Una prueba de hipótesis estadística es un método de inferencia estadística que se utiliza para determinar una posible conclusión a partir de dos hipótesis diferentes y probablemente contradictorias.
En una prueba de hipótesis estadística, se propone una hipótesis nula y una hipótesis alternativa para la distribución de probabilidad de los datos. Si la muestra obtenida tiene una probabilidad de ocurrencia menor que el umbral de probabilidad preespecificado, el nivel de significancia , dada la hipótesis nula es verdadera, la diferencia entre la muestra y la hipótesis nula se considera estadísticamente significativa . La prueba de hipótesis puede conducir entonces al rechazo de la hipótesis nula y la aceptación de la hipótesis alternativa.
El proceso de distinguir entre la hipótesis nula y la hipótesis alternativa se ve facilitado al considerar el error de tipo I y el error de tipo II, que están controlados por el nivel de significación preespecificado.
Las pruebas de hipótesis basadas en la significación estadística son otra forma de expresar los intervalos de confianza (más precisamente, los conjuntos de confianza). En otras palabras, cada prueba de hipótesis basada en la significancia se puede obtener a través de un intervalo de confianza, y cada intervalo de confianza se puede obtener a través de una prueba de hipótesis basada en la significancia. [1]
Si bien la prueba de hipótesis se popularizó a principios del siglo XX, las primeras formas se utilizaron en el siglo XVIII. El primer uso se atribuye a John Arbuthnot (1710), [2] seguido por Pierre-Simon Laplace (década de 1770), al analizar la proporción de sexos humanos al nacer; ver § Proporción sexual humana .
La prueba de significación moderna es en gran parte el producto de Karl Pearson ( valor p , prueba de chi-cuadrado de Pearson ), William Sealy Gosset ( distribución t de Student ) y Ronald Fisher (" hipótesis nula ", análisis de varianza , " prueba de significación ") , mientras que la prueba de hipótesis fue desarrollada por Jerzy Neyman y Egon Pearson (hijo de Karl). Ronald Fisher comenzó su vida en estadística como un bayesiano (Zabell 1992), pero Fisher pronto se desilusionó con la subjetividad involucrada (a saber, el uso del principio de indiferencia ).al determinar las probabilidades previas), y buscó proporcionar un enfoque más "objetivo" a la inferencia inductiva. [3]