Inferencia Estadstica

En esta unidad, se pretende entender qu es y para qu se utiliza un contraste de hiptesis, as como saber calcular e interpretar los p-valor a la hora de realizar dichos contrastes para la media poblacional, sea o no conocida la desviacin estndar poblacional.

OBJETIVOS ________________________
1. 2. 3. 4. Definir una hiptesis y realizar la prueba de sta. Entender el concepto de p-valor. Calcular el p-valor en los contrastes de hiptesis unilaterales y bilaterales. Interpretar el resultado del p-valor a la hora de tomar decisiones en los contrastes de hiptesis.

INTRODUCCIN ___________________
Una hiptesis estadstica es una afirmacin respecto a alguna caracterstica de una poblacin. Contrastar una hiptesis es comparar las predicciones con la realidad que observamos. Si dentro del margen de error que nos permitimos admitir, hay coincidencia, aceptaremos la hiptesis y en caso contrario la rechazaremos.

Existen dos tipos de hiptesis: Paramtricas. Paramtricas La hiptesis se formula indicando cul es el posible valor de un parmetro. Por ejemplo: la duracin media de determinado reactivo es un ao. No paramtricas. paramtricas La hiptesis formulada no hace referencia a ningn parmetro. Por ejemplo: la duracin del reactivo sigue una distribucin exponencial.
Qu es una hiptesis? Es una creencia sobre la poblacin, principalmente sus parmetros: Media Varianza Proporcin/Tasa

Concepto de contraste de hiptesis

Podemos definir un contraste de hiptesis como un procedimiento que se basa en lo observado en las muestras y en la teora de la probabilidad para determinar si la hiptesis es un enunciado razonable. Un contraste de hiptesis (tambin denominado test de hiptesis o prueba de significacin) significacin es una tcnica de inferencia estadstica para juzgar si una propiedad que se supone cumple una poblacin estadstica es compatible con lo observado en una muestra de dicha poblacin. Este proceso estadstico permite elegir una hiptesis de trabajo de entre dos posibles y antagnicas. El contraste comienza con la formulacin de dos hiptesis sobre el valor de algn parmetro poblacional, poblacional siendo ambas incompatibles (si una es cierta, la otra necesariamente ha de ser falsa). Supondremos cierta una de ellas, a la cual llamaremos hiptesis nula H0, H0 y trataremos de determinar hasta qu grado las observaciones registradas son coherentes con H0. Slo en caso de que haya fuertes indicios de incompatibilidad entre el supuesto de que H0 sea cierta y los datos obtenidos empricamente, descartaremos H0 como hiptesis de trabajo y en su lugar tomaremos como cierta la hiptesis alternativa H1. H1

La hiptesis emitida se suele designar por Ho y se llama Hiptesis nula porque parte del supuesto que las diferencias entre el valor verdadero del parmetro y su valor hipottico es debida al azar, es decir no hay diferencia. La Hiptesis nula es: La que contrastamos, Los datos pueden refutarla y No debera ser rechazada sin una buena razn. La hiptesis contraria se designa por H1 y se llama Hiptesis alternativa. Niega a H0 (y creemos que es mejor). Los datos pueden mostrar evidencia a favor y No debera ser aceptada sin una gran evidencia a favor.

Los contrastes pueden ser unilaterales o bilaterales (tambin llamados de una o dos colas) segn establezcamos las hiptesis, si las definimos en trminos de igual y distinto estamos ante una hiptesis bilateral, si suponemos una direccin (en trminos de mayor o menor) estamos ante uno unilateral. Unilateral Derecho. Derecho Se desea comprobar la hiptesis de un aumento en el parmetro, en este caso el nivel de significancia se carga todo hacia el lado derecho, para definir las regiones de aceptacin y de rechazo.

Unilateral Izquierdo: Izquierdo Se desea comprobar la hiptesis de una disminucin en el parmetro, en este caso el nivel de significancia se carga todo hacia el lado izquierdo, para definir las regiones de aceptacin y de rechazo.

Bilateral: Bilateral Se desea comprobar la hiptesis de un cambio en el parmetro. El nivel de significancia se divide en dos y existen dos regiones de rechazo.

El contraste de hiptesis no establece la verdad de la hiptesis, sino un criterio que nos permite decidir si una hiptesis se acepta o se rechaza, o el determinar si las muestras observadas difieren significativamente de los resultados esperados. En este proceso podemos incurrir en dos tipos de errores segn sea la situacin real y la decisin que tomemos. Se trata pues, de extraer conclusiones a partir de una muestra aleatoria y significativa, que permitan aceptar o rechazar una hiptesis previamente emitida, sobre el valor de un parmetro desconocido de la poblacin.

El mtodo De Contraste de Hiptesis: 1. Enunciar la hiptesis.

2. Elegir un nivel de significacin . El nivel de significacin lo pone el investigador y depende de su conocimiento a priori y de las consecuencias derivadas de tomar una decisin equivocada. Nivel de significacin es un nmero pequeo: 1%, 5% y 9%.

Los valores ms comunes para niveles de significacin son: Nivel de Significacin Valores crticos de z para una cola Valores crticos de z para dos colas 0,10 = 90 % + 1,28 + 1,65 0,05 = 95 % + 1,65 + 1,96 0,01 = 99 % + 2,33 + 2,58

3. Definir el Estadistico de prueba y construir la zona de aceptacin a traves del planteamiento grfico del problema. A la zona de rechazo la llamaremos regin crtica, crtica y su rea es el nivel de significacin. Regin crtica contiene valores improbables y si es conocida antes de realizar el experimento: resultados experimentales que refutaran H0. La posicin de la regin crtica depende de la hiptesis alternativa. El valor crtico es el punto que divide la regin de aceptacin y la regin de rechazo de la hiptesis nula. En este punto se determina el tipo de ensayo (unilateral o bilateral).

4. Establecer la regla de decisin. decisin Esta se puede establecer en funcin (Error del valor crtico, el cual se obtiene dependiendo del valor de tipo I o nivel de significancia) o en funcin del estadstico lmite de la distribucin muestral. Cada una de las hiptesis deber ser argumentada correctamente para tomar la decisin, la cual estar en funcin de la hiptesis nula o Ho. 5. Verificar la hiptesis extrayendo una muestra cuyo tamao se ha decidido en el paso anterior
y obteniendo de ella el correspondiente estadstico (media o proporcin en nuestro caso).

6. Calcular el estadstico real, y situarlo para tomar la decisin. Decidir. Decidir Si el valor calculado en
la muestra cae dentro de la zona de aceptacin se acepta la hiptesis y si no se rechaza. Si rechazamos una hiptesis cuando debiera ser aceptada, cometemos un error de tipo I, I mientras que si la aceptamos debiendo ser rechazada diremos que hemos cometido un error de tipo II. II Minimizar los errores no es una cuestin sencilla, un tipo suele ser ms grave que otro y los intentos

de disminuir uno suelen producir el aumento del otro. La nica forma de disminuir ambos a la vez es aumentar el tamao de la muestra. Ho verdadera
DECISIN:Mantener

Ho falsa
Decisin incorrecta

Ho

Decisin correcta

Error de tipo II
Decisin incorrecta DECISIN:Rechazar

Ho Error de tipo I

Decisin correcta

La probabilidad de cometer un error de tipo I es el nivel de significacin , la probabilidad de cometer un error de tipo II depende del verdadero valor de y del tamao de la muestra.

Llamaremos potencia del contraste a la probabilidad de rechazar la hiptesis nula siendo sta falsa. Fijmonos que, a mayor potencia, mejor contraste, puesto que podremos aceptar la hiptesis alternativa con poca probabilidad de que sea falsa. Denotaremos por el nivel de significacin significacin o probabilidad de cometer un error de tipo I, y por la probabilidad de cometer un error de tipo II. Con lo cual, la potencia es de 1 - . Finalmente, llamaremos estadstico de contraste a una v.a. calculada a partir de las observaciones mustrales, la cual se usa conjuntamente con un criterio de decisin (establecido a priori) para determinar si hemos de descartar o no la hiptesis nula.

= p (rechazar H 0| H0 cierta) = p (aceptar H0| H 0 falsa) Potencia =1-= p (rechazar H0| H0 falsa) Detalles Detalles a tener en cuenta: cuenta 1. y estn inversamente relacionadas.
2. Slo pueden disminuirse las dos, aumentando n .

Significacin: p El valor P es el mnimo nivel de significancia en el cual Ho sera rechazada cuando se utiliza un procedimiento de prueba especificado con un conjunto dado de informacin. Una vez que el valor de P se haya determinado, la conclusin en cualquier nivel a particular resulta de comparar el valor P con .
Es la probabilidad que tendra una regin crtica que comenzase exactamente en el valor del estadstico obtenido de la muestra. Es la probabilidad de tener una muestra que discrepe an ms que la nuestra de H0. Es la probabilidad de que por puro azar obtengamos una muestra ms extraa que la obtenida. p es conocido despus de realizar el experimento aleatorio y es no significativo cuando p >.

El contraste es estadsticamente significativo cuando p <

Clculo del valor p Prueba de una cola: valor p = P { z el valor absoluto del estadstico de prueba calculado} Prueba de dos colas: valor p = 2P { z el valor absoluto del estadstico de prueba calculado} z = 1.44, el valor p = 2P { z 1.44} = 2(.5-.4251) = .1498. Como .1498 > .05, no se rechaza H0. De antemano se fija que la mxima probabilidad de error al rechazar Ho debe ser igual a , otra manera de tomar la decisin es comparar el valor del P- value con . As Si P entonces la decisin es Rechazamos Ho Si P > la decisin es No hay evidencia suficiente para rechazar Ho

Prueba para la media poblacional: muestra muestra grande, desviacin estndar poblacional conocida
Cuando se hace una prueba para la media poblacional de una muestra grande y se conoce la desviacin estndar, el estadstico de prueba est dado por:

Ejemplo: El jefe de la Biblioteca Especializada de la Facultad Contabilidad de la UPOLI

manifiesta que el nmero promedio de lectores por da es de 350 con una desviacin estndar de 25. Para confirmar o no este supuesto se controla la cantidad de lectores que utilizaron la biblioteca durante 30 das, observando una

media de 372. Realizar la prueba de hiptesis, se considera el nivel de significancia de 0.05. Solucin Soluci n: Se trata de un problema con una media poblacional: muestra grande y desviacin estndar poblacional desconocida. Paso 01: 01: Seleccionamos la hiptesis nula y la hiptesis alternativa Ho: 350 H1: > 350 Paso 02: 02: Nivel de confianza o significancia 95% 0.05 Paso 03: Calculamos o determinamos el valor estadstico de prueba De los datos determinamos: que el estadstico de prueba es z, debido a que el numero de muestras es igual a 30, conocemos la media de la poblacin y la desviacin estndar tambin.

La prueba de hiptesis es unilateral derecha, por que se desea comprobar la hiptesis de

existe un aumento en la media poblacional.

Paso 04: 04: Formulacin de la regla de decisin. La regla de decisin la formulamos teniendo en cuenta que esta es una prueba de una cola, el nivel de significancia se carga todo hacia el lado derecho, el rea en la que no se rechaza Ho esta a la izquierda del valor critico, es por consiguiente 0.95. El valor critico para 0.05 da un valor de Zc = 1.96.

Por consiguiente la regla de decisin: decisin es rechazar la hiptesis nula y aceptar la hiptesis alternativa, si el valor Z calculado

es mayor que +1.96. En caso contrario no se rechaza la hiptesis nula si Z es menor que 1.96. Paso 05: 05: Toma de decisin. En este ultimo paso se calcula el valor z a travs de la formula anterior y lo comparamos con el valor critico de Zc = 1.96. Datos: x = 372 350 = 25 N = 30 Z = ( 372 -350) / (25 / 30) = 22 / ( 25 / 5.47725) = 22 / 4.506 Z = 4.88238 Como el estadstico de prueba calculado cae a la derecha del valor critico Z, es decir 4.88238 > 1.96 entonces, se rechaza Ho. Por tanto no se confirma el supuesto del Jefe de la Biblioteca y se acepta la hiptesis alternativa de que es mayor la cantidad promedio de lectores por da a un nivel de significancia de = 0.05. Se calcula el valor p Prueba de una cola: valor p = P {z el valor absoluto del estadstico de prueba calculado} p = P (z = 4.88) p= Si P entonces la decisin es Rechazamos Ho, la prueba result ser significativa.
Prueba para la media poblacional: muestra grande, desviacin estndar poblacional desconocida. desconocida

Aqu es desconocida, as que se estimar con la desviacin estndar de la muestra s. Siempre que el tamao de muestra n 30, z puede aproximarse con:

Distribucin T. Prueba para la media poblacional: muestra pequea, desviacin estndar poblacional desconocida.
En probabilidad y estadstica, la distribucindistribucin- t o distribucin t de Student es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. sta es la base del popular test de la t de Student para la determinacin de las diferencias entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones. La distribucin t surge, en la mayora de los estudios estadsticos prcticos, cuando la desviacin tpica de una poblacin se desconoce y debe ser estimada a partir de los datos de una muestra. El estadstico de prueba para el caso de una muestra est n < 30, esta dado por:

La distribucin t tiene las siguientes propiedades: 1. Es continua, tiene forma de campana y es simtrica respecto al cero como la distribucin z. 2. Existe una familia de distribuciones t que comparten una media de cero pero con desviaciones estndar diferentes.
3. La distribucin t est ms dispersa y es ms plana en el centro que la

distribucin z, pero se acerca a ella cuando el tamao de la muestra crece. 4. Es una familia de distribuciones con forma de campana, Simtrica y Unimodal. 5. En est familia de distribuciones la media es 0. 6. La desviacin estndar depende de un parmetro denominado grados de libertad.
Ejemplo 1)

En un registro de das labores, un equipo de trabajadores mantienen un record de 80 minutos para armar una bicicleta. Se toma una muestra de 25 das labores que especifica que el tiempo requerido para esta actividad es de 70 minutos en serie con una variacin de 16 minutos, Contrastar la hiptesis no

existe variacin en el tiempo medio de armado de bicicletas a un nivel de significancia de 1%. Solucin: Solucin Se trata de un problema con una media poblacional: muestra pequea y desviacin estndar poblacional desconocida. Paso 01: 01: Seleccionamos la hiptesis nula y la hiptesis alternativa Ho: 80 H1: 800 Paso 02: 02: Nivel de confianza confianza o significancia 99% 0.01

Paso 03: Calculamos o determinamos el valor estadstico de prueba De los datos determinamos: que el estadstico de prueba es t, debido a que el numero de muestras es menor que 30, conocemos la media de la poblacin, pero desconocemos la desviacin estndar.

La prueba de hiptesis es bilateral, por que se desea comprobar la hiptesis de que no

existe diferencia en la media poblacional.

Paso 04: 04: Formulacin de la regla de decisin. La regla de decisin la formulamos teniendo en cuenta que esta es una prueba de dos colas, el nivel de significancia se carga a ambos lados, es decir /2 al lado derecho y /2 al lado izquierdo, el rea en la que no se rechaza Ho esta en el centro de la grafica. El valor critico para 0.01 da un valor de t = 2.492. Por consiguiente la regla de decisin: decisin es rechazar la hiptesis nula y aceptar la hiptesis alternativa, si el valor t calculado es mayor que + 2.492 y menor que 2.492. En caso contrario no se rechaza la hiptesis nula si t se encuentra entre 2.492.

Paso 05: 05: Toma de decisin. En este ultimo paso se calcula el valor t a travs de la formula anterior y lo comparamos con n-1 grados de libertad. Datos: x = 70 80 s = 16 n = 25 gl = 24 t = (70 80) / (16 / 25) = - 10 / (16 / 5) = - 10 / 3.2 = - 3.125 t = - 3.125 Como el estadstico de prueba calculado cae a la izquierda del valor critico t = -2.492, es decir - 3.125 < - 2.492 entonces, se rechaza Ho. Por tanto se confirma el supuesto de que existe una diferencia en el tiempo promedio de armado de bicicletas, entonces se acepta la hiptesis alternativa a un nivel de significancia de = 0.01

Distribucin F Fisher.
Anlisis de varianza (ANOVA) (ANOVA) es una coleccin de modelos estadsticos y sus procedimientos asociados. El Anlisis de Varianza sirve para comparar si los valores de un conjunto de datos numricos son significativamente distintos a los valores de otro o ms conjunto de datos. La distribucin F es una distribucin de probabilidad continua, tambin se le conoce como distribucin F de Snedecor o como Distribucin F de Fisher Snedecor. Snedecor Caractersticas: 1. Existe una familia de distribuciones F. 2. cada miembro de la familia esta determinado por dos parmetro: los grados de libertad en el numerador y los grados de libertad en el denominador. 3. Es una distribucin continua positiva. 4. La curva de la distribucin F tiene un sesgo positivo. 5. Sus valores varan entre 0 y + . Conforme F tiende a + , la curva se aproxima al eje X pero nunca lo llega a tocar. El objetivo de la distribucin F es comprobar si dos varianzas mustrales provienen de la misma poblacin o de poblaciones iguales, para demostrar la hiptesis de que la varianza de una poblacin normal es igual a la varianza de otra poblacin normal. Las poblaciones muestreadas deben de ser normales y se calcula la razn de las dos varianzas mustrales y se compara el resultado con el valor critico de F. Para cualquier investigacin H0 es la varianza de una poblacin normal 2 1 igual a la varianza de otra poblacin normal 22. Para realizar la prueba se realiza: 1. Se consigue una muestra aleatoria n observaciones de la primera poblacin. 2. Una muestra aleatoria de n observaciones de una segunda poblacin. 3. El estadstico de prueba es s 21 /s2 2, donde s2 1 es la varianza muestral de la primera poblacin y s22 es la varianza muestral de la segunda poblacin.

, el numerador sea el de valor mayor. 4. Regla de decisin: para un nivel de significancia se rechaza H0 si F calculada es mayor que el valor critico de F (tabla) con n1-1 grados de libertar en el numerador (primera muestra) y n2-1 grados de libertad en el denominador (segunda muestra).

La razn F siempre es positiva y mayor que 1 y el valor critico de la cola superior es el nico que se necesita. El valor critico se obtiene dividiendo entre 2 el nivel de significancia ( /2) y buscando el numero adecuado de g.l. en la tabla respectiva.

Ejemplo: La variabilidad en la cantidad de impurezas presentes en un lote de productos qumicos, utilizada para un proceso en particular, depende del tiempo que tarda el proceso. Un fabricante que emplea dos lneas de produccin 1 y 2, hizo un pequeo ajuste al proceso 2, con la esperanza de reducir la variabilidad, as como la cantidad media de impurezas en los productos qumicos. Muestras de n1=25 y n2=20 mediciones de dos lotes produjeron las siguientes medias y varianzas:

Presentan los datos evidencia suficiente para indicar que las variaciones del proceso son menores para el 2? Realice una prueba con un = 0.10. Solucin: Datos: Poblacin 1 Poblacin 2

n1 = 25 = 0.10

n2 = 20

Paso 1. Planteamiento de las hiptesis

La prueba es de dos colas ya que busca la diferencia en la variacin de las impurezas de los productos. Paso #2. Establecer el nivel de significancia = 0.10 Paso #3. El estadstico de prueba a utilizar es la distribucin F, debido a que se desea hacer la prueba de hiptesis basado en las varianzas mustrales.

Paso # 4 Regla de decisin:

Si Fc 2.11 No se rechaza Ho, Si la Fc > 2.11 se rechaza Ho . Paso #5. Calcular F y Tomar la decisin. Debido a que se realiza una prueba bilateral, el nivel de significancia = 0.10 se divide entre dos, obteniendo el nivel de significancia del extremo derecho = 0.05. Para n1 = 25, entonces n 1 = 25 -1 = 24 gl numerador. n2 = 20, entonces n 1 = 20 -1 = 19 gl denominador Recurdese que la mayor varianza se coloca en el numerador, obligando una respuesta positiva y mayor que 1. Clculo:

Decisin y Justificacin: Como 2.04 es menor que 2.11 no se rechaza Ho , y se concluye con un = 0.05 que no existe suficiente evidencia para decir que la varianza del proceso 2 es menor que la del proceso 1.

Distribucin Distribucin chichi-cuadrado: cuadrado: x2

La distribucin jiji-cuadrado, cuadrado tambin denominada jiji-cuadrado de Pearson, Pearson es una distribucin de probabilidad continua con un parmetro k que representa los grados de libertad de la variable aleatoria. La prueba de chi-cuadrado es considerada como una prueba no paramtrica (ideada por Karl Pearson a principios de 1900) 1900 que mide la discrepancia entre una distribucin observada y otra terica (bondad de ajuste), indicando en qu medida las diferencias existentes entre ambas, de haberlas, se deben al azar. Tambin se utiliza para probar la independencia de dos muestras entre s, mediante la presentacin de los datos en tablas de contingencia. Se aplica la prueba de bondad de ajuste para determinar si un conjunto de frecuencias observadas se ajusta a un conjunto de frecuencias esperadas correspondientes. Puede utilizarse para todos los niveles de datos (nominal, ordinal, de intervalo y de razn]. Caractersticas La familia de distribuciones Chi-cuadrado ( 2). Es una distribucin unimodal con asimetra positiva. Esta caracterizada por un parmetro llamado grados de libertad (gl). La media en est familia es igual a gl. La varianza es igual a 2 veces la media. La forma de la distribucin ju-cuadrada, no depende del tamao de la muestra.

Los grados de libertad de un estadstico calculado sobre n datos se refieren al nmero de cantidades independientes que se necesitan en su clculo, menos el nmero de restricciones que ligan a las observaciones y el estadstico. Para utilizar el valor estadstico ji cuadrada, los datos deben ser independientes, independientes esto es, ninguna respuesta se relaciona con cualquiera otra. As mismo, las categoras en las que se colocan los datos deben ser mutuamente excluyentes, es

decir, una frecuencia debe ser colocada en una y slo una categora. Por ltimo, deben utilizarse todos los datos. Todos los datos observados deben ser empleados en un problema de ji cuadrada. La frmula bsica de ji cuadrada es:

Al tomar decisiones acerca de parmetros, se comparan los valores observados de ji cuadrada calculados en los datos de muestra con los valores crticos de la medida estadstica encontrados en la tabla que se provee. Con ji cuadrada el nmero de grados de libertad se basa en la cantidad de casillas de la tabla de contingencia. La frmula general para grados de libertad en un problema de ji cuadrada es: g.l. = (c 1)(r 1) Donde c es el nmero de columnas y r es el nmero de filas o renglones en la tabla de contingencia. Ejemplo: Ejemplo Un investigador quiere comparar si hay diferencias en la cantidad de cigarros fumados por causa del estrs en personas que trabajan. Como experimento entrevisto a 18 personas obteniendo los siguientes datos. Causas por las que fuma Por estrs Por gusto No sabe Total Solucin Paso # 1. Planteamiento de la hiptesis.

Personas que respondieron (fo) 9 7 2 18

Hiptesis nula (Ho). No existe diferencia significativa entre la cantidad de cigarros fumados por causa del estrs en personas que trabajan. Hiptesis alternativa (H1). Existe diferencia significativa entre la cantidad de cigarros fumados por causa del estrs en personas que trabajan.

Paso #2. Nivel de significacin. = 0.05 Paso #3. Estadstico de Prueba.

con k-1 g.l.

Paso #4. Se plantea la regla de decisin. Puesto que existen 3 celdas o categoras, hay k 1 = 3 - 1 = 2 g.l. y el nivel de significacin es 0.05, el valor critico corresponde la cifra de 5.99. En consecuencia la regla de decisin es: No rechazar H0 si el valor calculado de ji cuadrada es menor o igual a el valor critico 5.99. Si es mayor que el valor critico, se rechaza H0 y se acepta H1. Paso # 5. Calcular el valor de X2 y tomar la decisin. Aplicacin de la prueba estadstica. El clculo de la frecuencia esperada se efecta en virtud de que para una hiptesis nula, a todas las casillas corresponde un valor igual, por lo tanto:

Decisin. En virtud de que la probabilidad obtenida al calcular el valor de X2 est dentro de la regin de rechazo, se acepta Ho y se rechaza Ha. X2c X2t se rechaza Ho. Entonces tenemos que: 4.3 < 5.99 se acepta Ho \ No hay diferencias significativas entre el consumo de cigarros por causa del estrs. Interpretacin. El consumo de cigarros por causa del estrs se puede considerar como efecto del azar. Utilidad de las pruebas de hiptesis: El uso y formulacin correcta de las pruebas de hiptesis le permite a un investigador de cualquier rea poner a prueba aspectos de la realidad, disminuyendo la distorsin que pudieran producir sus propios deseo, gustos y prejuicios (tica profesional). Pueden ser sometidas a prueba demostrarse como probablemente correctas o incorrectas son sus decisiones sin que interfieran sus creencias o valores del individuo.