la zona sombreada, el estadístico de la prueba es significativo al 5%, es decir, rechazamosH0. Por tantoH0 podría ser cierta, pero aún así se rechaza. Por tanto, el nivel de significación, 5%, es la probabilidad de queH0 sea rechazada aunque sea cierta, es decir, la probabilidad de queH0 se rechace incorrectamente. Cuando H0 es rechazada, H1(la hipótesis alternativa) se utiliza para escribir la conclusión.

Podemos definir las hipótesis nula y alternativa para pruebas de una y dos colas:

Para una prueba de una cola

  • H0:ρ=0:H1ρ>0or
  • H0:ρ=0:H1ρ<0

Para una prueba de dos colas:

  • H0:ρ=0:H1ρ0

Veamos un ejemplo de prueba de correlación.

12 estudiantes se presentaron a dos pruebas de biología: una teórica y otra práctica. Los resultados se muestran en la tabla.

Puntuación en el examen teórico, t5971120461712101516
Puntuación en la prueba práctica, p689132098171481718

a) Halla el coeficiente de correlación producto momento para estos datos, con 3 cifras significativas.

b) Un profesor afirma que los alumnos que obtienen buenos resultados en la prueba teórica tienden a obtener buenos resultados en la prueba práctica. Pon a prueba esta afirmación al nivel de significación 0,05, formulando claramente tus hipótesis.

a) Utilizando una calculadora, hallamos la PMCC (introduce los datos en dos listas y calcula la recta de regresión. aparecerá la PMCC). r = 0,935 a 3 cifras de signo.

b) Comprobamos si existe una correlación positiva, ya que la afirmación es que una puntuación más alta en la prueba teórica está asociada a una puntuación más alta en la prueba práctica. Ahora utilizaremos los cinco pasos que vimos anteriormente.

1. Plantea las hipótesis nula y alternativa. H0: ρ = 0 y H1: ρ > 0

2. Calcula la PMCC. De la parte a), r = 0,935

3. Calcula el valor crítico a partir del tamaño de la muestra y el nivel de significación. El tamaño de la muestra, n, es 12. El nivel de significación es del 5%. La hipótesis es de una cola, ya que sólo comprobamos la correlación positiva. Utilizando la tabla del cuadernillo de fórmulas, el valor crítico es cv = 0,4973.

4. El valor absoluto de la PMCC es 0,935, que es mayor que 0,4973. Como el PMCC es mayor que el valor crítico al nivel de significación del 5%, podemos llegar a una conclusión.

5. Como el PMCC es mayor que el valor crítico, optamos por rechazar la hipótesis nula. Podemos concluir que existen pruebas significativas que apoyan la afirmación de que los alumnos que obtienen buenos resultados en el examen teórico de biología también tienden a obtener buenos resultados en el examen práctico de biología.

Veamos un segundo ejemplo.

Se lanza 40 veces un dado tetraédrico (cuatro caras) y se observan 6 "unos". ¿Existe alguna prueba al nivel del 10% de que la probabilidad de obtener un 1 sea inferior a la cuarta parte?

La media esperada es 10 =40×14. La pregunta es si el resultado observado (estadístico de prueba 6) es inusualmente bajo.

Ahora seguimos la misma serie de pasos.

1. Enuncia las hipótesis nula y alternativa. H0: ρ = 0 y H1: ρ <0 .25

2. No podemos calcular la PMCC porque sólo se nos dan datos de la frecuencia de "unos".

3. Se requiere una prueba de una cola ( ρ < 0,25) al nivel de significación del 10%. Podemos convertirlo en una distribución binomial en la que X es el número de "unos", de modo que X~B(40,0.25)utilizamos las tablas binomiales acumulativas. El valor observado es X = 6. Para P(X6'ones'in40rolls)=0.0962.

4. Como 0,0962, o 9,62% <10%, el resultado observado se encuentra en la región crítica.

5. Rechazamos y aceptamos la hipótesis alternativa. Concluimos que hay pruebas que demuestran que la probabilidad de sacar un "uno" es inferior a14

Prueba de hipótesis para la correlación - Aspectos clave

  • El Coeficiente de Correlación del Momento del Producto (CCMP), o r, es una medida del grado de relación entre 2 variables. Oscila entre -1 y 1, indicando la fuerza de una correlación.
  • Cuanto más se acerque r a 1 o -1, más fuerte será la correlación (positiva o negativa) entre dos variables.
  • La hipótesis nula es la hipótesis que se supone correcta hasta que se demuestre lo contrario. Afirma que no existe correlación entre las variables.
  • La hipótesis alternativa es la que se acepta cuando se rechaza la hipótesis nula. Puede ser de una cola (considerando un resultado) o de dos colas (considerando ambos resultados, positivo y negativo).
  • Si el nivel de significación es del 5%, significa que hay un 5% de probabilidades de que la hipótesis nula se rechace incorrectamente.

ImágenesPrueba de una cola: https://en.wikipedia.org/w/index.php?curid=35569621

Aprende más rápido con las 0 tarjetas sobre Prueba de hipótesis para la correlación

Regístrate gratis para acceder a todas nuestras tarjetas.

Prueba de hipótesis para la correlación
Preguntas frecuentes sobre Prueba de hipótesis para la correlación
¿Cuál es el objetivo de la prueba de hipótesis para la correlación?
El objetivo es determinar si la correlación observada en una muestra refleja una correlación real en la población.
¿Qué es el coeficiente de correlación?
El coeficiente de correlación mide la dirección y fuerza de la relación lineal entre dos variables.
¿Qué significa un valor p en la prueba de hipótesis?
El valor p indica la probabilidad de obtener los resultados observados si la hipótesis nula es verdadera.
¿Qué es una prueba de hipótesis para la correlación?
Una prueba de hipótesis para la correlación analiza si existe una relación significativa entre dos variables en una población.
Guardar explicación
How we ensure our content is accurate and trustworthy?

At StudySmarter, we have created a learning platform that serves millions of students. Meet the people who work hard to deliver fact based content as well as making sure it is verified.

Content Creation Process:
Lily Hulatt Avatar

Lily Hulatt

Digital Content Specialist

Lily Hulatt is a Digital Content Specialist with over three years of experience in content strategy and curriculum design. She gained her PhD in English Literature from Durham University in 2022, taught in Durham University’s English Studies Department, and has contributed to a number of publications. Lily specialises in English Literature, English Language, History, and Philosophy.

Get to know Lily
Content Quality Monitored by:
Gabriel Freitas Avatar

Gabriel Freitas

AI Engineer

Gabriel Freitas is an AI Engineer with a solid experience in software development, machine learning algorithms, and generative AI, including large language models’ (LLMs) applications. Graduated in Electrical Engineering at the University of São Paulo, he is currently pursuing an MSc in Computer Engineering at the University of Campinas, specializing in machine learning topics. Gabriel has a strong background in software engineering and has worked on projects involving computer vision, embedded AI, and LLM applications.

Get to know Gabriel

Descubre materiales de aprendizaje con la aplicación gratuita StudySmarter

Regístrate gratis
1
Acerca de StudySmarter

StudySmarter es una compañía de tecnología educativa reconocida a nivel mundial, que ofrece una plataforma de aprendizaje integral diseñada para estudiantes de todas las edades y niveles educativos. Nuestra plataforma proporciona apoyo en el aprendizaje para una amplia gama de asignaturas, incluidas las STEM, Ciencias Sociales e Idiomas, y también ayuda a los estudiantes a dominar con éxito diversos exámenes y pruebas en todo el mundo, como GCSE, A Level, SAT, ACT, Abitur y más. Ofrecemos una extensa biblioteca de materiales de aprendizaje, incluidas tarjetas didácticas interactivas, soluciones completas de libros de texto y explicaciones detalladas. La tecnología avanzada y las herramientas que proporcionamos ayudan a los estudiantes a crear sus propios materiales de aprendizaje. El contenido de StudySmarter no solo es verificado por expertos, sino que también se actualiza regularmente para garantizar su precisión y relevancia.

Aprende más
Equipo editorial StudySmarter

Equipo de profesores de Matemáticas

  • Tiempo de lectura de 10 minutos
  • Revisado por el equipo editorial de StudySmarter
Guardar explicación Guardar explicación

Guardar explicación

Sign-up for free

Regístrate para poder subrayar y tomar apuntes. Es 100% gratis.

Únete a más de 22 millones de estudiantes que aprenden con nuestra app StudySmarter.

La primera app de aprendizaje que realmente tiene todo lo que necesitas para superar tus exámenes en un solo lugar.

  • Tarjetas y cuestionarios
  • Asistente de Estudio con IA
  • Planificador de estudio
  • Exámenes simulados
  • Toma de notas inteligente
Únete a más de 22 millones de estudiantes que aprenden con nuestra app StudySmarter.
Sign up with GoogleSign up with Google
Regístrate con email

Únete a más de 30 millones de estudiantes que aprenden con nuestra aplicación gratuita Vaia.

La primera plataforma de aprendizaje con todas las herramientas y materiales de estudio que necesitas.

Intent Image
  • Edición de notas
  • Tarjetas de memoria
  • Asistente de IA
  • Explicaciones
  • Exámenes simulados