Что такое нулевая гипотеза? (Определения, примеры и часто задаваемые вопросы)

26 августа 2021 г.

Для ученых-исследователей и статистиков важно понимать, что такое нулевая и альтернативная гипотезы и как они работают. Нулевая и альтернативная гипотезы являются важными статистическими понятиями, которые помогают ученым разрабатывать исследовательские проекты и тестировать переменные для ответа на вопросы исследования. Изучение нулевой гипотезы и того, как она используется вместе с альтернативной гипотезой, может помочь вам понять эти термины и эффективно использовать их в своих исследованиях. В этой статье мы определяем, что такое нулевая и альтернативная гипотезы, объясняем, как они работают вместе, и приводим примеры, которые помогут вам понять, как применять их в ваших исследованиях.

Что такое нулевая гипотеза?

Нулевая гипотеза — это понятие в статистике, используемое для представления возможности двух или более переменных, не имеющих статистически значимой связи или корреляции друг с другом. Когда ученый предлагает исследование или эксперимент, он проверяет возможность существования связи между выбранными им переменными. Если исследователь обнаруживает статистически значимую корреляцию между своими переменными, он отклоняет нулевую гипотезу и делает вывод о наличии значимой связи между тестируемыми конструкциями. Например, исследователь может предположить, что существует положительная корреляция между температурой и потреблением мороженого летом.

Они планируют исследование, чтобы выяснить, едят ли люди больше мороженого в более жаркие дни, и выдвигают гипотезу, описывающую их прогнозируемый результат. В ходе исследования они собирают данные о температуре воздуха и количестве съеденного людьми мороженого каждый день. Они обрабатывают эти данные, чтобы определить, достаточно ли количество людей, которые едят мороженое в более жаркие дни, для статистической корреляции. Если это так, они отвергают нулевую гипотезу, утверждающую, что не существует статистически значимой корреляции между потреблением мороженого и температурой воздуха, и подтверждают свою гипотезу о том, что корреляция существует.

Что такое альтернативная гипотеза?

Альтернативная гипотеза является инверсией нулевой гипотезы, то есть альтернативная гипотеза представляет возможность корреляции между двумя или более переменными в исследовании или эксперименте. Исследователи пытаются доказать альтернативную гипотезу, опровергая нулевую гипотезу. Когда ученый обнаруживает статистически значимую корреляцию между своими переменными, он поддерживает альтернативную гипотезу и отвергает нулевую, потому что он собрал достаточно данных, чтобы показать статистически значимую связь между переменными.

Например, при тестировании связи между потреблением мороженого и температурой воздуха ученый предлагает людям есть больше мороженого, когда температура воздуха выше. Альтернативная гипотеза состоит в том, что существует положительная корреляция между температурой воздуха и потреблением мороженого, а нулевая гипотеза состоит в том, что между переменными нет связи. Доказывая эту взаимосвязь, ученый отвергает нулевую гипотезу и проверяет альтернативную гипотезу.

Что такое нулевая гипотеза по сравнению с альтернативной гипотезой?

Нулевая и альтернативная гипотезы работают вместе, чтобы создать модель для определения наличия статистически значимой связи между переменными. Вот несколько ключевых сравнений между этими двумя гипотезами:

Цель

Основная цель этих гипотез состоит в том, чтобы обеспечить структуру, в которой исследователь может либо подтвердить, либо опровергнуть альтернативную гипотезу. Проверка гипотезы позволяет ученому ответить на важные научные вопросы и продвигать теории в своей области исследования. Постановка и проверка исследовательских вопросов способствует развитию новых знаний по предмету на основе результатов предыдущих исследований. В то время как целью альтернативной гипотезы является проверка статистически значимой корреляции между переменными, целью нулевой гипотезы является определение отсутствия корреляции.

Принцип

Принцип нулевой гипотезы заключается в создании статистической модели, в которой исследователь может собирать и обрабатывать данные, чтобы определить, существует ли правдоподобная корреляция между переменными. После сбора данных исследователь выбирает статистический инструмент для обработки чисел. Инструмент, используемый для обработки данных, зависит от типа данных, количества и того, как исследователь хочет интерпретировать взаимосвязь между наборами данных. На основе этих расчетов исследователь определяет, подтверждают ли данные нуль или опровергают его. Эти расчеты также могут предоставить информацию о силе корреляции между данными.

Этот принцип работает аналогично для альтернативной гипотезы. Альтернативная гипотеза также структурирует статистическую модель, предоставляя утверждение для сравнения с нулем. Используя результаты проверки данных, исследователь определяет, имеет ли корреляция между переменными статистическую значимость. Если это так, они подтверждают альтернативную гипотезу и отвергают нулевую.

Проверка и отказ

Эти гипотезы работают вместе в системе оппозиций, то есть исследователь может проверить только одну или другую. Исследователи отклоняют нулевую гипотезу, когда результаты их метода обработки данных показывают, что существует статистически значимая корреляция между переменными. Статистическая значимость означает, что данные не были получены случайным образом. Чтобы определить, являются ли результаты статистически значимыми, исследователь обрабатывает данные и вычисляет, достаточно ли сильна полученная корреляция, чтобы показать истинную, непротиворечивую связь между наборами данных. Когда эти результаты значимы, исследователь подтверждает свою альтернативную гипотезу и опровергает нулевую.

Например, психолог, изучающий взаимосвязь между социальной вовлеченностью и воспринимаемым счастьем, может определить, что их данные могут иметь до 5% вероятности случайности, чтобы считаться значимыми. Они собирают свои данные и обрабатывают их с помощью статистического инструмента и обнаруживают, что вероятность того, что корреляция между переменными является случайной, составляет 4%. Поскольку это значение составляет менее 5%, исследователь подтверждает, что результаты статистически значимы, то есть существует истинная корреляция между переменными, и они могут отклонить нулевую гипотезу.

Различия между нулевой и альтернативной гипотезами

Вот некоторые ключевые различия между этими гипотезами:

• Определение: По определению, нулевая гипотеза утверждает, что между переменными исследования нет значимой связи. Альтернативная гипотеза — это утверждение, утверждающее, что между переменными существует взаимосвязь.

• Утверждение: Статистически нулевая гипотеза утверждает, что любая очевидная корреляция между переменными является результатом случайности. Альтернативная гипотеза утверждает, что существует причинно-следственная связь между переменными, которая не возникает в результате случайности.

• Доказательство: исследователи пытаются опровергнуть нулевую гипотезу посредством своих исследований, доказывая альтернативную гипотезу.

• Статистическая значимость: статистически значимый результат подтверждает альтернативную гипотезу, а незначимый результат подтверждает нулевую гипотезу.

• Важность: Обе эти гипотезы важны. Проверка нулевой гипотезы поддерживает существующие теории и подтверждает преемственность между исследованиями, в то время как проверка альтернативной гипотезы может привести к новым теориям или новым способам понимания устоявшихся теорий.

Примеры гипотез в исследованиях

Вот два примера сценариев исследования с учетом нулевой и альтернативной гипотезы для каждого из них:

Пример 1

Социальный психолог разрабатывает исследование, чтобы понять, как воспринимаемый авторитет коррелирует со степенью вокальной аккомодации между сторонами в разговоре. Они случайным образом распределяют двух участников по ролям: один участник получает роль авторитета, а другой — неавторитета. Участники работают вместе над решением проблемы. Пока пара работает над решением проблемы, исследователь записывает разговор, чтобы они могли проанализировать, в какой степени неавторитетный участник меняет свои голосовые сигналы, чтобы приспособиться к авторитетному участнику. Исследователь предполагает, что неавторитетный участник изменит свои голосовые сигналы больше, чем авторитетный участник.

В этом примере альтернативная гипотеза утверждает, что существует корреляция между воспринимаемым авторитетом и голосовой аккомодацией. Нулевая гипотеза утверждает, что между этими переменными нет корреляции. Исследователь анализирует данные, чтобы определить, существует ли корреляция между переменными. Если это так, они оценивают корреляцию, чтобы решить, является ли она статистически значимой. Если результаты коррелируют в степени, которая показывает статистическую значимость, исследователь отвергает нулевую гипотезу и проверяет альтернативную гипотезу.

Пример 2

Медицинский исследователь планирует клиническое испытание, чтобы определить эффективность нового лекарства для лечения хронической мигрени. Они планируют исследование, в котором половине участников дают плацебо или фальшивую таблетку, а другой половине дают пробный препарат. Каждую неделю исследователь встречается с участниками, проводит медицинский осмотр и просит их самостоятельно сообщить о своих симптомах мигрени. Исследователь предполагает, что участники, принимавшие пробный препарат, будут сообщать о меньшем количестве симптомов мигрени, чем группа, принимавшая плацебо.

В этом примере альтернативная гипотеза утверждает, что существует корреляция между приемом пробного препарата и уменьшением симптомов мигрени. Нулевая гипотеза утверждает, что нет никакой корреляции между приемом исследуемого препарата и уменьшением симптомов мигрени. Исследователь анализирует данные, полученные от обеих групп участников, и сравнивает результаты. Если группа пробного препарата сообщает о статистически значимом улучшении своих симптомов по сравнению с группой плацебо, исследователь проверяет альтернативу и отклоняет нулевую гипотезу.