Clicked Gallery
¿Qué es la hipótesis nula?
Subrayado en un libro de texto real. Explicado por Clicked.
Usado en una frase
University Course Reader · STEM
The trial failed to reject the null hypothesis, so the drug's effect on recovery time remains unproven.
El lector subrayó un término — en un artículo o en el PDF de un paper. Clicked hizo que el término estadístico «null hypothesis» fuera fácil de entender:
Explicado en tres niveles
Los mismos datos, otro rollo — Modo jerga 😎
El método Clicked
●○○
Overview
La hipótesis nula es la afirmación por defecto contra la que un estudio se pone a prueba: lo que se estudia no tiene efecto, y cualquier patrón en los datos es azar. Un ensayo con un fármaco empieza asumiendo que el fármaco no hace nada y que los dos grupos difieren por suerte. Los investigadores preguntan entonces con qué frecuencia la suerte sola produciría una diferencia así de grande. Si rara vez, rechazan la nula y toman el efecto en serio. Si a menudo, la nula se mantiene, lo cual es distinto de demostrar que no hay nada que encontrar.
●○○
Overview
La hipótesis nula es la afirmación de que lo que se está probando no hace nada, y todo estudio empieza asumiéndola. Es la respuesta aburrida, y se da por cierta hasta que los datos la hacen difícil de creer. El investigador calcula con qué frecuencia la pura suerte produciría su resultado si el fármaco, la dieta o la app no hicieran nada. Si la suerte lo consigue a todas horas, gana lo aburrido, y buena parte de la ciencia es gente intentando tumbar la respuesta aburrida y fracasando. Esa es la gracia. 😎
Una idea rápida — muchas veces es todo lo que necesitas.
●●○
Detail
La hipótesis nula es el supuesto de partida de una prueba estadística: lo que se estudia no hace nada, y cualquier patrón en los datos es azar. Los investigadores ponen a prueba lo contrario de lo que esperan encontrar por una razón sencilla. Al empezar un estudio nadie sabe cuál es el efecto, cómo de grande es ni en qué dirección apunta, así que no hay nada concreto que contrastar. "El fármaco hace algo" podría significar cualquier tamaño de efecto y no da nada que medir. "El fármaco no hace nada" dice exactamente qué aspecto deberían tener los datos, así que contra eso se miden los datos. La prueba pregunta con qué frecuencia el azar solo produciría un resultado al menos tan grande como el observado. Esa probabilidad es el valor p, y por debajo de un umbral fijado de antemano, normalmente el 5 %, la nula se rechaza. Rechazarla le dice al estudio que el azar difícilmente explica el resultado, así que probablemente hay algo real en juego. No dice que ese algo sea el fármaco: una diferencia entre los dos grupos o un fallo en el diseño rechazarían la nula igual. Mantener la nula no demuestra que no haya efecto, porque un estudio pequeño puede pasar por alto uno real. De ahí salen dos errores: rechazar una nula que era cierta, un falso positivo (un error de tipo I), y mantener una que era falsa, un falso negativo (un error de tipo II). Y rechazar la nula no dice nada del tamaño. Un efecto real demasiado pequeño para importar la rechaza igual.
●●○
Detail
La hipótesis nula es la afirmación de que no pasa nada, y toda prueba estadística empieza ahí porque es la única afirmación que puedes fijar antes de saber nada. "Mi fertilizante nuevo funciona" es una esperanza sin número: ¿funciona cuánto, en qué, en qué dirección? "Mi fertilizante nuevo no hace nada y estas plantas más altas son azar" es una afirmación a la que puedes ponerle un número: ¿con qué frecuencia el azar hace crecer plantas tanto más altas? Rara vez, y la nula se rechaza. A menudo, y sobrevive, y tu historia del fertilizante sigue siendo una historia. Lo que confunde a la gente es qué significan los dos desenlaces. Tumbar la nula no es una victoria para tu idea. Significa que la suerte sola probablemente no hizo esto, así que pasó algo real, y ese algo podría ser tu fertilizante, mejor tierra en ese rincón o una regadera con goteras. No tumbarla tampoco es una derrota, porque un puñado de plantas puede esconder un efecto real. Dos maneras de equivocarse vienen de regalo con el método: rechazar una nula que era cierta, o mantener una que era falsa. Y hay una cosa que la nula nunca te dice: si el efecto es lo bastante grande como para importar. Rechazarla supera el listón de lo real. Superar el listón de lo útil es un salto aparte. 😎
¿Quieres más? Un clic profundiza.
●●●
Analogy
Un tribunal penal parte de la presunción de inocencia. Al acusado se le trata como inocente, y la acusación tiene que presentar pruebas que la inocencia no pueda explicar. El jurado nunca se pregunta si el acusado parece culpable. Se pregunta si las pruebas serían así de fuertes si el acusado fuera inocente, y solo cuando eso resulta difícil de creer cae la presunción. La hipótesis nula es la presunción de inocencia: no ha pasado nada, hasta que los datos hacen que eso sea difícil de creer. Un veredicto de no culpable funciona igual que mantener la nula. Significa que las pruebas no superaron el listón, y no dice nada sobre lo que realmente ocurrió.
●●●
Analogy
Un filtro de spam parte de un solo supuesto sobre cada correo: este mensaje es auténtico. Esa es la hipótesis nula, y cada correo es una nueva prueba de ella. El filtro lee el mensaje y se pregunta cómo de probable sería que tuviera este aspecto si fuera auténtico. Factura falsa, remitente desconocido, un enlace para pulsar ya: demasiado improbable, el supuesto cae y el correo va a la carpeta de spam. Nada sospechoso: el supuesto se mantiene y el correo se queda en tu bandeja. Nunca demuestra que un correo sea auténtico; solo no ha visto lo suficiente para decir lo contrario. A veces manda a spam un mensaje de tu jefe, que es la nula rechazada cuando era cierta. A veces una estafa aterriza en tu bandeja, que es la nula mantenida cuando era falsa. 😎
¿Concepto nuevo? Un ejemplo cotidiano lo hace clic — nuevas analogías cuando quieras.
Las explicaciones de IA pueden contener errores · No es asesoramiento profesional
Definición formal — El mismo término, explicado de la forma habitual
La hipótesis nula (H₀) es el enunciado por defecto de un contraste de hipótesis, que normalmente afirma ausencia de efecto, de diferencia entre grupos o de asociación entre variables. Se calcula un estadístico de contraste a partir de la muestra bajo el supuesto de que H₀ es cierta, y el valor p resultante da la probabilidad de obtener datos al menos tan extremos como los observados. Si el valor p cae por debajo de un nivel de significación fijado de antemano, H₀ se rechaza a favor de la hipótesis alternativa (H₁); en caso contrario se mantiene. No rechazar H₀ no establece su veracidad, y rechazarla no establece la alternativa ni indica la magnitud del efecto. Rechazar una H₀ cierta es un error de tipo I; mantener una H₀ falsa es un error de tipo II.
¿Quieres que Clicked te explique términos como «null hypothesis» directamente en tu navegador, incluso en PDFs?
Añadir a Chrome — Gratis50 Explicaciones gratis · Sin tarjeta de crédito
Más de la galería
¿Qué es el valor p?
Con qué facilidad la suerte podría fingir un resultado — y qué significa de verdad el 0,05.
¿Qué significa estadísticamente significativo?
Significa probablemente no es suerte. No significa grande, útil ni cierto.
¿Qué es un intervalo de confianza?
El rango que un estudio reporta alrededor de su resultado, y por qué uno amplio significa que nadie lo sabe aún.
¿Qué es el tamaño de la muestra?
A cuántos se midió de verdad, por qué los números pequeños engañan y por qué los grandes no bastan.
¿Qué es un grupo de control?
El grupo que no recibe nada, y por qué un estudio sin él demuestra muy poco.
¿Qué es el tamaño del efecto?
Cuán grande es realmente una diferencia, aparte de si es real. El número que las noticias omiten.