Kas ir nulles un alternatīvā hipotēze?

Kas ir nulles un alternatīvā hipotēze

Statistikā un pētniecības metodēs termini nulles hipotēze (H0) un alternatīvā hipotēze (H1 vai Ha) ir divi pamatjēdzieni, kas bieži rodas, kad pētnieki vēlas pārbaudīt hipotēzi, izmantojot datus. Tie veido hipotēžu pārbaudes pamatu — procedūru, lai noteiktu, vai pierādījumi no izlases ir pietiekami spēcīgi, lai pamatotu apgalvojumu par populāciju. Lai gan tas var izklausīties tehniski, pamatideja patiesībā ir vienkārša: mēs izvirzām divus pretējus apgalvojumus un pēc tam izmantojam datus, lai noteiktu, kurš no tiem ir ticamāks.

Hipotēzes izpratne pētniecībā

Vispārīgi runājot, hipotēze ir provizorisks pieņēmums vai apgalvojums, ko var pārbaudīt, lai noteiktu tā patiesumu. Kvantitatīvajos pētījumos hipotēzes parasti tiek formulētas kā mainīgo lielumu savstarpējās attiecības vai atšķirības starp grupām. Piemēram: "A pētījuma metode ir efektīvāka nekā B pētījuma metode" vai "Pastāv saistība starp miega ilgumu un koncentrācijas līmeni".

Tomēr, kad šīs hipotēzes tiek iekļautas statistiskās analīzes jomā, tās parasti tiek sadalītas divos pāros: nulles hipotēze un alternatīvā hipotēze.

Kas ir nulles hipotēze (H0)?

Nulles hipotēze (H0) ir apgalvojums, kas parasti norāda, ka nav atšķirības, nav efekta vai nav sakarības. H0 bieži tiek uzskatīta par "noklusējuma" vai "status quo" pozīciju. Statistikas testos pētnieki parasti sāk ar pieņēmumu, ka H0 ir patiesa, un pēc tam meklē datos pierādījumus, lai to noraidītu.

Nulles hipotēzes vispārīgās īpašības:
1. Apgalvojums, ka nav nekādas ietekmes vai atšķirības.
2. Kļūsti par sākotnējo atsauci testēšanā.
3. Noraidīts vai nav noraidīts, pamatojoties uz statistisko testu rezultātiem.

Nulles hipotēzes piemērs:
– “Nav atšķirības starp klasēm, kas izmanto A metodi un B metodi, vidējās atzīmes ziņā.”
– “Nav nekādas saistības starp mācību stundu skaitu un eksāmenu rezultātiem.”
– “Studentu vidējais augums ir 165 cm.”

Statistikas pierakstā nulles hipotēze bieži ietver = zīmi, piemēram, μ = 165 vai p = 0,5. Vienādības zīme ir svarīga, jo H0 parasti norāda, ka populācijas parametrs atrodas noteiktā vērtībā.

Kāda ir alternatīvā hipotēze (H1/Ha)?

Alternatīvā hipotēze (H1 vai Ha) ir apgalvojums, kas ir pretrunā ar nulles hipotēzi. H1 apgalvo, ka pastāv atšķirība, efekts vai saistība. Ja H0 tiek noraidīta, pētnieks iegūst atbalstu H1 (lai gan tehniski tas nozīmē H0 noraidīšanu, nevis H1 pārliecinošu "pierādīšanu").

Alternatīvo hipotēžu vispārīgās īpašības:
1. Lai norādītu uz efekta, atšķirības vai attiecības esamību.
2. Kļūt par galveno mērķi, ko pētnieki vēlas atbalstīt.
3. Netieši pieņemts, kad H0 tiek noraidīts.

Alternatīvu hipotēžu piemēri:
– “Pastāv atšķirība starp A klases metodes un B metodes vidējo vērtību.”
– “Pastāv saistība starp mācību stundu skaitu un eksāmenu rezultātiem.”
– “Studentu vidējais augums nav vienāds ar 165 cm.”

Apzīmējumos H1 bieži lieto simbolu ≠, > vai < atkarībā no testa veida. H0 un H1 saistība: savstarpēji izslēdzošu apgalvojumu pāris. H0 un H1 ir jābūt savstarpēji izslēdzošiem, kas nozīmē, ka tie nevar būt patiesi vienlaikus. Ja H0 apgalvo, ka "nav atšķirības", tad H1 apgalvo, ka "pastāv atšķirība". Šis pāris ir apzināti izveidots, lai pētnieki varētu pieņemt skaidrus lēmumus, pamatojoties uz datiem. Piemēram, ja pētījumā vēlas noskaidrot, vai jaunas zāles pazemina asinsspiedienu: - H0: Jaunās zāles nepazemina asinsspiedienu (vai pazeminājums ir tāds pats kā vecajām zālēm). - H1: Jaunās zāles pazemina asinsspiedienu (efektīvāk). Ar eksperimenta datiem pētnieki veic statistiskus testus, lai noskaidrotu, vai pierādījumi ir pietiekami spēcīgi, lai noraidītu H0. Alternatīvo hipotēžu veidi: vienpusējās un divpusējās.

Alternatīvās hipotēzes var būt divpusējas vai vienpusējas. 1. Divpusējas hipotēzes tests — H1 norāda “atšķirīgs”, nenorādot, vai tas ir lielāks vai mazāks. — Piemērs: — H0: μ = 165 — H1: μ ≠ 165 Šo testu izmanto, ja pētnieks vēlas tikai uzzināt, vai pastāv atšķirība, nenorādot konkrētu virzienu. 2. Vienpusējas hipotēzes tests — H1 norāda atšķirības virzienu: lielāka vai mazāka. — Piemērs: — H0: μ ≤ 165 — H1: μ > 165
vai
– H0: μ ≥ 165
– H1: μ < 165 Šo testu izmanto, ja pētniekam jau ir virziena pieņēmums, kas balstīts uz teoriju vai iepriekšējiem pētījumiem. Vienpusēja vai divpusēja testa izvēle ir svarīga, jo tā ietekmē noraidīšanas reģiona noteikšanu un rezultātu interpretāciju. Kā pieņemt lēmumu: noraidīt vai nenoraidīt H0 Hipotēžu pārbaudē parastie lēmumi ir: - Noraidīt H0: dati sniedz pietiekami spēcīgus pierādījumus, lai apgalvotu, ka rezultāti neatbilst H0. - Nenoraidīt H0: dati nav pietiekami spēcīgi, lai noraidītu H0 (tas nenozīmē, ka H0 ir pierādīts). Termins "nenoraidīt" tiek lietots tāpēc, ka uz izlasi balstītiem pētījumiem vienmēr ir nenoteiktība. Mēs reti varam kaut ko "pierādīt" ar absolūtu pārliecību; viss, ko mēs varam darīt, ir novērtēt, cik spēcīgi ir pieejamie pierādījumi. Viens populārs lēmumu pieņemšanas rīks ir p-vērtība: - Ja p-vērtība < α (piemēram, α = 0,05), tad H0 tiek noraidīts. - Ja p-vērtība ≥ α, tad H0 tiek noraidīts. Šeit α ir nozīmīguma līmenis, pētnieka tolerances robeža kļūdas iespējamībai, noraidot H0. Kļūdas hipotēžu pārbaudē: I tips un II tips Tā kā statistiskie lēmumi ne vienmēr ir pareizi, tiek atzīti divu veidu kļūdas: 1. I tipa kļūda (α) - H0 noraidīšana, kad H0 ir patiess. - Piemērs: secinājums, ka zāles ir efektīvas, kad tās tādas nav. 2. II tipa kļūda (β) — netiek noraidīta H0, ja H0 ir nepatiesa. — Piemērs: secinājums, ka zāles ir neefektīvas, lai gan tās faktiski ir efektīvas. Pētnieki parasti kontrolē I tipa kļūdas risku, izmantojot α (piemēram, 0,05). Tikmēr II tipa kļūdas risks ir saistīts ar pētījuma jaudu, izlases lielumu un datu mainīgumu. Vienkāršs piemērs no ikdienas dzīves. Iedomājieties, ka vēlaties pārbaudīt, vai ražošanas komanda uzlabo kvalitāti pēc iekārtu nomaiņas. — H0: Iekārtu maiņa neuzlabo produkta vidējo kvalitāti. — H1: Iekārtu maiņa uzlabo produkta vidējo kvalitāti. Jūs apkopojat datus par ražošanas defektiem pirms un pēc iekārtu nomaiņas. Ja analīzes rezultāti uzrāda būtisku atšķirību (piemēram, defektu skaits samazinās un p vērtība ir < 0,05), jūs noraidāt H0 un atbalstāt apgalvojumu, ka jaunā iekārta palīdzēja. Secinājums. Nulles hipotēze un alternatīvā hipotēze ir hipotēžu pārbaudes pamatā statistikā. Nulles hipotēze (H0) parasti apgalvo, ka nav ietekmes vai atšķirības, savukārt alternatīvā hipotēze (H1/Ha) apgalvo, ka pastāv ietekme vai atšķirība. Izmantojot datus, pētnieki pārbauda, ​​vai pierādījumi ir pietiekami spēcīgi, lai noraidītu H0 hipotēzi. Šī jēdziena izpratne palīdz mums kritiskāk lasīt pētījumu rezultātus, izstrādāt labākus eksperimentus un pieņemt racionālākus, uz datiem balstītus lēmumus. Ja vēlaties, varu palīdzēt jums izveidot nulles un alternatīvu hipotēžu piemērus, kas atbilst jūsu pētījuma tēmai (piemēram, izglītība, veselība, bizness), papildinot tos ar atbilstošiem statistikas testiem.