Mis on nullhüpotees ja alternatiivhüpotees
Statistikas ja uurimismeetodites on nullhüpotees (H0) ja alternatiivhüpotees (H1 või Ha) kaks põhimõistet, mis tekivad sageli siis, kui teadlased soovivad andmete abil hüpoteesi testida. Need moodustavad hüpoteesi testimise aluse – protseduuri, mille eesmärk on teha kindlaks, kas valimi tõendid on piisavalt tugevad, et toetada väidet populatsiooni kohta. Kuigi see võib tunduda tehniline, on põhiidee tegelikult lihtne: esitame kaks vastandlikku väidet ja seejärel kasutame andmeid, et teha kindlaks, kumb neist on usutavam.
Hüpoteesi mõistmine uurimistöös
Üldiselt on hüpotees esialgne eeldus või väide, mille tõesust saab kontrollida. Kvantitatiivsetes uuringutes sõnastatakse hüpoteesid tavaliselt muutujate vaheliste seoste või rühmadevaheliste erinevuste kujul. Näiteks: „Uuringumeetod A on efektiivsem kui uuringumeetod B“ või „Une kestuse ja keskendumistaseme vahel on seos“.
Kui need hüpoteesid aga statistilise analüüsi valdkonda tuua, jagatakse need tavaliselt kaheks paariks: nullhüpotees ja alternatiivhüpotees.
Mis on nullhüpotees (H0)?
Nullhüpotees (H0) on väide, mis üldiselt väidab, et erinevust, mõju või seost ei ole. H0-d peetakse sageli „vaikimisi“ või „status quo“ seisukorraks. Statistilistes testides lähtuvad teadlased tavaliselt eeldusest, et H0 on tõene, ja otsivad seejärel andmetest tõendeid selle ümberlükkamiseks.
Nullhüpoteesi üldised omadused:
1. Väide, et mõju või erinevust ei ole.
2. Saage testimisel esmaseks võrdlusaluseks.
3. Statistiliste testide tulemuste põhjal tagasi lükatud või tagasilükkamist ei õnnestunud saavutada.
Nullhüpoteesi näide:
– „Meetodit A ja meetodit B kasutavate klasside keskmiste hinnete vahel pole erinevust.“
– „Õppetundide arvu ja eksamitulemuste vahel puudub seos.“
– „Õpilaste keskmine pikkus on 165 cm.”
Statistilises tähistuses on nullhüpotees sageli võrdusmärk, näiteks μ = 165 või p = 0,5. Võrdusmärk on oluline, sest H0 näitab tavaliselt, et populatsiooniparameeter on teatud väärtuse juures.
Mis on alternatiivne hüpotees (H1/Ha)?
Alternatiivne hüpotees (H1 või Ha) on väide, mis on vastuolus nullhüpoteesiga. H1 väidab, et esineb erinevus, mõju või seos. Kui H0 lükatakse tagasi, saab uurija toetuse H1-le (kuigi tehniliselt on see H0 ümberlükkamine, mitte H1 lõplik "tõestamine").
Alternatiivsete hüpoteeside üldised omadused:
1. Mõju, erinevuse või seose olemasolu märkimiseks.
2. Saada peamiseks eesmärgiks, mida teadlased soovivad toetada.
3. Kaudselt aktsepteeritakse, kui H0 lükatakse tagasi.
Alternatiivsete hüpoteeside näited:
– „Klassi meetodi A ja meetodi B keskmise väärtuse vahel on erinevus.“
– „Õppetundide arvu ja eksamitulemuste vahel on seos.“
– „Õpilaste keskmine pikkus ei ole 165 cm.“
Märgistuses kasutab H1 sageli sümbolit ≠, > või <, olenevalt testi tüübist. H0 ja H1 vaheline seos: paar teineteist välistavaid väiteid. H0 ja H1 peavad olema teineteist välistavad, mis tähendab, et nad ei saa olla korraga tõesed. Kui H0 väidab, et „erinevust ei ole“, siis H1 väidab, et „erinevus on olemas“. See paar on teadlikult loodud, et teadlased saaksid andmete põhjal selgeid otsuseid teha. Näiteks kui uuring soovib välja selgitada, kas uus ravim alandab vererõhku: - H0: Uus ravim ei alanda vererõhku (või langus on sama mis vana ravimi puhul). - H1: Uus ravim alandab vererõhku (tõhusamalt). Katseandmete põhjal viivad teadlased läbi statistilisi teste, et näha, kas tõendid on piisavalt tugevad H0 ümberlükkamiseks. Alternatiivsete hüpoteeside tüübid: ühepoolsed ja kahepoolsed.
Alternatiivsed hüpoteesid võivad olla kahe- või ühepoolsed. 1. Kahepoolse test – H1 väidab „erinev“, täpsustamata, kas see on suurem või väiksem. – Näide: – H0: μ = 165 – H1: μ ≠ 165 Seda testi kasutatakse juhul, kui uurija soovib teada ainult seda, kas erinevus on olemas, ilma konkreetse suunata. 2. Ühepoolse test – H1 väidab erinevuse suunda: suurem või väiksem. – Näide: – H0: μ ≤ 165 – H1: μ > 165või
– H0: μ ≥ 165
– H1: μ < 165 Seda testi kasutatakse juhul, kui uurijal on juba teoorial või varasematel uuringutel põhinev suunatud eeldus. Ühe- või kahepoolse testi valik on oluline, kuna see mõjutab tagasilükkamispiirkonna määramist ja tulemuste tõlgendamist. Kuidas otsust langetada: H0 tagasi lükata või mitte tagasi lükata? Hüpoteeside testimisel on tavalised otsused järgmised: - Lükka H0 tagasi: andmed pakuvad piisavalt tugevaid tõendeid, et väita, et tulemused on H0-ga vastuolus. - H0 tagasilükkamine ebaõnnestub: andmed ei ole piisavalt tugevad, et H0 tagasi lükata (see ei tähenda, et H0 on tõestatud tõeseks). Mõistet „tagasilükkamine ebaõnnestub” kasutatakse seetõttu, et valimipõhises uurimistöös on alati ebakindlust. Me saame harva midagi absoluutse kindlusega „tõestada”; kõik, mida saame teha, on hinnata olemasolevate tõendite tugevust. Üks populaarne otsustusvahend on p-väärtus: - Kui p-väärtus < α (näiteks α = 0,05), siis H0 tagasi lükatakse. - Kui p-väärtus ≥ α, siis H0 tagasi lükatakse. Siin α on olulisuse tase, teadlase taluvuspiir vea tegemise võimalusele H0 tagasilükkamisel. Hüpoteeside testimise vead: I ja II tüüpi vead Kuna statistilised otsused ei ole alati õiged, on kahte tüüpi vigu: 1. I tüüpi viga (α) - H0 tagasilükkamine, kui H0 on tõene. - Näide: ravimi efektiivsuse järeldamine, kui see seda ei ole. 2. II tüüpi viga (β) - H0 tagasilükkamine ebaõnnestub, kui H0 on väär. - Näide: ravimi ebaefektiivsuse järeldamine, kui see tegelikult on efektiivne. Teadlased kontrollivad tavaliselt I tüüpi vea riski α abil (nt 0,05). Samal ajal on II tüüpi vea risk seotud uuringu võimsuse, valimi suuruse ja andmete varieeruvusega. Lihtne näide igapäevaelust. Kujutage ette, et soovite testida, kas tootmismeeskond parandab kvaliteeti pärast masinate vahetamist. - H0: Masinavahetus ei paranda toote keskmist kvaliteeti. - H1: Masinavahetus parandab toote keskmist kvaliteeti. Kogute andmeid tootmisdefektide kohta enne ja pärast masinavahetust. Kui analüüsi tulemused näitavad olulist erinevust (nt defektid vähenevad ja p-väärtus < 0,05), lükate H0 tagasi ja toetate väidet, et uus masin aitas. Järeldus Nullhüpotees ja alternatiivhüpotees on statistikas hüpoteesi testimise keskmes. Nullhüpotees (H0) väidab tavaliselt, et mõju või erinevus puudub, samas kui alternatiivhüpotees (H1/Ha) väidab, et mõju või erinevus on olemas. Andmete abil testivad teadlased, kas tõendid on piisavalt tugevad H0 hüpoteesi ümberlükkamiseks. Selle kontseptsiooni mõistmine aitab meil uurimistulemusi kriitilisemalt lugeda, paremaid katseid kavandada ja teha ratsionaalsemaid, andmepõhiseid otsuseid. Soovi korral saan aidata teil luua näiteid null- ja alternatiivhüpoteesidest, mis on teie uurimisteema (nt haridus, tervishoid, äri) jaoks asjakohased, koos sobivate statistiliste testidega.
