ባዶ እና አማራጭ መላምት ምንድን ነው?

ባዶ እና አማራጭ መላምት ምንድን ነው?

በስታቲስቲክስ እና በምርምር ዘዴዎች፣ ባዶ መላምት (H0) እና አማራጭ መላምት (H1 ወይም Ha) የሚሉት ቃላት ተመራማሪዎች አንድን መላምት በመረጃ በመጠቀም ለመሞከር ሲፈልጉ ብዙውን ጊዜ የሚነሱ ሁለት መሠረታዊ ፅንሰ ሀሳቦች ናቸው። እነዚህ ቃላት የሂፖቴሽን ሙከራ መሠረት ይሆናሉ፣ ይህም ከናሙና የሚገኝ ማስረጃ ስለ ህዝብ ጥያቄን ለመደገፍ በቂ ጠንካራ መሆኑን ለመወሰን የሚያስችል ሂደት ነው። ቴክኒካዊ ሊመስል ቢችልም፣ መሠረታዊው ሀሳብ በእውነቱ ቀላል ነው፡ ሁለት ተቃራኒ መግለጫዎችን እናደርጋለን፣ ከዚያም የትኛው የበለጠ አሳማኝ እንደሆነ ለማወቅ ውሂብ እንጠቀማለን።

በምርምር ውስጥ መላምት መረዳት

በአጠቃላይ፣ መላምት ለእውነት ሊፈተን የሚችል ጊዜያዊ ግምት ወይም መግለጫ ነው። በቁጥር ጥናት፣ መላምቶች ብዙውን ጊዜ የሚቀረጹት በተለዋዋጮች ወይም በቡድኖች መካከል ባሉ ልዩነቶች መካከል ባሉ ግንኙነቶች መልክ ነው። ለምሳሌ፡- "የጥናት ዘዴ A ከጥናት ዘዴ B የበለጠ ውጤታማ ነው" ወይም "በእንቅልፍ ቆይታ እና በማጎሪያ ደረጃዎች መካከል ግንኙነት አለ።"

ይሁን እንጂ፣ እነዚህ መላምቶች ወደ ስታቲስቲክስ ትንተና ዓለም ሲገቡ ፣ ብዙውን ጊዜ በሁለት ጥንዶች ይከፈላሉ፤ ባዶ መላምት እና አማራጭ መላምት።

ባዶ መላምት (H0) ምንድን ነው?

ባዶ መላምት (H0) በአጠቃላይ ምንም ልዩነት፣ ውጤት ወይም ግንኙነት እንደሌለ የሚገልጽ መግለጫ ነው። H0 ብዙውን ጊዜ "ነባሪ" ወይም "ሁኔታዊ ሁኔታ" ቦታ ተደርጎ ይወሰዳል። በስታቲስቲክስ ሙከራዎች ውስጥ ተመራማሪዎች በተለምዶ H0 እውነት ነው በሚለው ግምት ይጀምራሉ ከዚያም ውድቅ ለማድረግ ከውሂቡ ማስረጃ ይፈልጋሉ።

የኑል መላምት አጠቃላይ ባህሪያት፡
1. ምንም አይነት ውጤት ወይም ልዩነት እንደሌለ መግለጽ።
2. በሙከራ ውስጥ የመጀመሪያ ማጣቀሻ ይሁኑ።
3. በስታቲስቲክስ ሙከራዎች ውጤት መሰረት ውድቅ የተደረገ ወይም ውድቅ የተደረገ።

የኑል መላምት ምሳሌ፡
- "በA ዘዴ እና በB ዘዴ በሚጠቀሙ ክፍሎች መካከል በአማካይ ውጤት ምንም ልዩነት የለም።"
- "በጥናት ሰዓቶች ብዛት እና በፈተና ውጤቶች መካከል ምንም ግንኙነት የለም።"
– “የተማሪዎች አማካይ ቁመት 165 ሴ.ሜ ነው።”

በስታቲስቲክስ አጻጻፍ ውስጥ፣ ባዶ መላምት ብዙውን ጊዜ የ = ምልክትን ያካትታል፣ ለምሳሌ μ = 165 ወይም p = 0,5። እኩል ምልክቱ አስፈላጊ ነው ምክንያቱም H0 ብዙውን ጊዜ የህዝብ መለኪያው በተወሰነ እሴት ላይ መሆኑን ስለሚገልጽ።

አማራጭ መላምት (H1/Ha) ምንድን ነው?

አማራጭ መላምት (H1 ወይም Ha) ከኑል መላምት ጋር የሚቃረን መግለጫ ነው። H1 ልዩነት፣ ውጤት ወይም ግንኙነት እንዳለ ይገልጻል። H0 ውድቅ ከተደረገ፣ ተመራማሪው ለH1 ድጋፍ ያገኛል (ምንም እንኳን በቴክኒካዊ መልኩ ይህ H0ን አለመቀበል እንጂ H1ን "በማረጋገጥ" ላይሆን ይችላል)።

የአማራጭ መላምቶች አጠቃላይ ባህሪያት፡
1. የአንድ ውጤት፣ ልዩነት ወይም ግንኙነት መኖርን መግለጽ።
2. ተመራማሪዎች ሊደግፉት የሚፈልጉት ዋና ግብ ይሁኑ።
3. H0 ውድቅ ሲደረግ በተዘዋዋሪ ተቀባይነት የለውም።

የአማራጭ መላምቶች ምሳሌዎች፡
- "በክፍል ዘዴ A እና ዘዴ B መካከል ባለው አማካይ እሴት ላይ ልዩነት አለ።"
- "በጥናት ሰዓቶች ብዛት እና በፈተና ውጤቶች መካከል ግንኙነት አለ።"
– “የተማሪዎች አማካይ ቁመት ከ165 ሴ.ሜ ጋር እኩል አይደለም።”

በማስታወሻ ውስጥ፣ H1 ብዙውን ጊዜ እንደ የሙከራው አይነት ≠፣ >፣ ወይም < የሚለውን ምልክት ይጠቀማል። በH0 እና H1 መካከል ያለው ግንኙነት፡ እርስ በርስ የሚለያዩ መግለጫዎች ጥንድ። H0 እና H1 እርስ በርስ የሚለያዩ መሆን አለባቸው፣ ይህ ማለት በአንድ ጊዜ እውነት ሊሆኑ አይችሉም ማለት ነው። H0 “ምንም ልዩነት የለም” ሲል ከገለጸ H1 “ልዩነት አለ” ይላል። ይህ ጥምረት ተመራማሪዎች ግልጽ ውሳኔ እንዲያደርጉ ሆን ተብሎ የተፈጠረ ነው። በውሂብ ላይ የተመሠረተለምሳሌ፣ አንድ ተመራማሪ አዲስ መድሃኒት የደም ግፊትን ይቀንሳል ወይ የሚለውን ለማወቅ ከፈለገ፡ – H0፡ አዲሱ መድሃኒት የደም ግፊትን አይቀንስም (ወይም ቅናሹ ከአሮጌው መድሃኒት ጋር ተመሳሳይ ነው)። – H1፡ አዲሱ መድሃኒት የደም ግፊትን ይቀንሳል (በበለጠ ውጤታማ)። ከሙከራው በተገኘው መረጃ፣ ተመራማሪው ማስረጃው H0ን ውድቅ ለማድረግ በቂ ጠንካራ መሆኑን ለማየት የስታቲስቲክስ ምርመራ ያካሂዳል። የአማራጭ መላምቶች ዓይነቶች፡ አንድ ጭራ እና ሁለት ጭራ ያላቸው ተለዋጭ መላምቶች ባለ ሁለት ጭራ ወይም ባለ አንድ ጭራ ሊሆኑ ይችላሉ። 1. ባለ ሁለት ጭራ ምርመራ - H1 ትልቅ ወይም ያነሰ መሆኑን ሳይገልጽ "የተለየ" ይላል። – ምሳሌ፡ – H0፡ μ = 165 – H1፡ μ ≠ 165 ይህ ምርመራ ጥቅም ላይ የሚውለው ተመራማሪው አቅጣጫውን ሳይገልጽ ልዩነት መኖሩን ብቻ ለማወቅ ከፈለገ ብቻ ነው። 2. ባለ አንድ ጭራ ሙከራ - H1 የልዩነቱን አቅጣጫ ይገልጻል፡ ይበልጣል ወይም ያንስ። – ምሳሌ፡ – H0፡ μ ≤ 165 – H1፡ μ > 165
ወይም
– H0: μ ≥ 165
– H1: μ < 165
ይህ ፈተና ጥቅም ላይ የሚውለው ተመራማሪው ቀደም ሲል በነበሩት ንድፈ ሐሳቦች ወይም ጥናቶች ላይ ተመስርቶ ስለ አቅጣጫው አስቀድሞ ግምት ካለው ነው።

የአንድ ጭራ ወይም የሁለት ጭራ ሙከራ ምርጫ አስፈላጊ ነው ምክንያቱም ውድቅ የተደረገው ክልል እንዴት እንደሚወሰን እና የውጤቶቹ ትርጓሜ ላይ ተጽዕኖ ያሳድራል።

ውሳኔ እንዴት እንደሚደረግ፡- H0ን አለመቀበል ወይም አለመቀበል

ውስጥ መላምት ሙከራበተለምዶ የሚወሰኑት ውሳኔዎች የሚከተሉት ናቸው፡
– ውድቅ አድርግ H0፡ መረጃው ውጤቶቹ ከ H0 ጋር እንደማይጣጣሙ የሚያሳይ ጠንካራ ማስረጃ ይሰጣል።
– H0 ውድቅ ማድረግ አልተሳካም፡ መረጃው H0ን ውድቅ ለማድረግ በቂ ጥንካሬ የለውም (H0 እውነት መሆኑ ተረጋግጧል ማለት አይደለም)።

“አለመቀበል አለመቻል” የሚለው ቃል ጥቅም ላይ የሚውለው በናሙና ላይ የተመሰረተ ጥናት ሁልጊዜ እርግጠኛ አለመሆንን ስለሚያካትት ነው። አንድን ነገር በፍጹም እርግጠኛነት “ማረጋገጥ” አንችልም፤ ማድረግ የምንችለው ማስረጃውን ጥንካሬ መገምገም ብቻ ነው።

አንድ ታዋቂ የውሳኔ እርዳታ p-value ነው፡
– የ p-እሴቱ < α (ለምሳሌ α = 0,05) ከሆነ፣ H0 ውድቅ ይደረጋል።
- የp-እሴት ≥ α ከሆነ፣ H0 ውድቅ ሊደረግ አይችልም።

እዚህ ላይ α የአስፈላጊነት ደረጃ ነው፣ ይህም ተመራማሪው H0ን ሲክድ ስህተት የመሥራት እድልን የሚገድብበት ገደብ ነው።

በግምታዊ ሙከራ ላይ ያሉ ስህተቶች ፡ ዓይነት I እና ዓይነት II

የስታቲስቲክስ ውሳኔዎች ሁልጊዜ ትክክል ስላልሆኑ፣ ሁለት ዓይነት ስህተቶች ይታወቃሉ፡

1. የአይነት I ስህተት (α)
- H0 እውነት ቢሆንም H0ን ውድቅ ያድርጉ።
– ምሳሌ፡- አንድ መድሃኒት ውጤታማ ሲሆን ውጤታማ አይደለም ብሎ መደምደም።

2. የአይነት II ስህተት (β)
- H0 የተሳሳተ ቢሆንም H0ን ውድቅ ማድረግ አልተሳካም።
– ምሳሌ፡- አንድ መድሃኒት ውጤታማ ሲሆን ውጤታማ እንዳልሆነ መደምደም።

ተመራማሪዎች በተለምዶ የአይነት I ስህተት አደጋን በα (ለምሳሌ፣ 0,05) በኩል ይቆጣጠራሉ። ይህ በእንዲህ እንዳለ፣ የአይነት II ስህተት አደጋ ከጥናቱ ኃይል፣ የናሙና መጠን እና የውሂብ ተለዋዋጭነት ጋር የተያያዘ ነው።

በዕለት ተዕለት ሕይወት ውስጥ ቀላል ምሳሌዎች

የማምረት ቡድን ማሽኖችን ከቀየረ በኋላ ጥራትን ማሻሻል አለመሻሻሉን መሞከር እንደምትፈልግ አስብ።

– H0: የማሽን መተካት የምርቱን አማካይ ጥራት አያሻሽልም።
– H1: የማሽን መተካት የምርቶችን አማካይ ጥራት ያሻሽላል።

ከማሽኑ ለውጥ በፊት እና በኋላ የምርት ጉድለቶችን በተመለከተ መረጃ ይሰበስባሉ ። ትንታኔው ጉልህ የሆነ ልዩነት ካሳየ (ለምሳሌ፣ ጉድለቶች መቀነስ እና የp-value <0,05)፣ H0ን ውድቅ ያደርጋሉ እና አዲሱ ማሽን እንደረዳቸው ያለውን እምነት ይደግፋሉ።

መዝጊያ

ባዶ እና አማራጭ መላምቶች በስታቲስቲክስ ውስጥ ባለው መላምት ሙከራ ውስጥ ዋና ዋና ናቸው። ባዶ መላምቶች (H0) በተለምዶ ምንም ውጤት ወይም ልዩነት እንደሌለ ይገልጻል፣ አማራጭ መላምቶች (H1/Ha) ደግሞ ውጤት ወይም ልዩነት እንዳለ ይገልጻል። ተመራማሪዎች መረጃ በመጠቀም ማስረጃው H0ን ውድቅ ለማድረግ በቂ ጠንካራ መሆኑን ይፈትሹ። እነዚህን ፅንሰ ሀሳቦች መረዳት የምርምር ውጤቶችን በጥልቀት እንድናነብ፣ የተሻሉ ሙከራዎችን እንድንነድፍ እና የበለጠ ምክንያታዊ፣ በመረጃ ላይ የተመሰረቱ ውሳኔዎችን እንድናደርግ ይረዳናል።

ከፈለጉ፣ በምርምር ርዕስዎ (ለምሳሌ ትምህርት፣ ጤና፣ ንግድ) መሰረት ባዶ እና አማራጭ መላምቶችን ምሳሌዎችን እንዲፈጥሩ ልረዳዎ እችላለሁ፣ ይህም በተገቢው የስታቲስቲክስ ፈተና የተሟላ ነው።